Etkileşimleri Nicelendirilen ve Gecikme Bilinçli Dağıtıma Sahip Yorumlanabilir ESG–Duygu Karma Derin Öğrenmesi ile Varlık Getirisi Tahmini

Piyasaların Fiyat Grafiklerinden Daha Fazlasına İhtiyacı Var

Piyasaların vahşice dalgalandığını izlemiş olan herkes bilir ki yalnızca fiyatlar nadiren tüm resmi gösterir. Bir şirketin çevre ve toplum üzerindeki davranışı ile haberler ve sosyal medyadaki yatırımcı ruh hali de getiriler üzerinde iz bırakır. Bu makale, bu dağınık ipuçlarını tek, şeffaf bir tahmin sisteminde nasıl birleştirebileceğimizi araştırıyor; amaç yalnızca hisse senetleri ve kripto paraların yarınki hareketini tahmin etmek değil, aynı zamanda sürdürülebilirlik kimliklerinin kıran haberlerden ne zaman daha önemli olduğunu göstermek ve bunu gerçek dünya alım satımı için yeterince hızlı yapmak.

Birçok Sinyali Tek Çatı Altında Toplamak

Yazarlar, dört ana bilgi türünü alan bir karma tahmin hattı kurarlar: fiyat ve hacimden elde edilen standart piyasa göstergeleri, geniş ekonomik veriler, firma düzeyinde çevresel, sosyal ve yönetişim (ESG) skorları ve finans için uyarlanmış bir dil modeli kullanılarak finans haberlerinden çıkarılan ayrıntılı duygu verisi. Temel motor, zamana yayılan örüntüleri öğrenmede uzmanlaşmış modern bir sıra modelidir. Bunun üzerine, piyasa koşulları değiştiğinde kalan hataları düzelten daha hafif bir regresyon modeli ikinci görüş gibi çalışır. Amaç, kara kutu olmayan, doğru, göreli olarak dağıtıma uygun ve incelenebilir kompakt bir sistemdir.

Sürdürülebilirlik ve Ruh Halinin Sıra İle Etkisi

Merkezi fikir, sürdürülebilirlik ve duygunun her zaman eşit derecede önemli olmadığıdır. Bunu yakalamak için model ESG skorlarını ve haber ruh halini yan yana koymaz. Bunun yerine her birini kendi küçük işleme bloğundan geçirir ve sonra her gün birine daha fazla yaslanabilen bir "kapı" kullanarak bunları harmanlar. Piyasalar sakin olduğunda kapı, istikrarlı, yavaş hareket eden ESG bilgilerine daha fazla ağırlık verebilir. Fırtınalar sırasında ise hızla değişen haber duygusuna yönelebilir. Araştırmacılar daha sonra modern açıklama araçlarını kullanarak ESG ve duygu arasındaki etkileşimin ne kadar güçlü olduğunu ve bu dengenin farklı oynaklık rejimleri boyunca nasıl kaydığını istatistiksel olarak titiz bir şekilde ölçerler.

Patlamalar, Çöküşler ve Kripto Dalgalanmaları Boyunca Test Etme

Yaklaşımın seçilmiş örneklerin dışında da işe yarayıp yaramadığını görmek için yazarlar, 2020–2024 arasını kapsayan katı bir yürüyüş-ileriye (walk-forward) test çalışması yürütürler; test kapsamına büyük ABD teknoloji hisseleri, ana küresel endeksler ve Bitcoin ile Ethereum girer. Yaklaşık bir yıllık veri ile eğitip sonraki iki haftayı test ederek, haberlerin, ESG güncellemelerinin ve makro verilerin ne zaman bilinir hale geldiğine dair gerçekçi gecikmelere her zaman saygı gösterirler. Sistemlerini, haberleri doğrudan okuyan finans odaklı büyük dil modeli de dahil olmak üzere popüler derin öğrenme ve makine öğrenmesi modelleriyle karşılaştırırlar. Birçok rastgele yeniden başlatma ve varlık genelinde, karma modelleri tahmin hatasını azaltır, ertesi gün hareketin yönünü daha sık doğru tahmin eder ve bilgi oranları gibi risk ölçülerini iyileştirir.

Kriz Dönemlerinde Neler Oluyor

Çalışma, COVID-19 çöküşü, 2022 faiz artırımı döngüsü ve 2023 banka stresinin yanı sıra genel yüksek, orta ve düşük oynaklık fazları gibi çalkantılı dönemlere özel dikkat gösterir. Beklendiği gibi, piyasalar sarsıldığında herkesin hataları artar, ancak karma model yine de bir avantaj korur. Tahminlerine dayanan basit bir yalnızca-uzun (long-only) işlem kuralı, muhafazakar işlem maliyetleri sonrası bile güçlü bir yalnızca-metin karşılaştırma ölçütünden daha yüksek risk-ajuste getiri sağlar ve daha düşük düşüşler (drawdown) yaşar. Kapı ve etkileşim ölçülerinin analizi net bir örüntü gösterir: stresli, yüksek oynaklıktaki pencerelerde sistem duyguya daha fazla yaslanırken; daha sakin, düşük oynaklıklı piyasalarda ağırlığı ESG'ye geri kaydırır; bu da panik ve coşkunun kısa vadede baskın olduğu, dayanıklılık ve yönetişimlerin ise uzun vadede daha önemli olduğu fikriyle tutarlıdır.

Canlı Kullanım İçin Yeterince Hızlı

Gerçek alım satım sistemleri için hızın da doğruluk kadar önemli olduğunu göz önünde bulundurarak, yazarlar ağır yardımcı bileşenleri kaldırıp temel mantığı koruyan kısaltılmış bir model sürümü de tasarlarlar. Bu gecikme-bilinçli varyant, doğruluk kazanımının yüzde doksanın üzerinde bir kısmını korurken çıkarım süresini yaklaşık yarıya indirir ve onu neredeyse gerçek zamanlı karar verme için daha uygun hale getirir. Önemli olarak, ESG ve duygu etkileşimlerini ve artık hataların nasıl stabilize edildiğini gösteren yorumlanabilirlik araçları bu daha hafif model için de çalışır ve şeffaflığı korur.

Günlük Yatırımcılar İçin Anlamı

Günlük okuyucu için temel çıkarım şudur: bir şirketin nasıl davrandığını (ESG profili) ve insanlar hakkında nasıl hissettiğini (haber duygu verisi) birleştirmek, özellikle piyasa koşullarına uyum sağlayan ve istatistiksel olarak dikkatle kontrol edilen bir biçimde yapıldığında, tek başına herhangi bir kaynaktan daha istikrarlı ve bilgi verici tahminler verebilir. Önerilen çerçeve zahmetsiz kâr vaat etmez ve ESG'nin daha iyi performansa neden olduğunu kanıtlamaz. Ancak sürdürülebilirlik ve topluluk ruh halinin tamamlayıcı, rejime bağımlı bilgiler içerdiğini, bunların açık ve verimli bir şekilde kullanılabileceğini ve haberle dolu modern piyasalarda risk ve getiriyi daha nüanslı bir mercekle inceleme olanağı sunduğunu gösterir.

Atıf: Mishra, S., Mayaluri, Z.L., Liew, C.Y. et al. Interpretable ESG–sentiment hybrid deep learning for asset return forecasting with quantified interactions and latency-aware deployment. Sci Rep 16, 12001 (2026). https://doi.org/10.1038/s41598-026-41985-3

Anahtar kelimeler: finansal tahmin, ESG yatırımcılığı, haber duygusu, karma derin öğrenme, piyasa rejimleri