XGBoost ve SHAP temelinde kote şirketlerin ESG yeşil yıkaması için yorumlanabilir öngörücü model

Şirketlerin "yeşil" iddiaları neden önemli

Bir şirket çevresel veya sosyal başarılardan övündüğünde, yatırımcılar ve kamunun sorması gerekir: bu gerçek bir ilerleme mi yoksa sadece ustaca pazarlama mı? İmaj ile gerçeklik arasındaki bu boşluğa yeşil yıkama denir. Çevresel ve sosyal sorumluluk vaat eden yatırımlara daha fazla para aktıkça, yeşil yıkamayı erken aşamada tespit edebilmek; yatırımcıları korumak, politikaları yönlendirmek ve gerçekten sorumlu firmaları ödüllendirmek için kritik hale gelir.

Yeşil vaatlerin perde altına bakmak

Bu çalışma Çin’de kote şirketlere odaklanır ve 2009–2022 döneminde onların Çevresel, Sosyal ve Yönetişim (ESG) davranışlarını inceler. Şirketlerin sürdürülebilirlik raporlarını olduğu gibi kabul etmek yerine yazarlar iki bağımsız ESG puanlamasını karşılaştırır. Birincisi, Bloomberg’den gelen ve şirketin kamuya sunduğu ESG bilgisinin miktarını yakalar. Diğeri ise Çinli ve uluslararası derecelendirme kuruluşlarından alınan, şirketin ESG konularında pratikte ne kadar iyi performans gösterdiğini yansıtan puanlardır. Bu puanları standartlaştırıp birbirinden çıkararak araştırmacılar bir yeşil yıkama endeksi oluşturur: söylemiyle eylemi arasında büyük fark olan firmalar muhtemel yeşil yıkayıcılar olarak işaretlenir.

Yeşil yıkama modellerine örüntü öğretmek

Basit ortalamaların ve kestirme kuralların ötesine geçmek için yazarlar XGBoost adlı modern bir makine öğrenimi yöntemi kullanır; bu yöntem karmaşık, gürültülü veri içindeki örüntüleri bulmada özellikle başarılıdır. Modele her şirket için 16 farklı özellik verilir. Bunlar finansal sağlık (kâr, borç düzeyi, büyüme ve ölçek gibi), yönetişim yapısı (mülkiyet yoğunluğu, yönetim kurulu üye sayısı gibi) ve dış baskılar (yerel düzenlemenin sıkılığı, medya incelemesinin yoğunluğu, firmanın rekabet ortamı gibi) gibi unsurları içerir. Amaç, modelin bir veya iki yıl sonra hangi şirketlerin yeşil yıkama yapacağını doğru tahmin edip edemeyeceğini görmektir.

Kimlerin yeşil yıkama yaptığı ne kadar öngörülebilir?

En iyi performans gösteren model, önceki yılın şirket özelliklerine dayanır. Bu model yeşil yıkama yapan firmaların yaklaşık %87’sini doğru şekilde tanımlar ve rastgele tahminden çok daha iyi ayırt eder. Finansal göstergeler özellikle bilgilendiricidir. Aşırı yüksek veya düşük borç yükü olan, kısa vadeli likiditesi fazlasıyla rahat veya olağandışı yüksek piyasa değerlemelerine sahip firmalar daha sık yeşil yıkama olarak işaretlenir. Buna karşılık daha büyük ve daha hızlı büyüyen şirketlerin yeşil yıkama yapma olasılığı daha düşüktür — muhtemelen görünürlükleri ve uzun vadeli bakışları aldatıcı sinyal vermeyi daha riskli kılar. Yönetişim göstergeleri de önemlidir: en büyük hissedar daha büyük bir paya sahipse yeşil yıkama daha az olasıdır, ancak denetleyici içeridekilerin daha yüksek hisse sahipliği daha fazla yeşil yıkama ile ilişkilidir.

Yapay zekanın kara kutusunu açmak

Makine öğrenimi hakkında yaygın bir endişe, doğru olabilir ama opak kalmasıdır. Bunu ele almak için çalışma SHAP adı verilen ve her tahmini bireysel özelliklerin katkılarına ayırmaya izin veren bir teknik kullanır. Pratikte bu, yalnızca belirli bir şirketin muhtemel yeşil yıkama olduğunun söylenebilmesi değil; aynı zamanda örneğin olağanüstü yüksek cari oranı ve düşük mülkiyet yoğunluğunun temel nedenler olduğu belirtilebilmesi anlamına gelir. Analiz, finansal göstergelerin — özellikle cari oran, ajans maliyetleri ve mülkiyetin dağılımı — yönetişim personel sayısı veya yönetim kurulu büyüklüğünden daha fazla ağırlık taşıdığını doğrular. Model, ESG performansı alternatif derecelendirme sağlayıcılarıyla ölçüldüğünde ve hatta Hong Kong’da kote şirketlere uygulandığında bile iyi çalışmaya devam eder; bu da yaklaşımın farklı derecelendirme sistemleri ve açıklama ortamları arasında sağlam olduğunu gösterir.

Bu yatırımcılar ve denetçiler için ne anlama geliyor

Günlük terimlerle çalışma, finansal veritabanlarında zaten geniş biçimde bulunan bilgiler kullanılarak ESG yeşil yıkaması için güvenilir bir erken uyarı sistemi kurulabileceğini gösterir. Birden fazla ESG puanlamasını zengin şirket verileri ve yorumlanabilir bir makine öğrenimi modeliyle birleştirerek, düzenleyiciler denetimlerini daha verimli hedefleyebilir, yatırımcılar parlak ama içi boş ESG hikâyelerinden daha iyi kaçınabilir ve şirketler iddialarını gerçek eylemlerle desteklemeye yönelik daha güçlü baskı altında kalır. Çalışma Çin’e odaklansa da temel reçete — firmaların söylediklerini yaptıklarıyla karşılaştırmak ve şeffaf algoritmalara örüntüleri öğrenme imkânı vermek — dünya genelindeki piyasalarda ESG iddialarını temizlemeye yönelik bir kılavuz sunar.

Atıf: Jianfeng, Z., Tiantian, Q. Interpretable predictive model for listed companies ESG greenwashing based on XGBoost and SHAP. Sci Rep 16, 12899 (2026). https://doi.org/10.1038/s41598-026-42004-1

Anahtar kelimeler: ESG yeşil yıkaması, sürdürülebilir yatırım, makine öğrenimi, kurumsal yönetim, finansal açıklama