Halka arzların ilk gün fiyat performanslarının tahmininde yapay sinir ağlarının kullanımı
Using artificial neural networks to predict post-issue market price performance of initial public offerings
- Tez No: 162354
- Danışmanlar: Y.DOÇ.DR. YILMAZ GÖKŞEN
- Tez Türü: Yüksek Lisans
- Konular: İşletme, Business Administration
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2005
- Dil: Türkçe
- Üniversite: Dokuz Eylül Üniversitesi
- Enstitü: Sosyal Bilimler Enstitüsü
- Ana Bilim Dalı: İşletme Ana Bilim Dalı
- Bilim Dalı: Sayısal Yöntemler ve Yönetim Bilimi Bilim Dalı
- Sayfa Sayısı: 150
Özet
ÖZET Finansal konularda verilen kararların kalitesini artırmak için geliştirilen yapay sinir ağları teknolojisi, gürültülü veya eksik veriler karşısında bile makul sonuçlar üretebilmekte ve doğrusal olmayan ilişkileri başarılı bir şekilde modeli eyebilmektedir. Bu teknoloji özellikle, gürültülü ya da eksik verilere sahip olan ve doğrusal ilişkilerden ziyade doğrusal olmayan ilişkileri bünyesinde barındıran finansal problemlerin çözümünde uygun bir araç durumundadır. Finansal alandaki en önemli problemlerden biri de ilk halka arzların fiyatlanmasıdır. Bu süreç, oldukça karmaşık ve çok farklı boyutların etkisinde kalan bir süreçtir. Süreçte kilit rollere sahip olan, hisselerini ihraç eden şirket, aracı kurum ve yatırımcı olmak üzere üç taraf bulunmaktadır. Bu üç tarafın amaçları birbirinden farklıdır ve her biri karını maksimize etmeye çalışmaktadır. İlk halka arzlarda, bu üç tarafın çıkarlarını dengeleyecek ilk halka arz fiyatının ne olacağına ilişkin karar verilmesi gerekmektedir. Bu süreçte önemli olan, hisse senedinin piyasada işlem görmeye başladıktan sonraki piyasa değerinin doğru tahmin edilmesi ve bu değere yakın ilk halka arz fiyatlamalarının yapılabilmesidir. Hisse senedinin piyasaya çıktıktan sonraki fiyatı, ilk kez halka arz edilen hisse senedinin, piyasadaki ilk işlem gününün sonunda ulaştığı kapanış değeridir. Bu çalışmanın kapsamında, yapay sinir ağlarının bir tahminleme aracı olarak kullanımı incelenip analiz edilmiştir. Spesifik olarak, yapay sinir ağlarının ilk halka arzların piyasa değerlerini tahmin etme performansları incelenmiş ve ağın ürettiği fiyatlarla klasik tahminleme yöntemi olan çoklu regresyon tekniği ile elde edilen fiyatlar karşılaştırılmıştır. Son olarak, koşullu olasılıklar kullanılarak yapay sinir ağı modelinin tahminin doğruluk derecesi hesaplanmıştır. vıBu çalışmada, biri 50 milyon $'m üzerinde toplam varlığa sahip olan büyük firmalar diğeri ise 50 milyon $'ın altında toplam varlığa sahip olan küçük firmalar için olmak üzere iki yapay sinir ağı modeli geliştirilmiştir. Birinci modelin düşük fiyatlanmış ilk halka arzları doğru tahmin etme olasılığı yüzde 61.54 iken, çoklu regresyon aynı veri seti için bu olasılığı yüzde 7.69' dir. İkinci modelde aynı olasılık değerleri her iki model için sırasıyla yüzde 90 ve yüzde 40 olarak bulunmuştur. Burada, yapay sinir ağlarının ilk halka arzların piyasa çıktıktan sonraki fiyatlarını tahmin edebilecek yetenekte olduğu ve iyi eğitildiği taktirde, karar vericiler için faydalı bir tahminleme aracı olarak kullanılabileceği sonucu elde edilmiştir. vıı
Özet (Çeviri)
ABSTRACT There has been considerable interest in the development of artificial neural networks for improving the quality of decisions in financial applications. Neural network technology is known for its ability to respond reasonably even when augmented with noisy or incomplete data and existed nonlinear relationships between data. These characteristics of the neural network technology are reasons of being preferable problem solving tool in finance, for financial data are often noisy or incomplete and have inherently nonlinear structure rather than linearity. One of the most important problems in financial world is the pricing of Initial Public Offerings (IPO). This process has been considerable complex and also affected from several variables that are independent and have unclear relationships with each other. In this process, there are three key players which are the issuing firm, the underwriter, and the investor. The objectives of them differ from one another and each tries to maximize his profit. Eventually, determining an IPO price which would balance the interests of these three players is the decision point in this process. Thus, the important task here is to forecast the post-issue market price with high accuracy and then to price IPO as possible as close to its market price. Post issue market price is the price of an IPO stock at end of the first day of trading on the market. This research examines and analyzes the use of artificial neural networks as a forecasting tool. Specifically a neural network's ability to predict post-issue market prices of IPOs is tested. Accuracy is compared against a traditional forecasting method, multiple linear regression analysis. Finally, the probability of the model's forecast being correct is calculated using conditional probabilities. vmThis research describes the development of two neural networks, one is developed for the big firms having total assets greater than 50 million USD and the other is developed for the small firms having total assets less than 50 million USD. First neural network model achieved a 61.54 percent probability of predicting IPO underpricing while the multiple regression model was achieving 7.69 percent for this probability. The neural network model and the multiple regression model which are developed for the second case, performed 90 percent probability and 40 percent probability, respectively. It was concluded that neural networks do have the capability to forecast post-issue market prices of Initial Public Offerings and, if properly trained, the decision makers could benefit from the use of this forecasting tool. IX
Benzer Tezler
- Türkiye'de ilk halka arzların kısa ve uzun dönem performansı
Short and long run performance of initial public offerings in Turkey
VOLKAN BAYRAM
- Halka ilk arzların kısa ve uzun dönem fiyat performansları: Borsa İstanbul'da bir uygulama
Short and long term price performance of initial public offerings: An application in Istanbul Stock Exchange
AHMET MELİK SAHABİ
- İlk halka arzlarda düşük fiyatlama ve maliyetlere etkisi
Başlık çevirisi yok
FAİK YİĞİT DEMETOĞLU
Yüksek Lisans
Türkçe
2016
İşletmeBaşkent Üniversitesiİşletme Ana Bilim Dalı
YRD. DOÇ. DR. ÖZGE SEZGİN ALP
- Birincil hisse senedi halka arzlarında kısa ve uzun dönemli fiyat performansı ve performans belirleyicileri: (Borsa İstanbul 1993-2020)
Short and long term price performance and determinants of performance in initial public offerings (Borsa Istanbul: 1993-2020)
CAFER BAKIRHAN