Geri Dön

Değere dayalı derecelendirme: Makine öğrenmesi yöntemleriyle bir sınama

Value based rating: A test with machine learning methods

  1. Tez No: 690006
  2. Yazar: MÜGE PEŞTERE
  3. Danışmanlar: PROF. DR. ŞABAN NAZLIOĞLU
  4. Tez Türü: Yüksek Lisans
  5. Konular: İşletme, Business Administration
  6. Anahtar Kelimeler: Belirtilmemiş.
  7. Yıl: 2021
  8. Dil: Türkçe
  9. Üniversite: Pamukkale Üniversitesi
  10. Enstitü: Sosyal Bilimler Enstitüsü
  11. Ana Bilim Dalı: Uluslararası Ticaret Ve Finansman Ana Bilim Dalı
  12. Bilim Dalı: Uluslararası Ticaret ve Finansman Bilim Dalı
  13. Sayfa Sayısı: 97

Özet

Firma derecelendirmeye yönelik mevcut literatür incelendiğinde, derecelendirme analizinin genellikle finansal oranlara dayalı gerçekleştiği ve firma değerinin etkisinin göz ardı edildiği tespit edilmiştir. Firma değeri; ülke riski, sektör riski, pazar durumu gibi birçok kalitatif değişkenin ve firmanın fiziki varlıklarının özeti niteliğindedir. Bahsedilen nedenlerden dolayı çalışmada değere dayalı derecelendirme üzerinde durularak literatürdeki açığın giderilmesi amaçlanmıştır. Halka arz olmuş 12 çimento firmasının 2006-2019 dönemi bilanço ve gelir tabloları yardımıyla, İNA yöntemi firma değerleri tespit edilmiştir. Elde edilen değerler firma piyasa değerleriyle karşılaştırılmıştır. Derecelendirme analizi için 47 finansal orandan ve firma değerlerinden yararlanılmıştır. Firmaların derecelendirilmesinde K-ortalama ve K- en yakın komşu makine öğrenmesi yöntemleri kullanılarak değere dayalı derecelendirmenin geçerliliği sınanmıştır. Makine öğrenmesi yöntemlerinden elde edilen sonuçlar, derecelendirme analizinin yalnızca finansal oranlara dayalı gerçekleşmemesi, finansal oranlar ve değerin birlikte kullanıldığı modellerin göz önünde bulundurulması gerektiğini göstermiştir.

Özet (Çeviri)

When the existing literature on firm rating is examined, it has been determined that the rating analysis is generally based on financial ratios and the effect of firm value is ignored. It is a summary of many qualitative variables such as firm value, country risk, sector risk, market situation and physical assets of the firm. For the aforementioned reasons, it is aimed to eliminate the gap in the literature by focusing on value-based rating in the study. With the help of the balance sheet and income statements of 12 cement companies offered to the public for the period 2006-2019, the company values of the DCF method have been determined. The obtained values were compared with the market values of the companies. For the rating analysis, 47 financial ratios and firm values were used. The validity of the value-based rating was tested by using K-means and K-nearest neighbor machine learning methods in rating the firms. The results obtained from machine learning methods showed that rating analysis should not be based only on financial ratios, but models in which financial ratios and value are used together should be considered.

Benzer Tezler

  1. Enhancing cross-market recommendation system using graph isomorphism networks

    Çizge izomorfizm ağları kullanarak çapraz pazar tavsiye sistemi geliştirme

    SÜMEYYE ÖZTÜRK

    Yüksek Lisans

    İngilizce

    İngilizce

    2024

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik Üniversitesi

    Bilgisayar Mühendisliği Ana Bilim Dalı

    PROF. DR. ŞULE ÖĞÜDÜCÜ

    DR. RESUL TUGAY

  2. Makine öğrenmesi yöntemlerinin temerrüt oranı içsel derecelendirme modellerinde uygulanması

    Application of machine learning algorithms in internal rate based probability of default models

    ARDA AKI

    Yüksek Lisans

    Türkçe

    Türkçe

    2022

    Bankacılıkİstanbul Üniversitesi

    Para Sermaye Piyasaları ve Finansal Kurumlar Ana Bilim Dalı

    PROF. DR. ERDİNÇ ALTAY

  3. A support decision system for predicting rating values of preproduction TV content: An explainable machine learning approach

    Yayınlanmamış TV içeriğinin reyting değerinin tahmin edilebilmesi için karar destek sistemi: Bir açıklanabilir makine öğrenimi yaklaşımı

    BURAK BATIBAY

    Yüksek Lisans

    İngilizce

    İngilizce

    2024

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik Üniversitesi

    Matematik Mühendisliği Ana Bilim Dalı

    PROF. DR. ATABEY KAYGUN

  4. Emotion recognition using deep learning focusing on the hand and facial expressions

    El ve yüz ifadelerine odaklanan derin oğrenmeyi kullanarak duygu tanıma

    HASANAIN JAWAD RADEEF

    Yüksek Lisans

    İngilizce

    İngilizce

    2024

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolAnkara Üniversitesi

    Bilgisayar Mühendisliği Ana Bilim Dalı

    YRD. DOÇ. DR. YILMAZ AR

  5. Derin öğrenme ve büyük veri analitiği yöntemleriKullanarak Covid-19 yayılımının ileriye dönük tahmini

    Forecasting the spread of covid-19 using deep learning and big data analytics methods

    CYLAS KIGANDA

    Yüksek Lisans

    İngilizce

    İngilizce

    2023

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolGazi Üniversitesi

    Bilgisayar Bilimleri Ana Bilim Dalı

    PROF. DR. MUHAMMET ALİ AKCAYOL