Geri Dön

Yapay sinir ağları ile çok kriterli yatırım fonu performansı derecelendirme

Multicriteria mutual fund performance ranking with artificial neural networks

  1. Tez No: 708343
  2. Yazar: ARİF TANIŞ
  3. Danışmanlar: PROF. DR. YAMAN ÖMER ERZURUMLU
  4. Tez Türü: Doktora
  5. Konular: İşletme, Business Administration
  6. Anahtar Kelimeler: Belirtilmemiş.
  7. Yıl: 2020
  8. Dil: Türkçe
  9. Üniversite: Bahçeşehir Üniversitesi
  10. Enstitü: Fen Bilimleri Enstitüsü
  11. Ana Bilim Dalı: İşletme Mühendisliği Ana Bilim Dalı
  12. Bilim Dalı: Zootekni Bilim Dalı
  13. Sayfa Sayısı: 155

Özet

Yatırım fonu performansını derecelendirmede günümüze kadar tek veya çok kriterin kullanıldığı çok sayıda yöntem geliştirilmiş olup çok kriterli metotların hemen hemen hepsi Çok Kriterli Karar Verme Analizi (MCDA) temellerine dayanmaktadır. Performans derecelendirme için kullanılan her bir indikatör farklı bir bakış açısı ile yatırım fonunun farklı niteliklerini ölçümlemede başarılıdır. Bu nedenle bir fonun performansını derecelendirirken kullanılmayan her bir indikatör niteliği ölçülmeyen farklı bir bakış açısına ait yorumu ihmal etmekte ve eksik derecelendirme yapılmasına neden olmaktadır. Literatürde yer alan MCDA temelli yaklaşımların hemen hemen hepsinde ise ağırlıklandırma yapılmasından dolayı yapılan ağırlıklandırmanın nesnelliği tartışmalıdır. Bu çalışmanın amacı yapay sinir ağları ve 8 farklı grupta toplanan çok sayıda yatırım fonu performans ölçüm kriterini kullanan hibrit bir yatırım fonu performans derecelendirme yöntemi kurgulamak ve performansı bütünsel olarak derecelendirmektir. MCDA temelli bu yaklaşımda ağırlıklandırma nesnel olarak yapay sinir ağları tarafından piyasa şartlarına göre dinamik olarak hesaplanmaktadır. Bu çalışmada 8 farklı performans derecelendirme grubunun birbirine herhangi bir üstünlüğü olup olmadığı ve performans derecelendirme gruplarından biri çıkarıldığında modelin performans derecelendirme kabiliyetinin anlamlı olarak değişip değişmediği sınanmıştır.

Özet (Çeviri)

Many methods have been developed using single or multi criteria ranking for mutual fund performance. Besides almost every multi-criteria method is based on MCDA fundamentals to date. Every single indicator used for performance ranking is good for measuring some characteristics and bad for others; they also review the mutual fund from a different perspective. For this reason, each indicator not used in ranking neglects the interpretation of a different point of view which is not measured and leads to incomplete ratings. Furthermore, the objectivity of weighting in MCDA-based approaches in the literature is controversial due to their weighting approaches. This study aims to emphasize the necessity of holistic performance ranking approaches by proposing a holistic mutual fund performance ranking method. This method uses artificial neural networks and multiple mutual fund performance measurement criteria gathered in 8 different groups and evaluates the performance as a whole. In this study, weighting is calculated objectively by artificial neural networks which is dynamically adjusted to market conditions and it is tested whether 8 different groups have any superiority to each other. Finally, when one of the performance rating groups was omitted, it was tested whether the performance rating capability of the model changed significantly.

Benzer Tezler

  1. Modeling of the marine diesel engines with comparative machine learning methodologies

    Gemi dizel motorların karşılaştırmalı makine öğrenmesi yöntemleri ile modellenmesi

    MEHMET İLTER ÖZMEN

    Doktora

    İngilizce

    İngilizce

    2024

    Gemi Mühendisliğiİstanbul Teknik Üniversitesi

    Gemi İnşaatı ve Gemi Makineleri Mühendisliği Ana Bilim Dalı

    PROF. DR. OSMAN AZMİ ÖZSOYSAL

  2. Yapay sinir ağları ile ilaç talep tahmini ve bir ecza deposunda uygulama

    Pharmaceutical demand forecasting with artificial neural networks and application in a pharmaceutical warehouse

    CEREN BAŞARAN

    Yüksek Lisans

    Türkçe

    Türkçe

    2024

    Endüstri ve Endüstri MühendisliğiKütahya Dumlupınar Üniversitesi

    Endüstri Mühendisliği Ana Bilim Dalı

    DR. ÖĞR. ÜYESİ ABDURRAHMAN YILDIZ

  3. Farklı çok kriterli karar verme yöntemleri ile Büyük Menderes nehri havzası'nın tarımsal alan kullanım uygunluğunun değerlendirilmesi

    Assessment of agricultural land use suitability of the Büyük Menderes river basin with different multi-criteria decision-making methods

    ŞEYMA YİĞİT UZUNALİ

    Doktora

    Türkçe

    Türkçe

    2023

    Peyzaj MimarlığıÇukurova Üniversitesi

    Peyzaj Mimarlığı Ana Bilim Dalı

    PROF. DR. SÜHA BERBEROĞLU

  4. Uluslararası havayolu yolcu taşımacılığı: Çok kriterli karar verme teknikleri ile gelir yönetimi uygulaması

    International airline passenger transport: Revenue management practice with multi̇-cri̇teri̇a deci̇si̇on maki̇ng method

    DERYA SEMİZ ÇELİK

    Doktora

    Türkçe

    Türkçe

    2017

    Sivil Havacılıkİstanbul Üniversitesi

    İşletme Ana Bilim Dalı

    DOÇ. DR. DUYGU ANIL KESKİN

  5. Decision making approaches for financial accounting fraud: Case study for small and medium sized enterprises (SMEs) in Turkey

    Finansal muhasebe dolandırıcılığı için karar verme yaklaşımları: Türkiye'deki küçük ve orta ölçekli işletmeler (KOBİ'ler) için vaka çalışması

    SERHAN HAMAL

    Doktora

    İngilizce

    İngilizce

    2022

    BankacılıkMarmara Üniversitesi

    Endüstri Mühendisliği Ana Bilim Dalı

    DOÇ. DR. ÖZLEM ŞENVAR