Firma performans analizinde makine öğrenmesi: Düzenlileştirici regresyon yöntemleri
Machine learning in firm performance analysis: Regularization methods
- Tez No: 802550
- Danışmanlar: PROF. DR. EMEL ŞIKLAR
- Tez Türü: Doktora
- Konular: İşletme, İstatistik, Business Administration, Statistics
- Anahtar Kelimeler: Finansal oranlar, Firma performansı, Makine öğrenmesi, Makine öğrenmesi yöntemleri, Regresyon modelleri, Regresyon yöntemleri, Financial rates, Firm performance, Machine learning, Machine learning methods, Regression models, Regularization method
- Yıl: 2023
- Dil: Türkçe
- Üniversite: Anadolu Üniversitesi
- Enstitü: Sosyal Bilimler Enstitüsü
- Ana Bilim Dalı: İşletme Ana Bilim Dalı
- Bilim Dalı: Sayısal Yöntemler Bilim Dalı
- Sayfa Sayısı: Belirtilmemiş.
Özet
Bu çalışmada, düzenlileştirici regresyon yöntemlerinden ridge, lasso ve elastic-net yöntemleri ile en küçük kareler tahmincisini kullanan sıradan değişken seçim yöntemlerinin gerçek bir işletme problemindeki değişken seçim performansları ile bu yöntemlerce tahmin edilen doğrusal regresyon modellerinin tahmin başarılarının karşılaştırmalı olarak incelenmesi, yöntemlerin güçlü ve zayıf yönlerinin ortaya konulması amaçlanmıştır. Karşılaştırmalı analiz için finansal oranların firma performansı üzerindeki etkisi incelenmiştir. Böylece likidite, borçluluk ve faaliyet oranlarından hangilerinin firma performansını etkiledikleri ve bu finansal oranlar ile firma performansı arasındaki ilişkinin yapısının belirlenmesi amaçlanmıştır. Araştırmaya 2012-2019 yılları arasında Borsa İstanbul'da işlem gören imalat firmaları dahil edilmiş ve firma performansının ölçütü olarak kârlılık oranlarından aktif getiri oranı (ROA) ve öz kaynak getiri oranı (ROE) belirlenmiştir. Analizlerden elde edilen bulgulara göre lasso ve elastic-net yönteminin değişken seçimi konusunda daha kararlı davrandıkları ve en iyi tahmin başarısına sahip modelin lasso regresyon yönteminin belirlediği değişken kümesinin en küçük kareler yöntemi ile tekrar uyumlandırılması ile elde edilen model olduğu sonucuna ulaşılmıştır. Ayrıca bulgulara göre aktif kârlılığı etkileyen en önemli oranlar aktif devir hızı ve kaldıraç oranı iken; öz kaynak kârlılığı üzerinde en çok etkisi olan oranlar duran varlıklar/öz kaynaklar ile banka kredileri/toplam varlıklar oranlarıdır. Sonuçlara göre imalat firmaları performanslarını artırmak için borca olan bağımlılıklarını azaltmalı, stok miktarları ile duran varlıklarını minimum seviyede tutmalıdırlar.
Özet (Çeviri)
In this study, it is aimed to compare linear regression models estimated by regularization methods (ridge, lasso and elastic-net) and ordinary variable selection methods that use ordinary least squares estimator in terms of the variable selection and prediction performances on a real business problem. For the comparative analysis the effect of financial ratios on firm performance is analyzed. Thus, this thesis also seeks to determine which liquidity, debt and efficiency ratios affect the firm performance and to present the mathematical structure of this relationship. Manufacturing firms listed and traded in Borsa İstanbul during the 2012-2019 period are sampled for the analysis and among profitability ratios return on assets (ROA) and return on equity (ROE) are chosen as proxies of firm performance. According to the findings, lasso and elastic-net methods have more stable behavior on variable selection. The model with the highest estimation success is the model whose variables are selected by lasso and then the coefficients are estimated by ordinary least squares. Also, the asset turnover ratio and leverage ratios affect the return on asset the most. On the other hand, total assets/equity and bank credits/total assets ratios are the most influential financial ratios over return on equity. In conclusion, manufacturing firms should decrease their dependency on their debt and keep their stock and long-term assets at minimum in order to enhance their firm performance.
Benzer Tezler
- BİST'de işlem gören sağlık işletmelerinin Covid-19 dönemi, öncesi ve sonrası finansal sıkıntılarının karşılaştırmalı analizi
Comparative analysis of financial distress of health enterprises traded on BIST before, during and after Covid-19
PINAR DOĞANAY PAYZİNER
Doktora
Türkçe
2025
İşletmeAnkara Hacı Bayram Veli Üniversitesiİşletme Ana Bilim Dalı
PROF. DR. HÜSEYİN KAMİL BÜYÜKMİRZA
- Return prediction in Turkish stock market via machine learning
Makine öğrenmesi ile Türk hisse senetleri piyasasında getiri tahmini
SELEN BABAYAKALI
Yüksek Lisans
İngilizce
2022
Bilim ve TeknolojiÖzyeğin ÜniversitesiFinans Mühendisliği ve Risk Yönetimi Ana Bilim Dalı
DR. ÖĞR. ÜYESİ EMRAH AHİ
- Makine öğrenmesi yöntemleriyle finansal piyasalarda yatırım kararlarının alınması
Investment decisions in financial markets using machine learning methods
AHMET SALİH KURUCAN
- Satış tahminlemesinde hibrit bir yaklaşım: Pestel, RFM, gradient boosting
A hybrit approach to sales prediction: Pestel, RFM, gradient boosting
ESRA AKCA
Yüksek Lisans
Türkçe
2022
İstatistikMimar Sinan Güzel Sanatlar Üniversitesiİstatistik Ana Bilim Dalı
PROF. DR. SEMRA ERPOLAT TAŞABAT
- Network analysis of co-search-based investor attention on stock prices
Ortak arama tabanlı yatırımcı dikkatinin hisse senedi fiyatları üzerindeki ağ analizi
MÜGE ÖZDEMİR