Yapay sinir ağları ile kârlılık tahmini ve panel veri analizi kıyaslaması: Gayrimenkul yatırım ortaklıkları örneği
Profitability estimation with artificial neural networks and comparison with panel data analysis: The case of real estate investment trusts
- Tez No: 922362
- Danışmanlar: DR. ÖĞR. ÜYESİ DUYGU TUNALI
- Tez Türü: Doktora
- Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Ekonometri, İşletme, Computer Engineering and Computer Science and Control, Econometrics, Business Administration
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2025
- Dil: Türkçe
- Üniversite: Anadolu Üniversitesi
- Enstitü: Lisansüstü Eğitim Enstitüsü
- Ana Bilim Dalı: İşletme Ana Bilim Dalı
- Bilim Dalı: Sayısal Yöntemler Bilim Dalı
- Sayfa Sayısı: Belirtilmemiş.
Özet
Fon sahipleri tarafından yatırım kararı almak, firmalar tarafından ise yatırımlarının finansmanıyla ilgili stratejik kararlar vermek amacıyla kârlılık tahmininde bulunmak oldukça önemlidir. Bunun yanında uygulamada kârlılığı tahmin etmek güç olmakla birlikte uzmanlık gerektirmektedir. Geleneksel ekonometrik modellerle yapılan kârlılık tahminlerinde kısıtlayıcı unsurlarla karşı karşıya kalınabilmektedir. Son yıllarda kârlılık tahmini için esnek hesaplama, büyük ve farklı veri tipleri ile çalışabilme ve anlık değişimleri tahmin edebilme yetenekleri ile yapay zekâ teknikleri ön plana çıkmıştır. Yapay zekâ tekniklerinden biri olan Yapay Sinir Ağları (YSA) algoritmaları ile en iyi kârlılık tahmin modelinin tespit edilmesi bu çalışmanın temel amacını oluşturmaktadır. Ayrıca YSA tahmin modeli ile elde edilen bulgular, veri setine panel veri analizi uygulanması sonucu elde edilen bulgularla karşılaştırılarak YSA tekniğinin tahmin başarısı yorumlanmıştır. Çalışmanın kapsamı Borsa İstanbul'da (BİST) işlem gören Gayrimenkul Yatırım Ortaklıklarının (GYO) 2010-2019 çeyrek dönem mali tablo değerlerini içermektedir. Yapılan kârlılık tahmininde bağımlı değişken olarak ele alınan aktif kârlılık ve öz kaynak kârlılığı için YSA ile çalıştırılan çok sayıda deneme modeli sonucu ulaşılan en iyi R^2 genel performans değerleri sırasıyla %87 ve %98 olarak elde edilmiştir. Bu değerlerin yapılan panel veri analizi bulgularıyla karşılaştırılması neticesinde, YSA tahmin modellerinin, panel veri analiz modellerine göre daha başarılı tahmin yapabildiği sonucuna ulaşılmıştır.
Özet (Çeviri)
Making profitability predictions by fund owners to make investment decisions, and by firms to make strategic decisions regarding the financing of their investments, is highly important. In addition, predicting profitability in practice can be challenging and requires expertise. Profitability estimates made with traditional econometric models may face limiting factors. In recent years, artificial intelligence techniques have come to the fore for profitability estimation with their flexible calculation, ability to work with large and different data types, and ability to predict instant changes. The main purpose of this study is to determine the best profitability prediction model using Artificial Neural Networks (ANN) algorithms, one of the artificial intelligence techniques. Additionally, the findings obtained from the ANN prediction model are compared with the findings obtained from applying panel data analysis to the dataset, allowing for an interpretation of the prediction success of the ANN technique. The scope of the study includes the quarterly financial statement values of Real Estate Investment Trusts (REITs) traded on the Borsa Istanbul (BIST) between 2010 and 2019. The best R^2 overall performance values obtained from numerous trial models run with ANN for the dependent variables considered in profitability prediction, namely asset profitability and equity profitability, are respectively obtained as 87% and 98%. As a result of comparing these values with the findings of panel data analysis, it is concluded that the ANN prediction models are able to make more successful predictions compared to panel data analysis models.
Benzer Tezler
- Ultra-kısa dönem fotovoltaik güç tahmininde istatistiksel ve makine öğrenmesi tabanlı yöntemlerin karşılaştırılması
Comparison of statistical and machine learning-basedmethods for ultra-short-term photovoltaicpower forecasting
ÖMER FARUK KIRIK
Yüksek Lisans
Türkçe
2025
Elektrik ve Elektronik MühendisliğiSelçuk ÜniversitesiElektrik ve Elektronik Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ HASAN HÜSEYİN ÇEVİK
- A novel artificial intelligence based energy management system for microgrids
Mikro şebekeler için yapay zeka temelli yeni bir enerji yönetim sistemi
NECATİ AKSOY
Doktora
İngilizce
2023
Elektrik ve Elektronik Mühendisliğiİstanbul Teknik ÜniversitesiElektrik Mühendisliği Ana Bilim Dalı
PROF. DR. VEYSEL MURAT İSTEMİHAN GENÇ
- Prostat adenokarsinomlarında psa değerlerinin gleason skor ve klinik evre ile ilişkisi
The relation between psa and gleason score and clinical phase in prostate adenocarsinoma
HACI HASAN ESEN
Tıpta Uzmanlık
Türkçe
2005
PatolojiSelçuk ÜniversitesiPatoloji Ana Bilim Dalı
PROF.DR. MUSTAFA CİHAT AVUNDUK
- İşletmelerde dağıtılan temettülerin yapay sinir ağları ile tahmini : Borsa İstanbul sanayi sektörü üzerine bir uygulama
A prediction of corporates' dividends with artificial neural networks: An application in İstanbul Stock exchange industry sector
MUSTAFA FATİH ARSOY
- Recurrent neural network based approaches for electricity consumption forecasting
Tekrarlayan sinir ağı tabanlı elektrik tüketim tahmini
ALPER TOKGÖZ
Yüksek Lisans
İngilizce
2018
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
PROF. DR. GÖZDE ÜNAL