• Hızlı Erişim
  • Duyurular
  • Dergi Park

    Değerli Yazarlarımız ve Hakemlerimiz

    Süreçlerimiz 03.05.2017 Tarihinden itibaren Dergipark sistemi üzerinden devam edecektir. Değerlendirilmesini istediğiniz çalışmalarınızı http://dergipark.gov.tr/ckuiibfd adresinden dergimize iletebilirsiniz.

     

    Makale Kabul

    Dergimizin 2018 için makale kabul edilmektedir.


Nakit Temettü Tahmininde Makine Öğrenmesi Yaklaşımı: İmalat Sektörü Üzerine Bir Araştırma
(A Machine Learning Approach for Cash Dividends’ Forecasting: A Research on Manufacturing Sector )

Yazar : Mustafa Fatih ARSOY  Erkam GÜREŞEN  
Türü :
Baskı Yılı : 2016
Sayı : 2016-1
Sayfa : 307-333


Özet

Sermaye piyasalarında yapılacak yatırım kararlarını doğrudan etkileyen bir faktör olan temettü dağıtımı, işletmenin geçmiş performansını gösterdiği kadar gelecekteki performansı hakkında da ipuçları vermektedir. Bu çalışmada Türkiye’de halka açık işletmeler tarafından dağıtılan temettülerin tahmininde Marsh&Merton (M&M) modelinin kullanılabilirliğinin test edilmesi ve makine öğrenme tekniklerini uygulayarak, M&M’dan daha iyi bir model geliştirilmesi amaçlanmıştır. Araştırmada nakit dağıtılan temettü oranı tahmininde Borsa İstanbul (BİST)’da işlem gören imalat sektöründeki 139 işletmenin 2003-2012 yılları arasındaki verileri kullanılarak M&M modeli ile makine öğrenme tekniğine dayalı Çok Katmanlı Algılayıcı (Bir ve İki Gizli Katmanlı ÇKA), Radyal Tabanlı Fonksiyon Ağları (RTFA), Destek Vektör Makineleri (DVM) ve Adaptif Sinirsel Bulanık Çıkarsama Sistemleri (ASBÇS) şeklinde beş farklı model karşılaştırılmıştır. Çalışma sonucunda ASBÇS modelinin belli tolerans değerlerinde temettü tahmininde en başarılı makine öğrenme yöntemi olduğu gözlenmiştir. Genel olarak ASBÇS ve RTFA modellerinin M&M modelinden daha iyi performans gösterdiği, ÇKA modellerinin M&M modeline yakın sonuçlar sergilediği, DVM modelinin ise M&M’dan daha kötü sonuçlar verdiği görülmüştür.



Anahtar Kelimeler
Nakit Temettü Tahmini, Marsh Merton Modeli, ASBÇS, RTFA.

Abstract

Dividend payment is a factor that affects investment decisions in capital markets. Although dividend payments indicate past performance of corporate, they also give some clues about corporate’s future performance. In this study, feasibility of Marsh&Merton(M&M) model is tested in Turkey tried to develop a better model than M&M model by applying machine learning techniques. For this study payout ratios between 2003 and 2012 from 139 manufacturing corporates which are quoted on ISE are selected. M&M model and five machine learning models namely Multi-Layer Perceptron (MLP), Radial Based Function Networks (RBFN), Support Vector Machines (SVM) and Adaptive Neuro-Fuzzy Inference Systems (ANFIS) are compared with each other. As a result ANFIS model is observed the most successful machine learning method in forecasting dividends at definite tolerance levels. Generally it is occurred that ANFIS and RBFN models indicate performance better than M&M model but MLP models’ results close to M&M model and SVM model executes worse than M&M model.



Keywords
Cash Dividend Forecasting, Marsh Merton Model, ANFIS, RBFN.

Adres :Çankırı Karatekin Üniversitesi, İktisadi ve İdari Bilimler Fakültesi, Uluyazı Kampüsü, Merkez-ÇANKIRI/TÜRKİYE
Telefon :+90 (376) 218 95 45 Faks :+90 (376) 218 95 46
Eposta :iibfdergi@karatekin.edu.tr

Web Yazılım & Programlama Han Yazılım Bilişim Hizmetleri