Kullanım Kılavuzu
Neden sadece 3 sonuç görüntüleyebiliyorum?
Sadece üye olan kurumların ağından bağlandığınız da tüm sonuçları görüntüleyebilirsiniz. Üye olmayan kurumlar için kurum yetkililerinin başvurması durumunda 1 aylık ücretsiz deneme sürümü açmaktayız.
Benim olmayan çok sonuç geliyor?
Birçok kaynakça da atıflar "Soyad, İ" olarak gösterildiği için özellikle Soyad ve isminin baş harfi aynı olan akademisyenlerin atıfları zaman zaman karışabilmektedir. Bu sorun tüm dünyadaki atıf dizinlerinin sıkça karşılaştığı bir sorundur.
Sadece ilgili makaleme yapılan atıfları nasıl görebilirim?
Makalenizin ismini arattıktan sonra detaylar kısmına bastığınız anda seçtiğiniz makaleye yapılan atıfları görebilirsiniz.
  Atıf Sayısı 3
 Görüntüleme 21
 İndirme 5
Nakit Temettü Tahmininde Makine Öğrenmesi Yaklaşımı: İmalat Sektörü Üzerine Bir Araştırma
2016
Dergi:  
Çankırı Karatekin Üniversitesi İktisadi ve İdari Bilimler Fakültesi Dergisi
Yazar:  
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:

Mechanical Learning Approach in Cash Based Forecast: A Research on the Manufacturing Sector
2016
Yazar:  
Özet:

A factor that directly affects investment decisions made on capital markets, the distribution of funds provides clues about the future performance of the enterprise as much as it shows its past performance. In this study in Turkey, the prediction of the supplies distributed by public enterprises in Turkey is to test the availability of the Marsh&M (M&M) model and apply machine learning techniques, aimed at developing a better model than M&M. In the study, the estimate of the cash-distributed asset ratio of 139 enterprises in the manufacturing sector operated in Borsa Istanbul (BIST) using the data between 2003-2012, the M&M model and the multi-layer detector (One and Two Hidden Layer CKA), Radial-Based Function Networks (RTFA), Support Vector Machines (DVM) and Adaptive Nervous Bullying Extrusion Systems (ASBÇS) compared five different models. The study found that the ASBÇS model was a successful machine learning method for certain tolerance values. In general, ASBÇS and RTFA models have shown better performance than M&M models, CKA models have shown results close to M&M models, and DVM models have shown worse results than M&M models.

Anahtar Kelimeler:

A Machine Learning Approach For Cash Dividends’ Forecasting: A Research On Manufacturing Sector
2016
Yazar:  
Özet:

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 company’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 companies which are quoted on ISE are selected. M&M model and five machine learning models namely Multi-Layer Perception (MLP), Radial Based Function Networks (RBFN), Support Vector Machines (SVM) and Adaptive Neuro-Fuzzy Inference Systems (ANFIS) are compared with each other. Generally it is occurred that RBFN models produces similar results with M&M model, MLP models cannot forecast low paid dividend and SVM model executes worse than M&M model. As a result ANFIS model is observed the most successful method in forecasting dividends.

Atıf Yapanlar
Dikkat!
Yayınların atıflarını görmek için Sobiad'a Üye Bir Üniversite Ağından erişim sağlamalısınız. Kurumuzun Sobiad'a üye olması için Kütüphane ve Dokümantasyon Daire Başkanlığı ile iletişim kurabilirsiniz.
Kampüs Dışı Erişim
Eğer Sobiad Abonesi bir kuruma bağlıysanız kurum dışı erişim için Giriş Yap Panelini kullanabilirsiniz. Kurumsal E-Mail adresiniz ile kolayca üye olup giriş yapabilirsiniz.
Benzer Makaleler






Çankırı Karatekin Üniversitesi İktisadi ve İdari Bilimler Fakültesi Dergisi

Alan :   Sosyal, Beşeri ve İdari Bilimler

Dergi Türü :   Ulusal

Metrikler
Makale : 423
Atıf : 3.276
2023 Impact/Etki : 0.129
Çankırı Karatekin Üniversitesi İktisadi ve İdari Bilimler Fakültesi Dergisi