Abstract
Bu araştırmanın amacı, şirket değerini etkileyen unsurların tespit edilmesi, bu unsurlardan hareketle finansal oranlar/veriler kullanılarak Türkiye’de Borsa İstanbul Yatırım ve Holding Endeksi’nde (BİST XHOLD) işlem gören holding şirketlerinin şirket değerlerini tahmin etme aracı olarak makine öğrenimi algoritmalarından Yapay Sinir Ağları (YSA), Destek Vektör Makineleri (DVM), Karar Ağaçları (KA) ve Rastgele Orman (RO) ile uygulanabilirliğini ortaya koymaktır. Belirtilen algoritmalar ile dört adet model kurulmuş ve bu modellerin tahmin gücü sınanmıştır. Bulgulara göre piyasa değerini R2, MAE ve RMSE ölçütleri baz alınarak YSA algoritmasının daha güçlü tahmin ürettiği görülmüştür. Bu araştırma ile şirket değerinin tahminine ve gelecek fiyatların öngörüsüne yönelik literatür incelenmiş, finansal oranlar/verileri içeren bütüncül bir yapı ortaya koyularak, yatırımcılara ve analistlere hisse senedi yatırımlarında ve şirket değerleme süreçlerinde makine öğrenimi algoritmaları ile geleneksel değerleme yaklaşımlarına kıyasla farklı bir bakış açısı sunulmuştur.
Publisher
International Journal of Economics and Innovation
Reference92 articles.
1. Açıkkar, M. ve Sivrikaya, O. (2020). Yıkanmış Türk Linyit Kömürlerinin Üst Isıl Değerinin Destek Vektör Regresyonu ile Tahmini. Avrupa Bilim ve Teknoloji Dergisi, (18), 16-24.
2. Aggarwal, G. ve Singh, L. (2015). Characterization Between Child and Adult Voice Using Machine Learning Algorithm. International Conference on Computing, Communication and Automation (ICCCA), 246-250.
3. Akar, Ö. ve Güngör, O. (2012). Rastgele Orman Algoritması Kullanılarak Çok Bantlı Görüntülerin Sınıflandırılması. Jeodezi ve Jeoinformasyon Dergisi, 1(2), 139-146.
4. Akman, M., Genç, Y. ve Ankaralı, H. (2011). Random Forests Yöntemi ve Sağlık Alanında Bir Uygulama. Türkiye Klinikleri Journal of Biostatistics, 3(1), 36-48.
5. Akpınar, H. (2014). Data Veri Madenciliği Veri Analizi, İstanbul: Papatya Yayıncılık.