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. Genel olarak RTFA modelinin M&M modeline yakın sonuçlar ürettiği, ÇKA modellerinin düşük miktarda dağıtılan temettüleri tahmin edemediği, DVM modelinin ise M&M'dan daha kötü sonuçlar verdiği görülmüştür. Çalışma sonucunda ASBÇS modelinin temettü tahmininde en başarılı yöntem olduğu tespit edilmiştir.
scite is a Brooklyn-based organization that helps researchers better discover and understand research articles through Smart Citations–citations that display the context of the citation and describe whether the article provides supporting or contrasting evidence. scite is used by students and researchers from around the world and is funded in part by the National Science Foundation and the National Institute on Drug Abuse of the National Institutes of Health.
hi@scite.ai
10624 S. Eastern Ave., Ste. A-614
Henderson, NV 89052, USA
Copyright © 2024 scite LLC. All rights reserved.
Made with 💙 for researchers
Part of the Research Solutions Family.