Değere dayalı derecelendirme: Makine öğrenmesi yöntemleriyle bir sınama

Abstract

Firma derecelendirmeye yönelik mevcut literatür incelendiğinde, derecelendirme analizinin genellikle finansal oranlara dayalı gerçekleştiği firma değerinin etkisinin göz ardı edildiği tespit edilmiştir. Firma değeri, ülke riski, sektör riski, pazar durumu gibi birçok kalitatif değişkenin ve firmanın fiziki varlıklarının özeti niteliğindedir. Bahsedilen nedenlerden dolayı çalışmada değere dayalı derecelendirme üzerinde durularak literatürdeki açığın giderilmesi amaçlanmıştır. Halka arz olmuş 12 çimento firmasının 2006-2019 dönemi bilanço ve gelir tabloları yardımıyla, İNA yöntemi firma değerleri tespit edilmiştir. Elde edilen değerler firma piyasa değerleriyle karşılaştırılmıştır. Derecelendirme analizi için 47 finansal orandan ve firma değerlerinden yararlanılmıştır. Firmaların derecelendirilmesinde K-ortalama ve K- en yakın komşu makine öğrenmesi yöntemleri kullanılarak değere dayalı derecelendirmenin geçerliliği sınanmıştır. Makine öğrenmesi yöntemlerinden elde edilen sonuçlar, derecelendirme analizinin yalnızca finansal oranlara dayalı gerçekleşmemesi, finansal oranlar ve değerin birlikte kullanıldığı modellerin göz önünde bulundurulması gerektiğini göstermiştir.

When the existing literature on firm rating is examined, it has been determined that the rating analysis is generally based on financial ratios and the effect of firm value is ignored. It is a summary of many qualitative variables such as firm value, country risk, sector risk, market situation and physical assets of the firm. For the aforementioned reasons, it is aimed to eliminate the gap in the literature by focusing on value-based rating in the study. With the help of the balance sheet and income statements of 12 cement companies offered to the public for the period 2006-2019, the company values of the DCF method have been determined. The obtained values were compared with the market values of the companies. For the rating analysis, 47 financial ratios and firm values were used. The validity of the value-based rating was tested by using K-means and K-nearest neighbor machine learning methods in rating the firms. The results obtained from machine learning methods showed that rating analysis should not be based only on financial ratios, but models in which financial ratios and value are used together should be considered.