Prof. Dr. Nevin Yörük - Yrd. Doç. Dr. S. Serdar Karaca Yrd. Doç. Dr. Mahmut Hekim - Öğr. Grv. İsmail Tuna

Transkript

1 Anadolu Ünverstes Sosyal Blmler Dergs Anadolu Unversty Journal of Socal Scences Sermaye Yapısını Etkleyen Faktörler ve Fnansal Oranlar le Hsse Getrs Arasındak İlşknn ANFIS Yöntem le İncelenmes: İMKB de Br Uygulama* Examnaton of Relatonshp Between Stock Returns and Factors Affectng Captal Structure and Fnancal Ratos wth ANFIS Method: An Applcaton on ISE Index Prof. Dr. Nevn Yörük - Yrd. Doç. Dr. S. Serdar Karaca Yrd. Doç. Dr. Mahmut Hekm - Öğr. Grv. İsmal Tuna Öz Bu çalışmada, şrket hsselernn getr oranı (HGO) uyarlamalı snrsel bulanık sonuç çıkarım sstem (ANFIS) yardımıyla tahmn edlmştr. Bu amaç çn, ANFIS n grş ve çıkış değşkenler çn hazırlanan fnansal oranlar vers yılları arasında IMKB çersnde yer alan 4 sanay şrket tarafından açıklanan blanço ve gelr tablosu kalemlernden elde edlmştr ve elde edlen ver ANFIS e uygulanmıştır. Gerçekleştrlen deneyde, ANFIS tarafından tahmn edlen değerlerle HGO nun gerçek değerler karşılaştırılmıştır ve 4 grş değşken arasından anlamlı bulunan 4 grş değşken ANFIS e uygulanmak çn saptanmıştır. Anlamlı bulunan bu grş değşkenler kullanılarak aynı deney gerçekleştrldğnde, ANFIS model yaklaşık aynı tahmnleme başarısına ulaşmıştır. Sonuç olarak, daha az grş değşken kullanarak bu modeln aynı başarıyı sağlayableceğ ve yatırımcılar ve şrketlern rsknn azaltılmasında kullanılableceğ gösterlmştr. Anahtar Kelmeler: Hsse Getr Oranı, Sermaye Yapısı Faktörler, Fnansal Oranlar, Tahmnleme, Uyarlamalı Snrsel Bulanık Sonuç Çıkarım Sstem (ANFIS). Abstract In ths study, the stock return rate of the company shares was estmated by means of the adaptve neurofuzzy nference system (ANFIS). For ths am, the data of fnancal ratos prepared for the nput and output varables of the ANFIS was obtaned by usng the proporton parameters from the tems of balance sheet and ncome statement of the ISE companes n the ndustry between the years of 23 and 27 announced by 4 companes, and the obtaned data was appled nto the ANFIS. In the mplemented experment, the values estmated by the ANFIS were compared wth the real values of the stock return rate, and sgnfcant 4 nput varables among 4 nput varables were determned to apply nto the ANFIS. When the same experment was mplemented by usng these determned sgnfcant nput varables, the ANFIS model reached to approxmately same estmaton success. As a result, we showed that ths model provdes the same success by usng less number of nput varables and t can be used for decreasng the rsk of companes and nvestors. Keywords: Stock Return Rate, Captal Structure Factors, Fnancal Rato, Estmaton, Adaptve Neuro- Fuzzy İnference System (ANFIS). * Bu çalışma Gazosmanpaşa Ünverstes Blmsel Araştırma Projeler Komsyonu tarafından desteklenmştr. (Proje No: 2/9). Prof. Dr. Nevn Yörük, Türk Hava Kurumu Ünverstes İşletme Fakültes, nevyor@hotmal.com Yrd. Doç. Dr. S. Serdar Karaca, Gazosmanpaşa Ünverstes İİBF, suleymanserdar.karaca@gop.edu.tr Yrd. Doç. Dr. Mahmut Hekm, Gazosmanpaşa Ünverstes Mühendslk ve Doğa Blmler Fakültes, mahmut.hekm@gop.edu.tr Öğr. Grv. İsmal Tuna, Gazosmanpaşa Ünverstes Tokat MYO, smal.tuna@gop.edu.tr sbd.anadolu.edu.tr

2 Sermaye Yapısını Etkleyen Faktörler ve Fnansal Oranlar le Hsse Getrs Arasındak İlşknn ANFIS Yöntem le İncelenmes: İMKB de Br Uygulama Grş Küreselleşen Dünya da şletmelern rakpler sadece yerel frmalar değl gttkçe artan şeklde uluslararası frmalar olmaya başlamıştır. Dğer yandan blg ve sermayenn sınır tanımaz şeklde hızlı hareketler, şletmelern kısa zamanda çok hızlı gelşp büyümesn sağlarken öte yandan yne çok hızlı br bçmde faalyetlerne son vermesne (flasına) neden olablmektedr. Bu gb durumlar, şletmeler başarı ya da başarısızlığa götüren sebepler daha çok araştırmaya yöneltmektedr. Bunlardan brs 958 yılında Modglan ve Mller n öne sürdüğü ve fnans ltaretüründe çok lg çeken optmal sermaye yapısı kavramıdır. Günümüze kadar frmaların fnansal başarı ya da başarısızlıklarında etkl olduğu düşünülen sermaye yapılarını etkleyen faktörlern belrlenmesne yönelk pek çok çalışma yapılmıştır. Dğer taraftan frmaların gerçek fnansal durumlarını yansıtan fnansal oranlar kullanılarak hsse sened fyatlarının büyük oranda tahmn edlebleceğ görüşü (Tesfatson, 24), yatırımcıları ve akademsyenler fnansal oranlarla hsse sened getrler arasındak lşklern tespt edlmesne yöneltmştr. Bu araştırmada da fnansal oranlar kullanılarak frmaların sermaye yapılarını etkleyen faktörler le hsse getrler arasındak lşk ncelenerek gerek şletmeler gerekse de fnansal araçlara yatırım yapmak steyen yatırımcılara öngörüde bulunablme ve seçenekler değerlendrme mkanı vereblecek sonuçlara ulaşmak amaçlanmaktadır. Bu amaç çn, İMKB çnde yer alan sanay şrketlernn blanço ve gelr tablosu kalemlernden elde edlen sermaye yapısı le lgl fnansal oranlarla hsse getr oranları arasındak lşk ANFIS (Adaptve Neuro Fuzzy Inference System) yöntem le ncelenerek açıklanmaya çalışılacaktır. Lteratür Taraması Durukan (997, s.84), hsse senetler İMKB de şlem gören 68 frmanın sermaye yapısını etkleyen faktörler saptamak üzere dönemn ele almış, karlılık ve borç dışı verg kalkanının Türk frmalarının sermaye yapısını etkleyen en öneml faktörler olduğu sonucuna varmıştır. Dğer br sonuç se frmalara sağlanan teşvklern ve yatırım ndrmlernn, verg oranına göre, sermaye yapısı kararlarında daha etkl rol oynadığı şeklndedr. Güloğlu ve Bekçoğlu (2), İMKB de malat sanaynde faalyet gösteren en büyük 42 frmanın ncelendğ yıllarını kapsayan çalışmada söz konusu frmaların sermaye yapılarının İMKB dek gelşmelerden hang ölçütlerde etklendğ saptanmaya çalışılmıştır. Çalışmada ayrıca borsanın gelşmesnn özellkle küçük şletmelern kısa dölnem ve toplam borç/ özsermaye oranlarına etk et - tğ saptanmıştır. Gönenç ve Arslan (23, s.59) se, İMKB ye kayıtlı uluslararası ve yurtç reel sektör frmalarının ve 2-2 dönemlernn ayrı olarak değerlendrlerek sermaye yapılarının karşılaştırıldığı çalışmanın somnuçlarına göre frmaların uluslararası faalyet düzey yükseldkçe borçluluk oranlarının uzun vadel borçlar harç olmak üzere arttığı ortaya çıkmıştır. Ayrıca rsk, karlılık, büyüklük, madd duran varlıkların düzey, pyasa-defter değer oranından oluşan değşkenlern borçlanma oranları üzerne etksnn teordek tartışmalar le uyumlu olduğu belrlenmştr. Acaravcı (24, s.83), dönemlern kapsayan ve İMKB de şlem gören malat sektörü frmaları çn sermaye yapısını etkleyen faktörlern amprk olarak test edldğ çalışmasında sermaye yapısı le frmaların büyüme oranları, karlılığı, bankacılık sektörünün gelşmşlğ, enflasyon ve kurumlar vergs oranı değşkenler arasında bulunan lşklern teor le uyumlu olduğunu saptamıştır. Erkan ve Aydemr (26, s.36), Türk frmalarının borçlanma kararlarını etkleyen faktörler belrlemek üzere yaptıkları çalışmada, 38 lde faalyet gösteren 438 frmaya anket uygulamıştır. Araştırmanın bulguları fnansal hyerarş yaklaşımını desteklemekstedr. Buna göre frmaların fnansman temnndek öncelk sırası, şletme ç kaynaklar, yabancı kaynak ve hsse sened hracıdır. Yne aynı araştırmada frmalanrın borç kullanımını etkleyen en öneml faktörlern se frma kazançları ve nakt akışlarının değşkenlğ olduğu saptanmıştır. Çağlayan (26, s.73), 2-24 yılları arasında hsase senetler İMKB de şlem gören 46 malat sektörü frmasını nceleyen br çalışmada, söz konusu frmaların sermaye yapısı le madd duran varlıklar, karlılık, büyüme ve büyüklük değşkenler arasındak lşky saptamaya çalışmıştır. Sonuçta, toplam borç/ özsermaye ve kısa vadel borç / özsermaye oranları le söz konusu değşkenler arasında statstksel olarak anlamlı lşkler saptanmış, uzun döneml borç/ özsermaye oranı le belrtlen değşkenler arasında se anlamlı lşkler elde edlememştr. 2

3 Clt/Vol.: 3 - Sayı/No: 2 (-4) Demrhan (29, s.693) İMKB de şlem gören 2 adet hzmet frmasının dönemn kapsayan fnansal verler kullanılarak, söz konusu frmala - rın sermaye yapısını etkleyen frmaya özgü faktörler saptamaya çalışmıştır. Araştırmada panel ver analz kullanılmış olup, TB/TA, KVB/TA, UVB/TA, TB/Ö, KVB/Ö ve UVB/Ö oranlarının bağımlı değşkenler olarak kullanıldığı modeller regresyon analz le test edlmştr. Analz sonucunda hzmet frmalarının sermaye yapısını en y temsl eden oranlar KVB/TA, TB/Ö ve KVB/Ö oranları olarak bulunmuştur. Ayrıca İMKB ye kote hzmet frmalarının borçlanma düzeryn etkleyen en öneml değşkenlern karlılık, frma büyüklüğü, varlıkların yapısı ve lkdte düzey olduğu saptanmıştır. Sayılgan ve Uysal (2, s.9) Merkez Bankası sektörel blançolarını kullanarak, k bağımlı değşken (toplam borçların toplam varlıklara oranı ve toplam borçların özsermayeye oranı) ve altı banğımsız değşken (borç dışı verg kalkanı, flas rsk, büyüme fırsatları, karlılık, büyüklük ve varlık yapısı) le panel ver analz yöntemne göre yaptığı araştırmada borç dışı verg kalkanı dışındak değşkenlerle lgl statstk olarak anlamlı sonuç - lara ulaşmıştır. Fnansal oranlarla hsse sened getrler arasında doğrusal lşk varsayımına dayanılarak yurtdışında (bkz: Beaver, 968; Ou ve Penman, 989; Holthausen ve Larcker, 992; Rah-Belkaou, 997; Lewellen, 22; Fama ve French, 995; Ttman, S. ve Wessels, R. (988),Abarbanell ve Bushee, 998; Jan, 22; Welch, I. (24) ) ve yurtçnde (bkz: Özer, 996; Canbaş, Düzakın ve Kılıç, 997; Aydoğan ve Güney, 997; Demr, Küçükkremtç, Pekkaya ve Üreten, 997; Alkan, 997; Küçükkremtç, 997; Aktaş ve Karan, 2; Tufan ve Hamarat, 23; Yalçıner, Atan ve Boztosun, 25; Kalaycı ve Karataş, 25) brçok çalışma yapılmıştır. Fnansal oranlarla hsse sened getrler arasında doğrusal lşk dışında doğrusal olmayan lşklern de olableceğ düşüncesn temel alan araştırmalarda vardır. Mramor ve Pahor (2), 995 yılı çn en az 5 şrketn faalyet gösterdğ A.B.D. den sektörle Japonya dan 5 sektör üzernde gerçekleştrdkler çalışmada fnansal oranlarla hsse sened getrler arasında doğrusal ve doğrusal olmayan lşkler temsl Anadolu Ünverstes Sosyal Blmler Dergs etmek çn 8 farklı model kullanılmıştır. Çalışma sonuçları, fnansal oranlarla hsse sened getrler arasında hem A.B.D. de hem de Japonya da faalyet gösteren frmalara lşkn olarak doğrusal olmayan lşklern bulunduğunu göstermektedr. Omran ve Ragab ın (24, s.97) dönemn dkkate alarak gerçekleştrdkler Mısır da faalyet gösteren 46 frmayı kapsayan çalışmalarında, şrketlern lkdte, varlıkların etkn kullanımı, kârlılık, mal yapı ve sabt yükümlülükler karşılama durumlarını ölçen fnansal oran kullanılmıştır. Elde edlen analz sonuçıları, fnansal oranlarla hsse sened getrler arasında doğrusal olmayan lşklern var olduğunu göstermekte ve bu lşklern hsse sened getr davranışlarını doğrusal lşkye göre daha y br şeklde tanımladığını ortaya koymaktadır. Son olarak, Büyükşalvarcı (2, s.38) İMKB malat sektöründe 29 yılında faalyet gösteren 83 şrket kapsayan çalışmasında, fnansal oranlarda oluşan 7 bağımsız değşken ve hsse getrlernden oluşan 3 bağımsız değşken farklı model kullanarak teste tab tutmuştur. Sonuçta car oran, stok devr hızı, aktf devr hızı ve uzun vadel borç/toplam aktf le hsse getrler arasında doğrusal lşk olduğunu belrlerken, öte yandan hsse sened getrleryle fnansal oranlar arasında çoğunlukla doğrusal olmayan lşklern var olduğunu sonucuna varmıştır. Materyal ve Yöntem Bu makalede, İMKB çnde yer alan sanay şrketlernden yılları arasında faalyette bulunarak blanço ve gelr tablosu açıklanmış 4 adet şrket araştırmaya konu olmuştur yılları arasının alınmasının temel neden 2 ve 28 yıllarındak krzlerden blanço ve gelr tablosu kalemlernn etklenmesn önlemektr. İMKB de şlem gören 4 adet şrkete at oranlar ve hsse getr oranları blanço ve gelr tablosu kalemlernden elde edlmştr. Tablo de analzde kullanılan fnansal oranlar gösterlmektedr. Bu çalışmada, Tablo dek hesaplamalara göre elde edlen ver, fnansal oranlar arasındak farklar yüzünden [ ] aralığına normalze edlmş, ANFIS model kullanılarak HGO oranları tahmn edlmş ve gerçek çıkış değerler le karşılaştırılmıştır. Tablo 2 de bu çalışmada kullanılan yılları arasındak verye at 4 adet grş değşken ve adet çıkış değşken gösterlmektedr. sbd.anadolu.edu.tr 3

4 Sermaye Yapısını Etkleyen Faktörler ve Fnansal Oranlar le Hsse Getrs Arasındak İlşknn ANFIS Yöntem le İncelenmes: İMKB de Br Uygulama Tablo. Analzde Kullanılacak Fnansal Oranlar Türü Oranlar Hesaplanması Lkdte Oranı Frmanın Varlık Yapısı Car Oran Dönen Varlıklar /Kısa Vadel Borç MDV/TA Madd Duran Varlıklar/Toplam Aktf Borçlanma Malyet Oranları Borç Dışı Verg FG/TB AMRT/T Fnansman Gder/Toplam Borç Amortsman/Toplam Aktf Kalkanı Verg Düzey Oranları A ÖV/VÖK Ödenen Verg/Verg Önces Kar Frma Büyüklüğü KVB/Ö Kısa Vadel Borç /Özsermaye UVB/Ö Uzun Vadel Borç / Özsermaye KVB/TA Kısa Vadel Borç/Toplam Aktf UVB/TA Uzun Vadel Borç/Toplam Aktf TB/TA TB/Ö Toplam Borç/Toplam Aktf Toplam Borç/Özsermaye Kârlılık Oranları FK/TA Faalyet Kârı/Toplam Aktf FK/S NK/TA Faalyet Kârı / Satışlar Net Kâr /Toplam Aktf Hsse Getr Oranı HGO Hsse Fyatı Br Öncek Yıl H. Fyatı /Br Öncek Yıl H. Fyatı Uyarlamalı Snrsel Bulanık Sonuç Çıkarım Sstem (ANFIS) Bulanık çıkarım sstem (FIS), temel olarak üç kavramsal bleşenden oluşmaktadır: bulanık kural tabanı, ver tabanı ve sonuç çıkarım bleşenlerdr. Bu sstemde öncelkle grş ve çıkış değşkenlernn üyelk fonksyonları ve bulanık kurallar belrlenr, daha sonra sstem çıkışı oluşturulur. FIS modellernde en öneml adım grş/çıkış değşkenlernn üyelk derecelernn belrlenmesdr. Bulanık mantık yaklaşımı uzman görüşüne göre dlsel blgler kullanarak anlamlı sonuçlar çıkarmayı hedefler. Bulanık sstemlern öğrenme yeteneğ yoktur. Ancak, yapay snr ağları öğrenme yeteneğne sahptr (Ross, 24, s.27). İlk defa 993 yılında Jang tarafından gelştrlmş olan uyarlamalı snrsel bulanık çıkarım sstem (ANFIS), yapay snr ağlarının paralel hesaplayablme ve öğrenme kablyet le bulanık sonuç çıkarım sstemlernn uzman blgsne dayalı sonuçlar çıkarablme yeteneklernn brleşmnden oluşur (Jang, 993). Grş ve çıkış değşkenlernn üyelklern ayarlama ve grş-çıkışa lşkn kuralları otomatk olarak üretme yeteneğne sahptr. ANFIS, ver setn kullanarak tüm kuralları oluşturablr ve bu kuralların yorumlanmasına mkân tanır. Bu yüzden, brçok tahmnleme veya sınıflandırma 4

5 Clt/Vol.: 3 - Sayı/No: 2 (-4) Tablo 2. Analz İçn Kullanılan Değşkenler x x2 x3 x4 AMRT/TA ÖV/VÖK MDV/TA FK/TA Anadolu Ünverstes Sosyal Blmler Dergs çalışmalarında kullanılmaktadır. ANFIS modelnde en küçük kareler ve ger yayılmalı öğrenme yöntemlernn brleşmnden oluşan hbrt öğrenme algortması grş üyelk fonksyonu parametrelernn ve çıkış üyelk fonksyonu parametrelernn güncellenmes ve en uygun değerlern elde edlmes çn kullanılır. Grşler x5 x6 x7 LKTO NK/TA KVB/TA Bastlk açısından, x ve y gb k grş ve f gb br çıkışı olan bulanık çıkarım sstemnn Sugeno bulanık model çn tpk kural kümes aşağıdak gb gösterleblr: (Bağımsız Değşkenler) x8 x9 FG/TB UVB/TA Eğer x değşken A ve y değşken B se, o zaman f =p x+q y+r x x UVB/Ö KVB/Ö Eğer x değşken A 2 ve y değşken B 2 se, o zaman f 2 =p 2 x+q 2 y+r 2 x2 x3 TB/TA TB/Ö Şekl de 5 katmandan oluşan 2 grş ve çıkışı olan 2 kurala sahp br ANFIS yapısı gösterlmektedr. x4 FK/S Çıkış x5 HGO Şekl de gösterlen ANFIS yapısında bulunan katmanlar ve şlevler aşağıda verlmştr (Jang, 993, s.673): x y x A A2 Π w N w w f f y B B2 Π w 2 N w2 w2 f 2 x y.katman 2.KATMAN 3.KATMAN 4.KATMAN 5.KATMAN Şekl. Br ANFIS Yapısı Örneğ sbd.anadolu.edu.tr 5

6 Sermaye Yapısını Etkleyen Faktörler ve Fnansal Oranlar le Hsse Getrs Arasındak İlşknn ANFIS Yöntem le İncelenmes: İMKB de Br Uygulama.Katman: Grş katmanı olarak adlandırılır. Buradak her br düğümden alınan grş değerler dğer katmanlara aktarılır. Bulanıklaştırma katmanı olarak adlandırılır. Bu katmanda yer alan her br düğümü adaptf br düğümdür ve çıkışı aşağıdak gb tanımlanır: O A ( x) () Burada x nc düğümünün grşdr ve A bu düğüm fonksyonuna lşkn dlsel etkettr (küçük, büyük, vb). Başka br deyşle, O düğüm çıkışı A nın üyelk fonksyonudur ve fonksyonu genellkle maksmumu ve mnmumu olan çan-bçml olarak seçlr. 2.Katman: Kural katmanıdır. Bu katmandak her br düğüm, Sugeno bulanık mantık çıkarım sstemne göre oluşturulan kuralları ve sayısını fade etmektedr. Bu katmandak her br düğüm, kendsne gelen şaretlern çarpımını çıkış olarak üreten sabt br düğümdür: w A ( x) ( y) (x) (2) 3.Katman: Normalzasyon katmanıdır. Bu katmandak her br düğüm kural katmanından gelen tüm düğümler grş değer olarak kabul eder ve her br kuralın normalleştrlmş sevyesn aşağıdak eştlk le hesaplar: w A B w = w + w 2 (3) 4.Katman: Durulaştırma katmanıdır. Durulaştırma katmanındak her br düğümde verlen br kuralın ağırlıklandırılmış sonuç değerler hesaplanır. Bu katmana at her düğümünün fonksyonu aşağıdak gb adaptf br düğümdür. w f = w p x + q y + r ) (4) ( Burada w üçüncü katmanın çıkışı olup, { p, q, r } se bu katmanda bulunan düğüm parametrelernden oluşan parametre kümesdr. Bu katmana at parametreler çıkış parametreler olarak fade edlmektedr. 5. Katman: Çıkış katmanı olarak adlandırılır. Bu katmanda sadece br düğüm vardır ve nha tahmn değer üretr. f = w f = w w f (5) Araştırmanın Bulguları Bu çalışmada, 4 grş değşken le HGO oranlarını tahmn etmek çn MATLAB Programı nda ANFIS model tasarlanmıştır. Modeln grş değşkenler x, x2, ve x4, çıkış değşken se HGO dur. Her br grş değşken çn Gauss bulanık üyelk fonksyonu tanımlanmış ve 25 terasyon le bu fonksyonlar hbrt öğrenme algortmasıyla eğtlmştr. HGO tahmn çn tasarlanan ANFIS modeln 4 ve 4 grş değşken çn kullanılan üyelk fonksyonları sırasıyla Şekl 2 ve 3 te görülmektedr. 6

7 Clt/Vol.: 3 - Sayı/No: 2 (-4) Anadolu Ünverstes Sosyal Blmler Dergs Üyelk dereces Üyelk dereces.5..5 x x2 küme Üyelk dereces Üyelk dereces x3 x4 Üyelk dereces Üyelk dereces..3.5 x5 x6 Şekl 2. 4 Grş Değşkennn Eğtmsz Üyelk Fonksyonları sbd.anadolu.edu.tr 7

8 Sermaye Yapısını Etkleyen Faktörler ve Fnansal Oranlar le Hsse Getrs Arasındak İlşknn ANFIS Yöntem le İncelenmes: İMKB de Br Uygulama küme küme Üyelk dereces Üyelk dereces x7 x8 Üyelk dereces Üyelk dereces x9 x küme Üyelk dereces Üyelk dereces x x2 Üyelk dereces Üyelk dereces x3 x4 Şekl 2. 4 Grş Değşkennn Eğtmsz Üyelk Fonksyonları (Devamı) 8

9 Clt/Vol.: 3 - Sayı/No: 2 (-4) Anadolu Ünverstes Sosyal Blmler Dergs küme küme Üyelk dereces Üyelk dereces x x2 x= MDV/TA x2= KVB/TA küme küme Üyelk dereces Üyelk dereces x3 x4 x3=kvb/ö x4=tb/ta Şekl 3. 4 Grş Değşkennn Eğtmsz Üyelk Fonksyonları. Şekl 2 dek üyelk fonksyonlarına göre x3, x7, x ve x2 numaralı grş değşkenlernn bulanık sonuç çıkarma sstem çn anlamlı grşler olduğu anlaşılmaktadır. Çünkü x ve x2 nolu grşlern ver değerler sırasıyla br yaklaşık,2 noktasında, dğer se,5 noktasında kümelenmektedr. x4, x5 ve x6 nolu grş değşkenlernn üyelk fonksyonlarından da görüldüğü gb küme merkezler brbrne çok yakındır ve bu yüzden de yeter kadar anlamlı değldr. x8, x9 ve x nolu grş değşkenler çn de aynı durum söz konusudur. Bu yüzden, HGO oranlarını tahmn etmek çn k farklı deney yapılmıştır: bunların brnde 4 grş değşken ve dğernde se anlamlı 4 grş değşken (x3, x7, x ve x2) modele grş olarak kullanılmıştır. Her k tahmnleme deneynde de ANFIS modelnn güvenlrlğ test etmek amacıyla vernn yaklaşık %35 tüm verden rastgele seçlmştr. En küçük kareler yöntem ve ger yayılmalı eğm azaltma yöntemnn brleşm olan hbrt öğrenme yöntem kullanılarak ANFIS model eğtlmştr. Br tahmnleyc modeln performansı genellkle grş değerlerne karşılık modeln ürettğ çıkış ve aynı grşe karşılık gelen gerçek çıkış arasındak fark üzernden belrlenmektedr. Bu amaç çn se genellkle ortalama karesel hata (MSE) krter terch edlmektedr. Bu yüzden, gerçekleştrlen deneylerde ANFIS modelnn tahmnleme performansını ölçmek çn aşağıdak eştlkte gösterlen MSE krter kullanılmıştır: sbd.anadolu.edu.tr 9

10 Sermaye Yapısını Etkleyen Faktörler ve Fnansal Oranlar le Hsse Getrs Arasındak İlşknn ANFIS Yöntem le İncelenmes: İMKB de Br Uygulama MSE = n Burada n = ( f f * ) 2 (6) f nc grş değerlerne karşılık gelen gerçek * çıkış değer ve f se aynı grş değerler çn ANFIS modelnn tahmn ettğ değerdr. Model eğtm vers kullanılarak 25 terasyon le eğtldğnde MSE oranı,2 değerne ulaşmıştır. Modeln genelleştrlmş başarısı test vers kullanılarak test edldğnde MSE değer,9 olarak hesaplanmıştır. ANFIS modelnn gerek eğtm versne göre ve gerekse de test versne göre çıkışının MSE değerler brbrlerne yakındır. Dolayısıyla modeln başarısı genelleştrlmş br başarıdır. Şekl 4 ve 5 te sırasıyla eğtm vers ve test vers çn ANFIS modelnn ürettğ çıkış değerler görülmektedr. Eğtm vers ANFIS Çıkışı Şekl 4. 4 Grşe Sahp Modeln Eğtm Vers İçn Tahmn ve Gerçek Değerler Test vers ANFIS Çıkışı Şekl 5. 4 Grşe Sahp Modeln Test Vers İçn Tahmn ve Gerçek Değerler HGO yu tahmn etmek çn 4 grş değşken (x3, x7, x ve x2) kullanıldığında yne 25 terasyon sonunda ANFIS modelnn eğtlmes sonucunda,8 MSE değerne ulaşılmıştır. Test vers le test edldğnde ANFIS model,23 MSE değernde kalmaktadır. Bu sonuç br öncek 4 grş çn yapılan tahmnleme deney le yaklaşık aynıdır. Yaklaşık eşt br MSE değern göstermesnn neden HGO nun tahmn çn anlamlı grşlern x3, x7, x ve x2 olmasıdır. Dğer grş değşkenler modele aşırı yük getrrken başarısını aynı oranda etklememektedr. Bu yüzden bu grşlern kullanılması anlamsız olmaktadır. Şekl 6 ve 7, 4 grş değşken kullanılarak yapılan HGO tahmnleme deneynn sırasıyla eğtm ve test ver set çn ANFIS modelnn ürettğ sonuçları ve gerçek çıkış değerlern göstermektedr.

11 Clt/Vol.: 3 - Sayı/No: 2 (-4) Anadolu Ünverstes Sosyal Blmler Dergs Eğtm vers ANFIS Çıkışı Şekl 6. 4 Grşe Sahp Modeln Eğtm Vers İçn Tahmn ve Gerçek Değerler. Test vers ANFIS Çıkışı Şekl 7. 4 Grşe Sahp Modeln Test Vers İçn Tahmn ve Gerçek Değerler Şekl 6 ve 7 de görüldüğü gb, HGO oranını ANFIS model kullanarak tahmn etmek çn anlamlı 4 grş değşkenn kullanmak yeterldr. Şekl 8 de sırasıyla 4 ve 4 grş değşken le HGO oranlarını tahmn etmede kullanılan ANFIS modelnn eğtmndek terasyon sayılarına göre MSE oranları görülmektedr MSE oranû MSE oranû terasyon sayûsû terasyon sayûsû Şekl 8. 4 ve 4 Grş Değşkenne Sahp ANFIS Modelnn İterasyon Sayısına Göre MSE Değşm sbd.anadolu.edu.tr

12 Sermaye Yapısını Etkleyen Faktörler ve Fnansal Oranlar le Hsse Getrs Arasındak İlşknn ANFIS Yöntem le İncelenmes: İMKB de Br Uygulama Sonuç Bu çalışmada, son yıllarda gttkçe artan şeklde kullanılmaya başlayan MATLAB Programı çndek AN- FIS ( Adaptve Neuro Fuzy Inference System) model kullanılarak fnans dünyasında pek çok araştırmanın ve yatırımcının lgsn çeken sermaye yapısı faktörler ve fnansal oranlar le hsse getrler arasında lşk ortaya konmaya çalışılmıştır. Modeln grş değşkenler x, x2, ve x4, çıkış değşken se HGO dur. Her br grş değşken çn Gauss bulanık üyelk fonksyonu tanımlanmış ve 25 terasyon le bu fonksyonlar hbrt öğrenme algortmasıyla eğtlmştr. Eğtm sonrasında üyelk fonksyonlarına göre x3, x7, x ve x2 numaralı grş değşkenlernn bulanık sonuç çıkarma sstem çn anlamlı grşler olduğu anlaşılmaktadır. HGO yu tahmn etmek çn 4 grş değşken (x3, x7, x ve x2) kullanıldığında yne 25 terasyon sonunda ANFIS modelnn eğtlmes sonucunda,8 MSE değerne ulaşılmıştır. Test vers le test edldğnde ANFIS model,23 MSE değernde kalmaktadır. Bu sonuç br öncek 4 grş çn yapılan tahmnleme deney le yaklaşık aynıdır. Bunun neden HGO nun tahmn çn anlamlı grşlern MDV/ TA, KVB/TA, KVB/Ö, TB/TA olması, dğer grş değşkenlernn modele aşırı yük getrrken başarısını aynı oranda etklememesdr. Demrhan ın (29) panel ver analz kullanarak yapmış olduğu regresyon analznde anlamlı olarak belrledğ, KVB/TA, TB/Ö, KVB/Ö faktörler le araştırmamızın uyumlu olduğu görülmektedr. Çağlayan ın (26) yapmış olduğu araştırmada da yne KVB/Ö oranı anlamlı çıkarken araştırmamızdan farklı olarak MDV/TA oranı anlamlı çıkmamıştır. Her üç çalışmada da UVB/Ö ve UVB/ TA faktörler anlamlı olarak bulunmamıştır. Fnansal oranlarla hsse sened getrler arasında doğrusal olmayan lşklern de olableceğ düşüncesn temel alan araştırmalar yapan Mramor ve Pahor (2) ve Omran ve Ragab ın (24), çalışmalarına paralel olarak, araştırmamızda anlamlı çıkan MDV/TA, KVB/TA, KVB/Ö, TB/TA grş değşkenler le hsse sened getrler arasında frmalara lşkn olarak doğrusal olmayan lşklern bulunduğu görülmektedr. ANFIS model le anlamlı bulunan az sayıdak değşkenle br çok değşken kullanılarak yapılacak br çalışmada elde edlecek başarının hemen hemen yakalandığı görülmektedr. Geleceğ tahmnlemek çn kulılandığımız bu yöntem le şletmelern ve yatırımcıların rsklern azaltmak çn daha az sayıda ver le uğraşarak aynı başarıyı sağlayacakları söyleneblr. Kaynakça Abarbanell, J. S. ve Bushee B. J. (998). Abnormal Returns to a Fundamental Analyss Strategy, The Accountng Revew, Vol. 73, Issue.. Acaravcı, S.K. (24). Gelşmekte Olan Ülkelerde Sermaye Yapısını Etkleyen Faktörler: Türkye de Br Uygulama, Doktora Tez, Çukurova Ünverstes Sosyal Blmler Ensttüsü Akbulut, R. (25). Hsse Senetler İMKB de İşlem Gören İmalat Sektöründek Şrketlern Fnansal Yapılarını Etkleyen Faktörler Üzerne Yapılan Br Araştırma, Hacettepe Ünverstes İİBF Dergs, 23 (2): Aktaş, R, ve Karan, B, M., (2). Predctng Stock Returns Usng Fundamental Informaton and Multvarate Statstcal Modellng: An Emprcal Study on Istanbul Stock Exchange, HÜ-İİBF Dergs, Vol. 8,Issue. 2, ss Alkan, A. L. (997). Sanay Şrketlernn Performanslarının Fnansal Göstergelerle Tahmn, İMKB Dergs, Yıl, Sayı: 4, Ekm-Aralık. Aydoğan K., Güney A. (997). Hsse Sened Fyatlarının Tahmnnde F/K Oranı ve Temettü Verm, İMKB Dergs, Clt:, No:, Ocak-Mart. Beaver, W. (968). The Informaton Content of Annual Earnng Announcement, Journal of Accountng Resarch, Supplement, ss Bradley, M., Gregg, A. J. and E.Han Km (984). On the Exstence of an Optmal Captal Structure: Theory and Evdence, The Journal of Fnance,39 (3): Büyükşalvarcı, A. (2). Fnansal Oranlar İle Hsse Sened Getrler Arasındak İlşknn Analz: İMKB İmalat Sektörü Üzerne Br Araştırma, MUFAD, Muhasebe ve Fnansman Dergs, Sayı:48, ss.3-4. Canbaş, S., Düzakın, H., Kılıç, S.B. (997). Türkye de Hsse Senetlernn Değerlendrlmesnde Temel Fnansal Verlern ve Bazı Makro Ekonomk Göstergelern Etks, Uludağ Ünv., III. Ulusal Ekonom ve İst. Sempozyumu, Mayıs. Çağlayan, E. (26). Sermaye Yapısı Bleşenler: Kantl Regresyon Model, İktsat İşletme ve Fnans, 2 (248): Deesomsak, R., Paudyal, K. and Pescetto, G.(24). The Determnants of Captal Structure: Evdence From The Asa Pacfc Regon, Journal of Multnatonal Fnancal Management, 4:

13 Clt/Vol.: 3 - Sayı/No: 2 (-4) Demr A, Küçükkremtç O., Pekkaya S., Üreten A. (997). İMKB dek Sanay Şrketlernn Hsse Sened Getrler le Fnansal Oranları Arasındak İlşklern Belrlenmes ve Bu İlşklere Göre Şrketlern Sıralandırılması (992, 993, 994 Yılları İçn Br Uygulama), SPK Yayın No: 56. Demrhan, D. (29). Sermaye Yapsn Etkleyen Frmaya Özgü Faktörlern Analz: İmkb Hzmet Frmaları Üzerne Br Uygulama, Ege Akademk Bakış / Ege Academc Revew 9 (2), ss Durukan, M.B. (997). Hsse Senetler İMKB de İşlem Gören Frmaların Sermaye Yapısı Üzerne Br Araştırma , İMKB Dergs, (3): Erkan, M. ve Aydemr, O. (26). İşletmelern Fnansman Kararları ve Yabancı Kaynak Kullanımı: Türkye de Br Uygulama, Marmara Ünverstes Muhasebe-Fnansman Araştırma ve Uygulama Dergs: Analz, 6 (5): 3-39 Fama, F., Eugene ve French, R. Kenneth (995). Sze and Book-to-Market Factors n Earnngs and Returns, Journal of Fnance, Vol. 5, Issue., ss Gönenç, H. ve Arslan, Ö. (23). Uluslararası ve Yurtç Türk Reel Sektör Frmalarının Sermaye Yapısı, İMKB Dergs, 7 (25-26): 4-63 Güloğlu, B. ve Bekçoğlu, S. (2). İMKB dek Gelşmelern Şrketlern Sermaye Yapısına Etkler: İmalat Sanaynde Faalyet Gösteren Frmalar Üzerne Br Uygulama, ODTÜ Uluslararası İktsat Kongres Harrs, M. and Ravv, A. (99). The Theory of Captal Structure, The Journal of Fnance, 46 (): Jan, H. H. (22). Are the Fnancal Ratos Better Dscrmnator Between the Market Performers, Market Underperformers and Market Out-Performers, Indan Insttute of Captal Markets, Captal Market Conference. Jang, J. S. R., (993). ANFIS: Adaptve-Network Based Fuzzy Inference Systems, IEEE Transacton on Systems, Man and Cybernetcs, 23 (3): ,. Kalaycı, Ş. ve Karataş, A. (25). Hsse Sened Getrler ve Fnansal Oranlar İlşks: İMKB de Br Temel Analz Araştırması, Muhasebe ve Fnansman Dergs, Sayı.27, ss Küçükkremtç, O. (997). Sektörel Farklılıkların Fnansal Oranlara Etks (995 Yılı çn İMKB Üzerne Br Varyans Analz Denemes), İktsat, İşletme ve Fnans Dergs, Vol. 32, ss Anadolu Ünverstes Sosyal Blmler Dergs Lewellen, J. (22). Predctng Returns wth Fnancal Ratos, MIT Sloan School of Management Workng Paper, No , ss Mramor, D. ve Pahor, M. (2). Testng Nonlnear Relatonshps Between Excess Rate of Return on Equty and Fnancal Ratos, Faculty of Economcs, Unversty of Ljubljana. Omran, M. ve Ragab, A. (24). Lnear Versus Nonlnear Relatonshps Between Fnancal Ratos and Stock Returns: Emprcal Evdence form Egyptan Frms, Revew of Accountng and Fnance, Vol. 3, Issue. 2, ss Ou, J. ve Penman, S. (989). Fnancal Statement Analyss and the Predcton of Stock Returns, Journal of Accountng and Economcs, Vol., ss Rah-Belkaou, A. (997). Value Relevance of Popular Fnancal Ratos, Advances n Quanttatve Analyss of Fnance and Accountng, Vol. 5, ss Ross, T. J., (24). Fuzzy Logc wth Engneerng Applcatons, Second edton, John Wley. Sayılgan, G. Ve Uysal, B. (2); Türkye Cumhuryet Merkez Bankası Sektörel Verler Kullanılarak Sermaye Yapısını Belrleyen Faktörler Üzerne Br Analz:996-28, Ankara Ünverstes SBF Dergs, Clt 66, No.4, 2, s.-24 Taner, B. ve Akkaya, G.C. (25). Fnansal Danışmanlık: İşletme Düzeyndek Sorunların Çözümüne Doğru Bütüncül Br Yaklaşım, Muhasebe ve Fnansman Dergs, 25: 3-4 Tesfatson, L. (24). Fnancal Market Illustratons: Some Stock-Market Bascs. Pearson Addson-Wesley. Ttman, S. and Wessels, R. (988). The Determnants of Captal Structure Choce, The Journal of Fnance, ISSN 22-82, 3/, Volume 43, Issue, pp. - 9 Tufan, E. ve Hamarat, B. (23). Clusterng of Fnancal Ratos of the Quoted Companes through Fuzzy Logc Method, Journal of Naval Scence and Engneerng, Vol., No. 2, ss Welch, I. (24). Captal structure and stock returns, Journal of Poltcal Economy, Vol. 2 pp.6-3 Yalçıner, K., Atan, M. ve Boztosun, D. (25). Fnansal Oranlarla Hsse Sened Getrler Arasındak İlşk, MUFAD, Muhasebe ve Fnansman Dergs, Sayı.27, ss sbd.anadolu.edu.tr 3