PORTFÖY OPTİMİZASYONU. Doç.Dr.Aydın ULUCAN
|
|
- Ilhami Duman
- 8 yıl önce
- İzleme sayısı:
Transkript
1 PORTFÖY OPTİMİZASYOU Doç.Dr.Aydın ULUCA
2 KARAR VERME Karar verme, ş dünyasının çalışmasını sağlayan temel unsurlardandır. Tüm yönetcler, bulundukları faalyet alanı ve kademelernden bağımsız olarak stratejk düzeyden operasyonel düzeye kadar çeştlenen genş br yelpazede kısa, orta, uzun döneml kararlar verrler.
3 KARAR SÜRECİ ÖZELLİKLERİ Günümüzde herhang br değer olan kararlar vereblmek çn büyük ölçekl verler çeren problemlerle uğraşmak zorundayız. Artan etkleşm düzey, artık ş dünyası kararlarını büyük ölçekl platformlara taşımıştır. Karar verme sürecnde gözönünde bulunduracağımız alternatf sayısı, karmaşık ve çeştlenmş br yapıdak günümüz ş dünyasında çok artmıştır. Karar verc çok sayıda alternatf eşanlı olarak gözönünde bulundurmak zorundadır. Sürekl olarak değşmn yaşandığı ş dünyasında, gelecekle lgl belrszlk çok artmıştır. Karar verc gelecekte karşılaşableceğ farklı durumlar çn farklı karar senaryoları üretmek zorundadır.
4 BAŞARII YOLU: A A L İ Z HABER AALİZİ OLMASI GEREKE FİYAT TÜYO HABER ETKİSİ AALİZ TİPLERİ EA SEKTÖR A FİRMA A. TEMEL AALİZ DEGE FİYATI OLACAK FİYAT RİSK AALİZİ BETA AL-SAT MOD.PORTFÖY TEORİSİ GEÇMİŞ FİYAT VE İŞLEM MİKTARI TEKİK AALİZ
5 MODER PORTFÖY TEORİSİ Markowtz model, hedeflenen beklenen getr düzeyn karşılayacak mnmum varyanslı (mnmum rskl) portföyü bulmaya çalışır. Varsayımları,. Yatırımların getrler yatırımların çıktısı olarak fade edleblr.. Yatırımcının rsk tahmn, varlıkların ya da portföyün getrlernn varyansı le orantılıdır.. Yatırımcılar kararlarını verrken sadece beklenen getr ve getrnn varyansını model parametreler olarak kullanmaya razıdırlar. v. Yatırımcı rskten kaçma eğlm göstermektedr. Herhang br beklenen getr düzeynde, ulaşableceğ mnmum rsk, herhang br rsk düzeynde de ulaşbleceğ maksmum getry seçecektr.
6 Markowtz Model Mn. s.t. 0 μ j R, j σ j,.., mevcut varlık sayısı, μ varlığının beklenen getrs (,..,), σ j ve j varlıkları arasındak kovaryans değer (,..,), (j,..,), j çn varlığının varyans değer, R hedeflenen beklenen getr düzey, varlığının portföy çndek oranı, (karar değşken) (,..,),
7
8 Başarılı OR/MS Uygulamaları (Fnans Sektörü) GMO Yatırım Şrketnde Karışık Tamsayı Programlama le Portföy Oluşturma GMO yatırım şrket hedefledğ lkdte, devr hızı ve beklenen getr düzeylerne sahp yatırım portföyler oluşturmak çn karışık tamsayı programlama teknğn kullanan br karar destek sstem gelştrmştr. Model aynı zamanda bu hedeflere en az sayıda şlem ve hsse sened le ulaşmayı da sağlamakdır. Öte yandan bu model kullanarak alt portföyler olan ana portföy oluşturan şrket, 8 mlyar dolarlık br varlığı yönetmektedr. Yen sstemn faydaları olarak; müşterler kaybedlmeden yen büyüme fırsatları yaratılması, portföydek hsse sayıları %40-60 azaltılması, alım-satım emrlernn %75-85 azalarak 4 mlyon dolar gerlemes sayılablr. (ITERFACES 29: Ocak-Şubat 999)
9 Başarılı OR/MS Uygulamaları (Fnans Sektörü) Leasng Portföyü Planlama Model Yapılan br leasng şlemnn güvenlr ve verg avantajı yaratacak yapıda olmasını sağlamak çn dkkatl br katr maksmzasyonu planlaması yapılmalıdır. ew England Merchants Leasng Corporaton, bu amaçla OR teknklern kullanan blgsayar destekl br portföy yönetm model gelştrmştr. Model başarıyla yönetsel karar sürecne entegre edlmş ve 200 mlyon doların üzernde br portföyün uzun döneml planlamasında başarıyla kullanılmaktadır.
10 Başarılı OR/MS Uygulamaları (Fnans Sektörü) Towers Perrn-Tllnghast da Aktf- Pasf Yönetm Emekllk planlarının oluşturulması ve yönetlmesnde doğrusal olmayan programlamayla aktf-pasf yönetm model gelştren ve kullanan TFT şrket $450 mlyon dolarlık br hacm artışı sağlamıştır.
11 Karar Modellernn Temel Bleşenler Karar Değşkenler: Amaca ulaşmak çn kontrol edlen faktörler. Amaç Fonksyonu: Ulaşılmak stenen hedefn karar değşkenlernn fonksyonu olarak matematksel fades. Kısıtlar: Karar değşkenlernn alableceğ değerler üzerndek sınırlama ya da gereksnmler. Kısıtlar da amaç fonksyonu gb karar değşkenlernn çerldğ matematksel fonksyonlar olarak fade edlr. Parametreler: Model etkleyen ancak karar vercnn kontrol edemedğ faktörler. Varsayımlar: Model oluşturulurken doğru oldukları kabul edlen olgular.
12 Modellemede hesap tablolarını kullanmak karar vercye öneml avantajlar sağlamaktadır Model oluşturan parametrelerdek olası değşmelere karşı modeln nasıl davrandığı anında gözleneblr. Bu da karar vercye farklı durumlar çn senaryo analzler (what-f analyss) sağlar. Büyük ölçekl modeller, hesap tabloları altında çalışan model çözücülerle hızlı ve etkn şeklde çözüleblmektedr. Bell br mantık zncr dahlnde hesap tablosu üzernde oluşturulan matematksel modeller, problemn daha y anlaşılıp yorumlanması, üst yönetme daha anlaşılablr şeklde gösterlmesne olanak sağlamaktadır. Oluşturulan modeller, karar vercnn gelecekte karşılaşableceğ potansyel karar süreçlernde de modfye edlerek kullanılablr. Tüm örgütte problem çözme sürecne standart br yaklaşım sağlayarak, kşsel önyargıları ortadan kaldırır. Etkl raporlama özellkleryle, profesyonel raporlar ve ntranet sunumları oluşturmak oldukça sıradan br şlem halne dönüşmüştür.
13 Doğrusal Programlama Doğrusal Programlama yaklaşımı, doğrusal br yapıdak kısıtları hlal etmeden, doğrusal formdak amaç fonksyonunu en ylemey (maksmze yada mnmze etmey) sağlayan, bu enyleme sonucunda karar değşkenlernn aldıkları değerler bulan br yaklaşımdır. Her doğrusal programlama modelnn üç temel bleşen vardır: karar değşkenler, amaç fonksyonu ve kısıtlar. Doğrusal programlama, kısıtlı br optmzasyon yaklaşımı olmasından dolayı, kıt kaynakların lglenlen amacı optmze edecek şeklde dağıtılması olarak da tanımlanablr.
14 Doğrusal Programlama Maks kısıtlar < < < 500 > 300, 2, 3 > 0
15 Örnek SüperPlast şrket blgsayarlar çn 3 farklı modelde blgsayar kasası üretmektedr; Standart, Performa ve Ultra. Her br kasanın üretm çn k ayrı maknada şlem gerekmekte ve her br makna haftada 6000 dakka çalışablmektedr. Blgsayar kasalarının üretm çn maknalarda harcanan süre (dakka) aşağıdak tabloda verlmştr. Makna Ürün Modeller Standart Performa Ultra
16 Depolama alanı kısıtı nedenyle haftada 500 den fazla blgsayar kasası üretlememektedr. Şrket yaptığı br anlaşma nedenyle her hafta en az 300 adet Standart kasa üretmek zorundadır. SüperPlast ürettğ tüm blgsayar kasalarını satablmekte herbr kasadan aşağıdak mktarda kar (mlyon TL.) elde etmektedr. Ürün Modeller Standart Performa Ultra Kar 2 9 6
17 SüperPlast şu anda Standart dan haftada 750 tane üretmekte, Perfoma ve Ultra dan se üretmemektedr. Şrket yönetm şu ank üretm poltkalarının yleştrlme olasılığını araştırmaktadır. SüperPlast haftalık karını maksmze etmek çn herbr üründen kaçar adet üretmeldr?
18 Çözüm Bu örnekte şrket yönetm Optmal Üretm Planını elde etmek stemektedr. Optmal Üretm Planını elde etmek çn yönetmn vermes gereken karar, hang üründen kaçar adet üretlmes gerektğdr. Bu kararı vermek çn lk olarak, karar değşkenler şu şeklde tanımlanmalıdır: : Standart modelden her hafta üretlecek mktar. 2: Performa modelnden her hafta üretlecek mktar. 3: Ultra modelnden her hafta üretlecek mktar.
19 Amaç Fonksyonu İknc aşamada, Optmal Üretm Planını elde etmek çn hang performans krternn baz alınacağı belrlenmel ve bu krter doğrultusunda amaç fonksyonu oluşturulmalıdır. Ma Amaç fonksyonunda yukarıdak örnekte de olduğu gb kar maksmze edleblr. Ancak, malyet, süre ya da şgücü gb kavramlar çn se mnmzasyon şeklnde amaç fonksyonları da oluşturulablr.
20 Kısıtlar Üçüncü aşamada se amaca ulaşmada engel teşkl edeblecek kısıtlar, matematksel eşt(sz)lkler olarak fade edlmeldr. Makna n haftalık kapastes br kısıttır ve matematksel olarak şu şeklde fade edlr: < 6000 Bu fadenn, değşkenlern alacağı değere bağlı olan sol tarafı (SolT), kısıt fonksyonu olarak adlandırılır. < sembolü kısıtı br eştszlk kısıtı yapar. Makna kapastesn gösteren 6000 sabt se sağ taraf (SağT) olarak adlandırılır. Doğrusal programlama model kısıtlarında değşkenler eşt(sz)lğn sol tarafında, sabtler se sağ tarafında gösterlr.
21 Kısıtlar Makna 2 nn haftalık kapaste kısıtı da şu şeklde fade edlr: < 6000 Depolama alanı sınırlaması nedenyle haftada en fazla 500 adet blgsayar kasası üretlebleceğ de br kısıttır ve şu şeklde gösterlr < 500
22 Kısıtlar Her hafta en az 300 adet Standart kasa üretme kısıtı se > şeklnde br eştszlktr. > 300 Herhang br modelden negatf sayıda üretm yapılması fzksel olarak mkansız olduğu çn, bu durum negatf olamama şartı şeklnde fade edlmeldr. > 0, 2 > 0, 3 > 0
23 Standart:750 Performa:0 Ultra:0 Yukarıdak kısıtları hlal etmeden üretm planını oluşturablecek sonsuz sayıda çözüm vardır. Bu çözümler uygun çözüm olarak adlandırılır < < < < < < > > 300 Şrketn haftalık karı se; (mlyon TL.) dr.
24 Standart:500 Performa:500 Ultra:0 Ancak, şu ank üretm planının uygun br çözüm olması, optmal çözüm olmasını da gerektrmemektedr < < < < < < > > 300 Şrketn haftalık karı; (mlyontl.) ye yükselecektr.
25 Standart:600 Performa:400 Ultra:0 Haftalık kar daha da artarak; (mlyon TL.) ye yükselecektr. Ancak bu üretm planı daha yüksek kar getrmesne karşın uygun br çözüm değldr. Karşılanamayan kısıt vardır < < < < < < > > 300
26 Doğrusal Programlama Model Maks kısıtlar < < < 500 > 300, 2, 3 > 0 Bu model çözülerek elde edlecek, 2, 3 karar değşkenlernn değer optmal çözüm olarak adlandırılır.
27 LP Modellernn Ecel de Formülasyonu. Öncelkle değşken değerlerne karşılık gelen hücreler ayrılır. Bzm örneğmzdek değşkenler;, 2, 3 çn C5, D5, E5 hücreler ayrılmıştır. Kuracağımız model Solver da çözüldükten sonra bu hücrelerde karar değşkenlernn optmal değerler hesaplanacak ve görünecektr. B C D E 2 SÜPERPLAST ÜRETİM PLAI 3 4 5
28 LP Modellernn Ecel de Formülasyonu 2. Bu aşamanın ardından, karar değşkenlernn smler tanımlanır. B5 hücresne Üretm Mktarı yazılmıştır. C4:E4 aralığına se modellern adları olan, Standart, Performa ve Ultra yazılmıştır B C D E 2 SÜPERPLAST ÜRETİM PLAI 3 4 Standart Performa Ultra 5 Üretm Mktarı
29 LP Modellernn Ecel de Formülasyonu 3. Bu noktada artık amaç fonksyonunu hazırlayablrz. Amaç fonksyonu olan Maks ün katsayılarını Ecel tablosundak C6:E6 aralığına yazdık. B C D E 2 SÜPERPLAST ÜRETİM PLAI 3 4 Standart Performa Ultra 5 Üretm Mktarı 6 Brm Kar Katkısı 2 9 6
30 LP Modellernn Ecel de Formülasyonu 4. Amaç fonksyonunun değernn hesaplanması çn F6 hücres hazırlanır. Bu hücreye fadesnn grlmes gerekldr. SUMPRODUCT($C$5:$E$5;C6:E6) B C D E F G H 2 SÜPERPLAST ÜRETİM PLAI 3 4 Standart Performa Ultra 5 Üretm Mktarı 6 Brm Kar Katkısı Toplam Kar
31 LP Modellernn Ecel de Formülasyonu 5. Bu aşamada kısıtları yazmaya başlayablrz. Önce kısıtların katsayılarını ve başlıklarını amaç fonksyonunun katsayılarını yazdığımız gb yazablrz. Bu kısıtlardak herbr değşkenn katsayısını, o kısıtın sütununa yazıyoruz. B C D E F G H 2 SÜPERPLAST ÜRETİM PLAI 3 4 Standart Performa Ultra 5 Üretm Mktarı 6 Brm Kar Katkısı Toplam Kar 7 8 Kısıtlar 9 Makne Makne Depolama 2 3 Standart
32 LP Modellernn Ecel de Formülasyonu Tüm kısıtların matematksel fadelern SUMPRODUCT kullanarak her kısıtın katsayılarının sağındak hücreye yazacağız. F9: SUMPRODUCT($C$5:$E$5;C9:E9) ( e karşılık gelyor) F0: SUMPRODUCT($C$5:$E$5;C0:E0) ( e karşılık gelyor) F: SUMPRODUCT($C$5:$E$5;C:E) (+2+3 e karşılık gelyor) F3: SUMPRODUCT($C$5:$E$5;C3:E3) ( e karşılık gelyor)
33 LP Modellernn Ecel de Formülasyonu 6. Son olarak H6:H3 aralığına kısıtların sağ taraf sabtler yazılacak. B C D E F G H 2 SÜPERPLAST ÜRETİM PLAI 3 4 Standart Performa Ultra 5 Üretm Mktarı 6 Brm Kar Katkısı Toplam Kar 7 8 Kısıtlar Kullanım Kapaste 9 Makne < Makne < 6000 Depolama < Üretm Mnmum 3 Standart > 300
34 Standart:750 Performa:0 Ultra:0 B C D E F G H 2 SÜPERPLAST ÜRETİM PLAI 3 4 Standart Performa Ultra 5 Üretm Mktarı Brm Kar Katkısı Toplam Kar 7 8 Kısıtlar Kullanım Kapaste 9 Makne < Makne < 6000 Depolama 750 < Üretm Mnmum 3 Standart 750 > 300
35 LP Modelnn SOLVER le Çözümü. Öncelkle Ecel üzernde br öncek kısımda hazırladığımız gb model hazırlanmalıdır. 2. Ardından Solver çalıştırılır. Solver a Ecel n Tools (Araçlar) menüsünün altında erşlr.
36 LP Modelnn SOLVER le Çözümü 3. Amaç fonksyonu, Set Target Cell bölümünde belrtlecektr. 4. Ardından amaç fonksyonunun tp Equal To kısmında Ma yada Mn seçeneklernden brs seçlerek belrtlr.
37 LP Modelnn SOLVER le Çözümü 5. Amaç fonksyonunun tanımlanmasının ardından karar değşkenler Solver a tanıtılmalıdır. Bunun çn Solver dyalog penceresnn By Changng Cells bölümüne gdlmes gerekr.
38 LP Modelnn SOLVER le Çözümü 6. Bu aşamada modeln kısıtları Solver a tanıtılacaktır. Yen br kısıt grmek çn Subject to the Constrants kısmında Add düğmesne basmak gerekmektedr. Add düğmesne bastıktan sonra karşımıza Add Constrant penceres çıkacaktır.
39 LP Modelnn SOLVER le Çözümü
40 LP Modelnn SOLVER le Çözümü 7. Solve düğmesne basarak optmal çözümü elde ederz.
41 LP Modelnn SOLVER le Çözümü
42 Answer Report Mcrosoft Ecel 9.0 Answer Report Target Cell (Ma) Cell ame Orgnal Value Fnal Value $F$6 Kar Adjustable Cells Cell ame Orgnal Value Fnal Value $C$5 Üretm Mktarı Standart $D$5 Üretm Mktarı Performa $E$5 Üretm Mktarı Ultra 0 0 Constrants Cell ame Cell Value Formula Status Slack $F$3 Standart Üretm 300$F$3>$H$3 Bndng 0 $F$9 Makne Kullanım 6000$F$9<$H$9 Bndng 0 $F$0 Makne 2 Kullanım 4800$F$0<$H$0 ot Bndng 200 $F$ Depolama Kullanım 200$F$<$H$ ot Bndng 300
43 Yatırım Planlaması Uygulaması EkonoBank yatırım uzmanı, elndek.5 trlyon TL lk fonu aylık getry maksmze edecek şeklde aşağıdak yatırım enstrümanlarına yatırmak stemektedr. Yatırım Enstrümanı Aylık Getr Vade Yapısı Rsk Verg Muafyet A %4.75 Uzun Yüksek Var B %4 Kısa Düşük Var C %4.5 Uzun Düşük Yok D %4.5 Uzun Yüksek Var E %4.5 Kısa Yüksek Yok
44 Yatırım Planlaması Uygulaması Uzman elndek fonun en azından %60 ını kısa vadel enstrümanlara yatırmak stemekte ve paranın %40 ından fazlasını yüksek rskl enstrümanlara yatırmak stememektedr. Elndek fonun en azından %40 ı verg muafyet olan enstrümanlara yatırılmalı ve elde edlecek getrnn de en azından %50 s vergden muaf olmalıdır. Bu problem çn aylık getry maksmze edecek doğrusal programlama modeln formülze ednz. Model Ecel e uyarlayıp çözünüz. Optmal çözüm ve karar değşkenlernn aldıkları değerler bulunuz.
45 Karar Değşkenler: Yatırım planlaması problemnde, her br çeştl yatırım enstrümanlarına yatırılacak mktara karşılık gelen 5 karar değşken tanımlanmalıdır. Bunlar; A A yatırım enstrümanına yatırılacak mktar B B yatırım enstrümanına yatırılacak mktar C C yatırım enstrümanına yatırılacak mktar D D yatırım enstrümanına yatırılacak mktar E E yatırım enstrümanına yatırılacak mktar
46 Amaç Fonksyonu Problemn amacı çeştl yatırım enstrümanlarına yatırılacak mktarlarla elde edlecek getry maksmze etmektr. Dolayısıyla, karar değşkenler le o karar değşkenne karşılık gelen aylık getr değerler çarpılıp, sonra da tüm değerler toplanarak amaç fonksyonu elde edlr. Aşağıda amaç fonksyonu görülmektedr. Maks A B C D E
47 Kısıtlar Problemdek lk kısıt, toplam yatırılacak fonun.5 trlyon TL olmasını sağlayan aşağıdak kısıttır. A + B + C + D + E 500 Yatırım yapılacak fonun en azından %60 ını kısa vadel enstrümanlara yatırılmasını sağlayan kısıt ta şu şeklde yazılır. B + E 900 Yatırımın %40 ından fazlasının yüksek rskl enstrümanlara yatırılmamasını sağlayan kısıt se aşağıdak şeklde oluşturulur. A + D + E 600
48 Kısıtlar Yatırımın en azından %40 ının verg muafyet olan enstrümanlara yatırılmasını sağlayan kısıt aşağıda görülmektedr. A + B + D 600 Elde edlecek getrnn de en azından %50 snn vergden muaf olmasını sağlayan kısıt aşağıda oluşturulmuştur A B D 0.5* (0.0475A B C D E) Son olarak karar değşkenlernn negatf olamama kısıtları da aşağıda gösterldğ gb modele eklenmeldr. A, B, C, D, E 0
49 Matematksel Model Maks A B C D E Kısıtlar A + B + C + D + E 500 B + E 900 A + D + E 600 A + B + D A B D 0.5* (0.0475A B C D E) A, B, C, D, E 0
50 Ecel de Modelleme B C D E F G H I J K 2 EKOOBAK YATIRIM PLAI 3 4 Yatırım Alternatf Mktar Getr Vade Rsk Verg Muafyet Getr 5 A 236,62 %4,75 Uzun 0 Yüksek Var %4,75 6 B 536,62 %4,00 Kısa Düşük 0 Var %4,00 7 C 363,38 %4,50 Uzun 0 Düşük 0 Yok 0 %0,00 8 D 0 %4,50 Uzun 0 Yüksek Var %4,50 9 E 363,38 %4,50 Kısa Yüksek Yok 0 %0, mtl 65,4 mtl 900 mtl 600 mtl 773 mtl 32,70 mtl.500 mtl 900 mtl 600 mtl 600 mtl 32,70 mtl Hücre Formül 2 %4,36 %60 %40 %40 %50 C0: SUM(C5:C9) D0: SUMPRODUCT($C$5:$C$9;D5:D9) F0: SUMPRODUCT($C$5:$C$9;F5:F9) H0: SUMPRODUCT($C$5:$C$9;H5:H9) J0: SUMPRODUCT($C$5:$C$9;J5:J9) K0: SUMPRODUCT($C$5:$C$9;K5:K9) F: F2*C H: H2*C J: J2*C K: K2*D0 D2: D0/C0
51 Solver Parametreler
52 Optmal Çözüm B C D E F G H I J K 2 EKOOBAK YATIRIM PLAI 3 4 Yatırım Alternatf Mktar Getr Vade Rsk Verg Muafyet Getr 5 A 236,62 %4,75 Uzun 0 Yüksek Var %4,75 6 B 536,62 %4,00 Kısa Düşük 0 Var %4,00 7 C 363,38 %4,50 Uzun 0 Düşük 0 Yok 0 %0,00 8 D 0 %4,50 Uzun 0 Yüksek Var %4,50 9 E 363,38 %4,50 Kısa Yüksek Yok 0 %0, mtl 65,4 mtl 900 mtl 600 mtl 773 mtl 32,70 mtl.500 mtl 900 mtl 600 mtl 600 mtl 32,70 mtl 2 %4,36 %60 %40 %40 %50 Bu çözüme göre EkonoBank A enstrümanına mlyar TL, B enstrümanına mlyar TL, C enstrümanına mlyar TL, D enstrümanına 0 TL ve E enstrümanına mlyar TL yatırmalıdır. Bu yatırım planı le.5 trlyon TL lk yatırımı le 65.4 mlyar TL (yada %4.36) getr elde edecektr.
53 akt Dengelemes Uygulaması Br şletme 2004 yılı çn aylık nakt grşçıkışlarını şu şeklde öngörmektedr. Ay akt Grş (mlyar TL) Ay Ocak -20 Temmuz -70 Şubat -00 Ağustos -20 Mart -80 Eylül 50 san -00 Ekm 20 Mayıs -40 Kasım -70 Hazran 50 Aralık 450 akt Grş (mlyar TL)
54 akt Dengelemes Uygulaması Şrket ödemelern gerçekleştreblmek çn 2004 başında kred almak zorundadır. İk kred tp var: Uzun ve Kısa döneml Uzun döneml kred 2004 Ocak başında alınablr, her ay %5 faz ödenr, 2005 Ocak başında kapatılır. Kısa döneml kred her ay başında alınablr. Aylık faz oranı %7.5. Her ay sonunda eldek fazla nakt %2 faz kazanmaktadır.
55 akt Dengelemes Uygulaması Şrket doğrusal programlama kullanarak 2005 Ocak ayı başındak nakt düzeyn maksmze etmek stemektedr. Yönetm toplam ödeyeceğ faz mnmze edecek model de kurmak stemektedr. Şrketn kasasında şu anda 65 mlyar TL bulunmakta ve her ay sonunda kasada en az 50 mlyar TL olması stenmektedr.
56 akt Dengelemes Uygulaması D(t) D(t-)+ FazGelr(t-) +AlınanBorç(t) + aktgrş(t) UDönemBorçFazÖdeme(t) - KDönemBorçFazÖdeme(t-) UDönemKredGerÖdemes (Ocak2005) KDönemKredGerÖdemes(t-)
57 akt Dengelemes Model
58 MODER PORTFÖY TEORİSİ Markowtz model, hedeflenen beklenen getr düzeyn karşılayacak mnmum varyanslı (mnmum rskl) portföyü bulmaya çalışır. Varsayımları,. Yatırımların getrler yatırımların çıktısı olarak fade edleblr.. Yatırımcının rsk tahmn, varlıkların ya da portföyün getrlernn varyansı le orantılıdır.. Yatırımcılar kararlarını verrken sadece beklenen getr ve getrnn varyansını model parametreler olarak kullanmaya razıdırlar. v. Yatırımcı rskten kaçma eğlm göstermektedr. Herhang br beklenen getr düzeynde, ulaşableceğ mnmum rsk, herhang br rsk düzeynde de ulaşbleceğ maksmum getry seçecektr.
59 Beklenen Getr Br varlığın beklenen getrs şu şeklde formülze edlr; μ E [ G ] O. G μ Beklenen getr, E[G], O senaryosunun gerçekleşme olasılığı, G senaryosunun beklenen getrs, olası senaryo sayısı,
60 Rsk Ölçütler Varyans, getrler le beklenen getrnn farklarının kareler toplamı le hesaplanan br rsk ölçütüdür. Portföy optmzasyonu modellernde rsk ölçütü olarak genellkle varyanstan yararlanılır. Varyansın karekökü de standart sapmadır. var(g) σ 2 O. ( G μ) 2
61 Kovaryans İk tesadüf getrnn görel hareketlernn anlamlılığının statstksel ölçütü kovaryanstır. İk varlık arasındak kovaryans değer aşağıdak formül le elde edlr. σ,2 O.(G, μ).(g2, μ2) Eğer varlıkların ortalamalarından sapmaları aynı zaman dlmlernde aynı yönde olursa, varlıklar arasındak kovaryans poztf br değer alacaktır. Öte yandan, varlıkların ortalamalarından sapmaları aynı zaman dlmlernde farklı yönde olursa, varlıklar arasındak kovaryans negatf br değer alacaktır. Varlıkların ortalamalarından sapma değerler arasında anlamlı br lşk yoksa da, kovaryans değer sıfıra yaklaşacaktır.
62 Portföy Getrs ve Varyansı (2 varlık) [ ] B B A A P P G E μ + μ μ AB B A 2 B 2 B 2 A 2 A P 2 P 2 ) G var( σ + σ + σ σ
63 Markowtz Model Modelde amaç fonksyonu mnmze edlecek portföy varyansıdır Mn. j j σ j Mn. 2 σ j + j σ j
64 Markowtz Model Beklenen getr hedefnn sağlanması kısıtı μ R portföyde bulunan varlıkların ağırlıkları toplamının olması kısıtı
65 Markowtz Model Mn. s.t. 0 μ j R, j σ j,.., mevcut varlık sayısı, μ varlığının beklenen getrs (,..,), σ j ve j varlıkları arasındak kovaryans değer (,..,), (j,..,), j çn varlığının varyans değer, R hedeflenen beklenen getr düzey, varlığının portföy çndek oranı, (karar değşken) (,..,),
66 Örnek Kapanış Hsse Hsse 2 Hsse 3 Hsse 4 Hsse 5 Dönem Dönem Dönem Dönem Dönem Dönem Dönem Dönem Dönem Dönem
67 Model B C D E F G H 4 5 Getrler Hsse Hsse 2 Hsse 3 Hsse 4 Hsse 5 6 Dönem 7 Dönem 2 %0.0 %20.0 %0.0 %.4 % Dönem 3 %3.6 %4.6 %5.2 %-7.0 % Dönem 4 %4.0 %-27.3 %-3.2 %6.7 % Dönem 5 %-7.7 %47.5 %2.2 %3.9 % Dönem 6 %.7 %8.5 %7.5 %-6.3 % Dönem 7 %-3.0 %5.6 %-.6 %26.7 % Dönem 8 %5.4 %-8.9 %28.9 %5.8 %.3 24 Dönem 9 %-6.7 %40.0 %2.2 %9. % Dönem 0 %0.0 %9.0 %2.8 %2.5 % Ortalama %5.3 %3.2 %0.2 %8. % Kovaryans Hsse Hsse 2 Hsse 3 Hsse 4 Hsse 5 29 Hsse Hsse Hsse Hsse Hsse Toplam 35 Portföy Portföy Getrs %0.0 Portföy Varyansı 0 38 Hedeflenen Getr %0.0 Standart Sapma 0
68 Etkn Sınır Karar verc farklı beklenen getr düzeyler çn yukarıda oluşturulan model çözdüğünde, her br o getr düzey çn etkn olan portföyler elde edecektr. Hedeflenen getr düzeyler ve o getr düzeynde elde edlen etkn portföylern varyansları beklenen getrvaryans grafğ üzernde gösterldğnde, bu etkn portföyler brleştren eğr etkn sınır olarak adlandırılır. Hedeflenen Getr Rsk (Portföy Varyansı)
69 Modeln Gelştrlmes Yatırım Üst Sınırları Rsksz yatırım enstrümanı İşlem malyetler Açığa satış şlemler Tamsayı değşkenler
70 Yatırım Üst Sınırları,.., 0,,.., US, R s.t. Mn. j j j μ σ
71 Rsksz yatırım enstrümanı 0,..,, 0 ) ( R ) ( s.t. Mn. r r r r j j j + μ + μ σ
72 İşlem malyetler,.., 0,,.., 0 b 0 m )).( ( m )).( ( R s.t. Mn. s a a s j j j + + μ σ
73 Kredl ve Açığa satış şlemler,..,, 0 0 L ) ( R ) ( s.t. Mn. b b b b b j j j + μ + μ σ,..,, ) ( R s.t. Mn. j j j μ σ sınırsız
74 Tamsayı değşkenler,..,, 0,.., tamsayı,0 y,.., 0 y n y R s.t. Mn. j j j μ σ
FİNANSAL MODELLEME. Doç.Dr.Aydın ULUCAN Hacettepe Üniversitesi
FİNANSAL MODELLEME Doç.Dr.Aydın ULUCAN Hacettepe Ünverstes KARAR VERME Karar verme, ş dünyasının çalışmasını sağlayan temel unsurlardandır. Tüm yönetcler, bulundukları faalyet alanı ve kademelernden bağımsız
DetaylıUZMANLAR İÇİN MODELLEME. Doç.Dr.Aydın ULUCAN
UZMANLAR İÇİN MODELLEME Doç.Dr.Aydın ULUCAN Karar Modellerinin Temel Bileşenleri Karar Değişkenleri: Amaca ulaşmak için kontrol edilen faktörler. Amaç Fonksiyonu: Ulaşılmak istenen hedefin karar değişkenlerinin
Detaylıkadar ( i. kaynağın gölge fiyatı kadar) olmalıdır.
KONU : DUAL MODELİN EKONOMİK YORUMU Br prmal-dual model lşks P : max Z cx D: mn Z bv AX b AV c X 0 V 0 bçmnde tanımlı olsun. Prmal modeln en y temel B ve buna lşkn fyat vektörü c B olsun. Z B B BB c X
DetaylıDoğrusal Korelasyon ve Regresyon
Doğrusal Korelasyon ve Regresyon En az k değşken arasındak lşknn ncelenmesne korelasyon denr. Kşlern boyları le ağırlıkları, gelr le gder, öğrenclern çalıştıkları süre le aldıkları not, tarlaya atılan
DetaylıÇOKLU REGRESYON MODELİ, ANOVA TABLOSU, MATRİSLERLE REGRESYON ÇÖZÜMLEMESİ,REGRES-YON KATSAYILARININ YORUMU
6.07.0 ÇOKLU REGRESON MODELİ, ANOVA TABLOSU, MATRİSLERLE REGRESON ÇÖZÜMLEMESİ,REGRES-ON KATSAILARININ ORUMU ÇOKLU REGRESON MODELİ Ekonom ve şletmeclk alanlarında herhang br bağımlı değşken tek br bağımsız
DetaylıKorelasyon ve Regresyon
Korelasyon ve Regresyon 1 Korelasyon Analz İk değşken arasında lşk olup olmadığını belrlemek çn yapılan analze korelasyon analz denr. Korelasyon; doğrusal yada doğrusal olmayan dye kye ayrılır. Korelasyon
DetaylıBÖLÜM 5 İKİ VEYA DAHA YÜKSEK BOYUTLU RASGELE DEĞİŞKENLER İki Boyutlu Rasgele Değişkenler
BÖLÜM 5 İKİ VEYA DAHA YÜKSEK BOYUTLU RASGELE DEĞİŞKENLER 5.. İk Boyutlu Rasgele Değşkenler Br deney yapıldığında, aynı deneyle lgl brçok rasgele değşkenn aynı andak durumunu düşünmek gerekeblr. Böyle durumlarda
DetaylıX, R, p, np, c, u ve diğer kontrol diyagramları istatistiksel kalite kontrol diyagramlarının
1 DİĞER ÖZEL İSTATİSTİKSEL KALİTE KONTROL DİYAGRAMLARI X, R, p, np, c, u ve dğer kontrol dyagramları statstksel kalte kontrol dyagramlarının temel teknkler olup en çok kullanılanlarıdır. Bu teknkler ell
DetaylıUYUM ĐYĐLĐĞĐ TESTĐ. 2 -n olup. nin dağılımı χ dir ve sd = (k-1-p) dir. Burada k = sınıf sayısı, p = tahmin edilen parametre sayısıdır.
UYUM ĐYĐLĐĞĐ TESTĐ Posson: H o: Ver Posson dağılıma sahp br ktleden gelmektedr. H a : Ver Posson dağılıma sahp br ktleden gelmemektedr. Böyle br hpotez test edeblmek çn, önce Posson dağılım parametres
DetaylıPARÇALI DOĞRUSAL REGRESYON
HAFTA 4 PARÇALI DOĞRUSAL REGRESYO Gölge değşkenn br başka kullanımını açıklamak çn varsayımsal br şrketn satış temslclerne nasıl ödeme yaptığı ele alınsın. Satış prmleryle satış hacm Arasındak varsayımsal
DetaylıMakine Öğrenmesi 10. hafta
Makne Öğrenmes 0. hafta Lagrange Optmzasonu Destek Vektör Maknes (SVM) Karesel (Quadratc) Programlama Optmzason Blmsel term olarak dlmze geçmş olsa da bazen en leme termle karşılık bulur. Matematktek en
DetaylıDeney No: 2. Sıvı Seviye Kontrol Deneyi. SAKARYA ÜNİVERSİTESİ Dijital Kontrol Laboratuvar Deney Föyü Deneyin Amacı
SRY ÜNİVERSİESİ Djtal ontrol Laboratuvar Deney Föyü Deney No: 2 Sıvı Sevye ontrol Deney 2.. Deneyn macı Bu deneyn amacı, doğrusal olmayan sıvı sevye sstemnn belrlenen br çalışma noktası cvarında doğrusallaştırılmış
DetaylıSürekli Olasılık Dağılım (Birikimli- Kümülatif)Fonksiyonu. Yrd. Doç. Dr. Tijen ÖVER ÖZÇELİK
Sürekl Olasılık Dağılım Brkml- KümülatFonksyonu Yrd. Doç. Dr. Tjen ÖVER ÖZÇELİK tover@sakarya.edu.tr Sürekl olasılık onksyonları X değşken - ;+ aralığında tanımlanmış br sürekl rassal değşken olsun. Aşağıdak
DetaylıYÖNETİM VE EKONOMİ Yıl:2006 Cilt:13 Sayı:1 Celal Bayar Üniversitesi İ.İ.B.F. MANİSA
YÖNETİM VE EKONOMİ Yıl:2006 Clt:3 Sayı: Celal Bayar Ünverstes İ.İ.B.F. MANİSA Bulanık Araç Rotalama Problemlerne Br Model Öners ve Br Uygulama Doç. Dr. İbrahm GÜNGÖR Süleyman Demrel Ünverstes, İ.İ.B.F.,
Detaylıdir. Bir başka deyişle bir olayın olasılığı, uygun sonuçların sayısının örnek uzaydaki tüm sonuçların sayısına oranıdır.
BÖLÜM 3 OLASILIK HESABI 3.. Br Olayın Olasılığı Tanım 3... Br olayın brbrnden ayrık ve ortaya çıkma şansı eşt n mümkün sonucundan m tanes br A olayına uygun se, A olayının P(A) le gösterlen olasılığı P(A)
DetaylıDOĞRUSAL HEDEF PROGRAMLAMA İLE BÜTÇELEME. Hazırlayan: Ozan Kocadağlı Danışman: Prof. Dr. Nalan Cinemre
1 DOĞRUSAL HEDEF PROGRAMLAMA İLE BÜTÇELEME Hazırlayan: Ozan Kocadağlı Danışman: Prof. Dr. Nalan Cnemre 2 BİRİNCİ BÖLÜM HEDEF PROGRAMLAMA 1.1 Grş Karar problemler amaç sayısına göre tek amaçlı ve çok amaçlı
Detaylı1. KEYNESÇİ PARA TALEBİ TEORİSİ
DERS NOTU 07 KEYNESÇİ PARA TALEBİ TEORİSİ, LM EĞRİSİ VE PARA TALEBİ FAİZ ESNEKLİĞİ Bugünk dersn çerğ: 1. KEYNESÇİ PARA TALEBİ TEORİSİ... 1 1.1 İŞLEMLER (MUAMELELER) TALEBİ... 2 1.2 ÖNLEM (İHTİYAT) TALEBİ...
DetaylıKISITLI OPTİMİZASYON YAKLAŞTIRMA PROBLEMLERİ
KISILI OPİMİZASYON YAKLAŞIMA POLEMLEİ amamıyla doğrsal lşk gösteren kısıtlı optmzasyon problemler çn en güçlü araç doğrsal programlama teknğdr. Çoğ drmda doğrsal olmayan lşkler blndran çeştl optmzasyon
DetaylıSistemde kullanılan baralar, klasik anlamda üç ana grupta toplanabilir :
5 9. BÖLÜM YÜK AKIŞI (GÜÇ AKIŞI) 9.. Grş İletm sstemlernn analzlernde, bara sayısı arttıkça artan karmaşıklıkları yenmek çn sstemn matematksel modellenmesnde kolaylık getrc bazı yöntemler gelştrlmştr.
DetaylıSıklık Tabloları ve Tek Değişkenli Grafikler
Sıklık Tabloları ve Tek Değşkenl Grafkler Sıklık Tablosu Ver dzsnde yer alan değerlern tekrarlama sayılarını çeren tabloya sıklık tablosu denr. Sıklık Tabloları tek değşken çn marjnal tablo olarak adlandırılır.
DetaylıPROJE SEÇİMİ VE KAYNAK PLANLAMASI İÇİN BİR ALGORİTMA AN ALGORITHM FOR PROJECT SELECTION AND RESOURCE PLANNING
Dokuz Eylül Ünverstes Sosyal Blmler Ensttüsü Dergs Clt 3, Sayı:2, 2001 PROJE SEÇİMİ VE KAYAK PLALAMASI İÇİ BİR ALGORİTMA lgün MORALI 1 C. Cengz ÇELİKOĞLU 2 ÖZ Kaynak tahss problemler koşullara bağlı olarak
DetaylıAtatürk Üniversitesi İktisadi ve İdari Bilimler Dergisi, Cilt: 25, Sayı: 1, 2011 225
Atatürk Ünverstes İktsad ve İdar Blmler Dergs, Clt: 25, Sayı:, 20 225 FİNANSAL ANALİZDE KULLANILAN ORANLAR VE HİSSE SENEDİ GETİRİLERİ ARASINDAKİ İLİŞKİ: EKONOMİK KRİZ DÖNEMLERİ İÇİN İMKB İMALAT SANAYİ
DetaylıBANKACILIKTA ETKİNLİK VE SERMAYE YAPISININ BANKALARIN ETKİNLİĞİNE ETKİSİ
BANKACILIKTA ETKİNLİK VE SERMAYE YAPISININ BANKALARIN ETKİNLİĞİNE ETKİSİ Yrd. Doç. Dr. Murat ATAN - Araş. Gör. Gaye KARPAT ÇATALBAŞ 2 ÖZET Bu çalışma, Türk bankacılık sstem çnde faalyet gösteren tcar bankaların
DetaylıRasgele Değişken Üretme Teknikleri
Rasgele Değşken Üretme Teknkler Amaç Smülasyon modelnn grdlern oluşturacak örneklern üretlmes Yaygın olarak kullanılan ayrık veya sürekl dağılımların örneklenmes sürecn anlamak Yaygın olarak kullanılan
Detaylı5.3. Tekne Yüzeylerinin Matematiksel Temsili
5.3. Tekne Yüzeylernn atematksel Temsl atematksel yüzey temslnde lk öneml çalışmalar Coons (53) tarafından gerçekleştrlmştr. Ferguson yüzeylernn gelştrlmş hal olan Coons yüzeylernde tüm sınır eğrler çn
DetaylıHAFTA 13. kadın profesörlerin ortalama maaşı E( Y D 1) erkek profesörlerin ortalama maaşı. Kestirim denklemi D : t :
HAFTA 13 GÖLGE EĞİŞKENLERLE REGRESYON (UMMY VARIABLES) Gölge veya kukla (dummy) değşkenler denen ntel değşkenler, cnsyet, dn, ten reng gb hemen sayısallaştırılamayan ama açıklanan değşkenn davranışını
DetaylıTek Yönlü Varyans Analizi
Tek Yönlü Varyan Analz Nedr ve hang durumlarda kullanılır? den fazla grupların karşılaştırılmaı öz konuu e, çok ayıda t-tet nn kullanılmaı, Tp I hatanın artmaına yol açar; Örneğn, eğer 5 grubu kşerl olarak
DetaylıHİSSE SENETLERİNİN BEKLENEN GETİRİ VE RİSKLERİNİN TAHMİNİNDE ALTERNATİF MODELLER
İstanbul Ünverstes İktsat Fakültes Malye Araştırma Merkez Konferansları 47. Ser / Yıl 005 Prof. Dr. Türkan Öncel e Armağan HİSSE SENETLERİNİN BEKLENEN GETİRİ VE RİSKLERİNİN TAHMİNİNDE ALTERNATİF MODELLER
DetaylıBÖLÜM 1 1.GİRİŞ: İSTATİSTİKSEL DOĞRUSAL MODELLER
BÖLÜM 1 1.GİRİŞ: İSTATİSTİKSEL DOĞRUSAL MODELLER Blmn amaçlarından br yaşanılan doğa olaylarını tanımlamak ve olayları önceden tahmnlemektr. Bu amacı başarmanın yollarından br olaylar üzernde etkl olduğu
DetaylıENDÜSTRİNİN DEĞİŞİK İŞ KOLLARINDA İHTİYAÇ DUYULAN ELEMANLARIN YÜKSEK TEKNİK EĞİTİM MEZUNLARINDAN SAĞLANMASINDAKİ BEKLENTİLERİN SINANMASI
V. Ulusal Üretm Araştırmaları Sempozyumu, İstanbul Tcaret Ünverstes, 5-7 Kasım 5 ENDÜSTRİNİN DEĞİŞİK İŞ KOLLARINDA İHTİYAÇ DUYULAN ELEMANLARIN YÜKSEK TEKNİK EĞİTİM MEZUNLARINDAN SAĞLANMASINDAKİ BEKLENTİLERİN
DetaylıTÜRKİYE DEKİ 380 kv LUK 14 BARALI GÜÇ SİSTEMİNDE EKONOMİK YÜKLENME ANALİZİ
TÜRİYE DEİ 38 kv LU 4 BARALI GÜÇ SİSTEMİDE EOOMİ YÜLEME AALİZİ Mehmet URBA Ümmühan BAŞARA 2,2 Elektrk-Elektronk Mühendslğ Bölümü Mühendslk-Mmarlık Fakültes Anadolu Ünverstes İk Eylül ampüsü, 2647, ESİŞEHİR
DetaylıKİ-KARE TESTLERİ A) Kİ-KARE DAĞILIMI VE ÖZELLİKLERİ
Kİ-KAR TSTLRİ A) Kİ-KAR DAĞILIMI V ÖZLLİKLRİ Örnekleme yoluyla elde edlen rakamların, anakütle rakamlarına uygun olup olmadığı; br başka fadeyle gözlenen değerlern teork( beklenen) değerlere uygunluk gösterp
DetaylıKar Payı Politikası ve Yaşam Döngüsü Teorisi: İMKB İmalat Sektöründe Ampirik Bir Uygulama
Anadolu Ünverses Sosyal Blmler Dergs Anadolu Unversy Journal of Socal Scences Kar Payı Polkası ve Yaşam Döngüsü Teors: İMKB İmalat Sektöründe Amprk Br Uygulama Dvdend Payout Polcy and Lfe Cycle Theory:
DetaylıYER ÖLÇÜLERİ. Yer ölçüleri, verilerin merkezini veya yığılma noktasını belirleyen istatistiklerdir.
YER ÖLÇÜLERİ Yer ölçüler, verler merkez veya yığılma oktasıı belrleye statstklerdr. Grafkler bze verler yığılma oktaları hakkıda ö blg vermede yardımcı olurlar. Acak bu değerler gerçek değerler değldr,
DetaylıKİ KARE ANALİZİ. Doç. Dr. Mehmet AKSARAYLI Ki-Kare Analizleri
Kİ KAR ANALİZİ 1 Doç. Dr. Mehmet AKSARAYLI www.mehmetaksarayl K-Kare Analzler OLAY 1: Genelde br statstk sınıfında, öğrenclern %60 ının devamlı, %30 unun bazen, %10 unun se çok az derse geldkler düşünülmektedr.
DetaylıKİ-KARE TESTLERİ. şeklinde karesi alındığında, Z i. değerlerinin dağılımı ki-kare dağılımına dönüşür.
Kİ-KARE TESTLERİ A) Kİ-KARE DAĞILIMI VE ÖZELLİKLERİ Örnekleme yoluyla elde edlen rakamların, anakütle rakamlarına uygun olup olmadığı; br başka fadeyle gözlenen değerlern teork( beklenen) değerlere uygunluk
DetaylıÇOK AMAÇLI DOĞRUSAL PROGRAMLAMADAN SİSTEM TASARIMINA: DE NOVO. Özet
Dokuz Eylül Ünverstes Sosyal Blmler Ensttüsü Dergs Yayın Gelş Tarh: 0.0.00 Clt:, Sayı: 4, Yıl: 00, Sayfa: -74 Yayına Kabul Tarh: 7.0.0 ISSN: 0-84 ÇOK AMAÇLI DOĞRUSAL PROGRAMLAMADAN SİSTEM TASARIMINA: DE
DetaylıStandart Model (SM) Lagrange Yoğunluğu. u, d, c, s, t, b. e,, Şimdilik nötrinoları kütlesiz Kabul edeceğiz. Kuark çiftlerini gösterelim.
SM de yer alacak fermyonlar Standart Model (SM) agrange Yoğunluğu u s t d c b u, d, c, s, t, b e e e,, Şmdlk nötrnoları kütlesz Kabul edeceğz. Kuark çftlern gösterelm. u, c ve t y u (=1,,) olarak gösterelm.
DetaylıMuhasebe ve Finansman Dergisi
Muhasebe ve Fnansman Dergs Ocak/2012 Farklı Muhasebe Düzenlemelerne Göre Hazırlanan Mal Tablolardan Elde Edlen Fnansal Oranlar İle Şrketlern Hsse Sened Getrler Ve Pyasa Değerler Arasındak İlşk Ahmet BÜYÜKŞALVARCI
DetaylıMIT Açık Ders Malzemeleri Bu materyallerden alıntı yapmak veya Kullanım Koşulları hakkında bilgi almak için
MIT Açık Ders Malzemeler http://ocm.mt.edu Bu materyallerden alıntı yapmak veya Kullanım Koşulları hakkında blg almak çn http://ocm.mt.edu/terms veya http://tuba.açık ders.org.tr adresn zyaret ednz. 18.102
DetaylıBULANIK HEDEF PROGRAMLAMA VE BİR TEKSTİL FİRMASINDA UYGULAMA ÖRNEĞİ
Eskşehr Osmangaz Ünverstes Sosyal Blmler Dergs Clt: 6 Sayı: 2 Aralık 2005 BULANIK HEDEF PROGRAMLAMA VE BİR TEKSTİL FİRMASINDA UYGULAMA ÖRNEĞİ İrfan ERTUĞRUL Pamukkale Ünverstes İİBF, Denzl ÖZET Günümüzde
DetaylıKısa Vadeli Sermaye Girişi Modellemesi: Türkiye Örneği
Dokuz Eylül Ünverstes İktsad ve İdar Blmler Fakültes Dergs, Clt:24, Sayı:1, Yıl:2009, ss.105-122. Kısa Vadel Sermaye Grş Modellemes: Türkye Örneğ Mehmet AKSARAYLI 1 Özhan TUNCAY 2 Alınma Tarh: 04-2008,
Detaylıbir yol oluşturmaktadır. Yine i 2 , de bir yol oluşturmaktadır. Şekil.DT.1. Temel terimlerin incelenmesi için örnek devre
Devre Analz Teknkler DEE AAĐZ TEKĐKEĐ Bu zamana kadar kullandığımız Krchoffun kanunları ve Ohm kanunu devre problemlern çözmek çn gerekl ve yeterl olan eştlkler sağladılar. Fakat bu kanunları kullanarak
DetaylıDENEY 4: SERİ VE PARALEL DEVRELER,VOLTAJ VE AKIM BÖLÜCÜ KURALLARI, KIRCHOFF KANUNLARI
A. DNYİN AMACI : Bast ser ve bast paralel drenç devrelern analz edp kavramak. Voltaj ve akım bölücü kurallarını kavramak. Krchoff kanunlarını deneysel olarak uygulamak. B. KULLANILACAK AAÇ V MALZML : 1.
DetaylıT.C. KAHRAMANMARAŞ SÜTÇÜ İMAM ÜNİVERSİTESİ SOSYAL BİLİMLER ENSTİTÜSÜ İŞLETME ANABİLİMDALI
T.C. KAHRAMANMARAŞ SÜTÇÜ İMAM ÜNİVERSİTESİ SOSYAL BİLİMLER ENSTİTÜSÜ İŞLETME ANABİLİMDALI İMKB DE YÜKSELEN PİYASA VE DÜŞEN PİYASA DÖNEMLERİNDE DURUMSAL İLİŞKİ ANALİZİ YÜKSEK LİSANS TEZİ KAHRAMANMARAŞ TEMMUZ
DetaylıANE - AEGON EMEKLİLİK VE HAYAT A.Ş.DENGELİ EYF
AEGON EMEKLİLİK VE HAYAT A.Ş. DENGELİ EMEKLİLİK YATIRIM FONU FON KURULU ÜÇÜNCÜ 3 AYLIK FAALİYET RAPORU Bu rapor AEGON Emekllk ve Hayat A.Ş Dengel Emekllk Yatırım Fonu nun 01.07.2011 30.09.2011 dönemne
DetaylıTEKNOLOJİ, PİYASA REKABETİ VE REFAH
TEKNOLOJİ, PİYASA REKABETİ VE REFAH Dr Türkmen Göksel Ankara Ünverstes Syasal Blgler Fakültes Özet Bu makalede teknoloj sevyesnn pyasa rekabet ve refah sevyes üzerndek etkler matematksel br model le ncelenecektr
DetaylıTAŞIMACILIK SEKTÖRÜNÜN İŞLEYİŞ SÜRECİ, BULANIK DAĞITIM PROBLEMİNİN TAMSAYILI DOĞRUSAL PROGRAMLAMA MODEL DENEMESİ
ZKÜ Sosyal Blmler Dergs, Clt 3, Sayı 6, 2007, ss. 109 125. TAŞIMACILIK SEKTÖRÜNÜN İŞLEYİŞ SÜRECİ, BULANIK DAĞITIM PROBLEMİNİN TAMSAYILI DOĞRUSAL PROGRAMLAMA MODEL DENEMESİ Yrd.Doç.Dr. Ahmet ERGÜLEN Nğde
Detaylı4.5. SOĞUTMA KULELERİNİN BOYUTLANDIRILMASI İÇİN BİR ANALIZ
Ünsal M.; Varol, A.: Soğutma Kulelernn Boyutlandırılması İçn Br Kuramsal 8 Mayıs 990, S: 8-85, Adana 4.5. SOĞUTMA KULELERİNİN BOYUTLANDIRILMASI İÇİN BİR ANALIZ Asaf Varol Fırat Ünverstes, Teknk Eğtm Fakültes,
Detaylı( ) 3.1 Özet ve Motivasyon. v = G v v Operasyonel Amplifikatör (Op-Amp) Deneyin Amacı. deney 3
Yıldız Teknk Ünverstes Elektrk Mühendslğ Bölümü Deneyn Amacı İşlemsel kuvvetlendrcnn çalışma prensbnn anlaşılması le çeştl OP AMP devrelernn uygulanması ve ncelenmes. Özet ve Motvasyon.. Operasyonel Amplfkatör
DetaylıAEGON EMEKLİLİK VE HAYAT A.Ş. DENGELİ EMEKLİLİK YATIRIM FONU
AEGON EMEKLİLİK VE HAYAT A.Ş. DENGELİ EMEKLİLİK YATIRIM FONU FON KURULU ÜÇÜNCÜ 3 AYLIK FAALİYET RAPORU Bu rapor AEGON Emekllk ve Hayat A.Ş. Dengel Emekllk Yatırım Fonu nun 01.07.2012-30.09.2012 dönemne
DetaylıAkademik Sosyal Araştırmalar Dergisi, Yıl: 6, Sayı: 66, Mart 2018, s
Akademk Sosyal Araştırmalar Dergs, Yıl: 6, Sayı: 66, Mart 2018, s. 36-57 Yayın Gelş Tarh / Artcle Arrval Date Yayınlanma Tarh / The Publcaton Date 06.01.2018 15.03.2018 Yrd. Doç. Dr. İbrahm SABUCU Yalova
DetaylıFİNANSAL YÖNETİM. Finansal Yönetim Örnek Sorular Güz 2015. Yrd. Doç. Dr. Rüstem Barış Yeşilay 1. Örnek. Örnek. Örnek. Örnek. Örnek
Fasal Yöetm Örek lar Güz 2015 Güz 2015 Fasal Yöetm Örek lar 2 Örek FİNNSL YÖNETİM ÖRNEKLER 1000 TL %10 fazde kaç yıl süreyle yatırıldığıda 1600 TL olur? =1000 TL, FV=1600 TL, =0.1 FV (1 ) FV 1600 (1 )
DetaylıTÜRKİYE CUMHURİYETİ ÇUKUROVA ÜNİVERSİTESİ SOSYAL BİLİMLER ENSTİTÜSÜ İŞLETME ANABİLİM DALI
TÜRKİYE CUMHURİYETİ ÇUKUROVA ÜNİVERSİTESİ SOSYAL BİLİMLER ENSTİTÜSÜ İŞLETME ANABİLİM DALI FİRMA ÇEŞİTLENDİRMESİNİN FİRMA DEĞERİ, RİSKİ VE PERFORMANSINA ETKİLERİ: TÜRKİYE UYGULAMASI Emel YÜCEL DOKTORA TEZİ
DetaylıNİTEL TERCİH MODELLERİ
NİTEL TERCİH MODELLERİ 2300 gözlem sayısı le verlen değşkenler aşağıdak gbdr: calsma: çocuk çalışıyorsa 1, çalışmıyorsa 0 (bağımlı değşken) Anne_egts: Anne eğtm sevyes Baba_egts: Baba eğtm sevyes Kent:
DetaylıOLİGOPOLLER VE OYUN KURAMI 2
OLİGOPOLLER VE OYUN KURAMI. OLİGOPOL OYUN KURALLARI. OLİGOPOL OYUN STRATEJİLERİ 3. OLİGOPOL OYUNUNDA SKORLAR 3 4. MAHKUMLAR ÇIKMAZI 3 5. BİR DUOPOL OYUNU 6 5.. MALİYET VE TALEP KOŞULLARI 6 5.. KAR MAKSİMİZASYONU
DetaylıÖRNEK SET 5 - MBM 211 Malzeme Termodinamiği I
ÖRNE SE 5 - MBM Malzeme ermdnamğ I 5 ºC de ve sabt basınç altında, metan gazının su buharı le reaksynunun standart Gbbs serbest enerjs değşmn hesaplayın. Çözüm C O( ( ( G S S S g 98 98 98 98 98 98 98 Madde
DetaylıTek Yönlü Varyans Analizi (ANOVA)
VARYANS ANALİZİ İ örne ortalaması arasında farın önem ontrolü, örne büyülüğüne göre z veya testlernden bryle yapılır. Bu testlerle, den fazla örne ortalamasını brlte test etme ve aralarında farın önem
DetaylıFarklı Varyans. Var(u i X i ) = Var(u i ) = E(u i2 ) = s 2 Eşit Varyans
Farklı Varyans Var(u X ) = Var(u ) = E(u ) = s Eşt Varyans Y X 1 Farklı Varyans Hata Var(u X ) = Var(u ) = E(u ) = s Farklı Varyans Zaman EKKY nn varsayımlarından br anakütle regresyon fonksyonu u lern
DetaylıCommunication Theory
Communcaton Theory ENFORMASYON TEORİSİ KODLAMA Doç. Dr. Hakan Doğan ENFORMASYON DEYİMİ NEDEN KULLANILMIŞ? Kaynaklarn, kanalların,alıcıların blg karakterstklern ncelemek. Blgnn letmn optmze etmek çn İletmn
DetaylıTÜRKİYE CUMHURİYETİ ÇUKUROVA ÜNİVERSİTESİ SOSYAL BİLİMLER ENSTİTÜSÜ EKONOMETRİ ANABİLİM DALI OYUN KURAMININ EKONOMİDE UYGULANMASI
TÜRKİYE CUMHURİYETİ ÇUKUROVA ÜNİVERSİTESİ SOSYAL BİLİMLER ENSTİTÜSÜ EKONOMETRİ ANABİLİM DALI OYUN KURAMININ EKONOMİDE UYGULANMASI Hall İbrahm KESKİN YÜKSEK LİSANS TEZİ ADANA 009 TÜRKİYE CUMHURİYETİ ÇUKUROVA
DetaylıYAŞAM ÇÖZÜMLEMESİNDE AYKIRI DEĞERLER OUTLIERS IN SURVIVAL ANALYSIS
YAŞAM ÇÖZÜMLEMESİNDE AYKIRI DEĞERLER OUTLIERS IN SURVIVAL ANALYSIS NURAY TUNCER PROF. DR. DURDU KARASOY Tez Danışmanı Hacettepe Ünverstes Lsansüstü Eğtm-Öğretm Yönetmelğnn İstatstk Anablm Dalı İçn Öngördüğü
DetaylıDersin Yürütülmesi Hakkında. (Örgün / Yüz Yüze Eğitim için) (Harmanlanmış Eğitim için) (Uzaktan Eğitim için)
Ders Kodu Teork Uygulama Lab. Uluslararası Muhasebe ve Fnansal Raporlama Standartları Ulusal Kred Öğretm planındak AKTS 344000000000510 3 0 0 3 6 Ön Koşullar : Bu dersn ön koşulu ya da yan koşulu bulunmamaktadır.
DetaylıPamukkale Üniversitesi Mühendislik Bilimleri Dergisi Pamukkale University Journal of Engineering Sciences
Pamukkale Ünverstes Mühendslk Blmler Dergs, Clt 0, Sayı 3, 04, Sayfalar 85-9 Pamukkale Ünverstes Mühendslk Blmler Dergs Pamukkale Unversty Journal of Engneerng Scences PREFABRİK ENDÜSTRİ YAPIARININ ARMONİ
DetaylıOLİGOPOLİ. Oligopolic piyasa yapısını incelemek için ortaya atılmış belli başlı modeller şunlardır.
OLİGOOLİ Olgopolc pyasa yapısını ncelemek çn ortaya atılmış bell başlı modeller şunlardır.. Drsekl Talep Eğrs Model Swezzy Model: Olgopolstc pyasalardak fyat katılığını açıklamak çn gelştrlmştr. Olgopolcü
DetaylıTEMEL DEVRE KAVRAMLARI VE KANUNLARI
TDK Temel Devre Kavramları ve Kanunları /0 TEMEL DEVRE KAVRAMLARI VE KANUNLARI GĐRĐŞ: Devre analz gerçek hayatta var olan fzksel elemanların matematksel olarak modellenerek gerçekte olması gereken sonuçların
DetaylıPARAMETRİK OLMAYAN HİPOTEZ TESTLERİ Kİ-KARE TESTLERİ
PARAMETRİK OLMAYAN HİPOTEZ TESTLERİ Kİ-KARE TESTLERİ 1 Populasyonun nceledğmz br özellğnn dağılışı blenen dağılışlardan brsne, Normal Dağılış, t Dağılışı, F Dağılışı, gb br dağılışa uygun olduğu durumlarda
DetaylıŞiddet-Süre-Frekans Bağıntısının Genetik Algoritma ile Belirlenmesi: GAP Örneği *
İMO Teknk Derg, 28 4393-447, Yazı 29 Şddet-Süre-Frekans Bağıntısının Genetk Algortma le Belrlenmes: GAP Örneğ * Hall KARAHAN* M. Tamer AYVAZ** Gürhan GÜRARSLAN*** ÖZ Bu çalışmada, Genetk Algortma (GA)
DetaylıBasel II Geçiş Süreci Sıkça Sorulan Sorular
Basel II Geçş Sürec Sıkça Sorulan Sorular Soru No: 71 Cevaplanma Tarh: 06.03.2012 İlgl Hüküm: --- Konu: Gayrmenkul İpoteğyle Temnatlandırılmış Alacaklar İçn KR510AS Formunun Doldurulmasına İlşkn Örnek
DetaylıA İSTATİSTİK. 4. X kesikli rasgele (random) değişkenin moment çıkaran. C) 4 9 Buna göre, X in beklenen değeri kaçtır?
. Br torbada 6 syah, 4 beyaz top vardır. Bu torbadan yerne koyarak top seçlyor. A İSTATİSTİK KPSS/-AB-PÖ/006. Normal dağılıma sahp br rasgele (random) değşkenn varyansı 00 dür. Seçlen topların ksnn de
DetaylıMerkezi Eğilim (Yer) Ölçüleri
Merkez Eğlm (Yer) Ölçüler Ver setn tanımlamak üzere kullanılan ve genellkle tüm elemanları dkkate alarak ver setn özetlemek çn kullanılan ölçülerdr. Ver setndek tüm elemanları temsl edeblecek merkez noktasına
DetaylıMal Piyasasının dengesi Toplam Talep tüketim, yatırım ve kamu harcamalarının toplamına eşitti.
B.E.A. Mal Hzmet Pyasaları le Fnans Pyasalarının Ortak Denges Mal Pyasası Denges: (IS-LM) Model Mal Pyasasının denges Toplam Talep tüketm, yatırım ve kamu harcamalarının toplamına eştt. = C(-V)+I+G atırımlar
DetaylıDOĞRUSAL OLMAYAN PROGRAMLAMA -III- Çok değişkenli doğrusal olmayan karar modelinin çözümü
DOĞRUSAL OLMAYAN PROGRAMLAMA -III- Çok değşkenl doğrusal olmayan karar modelnn çözümü Hazırlayan Doç. Dr. Nl ARAS Anadolu Ünverstes, Endüstr Mühendslğ Bölümü İST8 Yöneylem Araştırması Ders - Öğretm Yılı
DetaylıDAĞITIM STRATEJİLERİNİN OLUŞTURULMASINA YÖNELİK MODEL OLUŞTURMA: BİR TÜRK FİRMASI ÜZERİNE ÖRNEK UYGULAMA
ZKÜ Sosyal Blmler Dergs, Clt 2, Sayı 4, 2006, ss. 123 145. DAĞITIM STRATEJİLERİNİN OLUŞTURULMASINA YÖNELİK MODEL OLUŞTURMA BİR TÜRK FİRMASI ÜZERİNE ÖRNEK UYGULAMA Yrd. Doç. Dr. Ahmet ERGÜLEN Nğde Ünverstes
DetaylıSabit Varyans. Var(u i X i ) = Var(u i ) = E(u i2 ) = s 2
X Sabt Varyans Y Var(u X ) = Var(u ) = E(u ) = s Eşt Varyans EKKY nn varsayımlarından br anakütle regresyon fonksyonu u lern eşt varyanslı olmasıdır Her hata term varyansı bağımsız değşkenlern verlen değerlerne
DetaylıFarklı Varyans. Var(u i X i ) = Var(u i ) = E(u i2 ) = σ i2. Eşit Varyans. Hata. Zaman
Farklı Varyans Var(u X ) = Var(u ) = E(u ) = σ Eşt Varyans Y X Farklı Varyans Hata Var(u X ) = Var(u ) = E(u ) = σ Farklı Varyans Zaman Farklı Varyans le Karşılaşılan Durumlar Kest Verlernde. Kar dağıtım
DetaylıENERJİ. Isı Enerjisi. Genel Enerji Denklemi. Yrd. Doç. Dr. Atilla EVCİN Afyon Kocatepe Üniversitesi 2007
Yrd. Doç. Dr. Atlla EVİN Afyon Kocatepe Ünverstes 007 ENERJİ Maddenn fzksel ve kmyasal hal değşm m le brlkte dama enerj değşm m de söz s z konusudur. Enerj değşmler mler lke olarak Termodnamğn Brnc Yasasına
DetaylıAntalya Đlinde Serada Domates Üretiminin Kâr Etkinliği Analizi
Tarım Blmler Dergs Tar. Bl. Der. Derg web sayfası: www.agr.ankara.edu.tr/derg Journal of Agrcultural Scences Journal homepage: www.agr.ankara.edu.tr/journal TARIM BİLİMLERİ DERGİSİ JOURNAL OF AGRICULTURAL
DetaylıPROJE PLANLAMASINDA BULANIK HEDEF PROGRAMLAMA YAKLAŞIMI. Müh. Ramadan VATANSEVER
İSTANBUL TEKNİK ÜNİVERSİTESİ FEN BİLİMLERİ ENSTİTÜSÜ PROJE PLANLAMASINDA BULANIK HEDEF PROGRAMLAMA YAKLAŞIMI YÜKSEK LİSANS TEZİ Müh. Ramadan VATANSEVER Anablm Dalı: İşletme Mühendslğ Programı: İşletme
DetaylıSoğutucu Akışkan Karışımlarının Kullanıldığı Soğutma Sistemlerinin Termoekonomik Optimizasyonu
Soğutucu Akışkan arışımlarının ullanıldığı Soğutma Sstemlernn ermoekonomk Optmzasyonu * 1 Hüseyn aya, 2 ehmet Özkaymak ve 3 rol Arcaklıoğlu 1 Bartın Ünverstes akne ühendslğ Bölümü, Bartın, ürkye 2 arabük
DetaylıBiyomedikal Amaçlı Basınç Ölçüm Cihazı Tasarımı
Byomedkal Amaçlı Basınç Ölçüm Chazı Tasarımı Barış Çoruh 1 Onur Koçak 2 Arf Koçoğlu 3 İ. Cengz Koçum 4 1 Ayra Medkal Yatırımlar Ltd. Şt, Ankara 2,4 Byomedkal Mühendslğ Bölümü, Başkent Ünverstes, Ankara,
DetaylıFARKLI REGRESYON YÖNTEMLERİ İLE BETA KATSAYISI ANALİZİ
FARKLI REGRESYON YÖNTEMLERİ İLE BETA KATSAYISI ANALİZİ M.Ensar YEŞİLYURT (*) Flz YEŞİLYURT (**) Özet: Özellkle uzak verlere sahp ver setlernn analz edlmesnde en küçük kareler tahmnclernn kullanılması sapmalı
DetaylıProf. Dr. Nevin Yörük - Yrd. Doç. Dr. S. Serdar Karaca Yrd. Doç. Dr. Mahmut Hekim - Öğr. Grv. İsmail Tuna
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
Detaylı2. LİNEER PROGRAMLAMA
İÇİNDEKİLER ÖZE... ABSRAC... EŞEKKÜR..... ŞEKİLLER DİZİNİ..... v. GİRİŞ.... Motvasyon...... emel anım ve Kavramlar...... Konvekslk ve lneer eştszlkler....3. Ekstrem Noktalar..... 0.4. Lneer Eştszlkler...
DetaylıYATIRIM PROJELERi ANALiziNDE BLACK-SCHOLES OPSiYON FiYATLAMA MODELiNiN KULLANIMI
YATIRIM PROJELER ANALzNDE BLACK-SCHOLES OPSYON FYATLAMA MODELNN KULLANIMI Yrd. Doç. Dr. Erkan Uysal Ankara Ünverstes Syasal Blgler Fakültes Özet Bu çalışmada, fnansal opsyon fyatlama modellernn yatınm
DetaylıTEDARİKÇİ SEÇİMİNDE ANALİTİK HİYERARŞİ PROSESİ VE HEDEF PROGRAMLAMA YÖNTEMLERİNİN KOMBİNASYONU: OTEL İŞLETMELERİNDE BİR UYGULAMA
TEDARİKÇİ SEÇİMİNDE ANALİTİK HİYERARŞİ PROSESİ VE HEDEF PROGRAMLAMA YÖNTEMLERİNİN KOMBİNASYONU: OTEL İŞLETMELERİNDE BİR UYGULAMA Yrd. Doç. Dr. Meltem KARAATLI * Yrd. Doç. Dr. Gonca DAVRAS ** ÖZ Otel şletmelernde,
Detaylı04.10.2012 SU İHTİYAÇLARININ BELİRLENMESİ. Suİhtiyacı. Proje Süresi. Birim Su Sarfiyatı. Proje Süresi Sonundaki Nüfus
SU İHTİYAÇLARII BELİRLEMESİ Suİhtyacı Proje Süres Brm Su Sarfyatı Proje Süres Sonundak üfus Su ayrım çzs İsale Hattı Su Tasfye Tess Terf Merkez, Pompa İstasyonu Baraj Gölü (Hazne) Kaptaj Su Alma Yapısı
DetaylıDip - Zirve Relatif Performans Piyasa Çarpanları Değerlemeler TTKOM IPEKE SAHOL BIMAS TTRAK DOHOL. Düşüşü Sürenler ASELS
BİST 30 Son Fyat Bu Hafta Geçen Hafta AKBNK 8,92-10,35% -2,93% ARCLK 13,55-4,24% 4,04% ASELS 10,30-7,52% -4,24% ASYAB 2,01-5,19% -0,93% BIMAS 87,75-3,31% -1,39% DOHOL 1,07-4,46% -2,61% EKGYO 3,09-4,92%
Detaylıİyi Tarım Uygulamaları Ve Tüketici Davranışları (Logit Regresyon Analizi)(*)
Gazosmanpaşa Ünverstes Zraat Fakültes Dergs Journal of Agrcultural Faculty of Gazosmanpasa Unversty http://zraatderg.gop.edu.tr/ Araştırma Makales/Research Artcle JAFAG ISSN: 1300-2910 E-ISSN: 2147-8848
DetaylıANE-AEGON EMEKLİLİK VE HAYAT A.Ş.DENGELİ EYF
AEGON EMEKLĐLĐK VE HAYAT A.Ş. DENGELĐ EMEKLĐLĐK YATIRIM FONU FON KURULU ÜÇÜNCÜ 3 AYLIK FAALĐYET RAPORU Bu rapor Aegon Emekllk ve Hayat A.Ş Dengel Emekllk Yatırım Fonu nun 01.07.2009 30.09.2009 dönemne
DetaylıAsimetri ve Basıklık Ölçüleri Ortalamalara dayanan (Pearson) Kartillere dayanan (Bowley) Momentlere dayanan asimetri ve basıklık ölçüleri
Asmetr ve Basıklık Ölçüler Ortalamalara dayanan (Pearson) Kartllere dayanan (Bowley) omentlere dayanan asmetr ve basıklık ölçüler Yrd. Doç. Dr. Tjen ÖVER ÖZÇELİK tover@sakarya.edu.tr III. Asmetr ve Basıklık
DetaylıTÜKETİCİ TATMİNİ VERİLERİNİN ANALİZİ: YAPAY SİNİR AĞLARI ve REGRESYON ANALİZİ KARŞILAŞTIRMASI
1 TÜKETİCİ TATMİNİ VERİLERİNİN ANALİZİ: YAPAY SİNİR AĞLARI ve REGRESYON ANALİZİ KARŞILAŞTIRMASI Metehan TOLON Nuray GÜNERİ TOSUNOĞLU Özet Tüketc tatmn araştırmaları özelde pazarlama yönetclernn, genelde
DetaylıUYGULAMA 2. Bağımlı Kukla Değişkenli Modeller
UYGULAMA 2 Bağımlı Kukla Değşkenl Modeller Br araştırmacı Amerka da yüksek lsans ve doktora programlarını kabul ednlmey etkleyen faktörler ncelemek stemektedr. Bu doğrultuda aşağıdak değşkenler ele almaktadır.
DetaylıBIST da Demir, Çelik Metal Ana Sanayii Sektöründe Faaliyet Gösteren İşletmelerin Finansal Performans Analizi: VZA Süper Etkinlik ve TOPSIS Uygulaması
EGE AKADEMİK BAKIŞ / EGE ACADEMIC REVIEW Clt: 4 Sayı: Ocak 04 ss. 9-9 BIST da Demr, Çelk Metal Ana Sanay Sektöründe Faalyet Gösteren İşletmelern Fnansal Performans Analz: VZA Süper Etknlk ve TOPSIS Uygulaması
DetaylıEKONOMETRİYE GİRİŞ II ÖDEV 4 ÇÖZÜM
EKONOMETRİYE GİRİŞ II ÖDEV 4 ÇÖZÜM (Örgün e İknc Öğretm çn) 1. 754 hanehalkına at DOMerset sml Excel dosyasında yer alan erler kullanarak tahmnlenen DOM sonuçları: Dependent Varable: CALISANKADIN Sample:
DetaylıTürkiye de Zeytin Sıkma Tesislerinin Karlılığı ve Etkinliği: Ege Bölgesi Örneği 1
Yıldıztekn ve Tuna Araştırma Makales (Research Artcle) Akın F.OLGUN M. Metn ARTUKOĞLU 3 Hakan ADANACIOĞLU 4 Ege Ünverstes Zraat Fakültes Tarım Ekonoms Bölümü 35100 Bornova/İzmr., e-posta: akn.olgun@ege.edu.tr
DetaylıELM201 ELEKTRONİK-I DERSİ LABORATUAR FÖYÜ
T SAKAYA ÜNİESİTESİ TEKNOLOJİ FAKÜLTESİ ELEKTİK-ELEKTONİK MÜHENDİSLİĞİ ELM201 ELEKTONİK- DESİ LAOATUA FÖYÜ DENEYİ YAPTAN: DENEYİN AD: DENEY NO: DENEYİ YAPANN AD ve SOYAD: SNF: OKUL NO: DENEY GUP NO: DENEY
DetaylıSEK Yönteminin Güvenilirliği Sayısal Bir Örnek. Ekonometri 1 Konu 11 Sürüm 2,0 (Ekim 2011)
İk Değşkenl Bağlanım Model SEK Yöntemnn Güvenlrlğ Ekonometr 1 Konu 11 Sürüm,0 (Ekm 011) UADMK Açık Lsans Blgs İşbu belge, Creatve Commons Attrbuton-Non-Commercal ShareAlke 3.0 Unported (CC BY-NC-SA 3.0)
DetaylıVERİ ZARFLAMA ANALİZİ İLE TIBBİ GÖRÜNTÜ, ARŞİV VE İLETİŞİM SİSTEMLERİNİN DEVLET HASTANELERİ PERFORMANSINA ETKİLERİNİN ARAŞTIRILMASI
Süleyman Demrel Ünverstes Sosyal Blmler Ensttüsü DergsYıl: 2013/1, Sayı:17 Journal of Süleyman Demrel Unversty Insttute of Socal ScencesYear: 2013/1, Number:17 VERİ ZARFLAMA ANALİZİ İLE TIBBİ GÖRÜNTÜ,
DetaylıĠMKB 100 ENDEKSĠ ĠÇĠN OPTĠMAL PORTFÖY SEÇĠMĠ MODEL ÖNERĠSĠ
ĠMKB 100 ENDEKSĠ ĠÇĠN OPTĠMAL PORTFÖY SEÇĠMĠ MODEL ÖNERĠSĠ ÖZET Sbel ATAN * Snan METE ** ġenol ALTAN *** Murat ATAN **** Menkul kıymetlern dğer yatırım araçlarına göre daha yüksek getrler sağlaması bunlar
Detaylı