Yapay zeka teknikleri ile yatırım değerlemesi analizi

Abstract

Bu çalışmada geleneksel yatırım değerleme metotlarından olan indirgenmiş nakit akım (DCF) ve net bugünkü değer modeli ile yapay zeka tekniklerinden yapay sinir ağları ve destek vektör regresyonu modellerinin tahmin etme özelliğinin birleştirilmesi analiz edilmiştir. Hemen hemen her sektörde yatırım kararları firmaların gelecekteki operasyonel ve finansal performansını etkilemektedir. Ancak, yatırımlar gelecek zamanla ve belirsiz iş ortamı ile ilişkili olduğu için doğası gereği risk içermektedir. Belirsizliği azaltmak için, iyi bir yatırım yönetimi kadar yatırım değerlemesi için gerekli olan değişkenlerin tahmini de önem arzetmektedir. Değerleme modellerinin temel bileşenlerinden olan satış gelirleri, maliyetler, yatırım harcamaları ve bunların yıllar içerisindeki büyüme oranlarını enflasyon oranı ve döviz kurları önemli derecede etkilemektedir. Dolayısıyla enflasyon oranını ve döviz kurlarını tahmin etmek değerlemenin sonucu açısından kritik bir önem taşımaktadır. Yatırım kararları için yatırımın finansal olarak değerlemesinin yapılması gerekmektedir. DCF finansal yatırım değerlemesi için en çok kullanılan geleneksel metotlardan bir tanesidir. Ancak, birçok belirsizliğin bulunduğu bir çevrede geleneksel yatırım değerleme modelleri esnek olmadıklarından dolayı hatalı sonuçlar verebilmektedirler. Yatırımcıları yönlendirebilmesi için uygun bir şekilde revize edilmesi gerekmektedir. Son yıllarda yapılan çalışmalarda, yapay sinir ağları ve destek vektör regresyonu modelleri enflasyon ve döviz kuru gibi zaman serilerinin tahmininde kullanılan yapay zeka tekniklerindendir. Bu çalışmada Türkiye enflasyonu ve USD/TRY döviz kuru yapay sinir ağları modeli ve destek vektör regresyonu metodu ile tahmin edilmiş ve elde edilen sonuçlar indirgenmiş nakit akım modeli ile birlikte kullanılarak bir hibrid metot uygulanmıştır. Bu modelin sonuçları geleneksel yöntemler ile karşılaştırılmıştır. Çalışmanın sonucuna göre yapay sinir ağları kritik değişkenlerin tahmininde başarılı sonuçlar vermiştir. Önerilen hibrid metot yatırım değerlemesinde kullanılabilir ve bu yeni yaklaşım iş dünyasında kullanılması için önerilmektedir.

In this study, the combination of the discounted cash flow (DCF) and the net present value, which are traditional investment valuation methods, and the forecasting ability of two artificial intelligence techniques: artificial neural networks and support vector regression are analyzed. More or less in every sector, investment and improvement decisions affect companies' future operational and financial performance. Even though investments are one of the main drivers of profitability, the investment decision is not easy due to uncertainty. To reduce uncertainty, forecasting investment conditions and inputs is just as important as sound investment management. The main inputs for the valuation models, such as revenue, costs, capital expenditure, and their growth rates, are heavily related to inflation and exchange rates. Therefore, predicting inflation and exchange rates is a critical issue for the investment valuation output. Discounted cash flow is traditionally the most used investment valuation method. Despite being the most common valuation method, DCF has some disadvantages which are mostly related to uncertainty conditions and the rigidity of the model itself. DCF is a practical method but it must be modified for decision makers. In recent decades, the artificial neural network and support vector regression models have been two of the artificial intelligence models used for forecasting time series including exchange rates and inflation rates. In this study, the Turkish economy's inflation rate and the exchange rate of USD/TRY are forecast by artificial neural networks and support vector regression. The outputs obtained by these two methods implemented into the DCF model to apply a hybrid method. Finally, the results are benchmarked with conventional practices. According to the results of the study, artificial neural networks gave successful results in forecasting critical variables. The proposed hybrid method can be used for investment valuation and this new approach is recommended for the business world.