KaydedilenlerDerginizi ekleyin

Dergiler / Current Perspectives in Social Sciences / 2021 / Cilt: 25 - Sayı: 3

Türkiye’ de İşlem Gören Firmaların Sukuk Verileri ile Karşılaştırmalı Zaman Serisi Analizi

Şule Yüksel YİĞİTER
Salim Sercan SARI
Eyyup Ensar BAŞAKIN
Sayfa
1232–1248
Yayın Tarihi
2021-09-28
DOI
—
🏛️Bu makalenin bibliyografik verileri ve tam metin bağlantısı DergiPark üzerinden sağlanmıştır.
DergiPark Kaydı ↗
✨

Yapay Zeka Hızlı Bakış & Çıkarımlar

AI Insight
⚡ TL;DR(1 Cümlede Hızlı Çıkarım)

Bulanık Mantık yöntemlerinin sukuk verilerinde kullanılması ile ilk olma özelliği taşıyan bu çalışmada, Bulanık Mantık yönteminin finans problemleri için uygunluğu bir kez daha kanıtlanmıştır.

📌 3 Maddede Bu Makale

🎯
Amaç & Hipotez:İslami finans düzeni içerisinde sukuk son zamanlarda hızlı bir gelişme gösteren yapı olarak karşımıza çıkmaktadır.
📊
Temel Bulgular & Veri:Ülkemizde sukuk ihracı yapan işletmelerden 5 tanesi çalışmamızda ele alınmıştır.
💡
Sonuç & Katkı:Bulanık Mantık yöntemlerinin sukuk verilerinde kullanılması ile ilk olma özelliği taşıyan bu çalışmada, Bulanık Mantık yönteminin finans problemleri için uygunluğu bir kez daha kanıtlanmıştır.
🔬Tür:Araştırma Makalesi
📍Kapsam:Genişletilmiş Akademik Örneklem
⚙️Değişkenler:Sukuk · Tahmin · Bulanık Mantık

Özet

İslami finans düzeni içerisinde sukuk son zamanlarda hızlı bir gelişme gösteren yapı olarak karşımıza çıkmaktadır. Müslüman ülkelerde ortaya çıkan ve tüm dünyada giderek yaygınlaşan sukuk, bu alanda çalışmak isteyen finans uzmanlarına birçok yeni çalışma alanı sunmaktadır. Genel olarak sukuk, İslamiyet’in ilk zamanlarında, ticari ilişkilerin düzenlenmesi adına bir takım alışveriş usullerini kapsayan finansal bir kavramdır. Ülkemizde sukuk ihracı yapan işletmelerden 5 tanesi çalışmamızda ele alınmıştır. Çalışmada işlem gören bu şirketlerin fiyat verileri kullanılarak, gelecekte olması düşünülen fiyat değerleri tahmin edilmiştir. Bu tahmin kapsamında şirketler arası korelasyonlardan yola çıkarak en iyi ilişkiye sahip 3 şirket belirlenerek, gelecekte olması muhtemel fiyat değerleri tahmin edilmiştir. Çalışmada Bulanık Mantık yöntemi kullanılmıştır. Tahminler istatistiksel başarı kriterleri olan hata kareleri ortalaması (HKO) ve verimlilik katsayısı(VK) yardımıyla test edilmiştir. Bulanık Mantık yöntemlerinin sukuk verilerinde kullanılması ile ilk olma özelliği taşıyan bu çalışmada, Bulanık Mantık yönteminin finans problemleri için uygunluğu bir kez daha kanıtlanmıştır.

🔖

Bu Makaleye Atıf Yap

YİĞİTER, Ş. Y., SARI, S. S., BAŞAKIN, E. E. (2021). Türkiye’ de İşlem Gören Firmaların Sukuk Verileri ile Karşılaştırmalı Zaman Serisi Analizi. Current Perspectives in Social Sciences, Cilt: 25 - Sayı: 3, 1232–1248. https://ajindex.com/articles/415628

📄 Tam Metin PDF Okuyucu

📄

PDF görüntüleyici hazırlanıyor...

Kaynakça (15)

  1. Accounting and auditing organization for islamic financial institutions (AAOIFI), Accounting, Auditing and Governance Standards, 2010.
  2. Ahmad, Nu. Ve Muda, M.(2013). Exchange rate pass-through estimates for sukuk issuing countries, Procedia Economics and Finance, ss. 134-139.
  3. Altunkaynak, A. (2010). A predictive model for well loss using fuzzy logic approach, Hydrological Processes, 24(17), 2400-2404. doi:10.1002/hyp.7642. Arundina, T., Omar, M.A. ve Kartiwi, M. (2015). The predictive accuracy of sukuk ratings; multinominal logistic and neural network inferences, Pacific-Basin Finance Journal 34, ss.273-292.
  4. Cheng, H. C., Cheng, W. C. ve Wang W. W. (2008). Multi-attribute fuzzy time series method based on fuzzy clustering, Expert Systems with Applications 34, ss. 1235-1242.
  5. Chu, H. H., Chen, T. L., Cheng, C. H. ve Huang,C. C. (2009). Fuzzy dual-factor time-series for stock index forecasting, Expert Systems with Applications 36, ss. 165-171.
  6. Hassan, M. R., Ramamohanarao, K., Kamruzzaman, J., Rahman, M.ve Hossain M. M. (2013). AHMM-bazed adaptive fuzzy inference system for stock market forecasting, Neurocomputing 104, ss.10-25.
  7. Hazine Müsteşarlığı, Hazine Finansman Programı:2015 Yılı Gelişmeleri Ve 2016 Yılı Öngörüleri, https://www.hazine.gov.tr/tr-TR/Duyuru-Listesi-Sayfasi.(05.10.2017)
  8. Huarng, K. ve Yu, H. K. (2005). A type 2 fuzzy time series model for stock indeex forecasting, Physica A 353, 19 March, ss. 445-462.
  9. IIFM, Sukuk Report 1 st Edition, Bahreyn, 2010.
  10. Jang, J. S. R. (1993). Anfis - adaptive-network-based fuzzy inference system, Ieee Transactions on Systems Man and Cybernetics, 23(3), 665-685.
  11. Kim, K. ve Han, I. (2000). Genetic algorithms approachto feature discretization in artifical neural networks for the prediction of stock price index, Expert Systems with Applications 19, ss. 125-132.
  12. Kim, K. (2003). Financial time series forecasting using support vector machines, Neurocomputing 55, 13 March, ss. 307-319.
  13. Kimoto, T., Asakawa, K., Yoda, M. ve Takeoka, M. (1990). Stock market prediction system with moduar neural networks, IJCNN International Joint Conference on San Diego, CA, USA, ss. 1-6.
  14. Kim, M. J., Han, I. ve Lee, C. (2004). Hybrid knowledge integration using the fuzzy genetic algorithm: prediction of the Korea Stock Price Index, Intellıgent Systems in Accounting, Finance and Management 12, Published online in Wiley Inter Science, ss. 43-60.
  15. Liu, H.T., ve Wei, M.L. (2010). An improved fuzzy forecasting method for seasonal time series, Expe