Bilgilendirme: Sürüm Güncellemesi ve versiyon yükseltmesi nedeniyle, geçici süreyle zaman zaman kesintiler yaşanabilir ve veri içeriğinde değişkenlikler gözlemlenebilir. Göstereceğiniz anlayış için teşekkür ederiz.

İşletme Bölümü Yayın Koleksiyonu

Permanent URI for this collectionhttps://hdl.handle.net/20.500.12416/403

Browse

Browsing İşletme Bölümü Yayın Koleksiyonu by Author "Aktaş, Ramazan"

Filter results by typing the first few letters
Now showing 1 - 4 of 4
  • Thumbnail Image
    Publication
    A new classifier design with fuzzy functions
    (Springer-Verlag Berlin, 2007) Celikyılmaz, Aslı; Türkşen, I. Burhan; Aktaş, Ramazan; Doğanay, M. Mete; Ceylan, N. Başak; 112010; 03.04. İşletme; 03. İktisadi ve İdari Birimler Fakültesi; 01. Çankaya Üniversitesi
    This paper presents a new fuzzy classifier design, which constructs one classifier for each fuzzy partition of a given system. The new approach, namely Fuzzy Classifier Functions (FCF), is an adaptation of our generic design on Fuzzy Functions to classification problems. This approach couples any fuzzy clustering algorithm with any classification method, in a unique way. The presented model derives fuzzy functions (rules) from data to classify patterns into number of classes. Fuzzy c-means clustering is used to capture hidden fuzzy patterns and a linear or a non-linear classifier function is used to build one classifier model for each pattern identified. The performance of each classifier is enhanced by using corresponding membership values of the data vectors as additional input variables. FCF is proposed as an alternate representation and reasoning schema to fuzzy rule base classifiers. The proposed method is evaluated by the comparison of experiments with the standard classifier methods using cross validation on test patterns.
  • Thumbnail Image
    Book
    Finansal Piyasalar ve Kurumlar
    (Beta Yayınları, 2019) Aktaş, Ramazan; Doğanay, M. Mete; 112010; 03.04. İşletme; 03. İktisadi ve İdari Birimler Fakültesi; 01. Çankaya Üniversitesi
  • Thumbnail Image
    Article
    Hisse senetlerinde risk ayrışımı ve İstanbul Menkul Kıymetler Borsası’nda bir uygulama
    (2006) Doğanay, M. Mete; Aktaş, Ramazan; Ban, Ünsal; 112010; 03.04. İşletme; 03. İktisadi ve İdari Birimler Fakültesi; 01. Çankaya Üniversitesi
    Bu çalışmada İMKB’de işlem gören hisse senetlerinin toplam riskleri, 1997-2004 dönemi esas alınarak piyasa riski, endüstri riski ve firma riski bileşenlerine ayrılmıştır. Toplam risk içinde piyasa riskinin ağırlığı kriz dönemlerinde artmakta, istikrar dönemlerinde azalmakta, firma riskinin ağırlığı ise kriz dönemlerinde azalmakta, istikrar dönemlerinde artmaktadır. Yapılan analizlerde toplam risk içindeki en ağırlıklı bileşenin tüm dönemlerde firma riski olduğu belirlenmiştir. Bu durum, sistematik olmayan riski ortadan kaldırmak için, finans yazınında tavsiye edildiği gibi iyi çeşitlendirilmiş bir portföy oluşturmanın oldukça zor olduğunu ortaya koymaktadır. Çalışmada ortaya çıkan diğer bir sonuç ise, toplam riski içinde firma riskinin ağırlığı yüksek olan hisse senetlerinin getirilerinin de yüksek olduğudur. Bu durum, yatırımcıların sistematik olmayan riski almalarından dolayı da ödüllendirildiklerini göstermektedir.
  • Thumbnail Image
    Article
    Towards Predicting Financial Information Manipulation
    (2007) Aktaş, Ramazan; Alp, Ali; Doğanay, Mehmet Mete; 112010; 03.04. İşletme; 03. İktisadi ve İdari Birimler Fakültesi; 01. Çankaya Üniversitesi
    Manipulation is one of the important issues in securities markets because manipulative actions send false signals to the investors and make them buy or sell securities they otherwise would not buy or sell. There are different types of manipulations that can deceive investors. One type of manipulation is financial information manipulation. Manipulators, who use this type of manipulation, distort information in the financial statements in order to give false information about the prospects of the issuing firms. This paper attempts to predict financial information manipulation by using the multivariate statistical techniques and neural networks. A number of financial ratios are used as explanatory variables. The multivariate statistical techniques used are discriminant analysis, logistics regression (logit), and probit. Unlike other studies, the present study takes multicollinearity between financial ratios into account and conclude that the estimated multivariate statistical models rather than the neural networks can be used as early warning systems to detect possible financial information manipulations.