Development Of Fuzzy Models In Investment Analysis

Tez (Doktora) -- İstanbul Teknik Üniversitesi, Fen Bilimleri Enstitüsü, 2012Thesis (PhD) -- İstanbul Technical University, Institute of Science and Technology, 2012Bu çalışmada, gerçek hayatta karşılaşılan yatırım analizi problemlerine uygun çözümler geliştirmek amaçlanmıştır. Yatırım analizi parametrelerinin tahmini için bulanık zaman serileri ve bulanık regresyon temelli iki model önerilmiştir. Ayrıca bu çalışma kapsamında ilk defa bulanık kurtarma geri dönüş süresi ve bulanık basit getiri oranı analiz yöntemleri geliştirilmiştir. Çalışmada yatırım analizi parametrelerinden bulanık iç verim oranının değeri bulanık Monte Carlo simülasyon yöntemi kullanılarak elde edilmiştir. Yatırım analizinde kullanılan duyarlılık analiz yöntemlerine alternatif olarak iki yeni duyarlılık modeli geliştirilmiş ve gerçek bir yatırım projesine uygulanmıştır. Literatür taramasında tespit edilen diğer bir eksiklik olan bulanık yatırım analizi yöntemlerinde bulanık ortamlarda belirsizliği ifade etmek için sadece sıradan bulanık sayıların kullanılması, belirsizliği daha iyi ifade ettiği bilinen tip 2 bulanık sayılar kullanılarak değerlendirilen parametreler için bulanık yatırım analizi yöntemlerinin geliştirilmesi ile giderilmiştir. Yapılan uygulama çalışması sonucunda önerilen yatırım analizi modellerinin uygulanabilirliği ve geçerliliği test edilmiş ve yöntemler arasındaki ilişkiler ortaya konulmuştur.In this study, it is aimed to develop applicable models related to solutions of real life investment problems. Two forecasting methods are proposed based on fuzzy time series and fuzzy regression analysis to estimate the investment parameters. Fuzzy bailout payback period and fuzzy accrual accounting rate of return analyses are developed in this study for the first time. The value of the fuzzy internal rate of return which is one of the investment analysis parameters is obtained by using fuzzy Monte Carlo simulation method. Two new sensitivity analysis models are developed as alternatives to existing sensitivity analysis methods. In the literature review it is found that the uncertainty in investment analysis is expressed simply using ordinary fuzzy numbers whereas type 2 fuzzy numbers are known to express better. In this study, the type 2 fuzzy investment analysis methods are also generated for the first time. As a result of the application the applicability and validity of the proposed fuzzy investment analysis methods have been tested and the relationships among the models have been presented.DoktoraPh