Bu tez Türkiye’de işletmelerin temettü dağıtımını hangi faktörlerin belirlediği, yazında öne çıkan temettü politikası teorilerinin hangilerinin geçerli olduğu ve yapay sinir ağlarının başarılı temettü öngörüsü yapıp yapamayacağı problemlerinden hareket edilerek hazırlanmıştır.
Çalışmanın amacı, Borsa İstanbul (BİST)’da işlem gören 168 sanayi işletmesinin 2003-2012 yılları arasındaki 10 yıllık verilerini kullanarak, temettü dağıtımını belirleyen ana faktörleri saptamak, temettü dağıtımlarını tahmin etme aracı olarak yapay sinir ağlarının kullanılabilirliğini ortaya koymak ve temettü dağıtımının öngörülmesinde kullanılabilecek tüm değişkenleri içeren bir model geliştirmektir. Böylece hisse senedi yatırımcılarına temettü dağıtımlarını tahmin etmeyi sağlayan bir araç geliştirilmiş olacaktır.
Çalışmanın amacı doğrultusunda yazında temettü dağıtım politikaları ile anlamlı ilişkisi olduğu tespit edilen ve işletmelere özgü 43 finansal değişkenin geçmiş dönem verilerinden yararlanarak, cari dönemde nakit ödenen brüt temettü oranı tahmin edilmeye çalışılmıştır. Bu bağlamda uygulamada faktör analizli ve faktör analizi yapılmadan yapay sinir ağlarına (YSA) ve çoklu doğrusal regresyona (ÇDR) dayalı modeller kullanılmıştır. Bu değişkenler içinden temettü dağıtımını belirleyen ana faktörlerin saptanması ve her iki yöntemde farklı tip ve modlarda kurulan modellerin kıyaslanması suretiyle en başarılı temettü öngörüsü yapan modele ulaşılmıştır.
Çalışmanın sonuçları “faktör analizi yapılmamış, simple modlu ve backwards tipi” ÇDR modelinin cari dönemde nakit ödenen brüt temettü oranını gerçeğe en yakın şekilde tahmin ettiğini göstermektedir. Ancak, tekrar sayısı artırıldığında “altı faktörlü, expert modlu ve dynamic tipi” YSA modelinin tüm modeller arasında en başarılı tahmini gerçekleştirdiği görülmektedir. Ayrıca, her iki modelde temettüleri açıklayan değişken ve faktörler birbirleriyle tutarlıdır. Bu bulgular yatırımcıların ÇDR ve YSA yöntemlerini birlikte kullanarak, işletmelerin nakit ödenen temettü oranlarını başarıyla öngörebileceklerini ifade etmektedir.
Oluşturulan bu yeni model, Lintner modeli, sinyalizasyon, serbest nakit akışı ve yaşam döngüsü teorilerini destekleyen sonuçlar ortaya koymaktadır. Bu bağlamda, istikrarlı büyüme ve ölçek ekonomisine sahip olma (büyüklük), yüksek karlılık seviyesini düzenli olarak artırma, likiditesi yüksek ve sağlam bir nakit akımına sahip olma özellikleri nakit temettü ödemesini belirleyen ana faktörler olarak karşımıza çıkmaktadır.
This thesis is prepared with motivation about factors which determine the firms’ dividends payments in Turkey, leading dividend policy theories in literature validity in Turkey and whether or not artificial neural networks can predict dividends successfully.
The goal of study is assigning main factors which determine the dividends payments, proving the applicability of artificial neural networks as an instrument of estimating dividends and developing a model including completely all variables to predict dividends, by using 168 industrial corporates’ ten year dataset between 2003 and 2012 period which are quoted on ISE. Thus, a new tool can be developed for stock investors to estimate the dividends payments,
To reach this goal, a current gross cash dividend payout ratio is attempted to estimate with 43 financial variables’ past dataset which are special to firms and were found in significantly associate with dividend payout policies in literature. In practice models are applied which based on artificial neural networks and multi lineer regression with factor analyses or not. The most successful prediction model is attained with benchmarking models which were established in two methods including different types and modes, and assigning main factors which determine the dividend payments within these variables. Research’s results indicate that a multi lineer regression model characterized with “simple type, backwards mode and out of factor analyses” estimated a current gross cash dividend payout ratios closestly to real values. However if the number of iterations are increased, artificial neural networks model characterized with “six factors, simple type and dynamics mode” achieved the most successfull estimation among all models. Additionally the variables and factors used in both methods for explaining dividends are consistent with each other. This evidence stated that the investors can predict corporates’ cash dividend payout ratios successfully by using multi lineer regression and artificial neural networks together.
This new model offers results supporting Lintner’s model, signalling, free cash flows and life cycle theories. In consistent with these theories, the corporates’ characteristics as growing with stability, having a scale economy (size), increasing the high profit level systematicly, having strong free cash flows and high liquidity are found as main factors determining the cash dividend payments.
