Bu kitapta aşağıda kısaca yer alan yedi alt bölümde, şirketler ve finansal kurumların çeşitli açılardan değerlendirilmelerine yönelik istatistiki analizler yapılmış, bunların sonuçları detaylı olarak farklı açılardan değerlendirilmiş ve ilgili taraflara önerilerde bulunulmuştur.

Kitabın birinci bölümünde; Borsa İstanbul’daki imalat şirketlerinin kârlılığı üzerine etkili olan finansal oranlar analiz edilmiştir.

İkinci bölümde; Borsa İstanbul gözaltı pazarı işletmelerinin faaliyet durumunun ENTROPİ ve ARAS yöntemleriyle analizi yapılmıştır.

Üçüncü bölümde; işletmelerin aktif kârlılığı üzerinde etkili olan faaliyet oranları panel veri analiz yöntemiyle değerlendirilmiştir

Dördüncü bölümde; katılım bankalarının kârlılıklarının VIKOR yöntemi ile değerlendirilmesi yapılmıştır.

Beşinci bölümde; katılım bankacılığının karlılığını etkileyen finansal oranların belirlenmesine yönelik Panel Regresyon yöntemi ile bir analiz yapılmıştır.

Altıncı bölümde; bir havayolu işletmesinin insan kaynakları temin süreci çok kriterli karar verme tekniklerinden TOPSİS yöntemi ile analiz edilmiştir.

Yedinci bölümde ise Türkiye’de faaliyet gösteren bazı havalimanlarının gelişmişliklerine göre sıralanması gri ilişkisel analiz yöntemi ile incelenmiştir.

Kitabın işletmeler başta olmak üzere, yatırımcılara, lisans ve lisansüstü öğrencilere ve akademik anlamda araştırmacılara yararlı olması temennisiyle…

Yazarlar:

Eda ÇINAROĞLU, Haşim BAĞCI, Metin AKTAŞ, Nihal DORUK,

Ömer Faruk RENÇBER, Ramazan AKBULUT, Tunahan AVCI

Financial time series including high frequency structures like jumps, spikes and stochastic volatility are usually modeled in an ad-hoc manner by stochastic differential equations together with Levy processes. Estimating the parameters and determining the jump size distributions do not have a precise and universally accepted method. Under these circumstances, complexities and confusions usually arise. This book, approaches to this issue from a very different angle through introducing an autocorrelation one process together with finite number of Fourier series terms. Introduction of Fourier series to estimate the dynamics of the process is not done in an ad-hoc manner or as done before in dealing with seasonality. Here the moving average is transformed to a “moving and fluctuating” average by the help of Fourier series. Instead of adding jump structures to the model which makes the parameter estimation quite cumbersome, our model in discrete time can easily be transformed to a well-known mean reverting continuous time process. Moreover, our alternative model turned out to be a quite powerful and accurate forecasting technique.