Finansal Oranların ABD REIT'leri Üzerindeki Etkisinin Değerlendirilmesi (Gayrimenkul Yatırım Ortaklıkları) Hisse Getirisi: Bir Makine Öğrenimi Analizi

Abstract

Bu tez, 2012 ile 2020 yılları arasında ABD Gayrimenkul Yatırım Ortaklıkları (REIT'ler) hisse senedi getirileri üzerindeki finansal oranların etkisini incelemektedir. Random Forest, Gradient Boosting, k-en yakın Komşular, Ridge Regression, Support Vector Regression, Karar Ağacı, Polinomiyal Regresyon, Sinir Ağı, Lasso Regresyon ve XGBoost gibi çeşitli makine öğrenimi modelleri kullanılarak hangi finansal oranların hisse senedi getirileri üzerinde en büyük etkiye sahip olduğu belirlenmeye çalışılmıştır. Çalışmada, 8 yıl boyunca 107 ABD REIT'i ve 17 finansal oran içeren veri seti kullanılmıştır. Araştırma metodolojisi, aykırı değerlerin ele alınması, eksik verilerin yönetilmesi ve analiz için özelliklerin ölçeklenmesi gibi veri hazırlama aşamalarını içermektedir. Modelin geliştirilmesi için 10 katlı çapraz doğrulama ve hiperparametre ayarları için ızgara arama kullanılmıştır. Sonuçlar, özellikle Random Forest modelinin en iyi performansı gösterdiğini ve Dividend Yield (Temettü Verimliliği) ile Asset Turnover (Varlık Devir Hızı) oranlarının en etkili özellikler olarak öne çıktığını göstermektedir. Bu bulgular, gelir dağılımının hisse performansında kritik bir rol oynadığı REIT'lerin özgün finansal yapısını vurgulamaktadır. Çalışma, hisse senedi getirilerinin ana sürücülerini belirleyerek yatırımcılar, REIT yöneticileri ve politika yapıcılar için önemli bilgiler sunmaktadır. Ayrıca, daha ileri teknikler ve genişletilmiş veri setleri kullanılarak finansal oranlar ile REIT performansı arasındaki ilişkilerin daha derinlemesine incelenmesi için gelecekteki araştırma yönlerine önerilerde bulunmaktadır.

This thesis investigates the effect of financial ratios on U.S. Real Estate Investment Trusts (REITs) stock returns from 2012 to 2020. Using a range of machine learning models, including Random Forest, Gradient Boosting, k-nearest Neighbors, Ridge Regression, Support Vector Regression, Decision Tree, Polynomial Regression, Neural Network, Lasso Regression, and XGBoost the study aims to determine which financial ratios have the greatest impact on stock returns. The dataset includes 107 U.S. REITs and 17 financial ratios across 8 years. The research methodology involves data preparation, including handling outliers, managing missing data, and scaling features for analysis. To improve the model 10-fold cross-validation and grid search were used for hyperparameter tuning. The results reveal that non-linear models, particularly Random Forest, performed best, with Dividend Yield and Asset Turnover emerging as the most influential features. These findings underline the unique financial structure of REITs, where income distribution plays a critical role in stock performance. The study provides significant insights for investors, REIT managers, and policymakers by identifying the key drivers of stock returns. Additionally, the thesis suggests future research directions to further explore the relationships between financial ratios and REIT performance using more advanced techniques and expanded datasets.