Vállalati fair value becslés fundamentális adatok alapján: klasszikus pénzügyi módszerek és gépi tanulási modellek összehasonlítása

Farkas Ádám Máté (2025) Vállalati fair value becslés fundamentális adatok alapján: klasszikus pénzügyi módszerek és gépi tanulási modellek összehasonlítása. Pénzügyi és Számviteli Kar.

	PDF Szakdolgozat_Farkas_Adam_Mate_WKXGT1.pdf Hozzáférés joga: Csak nyilvántartásba vett egyetemi IP címekről nyitható meg Download (1MB)
	Archive (ZIP) CEE_Dataset.zip Hozzáférés joga: Csak nyilvántartásba vett egyetemi IP címekről nyitható meg Download (3MB)
	Archive (ZIP) szakdolgozat_ML_modell_wkxgt1.zip Hozzáférés joga: Csak nyilvántartásba vett egyetemi IP címekről nyitható meg Download (188kB)
	PDF Biralati lap Farkas Ádám Máté.pdf Hozzáférés joga: Bizalmas dokumentum (bírálat) Download (203kB)

Absztrakt (kivonat)

A dolgozat célja annak vizsgálata, hogy fundamentális vállalati adatok felhasználásával milyen módszerekkel becsülhető meg egy részvény fair value-ja, valamint hogy a hagyományos pénzügyi értékelési modellek és a modern gépi tanulási algoritmusok milyen pontossággal képesek előre jelezni a vállalat belső értékét. A kutatás keretében a Richter Gedeon Nyrt. értékelésére három klasszikus módszert alkalmaztam, a diszkontált cash flow modellt, az osztalékalapú értékelési modellt és a multiplikátoros megközelítéseket, majd ezeket összehasonlítottam egy XGBoost regressziós modellel, amely a Refinitiv Workspace adatbázisára épült. A vizsgálat első kutatási kérdésére adott válasz alapján a fundamentális alapú fair value becslés a pénzáramlások, osztalékok és értékeltségi szintek diszkontálásán keresztül jól leírható, ugyanakkor érzékeny a kulcsparaméterekre. A második kutatási kérdés eredményei azt mutatják, hogy bár a klasszikus modellek logikailag átláthatók és stabil keretet adnak, a gépi tanulási modell több változó együttes figyelembevételével és nemlineáris mintázatok felismerésével hasonlóan pontos becslést ad. A harmadik kutatási kérdéshez kapcsolódóan a permutation importance elemzés feltárta, hogy a Richter esetén a belső értéket leginkább a könyv szerinti érték befolyásolja, akárcsak a kalasszikus vállalatértékelési módszerek esetében. Az eredmények összességében arra utalnak, hogy a gépi tanulási módszerek még ha nem is feltétlenül helyettesítik, de kiegészíthetik a klasszikus értékelési modelleket.

Intézmény

Budapesti Gazdasági Egyetem

Kar

Pénzügyi és Számviteli Kar

Tudományterület/tudományág

NEM RÉSZLETEZETT

Szak

Gazdaságinformatikus

Mű típusa:	diplomadolgozat (NEM RÉSZLETEZETT)
Kulcsszavak:	befektetési döntések, belső értékeltség, fundamentális elemzés, gépi tanulás, részvényértékelés
SWORD Depositor:	User Archive
Felhasználói azonosító szám (ID):	User Archive
Rekord készítés dátuma:	2026. Júl. 09. 11:07
Utolsó módosítás:	2026. Júl. 09. 11:07

Actions (login required)

Tétel nézet