Diğer Değerleme Yöntemleri

Yukarıda belirtilen değerleme yöntemleri dışında literatürde yer alan diğer değerleme yöntemlerine aşağıda yer verilmiştir.

3.5.2.5.1. Pay Off Metodu

Yeni nesil karmaşık değerleme yöntemlerinden biri de Pay Off Metodudur. Bu metot üç geleneksel patent değerleme yöntemlerinden bir tanesiyle gerçekleştirilen patent analizine ek bir adım getirmektedir. Bu yöntem, belirsizlik ile

başa çıkmak için geliştirilen bulanık küme teorisine dayanmaktadır. Pay Off Metodu,

bulanık sayılar (fuzzy number) ile üç nakit akışı senaryosu aracılığıyla bir reel opsiyona dağılım oluşturur. Bu senaryolar; temel senaryo (olması muhtemel), iyimser senaryo (olası en yüksek sonuç) ve kötümser senaryo (olası en düşük sonuç)

76

dur. Her senaryonun tahmini net bugünkü değeri (NBD) hesaplanır ve daha sonra, belirli bir tahmini NBD’nin reel opsiyonun uygulanabilir NPV koleksiyonuna ne derece ait olduğunu gösteren üçgen bulanık sayı (Fuzzy NPV- Bulanık NPV) oluşturmak için kullanılır (Cabrerzio vd., 2020)

Şekil 9. Bulanık Sayılarda Pay- Off Üçgen Dağılım Örneği

Kaynak: Collan ve Heikkila, (2011). Enhancing Patent Valuation with the Pay-off Method. s. 379.

Yukarıda yer alan Şekil 9.’da reel opsiyon değerinin Pay Off metodu ile hesaplanabileceği bir üçgen Pay Off (Net Bugünkü Değer) dağılımı gösterilmektedir. Patentlerin taşıdığı potansiyelinin ve riskinin kolayca anlaşılması zor olduğu için patentler arasında karşılaştırma yapmak güçtür. Yukarıda bir örneği yer alan Pay- Off dağılımlarının grafiksel gösterimleri, farklı patentlerin sezgisel bir şekilde karşılaştırılmasında kullanılabilir. Patentlerin Pay Off dağılımlarına bakıldığında her iki tarafın olumlu ve olumsuz yönleri, taşıdıkları risk ve potansiyellerin net bir şekilde görülebilmesi patentler arasında karşılaştırma yapmayı kolaylaştırmaktadır (Collan and Heikkila, 2011, s. 383).

3.5.2.5.2. Karar Ağacı Metodu

Karar ağacı yöntemi, sınıflandırma ve tahmin etmede kullanılan önemli veri madenciliği teknikleri arasında yer almaktadır. Karar ağacı, girdisi olmayan bir kök düğüm ve her biri birer girdi alan iç düğümlerden oluşan yönlü bir ağaç olarak tanımlanabilir (Onan, 2015, s. 11).

Minimum Olasılık 0 En İyi Tahmin Maximum Olasılık Oluşma

Olasılığı 1.0

77

Sezgisel bir metot olan karar ağacı metodunda tüm potansiyel senaryolar incelenerek çeşitli senaryolardan elde edilecek değerler tespit edilmektedir. Yöntem ilk olarak başarılı ve başarısız senaryolar belirlenmesi ile başlamaktadır. Başarılı senaryo yüksek, orta ve düşük olmak üzere üç senaryoya ayrılırken başarısız senaryo bir veya iki başarısız senaryoya ayrılır. Her bir senaryonun kendi içinde gerçekleşme olasılıkları belirlenmektedir. Her bir senaryoda gerçekleşen değerle bu senaryoların gerçekleşme olasılıkları çarpılır ve elde edilen sonuçlar toplu olarak başarılı ve başarısız senaryoların karşılıklı gerçekleşme olasılıkları ile çarpılır ve son olarak elde edilen değerlerin toplamı ile sonuca ulaşılır (Sözer, 2008, s. 53).

Karar ağacının belirli kurallar çerçevesinde ilerleyen bir yöntem olması, karar vericilerin bilgiyi biçimlendirmede zorluk yaşadıkları alanlarda karar vermelerinde yardımcı olmaktadır. Bunun yanı sıra büyük miktarda veri kullanılabilen karar ağacı yönteminde edinilen bilgilerin ağaç formunda sunulmasının sezgisel bir yol ile gerçekleşmesi, yöntemin asimile edilmesini kolaylaştırmaktadır (Doğanavşargil ve Fattori, 2008, s. 215). Yöntemin diğer bir dezavantajı yapılan olasılık hesaplamalarında kullanılan oranların her aşamada ve her karar tipini takip eden risklere uygun olması gerekirken, pratikte genellikle sabit bir oran kullanılır.

3.5.2.5.3. Monte Carlo Simülasyon Metodu

Monte Carlo metodu olasılık teorileri üzerine kurulmuştur. İstatiksel ve matematiksel teknikler ile karmaşık problemleri, rasgele sayıları defalarca simülasyonda kullanarak çözen güçlü bir metottur. Simülasyon yöntemi 1940 yılı sonlarında John Von Neumann ve Stanislaw Ulam’ın yaptıkları çalışmalara dayanmaktadır. Nötronların hareketlerini incelerken karşılaştıkları matematiksel olarak çok karmaşık ve deneysel olarak çözümü ise çok pahalı olan nükleer savunma problemlerini çözmek için Monte Carlo Analizi adı altında stokastik bir simülasyon yöntem geliştirmişlerdir (Kavcar, 2004, s. 41).

Monte Carlo Simülasyon yöntemi, doğasında belirsizlik faktörünün bulunduğu durumlar karşısında bir dizi değerleri olasılık dağılımı kullanarak bu faktörlerin yerine olası sonuçları modeller içinde inşa ederek risk analizi yapmamızı sağlayan bir tekniktir. Metot, bir probleme uygulanan problemin rassal sayılar kullanarak simüle edilip hesaplanmak istenen parametrenin bu simülasyon

78

sonuçlarına bakılarak yaklaşık olarak hesaplanması fikrine dayanmaktadır. Ardından farklı olasılık fonksiyonları rastgele sayılar kümesi kullanılarak model içinde farklı sonuçlar hesaplanır. Monte Carlo Simülasyonu model için belirlenen aralık sayısına bağlı olarak on binlerce veriyi kapsayabilmektedir (Polat, 2015, s. 24).

Monte Carlo yönteminde, sistemi temsil edebilecek bir modelin oluşturulabilmesi için gerekli olan aşamalar aşağıdaki gibi sıralanabilir (Kavcar, 2004, s. 64):

• Sistemin her bir rasgele elemanı için bir olasılık dağılımı belirlenir. Olasılık dağılımının belirlenmesi için varsa geçmiş veriler kullanılır ancak geçmiş verilerin olmadığı durumlarda da modelin kurucusu ya da yöneticiler tarafından bu olasılıklar yargısal olarak oluşturulabilir,

• Elde edilen olasılık dağılımları birikimli olasılık dağılımlarına dönüştürülür, • Modelin incelenmesi için kullanılacak olan rasgele sayılar üretilir,

• Rasgele sayılar kullanılarak, değişkenlerin alacağı değerler belirlenir, • Sonuçlar değerlendirilir.

Simülasyonun her bir hesaplama sonucu patentli ürünle farklı ortamlarda elde edilen değerleri vereceğinden, her bir hesaplamadan farklı sonuçlar elde edilmektedir. Tekrar tekrar yapılan hesaplamalar sonucunda elde edilen tüm sonuçlar analiz edilmektedir (Sözer, 2008, s. 56).

3.5.2.5.4. Teknoloji Çarpanı Yaklaşımı- Teknoloji Faktörü

Bazı kaynaklarda gelir yaklaşımı metotlarının altında incelenen bazı kaynaklarda ise gelir üzerinden hesaplanmayan yöntemler başlığı altında yer verilmiş olan teknoloji çarpanı yaklaşımı metodu temelde bir şirketin kullandığı patentli teknolojinin şirketin sahip olduğu genel piyasa değerinin oluşmasında bulunduğu katkının payını ölçmeye çalışır.

Yaklaşım ilk olarak şirketin operasyonel sonuçlarını tahmin ederek şirketin bugünkü değerini hesaplar. Daha sonra fikri mülkiyetin bu değerin oluşmasında yaratabileceği üst sınır belirlenir. Ardından sözel analizler ile teknolojinin fayda ve rekabet boyutundaki avantaj ve dezavantajları belirlenir ve maksimum teknoloji çarpanı bu etmenler düşünülerek makul bir düzeye indirilir. Teknoloji çarpanı

79

kararlaştırılıp şirketin net bugünkü değeri ile çarpılarak patentin değeri hesaplanır (Özdemir, 2014, s. 57). Teknoloji çarpanı teknoloji yoğun sektörlerde daha yüksek olurken daha az teknoloji gerektiren sektörlerde ise oranın daha düşük olma ihtimali vardır.

Formül olarak şu şekilde gösterilebilir:

Patent Değeri = İşletme Değeri x Teknoloji Çarpanı