Journals / Üçüncü Sektör Sosyal Ekonomi / 2021 / Cilt: 56 - Sayı: 3

Investigation of Bank Failures in Turkey via Panel-Survival Analysis

Türkiye’deki Banka Başarısızlıklarının Panel-Yaşam Analiziyle İncelenmesi

Pages
1419–1435
DOI
—
🏛️Bibliographic metadata and full text access for this article are provided via DergiPark.
DergiPark Record ↗
✨

AI Summary & Key Takeaways

AI Insight
⚡ TL;DR(Too Long; Didn't Read)

According to the results, it is noteworthy that the bankruptcy risk of foreign banks is approximately 62% lower than domestic banks.

📌 3 Key Takeaways

🎯
Objective & Hypothesis:Developments in the banking sector are both affected by the international regulations and the economic structure of the country.
📊
Key Findings & Data:The risk factors on banks' ability to continue their activities under a risk factor that may change in time are analyzed with this method. 61 banks operating in Turkey and their published joint financial ratios for the period 2000-2019 are included in the analysis.
💡
Conclusion & Impact:According to the results, it is noteworthy that the bankruptcy risk of foreign banks is approximately 62% lower than domestic banks.
🔬Design:Modeling & Simulation
📍Scope:2000-2019 Verileri
⚙️Variables:Domain Parameters

Abstract

Developments in the banking sector are both affected by the international regulations and the economic structure of the country. In this respect, the analysis and interpretation of the banking sector is very important. In this study, the factors affecting the failure of banks are analyzed in terms of some financial ratios of banks. The panel-survival analysis method which is used for inferences, is a combination of panel data analysis and survival analysis methods. The risk factors on banks' ability to continue their activities under a risk factor that may change in time are analyzed with this method. 61 banks operating in Turkey and their published joint financial ratios for the period 2000-2019 are included in the analysis. According to the results, it is noteworthy that the bankruptcy risk of foreign banks is approximately 62% lower than domestic banks. In addition, according to the estimated model, it has been observed that high liquidity and asset ratios and low interest income structure can lead to reducing the bankruptcy risk.

Özet

Bir ülkenin bankacılık sektöründe yaşanan gelişmeler hem uluslararası düzenlemelerden etkilenmekte hem de o ülkenin ekonomik yapısını doğrudan etkilemektedir. Bu bakımdan bankacılık sektörünün analizi ve yorumlanması oldukça önemlidir. Bu çalışmada, bankaların başarısızlığına etkisi olan faktörler, bankaların bazı finansal oranları bakımından incelenmiştir. Analizde panel-yaşam analizinden yararlanılarak bu alana yöntemsel açıdan farklı bir bakış açısı sunulmuştur. Panel veri yapısının yaşam analizi yöntemleriyle incelenmesi anlamına gelen panel-yaşam analizi yöntemi ile zamanı değişebilen bir risk faktörü altında bankaların faaliyetine devam edebilmesi üzerindeki risk unsurları incelenmektedir. Çalışmada, 2000-2019 dönemi ele alınmış ve bu zaman diliminde Türkiye’de faaliyet gösteren 61 bankanın yayımlanan ortak finansal oranlarından yararlanılmıştır. Analiz sonucunda tahmin edilen yaşam modeline göre, yabancı sermayeli bankaların yerli sermayeli bankalara göre iflas riskinin yaklaşık %62 daha düşük olması dikkat çekicidir. Ayrıca tahmin edilen yaşam modeline göre, yüksek likidite ve aktif oranları ile düşük faiz geliri yapısının banka iflas riskini düşüren bir etkiye sahip olacağı görülmüştür.

🔖

Cite This Article

GÖKMEN, Ş. (2021). Investigation of Bank Failures in Turkey via Panel-Survival Analysis. Üçüncü Sektör Sosyal Ekonomi, Cilt: 56 - Sayı: 3, 1419–1435. https://ajindex.com/articles/319974

📄 Full Text PDF Viewer

📄

PDF görüntüleyici hazırlanıyor...

References (14)

  1. Aliyu, S., & Yusof, R. M. (2017). A Panel Survival Analysis for Islamic Banks. International Journal of Economics, Management and Accounting, 25(2), 381-410.
  2. Aydın, Y. (2019). Türk Bankacılık Sektöründe Karlılığı Etkileyen Faktörlerin Panel Veri Analizi ile İncelenmesi. Gümüşhane Üniversitesi Sosyal Bilimler Enstitüsü Elektronik Dergisi, 10(1), 181-189.
  3. Cergibozan, R., & Arı, A. (2017). Türkiye’deki Banka Krizlerine Yönelik Ekonometrik Bir Yaklaşım: Markov Rejim Değişim Modeli. Marmara Üniversitesi İktisadi ve İdari Bilimler Dergisi, 39(1), 47-64.
  4. Cleves, M., Gould, W., Guetierrez, R. G., & Marchenko, Y. V. (2010). An Introduction to Survival Analysis Using STATA. Texas, USA: A Stata Press Publication. Cox, D. R. (1972). Regression Models and Life-tables. Journal of the Royal Statistical Society, Series B, 187-220.
  5. Çelik, M. K. (2010). Bankaların Finansal Başarısızlıklarının Geleneksel ve Yeni Yöntemlerle Öngörüsü. Yönetim ve Ekonomi Dergisi, 17(2), 129-143.
  6. Demirel, E., Atakişi, A., & Abacıoğlu, S. (2013). Bankacılık Faaliyet Oranlarının Panel Veri Analizi: Türkiye’deki Kamu, Özel ve Yabancı Sermayeli Bankaların Durumu. Muhasebe ve Finansman Dergisi, 59, 101-112.
  7. Dinterman, R., & Katchova, A. L. (2020). Survival Analysis of Farm Bankruptcy Filings: Evaluating the Time to Completion of Chapter 12 Bankruptcy Cases. Agribusiness Wiley, 1-24.
  8. Doğan, M. (2013). Katılım ve Geleneksel Bankaların Finansal Performanslarının Karşılaştırılması: Türkiye Örneği. MUFAD Journal, 58, 175-188.
  9. Evrensel, A. Y. (2008). Banking Crisis and Financilal Structure: A Survival-Time Analysis. International Review of Economics and Finance, 17, 589-602.
  10. Gökmen, Ş., Eralp, A., & Kayış, A. A. (2019). İlk Evlilik Süresini Etkileyen Faktörlerin Yaşam Analizi: Türkiye Örneği. Optimum Ekonomi ve Yönetim Bilimleri Dergisi, 6(1), 63-76.
  11. Gülhan, O. (2018). Bankacılıkta Likidite Riski ve Likidite Düzenlemeleri Türk Bankacılık Sektörü Üzerine Uygulamalar (Doktora Tezi). Başkent Üniversitesi Sosyal Bilimler Enstitüsü, Ankara.
  12. Kleinbaum, D. G., & Klein, M. (2012). Survival Analysis: A Self-Learning Text. USA: Springer. Lane, W. R., Looney, S. W., & Wansley, J. W. (1986). An Application of the Cox Proportional Hazards Model to Bank Failure. Journal of Banking and Finance, 10(4), 511-531.
  13. Lanine, G., & Vennet, R. V. (2016). Failure Prediction in the Russian Bank Sector with Logit and Trait Recognition. Expert System with Applications, 30, 463-478.
  14. Majumder, T. H., & Li., X. (2018). Bank Risk and Pe