SavedAdd your journal

Journals / Öneri Dergisi / 2018 / Cilt: 13 - Sayı: 50

HAVA YOLU TAŞIMACILIĞI SEKTÖRÜNDE İFLAS RİSKİ - YAPAY SİNİR AĞLARI İLE AİRSCORE TAHMİNİ

Burcu SAKIZ
Gülümser ÜNKAYA
Pages
159–172
Publication Date
2018-07-01
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)

Bu çalışma kapsamında tüm bu yapılanlara ek olarak yapay zeka algoritmaları yardımıyla gerçekleştirilen analizlerde, önceki bulgulara benzer şekilde önümüzdeki üç dönem için Türk Hava Yolları Anonim Ortaklığının iflas riski açısından sağlıklı alanda olacağı tahmin edilmiştir.

📌 3 Key Takeaways

🎯
Objective & Hypothesis:21. yüzyılın ilk yılları, havacılık sektörünü yakından ilgilendiren bir çok önemli olaya sahne olmuştur.
📊
Key Findings & Data:Bir üçüncü nesil finansal kriz modeli olan 2008 krizi de dahil olmak üzere havacılık endüstrisini küresel çapta etkileyen önemli dört olay, 11 Eylül 2001 terör saldırısı, 2003 yılındaki SARS hastalığı salgını ve 2010 yılında yaşanan yanardağ volkanik kül patlamasıdır.
💡
Conclusion & Impact:Bu çalışma kapsamında tüm bu yapılanlara ek olarak yapay zeka algoritmaları yardımıyla gerçekleştirilen analizlerde, önceki bulgulara benzer şekilde önümüzdeki üç dönem için Türk Hava Yolları Anonim Ortaklığının iflas riski açısından sağlıklı alanda olacağı tahmin edilmiştir.
🔬Design:Modeling & Simulation
📍Scope:2008 Verileri
⚙️Variables:Hava Yolu Taşımacılığı · İflas Tahmin Modelleri · Airscore

Özet

21. yüzyılın ilk yılları, havacılık sektörünü yakından ilgilendiren bir çok önemli olaya sahne olmuştur. Bu araştırmada bahsi geçen bu önemli olayların Türkiye’nin bayrak taşıyıcısı havayolu olan Türk Hava Yolları Anonim Ortaklığı işletmesi için iflas riskini, diğer iflas tahmin modelleri arasında havacılık sektörüne özgü olarak geliştirilmiş Airscore modeli kullanılarak yapay sinir ağları teknikleri ile tahminleme amacını taşımaktadır. Bir üçüncü nesil finansal kriz modeli olan 2008 krizi de dahil olmak üzere havacılık endüstrisini küresel çapta etkileyen önemli dört olay, 11 Eylül 2001 terör saldırısı, 2003 yılındaki SARS hastalığı salgını ve 2010 yılında yaşanan yanardağ volkanik kül patlamasıdır. Airscore iflas tahmin modeline göre incelenen 2002 ile 2016 yılları arasındaki dönemin sağlıklı alan olarak nitelendirilen bölgede olduğu tespit edilmiştir. Bu çalışma kapsamında tüm bu yapılanlara ek olarak yapay zeka algoritmaları yardımıyla gerçekleştirilen analizlerde, önceki bulgulara benzer şekilde önümüzdeki üç dönem için Türk Hava Yolları Anonim Ortaklığının iflas riski açısından sağlıklı alanda olacağı tahmin edilmiştir.

🔖

Cite This Article

SAKIZ, B., ÜNKAYA, G. (2018). HAVA YOLU TAŞIMACILIĞI SEKTÖRÜNDE İFLAS RİSKİ - YAPAY SİNİR AĞLARI İLE AİRSCORE TAHMİNİ. Öneri Dergisi, Cilt: 13 - Sayı: 50, 159–172. https://ajindex.com/articles/35465

📄 Full Text PDF Viewer

📄

PDF görüntüleyici hazırlanıyor...

References (14)

  1. Akkaya G.C. (2004). Finansal Rasyolar Yardımıyla Havayolları İşletmelerinin Performansının Değerlendirilmesi. Dokuz Eylül Üniversitesi İ.İ.B.F.Dergisi. Cilt 19 Sayı 1, 15-29.
  2. Aktaş R. (1997). Mali Başarısızlık (İşletme Riski) Tahmin Modelleri. Türkiye İş Bankası Kültür Yayınları,
  3. İstanbul.
  4. Altman E. (2000). Predicting Financial Distress of Companies:Revisiting the Z-Score and Zeta Model. Nyu. Newyork. 7-36.
  5. Atan, M., Güneş, B. (2004). İMKB’ye Kote Şirketlerde Bilançoya Dayalı Risk Analizi Ve Erken Uyarı Göstergelerinin Araştırılması", Dokuz Eylül Üniversitesi 4. İstatistik Günleri Sempozyumu. İzmir.
  6. Beaver W. H. (1966). Financial Ratios As Predictors Of Failure. Journal of Accounting Research. 71-111.
  7. Bredart, X. (2014). "Bankruptcy Prediction Model Using Neural Networks", Accounting and Financial Research. vol.3 n 2, 124-128.
  8. Cerit G., Deveci A., Esmer S. (2013). Denizcilik İşletmeleri Yönetimi. Beta Yayınları. 1.Basım, İstanbul.
  9. Clarke J., Lee A., Miller B. (2004). Is Air Transportation Financially Sustainable. MIT International Center for Air Transportation. Dilek Ö. (2007). Şehirlerarası Havayolu Talep Tahmini: Erzurum Üzerine Bir Uygulama, Atatürk Üniversitesi Sosyal Bilimler Enstitüsü. İktisat Anabilim Dalı Yüksek Lisans Tezi, Erzurum. Francis G., Humphreys I., Fry J. (2005). The Nature And Prevalence Of The Use Of Performance Measurement Techniques By Airlines. Journal of Air Transport Management. 11 (4), 207-217.
  10. Gerede E. (2002). Havayolu Taşımacılığında Küreselleşme Ve Havayolu İşbirlikleri–THY AO.’da Bir Uygulama. Anadolu Üniversitesi Sosyal Bilimler Enstitüsü (Yayımlanmamış Doktora Tezi). Eskişehir. Gerede E. (2006). Sivil Havacılık Faaliyetlerin Sınıflandırılması Ve Türkiye’de Hava Taşımacılığı Faaliyetlerinin Tanımlanmasına İlişkin Sorunlar. HaSeM’06 Kayseri VI. Havacılık Sempozyumu. Nevşehir, 197-203.
  11. Göçen S., Yirik Ş., Yılmaz Y. (2011). Türkiye’de Krizler Ve Krizlerin Turizm Sektörüne Etkileri. Süleyman Demirel Üniversitesi İİBF Dergisi. C.16 S.2, 493-509.
  12. Gritta R.D., Adrangi B., Davalos S., Bright D. (2008). A Review of the History of Air Carrier Bankruptcy Forecasting and the Application of Various Models to the US Airline Industry: 1980-2005. Södertörn Academic Studies. 193-214.
  13. Gudmundsson S. (1999) Airline Failure And Distress Prediction: A Comparison Of Quantitative And Qualitative Models. Transportation Research. Part E 35, 155-182.
  14. Gudmundsson, S. (2002). Airline Distress Prediction Using Non-Financial Indicators", Journal of Air