SavedAdd your journal

Journals / Endüstri Mühendisliği / 2010 / Cilt: 21 - Sayı: 1

Company success estimation during economic crisis: an artificial neural network based approach

Ekonomik kriz döneminde firma başarısı tahmini: yapay sinir ağları tabanlı bir yaklaşım

Yeliz EKİNCİ
Demet BAYRAKTAR
Dilay ÇELEBİ
Gül T. TEMUR
Pages
17–29
Publication Date
2022-10-18
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)

A prototype model is designed with regards to homogeneous data set retrieved from the companies facilitating in manufacturing sector.

📌 3 Key Takeaways

🎯
Objective & Hypothesis:The purpose of this paper is to present an artificial neural network (ANN) based method for the estimation of company success during economic crisis periods.
📊
Key Findings & Data:In this study, an ANN model is proposed estimating the success of companies after crisis period by means of financial indicators of the companies for the year before 2001 economic crisis of Turkey.
💡
Conclusion & Impact:A prototype model is designed with regards to homogeneous data set retrieved from the companies facilitating in manufacturing sector.
🔬Design:Modeling & Simulation
📍Scope:2001 Verileri
⚙️Variables:Domain Parameters

Abstract

The purpose of this paper is to present an artificial neural network (ANN) based method for the estimation of company success during economic crisis periods. There are a number of studies about recovering the crisis successfully by companies. Success or failure interpretation can be made upon financial indicators of companies for the period before the crisis. These indicators also provide estimation about the success of the companies. In this study, an ANN model is proposed estimating the success of companies after crisis period by means of financial indicators of the companies for the year before 2001 economic crisis of Turkey. A prototype model is designed with regards to homogeneous data set retrieved from the companies facilitating in manufacturing sector.

Özet

Bu çalışmanın amacı, ekonomik kriz dönemlerinde firma başarısının tahmin edilebilmesi için yapay sinir ağları (YSA) tabanlı bir yöntem önerisi sunmaktır. Yazında firmaların kriz dönemlerini başarı ile atlatabilmeleri konusunda çok sayıda çalışma yer almaktadır. Başarı veya başarısızlık yorumu, firmaların kriz dönemlerinden önce sahip oldukları finansal göstergeler temel alınarak yapılabilir, bu göstergeler aynı zamanda firma başarısı üzerine tahmin yapmayı sağlar. Bu çalışmada, 2001 yılında Türkiye’de meydana gelen ekonomik krizden önceki yıl içerisinde firmaların sahip oldukları finansal göstergeler üzerinden, bu süreci başarı ile atlatabilmiş olma durumuna göre bir YSA modeli geliştirilmiştir. Çalışmamızda, kalkınmada öncelikli sektör olması nedeniyle imalat firmalarından oluşturulan türdeş bir veri seti ile prototip bir model önerisi tasarlanmıştır.

🔖

Cite This Article

EKİNCİ, Y., BAYRAKTAR, D., ÇELEBİ, D., TEMUR, G. T. (2022). Company success estimation during economic crisis: an artificial neural network based approach. Endüstri Mühendisliği, Cilt: 21 - Sayı: 1, 17–29. https://ajindex.com/articles/501214

📄 Full Text PDF Viewer

📄

PDF görüntüleyici hazırlanıyor...

References (17)

  1. Aktan, C.C., Şen, H. 2002. “Ekonomik Kriz: Nedenler ve Çözüm Önerileri,” Yeni Türkiye Dergisi, 1, 1–9
  2. Berg, A., Catherine, P. 1999. “Predicting Currency Crises: The Indicators Approach and An Alternative,” Journal of International Money and Finance, 18 (4), 561–586
  3. Bodyanskiy, Y., Popov, S. 2006. “Neural Network Approach to Forecasting of Quasiperiodic Financial Time Series,” European Journal of Operational Research, 175, 1357–1366
  4. Çelebi, D., Bayraktar, D. 2008. “An Integrated Neural Network and Data Envelopment Analysis for Supplier Evaluation Under Incomplete Information,” Expert Systems with Applications, 35, 1698–1710
  5. Delice, G. 2003. “Finansal Krizler: Teorik ve Tarihsel Bir Perspektif,” Erciyes Üniversitesi İktisadi ve İdari Bilimler Fakültesi Dergisi, 20, 57–81
  6. Demirtaş, E.A., Anagün, A.S., Köksal, G. 2008. “Mutfak Armatürü Tasarımının Kullanıcıların Görsel Algılarına Göre Lojistik Regresyon Yoluyla Belirlenmesi,” Endüstri Mühendisliği Dergisi, 19(2), 17–31
  7. El-Bouri, A., Balakrishnan, S., Popplewell, N. 2000. “Sequencing Jobs on A Single Machine: A Neural Network Approach,” European Journal of Operational Research, 126, 474–490
  8. Elmas, Ç. 2007. Yapay Zekâ Uygulamaları, Seçkin Yayıncılık, Ankara
  9. Erdönmez, P.A. 2003. “Türkiye’de 2001 Yılındaki Mali Kriz Sonrasında Kurumsal Sektörde Yeniden Yapılandırma,” Bankacılar Dergisi, 47, 38–55
  10. Gerni, C., Emsen, Ö. S., Değer, M.K. 2005. “Erken Uyarı Sistemleri Yoluyla Türkiye’deki Ekonomik Krizlerin Analizi,” Ekonometri ve İstatistik, 2, 11–29
  11. Göktepe, A.B., Ağar, E., Lav, A.H., 2005. “Mekanik Özelliklerin Yapay Sinir Ağları Kullanılarak Geri- Hesaplanması,” İTÜ Dergisi/Mühendislik, 2, 31–42
  12. Gujarati, D. N., 1995., Basic Econometrics, 3. Baskı, McGraw-Hill, New York
  13. Gunay, E.N., Ozkan, M. 2007. “Prediction Of Bank Failures In Emerging Financial Markets: An ANN Approach,” The Journal of Risk Finance, 8 (5), 465–480
  14. Isik, I., Hassan, M.K. 2003. “Financial Disruption And Bank Productivity: The 1994 Experience Of Turkish Banks,” The Quarterly Review of Economics and Finance, 43, 291–320
  15. Kaminsky, L. G. 2006. “Currency Crises: Are They All Same?” Journal of International Money and Finance, 25, 503–527
  16. Karaçor, Z., Alptekin, V. 2006. “Finansal Krizlerin Önceden Tahmin Yoluyla Değerlendirilmesi: Türkiye Örneği,” Yönetim ve Ekonomi Dergisi, 13(2), 237–256
  17. NeuroSolutions: Premier Neural Network Development Environment, http://www.neurosolutions.c