Journals / Süleyman Demirel Üniversitesi İktisadi ve İdari Bilimler Fakültesi Dergisi / 2009 / Cilt: 14 - Sayı: 2

Classification of Domestic and Foreign Commercial Banks In Turkey Based on Financial Efficiency: A Comparison of Decision Tree, Logistic Regression and Discriminant Analysis Models

TÜRKİYE’DE YERLİ VE YABANCI TİCARET BANKALARININ FİNANSAL ETKİNLİĞE GÖRE SINIFLANDIRILMASI: KARAR AĞACI, LOJİSTİK REGRESYON VE DİSKRİMİNANT ANALİZİ MODELLERİNİN BİR KARŞILAŞTIRMASI

Pages
113–139
Publication Date
2009-06-01
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)

Araştırmanın sonuçları, bankaların sınıflandırmasında karar ağacı modelinin geleneksel diskriminant ve lojistik regresyon modellerine üstünlük sağlayarak alternatif etkili bir sınıflandırma tekniği olarak kullanılabileceğini göstermektedir.

📌 3 Key Takeaways

🎯
Objective & Hypothesis:Bu çalışmada yerli ve yabancı olarak önceden grup üyeliği belirlenmiş bankaların sınıflandırmasında yaygın olarak kullanılan veri madenciliği tekniklerinden diskriminant, lojistik regresyon ve karar ağacı modelleri karşılaştırılmaktadır.
📊
Key Findings & Data:Üç sınıflandırma tekniği, bankalarla ilgili seçilmiş likidite, gelir-gider, karlılık ve faaliyet oranları kullanılarak karşılaştırılmaktadır.
💡
Conclusion & Impact:Araştırmanın sonuçları, bankaların sınıflandırmasında karar ağacı modelinin geleneksel diskriminant ve lojistik regresyon modellerine üstünlük sağlayarak alternatif etkili bir sınıflandırma tekniği olarak kullanılabileceğini göstermektedir.
🔬Design:Modeling & Simulation
📍Scope:Comprehensive Sample
⚙️Variables:Lojistik Regresyon ve Diskriminant Analizi · Veri Madenciliği · CRT ve Banka Performansı

Özet

Bu çalışmada yerli ve yabancı olarak önceden grup üyeliği belirlenmiş bankaların sınıflandırmasında yaygın olarak kullanılan veri madenciliği tekniklerinden diskriminant, lojistik regresyon ve karar ağacı modelleri karşılaştırılmaktadır. Üç sınıflandırma tekniği, bankalarla ilgili seçilmiş likidite, gelir-gider, karlılık ve faaliyet oranları kullanılarak karşılaştırılmaktadır. Araştırmanın sonuçları, bankaların sınıflandırmasında karar ağacı modelinin geleneksel diskriminant ve lojistik regresyon modellerine üstünlük sağlayarak alternatif etkili bir sınıflandırma tekniği olarak kullanılabileceğini göstermektedir.

🔖

Cite This Article

ALBAYRAK, Y. S. (2009). Classification of Domestic and Foreign Commercial Banks In Turkey Based on Financial Efficiency: A Comparison of Decision Tree, Logistic Regression and Discriminant Analysis Models. Süleyman Demirel Üniversitesi İktisadi ve İdari Bilimler Fakültesi Dergisi, Cilt: 14 - Sayı: 2, 113–139. https://ajindex.com/articles/803831

📄 Full Text PDF Viewer

📄

PDF görüntüleyici hazırlanıyor...

References (16)

  1. Avkiran, N. (1997). Performance of Foreign Banks in Australia. The Australian Banker, 6 (111), 222–224
  2. Biggs, D., Ville, B. D., and Suen, E. (1991). A Method of Choosing Multiway Partitions for Classification and Decision Trees. Journal of Applied Statistics, 18, 49-62
  3. Brieman, L., Friedman, J. H., Olshen, R. A., and Stone, C. J. (1984). Classification and Regression Trees, Brooks/Cole Advanced Books and Software, California
  4. Buch, C. M., and Golder, S. (2001). Foreign Versus Domestic Banks in Germany and the US: A Tale of Two Markets?, Journal of Multinational Financial Management, 11, 341–61
  5. Camdeviren, H. A., Yazici, A. C., Akkus, Z., Bugdayci, R., and Sungur, M. A. (2007). Comparison of Logistic Regression Model and Classification Tree: An Application to Postpartum Depression Data. Expert Systems With Applications, 32, 987–994
  6. Claessens, S., Demirguc-Kunt, A., and Huizinga, H. (2001). How Does Foreign Entry Affect Domestic Banking Markets? Journal of Banking and Finance, 25, 891–911
  7. Cooper, J. A., Saracci, R., and Cole, P. (1979). British Journal of Cancer, 39, 87–89
  8. De Young, R., and Noll, D. E. (1996). Foreign-Owned Banks in The United States: Earning Market Share or Buying It? Journal of Money Credit and Banking, 4 (28), 622–636
  9. Demirguc-Kunt, A., and Huizinga, H. (1999). Determinants of Commercial Bank Interest Margins and Profitability: Some International Evidence. The World Bank Economic Review, 2 (13), 379–408
  10. Dobson, A. J. (1990). An Introduction to Generalized Linear Model, Chapman and Hall, New York
  11. Fabrigar, L. R., Wegener, D. T., Maccallum, R. C., and Strahan, E. J. (1999). Evaluating the Use of Exploratory Factor Analysis in Psychological Research. Psychological Research, 4 (3), 272-299
  12. Fadel, H. (1977). The Predictive Power of Financial Ratios in The British Construction Industry. Journal of Business Finance andaccounting, 4 (3), 339-352
  13. Golin, J. (2001). The Bank Credit Analysis Handbook: A Guide for Analysts, Bankers and Investor Wiley, New York
  14. Hair, J. F., Anderson, R. E., Tatham, R. L., and C.Black, W. (1998). Maltivariate Data Analysis, Prentice Hall, New Jersey
  15. Harrison, W. B., and Wood, D. R. (1989). The Development of a Bank Classification Scheme Through Discriminant Analysis. Atlantic Economic Journal, XVII (1), 35-42
  16. Hasan, I., and Lozano-Vivas, A. (1998). Foreign Banks, Production Technology, and Efficiency: Spanish Experience, Paper Presented at The Georgia