KaydedilenlerDerginizi ekleyin

Dergiler / BDDK Bankacılık ve Finansal Piyasalar Dergisi / 2015 / Cilt: 9 - Sayı: 1

Mevduat Bankalarının Karlılığının Yapay Sinir Ağları ile Tahmini: Bir Yazılım Modeli Tasarımı

Estimating Deposit Banks Profitability with Artificial Neural Networks: A Software Model Design

FERDİ SÖNMEZ
METİN ZONTUL
Şahamet BÜLBÜL
Sayfa
9–46
DOI
—
🏛️Bu makalenin bibliyografik verileri ve tam metin bağlantısı DergiPark üzerinden sağlanmıştır.
DergiPark Kaydı ↗
✨

Yapay Zeka Hızlı Bakış & Çıkarımlar

AI Insight
⚡ TL;DR(1 Cümlede Hızlı Çıkarım)

Modelden çıkan sonuçlar, kullanılan değişkenlerin tamamının karlılık üzerinde değişen oranlarda önemli etkisinin olduğunu ve tahminlerin hedeflenen ve kabul edilebilir başarı performansını yakaladığını göstermektedir.

📌 3 Maddede Bu Makale

🎯
Amaç & Hipotez:Son yıllarda karlılık analizlerinde; esnek hesaplama (EH) teknikleri, doğrusal olmayan çok değişkenli veri yapısında başarılı uygulamalarından dolayı tercih edilmektedir.
📊
Temel Bulgular & Veri:Makalenin amacı; aktif karlılığı ve özkaynak karlılığı ile ifade edilen banka karlılığı üzerinde etkisi olan değişkenlerin kullanılmasıyla ve ilk defa geliştirilecek adaptif bir yazılım modeli ile Türkiye'deki mevduat bankalarının karlılığını önemli bir EH tekniği olan yapay sinir ağları ile analiz etmektir.
💡
Sonuç & Katkı:Modelden çıkan sonuçlar, kullanılan değişkenlerin tamamının karlılık üzerinde değişen oranlarda önemli etkisinin olduğunu ve tahminlerin hedeflenen ve kabul edilebilir başarı performansını yakaladığını göstermektedir.
🔬Tür:Modelleme & Sayısal Simülasyon
📍Kapsam:Genişletilmiş Akademik Örneklem
⚙️Değişkenler:Alan Parametreleri

Özet

Son yıllarda karlılık analizlerinde; esnek hesaplama (EH) teknikleri, doğrusal olmayan çok değişkenli veri yapısında başarılı uygulamalarından dolayı tercih edilmektedir. Ancak, EH kullanımında karşılaşılan birtakım yetersizlikler nedeniyle, adaptif bir sisteme gereksinim duyulmuştur. Makalenin amacı; aktif karlılığı ve özkaynak karlılığı ile ifade edilen banka karlılığı üzerinde etkisi olan değişkenlerin kullanılmasıyla ve ilk defa geliştirilecek adaptif bir yazılım modeli ile Türkiye'deki mevduat bankalarının karlılığını önemli bir EH tekniği olan yapay sinir ağları ile analiz etmektir. Modelden çıkan sonuçlar, kullanılan değişkenlerin tamamının karlılık üzerinde değişen oranlarda önemli etkisinin olduğunu ve tahminlerin hedeflenen ve kabul edilebilir başarı performansını yakaladığını göstermektedir. Bu başarılı sonuçlarından dolayı ve kullanıcı farklılıklarından etkilenmemesine de bağlı olarak, bu yazılım modelinin; banka karlılığı tahmininde kolaylıklar sağlayacağı düşünülmektedir

Abstract

In recent years, soft computing (SC) techniques have been preferred to measure bank profitability because of their successful applications in nonlinear multivariate situations. However, an adaptive system was needed due to the insufficient use of application software programs for SC. This paper is intended to measure profitability of deposit banks in Turkey with an adaptive SC software model of artificial neural networks which is developed for the first time and using variables that have impact on profitability. The results from the model indicate that all of the variables used have significant impact, in varying proportions, on profitability and that obtained estimations achieved the targeted and acceptable performance of success. This software model is expected to provide easiness on estimating bank profitability, since giving such successful estimations and not being affected by user differences

🔖

Bu Makaleye Atıf Yap

SÖNMEZ, F., ZONTUL, M., BÜLBÜL, Ş. (2015). Mevduat Bankalarının Karlılığının Yapay Sinir Ağları ile Tahmini: Bir Yazılım Modeli Tasarımı. BDDK Bankacılık ve Finansal Piyasalar Dergisi, Cilt: 9 - Sayı: 1, 9–46. https://ajindex.com/articles/143153

📄 Tam Metin PDF Okuyucu

📄

PDF görüntüleyici hazırlanıyor...

Kaynakça (8)

  1. Abreu, M. ve Mendes, V.(2001). Commercial Bank Interest Margins and Profi- tability: Evidence for Some EU Countries. Pan-European Conference Jointly Or- ganized by the IEFS-UK & University of Macedonia Economic & Social Sciences, Thessaloniki, Greece, 17-20.
  2. Afanasieff, T.S., Lhacer, P.M.V. ve Nakane, M.I.(2002). The Determinants of Bank Interest Spreads in Brazil. Banco Central di Brazil Working Papers, No:46. Albertazzi, U. ve Gambacorta, L.(2009). Bank Profitability and the Business Cy- cle. Journal of Financial Stability, 5 (4): 393-400.
  3. Alper, D. ve Anbar, A.(2011). Bank Specific and Macroeconomic Determinants of Commercial Bank Profitability: Empirical Evidence from Turkey. Business and Economics Research Journal, 2(2): 139-152.
  4. Altunöz, U.(2013). Bankaların Finansal Başarısızlıklarının Yapay Sinir Ağları Modeli Çerçevesinde Tahmin Edilebilirliği. Dokuz Eylül Üniversitesi İktisadi ve İdari Bilimler Fakültesi Dergisi, 28(2):189-217. Anastasakis,L. ve Mort, N.(2000) Neural Network-based Prediction of the USD/ GBP Exchange Rate: the Utilisation of Data Compression Techniques for Input Dimension Reduction. University of Sheffield, Technical Report. Anyaeche, C.O. ve Ighravwe, D.E.(2013). Predicting Performance Measures Using Linear Regression and Neural Network: A Comparison. African Journal of Engineering Research, 1(3): 84-89.
  5. Atasoy, H.(2007). Türk Bankacılık Sektöründe Gelir-Gider Analizi Karlılık Per- formansının Belirleyicileri, Uzmanlık Yeterlilik Tezi. Ankara: TCMB Bankacılık ve Finansal Kuruluşlar Genel Müdürlüğü. Athanasoglou, P., Delis, M.D. ve Staikouras, C.(2006). Determinants of Bank Profitability in the South Eastern European Region, Bank of Greece Working Papers, No:47. Athanasoglou, P.P., Brissimis, S.N. ve Delis, M.D.(2008).
  6. Bank-specific, Industry- specific and Macroeconomic Determinants of Bank Profitability. Journal of Inter- national Financial Markets, Institutions and Money, 18: 121-136.
  7. Aysan, A.G. ve Abbasoğlu, O.F.(2007).
  8. Concentration, Competition, Efficiency and Profitability of the Turkish Banking Sector in the Post-Crises Period. Banks and Bank Systems, 3(2): 106-115. Bankacılık Düzenleme ve Denetleme Kurumu, (2013) Türk Bankacılık Sektörü Genel Görünümü Aralık 2013, www.bddk.org.tr. Bashir, A-H.M.(2000). Determinants of Profitability and Rate of Return Margins in Islamic Banks: Some Evidence from the Middle East. 8th ERF Conference, Jordan. Bessis, J.(2010). Risk Management in Banking, 3rd Edition, İngiltere: J