Dergiler / Finans Politik ve Ekonomik Yorumlar Dergisi / 2011 / Cilt: 48 - Sayı: 560

İşletmelerin mali başarısızlığının yapay sinir ağları ve lojistik regresyon modeli ile tahmin edilmesi

Estimating financial failure of enterprises with artificial neural networks and logistic regression model

Sayfa
45–55
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)

Daha sonra kontrol grubu ve veri seti kullanarak İMKB'de işlem gören 140 sanayi işletmesinin 2005-2008 yılları arasındaki mali başarısızlıklarını lojistik regresyon modeli ve yapay sinir ağlarından geri yayılımlı yapay sinir ağları ile tahmin ederek hangi yöntemin daha iyi sonuç verdiği tespit edilmiştir.

📌 3 Maddede Bu Makale

🎯
Amaç & Hipotez:Bir şirketin operasyonel durumu periyodik olarak açıklanan finansal bildirimlerle gösterilir.
📊
Temel Bulgular & Veri:Mali başarısızlığa uğramış işletmelerin sayısındaki artış işletmelerin hem kendi kaynaklarının hem de ülke kaynaklarının iyi kullanılmadığının bir göstergesi durumundadır.
💡
Sonuç & Katkı:Daha sonra kontrol grubu ve veri seti kullanarak İMKB'de işlem gören 140 sanayi işletmesinin 2005-2008 yılları arasındaki mali başarısızlıklarını lojistik regresyon modeli ve yapay sinir ağlarından geri yayılımlı yapay sinir ağları ile tahmin ederek hangi yöntemin daha iyi sonuç verdiği tespit edilmiştir.
🔬Tür:Modelleme & Sayısal Simülasyon
📍Kapsam:2005-2008 Verileri
⚙️Değişkenler:Alan Parametreleri

Özet

Bir şirketin operasyonel durumu periyodik olarak açıklanan finansal bildirimlerle gösterilir. Bu finansal bildirimlerden yola çıkılarak işletmelerin mali başarı durumları tespit edilir. Mali başarısızlığa uğramış işletmelerin sayısındaki artış işletmelerin hem kendi kaynaklarının hem de ülke kaynaklarının iyi kullanılmadığının bir göstergesi durumundadır. Bu nedenle mali başarısızlığın tahmin edilmesi önem arz etmektedir. Bu çalışmada ilk olarak başarılı ve başarısız işletmeler belirlenerek istatistik? modeller kurulması için örnek, kestirim seti ve kontrol seti oluşturulacaktır. Daha sonra kontrol grubu ve veri seti kullanarak İMKB'de işlem gören 140 sanayi işletmesinin 2005-2008 yılları arasındaki mali başarısızlıklarını lojistik regresyon modeli ve yapay sinir ağlarından geri yayılımlı yapay sinir ağları ile tahmin ederek hangi yöntemin daha iyi sonuç verdiği tespit edilmiştir.

Abstract

Operational status of a company is shown in periodically explained financial notices. Financial standing of the business is determined based on such financial notices. Increase in the number of financially failed business is an indicator that the sources owned by the business and the nation are not used well. It is therefore important to be able to estimate a financial failure. First the successful and failed business will be identified in this paper, and a sample, projection set and control set will be formed to establish statistical models. Later on, financial failure of 140 industrial enterprises trading on ISE by way of using the control group and the data set between the year 2005 and 2008 has been estimated with the help of back-propagation from artificial neural networks and the logistic regression model, which has enables us to see which methods yields better results.

🔖

Bu Makaleye Atıf Yap

ELMAS, B., YAKUT, E., ALKAN, Ö. (2011). İşletmelerin mali başarısızlığının yapay sinir ağları ve lojistik regresyon modeli ile tahmin edilmesi. Finans Politik ve Ekonomik Yorumlar Dergisi, Cilt: 48 - Sayı: 560, 45–55. https://ajindex.com/articles/224029

📄 Tam Metin PDF Okuyucu

📄

PDF görüntüleyici hazırlanıyor...

Kaynakça (10)

  1. AGRESTIA. (1996), An Introduction to Categorical Data Analysis, John Wiley and Sons Inc.,. AKEL, V. VE BAYRAMOĞLU M. F. (2008), "Kriz Dönemlerinde Yapay Sinir Ağları İle Finansal Öngörüde Bulunma: İMKB 100 Endeksi Örneği", International Symposium on International Capital Flows and Emerging Markets, 24-27
  2. Nisan, Balıkesir, Bandırma. AKGÜÇ Ö. (1998), Finansal Yönetim, 7. Baskı,
  3. Avcıol Basım-Yayım, İstanbul. AKGÜL A. ve Çevik O., (2003), İstatistiksel Analiz Teknikleri "SPSS'te İşletme Yönetimi Uygulamaları, Emek Ofset Ltd. Şti., Ankara. Çalışmanın İkinci analizindeki yapay sinir ağı AKTAŞ.R., (1993), "Endüstri İşletmeleri için Mali Başarısızlık yöntemi ile 112 işletmeden oluşan deney grubu Tahmini (Çok Boyutlu Model Uygulaması)", Türkiye İş Bankası Kültür Yayınları,Ankara, 323-25.
  4. AKTAŞ R., Doğanay M. ve Yıldız B. (2003), "Mali Başarısızlığın Öngörülmesi: İstatistiksel Yöntemler ve Yapay Sinir Ağı Karşılaştırması", Ankara Üniversitesi SBF Dergisi, Cilt 58., s. 1-24.
  5. ALTMAN, E. I. (1968), "Financial Ratios, Discriminant Analysis and The Predictionof Corporate Bankruptcy", The Journal of Finance, Vol. 23, No. 4, pp. 589-609.
  6. BAN Ü. ve MAZIBAŞ M. (2009), "Banka Başarısızlıklarının Yapay Sinir Ağlarıyla Tahmini: Türk Bankacılık Sistemi Üzerine Karşılaştırmalı Bir Uygulama", İktisat İşletme ve Finans Dergisi, Cilt: 24, Sayı: 282, s.27-53.
  7. BEAVER W. H. (1966), "Financial Ratios as Predictors of Failure", Journal of Accounting Research, Empirical Research in Accounting: Selected Studies, Vol. 4, pp.71-111. KÜÇÜKSÖZEN C. VE KÜÇÜKKOCAOĞLU G., "Finansal Bilgi Manipülasyonu: Istanbul Menkul Kıymetler Borsası Üzerine Ampirik Bir Çalışma", Muhasebe Bilim Dünyası (MÖDAV) "1st International Accounting Conference On The Way To Convergence" Bildiri Kitabı, s. 1 -23. MENDENHALL, W. VE SINCICH, T., (1996), A Second Course in Statistics: Regression Analysis, Prentice-Hall, New Jersey. MUZIR, E. ve ÇAĞLAR, N. (2009), "The Accuracy Of Financial Distress Prediction Models In Turkey: A Comparative Investigation With Simple Model Proposals", Anadolu Üniversitesi Sosyal Bilimler Dergisi, Cilt: 9, Sayı: 2, s. 15-48
  8. ODOM, M. D. and SHARDA R."A Neural Network for Bankruptcy Prediction", IJCNN International Joint Conference on Neural Networks, Vol. 2, San Diego, CA, pp. 163-167.
  9. OHLSON, J. A., "Financial Ratios and the Probabilistic Prediction of Bankruptcy", Journal of Accounting Research, Vol. 18, No. 1, pp.109-131.
  10. ÖZDAMAR K. (2009), Paket Programlar ile İstatistiksel Veri Analizi, Ci