KaydedilenlerDerginizi ekleyin

Dergiler / Yönetim ve Ekonomi Araştırmaları Dergisi / 2022 / Cilt: 20 - Sayı: 3

ENERJİ FİRMALARI İÇİN İFLAS TAHMİN MODELLEMESİ

A NEW BANKRUPTCY FORECAST MODELLING FOR ENERGY COMPANIES

Gerçek ÖZPARLAK
Sayfa
33–58
Yayın Tarihi
2022-11-06
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)

Duyarlılık ve özgüllük (R.O.C.) sonuçlarına göre, iflas etmiş ve iflas etmemiş şirketleri ayırt etmede modelin performansı güçlü bulunmuştur.

📌 3 Maddede Bu Makale

🎯
Amaç & Hipotez:Covid-19 salgını nedeniyle 2020 yılında şirket iflaslarında büyük artışlar yaşanmıştır.
📊
Temel Bulgular & Veri:Çalışmanın örneklemi için 2020 yılında ABD’de iflasını açıklayan 23 adet enerji şirketi ve aynı dönemde finansal açıdan başarılı olan 23 adet enerji şirketi seçilmiştir.
💡
Sonuç & Katkı:Duyarlılık ve özgüllük (R.O.C.) sonuçlarına göre, iflas etmiş ve iflas etmemiş şirketleri ayırt etmede modelin performansı güçlü bulunmuştur.
🔬Tür:Uygulamalı Anket & Alan Araştırması
📍Kapsam:2020 · 23 adet
⚙️Değişkenler:Alan Parametreleri

Özet

Covid-19 salgını nedeniyle 2020 yılında şirket iflaslarında büyük artışlar yaşanmıştır. Bu dönemde özellikle enerji sektörü, en çok iflasların görüldüğü alanlardan bir tanesi olmuştur. Bu bağlamda bu çalışmanı amacı, ABD’de de enerji sektöründe faaliyet gösteren finansal açıdan başarısız firmalar (iflasını açıklamış firmalar) ile başarılı firmaları önceden tahmin edebilen bir model oluşturmaktır. Çalışmanın örneklemi için 2020 yılında ABD’de iflasını açıklayan 23 adet enerji şirketi ve aynı dönemde finansal açıdan başarılı olan 23 adet enerji şirketi seçilmiştir. Gruplar arasındaki ayrımı yapmak için çoklu ayırma analizi metodu yöntem olarak seçilmiştir. Araştırmanın sonuçlarına göre, oluşturulan fonksiyonun başarı oranı %87,0 olarak bulunmuştur. Duyarlılık ve özgüllük (R.O.C.) sonuçlarına göre, iflas etmiş ve iflas etmemiş şirketleri ayırt etmede modelin performansı güçlü bulunmuştur.

Abstract

Due to the Covid-19 epidemic, there was a significant increase in company bankruptcies in 2020. In this period, especially the energy sector has been one area where bankruptcies are the most seen. In this context, this study aims to build a model that can predict financially unsuccessful companies that have declared bankruptcy and successful companies operating in the energy sector in the U.S.A. For the study sample, 30 financial ratios of 23 energy companies that declared bankruptcy in the U.S.A. in 2020 and 30 financial ratios of 23 energy companies that were financially successful in the same period were selected. The multiple discriminant analysis (M.D.A.) was chosen to differentiate between the groups. According to the research results, the accuracy rate of the created function was found to be 87.0%. According to the sensitivity and specificity (R.O.C.) results, the performance of the model was found to be strong for distinguish differ between bankrupted and non-bankrupted companies.

🔖

Bu Makaleye Atıf Yap

ÖZPARLAK, G. (2022). ENERJİ FİRMALARI İÇİN İFLAS TAHMİN MODELLEMESİ. Yönetim ve Ekonomi Araştırmaları Dergisi, Cilt: 20 - Sayı: 3, 33–58. https://ajindex.com/articles/647514

📄 Tam Metin PDF Okuyucu

📄

PDF görüntüleyici hazırlanıyor...

Kaynakça (13)

  1. Akgüç, Ö. (2010) ‘‘Mali Tablolar Analizi’’, Istanbul: Avcıol Publishing. Altman, E. I. (1968) ‘‘Financial Ratios, Discriminant Analysis and The Prediction of Corporate Bankruptcy’’, The Journal of Finance, 23(4): 589–609, https://doi.org/10.2307/2978933.
  2. Altman, E.I. and Narayanan, P. (1997) ‘‘An International Survey of Business Failure Classification Models’’, Financial Markets, Institutions and Instruments, 6(2): 1-57.
  3. Altman, E.I., Haldeman, R.G. and Narayanan, P. (1977) ‘‘Zetatm Analysis A New Model to Identify Bankruptcy Risk of Corporations’’, Journal of Banking & Finance, 1(1), 29-54 https://doi.org/10.1016/0378-4266(77)90017-6.
  4. Aly, I.M., Barlow, H.A. and Jones, R.W. (1992) ‘‘The Usefulness of Sfas No. 82 (Current Cost) Information In Discriminating Business Failure: An Empirical Study. Journal Of Accounting’’, Auditing & Finance, 7(2): 217–229., https://doi.org/10.1177/0148558x9200700209.
  5. Atiya, A.F. (2001) ‘‘Bankruptcy Prediction for Credit Risk Using Neural Networks: A Survey and New Results’’, Ieee Transactions on Neural Networks, 12 (4): 929-935, (Accessed: 16.09.2014).
  6. Aziz, A., Emanuel, D.C. and Lawson, G.H. (1988) ‘‘Bankruptcy Prediction – An Investigation of Cash Flow-Based Models’’, Journal of Management Studies, 25(5): 419-37, https://doi.org/10.1111/J.1467-6486.1988.Tb00708.X.
  7. Back, B., Laitinen T. and Sere K. (1996) ‘‘Neural Networks and Genetic Algorithms for Bankruptcy Predictions’’, Expert Systems With Applications, 11(4): 407-413. https://doi.org/10.1016/S0957-4174(96)00055-3
  8. Ballard, D.J., Strogatz, D.S., Wagner, E.H., Siscovick, D.S., James, S.A., Kleinbaum, D.G. and Ibrahim, M.A. (1988) ‘‘Hypertension Control in A Rural Southern Community: Medical Care Process and Dropping Out’’, American Journal of Preventive Medicine, 4 (3): 133- 139. Beaver, W. (1966) ‘‘Financial Ratios as Predictors of Failure’’, Journal of Accounting Research, 4, 71-111, https://doi.org/10.2307/2490171.
  9. Bellovary, J., Giacomino, D. and Akers, M. (2006) ‘‘A Review of Bankruptcy Prediction Studies: 1930 to Present’’, Accounting Faculty Research and Publications, 33. Berk, N. (1998) ‘‘Finansal Yönetim’’, İstanbul:
  10. Türkmen Kitabevi.
  11. Blum, M. (1974) ‘‘Failing Company Discriminant Analysis’’, Journal of Accounting Research, 12(1), 1-25. https://doi.org/10.2307/2490525
  12. Büyüköztürk, Ş. (2006) ‘‘Sosyal Bilimler Için Veri Analizi Elkitabı’’. Ankara:
  13. Pegema Yay. Büyüköztürk, Ş. (2017) ‘‘Sosyal Bilimler Için Veri Analizi El Kitabı: Istatistik’’, Araştırma Deseni, Spss