Predicting business failures in non-financial Turkish companies
Finansal olmayan Türk şirketlerınde iflas tahmini
- Tez No: 398164
- Danışmanlar: YRD. DOÇ. BURCU ESMER
- Tez Türü: Yüksek Lisans
- Konular: İşletme, Business Administration
- Anahtar Kelimeler: çoklu değişkenli doğrusal diskriminant modeli, ikinci derece diskriminant modeli, logit modeli, probit modeli, karar ağacı modeli, yapay sinir ağları modeli, destek vektör makineleri, iflas tahmini, finansal oranlar, Karar ağacı, Tahmin, Yapay sinir ağları, İflas, İşletmeler, multivariate linear discriminant model, quadratic discriminant model, logit model, probit model, decision tree model, neural networks model, support vector machines, business failures, bankruptcy prediction, financial ratios, Financial rates, Decision tree, Estimation, Artificial neural networks, Bankruptcy, Businesses
- Yıl: 2015
- Dil: İngilizce
- Üniversite: İhsan Doğramacı Bilkent Üniversitesi
- Enstitü: Ekonomi ve Sosyal Bilimler Enstitüsü
- Ana Bilim Dalı: İşletme Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: Belirtilmemiş.
Özet
Kurumsal iflas tahmini finans literat ur unde yaygi n olarak incelenmi stir. Bu tez 2000 ve 2015 y illari arasi nda fi nansal sekt orde olmayan T urk sirketlerinin iflas tahminlerini 7 farkli modelin: coklu de gi skenli do grusal diskriminant, ikinci derece diskriminant, logit, probit, karar a gac i, yapay sinir a glari ve destek vekt or makinesi modelleri do gruluklari ni kar si la sti rarak inceler. Bu cal sma,finansal oranlar n iflastan 1 ila 2 y l oncesine kadar g u cl u belirleyici olduklari ni g ostermektedir. Ayr ca, u c fi nansal orani n: d oner sermayenin toplam aktiflere orani , net gelirin toplam aktiflere orani ve net gelirin toplam pasiflere orani ni n iflas tahminini ong ormede onemli oldu gunu g ostermektedir. B ut un veri seti kullani ldi gi nda, karar a gaci modeli %75 ile en y uksek do gruluk orani na sahiptir. Ikincil veri seti kullan ild ig nda ise yapay sinir a glari di ger modellere g ore en y uksek do gruluk oran ina sahiptir.
Özet (Çeviri)
The prediction of corporate bankruptcies has been widely studied in the fi nance literature. This paper investigates business failures in non-fi nancial Turkish companies between the years 2000 and 2015. I compare the accuracies of di fferent prediction models such as multivariate linear discriminant, quadratic discriminant, logit, probit, decision tree, neural networks and support vector machine models. This study shows that accounting variables are powerful predictors of business failures one to two years prior to the bankruptcy. The results show that three financial ratios: working capital to total assets, net income to total assets, net income to total liabilities are signi ficant in predicting business failures in non- financial Turkish companies. When the whole sample is used, all five models predict the business failures with at least 75% total accuracy, where the decision tree model has the best accuracy. When the hold-out samples are used, neural networks model has the best prediction power among all models used in this study.
Benzer Tezler
- Türkiye'deki imalatçı şirketlerde finansal başarısızlığın genelleştirilmiş lineer modeller ile tahmini
Financial distress prediction of Turkish manufacturing companies using generalized linear models
MAMSİT TRESOR MAMPOUYA-SITA
- Estimating the probability of bankruptcy using z-score and distance to default model: An application on ise
İflas etme olasılıklarını Z-skor ve finansal sıkıntıya olan uzaklık hesaplayarak tahmin etme: BİST'de ampirik bir uygulama
IFTIKHAR IFTIKHAR
Yüksek Lisans
İngilizce
2018
İşletmeİstanbul Aydın Üniversitesiİşletme Ana Bilim Dalı
DR. ÖĞR. ÜYESİ ÇİĞDEM ÖZARI
- Borsa İstanbul'da işlem gören sanayi işletmelerinin finansal başarısızlıklarının öngörülmesi: 2007-2019
Predicting financial failures of industrial companies listed in Borsa Istanbul: 2007-2019
HASAN DEMİRHAN
- Prediction of financial distress: A modelling approach for construction companies in Turkey
Mali sıkıntıya düşme tahmini: Türkiye'deki inşaat firmaları için modelleme yaklaşımı
MEHMET DİNÇ ALNIAK
