İflas öngörüsünde değişken seçimi: Borsa İstanbul örneği
Feature selection in bankruptcy prediction: The case of Borsa iİstanbul
- Tez No: 432709
- Danışmanlar: DOÇ. DR. SONER AKKOÇ
- Tez Türü: Doktora
- Konular: İşletme, Business Administration
- Anahtar Kelimeler: İflas Öngörüsü, Değişken Seçimi, Yapay Sinir Ağları, Diskriminant Analizi, LRA Analizi, Bankruptcy Prediction, Feature Selection, Artificial Neural Networks, Discriminant Analysis, Logistics Regression Analysis
- Yıl: 2016
- Dil: Türkçe
- Üniversite: Dumlupınar Üniversitesi
- Enstitü: Sosyal Bilimler Enstitüsü
- Ana Bilim Dalı: İşletme Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 196
Özet
Finans literatüründe iflas öngörü çalışmaları ile erken uyarı sistemi olarak kullanılabilecek modeller geliştirilmeye çalışılmıştır. Yapay Zeka teknolojilerinden biri olan Yapay Sinir Ağları bir çok alanda olduğu gibi finans alanında da yüksek öngörü gücü ile dikkat çekmektedir. İşletmeleri iflasa sürükleyen nedenler farklı olduğundan, öngörü modelleri birçok değişkeni dikkate almak durumundadır. Ancak değişken sayısının fazlalığı model geliştirme sürecini ve öngörü modellerinin performansını olumsuz yönde etkileyebilir. Bundan dolayı çeşitli veri indirgeme yöntemlerinin bu alanda kullanıldığı görülmektedir. Bu çalışmada Türkiye veri seti üzerinde t-testi, diskriminant analizi, LRA analizi, korelasyon analizi ve faktör analizi veri indirgeme yöntemi olarak kullanılarak alt veri setleri oluşturulmuştur. Sonrasında Yapay Sinir Ağları ile her bir veri seti için standart öngörü modelleri geliştirilmiştir. Böylece hem iflas öngörüsünde hangi değişken seçim yönteminin daha başarılı olduğu hem de Yapay Sinir Ağlarının iflas öngörüsündeki performansı araştırılmıştır. Elde edilen bulgular söz konusu değişken seçim yöntemlerinden en başarılısının logistik regresyon analiz yöntemi olduğunu ortaya koymaktadır. Logistik regresyon analizi ile oluşturulan alt veri seti üzerinde %94,44 oranında öngörü başarısı elde edilmiştir. Bu oranın orijinal veri seti ve diğer veri indirgeme yöntemleri ile elde edilen oranlardan yaklaşık %2 ile %8,5 oranında daha yüksek olduğu belirtilebilir. Bu çalışma ile Yapay Sinir Ağları ile geliştirilen modellerin Türkiye veri seti üzerinde yüksek öngörü başarısı sağladığı, değişken seçim yöntemlerinin iflas öngörü modellerinin performansını arttırdığı ve en başarılı değişken seçim yönteminin LRA analizi olduğu sonucuna ulaşılmıştır.
Özet (Çeviri)
In finance literature, models with high prediction power that can be used as an early warning system have been sought to be developed using bankruptcy prediction studies. As in other fields, artificial neural network (ANN), one of the artificial intelligence technologies, attracts attention with its high prediction power in this field as well because the models developed with artificial intelligence have better performance. Because there are many reasons for the bankruptcy of businesses, prediction models have to consider a lot of variables. However, when the number of variables is numerous, model developing process is affected negatively and the performance of prediction models decreases. Therefore, many data reduction methods have recently been used in this field in order to overcome this problem. In this study, such statistical techniques as t-test, discriminant analysis, logistics regression analysis, correlation analysis and factor analysis were used as data reduction methods on Turkey data set. In this way, the sub data sets were obtained. Afterwards, standard prediction models were developed with ANN for each data set. Thus, both which variable selection method was more successful in bankruptcy prediction and the performance of ANN in bankruptcy prediction were investigated. According to the results obtained, it is seen that the most successful method of variable selection is logistics regression analysis. On the sub data set constituted by logistics regression analysis, 94,44% prediction success was obtained, which is about 2%-8,5% higher than the other data reduction methods. It is concluded in this study that models developed by ANN have high prediction success on Turkey data set, variable selection methods increase the performance of bankruptcy prediction and the most successful variable selection method is logistics regression analysis method.
Benzer Tezler
- Finansal başarısızlık tahmininde makine öğrenmesi yöntemlerinin kullanımı: Türkiye'deki KOBİ'ler üzerine bir uygulama
Using machine learning methods in financial distress prediction: An application for SMEs in Turkey
YUSUF AKER
- Global kriz dönemi sonrası finansal başarısızlığın öngörüsünde yapay sinir ağları ve logit modellerinin karşılaştırılması
Post- period global crisis the comparison of artificial neural networks and logit models in prediction of financial failure
TUĞBA GÖKDEMİR
Yüksek Lisans
Türkçe
2015
EkonometriMarmara ÜniversitesiEkonometri Ana Bilim Dalı
PROF. DR. EBRU ÇAĞLAYAN AKAY
- The impact of digitalisation on company law
Dijitalleşmenin şirketler hukukuna etkisi
AYBÜKE KESKİN
Yüksek Lisans
İngilizce
2023
Hukukİstanbul Medeniyet ÜniversitesiÖzel Hukuk Ana Bilim Dalı
DR. ÖĞR. ÜYESİ MELTEM KARATEPE KAYA
- İflasın ertelenmesi ve ıslah çalışmalarının değerlendirilmesi
Adjournment of bankruptcy and evaluation of reclamation prcatices
MURAT ŞİMŞEK
Yüksek Lisans
Türkçe
2014
HukukOkan ÜniversitesiMuhasebe Denetim Ana Bilim Dalı
PROF. DR. MEHMET HANİFİ AYBOĞA
- Konkordatonun mali ve hukuki açıdan incelenmesi ve konkordato sürecinin perakende sektörü uygulama örneği
Example of the financial and legal analysis of the concordant and the application of the concordation process to the retail sector
MUSTAFA BURAK BAŞAK