Yapay sinir ağları ve karar ağaçları modelleri ile işletmelerin finansal başarısızlıklarının tahminlenmesi
Prediction of financial distress of companies with artificial neural networks and decision trees models
- Tez No: 597675
- Danışmanlar: DOÇ. DR. NEZİR AYDIN
- Tez Türü: Yüksek Lisans
- Konular: Endüstri ve Endüstri Mühendisliği, Maliye, Mühendislik Bilimleri, Industrial and Industrial Engineering, Finance, Engineering Sciences
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2019
- Dil: Türkçe
- Üniversite: Yıldız Teknik Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Endüstri Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 92
Özet
İşletme başarısızlıkları, işletme içi ve işletme dışı çok sayıda çıkar grubunu yakından ilgilendirmektedir. İşletmelerin finansal durumları ve yapıları hem işletmeler hem de bankalar tarafından oldukça önemlidir. İşletmeler faaliyetlerini sürdürürken iç etmenler kadar, bulundukları ekonominin piyasa koşullarından kaynaklanan sebeplerinde etkisiyle finansal başarısızlıklarla karşı karşıya kalabilmektedirler. İşletmelerin bu durumlarda karşılaştıkları riskleri doğru yönetememesi iflasa yol açabilir. Bu nedenle işletmelerin mevcut durumlarını analiz ederek, başarısızlıklarını önceden öngörebilmeleri ve düzeltici önlemleri alabilmeleri gerekmektedir. Kredi verenler açısından ise doğru analiz yapmak ve kredi kullanımına izin vermek oldukça önemlidir. Bu doğrultuda literatürde çoğunlukla finansal rasyoların araç olarak kullanıldığı çok sayıda model geliştirilmiştir. Bu motivasyonla, bu çalışmada da yapay sinir ağları (YSA) ve karar ağaçları (KA) yöntemleriyle, bir yıl öncesinden imalat, ticaret ve hizmet sektörlerinde faaliyet gösteren işletmelerin finansal başarısızlıklarının tahminlenmesi ve doğru sınıflandırılmasına yönelik model geliştirilmesi hedeflenmiştir. Her bir sektör için ayrı modeller geliştirilmiş olup, sektör bazında doğru sınıflandırma başarı oranlarının karşılaştırılması ve sektör bazında finansal başarısızlığı etkileyen en önemli değişken veya değişkenlerin belirlenmesi amaçlanmıştır. Bu kapsamda BİST Şirketler listesinde imalat, hizmet, ticaret sektörlerinde faaliyet gösteren, toplam 240 adet işletmenin 25 adet finansal rasyosu ile 2 adet finansal olmayan değişken veri olarak kullanılmıştır. Üst üste 3 yıl zarar açıklayan işletmenin başarısız olduğu varsayılmıştır. Yapay sinir ağının tasarımında ve karar ağaçlarının oluşturulmasında SPSS Statistics 20 programı kullanılmıştır. Modelde sıfıra yakın hata hedeflenmiş olup, modelde başarılı ve başarısız işletmeler doğru sınıflandırılmaya çalışılmıştır.
Özet (Çeviri)
Operational failures are closely related to many interest groups within and outside the enterprise. The financial structures of the enterprises are of great importance both by businesses and banks. Businesses may face financial failure as a result of the market conditions of the economy as much as the internal factors while maintaining their activities. Failure to manage the risks they face in these situations can lead to bankruptcy. For this reason, companies should be able to foresee their failures and take corrective measures by analyzing their current situation. In terms of lenders, it is very important to make correct analysis and allow the use of credit. For this purpose, a large number of models have been developed in the literature in which financial ratios are mostly used as tools. With this motivation, the aim of this study is to develop a model for estimating and classifying the financial failures of enterprises operating in manufacturing, trade and service sectors with artificial neural networks (ANN) and decision trees (DT) methods. Unique models have been developed for each sector and it is aimed to compare the correct classification success rates on the basis of sector and to determine the most important variables or variables affecting the financial failure on a sectoral basis. In this context, in the list of the companies listed in the BIST Companies, 25 financial ratios and 2 non-financial variable data were selected from 240 firms operating in manufacturing, service and trade sectors. It is assumed that the firm that has failed last three years are pointed as failure. SPSS Statistics 20 program was used in the design of artificial neural network and formation of decision trees. In the model, near-zero error value has been targeted and successful and unsuccessful firms in the model have been tried to be classified correctly.
Benzer Tezler
- İşletmelerde finansal başarısızlığın makine öğrenme yöntemleri ve Altman Z-skoru ile tahmin edilmesi
Prediction of financial failure in business with machine learning methods and Altman Z-score
ŞAFAK SÖNMEZ SOYDAŞ
- Finansal verilerle kârlılığı açıklayan modellerin karşılaştırılması üzerine bir araştırma
A research on comparison of models explaining the profitability base on financial data
SERKAN ETİ
- BIST100 endeksinin günlük modellenmesi
Daily modeling of the BIST100 (XU100) index
ZÜBEYİR AKTÜRK
Yüksek Lisans
Türkçe
2019
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolOndokuz Mayıs ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
PROF. DR. ERDAL KILIÇ
- Kredi karti dolandiricilik tespitinde makine öğrenme algoritmalarinin karşilaştirmali analizi
Comparative analysis of machine learning algorithms for credit card fraud detection
KEMAL ÇİLBURUNOĞLU
Yüksek Lisans
Türkçe
2023
Bankacılıkİstanbul Gedik ÜniversitesiYapay Zeka Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ ŞERİFE ESRA DİNÇER
- Comparison of stock selection methods: An empirical research on the borsa İstanbul
Hisse senedi seçimi modellerini karşılaştırma: Borsa İstanbul hisse senetleri üzerinde ampirik bir uygulama
ALİ SEZİN ÖZDEMİR
Doktora
İngilizce
2023
Maliyeİstanbul Teknik Üniversitesiİşletme Mühendisliği Ana Bilim Dalı
DOÇ. DR. KAYA TOKMAKÇIOĞLU