Prediction of financial distress: A modelling approach for construction companies in Turkey
Mali sıkıntıya düşme tahmini: Türkiye'deki inşaat firmaları için modelleme yaklaşımı
- Tez No: 816092
- Danışmanlar: DOÇ. DR. HÜMEYRA ADIGÜZEL
- Tez Türü: Doktora
- Konular: İşletme, Business Administration
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2023
- Dil: İngilizce
- Üniversite: Bahçeşehir Üniversitesi
- Enstitü: Lisansüstü Eğitim Enstitüsü
- Ana Bilim Dalı: İşletme (İngilizce) Ana Bilim Dalı
- Bilim Dalı: İşletme (İngilizce) Bilim Dalı
- Sayfa Sayısı: 135
Özet
Bu tez çalışması, Türkiye'de iş yapan inşaat taahhüt firmalarında ortaya çıkabilecek mali sıkıntıyı tahmin etmek için finansal bilgileri kullanarak bir lojistik regresyon modeli geliştirmeyi amaçlamıştır. Model, veri setindeki firmaların mali sıkıntıya girmeden 12 ay önceki finansal bilgilerine dayanarak, mali sıkıntıya girilip girilmeyeceğini yüksek doğrulukla tahmin edebilmektedir. Likidite, kaldıraç, verimlilik ve karlılıkla ilişkili bağımsız değişkenler modelde kullanılmış ve modelin performansı toplam doğruluk oranı %86,54 ve hassasiyet oranı %96,15 olarak gerçekleşmiştir. Modelin uygulama alanları, kredi risk değerlendirmesi, risk tabanlı fiyatlandırma ve kamu ihale süreçleri olabilir. Yeni araştırma önerileri; veri setini genişletmeyi, farklı makine öğrenimi algoritmalarını karşılaştırmayı ve tahmin yeteneklerini iyileştirmek için finansal olmayan faktörleri dahil etmeyi içermektedir.
Özet (Çeviri)
This thesis aimed to develop a logistic regression model for predicting financial distress in Turkish construction companies using their financial information. Based on financial information from the last 12 months, the model can predict with high accuracy whether the companies in the sample would be in financial difficulties. The model employed independent variables related to liquidity, leverage, efficiency, and profitability. It demonstrated satisfactory performance, with an overall accuracy of 86.54% and a sensitivity rate of 96.15%. The model's practical applications can be in credit risk assessment, risk-based pricing, and government tender processes. Future research recommendations include expanding the dataset, comparing different machine learning algorithms, and incorporating non-financial factors to improve predictive capabilities.
Benzer Tezler
- A stress testıng framework for the Turkısh bankıng sector: an augmented approach
Türk bankacılık sektörü için bir stres testi çerçevesi: Bir genişletilmiş yaklaşım
BAHADIR ÇAKMAK
Doktora
İngilizce
2014
BankacılıkOrta Doğu Teknik Üniversitesiİktisat Ana Bilim Dalı
PROF. DR. NADİR ÖCAL
- Industry specific information content of financial ratios and financial distress modeling
Sektör spesifik finansal rasyoların bilgi içeriği ve finansal stres modellemesi
NAZ SAYARI
Doktora
İngilizce
2013
İşletmeOrta Doğu Teknik ÜniversitesiMuhasebe ve Finansman Ana Bilim Dalı
DOÇ. DR. ADİL ORAN
- Makine öğrenmesi yöntemleri ile kredi risk analizi
Credit risk analysis using machine learning algorithms
SACİDE KALAYCI
Yüksek Lisans
Türkçe
2018
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
PROF. DR. MUSTAFA ERSEL KAMAŞAK
- Credit risk management: Early warning modeling for financial distress
Kredi risk yönetimi: Finansal başarısızlık için erken uyarı modellemesi
TUĞÇE ÖZBEY
Yüksek Lisans
İngilizce
2016
Ekonometriİstanbul Bilgi ÜniversitesiEkonometri Ana Bilim Dalı
DR. AHMET BURAK EMEL
- Mali başarı ve başarısızlık tahmini: Lojistik regresyon ve destek vektör makineleri karşılaştırması
Predicting the financial success and failure: Comparison of the logit regression and support vector machine
FATİH ŞENGÖREN
Yüksek Lisans
Türkçe
2019
İşletmeTOBB Ekonomi ve Teknoloji Üniversitesiİşletme Ana Bilim Dalı
PROF. DR. RAMAZAN AKTAŞ