Finansal başarısızlıkta makine öğrenmesi: Gıda sektöründe yer alan halka açık firmalarda bir uygulama
Machine learning in financial failure: An application in publicly traded companies in the food industry
- Tez No: 934855
- Danışmanlar: PROF. DR. SEVİNÇ GÜLER ÖZÇALIK
- Tez Türü: Yüksek Lisans
- Konular: İşletme, Business Administration
- Anahtar Kelimeler: Makine Öğrenmesi, Finansal Başarısızlık, Altman Z Skoru, Fulmer H Skoru, Machine Learning, Financial Failure, Altman Z Score, Fulmer H Score
- Yıl: 2025
- Dil: Türkçe
- Üniversite: Dokuz Eylül Üniversitesi
- Enstitü: Sosyal Bilimler Enstitüsü
- Ana Bilim Dalı: İşletme Ana Bilim Dalı
- Bilim Dalı: Finans Bilim Dalı
- Sayfa Sayısı: 81
Özet
ÖZET Yüksek Lisans Tezi Finansal Başarısızlıkta Makine Öğrenmesi: Gıda Sektöründe Yer Alan Halka Açık Firmalarda Bir Uygulama Sabriye ARICI Dokuz Eylül Üniversitesi Sosyal Bilimler Enstitüsü İşletme Anabilim Dalı Finans Programı Geçmişten günümüze kadar finansal başarısızlık, işletmeler ve akademisyenler için önemli bir araştırma konusu olmuştur. Küreselleşen ekonomiyle birlikte artan rekabet ve ilerleyen teknoloji karşısında piyasa koşulları daha da ağırlaşmaktadır. İşletmelerin zarar elde etmemesi, nakit sıkışıklıklarını erkenden çözmesi veya zararla karşılaşsa da en kısa sürede bu durumdan çıkması ve faaliyetlerini başarılı bir şekilde devam ettirmesi istenir. Bu çalışmada işletmelerin finansal başarısızlıkları farklı kriterlerle değerlendirilmiştir. Bu çalışmada BİST Gıda ve İçecek sektöründe hisse senedi işlem gören işletmelerin 2019-2022 dönemine ait yıllık verilerle Altman Z“ Skoru ve Fulmer H modelleriyle başarısızlıkları incelenmiştir. Ardından son yıllarda önemi gittikçe artan makine öğrenmesi algoritmalarından Lojistik Regresyon (LR), K-En Yakın Komşuluk (KNN), Rastgele Ormanlar (RF) ve Destek Vektör Makineleri (SVM) ile finansal başarısızlıkları değerlendirilmiştir. Çalışma sonucunda tüm şirketler için 2019 yılında, Altman Z”skoruna göre başarı oranı %66,67 iken, Fulmer H skoruna göre %55,56 olduğu görülmektedir. Benzer şekilde 2020 yılında, Altman Z'' modeline göre şirketlerin %77,78'ini başarılı iken, Fulmer modeline göre işletmelerin %66,67'sı başarılıdır. 2021 yılında Altman Z'' modeline göre göre %62,96 başarılı şirket varken, Fulmer modelinde bu oran %81,48 çıkmıştır. İnceleme döneminin son yılında ise Altman modeline göre göre başarılı şirketlerin oranı %59,25 iken ve Fulmer modelinde bu oran %81,49 bulunmuştur. Çalışmada Makine Öğrenimi (ML) algoritmalarının etkin kullanılması için dengesiz veri setleri önce dengeli hale getirilmiş ve ardından 10-kat çapraz doğrulama kullanılarak hiper parametre optimizasyonlarıyla sınıflandırma işlemleri gerçekleştirilmiştir. 2019-2022 yılları arasında Alman Z skoruna göre yapılan analizde model performanslarında RF algoritması ve SVM oldukça yüksek F1 skoru ve dengeli doğruluk oranlarına sahip olduğu tespit edilmiştir. Fulmer H skoruna göre model performanslarında yüksek F1 skoru ve doğruluk oranına sahip RF algoritması 2019-2021 yıllarında Fulmer ile aynı sonuçta bir sınıflandırma göstermiştir. Söz konusu bu yıllarda SVM' nin az da olsa farklılık gösterdiği görülmektedir. Tüm makine öğrenimi algoritmalarında ise KNN en başarısız algoritma olmuştur.
Özet (Çeviri)
ABSTRACT Master's Thesis Machine Learning in Financial Failure: An Application in Publicly Traded Companies in the Food Industry Sabriye ARICI Dokuz Eylül University Graduate School of Social Sciences Business Administration Department Finance Program Financial failure has been important for companies and researchers since the past. With the globalizing economy, increasing competition and advancing technology, market conditions are getting more difficult. It is desired for businesses not to make a loss, to solve cash flow problems early, or to get out of this situation as soon as possible even if they encounter a loss and to continue their activities successfully. In this study, financial failures of businesses were evaluated with different criteria. In the study, annual financial data of companies whose shares are traded in the BIST Food and Beverage sector for the period 2019-2022 were used to examine financial failure with Altman Z'' Score and Fulmer H Score methods. Then, financial failure was evaluated with Logistic Regression (LR), K-Nearest Neighborhood (KNN), Random Forests (RF) and Support Vector Machines (SVM), which are machine learning algorithms that have become increasingly important in recent years. Based on the study's findings, it is seen that the success rate according to Altman Z'' score was 66.67% for all companies in 2019, while it was 55.56% according to Fulmer H score. Similarly, in 2020, Altman found 77.78% of companies successful, while Fulmer found 66.67% successful. In 2021, while there were 62.96% successful companies according to Altman, this rate was 81.48% for Fulmer. In the last year of the review period, the rate of successful companies according to Altman was 59.25%, while this rate was 81.49% for Fulmer. In the study, in order to use ML algorithms effectively, unbalanced data sets were first balanced and then classification processes were performed with hyperparameter optimizations using 10-fold cross-validation. Based on the Altman Z'' score analysis from 2019 to 2022, it was determined that the RF algorithm and SVM had very high F1 score and balanced accuracy rates in model performances. According to the Fulmer H score, the RF algorithm, which has high F1 and accuracy rates in model performances, showed a classification with the same result as Fulmer in 2019-2021. It is seen that SVM showed a slight difference in these years. In all ML algorithms, KNN was found to be the least successful algorithm.
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
- 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
- Makine ve ekipman imalatı sektöründe izolasyon ormanı ve yeniden örnekleme yöntemleri kullanılarak finansal başarısızlığın tespit edilmesi
Detecting financial failure in the machinery and equipment manufacturing sectorusing isolation forest and resampling methods
KARDELEN ŞEYMA ERDEM
Yüksek Lisans
Türkçe
2024
İstatistikGazi Üniversitesiİstatistik Ana Bilim Dalı
PROF. DR. MEHMET AKİF BAKIR
- Bilişim sektöründe finansal başarısızlığın makine öğrenmesi yöntemleri ile tahmini
Prediction of financial failure in informatics sector with machine learning methods
FATİH ATEŞ
Yüksek Lisans
Türkçe
2023
Ekonomiİskenderun Teknik ÜniversitesiEkonomi Finans Ana Bilim Dalı
DOÇ. DR. EMİNE UÇAR
DR. ÖĞR. ÜYESİ İSA KILIÇ
- Optimal parametre ve özellik seçimi ile destek vektör makinesi kullanılarak finansal başarısızlık tahmini
Financial distress prediction using support vector machine with optimal parameter and feature selection
SEYYİDE DOĞAN