Research Article
BibTex RIS Cite

USING ARTIFICIAL NEURAL NETWORKS IN FINANCIAL FAILURE PREDICTION: AN APPLICATION IN BORSA ISTANBUL

Year 2021, , 17 - 30, 30.03.2021
https://doi.org/10.17261/Pressacademia.2021.1375

Abstract

Purpose - Financial failure causes to negative effects upon not only life course of enterprises but also a great number of stakeholders such as owner or partners of an enterprise, government, investor, institutions and organizations providing the enterprise with credit. Together change in information and communication technologies, in financial failure prediction studies the place of artificial intelligence applications is increasingly. Objective of this study is to develop a model -with artificial neural networks that is one of the artificial intelligence applications- regarding to estimating financial situations by benefiting from financial statements (tables) of enterprises being traded at Borsa İstanbul, Turkey and to measure estimation competency of this developed model.
Methodology - Within the context of the study, an estimation model was developed on the basis of financial statements.
Findings- Sample was classified into two sub-groups as training set and test set in the model, in which one-year-before-failure financial statements of enterprises, which failed financially, were benefited. Afterwards estimation competency of the network, which was trained with training set, was measured through test set.
Conclusion- In conclusion, according to obtained findings, it was observed that the model artificial neural networks delivered a high performance in estimating financial failure over selected sample.

References

  • Akgüç, Ö. (2010). Finansal Yönetim (8. bs.). İstanbul: Avcıol Basımevi.
  • Akkaya, G. C., Demireli, E. ve Yakut, Ü. H. (2009). İşletmelerde Finansal Başarısızlık Tahminlemesi: Yapay Sinir Ağları Modeli İle İMKB Üzerine Bir Uygulama, Eskişehir Osmangazi Üniversitesi Sosyal Bilimler Dergisi, 10(2), 187-216.
  • Aktaş, R., Doğanay, M. M. ve Yıldız, B. (2003). Mali Başarısızlığın Öngörülmesi: İstatistiksel Yöntemler ve Yapay Sinir Ağı Karşılaştırması, Ankara Üniversitesi SBF Dergisi, 58(4), 1-24.
  • Alavala, C. R. (2008). Fuzzy Logic and Neural Networks: Basic Concepts&Applications. India: New Age International Limited, Publishers.
  • Altman, E. (1968). Financial Ratios, Discriminant Analysis and The Prediction of Corporate Bankruptcy, The Journal of Finance, 23(4), 589-609.
  • Altman, E. I., Haldeman, R. G. ve Narayanan P. (1977). Zeta Analysis, Journal of Banking and Finance,1, 29-54.
  • Altunöz, U. (2013). Bankaların Finansal Başarısızlıklarının Yapay Sinir Ağları Modeli Çerçevesinde Tahmin Edilebilirliği, Dokuz Eylül İktisadi ve İdari Bilimler Fakültesi Dergisi, 28(2), 189-217.
  • Atiya, A. F. (2001). Bankruptcy Prediction for Credit Risk Using Neural Networks: A Survey and New Results, IEEE Transactions on Neural Networks, 12(4), 929-935.
  • Beaver, W. H. (1966). Financial Ratios as Predictors of Failure, Journal of Accounting Research, 4, Empirical Research in Accounting: Selected Studies, 71-11.
  • Benli, K. Y. (2005). Bankalarda Mali Başarısızlığın Öngörülmesi: Lojistik Regresyon ve Yapay Sinir Ağı Karşılaştırması, Gazi Üniversitesi Endüstriyel Sanatlar Eğitim Fakültesi Dergisi, 16, 31-46.
  • Boyacıoğlu, M. A., Kara, Y. ve Baykan, Ö. K. (2009). Predicting Bank Financial Failures Using Neural Networks, Support Vector Machines and Multivariate Statistical Methods: A Comparative Analysis in The Sample of Savings Deposit Insurance Fund (SDIF) Transferred Banks in Turkey, Expert Systems with Applications 36, 3355-3366.
  • Chakraborty, S. ve Sharma, S. K. (2007). Prediction of Corporate Financial Health by Artificial Neural Network, International Journal of Electronic Finance, 1(4), 442-459.
  • Chen, J., Marshall, B. R., Zhang, J. ve Ganesh, S. (2006). Financial Distress Prediction in China, Review of Pacific Basin Financial Markets and Policies, 9(02), 3117-336.
  • Civan, M. ve Dayı, F. (2013). Altman Z Skoru ve Yapay Sinir Ağı Modeli İle Sağlık İşletmelerinde Finansal Başarısızlık Tahmini, Akademik Bakış Dergisi, 39, 1-14.
  • Dambolena, I. G. ve Khoury, S. J. (1980). Ratio Stability and Corporate Failure, The Journal of Finance, 35(4), 1017-1026.
  • Efe, Ö. ve Kaynak, O. (2000). Yapay Sinir Ağları ve Uygulamaları. İstanbul: Boğaziçi Üniversitesi Yayınları.
  • Elam, R. (1975). The Effect of Lease Data on the Predictive Ability of Financial Ratios, The Accounting Review, 50(1), 25-43.
  • Fausett, L. (1994). Fundamentals of Neural Networks: Architectures, Algorithms and Applications. New Jersey, USA: Prentice-Hall International.
  • Gitman, L. J. ve Chad, Z. J. (2011). Principles of Managerial Finance (13th Edition). USA: Prentice Hall.
  • Gritta, R. C., Davalos, S., Chow, G. ve Wang, H. (2000). Forecasting Small Air Carrier Bankruptcies Using A Neural Network Approach: A Preliminary Analysis, Journal of Financial Management and Analysis, 13(1), 44-49.
  • Jo, H., Han, I. ve Lee, H. (1997). Bankruptcy Prediction Using Case-Based Reasoning, Neural Networks and Discriminant Analysis, Expert Systems with Applications, 13(2), 97-108.
  • Keskin, Y. (2002). İşletmelerde Finansal Başarısızlığın Tahmini, Çok Boyutlu Model Önerisi ve Uygulaması, Yayımlanmamış Doktora Tezi, Hacettpe Üniversitesi, Ankara.
  • Küçükkocaoğlu, G., Keskin, B. Y. ve Küçüksözen, C. (2009). Finansal Bilgi Manipülasyonunun Tespitinde Yapay Sinir Ağı Modelinin Kullanımı, İMKB Dergisi, 9(36), 1-23.
  • Largani, M. S., Lakelaye, M. P., Kaviani, M. ve Largani, N. S. (2012). Bankruptcy Prediction Using Artificial Neural Networks Evidences From IRAN Stock Exchange, ARPN Journal of Science and Technology, 2(6)562-566.
  • Lippmann, R. P. (1987). An Introduction to Computing with Neural Nets, IEEE ASSP Magazine, 4(1), 4-22.
  • Moyer, C. R., McGuigan J. R., Rao, R. P. ve Kretlow, W. (2011). Contemporary Financial Management (12. Edition). South-Western, USA: South-Western Cengage Learning.
  • Nguyen, H. G. (2005). Using Neural Network in Predicting Corporate Failure, Journal of Social Sciences, 1(4), 199-202.
  • Norton, C. L. ve Smith, R. E. (1979). A Comparison of General Price Level and Historical Cost Financial Statements in thePrediction of Bankruptcy, The Accounting Review, 54(1), 72-87.
  • Odom, M. D. ve Sharda, R. (1990). A Neural Network Model for Bankruptcy Prediction, IJCNN International Joint Conference on Neural Networks, 2, 163-168.
  • Ohlson, J. A. (1980). Financial Ratios and The Probabilistic Prediction of Bankruptcy, Journal of Accounting Research, 18(11), 109-131.
  • Özdemir, F. S., Choi, F. S. ve Bayazıtlı, E. (2012). Finansal Başarısızlık Tahminleri Yönüyle UFRS ve Bilginin İhtiyaca Uygunluğu, Mali Çözüm Dergisi, 112, 17-52.
  • Özdemir, F. (2011). Finansal Raporlama Sistemlerinin Bilginin İhtiyaca Uygunluğu Açısından Değerlendirilmesi: İMKB Şirketlerinde Finansal Başarısızlık Tahminleri Yönüyle Bir Uygulama, Yayımlanmamış Doktora Tezi, Ankara Üniversitesi, Ankara.
  • Öztemel, E. (2012). Yapay Sinir Ağları (3. Basım). İstanbul: Papatya Yayıncılık.
  • Pompe, P. P. M. ve Feelders, A. J. (1996). Artificial Intelligence in Economics and Management. P. Ein-Dor (Ed.). Using Machine Learning, Neural Networks and Statistics to Predict Corporate Bankruptcy: A Comparative Study (pp. 3-19). Kluwer Academic Publishers.
  • Raghupathi, W., Schkade, L. L. ve Raju, B. S. (1991). A Neural Network Application for Bankruptcy Prediction, Proceedings of the Twenty-Fourth Annual Hawaii International Conference on System Sciences: 8-11 Ocak 1991 – Hawaii, Vol. IV (147-155). IEEE Publishers.
  • Ravi, V. ve Pramodh, C. (2008). Threshold Accepting Trained Principal Component Neural Network and Feature Subset Selection: Application to Bankruptcy Prediction in Banks, Applied Soft Computing, 8(4), 1539-1548.
  • Ross, S. A., Westerfield, R. W. ve Jaffle, J. (2008). Corporate Finance (Eight Edition). New York, USA: McGraw-Hill Irwin.
  • Tektaş, A. ve Karataş, A. (2004). Yapay Sinir Ağları ve Finans Alanına Uygulanması: Hisse Senedi Fiyat Tahminlemesi, Atatürk Üniversitesi, İktisadi ve İdari Bilimler Dergisi, 18(3-4), 337-349.
  • Torun, T. (2007). Finansal Başarısızlık Tahmininde Geleneksel İstatistiki Yöntemlerle Yapay Sinir Ağlarının Karşılaştırılması ve Sanayi İşletmeleri Üzerine Bir Uygulama, Yayınlanmamış Doktora Tezi, Erciyes Üniversitesi, Kayseri.
  • Van-Frederikslust, R. A. I. (1978). Predictability of Corporate Failure: Models for Prediction of Corporate Failure and for Evalution of Debt Capacity. Leiden: Martinus Nijhoff Social Sciences Division.
  • Wilcox, J. W. (1971). A Simple Theory of Financial Ratios as Predictors of Failure, Journal of Accounting Research, 389-395.
  • Wu, D. D., Liang, L., ve Yang, Z. (2008). Analyzing The Financial Distress of Chinese Public Companies Using Probabilistic Neural Networks and Multivariate Discriminate Analysis, Socio-Economic Planning Sciences, 42(3), 206-220.
  • Yıldız, B. (1999). Finansal Başarısızlığın Öngörülmesinde Yapay Sinir Ağları Modelinin Kullanımı ve Ampirik Bir Çalışma, Yayımlanmamış Doktora Tezi, Dumlupınar Üniversitesi, Kütahya.
  • Yıldız, B. (2001). Prediction of Financial Failure with Artificial Neural Network Technology and An Emprical Application on Publicly Held Companies. ISE Review, 5(17), 47-62.
  • Yıldız, B. (2009). Finansal Analizde Yapay Zekâ. Ankara: Detay Yayıncılık.
  • Zhang, G., Patuwo, G. E. ve Hu, M. Y. (1998). Forecasting with Artificial Neural Networks: The State of the Arts, International Journal of Forecasting, 4(1), 35-62.
  • Zhang, G., Hu, M. Y, Patuwo, B. E. ve Indro, D. C. (1999). Artificial Neural Networks in Bankruptcy Prediction: General Framework and Cross-Validation Analysis, European Journal of Operational Research, 116, 16-32

FİNANSAL BAŞARISIZLIK TAHMİNİNDE YAPAY SİNİR AĞLARI MODELİNİN KULLANIMI: BORSA İSTANBUL’DA BİR UYGULAMA

Year 2021, , 17 - 30, 30.03.2021
https://doi.org/10.17261/Pressacademia.2021.1375

Abstract

Amaç - Finansal başarısızlık hem işletmelerin hayat seyirleri üzerinde hem de işletmenin sahip veya ortakları, devlet, yatırımcı, işletmeye kredi sağlayan kurum ve kuruluşlar gibi çok sayıda paydaş üzerinde olumsuz etkilere neden olmaktadır. Finansal başarısızlık tahmin çalışmalarında günümüzde bilgi ve iletişim teknolojilerinde yaşanan değişimle birlikte yapay zekâ uygulamalarının yeri gittikçe artmaktadır. Bu çalışmanın amacı, yapay zekâ uygulamalarından biri olan yapay sinir ağları ile Türkiye’de Borsa İstanbul’da işlem gören işletmelerin finansal tablolarından yararlanarak finansal durumlarının tahmin edilmesine yönelik bir model geliştirmek ve geliştirilen bu modelin tahmin gücünü ölçmektir.
Yöntem - Çalışma kapsamında, işletmelerin finansal tablo verileri üzerinde, yapay sinir ağları kullanılarak tahmin modeli geliştirilmiştir.
Bulgular- Finansal başarısız olan işletmelerin başarısızlıktan bir yıl önceki finansal tablo verilerinin kullanıldığı modelde örneklem, eğitim seti ve test seti olmak üzere iki alt kümeye ayrılmıştır. Sonrasında ise eğitim seti ile eğitilen ağın test seti üzerinden tahmin gücü ölçülmüştür.
Sonuç- Sonuç olarak, elde edilen bulgulara göre, yapay sinir ağları modelinin seçilen örneklem üzerinde finansal başarısızlığı tahmin etmede yüksek bir performans gösterdiği görülmüştür.

References

  • Akgüç, Ö. (2010). Finansal Yönetim (8. bs.). İstanbul: Avcıol Basımevi.
  • Akkaya, G. C., Demireli, E. ve Yakut, Ü. H. (2009). İşletmelerde Finansal Başarısızlık Tahminlemesi: Yapay Sinir Ağları Modeli İle İMKB Üzerine Bir Uygulama, Eskişehir Osmangazi Üniversitesi Sosyal Bilimler Dergisi, 10(2), 187-216.
  • Aktaş, R., Doğanay, M. M. ve Yıldız, B. (2003). Mali Başarısızlığın Öngörülmesi: İstatistiksel Yöntemler ve Yapay Sinir Ağı Karşılaştırması, Ankara Üniversitesi SBF Dergisi, 58(4), 1-24.
  • Alavala, C. R. (2008). Fuzzy Logic and Neural Networks: Basic Concepts&Applications. India: New Age International Limited, Publishers.
  • Altman, E. (1968). Financial Ratios, Discriminant Analysis and The Prediction of Corporate Bankruptcy, The Journal of Finance, 23(4), 589-609.
  • Altman, E. I., Haldeman, R. G. ve Narayanan P. (1977). Zeta Analysis, Journal of Banking and Finance,1, 29-54.
  • Altunöz, U. (2013). Bankaların Finansal Başarısızlıklarının Yapay Sinir Ağları Modeli Çerçevesinde Tahmin Edilebilirliği, Dokuz Eylül İktisadi ve İdari Bilimler Fakültesi Dergisi, 28(2), 189-217.
  • Atiya, A. F. (2001). Bankruptcy Prediction for Credit Risk Using Neural Networks: A Survey and New Results, IEEE Transactions on Neural Networks, 12(4), 929-935.
  • Beaver, W. H. (1966). Financial Ratios as Predictors of Failure, Journal of Accounting Research, 4, Empirical Research in Accounting: Selected Studies, 71-11.
  • Benli, K. Y. (2005). Bankalarda Mali Başarısızlığın Öngörülmesi: Lojistik Regresyon ve Yapay Sinir Ağı Karşılaştırması, Gazi Üniversitesi Endüstriyel Sanatlar Eğitim Fakültesi Dergisi, 16, 31-46.
  • Boyacıoğlu, M. A., Kara, Y. ve Baykan, Ö. K. (2009). Predicting Bank Financial Failures Using Neural Networks, Support Vector Machines and Multivariate Statistical Methods: A Comparative Analysis in The Sample of Savings Deposit Insurance Fund (SDIF) Transferred Banks in Turkey, Expert Systems with Applications 36, 3355-3366.
  • Chakraborty, S. ve Sharma, S. K. (2007). Prediction of Corporate Financial Health by Artificial Neural Network, International Journal of Electronic Finance, 1(4), 442-459.
  • Chen, J., Marshall, B. R., Zhang, J. ve Ganesh, S. (2006). Financial Distress Prediction in China, Review of Pacific Basin Financial Markets and Policies, 9(02), 3117-336.
  • Civan, M. ve Dayı, F. (2013). Altman Z Skoru ve Yapay Sinir Ağı Modeli İle Sağlık İşletmelerinde Finansal Başarısızlık Tahmini, Akademik Bakış Dergisi, 39, 1-14.
  • Dambolena, I. G. ve Khoury, S. J. (1980). Ratio Stability and Corporate Failure, The Journal of Finance, 35(4), 1017-1026.
  • Efe, Ö. ve Kaynak, O. (2000). Yapay Sinir Ağları ve Uygulamaları. İstanbul: Boğaziçi Üniversitesi Yayınları.
  • Elam, R. (1975). The Effect of Lease Data on the Predictive Ability of Financial Ratios, The Accounting Review, 50(1), 25-43.
  • Fausett, L. (1994). Fundamentals of Neural Networks: Architectures, Algorithms and Applications. New Jersey, USA: Prentice-Hall International.
  • Gitman, L. J. ve Chad, Z. J. (2011). Principles of Managerial Finance (13th Edition). USA: Prentice Hall.
  • Gritta, R. C., Davalos, S., Chow, G. ve Wang, H. (2000). Forecasting Small Air Carrier Bankruptcies Using A Neural Network Approach: A Preliminary Analysis, Journal of Financial Management and Analysis, 13(1), 44-49.
  • Jo, H., Han, I. ve Lee, H. (1997). Bankruptcy Prediction Using Case-Based Reasoning, Neural Networks and Discriminant Analysis, Expert Systems with Applications, 13(2), 97-108.
  • Keskin, Y. (2002). İşletmelerde Finansal Başarısızlığın Tahmini, Çok Boyutlu Model Önerisi ve Uygulaması, Yayımlanmamış Doktora Tezi, Hacettpe Üniversitesi, Ankara.
  • Küçükkocaoğlu, G., Keskin, B. Y. ve Küçüksözen, C. (2009). Finansal Bilgi Manipülasyonunun Tespitinde Yapay Sinir Ağı Modelinin Kullanımı, İMKB Dergisi, 9(36), 1-23.
  • Largani, M. S., Lakelaye, M. P., Kaviani, M. ve Largani, N. S. (2012). Bankruptcy Prediction Using Artificial Neural Networks Evidences From IRAN Stock Exchange, ARPN Journal of Science and Technology, 2(6)562-566.
  • Lippmann, R. P. (1987). An Introduction to Computing with Neural Nets, IEEE ASSP Magazine, 4(1), 4-22.
  • Moyer, C. R., McGuigan J. R., Rao, R. P. ve Kretlow, W. (2011). Contemporary Financial Management (12. Edition). South-Western, USA: South-Western Cengage Learning.
  • Nguyen, H. G. (2005). Using Neural Network in Predicting Corporate Failure, Journal of Social Sciences, 1(4), 199-202.
  • Norton, C. L. ve Smith, R. E. (1979). A Comparison of General Price Level and Historical Cost Financial Statements in thePrediction of Bankruptcy, The Accounting Review, 54(1), 72-87.
  • Odom, M. D. ve Sharda, R. (1990). A Neural Network Model for Bankruptcy Prediction, IJCNN International Joint Conference on Neural Networks, 2, 163-168.
  • Ohlson, J. A. (1980). Financial Ratios and The Probabilistic Prediction of Bankruptcy, Journal of Accounting Research, 18(11), 109-131.
  • Özdemir, F. S., Choi, F. S. ve Bayazıtlı, E. (2012). Finansal Başarısızlık Tahminleri Yönüyle UFRS ve Bilginin İhtiyaca Uygunluğu, Mali Çözüm Dergisi, 112, 17-52.
  • Özdemir, F. (2011). Finansal Raporlama Sistemlerinin Bilginin İhtiyaca Uygunluğu Açısından Değerlendirilmesi: İMKB Şirketlerinde Finansal Başarısızlık Tahminleri Yönüyle Bir Uygulama, Yayımlanmamış Doktora Tezi, Ankara Üniversitesi, Ankara.
  • Öztemel, E. (2012). Yapay Sinir Ağları (3. Basım). İstanbul: Papatya Yayıncılık.
  • Pompe, P. P. M. ve Feelders, A. J. (1996). Artificial Intelligence in Economics and Management. P. Ein-Dor (Ed.). Using Machine Learning, Neural Networks and Statistics to Predict Corporate Bankruptcy: A Comparative Study (pp. 3-19). Kluwer Academic Publishers.
  • Raghupathi, W., Schkade, L. L. ve Raju, B. S. (1991). A Neural Network Application for Bankruptcy Prediction, Proceedings of the Twenty-Fourth Annual Hawaii International Conference on System Sciences: 8-11 Ocak 1991 – Hawaii, Vol. IV (147-155). IEEE Publishers.
  • Ravi, V. ve Pramodh, C. (2008). Threshold Accepting Trained Principal Component Neural Network and Feature Subset Selection: Application to Bankruptcy Prediction in Banks, Applied Soft Computing, 8(4), 1539-1548.
  • Ross, S. A., Westerfield, R. W. ve Jaffle, J. (2008). Corporate Finance (Eight Edition). New York, USA: McGraw-Hill Irwin.
  • Tektaş, A. ve Karataş, A. (2004). Yapay Sinir Ağları ve Finans Alanına Uygulanması: Hisse Senedi Fiyat Tahminlemesi, Atatürk Üniversitesi, İktisadi ve İdari Bilimler Dergisi, 18(3-4), 337-349.
  • Torun, T. (2007). Finansal Başarısızlık Tahmininde Geleneksel İstatistiki Yöntemlerle Yapay Sinir Ağlarının Karşılaştırılması ve Sanayi İşletmeleri Üzerine Bir Uygulama, Yayınlanmamış Doktora Tezi, Erciyes Üniversitesi, Kayseri.
  • Van-Frederikslust, R. A. I. (1978). Predictability of Corporate Failure: Models for Prediction of Corporate Failure and for Evalution of Debt Capacity. Leiden: Martinus Nijhoff Social Sciences Division.
  • Wilcox, J. W. (1971). A Simple Theory of Financial Ratios as Predictors of Failure, Journal of Accounting Research, 389-395.
  • Wu, D. D., Liang, L., ve Yang, Z. (2008). Analyzing The Financial Distress of Chinese Public Companies Using Probabilistic Neural Networks and Multivariate Discriminate Analysis, Socio-Economic Planning Sciences, 42(3), 206-220.
  • Yıldız, B. (1999). Finansal Başarısızlığın Öngörülmesinde Yapay Sinir Ağları Modelinin Kullanımı ve Ampirik Bir Çalışma, Yayımlanmamış Doktora Tezi, Dumlupınar Üniversitesi, Kütahya.
  • Yıldız, B. (2001). Prediction of Financial Failure with Artificial Neural Network Technology and An Emprical Application on Publicly Held Companies. ISE Review, 5(17), 47-62.
  • Yıldız, B. (2009). Finansal Analizde Yapay Zekâ. Ankara: Detay Yayıncılık.
  • Zhang, G., Patuwo, G. E. ve Hu, M. Y. (1998). Forecasting with Artificial Neural Networks: The State of the Arts, International Journal of Forecasting, 4(1), 35-62.
  • Zhang, G., Hu, M. Y, Patuwo, B. E. ve Indro, D. C. (1999). Artificial Neural Networks in Bankruptcy Prediction: General Framework and Cross-Validation Analysis, European Journal of Operational Research, 116, 16-32
There are 47 citations in total.

Details

Primary Language Turkish
Subjects Finance, Business Administration
Journal Section Articles
Authors

Mehmet Nuri Salur 0000-0003-1089-1372

Publication Date March 30, 2021
Published in Issue Year 2021

Cite

APA Salur, M. N. (2021). FİNANSAL BAŞARISIZLIK TAHMİNİNDE YAPAY SİNİR AĞLARI MODELİNİN KULLANIMI: BORSA İSTANBUL’DA BİR UYGULAMA. Journal of Economics Finance and Accounting, 8(1), 17-30. https://doi.org/10.17261/Pressacademia.2021.1375

Journal of Economics, Finance and Accounting (JEFA) is a scientific, academic, double blind peer-reviewed, quarterly and open-access online journal. The journal publishes four issues a year. The issuing months are March, June, September and December. The publication languages of the Journal are English and Turkish. JEFA aims to provide a research source for all practitioners, policy makers, professionals and researchers working in the area of economics, finance, accounting and auditing. The editor in chief of JEFA invites all manuscripts that cover theoretical and/or applied researches on topics related to the interest areas of the Journal. JEFA publishes academic research studies only. JEFA charges no submission or publication fee.

Ethics Policy - JEFA applies the standards of Committee on Publication Ethics (COPE). JEFA is committed to the academic community ensuring ethics and quality of manuscripts in publications. Plagiarism is strictly forbidden and the manuscripts found to be plagiarized will not be accepted or if published will be removed from the publication. Authors must certify that their manuscripts are their original work. Plagiarism, duplicate, data fabrication and redundant publications are forbidden. The manuscripts are subject to plagiarism check by iThenticate or similar. All manuscript submissions must provide a similarity report (up to 15% excluding quotes, bibliography, abstract and method).

Open Access - All research articles published in PressAcademia Journals are fully open access; immediately freely available to read, download and share. Articles are published under the terms of a Creative Commons license which permits use, distribution and reproduction in any medium, provided the original work is properly cited. Open access is a property of individual works, not necessarily journals or publishers. Community standards, rather than copyright law, will continue to provide the mechanism for enforcement of proper attribution and responsible use of the published work, as they do now.