Yapay Zeka Yöntemleri ile İşletmelerin Finansal Başarısızlığının Tahmin Edilmesi: Bist İmalat Sektörü Uygulaması

Year 2019, , 393 - 422, 30.05.2019

Muhammed Fatih Yürük , İbrahim Halil Ekşi

https://doi.org/10.19059/mukaddime.533151

Cited By: 7

Abstract

Finansal
başarısızlık, işletmelerin geleleceğini tehdit etmesinin yanında, başarısız
işletme sayısının artması ülkenin ekonomik büyümesi üzerinde de olumsuz etki
bırakacaktır. Mali başarısızlığı etkileyen işletme içi ve dışı birçok faktör
saymak mümkündür. Başarısızlığı önceden öngörmek ve bunun neticesinde tedbirler
alıp sıkıntılı durumdan kurtulmak, işletmeler açısından hayati önemlidir.
Finansal başarısızlığın önceden tahmini konusunda birçok modeller
geliştirilmiştir. Bu modeller daha çok istatistiki teknikler ve yapay zekâ
teknikleridir. Bu çalışmada da yapay zekâ tekniklerinden olan yapay sinir
ağları ve destek vektör makinaları kullanılmıştır. Ayrıca kullanılan modellerin
performansları ROC eğrileri ile ölçülmüştür. Çalışmada iki modelin
performansları karşılaştırılmış, yapılan sınıflandırmanın doğruluk yüzdeleri
hesaplanmıştır.

Keywords

Destek Vektör Makineleri, Yapay Sinir Ağları, Yapay Zeka, Finansal Başarısızlık

References

• Ağyar, Z. (2015 ). Yapay Sinir Ağlarının Kullanım Alanları ve Bir Uygulama. Mühendis ve Makine, 56, 22.Ağyar, Z. (2015b). Yapay Zeka ve Sinir Ağları. Retrieved 26.11.2018, from https://www.hostingdergi.com.tr/yapay-zeka-ve-sinir-aglari/Akcan, A. ve Kartal, C. (2011). İMKB Sigorta Endeksini Olusturan Sirketlerin Hisse Senedi Fiyatlarının Yapay Sinir Ağları İle Tahmini. Muhasebe ve Finansman Dergisi(51), 27-40. Akkaya, G. C., Demireli, E. ve Yakut, Ü. H. (2009). İşletmelerde finansal başarısızlık tahminlemesi: Yapay sinir ağları modeli ile İMKB üzerine bir uygulama. Eskişehir Osmangazi Üniversitesi Sosyal Bilimler Dergisi, 10(2). Allahverdi, N. (2002). Uzman Sistemler (Vol. 1). İstanbul: Atlas Yayın Dağıtımı.Altman, E. I. (1968). Financial Ratios, Discriminant Analysis and the Prediction of Corporate Bankruptcy. The Journal of Finance, 23(4), 589-609. doi: 10.2307/2978933Anthony, M. ve Bartlett, P. (2009). Neural Network Learning: Theoretical Foundations. United States of America: Cambridge University Press.Ataseven, B. (2013). Yapay sinir ağları ile öngörü modellemesi. Öneri Dergisi, 10/39, 101-115. Ayhan, S. ve Erdoğmuş, Ş. (2014). Destek Vektör Makineleriyle Sınıflandırma Problemlerinin Çözümü İçin Çekirdek Fonksiyonu Seçimi. Eskişehir Osmangazi Üniversitesi İktisadi ve İdari Bilimler Dergisi, 9(1), 175-198. Beaver, W. H. (1966). Financial Ratios As Predictors of Failure. Journal of Accounting Research, 4, 71-111. doi: 10.2307/2490171Beaver, W. H. (1968). Market prices, financial ratios, and the prediction of failure. Journal of Accounting Research, 179-192. Çakır, M. (2005). Firma Başarısızlığının Dinamiklerinin Belirlenmesinde Makine Öğrenme Teknikleri: Ampirik Uygulamalar ve Karşılaştırmalı Analiz. (Uzmanlık Yeterlik Tezi), Ankara. Çekerol, G. S. ve Ulukan, A. (2012). Kantitatif Tahmin Yöntemleri. Ankara: Nisan Kitapevi.Dirican, A. (2001). TANI TESTİ PERFORMANSLARININ DEĞERLENDİRİLMESİ VE KIYASLANMASI. Cerrahpaşa Tıp Dergisi, 32(1). Edward, A. (2006). Corporate Financial Distress and Bankruptcy (Vol. Third ).Elmas, Ç. (2007). Yapay Zeka Uygulamaları (Vol. 1). Ankara: Seçkin Yayıncılık A.Ş.Fausett, L. (1994). Fundamentals of Neural Networks: Architectures, Algorithms and Applications. New Jersey: Prentice Hall.Foreman, R. D. (2003). A logistic analysis of bankruptcy within the US local telecommunications industry. Journal of Economics and Business, 55(2), 135-166. Gallo, C., Letizia, C. ve Stasio, G. (2005). Artificial neural networks in financial modelling. Paper presented at the XXXVI EWGFM International Meeting “European Working Group on Financial Mathematics”, Brescia.Hamzaçebi, C. (2011). Yapay sinir ağları: tahmin amaçlı kullanımı MATLAB ve Neurosolutions uygulamalı: Ekin Basım Yayın Dağıtım.Hamzaçebi, C. ve Kutay, F. (2004). Yapay sinir ağlari ile türkiye elektrik enerjisi tüketiminin 2010 yilina kadar Tahmini. Gazi Üniversitesi Mühendislik-Mimarlık Fakültesi Dergisi, 19(3). Haykin, S. (1999). Neural Networks and Learning Machines (Vol. 3). United States of America: Pearson Education, Inc.Hecht-Nielsen, R. (1989). Neurocomputer applications Neural computers (pp. 445-453): Springer.İçerli, M. Y. ve Akkaya, G. C. (2006). Finansal Açıdan Başarılı Olan İşletmelerle Başarısız Olan İşletmeler Arasında Finansal Oranlar Yardımıyla Farklılıkların Tespiti. Atatürk Üniversitesi İktisadi ve İdari Bilimler Dergisi, 20(1), 413-421. Kaytez, F. (2012). En Küçük Kareler Destek Vektör Makineleri İle Türkiye’nin Uzun Dönem Elektrik Tüketim Tahmini Ve Modellemesi. (Yayınlanmamış Doktora Tezi), Gazi Üniversitesi, Ankara. Khare, M. ve Nagendra, S. M. S. (2007). Artificial Neural Networks in Vehicular Pollution Modelling. Berlin: Springer-Verlag Berlin Heidelberg.Kılıç, S. (2013). ROC Analysis in Clinical Decision Making. Journal of Mood Disorders, 3(3), 135. Kılıç , Y. ve Seyrek, İ. H. (2012). Finansal Başarısızlık Tahmininde Yapay Sinir Ağlarının Kullanılması: İmalat Sektöründe Bir Uygulama. ISAF 2012. Paper presented at the 1st International Symposium on Accounting and Finance (Tam Metin Bildiri/Sözlü Sunum)(Yayın No: 3438181).Koh, C. H. ve Low, K. C. (2004). Going concern prediction using data mining techniques. Managerial Auditing Journal, 19(3), 462-476. Merwin, C. L. (1942). Financing small corporations in five manufacturing industries, 1926-1936: National Bureau of Economic Research, New York.Öztemel, E. (2016). Yapay Sinir Ağları (Vol. 4.basım). İstanbul: Papatya Yayınvılık.Sağlam, E. (2019). 2018’de 1549 Şirket Konkordato ilan Etti. Retrieved 25.02.2019, from http://www.hurriyet.com.tr/yazarlar/erdal-saglam/2018de-1549-sirket-konkordato-ilan-etti-41074920Salur, M., Nuri. (2015). İşletmelerde Finansal Başarısızlık Tahmini ve Yapay Sinir Ağları Modelinin Kullanımı: Borsa İstanbul’da Bir Uygulama. (Doktora Tezi), Marmara Üniversitesi, İstanbul. Söylemez, Y. ve Türkmen, Y., Sibel. (2017). Yapay Sinir Ağlari Modeli İle Finansal Başarısızlık Tahmini. Finans Ekonomi ve Sosyal Araştırmalar Dergisi (FESA), Cilt:2 Sayı:4, 270-284. doi: 10.29106/fesa.364323Torun, S. (2008). Destek Vektör Makineleri: Banka Başarısızlığının Tahmini Üzerine Bir Uygulama. (Yayınlanmamış Doktora Tezi), İstanbul Üniversitesi, İstanbul. Torun , T. (2007). Finansal Başarısızlık Tahmininde Geleneksel İstatistiki Yöntemlerle Yapay Sinir Ağlarının Karşılaştırılması Ve Sanayi İşletmeleri Üzerinde Uygulama. (Doktora Tezi), Erciyes Üniversitesi, Kayeseri. Uğur, A. ve Kınacı, A. C. (2006). Yapay zeka teknikleri ve yapay sinir ağları kullanılarak web sayfalarının sınıflandırılması. XI. Türkiye'de İnternet Konferansı (inet-tr'06), Ankara, 1-4. Walter, J. E. (1957). Determination of Technical Solvency. The Journal of Business, 30(1), 30-43. Yıldız, B. (2009). Finansal Analize Yapay Zeka (Vol. 1.Baskı). Ankara: Detay Yayıncılık.Zheng, G. (2002). Analyzing bankruptcy in the restaurant industry: A multiple discriminant model. International Journal of Hospitality Management, 21(1), 25-42.