BANKALARIN FİNANSAL BAŞARISIZLIKLARININ YAPAY SİNİR AĞLARI MODELİ ÇERÇEVESİNDE TAHMİN EDİLEBİLİRLİĞİ

Öz

Makro ekonomi için önem arz eden konuların başında banka başarısızlıkları gelmektedir. Bu çalışmada banka başarısızlıklarının önceden tespitinde kullanılan çoklu istatistiksel yöntemlerden yapay sinir ağları modeli, literatür çalışmalarına paralel olarak test edilmektedir. Çalışma sonucuna göre modelimiz gerek başarısızlıktan bir yıl öncesi için, gerekse başarısızlıktan iki yıl öncesi için yüksek öngörülü sonuçlar verdiği gözlemlenmiştir.

Anahtar Kelimeler

• Banka Başarısızlıkları, Yapay Sinir Ağları Modeli

PREDICTION OF FINANCIAL FAILURE OF BANKS BY ARTIFICAL NEURAL NETWORK MODEL

Öz

In this article financial failure prediction models based on artificial neural networkmodel, which is among the multivariable statistical techniques has been tested in a parallelwith literature surveys. As a result of the study, it has been observed that the power ofartificial neural network model in terms of predicting financial failure give a highprobability for both 1 and 2 years before the financial failure.

Anahtar Kelimeler

• Banking Failures, Artificial Neural Network

Kaynakça

1. ALBAYRAK, Değerlendirmede Analitik Hiyerarşi Süreç Yaklaşımı”, DTÜ Dergisi / D Mühendislik. Cilt 4. Sayı:6. 47-58.
2. ALTAŞ, D., GİRAY S., (2005), “Mali Başarısızlığın Çok Değişkenli İstatistik Yöntemlerle Belirlenmesi: Tekstil Örneği”, Sosyal Bilimler Dergisi, 2005/2, 13-28.
3. ALTMAN, EDWARD I., (1968), “Financial Ratios, Discriminant Analysis and Prediction of Corporate Bankruptcy”, The Journal of Finance, 23 (4): 589-609.
4. BAXTER, C.W., (2001), “ Modelling Heuristics from Literature”, CIV E 729 Course Notes, Dept. of Civil and Environmental Engineering, Edmonton: University of Alberta, 12-21.
5. BEAVER, W.H., (1967), “Financial Ratios as Predictors of Failure, Empirical Research in Accounting: Selected Studies” ,Journal of Accounting Research/Supplement, V, January: 71-111.
6. BENLİ, Y., (2005), “Bankalarda Mali Başarısızlığın Öngörülmesi Lojistik Regresyon ve Yapay Sinir Ağı Karşılaştırılması”,Gazi Üniversitesi Endüstriyel Sanatlar Eğitim Fakültesi Dergisi, Sayı 16, s.31-46
7. BOYACIOĞLU M. A., KARA Y., 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 Original Research Article”, Expert Systems with Applications, Volume 36, Issue 2, Part 2, 3355-3366.
8. CHEN, H.J., HUANG, S.Y., LIN, C.S., (2009), “Alternative Diagnosis of Corporat Bankruptcy: A Neuro Fuzzy Approach” Expert Systems with Applications, Vol. 36, 7710-7720.

9. CHU, C.H., (1997), “An Improved Neural Network for Manufacturing Cell Formation”, Decision Support Systems, Vol. 20., 102-109.
10. ÇİLLİ, H., TEMEL, T., (1988), “Türk Bankacılık Sistemi İçin Bir Erken Uyarı Modeli”, T.C. Merkez Bankası Kütüphanesi, No:8804, 21-24.
11. DEAKIN, B., (1972), “A Discriminant Analysis of Predictors Business Failure”, Journal of Accounting Research, 14-19.
12. FAUSETT, L., (1994), Fundamentals of Neural Networks, USA, Prentice Hall, 1994.
13. HAYKIN, S., (1999), Neural networks a comprehensive foundation, Prentice Hall Internation, Inc.
14. HUANG, W., LAI, K. K., NAKAMORI, Y., WANG, S., YU, L., (2007), “Neural Networks In Finance And Economics Forecasting”, International Journal of Information Technology & Decision Making, Vol. 6, No. 1113– 140.
15. KARACABEY, A. A., (2006), “Banka Başarısızlıklarının Düzeltilmiş Minimum Sapma Modeli ile Tahmin Edilmesi”, Ankara Üniversitesi SBF Dergisi. 61-2.,89-109.
16. KAYA, A., (1998), “Diskriminant Analizinde Ayırma’nın Gücü ile Faktör Analizinde Kullanılan Kovaryans Matrisi Arasındaki İlişki Üzerine Bir Çalışma”, D.E.Ü.İ.İ.B.F. Dergisi, Cilt:13, sayı:1, 204-205.
17. KILIÇ, S. B., (2006), “Türk Bankacılık Sistemi İçin Çok Kriterli Karar Alma Analizine Dayalı Bir Erken Uyarı Modelinin Tahmini” ODTÜ Gelişme Dergisi, Cilt 33. Sayı: 1. 117-154.
18. KECEK, G., (2010), Veri Zarflama Analizi Teori ve Uygulama Örneği, 1. Baskı. Ankara: Siyasal Yayın-Dağıtım.
19. KURTARAN, ÇELİK, M., (2010), “Bankaların Finansal Başarısızlıklarının Geleneksel ve Yeni Yöntemlerle Öngörüsü”, Yönetim ve Ekonomi, Cilt:17(2).
20. KIRAÇ, N., (2011), “Türkiye’de Faaliyet Gösteren Ticari Bankaların Finansal Risklerinin Yapay Sinir Ağları Yaklaşımı İle Belirlenmesi”, Yayınlanmamış Yüksek Lisans Tezi, Çukurova Üniversitesi.
21. ODOM, M, SHARDAİ, D., (1990), “A Neural Network Model For Bankruptcy Prediction”, IEEE Int. Conf. on Neural Network, Vol.2, 163- 168.
22. OH, K. J., KIM, T. Y., KIM, C., (2006), “An Early Warning System for Detection of Financial Crisis Using Financial Market Volatility”, Expert Systems, 23(2), 83-98.
23. ÖZER, M., (1999), “ Finansal Krizler, Piyasa Başarısızlıkları ve Finansal İstikrarı Sağlamaya Yönelik Politikalar”, Eskişehir: T.C.Anadolu Üniversitesi, Yayın No: 1096.,16-26.
24. RAVI, V., PRAMODH C., (2008), “Threshold Accepting Trained Principal Component Neural Network and Feature Subset Selection: Application to bankrupt prediction in banks”, Applied Soft Computing, Vol. 8, Issue 4, 1539-1548.
25. ROSE, R.S., ANDREW, W.T., GİROUX, G.A., (1982). Predicting Business Failure: A Macroeconomic Perspective, Journal of Accounting, Auditing and Finance, Fall.
26. ŞEN,G.Ş., (1998). Bankalarda Mali Başarısızlık ve Türkiye’de Mali Başarısızlığa Uğrayan Bankaların Kantitatif Yöntemler yardımıyla Tahmini, Yayımlanmamış Doktora Tezi.
27. TAM, K.Y., KİANG, M., (1992). “Predicting Bank Failures: A Neural Network Approach”, Decision Sciences, Vol. 23, 926–947.
28. TÜRKER KAYA, Y., (2002), “Türk Bankacılık Sektöründe Karlılığın Belirleyicileri 1997-2000” BDDK, Mali Sektör Politikaları Dairesi Çalışma Raporları, 2002/1.