IDENTIFYING FINANCIAL RISKS OF THE FIRMS IN THE ISM THAT TRANSACTING ON THE SECTORAL BASE WITH THE SELFORGANIZING MAPS

Öz

The main characteristic of ISE that has attracted foreign investors’ interest especially after 2000’s is to provide profit in the short run. Because financial ratios include the composition of assets and funds that depends on profit or loss of firms, the distribution, efficiency and productivity of this composition are important for investors. The aim of this study is to examine the effects of composition of assets and funds on profit or loss of firms by means of discriminant analysis, logit model and self-organizing maps

Anahtar Kelimeler

• Artificial neural networks, Kohonen Maps, Self-Organizing Maps, ISE

İMKB’DE İŞLEM GÖREN ŞİRKETLERİN SEKTÖREL BAZDA ÖZÖRGÜTLENMELİ HARİTA İLE FİNANSAL RİSKLERİNİN BELİRLENMESİ

Öz

2000’ler sonrası yabancı yatırımcıların büyük ilgi gösterdiği İMKB’nin başlangıçtan buyana öne çıkan özelliği, kısa dönemde sağladığı kazançlardır. Yatırımcı açısından mali tablolardaki veriler, işletmelerin kar veya zararlarının dayandığı varlık ve kaynak kompozisyonunu içerdiğinden, bunların dağılımı, ne etkinlikte ve verimlilikte kullanıldığı önemli olmuştur. Bu çalışmada ekonometrik ve istatistiksel teknikler yardımıyla oluşturulan modelle araştırma kapsamındaki şirketlerin varlık ve kaynak kompozisyonunun kar veya zarar üzerindeki etkileri, diskriminant analizi, lojistik regresyon ve özörgütlemeli haritalar ile araştırılmıştır

Anahtar Kelimeler

• Yapay Sinir Ağları, Kohonen Haritaları, Özörgütlenmiş Nitelik Haritaları, İMKB, Finansal Tanı

Kaynakça

1. Akel, V. & Bayramoğlu, F.M. (2008). Kriz Dönemlerinde Yapay Sinir Ağları Ile Finansal Öngörüde Bulunma: İMKB 100 Endeksi Örneği. International Symposium of International Cash Flow and Emerging Markets, 24-27 April 2008, Balıkesir University Bandırma Faculty of Economics and Administrative Sciences and University of Finance and Management in Bialystok, Balıkesir, Turkey, 79-87.
2. Akgüç, Ö. (1998). Finansal Yönetim. İstanbul: Avcıol Basın Yayım.
3. Akgül, A. (1997). Tıbbi Araştırmalarda İstatistiksel Analiz Teknikleri-SPSS Uygulamaları. Ankara: Yükseköğretim Kurulu Matbaası.
4. Aktaş, R. (1993). Endüstri İşletmeleri için Mali Başarısızlık Tahmini (Çok Boyutlu Model Uygulaması). Ankara: Türkiye İş Bankası Kültür Yayınları.
5. Canbaz, M. (1998). Erken Uyarı Göstergeleri Olarak Finansal Oranlar Ve Çok Değişkenli Model Önerisi. Cumhuriyet Üniversitesi Sosyal Bilimler Enstitüsü, Yayınlanmamış Doktora Tezi.
6. Canbaz, M. (2001). İMKB’de Hisse Senedi Yatırımı Nasıl Yapılır?. Karaelmas Üniversitesi 1. Bilim Haftası Etkinlikleri, 30 Nisan-04 Mayıs, Zonguldak.
7. Çakmak, Z. (1992). Çoklu Ayırma ve Sınıflandırma Analizi: Eğitimde Öğrencilerin Meslek Seçimine Uygulanması. Anadolu Üniversitesi Yayınları, 658, Eskişehir: Anadolu Üniversitesi Basımevi.
8. Çapanoğlu, M.B. (1993). Türkiye ve Dış Ülkelerde Sermaye Piyasası Özelleştirme Uygulamaları ve Menkul Kıymet Borsaları. İstanbul: Beta Basın Yayım Dağıtım A. Ş..

9. Ceylan, A. & Korkmaz, T. (2008). İşletmelerde Finansal Yönetim. Bursa: Ekin Basın Yayım Dağıtımı.
10. Karasulu, B. & Uğur, A. (2007). Özörgütlemeli Yapay Sinir Ağı Modelinin Kullandığı Kutup Dengeleme Problemi İçin Paralel Hesaplama Tekniği İle Bir Başarım Eniyileştirme Yöntemi. IX. Akademik Bilişim Konferansı, Kütahya, 31 Ocak-2 Şubat 2007.
11. Kutlu, B. & Badur, B. (2009). Yapay Sinir Ağları ile Borsa Endeksi Tahmini. İstanbul Üniversitesi İşletme İktisadi Enstitüsü Dergisi- Yönetim, 63, 25-40.
12. Oğuzlar, A. (2005). Kümeleme Analizinde Yeni Bir Yaklaşım: Kendini Düzenleyen Haritalar (Kohonen Ağları), İktisadi ve İdari Bilimler Dergisi, 19(2), 93-108.
13. Önem, H.B. (2010). KOBİ’lerin Finansal Risk Algı Düzeyine Yönelik Bir Araştırma: Isparta - Burdur İlleri Örneği, Süleyman Demirel Üniversitesi Sosyal Bilimler Enstitüsü İşletme Anabilim Dalı Yüksek Lisans Tezi.
14. Scott, J.H.Jr (1977). Bankruptcy, Secured Debt and Optimal Capital Structure: Reply, The Journal of Finance, 34(1), 253-260.
15. Selim, S. & Sarıbay, E. (2003). Yabancı Dil Eğitimi Veren Özel Bir Eğitim Kurumundaki Öğrencilerin Beklentilerinin Araştırılması. Dokuz Eylül Üniversitesi Sosyal Bilimler Enstitüsü Dergisi, 5(2), 104-113.
16. Serrano Cinca, C. (1996). Self Organizing Neural Networks for Financial Diagnosis. Decision Support Systems, 17, 227-238.
17. Tarı, R. (2010). Ekonometri. Kocaeli: Umuttepe Yayınları.
18. Tatsuoka, M.M. (1971). Multivariate Analysis: Techniques for Educational and Psychological Research, New York: John Wiley & Sons, Inc.
19. Tektaş, A. & Karataş, A. (2004). Yapay Sinir Ağları ve Finans Alanına Uygulaması: Hisse Senedi Fiyat Tahminlemesi. Atatürk Üniversitesi İktisadi ve İdari Bilimler Dergisi, 18(3-4), 337-349.
20. Ünsal, A. & Güler, H. (2005). Türk Bankacılık Sektörünün Lojistik Regresyon Ve Diskriminant Analizi ile İncelenmesi, VII. Ulusal Ekonometri ve İstatistik Sempozyumu, İstanbul, 26-27 Mayıs 2005.
21. Ünsal, A. (2000). Diskriminant Analizi ve Uygulaması Üzerine Bir Örnek, Gazi Üniversitesi, İ.İ.B.F. Dergisi, 2(3), 19-36.
22. Vural, B.B. (2007). Yapay Sinir Ağları ile Finansal Tahmin, Ankara Üniversitesi Sosyal Bilimler Enstitüsü İşletme Anabilim Dalı Yüksek Lisans Tezi.
23. Wooldridge, J.M. (2003). Introductory Econometrics: A Modern Approach, 2nd Edition. Thomson, Ohio: South Western.