Yapay Sinir Ağı Modeli ile BİST'e Kote 10 Bankanın Covid-19 Dönemindeki Finansal Verilerinin Tahminlenme Başarısı Üzerine Bir Araştırma

Yıl 2022, Cilt: 7 Sayı: Ek, 82 - 95, 31.12.2022

Serkan Varsak İbrahim Özkan

https://doi.org/10.23834/isrjournal.1209001

Öz

Yapay sinir ağı modeli, yapay zekâ ve makine öğrenmesi modellerinin temelini oluşturmaktadır. Yapay sinir ağı modelinden yola çıkılarak evrişimli sinir ağları, destek vektör makine ve genetik algoritmalar gibi pek çok farklı model türetilmiştir. Bu çalışma yapay zekâ teknolojilerinin temelini oluşturan, yapay sinir ağı modelinin Covid-19 döneminde, bankaların finansal verilerine dayanarak modelin tahmin gücünü test etmek amacıyla yapılmıştır. Çalışmada Borsa İstanbul (BİST)’e kote olan 10 adet bankanın 2005-2021 yılları arasındaki finansal verileri kullanılmıştır. Çalışmanın birinci bölümünde yapay sinir ağı modelinin tanımı ve genel gösterimi verilmiştir. İkinci bölümde ekonomi literatüründe daha önce çeşitli yapay zekâ yöntemleri ile yapılmış çalışmalara yer verilmiştir. Çalışmanın üçüncü bölümünde ise yapay sinir ağı modeli ile elde edilen analiz sonuçları özetlenmiştir. Verilerin analizi noktasında toplamda 17 yıllık veriden oluşan veri setinden Covid-19 dönemine ait olan 2020-2021 dönemine ait 2 yıllık veri test verisi olarak kullanılmıştır. Geriye kalan 15 yıllık verinin içerisinden 13 yıllık kısmı modelin eğitimi için geriye kalan rastgele seçilmiş 2 yıllık kısmı ise modelin Covid-19 dönemi dışındaki başarısını ölçmek üzere test verisi olarak kullanılmıştır.

Anahtar Kelimeler

Yapay sinir ağı, covid-19, Finansal tahmin başarısı

A Research on The Success of Forecasting The Financial Data of 10 Banks Qualified to The BIST with The Artificial Neural Network Model

Öz

The artificial neural network model forms the basis of artificial intelligence and machine learning models. Based on the artificial neural network model, many different models such as convolutional neural networks, support vector machines and genetic algorithms have been derived. This study was carried out in order to test the predictive power of the artificial neural network model, which is the basis of artificial intelligence technologies, based on the real financial data of banks during the covid-19 period. In the study, the financial data of 10 banks listed on Borsa Istanbul (BIST) between the years 2005-2021 were used. In the first part of the study, the definition and general representa-tion of the artificial neural network model are given. In the second part, previous studies with vari-ous artificial intelligence methods in the economics literature are included. In the third part of the study, the analysis results obtained with the artificial neural network model we used are given. At the point of data analysis, 2-year data belonging to the period of 2020-2021, belonging to the Covid-19 period, from the data set consisting of a total of 17 years of data, was used as test data.

Anahtar Kelimeler

artificial neural network, covid-19, financial forecasting success

Kaynakça

• Akkaya, G. C., Demirelli, 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. https://dergipark.org.tr/tr/pub/ogusbd/issue/10996/131592 adresinden alındı
• Aksoylu, M. Ü. (2021). Projelerle Yapay Zekâ ve Bilgisayarlı Görü (1 b.). İstanbul: Kodlab.
• Altınırmak, S., ve Karamaşa, Ç. (2016). Comparison Of Machine Learning Techniques For Analyzing Banks Financial Distress. Balıkesir Üniversitesi Sosyal Bilimler Enstitüsü Dergisi, 19(36), 291-303.
• Altunöz, U. (2013). Bankaların Finansal Başarısızlıklarının Yapay Sinir Ağları Modeli Çerçevesinde Tahmin Edilebilirliği. Dokuz Eylül Üniversitesi İktisadi ve İdari Bilimler Fakültesi Dergisi, 28(2), 189-217.
• Arda, E., ve Küçükoğlu, G. (2021). Yapay Zeka Yöntemleri İle Hisse Senedi Fiyat Öngörüleri. Ekonomi, Politika ve Finans Araştırmaları Dergisi, 6(2), 565-586. doi:10.30784/epfad.878664
• Atlan, F., Pençe, İ., Çeşmeli, M. Ş., ve Kalkan, A. (2018). Bitcoin’in Türkiye Piyasasındaki Değerinin Yapay Zeka Teknikleri ile Tahmini. 5th International Management Information Systems Conference, 59-62. https://imisc.figshare.com/articles/journal_contribution/Bitcoin_in_Tu_rkiye_Piyasas_ndaki_Deg_erinin_Yapay_Zeka_Teknikleri_ile_Tahmini/7471376 adresinden alındı
• Ceran, M. (2019). Bankacılıkta Dijitalleşme Kapsamında Öğrenen Yapay Zeka Desteğiyle Sorunlu Kredilerin Belirlenmesi. İstanbul, Yayınlanmamış Doktora Tezi: T.C. Marmara Üniversitesi Bankacılık ve Sigortacılık Enstitüsü Bankacılık Anabilim Dalı.
• Çağlar, B., ve Yavuz, U. (2021). Finansal Haberlerin Bitcoin Fiyatlarına Etkisinin Yapay Sinir Ağları İle Analizi. Bilişim Teknolojileri Dergisi, 14(1), 65-78. doi:10.17671/gazibtd.703688
• Çelik, M. K. (2010). Bankaların Finansal Başarısızlıklarının Geleneksel ve Yeni Yöntemlerle Öngörüsü. Celal Bayar Üniversitesi Yönetim ve Ekonomi Dergisi, 17(2), 129-143.
• Donepudi, P. K. (2017). AI and Machine Learning in Banking: A Systematic Literature Review. Asian Journal of Applied Science and Engineering, 6(3), 157-162. https://www.researchgate.net/publication/349859207_AI_and_Machine_Learning_in_Banking_A_Systematic_Literature_Review adresinden alındı
• Ekinci, Y., Temur, G. T., Çelebi, D., ve Bayraktar, D. (2008). Ekonomik Kriz Döneminde Firma Başarısı Tahmini: Yapay Sinir Ağları Tabanlı Yaklaşım. Endüstri Mühendisliği Dergisi, 21(YA/EM 2008 Özel Sayısı), 17-29. Elmas, Ç. (2011). Yapay Zeka Uygulamaları (2 b.). Ankara: Seçkin Yayıncılık.
• Gümüş, E., Medetoğlu, B., ve Tutar, S. (2020). Finans ve Bankacılık Sisteminde Yapay Zekâ Kullanımı: Kullanıcılar Üzerine Bir Uygulama. Bucak İşletme Fakültesi Dergisi, 3(1), 28-53.
• Hasan, A., Kalıpsız, O., ve Akyokuş, S. (2017). Büyük Verilerde Finansal Piyasa Tahmini : Derin Öğrenme. 2017 International Conference on Computer Science and Engineering (UBMK), 510-515. doi:https://doi.org/10.1109/UBMK.2017.8093449
• Haykin, S. (2009). Neural Network and Learning Machines (3 b.). McMaster University, Hamilton, Ontario, Canada: Pearson Yayınları.
• Kim, K. J. (2006). Artificial Neural Networks With Evolutionary İnstance Selection for Financial Forecasting. Expert Systems With Applications(30), 519-526.
• Kishada, Z. M., Wahab, N. A., ve Mustapha, A. (2016). Consumer Loyalty Assessment in Malaysian İslamic Banking Using Artificial İntelligence. Journal of Theoretical and Applied Information Technology, 87(1), 80-91.
• Korkmaz, G. (2020). Yapay Zekâ Yöntemleriyle Sınıflandırma ve Finans Sektöründe Kurumsal Müşterilere Dönük Bir Uygulama. Akademik Yaklaşımlar Dergisi, 11(2), 91-109.
• Kuyumcu, B. (2018). OpenCv Görüntü İşleme ve Yapay Öğrenme (3 b.). İstanbul: Level Kitap.
• Küçükkocaoğlu, G., Benli, Y. K., ve Küçüksözen, C. (2007). Finansal Bilgi Manüpilasyonunun Tespitinde Yapay Sinir Ağı Modelinin Kullanımı. İMKB Dergisi, 9(36), 2-30.
• Mahfoud, S., ve Mani, G. (2010). Financial Forecasting Using Genetic Algorithms. Applied Artificial İntelligence : An İnternational Journal, 543-566. doi:http://dx.doi.org/10.1080/088395196118425
• Odom, M. D., ve Sharda, R. (1990). A neural network model for bankruptcy prediction. 1990 IJCNN International Joint Conference on Neural Networks(2), 163-168. doi:10.1109/IJCNN.1990.137710.
• Özer, A., Sarı, S. S., ve Başakın, E. E. (2018). Bulanık Mantık ve Yapay Sinir Ağları İle Borsa Endeks Tahmini : Gelişmiş ve Gelişmekte Olan Ülkeler Örneği. Hitit Üniversitesi Sosyal Bilimler Enstitüsü Dergisi, 99-124. doi:http://dx.doi.org/10.17218/hititsosbil.390490
• Öztemel, E. (2016). Yapay Sinir Ağları (4 b.). Ankara: Papatya Yayıncılık Eğitim.
• Patil, P. S., ve Dharwadkar, N. V. (2017). Analysis of Banking Data Using Machine Learning. International conference on I-SMAC (IoT in Social, Mobile, Analytics and Cloud), 876-881.
• Sağıroğlu, Ş., Beşdok, E., ve Erler, M. (2003). Mühendislikte Yapay Zeka Uygulamaları-I: Yapay Sinir Ağları. Kayseri: UFUK Kitap Kırtasiye Yayıncılık Tic. Ltd. Şti.
• Sakız, B., ve Kutlugün, E. (2017). Blok Zinciri Teknolojisi Ve Yapay Zeka Algoritmaları İle Bitcoin Fiyat Tahminleme. Internatıonal Conference On Eurasıan Economıes 2017, 438-444. https://www.avekon.org/papers/2070.pdf adresinden alındı
• Singh, C., ve Lin, W. (2021). Can artificial intelligence RegTech and CharityTech provide effective solutions for anti-money laundering and counter-terror financing initiatives in charitable fundraising. Journal of Money Laundering Control, 24(3), 464-482. doi:10.1108/JMLC-09-2020-0100
• Söyler, H., ve Kızılkaya, O. (2018). Para Krizlerinin Yapay Zeka Yöntemleri İle Tahmini : Türkiye Örneği. Uluslararası İktisadi ve İdari İncelemeler Dergisi, 18(EYİ Özel Sayısı), 649-666. doi:DOI: 10.18092/ulikidince.347202
• Şeker, M., Selim, Y., ve Berkay, A. (2004). Yapay Sinir Ağlarının Ekonomik Tahminlerde Kullanılması. Pamukkale Üniversitesi Mühendisllik Bilimleri Dergisi, 10(Özel Sayı), 79-83.
• Yıldız, B. (2009). Finansal Analizde Yapay Zekâ (1 b.). Ankara: Detay Yayıncılık.
• Yıldız, B., ve Akkoç, S. (2009). Banka Finansal Başarısızlıklarının Sinirsel Bulanık Ağ Yöntemi İle Öngörüsü. BDDK Bankacılık ve Finansal Piyasalar, 3(1), 9-36.
• Yılmaz, A. (2020). Yapay Zekâ (8 b.). İstanbul: Kodlab.
• Yılmaz, A., ve Kaya, U. (2021). Derin Öğrenme (3 b.). İstanbul: Kodlab.
• Yurtoğlu, H. (2005). Yapay Sinir Ağları Metodolojisi İle Öngörü Modellemesi: Bazı Makroekonomik Değişkenler İçin Türkiye Örneği. Ankara: Devlet Planlama Teşkilatı.
• Yurttabir, A., ve Sen, İ. K. (2021). Prophet Model İn Fınancıal Performance Forecast: İmplementatıon İn Manufacturıng Sector. Journal of Economics, Finance and Accounting (JEFA), 8(4), 160-166. doi:10.17261/Pressacademia.2021.1470
• Yürük, M. F., ve Ekşi, İ. H. (2019). Yapay Zekâ Yöntemleri İle İşletmelerin Finansal Başarısızlığının Tahmin Edilmesi: Bist İmalat Sektörü Uygulaması. Mukaddime, 10(1), 393-422. doi:10.19059/mukaddime.533151
• Zinisha, O., İvanenko, İ., ve Avdeeva, R. (2019). Artificial İntelligence As A Factor To İmprove Bank Efficiency. Indo American Journal of Pharmaceutical Sciences, 6(3), 6917-6919. doi:http://doi.org/10.5281/zenodo.2616485
• Zoric, A. B. (2016). Predisting Consumer Churn On Banking İndüstry Using Neural Network. Interdisciplinary Description of Complex Systems, 14(2), 116-124.