An Assessment on Bank Openness, Open Banking and Open Data in Turkey

Öz

Digitalization in banking refers to the shift from traditional branch banking to digital banking applications. In this transition, the concept of open banking is used as a popular discourse within the framework of the concept of digital banking. How valid is the use of open banking? Does the concept of open banking fulfil what is intended? One important issue is the confusion of open banking with other related and unrelated “open” concepts. To address this, it is necessary to establish a basic conceptual framework for open banking, open data, bank openness, and financial openness. Educating potential employees on these distinctions can help shape the future of the financial banking industry by identifying potential areas of research and focusing on methodological issues.

Anahtar Kelimeler

• Open Banking
• Technological Innovation
• Econometric and Statistical Methods: Special Topics

Türkiye’de Açık Bankacılık, Açık Veri ve Banka Açıklığı Üzerine Değerlendirme

Öz

Dijital Bankacılık dönüşümü, geleneksel şube bankacılığı uygulamalarından dijital banka uygulamalarına geçiş olarak değerlendirilebilir. Bu geçişte açık bankacılık kavramı, dijital bankacılık kavramı çerçevesinde popüler bir söylem olarak kullanılmaktadır. Açık bankacılık kullanımı ne kadar geçerlidir? Açık bankacılık kavramı anlatılmak istenileni karşılamakta mıdır? Konunun potansiyel işgücü arasında kavranamamış olması önemli bir sorundur. Hatta açık bankacılık ilişkili ve ilişkisiz çeşitli “açık” kavramıyla karıştırılmaktadır. Temel kavramsal çerçevenin açık bankacılık, açık veri, banka açıklığı ve finansal açıklık çizgisinde belirlenmesi hedeflenmiştir. Potansiyel çalışanlara bu ayrımların öğretilmesi ve bankacılığın geleceğindeki potansiyel çalışma alanlarının belirlenmesi amaçlarıyla gerçekleştirilen değerlendirmeler, metodolojik konulara yoğunlaşarak finans bankacılık endüstrisinin geleceğinin şekillendirilmesine katkı sağlanabileceğini ortaya çıkartmıştır.

Anahtar Kelimeler

• Açık Bankacılık
• Teknolojik İnovasyon
• Ekonometrik ve İstatistiki Yöntemler: Yapay Sinir Ağları

Kaynakça

1. Adana Karaağaç, G. ve Altınırmak, S. (2018). En yüksek piyasa değerine sahip on kripto paranın birbirleriyle etkileşimi. Muhasebe ve Finansman Dergisi, (79): 127–144. https://doi.org/10.25095/mufad.438852
2. Aksoy, B. ve Bilgel, D. (2019). Finansal teknoloji şirketleri ve geleceğin bankacılığı: Açık bankacılık. European Journal of Science and Technology, (17): 1097–1105. https://doi.org/10.31590/ejosat.646196
3. Al, U. ve Tonta, Y. (2014). Açık erişim politikalarının geliştirilmesi ve PASTEUR4OA Projesi. Türk Kütüphaneciliği, 28 (3): 433–436.
4. Altıntaş, V., Küçüksille, E.U. ve Çakır, A. (2018). Genetik algoritma ile baskı devre yerleşim optimizasyonu. Teknik Bilimler Dergisi, 8(2): 5–10.
5. Arda, E. ve Küçükkocaoğlu, G. (2021). Yapay zekâ yöntemleri ile hisse senedi fiyat öngörüleri. Ekonomi, Politika ve Finans Araştırmaları Dergisi, 6(2): 565–586. https://doi.org/10.30784/epfad.878664
6. Arribas, I., Peiró-Palomino, J., and Tortosa-Ausina, E. (2020). Is full banking integration desirable? Journal of Banking and Finance, 112, 105185. https://doi.org/10.1016/j.jbankfin.2017.08.002
7. Ayyüce Kızrak, M. ve Bolat, B. (2018). Derin öğrenme ile kalabalık analizi üzerine detaylı bir araştırma. Bilişim Teknolojileri Dergisi, 11(3): 263-286. https://doi.org/10.17671/gazibtd.419205
8. Bankalararası Kart Merkezi (2019). Dünyada ve Türkiye’de Açık Bankacılık: Bankacılığın Geleceği. İstanbul.

9. Bankaların Bilgi Sistemleri ve Elektronik Bankacılık Hizmetleri Hakkında Yönetmelik (15.03.2020). BDDK. Erişim tarihi: 01.11.2022.
10. Bansal, A.K., Sangtani, V.S., Dadheech, P., Aneja, N., and Yahya, U. (2023). Biogeography-based optimization of artificial neural network (BBO-ANN) for solar radiation forecasting. Applied Artificial Intelligence, 37(1), 2166705. https://doi.org/10.1080/08839514.2023.2166705
11. Basso, A., Bon, J., Tasker, B., Timan, N., Walker, M., and Whitcombe, C. (2018). Recent developments at the CMA: 2017-2018. Review of Industrial Organization, 53(4): 615–635. https://doi.org/10.1007/s11151-018-9668-2
12. Bekdaş, D. ve Ersoy, H. (2022). Metasezgisel algoritmalarla portföy optimizasyonu: BIST 30 uygulaması. Finans Ekonomi ve Sosyal Araştırmalar Dergisi, 7(1): 164–176. https://doi.org/10.29106/fesa.1084231
13. Berger, A.N., Molyneux, P., and Wilson, J.O.S. (2010). The Oxford Handbook of Banking. New York: Oxford University Press.
14. Bingöl, Ç. (2023). Yapay Zekâ Destekli Uygulamalı Eğitim Platformu bankacılık Simülasyonu. Parion Akademik Bakış Dergisi, 2(1): 1-22.
15. Bloomberg HT. (2020). Açık bankacılık tam anlamıyla bir “mavi okyanus.” Erişim adresi: https://www.bloomberght.com/acik-bankacilik-tam-anlamiyla-bir-mavi-okyanus-2255521
16. Brealey, R.A., Myers, S.C., and Marcus, A.J. (2007). Fundamentals of corporate finance (5th ed.). McGraw-Hill Irwin.
17. Ceyhan, H. ve Kasapbaşı, M.C. (2022). Üretim sistemlerinde makine öğrenmesi ile kestirimci bakım uygulaması ve modellemesi. European Journal of Science and Technology, (33): 167–175. https://doi.org/10.31590/ejosat.1019210
18. Cortez, P. (2010). Data mining with neural networks and support vector machines using the R/rminer tool. In P. Perner (Ed.), Lecture Notes in Computer Science (including subseries Lecture Notes in Artificial Intelligence and Lecture Notes in Bioinformatics) (pp. 572–583). https://doi.org/10.1007/978-3-642-14400-4_44
19. Çelenli Başaran, A.Z. (2021). Sharpe oranı ve Treynor endeksi performans ölçülerine dayalı genetik algoritma yaklaşımı. Süleyman Demirel Üniversitesi Fen Edebiyat Fakültesi Fen Dergisi, 16(1): 17–35. https://doi.org/10.29233/sdufeffd.780517
20. Çetin, B. (2020). Blokzincir teknolojisi bilgiye erişimde nasıl kullanılır? Mevcut durum ve potansiyeller. Türk Kütüphaneciliği, 34(1): 65–70.
21. Dağ, Ö.H.N. (2019). Predicting the success of ensemble algorithms in the banking sector. International Journal of Business Analytics, 6(4): 12–31. https://doi.org/10.4018/IJBAN.2019100102
22. Dağ, P. (2017). Açık veri barometresi: On hükümet veri setinden dokuzu açık değil. Erişim adresi: https://www.voyd.org.tr/tr/blog/148/acik-veri-barometresi-on-hukumet-veri-setinden-dokuzu-acik-degil
23. Daver, G. (2021). Finans piyasasında dönüşümün kavgaları: Dijital bankacılık geleneksel bankacılığa karşı. Afyon Kocatepe Üniversitesi Sosyal Bilimler Dergisi, 23(4): 1419–1440. https://doi.org/10.32709/akusosbil.888155
24. Demirdöğen, Y. (2020). İslami fintek ekosistemi üzerine bir değerlendirme. Gaziantep Üniversitesi İktisadi ve İdari Bilimler Fakültesi Dergisi, 2(1): 63–99.
25. Dijital Bankaların Faaliyet Esasları ile Servis Modeli Bankacılığı Hakkında Yönetmelik (29.12.2021). BDDK. Erişim tarihi: 01.11.2022.
26. Directive (EU) 2015/2366 of the European Parliament and of the Council, Pub. L. No. 2015/2366 (2015).
27. Directive 2007/64/EC Of The European Parliament And Of The Council, Pub. L. No. 2007/64 (2007).
28. Doğan, S. ve Büyükkör, Y. (2022). Makine öğrenmesi ile finansal zaman serisi tahminleme. Ankara Hacı Bayram Veli Üniversitesi İktisadi ve İdari Bilimler Fakültesi Dergisi, 24(3): 1205–1230. https://doi.org/10.26745/ahbvuibfd.1191080
29. Dratva, R. (2020). Is open banking driving the financial industry towards a true electronic market? Electronic Markets, 30(1): 65–67. https://doi.org/10.1007/s12525-020-00403-w
30. Eken, M.H. (2020). Bireyin hacklenmesi için eksik parça açık bankacılık mı? Erişim adresi: https://www.borsatek.com/bireyin-hacklenmesi-icin-eksik-parca-acik-bankacilik-mi-586yy.htm
31. Ekinci, A. ve Erdal, H.İ. (2017). Forecasting bank failure: Base learners, ensembles and hybrid ensembles. Computational Economics, 49(4): 677–686. https://doi.org/10.1007/s10614-016-9623-y
32. Farrow, G.S.D. (2020). Open banking: The rise of the cloud platform. Journal of Payments Strategy and Systems, 14(2): 128-146.
33. Fett, D., Hosseyni, P., and Kuesters, R. (2019). An extensive formal security analysis of the OpenID Financial-grade API. In 2019 IEEE Symposıum on Securıty and Prıvacy (SP 2019) (pp. 453–471). https://doi.org/10.1109/SP.2019.00067
34. Gacar, A. (2019). Yapay zekâ ve yapay zekânın muhasebe mesleğine olan etkileri: Türkiye’ye yönelik fırsat ve tehditler. Balkan Sosyal Bilimler Dergisi, 8: 389–394.
35. Gozman, D., Hedman, J., and Sylvest, K. (2018). Open banking: Emergent roles, risks and opportunities. In 26th European Conference on Information Systems: Beyond Digitization Facets of Socio-Technical Change, ECIS 2018.
36. Göçgün, Ö.F. ve Onan, A. (2021). Amazon ürün değerlendirmeleri üzerinde derin öğrenme/makine öğrenmesi tabanlı duygu analizi yapılması. European Journal of Science and Technology, 24: 445-448. https://doi.org/10.31590/ejosat.902674
37. Grote, T., and Keeling, G. (2022). Enabling fairness in healthcare through machine learning. Ethics and Information Technology, 24, 39. https://doi.org/10.1007/S10676-022-09658-7
38. Hasan, A., Kalipsiz, O., and Akyokuş, S. (2020). Modeling traders’ behavior with deep learning and machine learning methods: Evidence from BIST 100 index. Complexity, 2020: 1-16. https://doi.org/10.1155/2020/8285149
39. He, Z., Huang, J., and Zhou, J. (2020). Open banking: Credit market competition when borrowers own the data. SSRN Electronic Journal. https://doi.org/10.2139/ssrn.3736109
40. Hou, J., Wang, Y., Hou, B., Zhou, J., and Tian, Q. (2023). Spatial simulation and prediction of air temperature based on CNN-LSTM. Applied Artificial Intelligence, 37(1). https://doi.org/10.1080/08839514.2023.2166235
41. IMF. (2018). World Economic Outlook Database October 2018. Retrieved from: https://www.imf.org/external/pubs/ft/weo/2018/02/weodata/groups.htm
42. International Monetary Fund (2021). Annual Report on Exchange Arrangements and Exchange Restrictions 2020. Retrieved from: https://www.elibrary.imf.org/view/book/9781513556567/9781513556567.xml
43. Isci, S., Kalender, D.S.Y., Bayraktar, F., and Yaman, A. (2021). Machine learning models for classification of cushing’s syndrome using retrospective data. IEEE Journal of Biomedical and Health Informatics, 25 (8): 3153–3162. https://doi.org/10.1109/JBHI.2021.3054592
44. İlhan, A.T. ve Öz, S. (2020). Yapay sinir ağlarının gayrimenkullerin toplu değerlemesinde uygulanabilirliği: Gölbaşı ilçesi örneği. Hacettepe Üniversitesi Sosyal Bilimler Dergisi, 2(2): 160–188.
45. İnce, H., İmamoğlu, S.E., ve İmamoğlu, S.Z. (2021). Yapay zekâ uygulamalarının karar verme üzerine etkileri: Kavramsal bir çalışma. International Review of Economics and Management, 9(1): 50–63. https://doi.org/10.18825/iremjournal.866432
46. İnnova (2020). Finans sektörü için devrim: Açık bankacılık. Erişim adresi: https://www.innova.com.tr/tr/blog/finans-sektoru-icin-devrim-acik-bankacilik
47. Jeffcock, P. (2017, November 16). 4 Machine Learning Techniques You Should Recognize. Retrieved from: https://blogs.oracle.com/bigdata/machine-learning-techniques
48. Kartal, C., and Bayramoglu, M.F. (2018). What are relations between the domestic macroeconomic variables and the convertible exchange rates? In S. Dincer, H and Hacioglu, U and Yuksel (Ed.), Global Approaches In Financial Economics, Banking, And Finance (pp. 465–483). New York: Springer. https://doi.org/10.1007/978-3-319-78494-6_22
49. Katipoğlu, O.M. ve Acar, R. (2021). Eksik sıcaklık verilerinin yapay sinir ağları (YSA) ile tahmin edilmesi. DÜMF Mühendislik Dergisi, 12(2): 431–438. https://doi.org/10.24012/dumf.852821
50. Kaya, Y., Yeşilova, A. ve Almalı, M.N. (2009). Çoklu doğrusal regresyonda uygun model seçiminde genetik algoritma yaklaşımının kullanılması. Yüzüncü Yıl Üniversitesi Fen Bilimleri Enstitüsü Dergisi, 14(1): 33–37.
51. Keskenler, M.F. ve Keskenler, E.F. (2017). Geçmişten günümüze yapay sinir ağları ve tarihçesi. Takvim-i Vekayi, 5(2): 8-18.
52. Khudeer, H. ve Erbay, H. (2021). Hibrit karga-genetik algoritmasını kullanarak 3 boyutlu kutu paketleme problemi çözme. Veri Bilimi, 4(1): 8–22.
53. Kılıç, S. (2019). Yapay sinir ağları ve regresyon yöntemleri ile geri esneme tahmini. Bilecik Şeyh Edebali Üniversitesi Fen Bilimleri Dergisi, 6(2): 433–446. https://doi.org/10.35193/bseufbd.620010
54. Kızılkaya, Y.M. ve Oğuzlar, A. (2018). Bazı denetimli öğrenme algoritmalarının R programlama dili ile kıyaslanması. Dergi Karadeniz, 37(37): 90–98. https://doi.org/10.17498/kdeniz.405746
55. Kilci, M. (2019). Açık Bankacılık (Open Banking). Erişim adresi: https://medium.com/@mustaaafa/openbankingtr-436b6175df2f
56. Kolobova, Y.I., Mokhnitskaya, DS., Sidorova, V.E., and Skorokhod, A.A. (2018). Risks and threats of using open banking in Russia and in the World. KnE Social Sciences, 3(2): 415. https://doi.org/10.18502/kss.v3i2.1572
57. Koza, J.R., Bennett, F.H., Andre, D., and Keane, M.A. (1996). Automated design of both the topology and sizing of analog electrical circuits using genetic programming. In Artificial Intelligence in Design ’96 (pp. 151–170). Springer Netherlands. https://doi.org/10.1007/978-94-009-0279-4_9
58. Köseoğlu, Ö. ve Demirci, Y. (2017). Türkiye’de büyük veri ve veri madenciliğine ilişkin politika ve stratejiler: Ulusal politika belgelerinin içerik analizi. Süleyman Demirel Üniversitesi İktisadi ve İdari Bilimler Fakültesi Dergisi, 22(Kayfor15 Özel Sayısı): 2223–2239.
59. Kurnaz, E. (2019). Muhasebe eğitimi alan lisans öğrencilerinin öğrenme yaklaşımları üzerine bir araştırma. Muhasebe ve Vergi Uygulamaları Dergisi, 12(2): 237–254. https://doi.org/10.29067/muvu.411838
60. Lacoursiere, M., and Tchotourian, I. (2019). Technological metamorphosis and financial institutions. Cahires De Droit, 60(3): 737–793. https://doi.org/10.7202/1064654ar
61. Laplante, P., and Kshetri, N. (2021). Open banking: Definition and description. Computer, 54(10): 122–128. https://doi.org/10.1109/MC.2021.3055909
62. Lee, K. M., Yoo, J., Kim, S.-W., Lee, J.-H., and Hong, J. (2019). Autonomic machine learning platform. International Journal of Information Management, 49: 491–501. https://doi.org/10.1016/j.ijinfomgt.2019.07.003
63. Levine, R. (2005). Finance and growth: Theory and evidence. In P. Aghion and S. N. Durlauf (Eds.), Handbook of Economic Growth (pp. 865–934). Elsevier B.V. https://doi.org/10.1016/S1574-0684 (05)01012-9
64. Lutsyk, M. (2020). The opportunities and benefits of open banking implementation. European Cooperation, 4 (48): 35-46. https://doi.org/10.32070/ec.v4i48.103
65. Melnychenko, S., Volosovych, S., and Baraniuk, Y. (2020). Dominant ideas of financial technologies in digital banking. Baltic Journal of Economic Studies, 6(1): 92–99. https://doi.org/10.30525/2256-0742/2020-6-1-92-99
66. Michalewicz, Z. (1996). Genetic Algorithms + Data Structures = Evolution Programs. Genetic Algorithms + Data Structures = Evolution Programs. Springer Berlin Heidelberg. https://doi.org/10.1007/978-3-662-03315-9
67. Mol-Gomez-Vazquez, A., Hernandez-Canovas, G., and Koeter-Kant, J. (2020). Do foreign banks intensify borrower discouragement? The role of developed European institutions in ameliorating SME financing constraints. International Small Business Journal-Researching Entrepreneurship, 38(1): 3–20. https://doi.org/10.1177/0266242619868231
68. Mozina, M. (2018). Arguments in ınteractive machine learning. Informatica-Journal of Computing And Informatics, 42(1): 53–59.
69. Muckley, E.S., Collins, L., Srijanto, B.R., and Ivanov, I.N. (2020). Machine learning‐enabled correlation and modeling of multimodal response of thin film to environment on macro and nanoscale using “Lab‐on‐a‐Crystal.” Advanced Functional Materials, 30(10), 1908010. https://doi.org/10.1002/adfm.201908010
70. Nacar, E.N. ve Erdebilli (B.D.Rouyendegh), B. (2021). Makine öğrenmesi algoritmaları ile satış tahmini. Endüstri Mühendisliği, 32(2): 307–320. https://doi.org/10.46465/endustrimuhendisligi.811183
71. Nilsson, N.J. (1998). Introduction to machine learning an early draft of a proposed textbook. Retrieved from: https://ai.stanford.edu/people/nilsson/MLBOOK.pdf
72. O’Leary, K., O’Reilly, P., Nagle, T., Filelis-Papadopoulos, C., and Dehghani, M. (2021). The sustainable value of open banking: Insights from an open data lens. In Proceedings of the Annual Hawaii International Conference on System Sciences. https://doi.org/10.24251/HICSS.2021.713
73. Omarini, A.E. (2018). Banks and fintechs: How to develop a digital open banking approach for the bank’s future. International Business Research, 11(9): 23-36. https://doi.org/10.5539/ibr.v11n9p23
74. Open Data Institute. (2013). The Open Data Consumer Checklist. Retrieved from: https://theodi.org/article/the-open-data-consumer-checklist/
75. Oracle Türkiye. (n.d.-a). Makine Öğrenimi Nedir? Erişim adresi: https://www.oracle.com/tr/artificial-intelligence/what-is-machine-learning.html
76. Oracle Türkiye. (n.d.-b). Yapay Zeka (AI) Nedir? Erişim adresi: https://www.oracle.com/tr/artificial-intelligence/what-is-artificial-intelligence.html
77. Ödeme ve Menkul Kıymet Mutabakat Sistemleri, Ödeme Hizmetleri ve Elektronik Para Kuruluşları Hakkında Kanun. (2013, 20 Haziran). Resmi Gazete (Sayı: 28690). Erişim adresi: https://www.mevzuat.gov.tr/MevzuatMetin/1.5.6493.pdf
78. Özdemir, A., Onan, A. ve Çınarlı Ergene, V. (2022). İş memnuniyeti faktörlerini belirlemek ve analiz etmek için çevrimiçi çalışan değerlendirmelerini kullanan ilgili makine öğrenmesi ve topluluk öğrenmesi tabanlı yöntem. European Journal of Science and Technology, 40(40): 19–28. https://doi.org/10.31590/ejosat.1173627
79. Özuysal, H., Atan, M., ve Altay Güvenir, H. (2022). Kripto para birimlerinin ölme riskinin tahmini. Gazi İktisat ve İşletme Dergisi, 8(3): 548–565. https://doi.org/10.30855/gjeb.2022.8.3.011
80. Palczewski, A. (2018). LP algorithms for portfolio optimization: The portfoliooptim package. R Journal. 10(1), 308. https://doi.org/10.32614/rj-2018-028
81. Patil, P. (2019). Stock market prediction using ensemble of graph theory, machine learning and deep learning models. San Jose State University, San Jose, CA, USA. https://doi.org/10.31979/etd.38nc-j52r
82. Price Waterhouse Coopers (2020). Açık Bankacılık: Dünya ve Türkiye. Erişim adresi: https://www.pwc.com.tr/acik-bankacilik-dunya-ve-turkiye
83. Pulat, M. ve Deveci Kocakoç, İ. (2021). Türkiye’de makine öğrenmesi ve karar ağaçları alanında yayınlanmış tezlerin bibliyometrik analizi. Yönetim ve Ekonomi Dergisi, 28(2): 287–308. https://doi.org/10.18657/yonveek.870190
84. Ramaswamy, S. (2017, April 17). How Companies Are Already Using AI. Retrieved from: https://hbr.org/2017/04/how-companies-are-already-using-ai
85. Ramdani, B., Rothwell, B., and Boukrami, E. (2020). Open banking: The emergence of new digital business models. International Journal of Innovation and Technology Management, 17(5). https://doi.org/10.1142/S0219877020500339
86. Riad, K., and Elhoseny, M. (2022). A blockchain-based key-revocation access control for open banking. Wireless Communications and Mobile Computing, 2022, 1–14. https://doi.org/10.1155/2022/3200891
87. Ringer, F. (2006). Weber’in Metodolojisi (2nd ed.). Ankara: Doğubatı.
88. Robert, E. (2000). Neural Networks-History. Retrieved from: https://cs.stanford.edu/people/eroberts/courses/soco/projects/neural-networks/History/history1.html
89. Sakarya, Ş. ve Yılmaz, Ü. (2019). Derin öğrenme mimarisi kullanarak BİST30 indeksinin tahmini. European Journal of Educational and Social Sciences, 4(2): 106–121.
90. Saygın, E. ve Baykara, M. (2021). Karaciğer yetmezliği teşhisinde özellik seçimi kullanarak makine öğrenmesi yöntemlerinin başarılarının ölçülmesi. Fırat Üniversitesi Mühendislik Bilimleri Dergisi, 33(2): 367–377. https://doi.org/10.35234/fumbd.832264
91. Schmitt, J., Razvi, A., and Grapentin, C. (2023). Predictive modeling of concentration-dependent viscosity behavior of monoclonal antibody solutions using artificial neural networks. mAbs, 15(1), 2169440. https://doi.org/10.1080/19420862.2023.2169440
92. Seera, M., Lim, C.P., Kumar, A., Dhamotharan, L., and Tan, K.H. (2021). An intelligent payment card fraud detection system. Annals of Operations Research, 1-23. https://doi.org/10.1007/s10479-021-04149-2
93. Serdaroğlu, T. (2013). Türkiye’de finansal açıklık ve toplam faktör verimliliği. T.C. Kalkınma Bakanlığı Planlama Uzmanlığı Tezi. T.C. Kalkınma Bakanlığı.
94. Shkodina, I., Derid, I., and Zelenko, O. (2019). Digital transformation of global banking: challenges and prospects. Financial and Credit Activity-Problems of Theory and Practice, 3(30): 45–51. https://doi.org/10.18371/fcaptp.v3i30.179680
95. Simovici, D. (2015). Intelligent data analysis techniques—machine learning and data mining. In Artificial Intelligent Approaches in Petroleum Geosciences (pp. 1–51). Springer International Publishing. https://doi.org/10.1007/978-3-319-16531-8_1
96. Sivathanu, B. (2019). An empirical study on the ıntention to use open banking in India. Information Resources Management Journal, 32(3): 27–47. https://doi.org/10.4018/IRMJ.2019070102
97. Steinmann, R., Seydoux, L., and Campillo, M. (2022). AI‐based unmixing of medium and source signatures from seismograms: ground freezing patterns. Geophysical Research Letters, 49(15). https://doi.org/10.1029/2022GL098854
98. Studer, S., Bui, T. B., Drescher, C., Hanuschkin, A., Winkler, L., Peters, S., and Müller, K. R. (2021). Towards CRISP-ML (Q): A machine learning process model with quality assurance methodology. Machine Learning and Knowledge Extraction, 3(2): 392–413. https://doi.org/10.3390/MAKE3020020
99. Sütcü, C.S., ve Aytekin, Ç. (2018). Bitcoin ve kripto para ile ilgili sosyal medya kullanıcılarının girişimcilik düzeyleri üzerine bir araştırma. The Turkish Online Journal of Design, Art and Communication, 8(3): 466–488.
100. Taştan, S., and Çil, N. (2016). Hybrid coded genetic algorithm towards determining smooth transition autoregressive models. Ekonometri ve İstatistik E-Dergisi, (24): 10–29. Retrieved from: https://dergipark.org.tr/tr/pub/iuekois/issue/27191/286090
101. Tiryaki, F., Şentürk, Ü., and Yücedağ, İ. (2023). Developing and evaluating an artificial ıntelligence model for malicious URL detection. European Journal of Science and Technology, 47(47): 13–17. https://doi.org/10.31590/ejosat.1234556
102. Tokmak, M. (2022). Uzun-Kısa süreli bellek ağı kullanarak hisse senedi fiyatı tahmini. Journal of Applied Sciences of Mehmet Akif Ersoy University, 6(2): 309–322. https://doi.org/10.31200/MAKUUBD.1164099
103. Tonta, Y. (2016). Açık bilim, açık erişim, açık veri. Retrieved from http://firstmonday.org/ojs/index.php/fm/article/view/6360/5460
104. Tsay, R.S. (2013). Multivariate time series analysis: With R and financial applications. John Wiley & Sons. Retrieved from: https://www.wiley.com/en-us/Multivariate+Time+Series+Analysis%3A+With+R+and+Financial+Applications-p-9781118617908
105. Turing, A.M. (1950). Computing machinery and intelligence. Mind, LIX (236): 433–460. https://doi.org/10.1093/mind/lix.236.433
106. Türk Dil Kurumu. (2020). Türk Dil Kurumu Sözlükleri. Erişim adresi: https://sozluk.gov.tr/
107. Ucoglu, D. (2020). Current machine learning applications in accounting and auditing. Pressacademia, 12(1): 1–7. https://doi.org/10.17261/Pressacademia.2020.1337
108. Uçar, M. ve Uçar, E. (2019). Derin otomatik kodlayıcı tabanlı özellik çıkarımı ile android kötücül yazılım uygulamalarının tespiti. Yönetim Bilişim Sistemleri Dergisi, 5(2): 21–28.
109. Ünal, Y. ve Kurbanoğlu, S. (2018). Araştırma verilerinin yönetimi: Türk araştırmacılar verilerini açmaya hazır mı? Türk Kütüphaneciliği, 32(4): 287–311. https://doi.org/10.24146/tkd.2018.42
110. Üniversitelerarası Kurul Başkanlığı. (2020). Bilim Alanları ve Anahtar Kelimeler (2020 Mart Dönemi Başvurularına ait Bilim Alanları ve Anahtar Kelimeler). Erişim adresi: http://www.uak.gov.tr/temelalan/2020M_BilimAlanlariAnahtarKelimeler_15062020.pdf
111. Wang, H., Ma, S., Dai, H.-N., Imran, M., and Wang, T. (2020). Blockchain-based data privacy management with nudge theory in open banking. Future Generation Computer Systems, 110: 812–823. https://doi.org/10.1016/j.future.2019.09.010
112. Yabar, E. ve Aydın, M.C. (2020). Dalgacık dönüşümlü yapay sinir ağlarıyla günlük akım serilerinin tahmini. Bitlis Eren Üniversitesi Fen Bilimleri Dergisi, 9(2): 943–951. https://doi.org/10.17798/bitlisfen.609410
113. Yadav, V., Karmakar, S., Kalbar, P.P., and Dikshit, A.K. (2019). PyTOPS: A Python based tool for TOPSIS. SoftwareX, 9: 217–222. https://doi.org/10.1016/j.softx.2019.02.004
114. Yeniova Saylak, G. (2019, 17 Aralık). Açık bankacılık finansı dönüştürecek. Erişim adresi: https://www.ekonomist.com.tr/finans/acik-bankacilik-finansi-donusturecek.html
115. Yüksek, Ö., Babacan, H.T. ve Saka, F. (2018). Yağış-akış modellemesinde optimum yapay sinir ağı yapısının araştırılması. Türk Hidrolik Dergisi, 2(1): 31–37.