Kredi Risk Analizlerinde Diskriminant Analizi, Lojistik Regresyon ve Yapay Sinir Ağlarının Karşılaştırılması

Yıl 2018, , 91 - 106, 01.04.2018

Mehmet Yazıcı

https://doi.org/10.33203/mfy.393348

Cited By: 3

Öz

Bu
çalışmanın amacı risk değerlendirmesinin zor olduğu KOBİ’lerde mali başarısızlığın tahmini ile ilgili
olarak alternatif bir yöntem ortaya koymaktır. Bu çalışmada bankalarımızın son
dönemdeki odak noktasını oluşturan
ve KOBİ’lerle ilgili başarısızlık tahminlerinde
mali verilerin tek başına
yeterli olmadığından
hareketle, daha önce başarı
ile uygulanmış
olan diskriminant analizi, lojistik regresyon ve yapay sinir ağı yöntemleri ile birer
uygulama yapılarak sonuçlar karşılaştırılmış, iyi ve kötü kredi
ayrımının yapay sinir ağı ile daha başarılı şekilde yapıldığı sonucuna ulaşılmıştır. 

Anahtar Kelimeler

Diskriminant Analizi, Lojistik Regresyon, Yapay Sinir Ağı, mali başarısızlık

Kaynakça

• 1. AKGÜL A., ÇEVİK O. (2003). SPSS’de işletme Yönetimi Uygulamaları, Emek Ofset Ankara.2. AKTAŞ R., DOĞANAY M., YILDIZ B. (2003). Mali Başarısızlığın Öngörülmesi: İstatistiksel Yöntemler ve Yapay Sinir Ağı Karşılaştırması, Ankara Üniversitesi S.B.F Dergisi, Ankara, Cilt:58, Sayı:4.3. AKTAŞ R. (1993). Endüstri İşletmeleri İçin Mali Başarısızlık Tahmini, T. İş Bankası Yayınları 323.4. AKTAŞ R. (1997). Mali Başarısızlık Tahmin Modelleri, İş Bankası Kültür Yayınları.5. ALTMAN E., GIANCARLO M. and FRANCO V. (1994). Corporate Distress Diagnosis: Comparisons Using Linear Discriminant Analysis and Neural Networks (The Italian Experience), Journal of Banking and Finance 18.6. ALTMAN E. (1968). Financial Ratios, Discriminant Analysis and The Prediction of Corporate Bankruptcy, The Journal of Finance, V:XXIII, n:4, September.7. ARMAN T. (1996). Finansal Tablolar Analizi, Ekonomik Araştırmalar Merkezi Yayınları.8. ARSLAN Ö. (2003). Küçük ve Orta Ölçekli İşletmelerde Çalışma Sermayesi ve Bazı Finansal Yönetim Uygulamaları, C.Ü. İktisadi İdari Bilimler Fakültesi Dergisi, Cilt 4, Sayı 1.9. AZIZ A., EMANUEL D., LAWSON G. (1988). Bankruptcy Prediction–An Investigation at Cash Flow Based Models, Journal of Management, V:25 n:5, September.10. BISHOP C. (1997). Neural Networks For Pattern Recognition, Clerendon Press, Oxford.11. CICHOCKI Andrzej. (1993). UNBEHAVEN Rolf, Neural Networks For Optimisation and Signal Processing, John Wiley and Sons, Stutgart.12. COAST K., FANT F. (1993). Recognizing Financial Distress Patterns Using a Neural Network Toll, Financial Management, Autumn.13. DEAKIN E. (1976). Distributions of Financial Accounting Ratios: Some Empirical Evidence, Accounting Review, January.14. EISENBEIS R. (1977). Pitfalls in The Application of Discriminant Analysis in Business, Finance and Economics, The Jurnal of Finance, V:XXXII N:3, June.15. ELMAS Ç. (2003). Yapay Sinir Ağları, Seçkin Kitabevi, Ankara.16. HAIR, ANDERSON, TATHAM, BLACK. 1998. Multivariate Data Analysis-Fifth Edition, Printice-Hall International Inc.17. HAYKIN S. (1999). Neural Networks: A Comprehensive Foundation, Prentice Hall International.18. KALAYCI Ş. (2005). SPSS Uygulamalı Çok Değişkenli İstatistik Teknikleri, Asil Yayın Dağıtım, İstanbul.19. MADDALA G. (1988). Introduction of Econometrics, Newyork, McMillan Publishing Company.20. McNELIS P. (2005). Neural Networks in Finance: Gaining Predictive Edge In The Market, Elsevier Academic Press.21. ÖZTEMEL E. (2003). Yapay Sinir Ağları, Papatya Yayıncılık.22. SCHALKOF, R. (1997). Artificial Neural Networks, The McGraw-Hill Companies, Inc., Newyork.23. TATLIDİL H. (2002). Uygulamalı Çok Değişkenli İstatistiksel Analiz, Akademi Matbaası, Ankara.24. TRIPPI, R., EFRAIM T. (1996). Neural Network in Finance and Investing, Irwin Professional Publications, Chicago.25. VEMURI V. (1992). Artificial Neural Networks: Concepts and Control Applications, IEEE Computer Society Press, Los Alamitos, California.26. YILDIZ B. (1999). Finansal Başarısızlığın Öngörülmesinde Yapay Sinir Ağı Kullanımı ve Ampirik Bir Çalışma, Dumlupınar Üniversitesi Sosyal Bilimler Enstitüsü İşletme Ana Bilim Dalı Doktora Tezi, Kütahya.