Please use this identifier to cite or link to this item: https://hdl.handle.net/20.500.11851/3456
Title: Mali başarı ve başarısızlık tahmini: Lojistik regresyon ve destek vektör makineleri karşılaştırması
Other Titles: Predicting the financial success and failure: Comparison of the logit regression and support vector machine
Authors: Aktaş, Ramazan
Şengören, Fatih
Keywords: Borsa İstanbul
Destek Vektör Makineleri
Lojistik Regresyon
Mali Başarısızlık
Mali Oranlar
Borsa İstanbul
Support Vector Machine
Logit Regression
Financial Distress
Financial Ratios
Issue Date: 2019
Publisher: TOBB University of Economics and Technology, Graduate School of Economics and Social Sciences
TOBB ETÜ Sosyal Bilimler Enstitüsü
Source: Şengören, F. (2019). Mali başarı ve başarısızlık tahmini: Lojistik regresyon ve destek vektör makineleri karşılaştırması. Ankara: TOBB ETÜ Sosyal Bilimler Enstitüsü. [Yayınlanmamış yüksek lisans tezi]
Abstract: Mali başarısızlık; firmaları, kredi verenleri ve yatırımcıları olumsuz etkileyen ve sosyo ekonomik sonuçları olan bir olgudur. Ekonomik düzende bu kadar geniş bir kesimi olumsuz etkileyen mali başarısızlığın önceden tahmini; mali başarısızlığa neden olan faktörlerin bilinmesi, önlemlerin önceden alınması ve kayıpların azaltılması için önem arz etmektedir. Bu çalışmada, bu noktadan hareketle firmaların mali başarısızlıklarını öngörmede Lojistik Regresyon (LR) modeli ile Destek Vektör Makineleri (SVM) modelinin başarıları karşılaştırılmıştır. Bu amaçla Borsa İstanbul'da (BİST) işlem gören 26 mali başarısız, 49 mali başarılı; toplam 75 şirketin 2006-2017 yılları arasındaki finansal tablolarından yararlanarak mali oranları hesaplanmış ve bu veriler yardımıyla mali başarı ve başarısızlık 1, 2 ve 3 yıl önceden tahmin edilmeye çalışılmıştır. Elde edilen sonuçlara göre; SVM modelinin tahmin başarısı, her 3 yıl için de geçerli olmak üzere, geleneksel model olan LR modeline göre daha yüksek çıkmıştır. Ayrıca bu çalışmada; aktif karlılığı, FAVÖK kar marjı, özkaynak kazançları oranı ve nakit oranı mali oranlarının, tahminde kullanılan toplam 22 mali oran arasında mali başarısızlığı tahmin etmede daha önemli olduğu tespit edilmiştir.
Financial distress is a phenomenon with socio-economic consequences that negatively affects firms, lenders and investors. The prediction of financial distress is important not only for the lenders but also for other participants of the society as well. Especially, the early warning models giving information about the possible financial failure cases are useful to take precautionary measures and to reduce the losses. This study compares the success of the Logistic Regression (LR) model and Support Vector Machine (SVM) model to predict the financial distress of firms. For this purpose, financial ratios of a total of 75 companies, 26 of which financially unsuccessful and 49 of which financially successful, that are traded in Borsa Istanbul (BIST) were calculated by using the financial statements between 2006-2017. In the light of these data, financial distress estimations were made separately from 1, 2 and 3 years before the financial failure date. According to the obtained results, the predictive success of the SVM model was higher than that of the traditional LR model which is valid for each of the 3 years. In addition, in this study, the ratios such as return on total assets, EBITDA profit margin, return on equity, cash ratio are found to be important in predicting the financial failure among 22 financial ratios used in the estimation of financial failure for these samples.
URI: https://tez.yok.gov.tr/UlusalTezMerkezi/tezSorguSonucYeni.jsp
https://hdl.handle.net/20.500.11851/3456
Appears in Collections:İşletme Yüksek Lisans Tezleri / Business Administration Master Theses

Files in This Item:
File Description SizeFormat 
582808.pdfFatih Şengören_Tez2.07 MBAdobe PDFThumbnail
View/Open
Show full item record

CORE Recommender

Page view(s)

176
checked on Dec 26, 2022

Download(s)

74
checked on Dec 26, 2022

Google ScholarTM

Check


Items in GCRIS Repository are protected by copyright, with all rights reserved, unless otherwise indicated.