Bankaların Finansal Başarısızlıklarının Geleneksel ve Yeni Yöntemlerle Öngörüsü

Bu çalışmada, özellikle Türkiye’de finansal sistemin en önemli unsuru olan bankaların finansal başarısızlıklarının öngörülmesine yönelik erken uyarı modelleri oluşturulması amaçlanmıştır. Çalışmada, bugüne kadar geliştirilen çeşitli tahmin modellerinden literatürde oldukça yaygın kullanılan Diskriminant Analizi ve Yapay Sinir Ağları modellerinin tahmin güçleri karşılaştırılmıştır. Bu amaçla, 36 adet özel sermayeli ticaret bankasına ait finansal oranlar kullanılarak bankaların finansal başarısızlığa düşme olasılıkları 1 ve 2 yıl önceden ayrı ayrı tahmin edilmeye çalışılmıştır

Anahtar Kelimeler:

Banka Başarısızlığı, Finansal Başarısızlık, Diskriminant Analizi, Yapay Sinir Ağları, Başarısızlık Öngörüsü

Bankaların Finansal Başarısızlıklarının Geleneksel ve Yeni Yöntemlerle Öngörüsü

PDF

___

ALAM P., BOOTH D., LEE K. ve THORDARSON T. (2000). “The Use of Fuzzy Clustering Algorithm and Self-organizing Neural Network for Identifying Potentially Failing Banks: An Experiment Study”, Expert Systems with Applications, Vol. 18, 185-199.
ALTMAN, Edward I. (1968) “Financial Ratios, Diskriminant Analysis and the Prediction of corporate Bankruptcy”, The Journal of Finance, Vol.23, Nr.4, 589-609.
AĞAOĞLU, A. (1989) “Türkiye’de Banka İşletmelerinin Ekonomik Analizi ve Gelişme Eğilimleri”, (Yayımlanmamış Doktora Tezi), Ankara: Ankara Üniversitesi Sosyal Bilimler Enstitüsü. Bankacılık Düzenleme ve Denetleme Kurumu (2009a), Küresel Krizde İngiltere Tecrübesi, Çalışma Tebliği, Temmuz, Sayı.4, 1-95.
Bankacılık Düzenleme ve Denetleme Kurumu (2009b) Türk Bankacılık Sektörü Kur Riski Değerlendirme Raporu, Eylül, 1-49.
BEAVER, William H. (1966) “Financial Ratios as Predictors of Failure”, Selected Studies, , 70-112.
BEAVER, William H. (1968) “Market Prices, Financial Ratios and Predictors of Failure”, Journal of Accounting Research, 179-195.
BENLİ, Yasemin K. (2005) “Bankalarda Mali Başarısızlığın Öngörülmesi Lojistik Regresyon ve Yapay Sinir Ağı Karşılaştırması” Gazi Üniversitesi Güzel Sanatlar Eğitim Fakültesi Dergisi, Sayı:16, 31-46.
CANBAŞ, Serpil ve EROL C. (1985) “Türkiye’de Ticaret Bankaları Sorunlarının Saptanması: Erken Uyarı Sistemine Giriş”, Türkiye Ekonomisi ve Türk Ekonomi İlmi, Sayı:1, Marmara Üniversitesi Türkiye Ekonomisi Araştırma Merkezi.
CANBAŞ, Serpil ÇABUK A., KILIÇ, Süleyman B. (2005) “Bankaların Finansal Yapısının Çok değişkenli İstatistiksel Yönteme Dayalı Analizi ve Mali Başarısızlık Tahmini: Türkiye Uygulaması, http://idari.cu.edu.tr/suleyman/mali.pdf (12.06.2009)
DEAKIN, Edward B. (1972) “A Diskriminant Analysis of Predictors of Business Failure”, Journal of Accounting Ressearch, Vol.10, 167-179
JO, H., HAN, I. and LEE, H. (1997) “Bankruptcy Prediction Using Case-Based Reasoning, Neural Networks, and Discriminant Analysis”, Expert Systems With Applications , 13, 97-108.
KARAMUSTAFA, Osman(1999) “Bankalarda Temel Finansal Karakteristikle 1990-1997 Sektör Üzerine Ampirik Bir Çalışma, İMKB Dergisi, Cilt 3, Sayı 9.
LAITINEN E. and LAITINEN T. (2000) “Bankruptcy Prediction Application of The Taylor’s Expansion in Logistic Regression”, International Review of Financial Analysis, V.9, 327-349.
MEYER, Paul A. and PIFER, Howard W. (1970) “Prediction of Bank Failures”, The Journal of Finance, Vol. 25, Nr.4, 853-868.
ODOM, Marcus D. SHARDA (1990) Ramesh“A Neural Network Model For Bankruptcy Prediction”, IEEE Int. Conf. on Neural Network, Vol.2, 163-168.
RAVI V. ve PRAMODH C (2008) “Threshold Accepting Trained Principal Component Neural Network and Feature Subset Selection: Application to bankrupt prediction in banks”, Applied Soft Computing, Vol. 8, Issue 4, 1539-1548.
SINKEY, Joseph F. (1975), “A Multivariate Statistical Analysis of The Characteristics of Problem Banks”, The Journal of Finance, Vol. 30, Nr.1, 21-36.
TAMARI, Meir (1970) “The Nature of Trade”, Oxford Economic Papers, New Series, Vol.22, Nr.3, 406-419.
YANG, Boan, LI X. Ling, JI Hai, and XU Jing (2001) “ A Early System For Loan Risk Assesment Using Artificial Neural Networks” Knowledge-Based System, V.14, 303-306.