Normal view MARC view ISBD view

Mali başarı ve başarısızlık tahmini : Lojistik regresyon ve destek vektör makineleri karşılaştırması / Fatih Şengören ; thesis advisor Ramazan Aktaş.

By: Şengören, Fatih [author].
Contributor(s): Aktaş, Ramazan [advisor] | TOBB Ekonomi ve Teknoloji Üniversitesi Sosyal Bilimler Enstitüsü.
Material type: materialTypeLabelBookPublisher: Ankara : TOBB ETÜ Sosyal Bilimleri Enstitüsü, 2019Description: xii, 65 pages : illustrations ; 30 cm.Content type: text Media type: unmediated Carrier type: volumeOther title: Predicting the financial success and failure:Comparison of the logit regression and support vector machine [Parallel title].Subject(s): Dissertations, Academic | Borsa İstanbul | Destek Vektör Makineleri | Lojistik Regresyon | Mali Başarısızlık | Mali Oranlar | Borsa İstanbul | Support Vector Machine | Logit Regression | Financial Distress | Financial RatiosOnline resources: Ulusal Tez Merkezi Dissertation note: Tez (Yüksek Lisans)--TOBB ETÜ Sosyal Bilimler Enstitüsü Temmuz 2019. Summary: 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.Summary: 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.
Tags from this library: No tags from this library for this title. Log in to add tags.
    average rating: 0.0 (0 votes)
Item type Current location Collection Call number Copy number Status Date due Barcode
Thesis Thesis Merkez Kütüphane
Tez Koleksiyonu / Thesis Collection
Tezler TEZ TOBB SBE İŞL YL’19 ŞEN (Browse shelf) 1 Ödünç Verilemez-Tez / Not For Loan-Thesis TZ01019

Tez (Yüksek Lisans)--TOBB ETÜ Sosyal Bilimler Enstitüsü Temmuz 2019.

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.

This software was implemented, installed by Devinim Software Training Consulting .