Affiliation:
1. Gümüşhane Üniversitesi
2. ANADOLU UNIVERSITY
Abstract
Finansal kestirim, uzun yıllardır yatırımcıların ve araştırmacıların üzerinde çalışmalar yaptığı bir
konudur. Gelişen işletme çevresi ve küreselleşen piyasa birçok farklı değişkenin ortaya çıkmasını sağlamıştır.
Bu durum da tahmin modellerinin karmaşıklaşmasına yol açmıştır. Teknolojik gelişmeler, finansal kestirimin
bilgisayar programları tarafından yapılmasına olanak sağlamıştır. Bu sayede, hem daha fazla değişken ile
analiz yapma hem de hatalardan kaçınma imkânı doğmuştur. Bu çalışmada, hisseleri Borsa İstanbul’da
işlem gören farklı sektörlerden beş işletme seçilmiş ve söz konusu işletmelerin 2009-2020 yılları arası
finansal tabloları Kamuyu Aydınlatma Platformu web sitesinden edinilmiştir. İşletmelerin 2010-2020 yılları
arası; dönen varlıklar, duran varlıklar, özkaynaklar, net satışlar ve dönem net kârı kalemleri rassal orman
tekniği kullanılarak tahmin edilmiştir. Yapılan araştırma sonucunda, rassal orman tekniğinin finansal
kestirimde etkin bir şekilde kullanılabileceği tespit edilmiştir.
Publisher
Muhasebe ve Finansman Dergisi
Reference39 articles.
1. REFERENCES
Afanador, N. L.- Smolinskab, A.- Trand, T. N.- Blanchet, L. (2015), “Unsupervised Random Forest: A Tutorial with Case Studies”, Journal of Chemometrics (30), pp.232-241.
2. Altman, E. I. (1968), “Financial Ratios, Discriminant Analysis and the Prediction of Corporate Bankruptcy”, The Journal of Finance, 23(4), pp.589-609.
3. Altunöz, U. (2013), “Bankaların Finansal Başarısızlıklarının Yapay Sinir Ağları Modeli Çerçevesinde Tahmin Edilebilirliği”, Dokuz Eylül Üniversitesi İktisadi ve İdari Bilimler Fakültesi Dergisi, 28(2), pp.189-217.
4. Araya, D. B.- Grolinger, K.- ElYamany, H. F.- Capretz, M. A.- Bitsuamlak, G. (2017), “An Ensemble Learning Framework for Anomaly Detection in Building Energy Consumption”, Energy and Buildings (144), pp.191-206.
5. Atiya, A. F. (2001), “Bankruptcy Prediction for Credit Risk Using Neural Networks: A Survey and New Results, IEEE Transactions on Neural Networks”, 12(4), pp.929-935.