Affiliation:
1. BARTIN ÜNİVERSİTESİ, İKTİSADİ VE İDARİ BİLİMLER FAKÜLTESİ, İŞLETME BÖLÜMÜ, MUHASEBE FİNANSMAN ABD
Abstract
Çalışmanın amacı işletmelerin finansal başarısızlık riski ile ilgili tahmin yapay zekâ tekniklerinden makine öğrenmesi kullanılarak yapılmasıdır. Bu kapsamda, Borsa İstanbul Ulusal Pazar’da yer alan 14 firma ile Borsa İstanbul Yakın İzleme Pazarı’nda yer alan14 firmanın 2022 yılı 12 aylık gelir tabloları ve bilançolarından elde edilen 43 adet finansal oran kullanılmış makine öğrenmesi yöntemlerinden NaiveBayes, J48, RandomForest, LinearRegression, RandomTree kullanılmıştır. Şirketlerin mali tabloları kullanılarak elde edilen veriler ile, makine öğrenmesi uygulama modellerinden hangisinin daha iyi sınıflandırma doğruluğu sağladığı araştırılmıştır. Ayrıca 2022 yılında yakın izleme pazarında yer alan bir şirketin bir sonraki sene için finansal durumunun makine öğrenmesi ile öngörüsünün mümkün olup olmadığı test edilmiştir. En yüksek sınıflandırma doğruluğu oranına RandomForest algoritması ve 10 kat çapraz doğrulama tekniğinin birlikte uygulanması ile ulaşıldığı, tek yıl için yapılan öngörü modelinde ise NaiveBayes algoritması ve 10 kat çapraz doğrulama tekniğinin çok yüksek bir oranda başarı sağladığı sonuçlarına ulaşılmıştır.
Publisher
Finans Ekonomi ve Sosyal Arastirmalar Dergisi
Reference47 articles.
1. AIX, (2023, 9, 2). https://aix.web.tr/en/yapay-zeka-ve-veri-madenciligi/ adresinden alındı
2. ALAKA, H.A., OYEDELE, L.O., OWOLABİ, H.A., KUMAR, V., AJAYİ, S.O., AKİNADE, O.O., & BİLAL, M. (2018). Systematic review of bankruptcy prediction models: Towards a framework for tool selection. Expert Syst. Appl., 94, 164–184.
3. ALBAYRAK, A., & KOLTAN YILMAZ, Ş. (2009). Veri Madenciliği Karar Ağacı Algoritmaları ve İMKB Verileri Üzerine Bir Uygulama. Süleyman Demirel Üniversitesi İktisadi ve İdari Bilimler Fakültesi Dergisi, 14(1), 31-52.
4. ALPAYDIN, E. (2013). Yapay Öğrenme: Introduction to Machine Learning. İstanbul: Boğaziçi Üniversitesi Yayınevi.
5. ALTMAN, E.I. (1968). Financial Ratios, Discriminant analysis and the prediction of corporate bankruptcy. J. Financ. 23, 589–609.