Finansal Başarısızlıkların Tespitinde Kullanılan Altman Z Yönteminin Bulanık Mantık (Anfis) Yöntemi İle Test Edilmesi: Teknoloji ve Tekstil Sektöründe Bir Uygulama
Year 2016,
, 147 - 167, 02.12.2016
Selahattin Koç
,
Sinem Ulucan
Abstract
Başarısızlık hem işletmeyle doğrudan ilgili gruplar üzerinde hem de genel ekonomi üzerinde olumsuz etkileri vardır. Bu durum işletme başarısızlıklarının tespitinin önemini artırmıştır. Bu çalışmada reel sektör işletmelerinin başarısızlık durumlarının tespiti amaçlanmıştır. BİST’te yer alan Tekstil ve Teknoloji endeksindeki işletmelerin (2006-2013) verileri kullanılmıştır. Altman Z işletmelerin başarısızlıklarını tahmin etmede sıklıkla kullanılan bir yöntem olması sebebiyle Altman Z skorları hesaplanarak tahmin edilmeye çalışılmıştır. Sonuç olarak ANFIS ile oluşturulan modelin işletme başarısızlıklarının tahmininde etkin bir yöntem olduğu görülmüştür.
References
- Akgüç, Ö. (1989), “Finansal Yönetim”, Avcıol Matbaası, İstanbul.
Altman, E. I. (1968), “Financial Ratios, Discrimination Analysis and the Prediction of Corporate Bankruptcy”, Journal of Finance, pp. 589-609. Azadeha, A.,; Saberi, M.; Gitiforouz, A., . Saberi, Z. (2009), “A Hybrid Simulation-adaptive Network Based Fuzzy İnference System for İmprovement of Electricity Consumption Estimation” Expert Systems with Applications, 36, 11108–11117
Aziz A. ve Humayon, A. (2006), “ Corporate Bankruptcy: Where We Stand?”, Corporate Governance, vol. 6, pp. 18-33. Cheng, C. B.; Chen, C. L. ve Fu, C. J. (2006), “Financial Distress Prediction by a Radial Basis Function Network Withlogit Analysis Learning”, Computers & Mathematics with Applications, pp. 579–588.
Dainiene, R. ve Dagiliene, L. (2013), “ Company Going Concern Evaluating Fuzzy Model” Economics and Management: 18 (3), pp. 374-383.
Eisenbeis, R. A. (1977), “Pitfalls in the application of discriminant analysis in business, finance and economics”, The Journal of Finance, vol. 32, no. 3, pp. 875-900.
Hanweck,G. A. (1977), “Predicting bank failures, Research Papers in Banking and Financial Economics”, Financial Studies Section, Board of Governors of the Federal Reserve System, Washington, DC.
Jang, J. -S. R. (1993), “ANFIS: Adaptive-Network-Based Fuzzy Inference System”, IEEE Transactions on Systems, Man and Cybernetics, vol. 23, no. 3, pp. 665–685.
Kaynar, O., Yılmaz, I., Demirkoparan, F. (2011) “Forecasting of natural gas consumption with neural network and neuro fuzzy system”, Energy Education Science and Technology, PartA, Energy science and Research, 26(2), 221 – 238.
Year 2016,
, 147 - 167, 02.12.2016
Selahattin Koç
,
Sinem Ulucan
References
- Akgüç, Ö. (1989), “Finansal Yönetim”, Avcıol Matbaası, İstanbul.
Altman, E. I. (1968), “Financial Ratios, Discrimination Analysis and the Prediction of Corporate Bankruptcy”, Journal of Finance, pp. 589-609. Azadeha, A.,; Saberi, M.; Gitiforouz, A., . Saberi, Z. (2009), “A Hybrid Simulation-adaptive Network Based Fuzzy İnference System for İmprovement of Electricity Consumption Estimation” Expert Systems with Applications, 36, 11108–11117
Aziz A. ve Humayon, A. (2006), “ Corporate Bankruptcy: Where We Stand?”, Corporate Governance, vol. 6, pp. 18-33. Cheng, C. B.; Chen, C. L. ve Fu, C. J. (2006), “Financial Distress Prediction by a Radial Basis Function Network Withlogit Analysis Learning”, Computers & Mathematics with Applications, pp. 579–588.
Dainiene, R. ve Dagiliene, L. (2013), “ Company Going Concern Evaluating Fuzzy Model” Economics and Management: 18 (3), pp. 374-383.
Eisenbeis, R. A. (1977), “Pitfalls in the application of discriminant analysis in business, finance and economics”, The Journal of Finance, vol. 32, no. 3, pp. 875-900.
Hanweck,G. A. (1977), “Predicting bank failures, Research Papers in Banking and Financial Economics”, Financial Studies Section, Board of Governors of the Federal Reserve System, Washington, DC.
Jang, J. -S. R. (1993), “ANFIS: Adaptive-Network-Based Fuzzy Inference System”, IEEE Transactions on Systems, Man and Cybernetics, vol. 23, no. 3, pp. 665–685.
Kaynar, O., Yılmaz, I., Demirkoparan, F. (2011) “Forecasting of natural gas consumption with neural network and neuro fuzzy system”, Energy Education Science and Technology, PartA, Energy science and Research, 26(2), 221 – 238.