Şirketlerin Finansal Açıdan Sorunlu Olmasına İlişkin Model Çalışması — Bengü Vuran

Bu kitapta iki istatistiksel model ve bir makine öğrenmesi modeli kullanılarak işletmelerin finansal başarısızlığı bir yıl ve iki yıl öncesinden tahmin edilmeye çalışılmış ve modellerin tahmin güçleri karşılaştırılmıştır Analizde kullanılan veri seti 1997 2007 yılları arasında faaliyet gösteren 122 şirketi kapsamaktadır Belirtilen dönem için şirketlere ait 29 adet oran çalışmanın bağımsız değişkenlerini oluşturmaktadır Çalışmada Diskriminant ve Lojistik Regresyon Analizinin yanı sıra bir makine öğrenme modeli olan Destek Vektör Makineleri uygulanmış ve tüm modellerin sonuçları karşılaştırılmıştır Çalışmada Diskriminant ve Lojistik Regresyon Analizlerinin işletme başarısızlığını tahmin etmede hala güçlü bir modeller olduğu Destek Vektör Makineleri Modelinin ise model kuramama dezavantajına karşılık işletmeleri sınıflandırmada başarılı sonuçlar verdiği gözlemlenmiştir

Bu kitapta iki istatistiksel model ve bir makine öğrenmesi modeli kullanılarak işletmelerin finansal başarısızlığı bir yıl ve iki yıl öncesinden tahmin edilmeye çalışılmış ve modellerin tahmin güçleri karşılaştırılmıştır Analizde kullanılan veri seti 1997 2007 yılları arasında faaliyet gösteren 122 şirketi kapsamaktadır Belirtilen dönem için şirketlere ait 29 adet oran çalışmanın bağımsız değişkenlerini oluşturmaktadır Çalışmada Diskriminant ve Lojistik Regresyon Analizinin yanı sıra bir makine öğrenme modeli olan Destek Vektör Makineleri uygulanmış ve tüm modellerin sonuçları karşılaştırılmıştır Çalışmada Diskriminant ve Lojistik Regresyon Analizlerinin işletme başarısızlığını tahmin etmede hala güçlü bir modeller olduğu Destek Vektör Makineleri Modelinin ise model kuramama dezavantajına karşılık işletmeleri sınıflandırmada başarılı sonuçlar verdiği gözlemlenmiştir

Bu kitapta iki istatistiksel model ve bir makine öğrenmesi modeli kullanılarak işletmelerin finansal başarısızlığı bir yıl ve iki yıl öncesinden tahmin edilmeye çalışılmış ve modellerin tahmin güçleri karşılaştırılmıştır Analizde kullanılan veri seti 1997 2007 yılları arasında faaliyet gösteren 122 şirketi kapsamaktadır Belirtilen dönem için şirketlere ait 29 adet oran çalışmanın bağımsız değişkenlerini oluşturmaktadır Çalışmada Diskriminant ve Lojistik Regresyon Analizinin yanı sıra bir makine öğrenme modeli olan Destek Vektör Makineleri uygulanmış ve tüm modellerin sonuçları karşılaştırılmıştır Çalışmada Diskriminant ve Lojistik Regresyon Analizlerinin işletme başarısızlığını tahmin etmede hala güçlü bir modeller olduğu Destek Vektör Makineleri Modelinin ise model kuramama dezavantajına karşılık işletmeleri sınıflandırmada başarılı sonuçlar verdiği gözlemlenmiştir

Bu kitapta iki istatistiksel model ve bir makine öğrenmesi modeli kullanılarak işletmelerin finansal başarısızlığı bir yıl ve iki yıl öncesinden tahmin edilmeye çalışılmış ve modellerin tahmin güçleri karşılaştırılmıştır Analizde kullanılan veri seti 1997 2007 yılları arasında faaliyet gösteren 122 şirketi kapsamaktadır Belirtilen dönem için şirketlere ait 29 adet oran çalışmanın bağımsız değişkenlerini oluşturmaktadır Çalışmada Diskriminant ve Lojistik Regresyon Analizinin yanı sıra bir makine öğrenme modeli olan Destek Vektör Makineleri uygulanmış ve tüm modellerin sonuçları karşılaştırılmıştır Çalışmada Diskriminant ve Lojistik Regresyon Analizlerinin işletme başarısızlığını tahmin etmede hala güçlü bir modeller olduğu Destek Vektör Makineleri Modelinin ise model kuramama dezavantajına karşılık işletmeleri sınıflandırmada başarılı sonuçlar verdiği gözlemlenmiştir

Bu kitapta iki istatistiksel model ve bir makine öğrenmesi modeli kullanılarak işletmelerin finansal başarısızlığı bir yıl ve iki yıl öncesinden tahmin edilmeye çalışılmış ve modellerin tahmin güçleri karşılaştırılmıştır Analizde kullanılan veri seti 1997 2007 yılları arasında faaliyet gösteren 122 şirketi kapsamaktadır Belirtilen dönem için şirketlere ait 29 adet oran çalışmanın bağımsız değişkenlerini oluşturmaktadır Çalışmada Diskriminant ve Lojistik Regresyon Analizinin yanı sıra bir makine öğrenme modeli olan Destek Vektör Makineleri uygulanmış ve tüm modellerin sonuçları karşılaştırılmıştır Çalışmada Diskriminant ve Lojistik Regresyon Analizlerinin işletme başarısızlığını tahmin etmede hala güçlü bir modeller olduğu Destek Vektör Makineleri Modelinin ise model kuramama dezavantajına karşılık işletmeleri sınıflandırmada başarılı sonuçlar verdiği gözlemlenmiştir