A financial early warning system for financial intermediary institutions by neural networks
- Global styles
- Apa
- Bibtex
- Chicago Fullnote
- Help
Abstract
2008 yılında yaşanan finansal kriz mevcut finansal sistemin daha iyi kontrol edilmesini ve daha sıkı kurallarla düzenlenmesi gerektiğini göstermiştir. Doğrudan daha sıkı kuralların uygulanması finansal sistemin maliyetlerini artıracak ve dolayısıyla ekonomik gelişmeye de zarar verecektir. Daha sıkı kuralların maliyetlerini azaltmak için düzenleyici otoritelerin, eskisinden daha komplike olan yeni yöntemleri denemeyi değerlendirmeleri gerekmektedir. Bu tezde Türkiye'deki aracı kurumlar için bir finansal erken uyarı sistemi önerilmektedir. Aracı kurumlara özel olarak geliştirilen model için Diskriminant Analizi ve Sinir Ağları metodları karşılaştırmalı ve tamamlayıcı olarak kullanılmıştır. Metod için kullanılan kapsamlı veritabanı Sermaye Piyasası Kurulu tarafından 1999 ile 2009 yılları arasında tüm aracı kurumların finansal bilgileirni içeren Sermaye Yeterliliği Tabanı raporları kullanılarak oluşturulmuştur. Yazında popüler olan bağımsız değişkenlerin yanında, bu kapsamlı veritabanınının getirdiği avantajlardan faydalanmak için yeni değişkenler de türetilmiştir. Veritabanının önemli varsayımlarını ihlal etmesine rağmen Diskriminant Analiz ile modelin temelini oluşturan bağımsız değişkenler seçilmiştir. Yapay Sinir ağları kullanılarak Diskriminant Analiz ile oluşturulan modelden, %75 oranında doğru sınıflandırma yapabilen nihai model geliştirilmiştir. Bu oran benzer çalışmalara göre düşük görünse de, model iflasa göre tahmin etmesi doğal olarak daha zor olan sermaye yeterliliği tabanında oluşan açığı, yani iflas öncesi bir durumu tahmin edebilmektedir. The 2008 economic crises revealed that the existing financial system requires better monitoring and more effective regulations of the financial institutions. Straightforward implementation of tighter regulations will increase the costs of the financial system which will eventually hurt economic development. In order to minimize the effects of tighter regulations on the costs, regulators shall also consider taking advantage of new methods which are more complicated than existing ones. This dissertation proposes a financial early warning system for broker dealers in Turkey. Discriminant Analysis and Neural Networks are used comparatively and cooperatively to develop the model tailored for broker dealers. An extensive database is formed by Capital Adequacy Reports that were collected by Capital Markets Board for the period between 1999 and 2009. Access to this database contributed to this study in many ways through its tailored structure truly reflecting the financial standings of this industry. Popular independent variables in the literature are used and new ones are also proposed in order to take advantage of the details in the extensive database. Discriminant Analysis is used to elect the important independent variables that formed the backbone of the model, although most of the important a priori assumptions were violated. Neural Networks picked up from where Discriminant Analysis left and final model provided approximately 75% classification accuracy. Such a figure may seem low compared to similar studies. However the model predicts the deficiency in the capital adequacy, a pre-default event, which is obviously more difficult to predict than default itself.
Collections