| dc.creator |
Uzunoğlu Ünlü, Hande,
1983-
author
220098 |
|
| dc.creator |
Kalaycı, Şeref,
1965-
thesis advisor
10522 |
|
| dc.creator |
Süleyman Demirel Üniversitesi.
Sosyal Bilimler Enstitüsü.
İşletme Anabilim Dalı.
issuing body
16809 |
|
| dc.date |
2013. |
|
| dc.identifier |
http://tez.sdu.edu.tr/Tezler/TS01466.pdf |
|
| dc.description |
Uzun dönem banka derecelendirmesi, derecelendirme kuruluşları tarafından bankaların yükümlülüklerini zamanında ve tam olarak yerine getirebilme kabiliyeti hakkında görüş bildirilmesidir. Çalışmada, Türk bankacılık sektöründe faaliyet gösteren ve Fitch Ratings tarafından derecelendirilen 14 bankanın 2004-2011 yılları arasına ait uzun dönem dereceleri ve finansal oranları kullanılmıştır. Uzun dönem kredi derecesi bağımlı değişken ve finansal oranlar bağımsız değişken olan çalışmada yapay sinir ağları tekniğinin sınıflandırma başarısının ölçülmesi amaçlanmıştır.Çalışmada daha önceki çalışmalarda kullanılan diğer yöntemlere kıyasla en iyi sonuçları vermiş olan yapay sinir ağları modelinde çok katmanlı ağlar ve öğrenme metodu olarak geri yayılımlı algoritma kullanılmıştır. Modelde 103 veri kullanılmıştır. 78 veri öğrenme, 25 veri de test için ayrılmış, öğrenme başarısı yaklaşık %100, test başarısı ise yaklaşık %80 olarak elde edilmiştir. Uygulamada % 68 doğru sınıflandırma sağlanmıştır ve sonuç olarak modele dahil edilen Fitch Ratings bankalara ait finansal oranlar ile banka derecelerinin sınıflandırılmasında geri yayılım algoritmasıyla eğitilmiş ileri beslemeli yapay sinir ağları modelinin uygun olduğu sonucuna ulaşılmıştır. Anahtar Kelimeler: Banka Derecelendirmesi, Yapay Sinir Ağları, Sınıflandırma. |
|
| dc.description |
Long-term bank rating is rating agencies’ expressing their opinions about banks' ability to perform obligations completely and on time. In the study, 14 banks, working at Turkish banking sector and rated by Fitch Ratings, and financial ratios between the years 2004 to 2011 were used. In the study where the dependent variable as long-term credit rating and independent variable as financial ratios, it is aimed to measure the classification success of artificial neural network technique.In the study multi-layer networks of artificial neural networks and as a method learning back propagation algorithm, compared to previous studies which gave the best results, were used. 103 data were used in the model. 78 data is reserved for learning, 25 data is also reserved for testing. The success of learning was found out to be almost 100% and of testing was found out to be approximately 80%. In practice, 68% of correct classification is provided and as a result it is concluded that feed-forward neural network model trained with back-propagation algorithm is appropriate for classifying degrees of banks. Keywords: Bank Rating, Artificial Neural Networks, Classification. |
|
| dc.description |
Tez (Yüksek Lisans)- Süleyman Demirel Üniversitesi, Sosyal Bilimler Enstitüsü, İşletme Anabilim Dalı, 2013. |
|
| dc.description |
Kaynakça var. |
|
| dc.description |
Uzun dönem banka derecelendirmesi, derecelendirme kuruluşları tarafından bankaların yükümlülüklerini zamanında ve tam olarak yerine getirebilme kabiliyeti hakkında görüş bildirilmesidir. Çalışmada, Türk bankacılık sektöründe faaliyet gösteren ve Fitch Ratings tarafından derecelendirilen 14 bankanın 2004-2011 yılları arasına ait uzun dönem dereceleri ve finansal oranları kullanılmıştır. Uzun dönem kredi derecesi bağımlı değişken ve finansal oranlar bağımsız değişken olan çalışmada yapay sinir ağları tekniğinin sınıflandırma başarısının ölçülmesi amaçlanmıştır.Çalışmada daha önceki çalışmalarda kullanılan diğer yöntemlere kıyasla en iyi sonuçları vermiş olan yapay sinir ağları modelinde çok katmanlı ağlar ve öğrenme metodu olarak geri yayılımlı algoritma kullanılmıştır. Modelde 103 veri kullanılmıştır. 78 veri öğrenme, 25 veri de test için ayrılmış, öğrenme başarısı yaklaşık %100, test başarısı ise yaklaşık %80 olarak elde edilmiştir. Uygulamada % 68 doğru sınıflandırma sağlanmıştır ve sonuç olarak modele dahil edilen Fitch Ratings bankalara ait finansal oranlar ile banka derecelerinin sınıflandırılmasında geri yayılım algoritmasıyla eğitilmiş ileri beslemeli yapay sinir ağları modelinin uygun olduğu sonucuna ulaşılmıştır. Anahtar Kelimeler: Banka Derecelendirmesi, Yapay Sinir Ağları, Sınıflandırma. |
|
| dc.description |
Long-term bank rating is rating agencies’ expressing their opinions about banks' ability to perform obligations completely and on time. In the study, 14 banks, working at Turkish banking sector and rated by Fitch Ratings, and financial ratios between the years 2004 to 2011 were used. In the study where the dependent variable as long-term credit rating and independent variable as financial ratios, it is aimed to measure the classification success of artificial neural network technique.In the study multi-layer networks of artificial neural networks and as a method learning back propagation algorithm, compared to previous studies which gave the best results, were used. 103 data were used in the model. 78 data is reserved for learning, 25 data is also reserved for testing. The success of learning was found out to be almost 100% and of testing was found out to be approximately 80%. In practice, 68% of correct classification is provided and as a result it is concluded that feed-forward neural network model trained with back-propagation algorithm is appropriate for classifying degrees of banks. Keywords: Bank Rating, Artificial Neural Networks, Classification. |
|
| dc.language |
tur |
|
| dc.publisher |
Isparta : SDÜ Sosyal Bilimler Enstitüsü, |
|
| dc.subject |
Süleyman Demirel Üniversitesi |
|
| dc.title |
Banka kredi derecelendirmesi: yapay sinir ağları yöntemi ile Türk bankaları üzerine bir uygulama = Bank credit rating: an application of artificial neural networks method on Turkish banks / |
|
| dc.type |
text |
|