Bank Failure Prediction with Artificial Neural Networks : A Comparative Application to Turkish Banking System (Banka Başarısızlıklarının Yapay Sinir Ağlarıyla Tahmini: Türk Bankacılık Sistemi Üzerine Karşılaştırmalı Bir Uygulama)

English Abstract:In this study, neural network models are introduced and employed for the classification of failed non-failed banks prior to the failure of banks. To perform classification 36 financial and operational ratio of banks operating in Turkey were used as an input to the models. Two types of neural network structure were employed: Multilayer Perceptron (MLP) and Generalized Feed Forward Networks (GFW). Based on these network structures ten Artificial Neural Network (ANN) model were constructed having a varying number of hidden layers and perceptron in each layer. Rival models are evaluated and compared in terms of classification accuracy. Models are estimated for 1995-2000 period prior to bank failures. In addition to ANN models, to compare the classification performance, discriminant and logistic regression models are employed. Comparison of classification performance of ANN, discriminant and logistic regression models yield that ANN outperforms other models. Turkish Abstract:Bu çalışmada, sinir ağı modelleri tanıtılmakta ve finansal başarısızlığa uğramış bankalarla başarılı bankaların sınıflandırılmasında kullanılmaktadır. Sınıflandırma işlemi için modellere girdi olarak Türkiye'de faaliyet gösteren bankalara ait 36 finansal ve operasyonel orandan yararlanılmıştır. Tahmin için iki farklı sinir ağı yapısına dayalı modellerden istifade edilmiştir (Çok Katmanlı Algılayıcı (MLP) ve Genelleştirilmiş İleri Sürümlü Ağlar (GFW)). Bu ağ yapılarına dayalı olarak farklı sayıda gizli katman ve her bir katman içinde değişik sayıda işlem elemanı içeren on adet Yapay Sinir Ağı (YSA) modeli kurulmuştur. Modeller bankaların finansal başarısızlığa uğradığı dönemden öncesi için 1995 - 2000 arası 6 yıllık bir dönem için tahmin edilmiştir. Birbirine rakip modellerin tahmin kabiliyetleri değerlendirilmiş ve sınıflandırma kabiliyetleri karşılaştırılmıştır. YSA modellerine ilave olarak, sınıflandırma performansının karşılaştırılabilmesi amacıyla diskriminant ve lojistik regresyon analizleri de yapılmıştır. Modellerin performans karşılaştırmasından, YSA modellerinin diğer modellerden daha iyi performans gösterdiği belirlenmiştir