MACHINE LEARNING MODELS FOR PREDICTING FINANCIAL DISTRESS

Authors : Joseph Bonello, Xavier Brédart, Vanessa Vella

Pages : 174-185

Doi:10.24954/JORE.2018.22

View : 17 | Download : 10

Publication Date : 2018-10-15

Article Type : Research

Abstract :İş likiditesindeki zorluklar ve bunun sonucunda ortaya çıkan finansal sıkıntı genellikle aşırı maliyetli ve yıkıcı bir olaydır. Bu nedenle, bu çalışma bir şirketin sürdürülebilirliğini tahmin etmemize yardımcı olabilecek bir dizi özellik sunmaya çalışmaktadır. Bu çalışma, bir dizi şirketin tarihi kesin hesapları (3 ile 5 yıl arasında değişen) üzerinde eğitim aldıktan sonra, diğer modellerin finansal verilerinin niteliğini değerlendirebilecek bir finansal tahmin sisteminin oluşturulmasını içermektedir. Sonuç olarak, aşağıdaki finansal dönemde şirketin finansal durumu tahmin edilir (firmanın aktif olup olmadığı). Firmanın mali sağlığı tahmin edildikten sonra, Karar Ağacı, Naïve Bayes sınıflandırıcı ve Yapay Sinirsel Ağ’ın çıktıları, bu problem için bir dizi özellik bulmakta en doğru algoritmanın hangileri olduğunu görmek için değerlendirilir. Gerçek hayattaki veri kümeleri üzerindeki araştırma bulguları, önerilen modelin seçkin iş başarısızlığını tahmin etmedeki gücünü ve kabiliyetini doğrulamıştır. Ayrıca, baz yıl ve yıldan yıla kıyaslama hem iyi sonuçlar verir, hem de finansal analiz için her iki teknik de kullanılabilir. Optimal özellik seti, tüm kategorilerden alınan oranları, anlamı, şirket karlılığını, likiditesini, kaldıracı, yönetim verimliliğini, endüstri tipini ve şirket büyüklüğünü, zorlama öngörüsü için çok önemlidir. Bu çalışmada uygulanan prototip, ML tekniklerinin finansal sıkıntıyı tahmin edip edemeyeceği ve finansal oranların ve sektör değişkenlerinin finansal sürdürülebilirliğin göstergesi olup olmadığı gibi açık soruları yanıtlamaya çalışmaktadır.
Keywords : Finansal Sıkıntı, Mali Oranlar, Kesin Hesaplar, Karar Ağaçları, Naïve Bayes, Yapay Sinir Ağları, Baz Yıl Karşılaştırması, Önceki Yıl Karşılaştırması, Doğruluk