2005 Gazi Üniversitesi Endüstriyel Sanatlar Eğitim Fakültesi Dergisi Sayı:16, s31-46

Ebat: px
Şu sayfadan göstermeyi başlat:

Download "2005 Gazi Üniversitesi Endüstriyel Sanatlar Eğitim Fakültesi Dergisi Sayı:16, s31-46"

Transkript

1 2005 Gaz Ünverstes Endüstryel Sanatlar Eğtm Fakültes Dergs Sayı:16, s31-46 ÖZET BANKALARDA MALİ BAŞARISIZLIĞIN ÖNGÖRÜLMESİ LOJİSTİK REGRESYON VE YAPAY SİNİR AĞI KARŞILAŞTIRMASI 31 Yasemn KESKİN BENLİ 1 Bu çalışmada bankaların mal başarısızlıklarının öngörülmesne yönelk statstksel teknklerden br olan lojstk regresyon ve yapay snr ağı modelne dayanan mal başarısızlık öngörü modeller gelştrlmştr. Çalışma sonucunda yapay snr ağı modelnn mal başarısızlığı öngörme gücünün lojstk regresyon modelnden daha üstün olduğu tespt edlmştr. Dolayısıyla yapay snr ağı modelnn tüm blg kullanıcıları çn mal başarısızlığı öngörmede br araç olarak kullanılableceğ saptanmıştır. Anahtar Kelmeler: Mal Başarısızlık, Fnansal Oranlar, Lojstk Regresyon, Yapay Snr Ağı. ABSTRACT In ths artcle fnancal falure predcton models based on logstc regresson and artfcal neural network model, whch are among the multvarable statstcal technques amed at predctng the fnancal falures of banks are developed. As a result of the study, t has been observed that the power of the artfcal neural network model n terms of predctng fnancal falure was greater than the same respectve power of the logstc regresson model. Therefore, t has been determned that the artfcal neural network model could be used to predct fnancal falure for all nformaton users. Key words: Fnancal Falure, Fnancal Ratos, Logstc Regresson, Artfcal Neural Network. 1.GİRİŞ Türkye de fon akımlarının öneml br bölümü bankacılık kesm üzernden yapılmaktadır. Son yıllarda banka dışı mal kurumların sayı ve büyüklüğü artma eğlmnde olmakla brlkte, bankacılık sektörü toplam mal sektör aktfler çnde yüzde 75 cvarında paya sahp bulunmaktadır. Banka dışı dğer mal kuruluşların öneml br kısmının bankaların ştrakler olduğu göz önüne alındığında mal sektörde bankaların ağırlığının daha da yüksek olduğu görülmektedr (BDDK, 2001:2). Dünyada, 1980 l yılların başından tbaren bankacılık sektöründe yaşanan mal başarısızlık olaylarının arttığı görülmektedr. Dünyada konuya yönelk gerçekleştrlen amprk çalışmalar, genel olarak bankacılık sektöründek mal başarısızlığın, ülke ekonomlerndek makroekonomk çevrenn zayıf olduğu dönemlerde ortaya çıktığını fade etmektedr. 1 Gaz Ünverstes, Endüstryel Sanatlar Eğtm Fakültes, İşletme Bölümü, 06500, Beşevler/Ankara,

2 32 Özellkle, düşük ekonomk büyüme le, enflasyon ve gerçek faz oranlarının yüksek olduğu, yetersz yasal düzenlemelern yanında doğrudan tasarruf mevduatı sgortası uygulayan ülkelerde rsk artmaktadır (Demrgüç ve Detragache, 1999). Benzer bçmde, Hutchson ve McDll (1999), fnansal lberalleşme le brlkte doğrudan tasarruf mevduat sgortası uygulamalarının ahlak çöküntü problem yaratarak banka krz olasılığını arttırdığını vurgulamaktadır (http://dar.cu.edu.tr/suleyman/mal.pdf). Türkye de de, ekonomk büyümenn düşük, enflasyonun ve gerçek faz oranlarının yüksek olduğu, yetersz yasal düzenlemelern yanında, fnansal lberalleşme le brlkte doğrudan tasarruf mevduat sgortası uygulamaları gözlemlemek mümkündür. Dolayısı le bu güne kadar Türk Bankacılık Sstem çnde yer alan tüm bankalar aynı olumsuz makroekonomk koşullarla karşı karşıya kalmıştır. Ancak sstem çersnde bazı bankalar, tüm bu olumsuz makroekonomk koşullara rağmen ayakta kalmayı başarmış ve sağlıklı olarak faalyetn sürdürmüştür. Bu nedenle, mal başarısızlığa sürüklenen (Tasarruf Mevduat Sgorta Fonuna devredlen) probleml bankaların başarısızlığı, olumsuz makroekonomk koşulların yanı sıra, büyük oranda yönetmsel sorunlardan ve rsk yönetm sstemlernn yeternce uygulanamamasından kaynaklanmaktadır (http://dar.cu.edu.tr/suleyman/mal.pdf). Mal başarısızlığın tahmnne yönelk olarak lk yapılan çalışmalar, tek değşkenl modellerdr (Tamar, 1966; Beaver, 1967;1968). Tek değşkenl modeller fnansal oranları tek tek ele alarak mal başarısızlığı tahmn etmeye çalıştıkları çn, ncelenen oranlara göre çelşkl sonuçlar üretmektedrler. Bu sorunun gderlmes çn olayları çok boyutlu ele alan çok değşkenl modeller kullanılmıştır. Altman (1968) çalışmasında çoklu dskrmnant analzn kullanmış; bu modelle şletmeler mal açıdan başarısız ve başarısız olmayan şletmeler şeklnde br sınıflandırma le lk yıl çn % 95 tahmn başarısı göstermştr. Çok değşkenl statstk modeller kullanan dğer öneml çalışmalar; Çoklu dskrmnant modeln kullanan Deakn (1972), Altman ve Lors (1976), Altman, Haldeman, Narayanan (1977), Taffler ve Tsshaw (1977); Lojt modeln kullanan Ohlson (1980), Zavgren (1985), Hng ve Lau (1987); Probt modelnn kullanıldığı Zmjewsk (1984); Çoklu regresyon modelnn kullanıldığı Meyer ve Pfer (1970) olarak sayılablr. Ülkemzde se mal başarısızlığın tahmnne yönelk olarak Göktan (1981), Ağaoğlu (1989), Aktaş (1993), Ganamukkala ve Karan (1996), Kısa (1997) tarafından yapılan çalışmalar le yapay snr ağı modelnn kullanıldığı Yıldız (2001), Keskn Benl (2002) ve Aktaş vd., (2003) çalışmaları öneml çalışmalar olarak sayılablr. Bu çalışmada da lojstk regresyon ve yapay snr ağı model kullanılarak, bankalarda mal başarısızlığın öngörme gücünün tespt edlmes amaçlanmıştır. Çalışma sonucunda da yapay snr ağı modelnn mal başarısızlığı öngörme gücünün lojstk regresyon modelnden daha üstün olduğu tespt edlmştr. Çalışmanın örnek setn, dönemnde Bankacılık Düzenleme ve Denetleme Kurumu tarafından Tasarruf Mevduat Sgorta Fonuna devredlen on yed özel sermayel tcaret bankası le yrm br faalyetn sürdüren özel sermayel tcaret bankası verler oluşturmaktadır.

3 33 2.YÖNTEM Bankalarda mal başarısızlığın öngörülmesnde kullanılan lojstk regresyon ve yapay snr ağı modelne lşkn teork çerçeve aşağıdak gbdr. 2.1.LOJİSTİK REGRESYON Brmlern brlkte meydana gelmeyen-brbrn engelleyen k gruptan brne sınıflandırılmasına yarayan statstksel yöntemlerden br lojstk regresyon analz olarak blnmektedr (Özdnç, 1999:105). Lojstk regresyon analz gruplandırma analzlernde sık kullanılan br statstksel teknktr. Çok değşkenl normal dağılım varsayımına htyaç göstermemes yöntemn bağıl br üstünlüğü olarak ele alınmaktadır (Özdnç, 1999:106). Lojstk regresyon yöntemnn dğer br üstünlüğü se grup üyelğne lşkn olasılıkların belrleneblmesdr. Lojstk regresyon model normal dağılım yerne lojstk kümülatf yoğunluk dağılımını kullanmaktadır (Bolak, 1986:92-93). Lojt brkml olasılık fonksyonu veya dğer adıyla lojstk regresyon foksyonu doğrusal olasılık fonksyonunun hata kavramı olan U nun brkml lojstk dağılım gösterdğn varsaymaktadır (Aktaş, 1993:46). Brkml olasılık fonksyonu aşağıdak gb fade edleblr (Aktaş, 1993:46): m Ρ = F ( β + ) = F( Ζ ) (1) 0 β j xj j= 1 Burada, F herhang br brkml olasılık fonksyonunu temsl etmektedr. Lojt fonksyonu şu şeklde fade edleblr. Ζ F( Ζ ) = 1/(1+e ) m ( β + ) = 1/ (1+e β j xj 0 ) veya (2) j = 1 F( Ζ ) = exp( Ζ ) / (1+exp( Ζ )) olarak da fade edleblr. Dolayısıyla, log F( Ζ ) /(1-F( Ζ )) = m Ζ veya Log F( Ζ )/(1-F( Ζ )) = β 0 + β j xj fadeler elde edleblr. (3) j= 1 Yukarıdak fadelerde, β model katsayıları, X se açıklayıcı değşkenlerdr. Eğer F ( Ζ ) = P = Prob (Y = 1) olarak fade edlecek olursa lojstk regresyon model çn m β 0 β Log P /(1-P ) = + eştlğne erşlecektr. j= 1 j xj

4 34 Yukarıda prob (y = 1) fades, bağımlı değşkenn değernn 1 olması olasılığını göstermektedr. Eğer mal başarısızlık = 0; mal başarı = 1 olarak alınırsa yukarıdak fade mal başarının olasılığını, ters durumda mal başarısızlığın olasılığını gösterecektr YAPAY SİNİR AĞI Son yıllarda blgsayar teknolojs büyük br hızla gelşmekte, şlem hızı ve kapastes çok yüksek blgsayarların üretm mümkün olmaktadır. Çok karmaşık hesaplamaların göz açıp kapayıncaya kadar yapılmasına olanak tanıyan bu yüksek teknolojye rağmen nsanların çok kolaylıkla yerne getrebldğ el yazısı tanıma, konuşma tanıma, görme gb şlevlern blgsayarlar tarafından otomatk olarak gerçekleştrlmes konusunda yeterszlk vardır. Bu gerçek blm adamlarını klask anlamdak blgsayarlardan farklı alternatf blg şleme sstemler gelştrmeye yöneltmş, doğal olarak bu konudak lk adımlardan br de nsan beynnn çalışmasıyla lgl brtakım byolojk bulgulardan faydalanmaya çalışmak olmuştur. Nörofzyologların, pskologların çalışmalarından elde edlen sonuçlardan faydalanarak nsan beynndek snr ağlarının yapısal ve şlevsel özellklernn baste ndrgenp matematksel olarak modellenmesne çalışılmıştır. Bu matematksel modellere snr ağları denmektedr (Sungur, 1995:). Yapay snr ağları çok değşkenl ve değşkenler arasındak karmaşık, karşılıklı etkleşmn bulunduğu veya tek br çözüm kümesnn bulunmadığı durumlarda başarılı sonuçlar üreten br yapay zeka teknolojsdr. Bu özellkler nedenyle yapay snr ağı teknolojs mal başarısızlık alanında kullanıma uygun br araç olarak görülmektedr (Salchenberger, Çınar ve Lash, 1992; Wlson ve Chong, 1995; Koh ve Tan, 1999; Yıldız, 2001:53). Yapay snr ağı araştırmaları nörofzyolog ve pskolog çn nsan beynnn şlevlern açıklayablme amacına yönelktr. Mühendsler açısından se yapay snr ağları öncelkle alternatf br hesaplama aracıdır. Ancak bu k araştırma motvasyonu arasında sıkı br bağ vardır. Nörofzyolojk bulgular yen matematksel modellern gelştrlmes çn esn kaynağı teşkl ederken gelştrlen matematksel modeller üzernde yapılan çalışmaların ve uygulamaların sonuçları da nörofzyolojk araştırmalara yön vereblecek ntelktedr. İlk tcar yapay snr ağının gelştrcs olan Robert Hecht-Nelsen (1989) yapay snr ağını dışarıdan gelen grdlere dnamk olarak yanıt oluşturma yoluyla blg şleyen, brbryle bağlantılı bast elemanlardan oluşan blg şlem sstem olarak tanımlamaktadır (Yıldız, 2001:53). Başka br fade le yapay snr ağları, her br kend belleğne sahp olan, şlem yapablen ve tek yönlü snyal kanalları le brbrlerne bağlanmış br çok bast şlem elemanından (yapay nörondan) oluşan, paralel ve dağınık tek veya çok katmanlı br blg şlem sstem olarak tanımlanır (Gülseçen, 1995:54). Br yapay snr ağının yapısında, brbrleryle bağlantılı snrlern yer aldığı grd katmanı, çıktı katmanı ve gzl katman olmak üzere temelde üç katman bulunmaktadır. Grd katmanı lk katmandır ve dışarıdan gelen verlern yapay snr ağına alınmasını sağlar. Bu verler statstkte bağımsız değşkenlere karşılık gelr. Son katman çıktı katmanı olarak adlandırılır ve blglern dışarıya letlmes şlevn yapar. Çıktı değşkenler de statstkte bağımlı değşkenlere karşılık gelr. Modeldek dğer katmanlar se grd katmanı le çıktı katmanı arasında yer alır ve gzl katman olarak adlandırılır. Gzl katmanda bulunan

5 snrlern dış ortamla bağlantıları yoktur. Yalnızca grd katmanından gelen snyaller alırlar ve çıktı katmanına snyal gönderrler. Gzl katmandak gzl nöronların sayısının seçm oldukça önemldr. Ağın büyüklüğünün tanımlanması, ağın performansının blnmes açısından önem taşımaktadır. Gzl nöronların ve katmanlarının sayısının artırılması ya da azaltılması, ağın bast ya da karmaşık br yapıda olmasını etklemektedr. Br yapay snr ağındak en öneml unsurlardan br de nöronların brbrlerne ver aktarmalarını sağlayan bağlantılardır. Herhang br () nöronundan (j) nöronuna blg leten br bağlantı aynı zamanda br ağırlık (w j ) değerne sahptr. Ağırlıklar br nöronda grd olarak kullanılacak değerlern görecel kuvvetn gösterr. Yapay snr ağı çnde tüm bağlantıların farklı ağırlık değerler bulunmaktadır. Böylelkle ağırlıklar her şlem elemanının her grds üzernde etk yaparlar (Yıldız, 2001:54). Şekl 1 de verlen yapay snr ağı yapısında X le grdler, h le gzl katmandan gelen çıktılar ve Y le de sonuçta elde edlen çıktılar gösterlmştr (Güner, 2001:17). 35 Grd X Gzl h Çıktı Y X h Y X h Y X h ŞEKİL 1. YAPAY SİNİR AĞI YAPISI Y Yapay snr ağı modelnde snrler arasındak bağlantıların ağırlık değerler uygulamanın başında SPSS paket programında rastgele olarak üretlr. Ağ, bu değerler kullanılarak test edlmektedr. Ver setnde yer alan verler rastgele olarak eğtm, geçerllk ve test set olmak üzere üç bölüme ayrılmaktadır. Eğtm set, ağın eğtmne yönelk olarak verlern ağırlıklarına uygun olan öğrenme çn kullanılmaktadır. Geçerllk set, br sınıflandırıcının ağırlıklarına uygun olarak kullanılır. Örneğn, yapay snr ağındak gzl katman sayısını seçmek çn geçerllk set kullanılır. Test set se eğtmn uygulanmasının performansını ölçmede

6 36 kullanılır. Ver setnn % 80 n eğtm set, % 10 unu geçerllk set, % 10 unu da test set oluşturmaktadır. Verler karar ya da önerlere eşt katkıda bulunduğundan ölçü brm etksnden arındırılmak çn standartlaştırılır. Kullanılan paket program lk aşamada verler standartlaştırır. Daha sonra geçş fonksyonu seçlr. Bu çalışmada geçş fonksyonu sgmod fonksyon olarak seçlmştr. Gerçek çıktı değerler le arzu edlen çıktı değerler arasındak farklılık ölçülür ve sonuca göre ağ modelnn bağlantı ağırlıkları değşr. Bağlantı ağırlıkları sonucu oluşan ger dönüş geçş çıktı katmanlarının bağlantıları le başlayan ve grd katmanlarının bağlantıları le sona eren ağın üretlmesyle gerçekleşr. Br katmandak snr sayısı ağlar tarafından otomatk olarak seçleblr ya da bağlantılı olarak düzenleneblr. Br çok durumda snrlern sayısını artırmak eğtm verler üzerndek çoklu katman ağlarının performansını gelştrr. Br problemdek gzl katmanların sayısının etksn değerlendrmek çn geçerllk verlernn performansına bakılır. Ağ yapısının performansını ölçmek çn mutlak hata ortalaması (M.H.O) ve hata kareler ortalaması (H.K.O) kullanılmaktadır. Buna göre mutlak hata ortalaması ve hata kareler ortalamasının en küçük olduğu değer, alınması gereken gzl katman sayısını belrlemektedr. Başarısızlıktan br yıl önces çn gzl katman sayısı 1 olarak bulunmuştur. Ağın eğtm çn terasyon gerçekleştrlmştr. Yapay snr ağı analz sonucunda eğtm, geçerllk ve test set çn doğru sınıflandırma tabloları elde edlmştr. Bu sonuçlar brleştrldğnde yapay snr ağı uygulamasına göre başarısızlıktan br yıl önces çn sınıflandırma tablosu elde edlmş olur. 3. DEĞİŞKENLERİN TANIMI VE VERİ KAYNAKLARI Çalışmanın örnek setn otuz sekz adet özel sermayel tcaret bankası oluşturmaktadır Temmuz ayı sonuna kadar toplam on sekz banka Bankacılık Düzenleme ve Denetleme Kurumu tarafından Tasarruf Mevduat Sgorta Fonuna devredlmştr. T.M.S.F. na devredlen Ulusal Banka nın verlerne ulaşılamadığından çalışma otuz sekz adet özel sermayel tcaret bankası le sürdürülmüştür dönemnde fona devredlen on yed banka, devredlş tarhler le brlkte Tablo 1 de verlmştr (BDDK, 2001:15; (http://dar.cu.edu.tr/suleyman/mal.pdf, )). Yrm br banka se faalyetn sürdüren bankalar olarak belrlenmştr.

7 37 Tablo 1. Çalışmada Kullanılan Bankalar FAALİYETİNİ SÜRDÜREN FONA DEVREDİLME YIL 1 BANKALAR TARİHİ 1-Adabank A.Ş Akbank T.A.Ş Alternatf Bank A.Ş Anadolubank A.Ş Brleşk Türk Körfez Bankası A.Ş Fba Bank A.Ş Fnans Bank A.Ş Koçbank A.Ş MNG Bank A.Ş Oyak Bank A.Ş Pamukbank T.A.Ş Şekerbank T.A.Ş Tekstl Bankası A.Ş Toprakbank A.Ş Turksh Bank A.Ş Türk Dış Tcaret Bankası A.Ş Türk Ekonom Bankası A.Ş Türkye Garant Bankası A.Ş Türkye İmar Bankası T.A.Ş Türkye İş Bankası A.Ş Yapı ve Kred Bankası A.Ş TAS.MEVD.SİG.FONU.DEVR.BNK.. 1-Bank Ekspres A.Ş. 12 ARALIK Bank Kaptal Türk A.Ş. 27 EKİM Demrbank T.A.Ş. 6 ARALIK Egebank A.Ş. 22 ARALIK Eskşehr Bankası T.A.Ş. 22 ARALIK Etbank A.Ş. 27 EKİM Interbank 7 OCAK Sümerbank A.Ş 22 ARALIK Türk Tcaret Bankası A.Ş. 6 KASIM Yaşarbank A.Ş. 22 ARALIK Yurt Tcaret ve Kred Bankası A.Ş. 22 ARALIK Bayındırbank A.Ş. 9 TEMMUZ Ege Gym Sanaycler Bankası A.Ş. 9 TEMMUZ İktsat Bankası T.A.Ş. 15 MART Kentbank A.Ş. 9 TEMMUZ Stebank A.Ş 9 TEMMUZ Mll Aydın Bankası T.A.Ş. 9 TEMMUZ

8 38 Faalyetn sürdüren bankalar 1, fona devredlen bankalar se 0 le fade edlmştr. Eğer br banka bankacılık düzenleme ve denetleme kurumu tarafından yenden yapılandırma uygulamaları çerçevesnde Tasarruf Mevduat Sgorta Fonu (TMSF) bünyesne devredlmş se söz konusu banka mal başarısızlığa uğramış olarak kabul edlmştr. Çalışmada (-1) bankanın TMSF ye devredlmeden öncek lk yılıdır. Yan mal başarısızlığa düşmeden br yıl öncey göstermektedr. Bu nedenden dolayı da çalışmada, fona devredlmeden br yıl öncesne at fnansal oran verler dkkate alınarak erken uyarı sstemler gelştrlmş, lojstk regresyon ve yapay snr ağı model le bu sstemlern tahmn gücü (-1) yılı çn sınanmıştır. Çalışmada kullanılan verler Türkye Bankalar Brlğ web stesnden elde edlmştr (www.tbb.org.tr, 2005). Türkye Bankalar Brlğ, Türk bankacılık sektöründen faalyet gösteren bankalara at dönemn kapsayan 49 adet fnansal oran yayınlamaktadır. Çalışmada analze dahl edlecek oranların seçmnde, tek değşkenl varyans analz test uygulanarak elde edlen 12 oran seçlmştr (http://dar.cu.edu.tr/suleyman/mal.pdf, ( )). Dğer oranlar analz dışı bırakılmıştır. Çünkü bu oranlar br yıl önces dkkate alındığında k grup arasında farklılık göstermemektedr. Dğer br değşle k grubu brbrnden ayırt etme özellğne sahp değldr (http://dar.cu.edu.tr/suleyman/mal.pdf, ( )). Buna göre çalışmada kullanılan fnansal oranlar Tablo 2 de verlmştr. Tablo 2. Çalışmada Kullanılan Fnansal Oranlar X 1 - Sermaye Standart Rasyosu X 2 - (Özkaynak + Kâr) / T.Aktfler X 3 - (Özkaynak + Toplam Kâr) / (Mevd. + Mev.Dışı Kay.) X 4 - Net Çalışma Sermayes / T.Aktfler X 5 - (Özkaynak + Toplam Kâr) / (T.Aktfler + Gayrnakd Kredler) X 6 - Lkt Aktfler / T.Aktfler X 7 - Lkt Aktfler / (Mevduat + Mev.Dışı Kay.) X 8 - Faz Gelrler / Faz Gderler X 9 - Faz Gderler / Ort.Götürülü Aktfler X 10 - Faz Gderler / Ort.Getrl Aktfler X 11 - Faz Gderler / T.Gderler X 12 - Personel Gder + Kıdem Tazm.) / Personel Sayısı (Mlyar TL) Lojstk regresyon analznde SPSS statstk paket programından, yapay snr ağı analz çn de Neural Connecton Verson 2.0 paket programdan yararlanılmıştır. Lojstk regresyon analznde forward-condtonal yöntem kullanılarak on k fnansal oran çersnden statstksel olarak anlamlı tahmn gücü olan oranlar seçlmştr. Fakat aynı durum yapay snr ağı teknolojs çn kullanılamamıştır. Çünkü, mal başarısızlığın öngörülmesnde yapay snr ağı teknolojs kullanılırken elde edlen modele lşkn katsayılar (bağımsız değşkenler) ağın çndek ağırlıklar üzernde kaldığı çn ağırlıklar yorumlanamamıştır. Bu nedenle katsayılara dayalı olarak br tahmn model kurulamamıştır bu da yapay snr ağı modelnn br dezavantajı olarak söyleneblr.

9 39 4.AMPİRİK SONUÇLAR Başarısızlıktan br yıl önces verler kullanılarak yapılan lojstk regresyon analznde elde edlen modelde X 10 fnansal oranı yer almıştır. Elde edlen lojstk regresyon model şöyledr: Lojstk Regresyon Model = LogP /(1-P ) = Z = X 10 Buradan, P = 1/(1+e -Z ) bulunur. Lojstk regresyon modeln kullanarak mal başarı olasılıklarını bulablmek çn bankaların tümünün X 10 fnansal oranları hesaplandıktan sonra eştlğn sağ tarafındak katsayılar le çarpıldıktan sonra Z değerler bulunmalıdır. Daha sonra elde edlen Z değerler yukarıda açıklanan P denklemdek yerne konularak P mal başarı olasılıkları her banka çn bulunablecektr. Kopuş değer 0.50 olarak alındığında P değer kopuş değernden büyükse banka 1 (başarılı), küçükse 0 (başarısız) kabul edlr. Daha sonra bu tahmn değerler gerçek değerler le karşılaştırılır ve gerçek değer 1 olanlar 1, 0 olanlar 0 tahmn edlmşse bu tahmnler doğru, dğer durumlar yanlış kabul edlr. Modeln mal başarıyı tahmn gücü Tablo 3 de görüldüğü gbdr. Tablo 3. Br Yıl Önces İçn Lojstk Regresyon Model Başarısı Gerçek Tahmn Başarısız (0) Başarılı (1) Toplam Başarı oranı % Başarısız (0) Başarılı (1) Toplam Kopuş noktası 0.50 olarak alındığında başarısız bankalar çn % 76.5 doğru sınıflandırma yapan lojstk regresyon model, başarısız bankalardan dört tanesn başarılı olarak yanlış tahmn etmştr. Bu bankalar, Bank Expres A.Ş., Bayındırbank A.Ş., Kentbank A.Ş. ve Sümerbank A.Ş. dr. Başarılı bankalar çn se % 90.5 doğru sınıflandırma yapan lojstk regresyon model, başarılı bankalardan k tanesn başarısız olarak yanlış tahmn etmştr. Bu bankalar Türksh Bank A.Ş. ve Türkye İmar Bankası T.A.Ş. dr. Modeln genel performansı % 84.2 olarak bulunmuştur. Hatalı tahmn edlen banka sayısı 6 olarak bulunmuştur. Başarısızlıktan br yıl önces verler kullanılarak yapılan yapay snr ağı analznde problemn model 12 grd katmanından ve 1 çıktı katmanından oluşmaktadır. Gzl katman sayısını belrlemek çn uygulamada önce gzl katman sayısı 1 alınarak model çn hatalar hesaplanmıştır. Daha sonra gzl katmanların sayısı artırılmış ve geçerllk verlerne lşkn hata kareler ortalaması (H.K.O) ve mutlak hata ortalaması (M.H.O) hesaplanmıştır. Bu sonuçlar Tablo 4 de verlmştr.

10 40 Tablo 4. Gzl Katman Sayısının Belrlenmesnde Başarısızlıktan Br Yıl Önces İçn Oluşturulan Modellern Sonuçları Model H.K.O M.H.O Başarısızlıktan br yıl önces çn Tablo 4 ncelendğnde, 1 gzl katmanlı modeln (12-1-1) hata kareler ortalamasının olduğu görülmektedr. Gzl katman sayısı arttırıldığında hata kareler ortalaması değerler 5. gzl katmana kadar artmakta, 5. gzl katmanda düşmektedr. Mutlak hata ortalamasına baktığımızda se artmaktadır. Buna göre başarısızlıktan br yıl önces çn tahmn modelnn oluşturulmasında hata kareler ortalaması ve mutlak hata ortalamasının en düşük olduğu katman olan 1 gzl katmanlı model ( model) en küçük hata değerne sahp olduğundan model olarak seçlmştr. Gzl katmanların sayısı arttırıldığında her br yen gzl katman ver setndek özellklerden brn daha göstermeye başlayacağından geçerllk setndek ağ performansı da artar. Çok sayıda tabaka eklendğnde performansta br azalma görüleblr. Bunun neden genel güçtek kayıptır ve bu durumda ağ verlerden gürültü öğrenmeye başlar. Geçerllk set üzernde hata ölçümler yapılarak aşırı öğrenmenn tehlkes azaltılmış olur (Neural Connecton Verson ; Güner, 2001:47). Ağın eğtm çn terasyon gerçekleştrlmştr. Matrste satırlar bankaların mevcut durumunu gösterrken sütunlar modeln yaptığı sınıflamaları göstermektedr. Son sütun se modeln sınıflamada bulunduğu örneklem çn doğru tahmn başarısını göstermektedr. Son sütunun en altındak değer se modeln genel performansıdır. Ver setnn % 80 n eğtm set, % 10 unu geçerllk set, % 10 unu da test set oluşturmaktadır. Buna göre 30 banka eğtm setne, 4 banka geçerllk setne ve 4 banka da test setne tab tutulmuştur. Başarısızlıktan br yıl önces tahmn modelnn oluşturulmasında 1 gzl katmanlı model eğtm, geçerllk ve test setne tab tutularak sınıflandırma tabloları belrlenmştr. Sonuçlar aşağıdak tablolarda verlmştr.

11 41 Tablo 5. Başarısızlıktan Br Yıl Önces İçn Oluşturulan Modeln Eğtm Set İçn Sınıflandırması (12-1-1) Gerçek Tahmn Başarısız (0) Başarılı (1) Toplam Başarı oranı % Başarısız (0) Başarılı (1) Toplam Kopuş noktası 0.50 olarak alındığında eğtm set çn genel performans % olarak bulunmuştur. Tablo 6. Başarısızlıktan Br Yıl Önces İçn Oluşturulan Modeln Geçerllk Set İçn Sınıflandırması (12-1-1) Gerçek Tahmn Başarısız (0) Başarılı (1) Toplam Başarı oranı % Başarısız (0) Başarılı (1) Toplam Kopuş noktası 0.50 olarak alındığında geçerllk set çn genel performans % 100 olarak bulunmuştur. Tablo 7. Başarısızlıktan Br Yıl Önces İçn Oluşturulan Modeln Test Set İçn Sınıflandırması (12-1-1) Gerçek Tahmn Başarısız (0) Başarılı (1) Toplam Başarı oranı % Başarısız (0) Başarılı (1) Toplam Kopuş noktası 0.50 olarak alındığında test set çn genel performans % 100 olarak bulunmuştur.

12 42 Eğtm, geçerllk ve test setler çn elde edlen sonuçlar brleştrldğnde yapay snr ağı uygulamasına göre Tablo 8 elde edlmş olur. Tablo 8. Başarısızlıktan Br Yıl Önces İçn Oluşturulan Modeln Yapay Snr Ağı Uygulamasına Göre Sınıflandırması (12-1-1) Gerçek Tahmn Başarısız (0) Başarılı (1) Toplam Başarı oranı % Başarısız (0) Başarılı (1) Toplam Tablo 8 ncelendğnde model, başarılı bankalar çn % 90.5 doğru sınıflandırma yapmıştır, başarılı bankalardan k tanesn başarısız olarak yanlış sınıflandırmıştır. Başarısız bankalar se % 82.4 oranında doğru olarak tahmn edlmştr. Başarısız bankalardan üç tanes başarılı olarak yanlış sınıflandırmıştır. Modeln başarısızlıktan br yıl önces çn genel performansı % 87 olarak bulunmuştur. Bankaların heps çn br çıktı değer hesaplanmıştır. Modeln başarısını saptarken her banka çn hesaplanmış çıktı değerlernn kopuş değer olarak ele alınan 0.50 değer le karşılaştırılması gerekmektedr. İncelenen banka çn tahmn değer kopuş değernden küçükse söz konusu banka 0 (başarısız), büyükse 1 (başarılı) olarak yorumlanır. Daha sonra bu tahmn değerler gerçek değerler le karşılaştırılır ve gerçek değer 1 olanlar 1, 0 olanlar 0 tahmn edlmşse bu tahmnler doğru, dğer durumlar yanlış kabul edlr. Buna göre başarısız bankalardan Bank Expres A.Ş., Bayındırbank A.Ş., ve Kentbank A.Ş. başarılı olarak yanlış tahmn edlmştr. Başarılı bankalardan Toprakbank A.Ş. ve Türkye İmar Bankası T.A.Ş se başarısız olarak yanlış tahmn edlmştr. Hatalı tahmn edlen banka sayısı 5 olarak bulunmuştur. Lojstk regresyon ve yapay snr ağı modellernn doğru sınıflandırma tahmn gücü karşılaştırıldığında Tablo 9 elde edlmştr. Tablo 9. Gelştrlen Modellern Doğru Sınıflandırma Tahmn Gücü Lojstk Regresyon Yapay Snr Ağları Başarısız % Başarılı % Genel % Başarısız % Başarılı % Genel % Tablo 9 a göre genel sınıflandırma başarılarını nceledğmzde yapay snr ağı modelnn doğru sınıflandırma oranı % 87 dr, lojstk regresyon modelnn se % 84.2 dr. Yapay snr ağı model, lojstk regresyon modelnden daha yüksek doğru sınıflandırma yapmıştır. Elde edlen sonuçlar daha önce yapılan bu konudak çalışmaları destekler

13 ntelktedr (Aktaş vd., 2003; Keskn Benl, 2002; Yıldız, 2001). Dolayısıyla yapay snr ağı model tüm blg kullanıcıları çn mal başarısızlığı öngörmede br araç olarak kullanılablecektr. Yapay snr ağı modelnn başarısız bankaları doğru tahmn etme gücü % 82.4, lojstk regresyon modelnn se % 76.5 olarak bulunmuştur. Buradan da görüldüğü üzere yapay snr ağı modelnn başarısız bankaları doğru tahmn başarısı lojstk regresyon modelne göre yüksek çıkmıştır. Buna göre, uygulamalarda genellkle lojstk regresyon modeller mal başarısızlık tahmnnde kullanılırken ve yüksek doğru tahmn değerlerne ulaşırken, yapay snr ağı modelnn de bankalar çn yapılacak mal başarısızlık tahmn çalışmalarında kullanılableceğ söyleneblr. Kullanılan modellerde hatalı tahmn edlen banka sayılarına bakıldığında, yapay snr ağı modelnde 5 ken, lojstk regresyon modelnde 6 dır. Bu sonuç ta yapay snr ağı modelnn daha az hata payı le tahmn gücüne sahp olduğunu göstermektedr. Her k modelde de başarısız bankalardan Bank Expres A.Ş., Bayındırbank A.Ş., ve Kentbank A.Ş. başarılı olarak hatalı tahmn edlmştr. Yne başarılı banka olarak belrledğmz Türkye İmar Bankası T.A.Ş. her k modelde de başarısız olarak hatalı tahmn edlmştr. 5. SONUÇ Bu çalışmada, dönemnde Bankacılık Düzenleme ve Denetleme Kurumu tarafından Tasarruf Mevduat Sgorta Fonuna devredlen on yed özel sermayel tcaret bankası le yrm br faalyetn sürdüren özel sermayel tcaret bankası verler kullanılmıştır. Mal başarısızlıklarının öngörülmesne yönelk statstksel teknklerden br olan lojstk regresyon ve yapay snr ağı modelne dayanan mal başarısızlık öngörü modeller gelştrlerek, modellern mal başarısızlığı tahmn gücü karşılaştırılmıştır. Buna göre genel sınıflandırma başarılarını nceledğmzde yapay snr ağı modelnn doğru sınıflandırma oranı % 87 dr, lojstk regresyon modelnn se % 84.2 dr. Yapay snr ağı modelnn başarısız bankaları doğru tahmn etme gücü % 82.4, lojstk regresyon modelnn se % 76.5 olarak bulunmuştur. Yapay snr ağı modelnn mal başarısızlığı öngörme gücünün lojstk regresyon modelnden daha üstün olduğu tespt edlmştr. Kullanılan modellerde hatalı tahmn edlen banka sayılarına bakıldığında se, yapay snr ağı modelnde 5 ken, lojstk regresyon modelnde 6 dır. Bu sonuç ta yapay snr ağı modelnn daha az hata payı le tahmn gücüne sahp olduğunu desteklemektedr. Çalışma sonuçlarına göre uygulamalarda genellkle lojstk regresyon modeller mal başarısızlık tahmnnde kullanılırken ve yüksek doğru tahmn değerlerne ulaşırken, yapay snr ağı modelnn de bankalar çn yapılacak mal başarısızlık tahmn çalışmalarında kullanılableceğ söyleneblr. 43

14 44 KAYNAKLAR AĞAOĞLU, A. (1989). Türkye de Banka İşletmelernn Ekonomk Analz ve Gelşme Eğlmler, (Yayımlanmamış Doktora Tez), Ankara: Ankara Ünverstes Sosyal Blmler Ensttüsü. AKTAŞ, R. (1993). Endüstr İşletmeler İçn Mal Başarısızlık Tahmn, Ankara, Türkye İş Bankası Kültür Yayınları Yayın No:323. AKTAŞ, R., DOĞANAY, M.M., YILDIZ, B.(2003). Mal Başarısızlığın Öngörülmes: İstatstksel Yöntemler ve Yapay Snr Ağı Karşılaştırılması, Syasal Blgler Fakültes Dergs, 58 (4): ALTMAN, E.I. (1968). Fnancal Ratos, Dscrmnant Analyss and The Predcton of Corporate Bankruptcy, The Journal of Fnance, XXIII (4): ALTMAN, E.I., LORIS, B. (1976). A Fnancal Early Warnng System for Over The Counter Broker- Dealers, The Journal of Fnance, XXXI (4): ALTMAN, E.I., HALDEMAN, R.G., NARAYANAN, P. (1977). Zeta Analyss, Journal of Bankng and Fnance, 1: Bankacılık Düzenleme ve Denetleme Kurumu. (2001). Bankacılık Sektörü Yenden Yapılandırma Programı, 15 Mayıs: BEAVER, W.H. (1967). Fnancal Ratos as Predctors of Falure, Emprcal Research n Accountng: Selected Studes 1966, Journal of Accountng Research/Supplement, V, January: BEAVER, W.H. (1968). Market Prces, Fnancal Ratos and Predcton of Falure, Journal of Accountng Research, Sonbahar: BOLAK, M. (1986). Fnansal Başarının Ölçülmes çn Çok Değşkenl Br Analz Yöntem ve Sektörel Br Uygulama, (Yayımlanmamış Doktora Tez), İstanbul: İstanbul Teknk Ünverstes. CANBAŞ, S., ÇABUK, A., KILIÇ, S.B. (2005). Bankaların Fnansal Yapısının Çok Değşkenl İstatstksel Yönteme Dayalı Analz ve Mal Başarısızlık Tahmn: Türkye Uygulaması, (http://dar.cu.edu.tr/suleyman/mal.pdf ( ). DEAKIN, E.B. (1972). A Dscrmnant Analyss of Predctors of Busness Falure, Journal of Accountng Ressearch, X, Sprng: DEMİRGÜÇ-KUNT, A., DETRAGİACHE, E. (1999). The Determnants of Bankng Crses n Developng and Developed Countres, IMF Staff Papers, 45 (1), Mart.

15 GANAMUKKALA, V.C., KARAN, M.B. (1996). Predcton of Fnancally Unsuccessful Companes Usng MDA and MRA Technques: An Emprcal Study on Istanbul Stock Exchange, METU Studes n Development, XXIII (3): GÖKTAN, E. (1981), Muhasebe Oranları Yardımıyla ve Dskrmnant Analz Teknğn Kullanarak Endüstr İşletmelernn Mal Başarısızlığının Tahmn Üzerne Amprk Br Araştırma, (Yayınlanmamış Doçentlk Tez), Ankara. GÜLSEÇEN, S. (1995). Yapay Snr Ağları le Fnansal Uygulamalar ve Dövz Kuru Tahmn İçn Br Öner, 4.Türk Yapay Zeka ve Yapay Snr Ağları Sempozyumu Bldrler, Hazran. (TAINN 95): GÜNERİ, N. (2001). Öğrenc Başarısızlıklarının Analznde Snr Ağları Yaklaşımının Lojstk Regresyon Analz İle Karşılaştırılması, (Yayınlanmamış Yüksek Lsans Tez), Ankara: Ankara Ünverstes. HECHT-NEILSEN, R. (1989). Neurocomputng, Massachusetts, Addson-Wesley Pub. Comp. HING, A., LAU, L. (1987). A Fve-State Fnancal Dstress Predcton Model, Journal of Accountng Research, XXV (1): HUTCHISON, M., MCDILL, K. (1999). Are All Bankng Crses Alke? The Japanese Experence In Internatonal Comparson, NBE Workng Paper, 7253, Temmuz. KESKİN BENLİ, Y. (2002). Fnansal Başarısızlığın Tahmnnde Yapay Snr Ağı Kullanımı ve İMKB de Uygulama, Muhasebe Blm Dünyası Dergs, 4 (4): KISA, T. (1997). Bankaların Mal Başarısızlığını Tahmnne Yönelk Çok Boyutlu Model, (Yayınlanmamış Doktora Tez), Ankara: Gaz Ünverstes Sosyal Blmler Ensttüsü. KOH, H.C., TAN, S.S. (1999). A Neural Network Approach to the Predcton of Gong Concern Status, Accountng and Busness Research, XXIX (3): MEYER, P.A., PİFER, H.W. (1970). Predcton of Bank Falures, Journal of Fnance, XXV (4): OHLSON, J.A. (1980). Fnancal Ratos and the Probablstc Predcton of Bankruptcy, Journal of Accountng Research, XVIII (1): ÖZDİNÇ, Ö. (1999). Derecelendrme Sürecnde Ekonometrk Br Değerlendrme, Ankara, Sermaye Pyasası Yayın Kurulu Yayın No:130, Mayıs. SALCHENBERGER, L.M., ÇINAR, M., LASH, N.A. (1992). Neural Networks: A New Tool for Predctng Thrft Falure, Decson Scences, XXIII (4): SUNGUR, M. (Ed.) (1995). Mühends Gözüyle Yapay Snr Ağları, Ankara, ODTÜ. 45

16 46 TAFFLER, R.J., TISSHAW, H. (1977). Gong, Gong, Gone- Four Factors Whch Factors Whch Predct, Accountancy, Mart: TAMARI, M. (1966). Fnancal Ratos as a Means of Forecastng Bankruptcy, Management Internatonal Revew, WILSON, N., CHONG, K.S. (1995). Neural Network Smulaton and Predcton of Corporate Outcomes: Some Emprcal Fndngs, Internatonal Journal of the Economcs of Busness, II (2): YILDIZ, B. (2001). Fnansal Başarısızlığın Öngörülmesnde Yapay Snr Ağı Kullanımı ve Halka Açık Şrketlerde Amprk Br Uygulama, İstanbul Menkul Kıymetler Borsası Dergs, V (17): ZAVGREN, C.V. (1985). Assessng the Vulnerablty to Falure of Amercan Industral Frms: A Logstc Analyss, Journal of Busness Fnance and Accountng, XII (1): ZMIJEWSKI, M.E. (1984). Methodologcal Issues Related to the Estmaton of Fnancal Dstress Predcton Models, Journal of Accountng Research, Supplement:

ÇOKLU REGRESYON MODELİ, ANOVA TABLOSU, MATRİSLERLE REGRESYON ÇÖZÜMLEMESİ,REGRES-YON KATSAYILARININ YORUMU

ÇOKLU REGRESYON MODELİ, ANOVA TABLOSU, MATRİSLERLE REGRESYON ÇÖZÜMLEMESİ,REGRES-YON KATSAYILARININ YORUMU 6.07.0 ÇOKLU REGRESON MODELİ, ANOVA TABLOSU, MATRİSLERLE REGRESON ÇÖZÜMLEMESİ,REGRES-ON KATSAILARININ ORUMU ÇOKLU REGRESON MODELİ Ekonom ve şletmeclk alanlarında herhang br bağımlı değşken tek br bağımsız

Detaylı

Kar Payı Politikası ve Yaşam Döngüsü Teorisi: İMKB İmalat Sektöründe Ampirik Bir Uygulama

Kar Payı Politikası ve Yaşam Döngüsü Teorisi: İMKB İmalat Sektöründe Ampirik Bir Uygulama Anadolu Ünverses Sosyal Blmler Dergs Anadolu Unversy Journal of Socal Scences Kar Payı Polkası ve Yaşam Döngüsü Teors: İMKB İmalat Sektöründe Amprk Br Uygulama Dvdend Payout Polcy and Lfe Cycle Theory:

Detaylı

KIRMIZI, TAVUK VE BEYAZ ET TALEBİNİN TAM TALEP SİSTEMİ YAKLAŞIMIYLA ANALİZİ

KIRMIZI, TAVUK VE BEYAZ ET TALEBİNİN TAM TALEP SİSTEMİ YAKLAŞIMIYLA ANALİZİ Süleyman Demrel Ünverstes Sosyal Blmler Ensttüsü Dergs Yıl: 2007/2, Sayı: 6 Journal of Suleyman Demrel Unversty Insttue of Socal Scences Year: 2007/2, Number: 6 KIRMIZI, TAVUK VE BEYAZ ET TALEBİNİN TAM

Detaylı

FARKLI REGRESYON YÖNTEMLERİ İLE BETA KATSAYISI ANALİZİ

FARKLI REGRESYON YÖNTEMLERİ İLE BETA KATSAYISI ANALİZİ FARKLI REGRESYON YÖNTEMLERİ İLE BETA KATSAYISI ANALİZİ M.Ensar YEŞİLYURT (*) Flz YEŞİLYURT (**) Özet: Özellkle uzak verlere sahp ver setlernn analz edlmesnde en küçük kareler tahmnclernn kullanılması sapmalı

Detaylı

BANKACILIKTA ETKİNLİK VE SERMAYE YAPISININ BANKALARIN ETKİNLİĞİNE ETKİSİ

BANKACILIKTA ETKİNLİK VE SERMAYE YAPISININ BANKALARIN ETKİNLİĞİNE ETKİSİ BANKACILIKTA ETKİNLİK VE SERMAYE YAPISININ BANKALARIN ETKİNLİĞİNE ETKİSİ Yrd. Doç. Dr. Murat ATAN - Araş. Gör. Gaye KARPAT ÇATALBAŞ 2 ÖZET Bu çalışma, Türk bankacılık sstem çnde faalyet gösteren tcar bankaların

Detaylı

ENDÜSTRİNİN DEĞİŞİK İŞ KOLLARINDA İHTİYAÇ DUYULAN ELEMANLARIN YÜKSEK TEKNİK EĞİTİM MEZUNLARINDAN SAĞLANMASINDAKİ BEKLENTİLERİN SINANMASI

ENDÜSTRİNİN DEĞİŞİK İŞ KOLLARINDA İHTİYAÇ DUYULAN ELEMANLARIN YÜKSEK TEKNİK EĞİTİM MEZUNLARINDAN SAĞLANMASINDAKİ BEKLENTİLERİN SINANMASI V. Ulusal Üretm Araştırmaları Sempozyumu, İstanbul Tcaret Ünverstes, 5-7 Kasım 5 ENDÜSTRİNİN DEĞİŞİK İŞ KOLLARINDA İHTİYAÇ DUYULAN ELEMANLARIN YÜKSEK TEKNİK EĞİTİM MEZUNLARINDAN SAĞLANMASINDAKİ BEKLENTİLERİN

Detaylı

Atatürk Üniversitesi İktisadi ve İdari Bilimler Dergisi, Cilt: 25, Sayı: 1, 2011 225

Atatürk Üniversitesi İktisadi ve İdari Bilimler Dergisi, Cilt: 25, Sayı: 1, 2011 225 Atatürk Ünverstes İktsad ve İdar Blmler Dergs, Clt: 25, Sayı:, 20 225 FİNANSAL ANALİZDE KULLANILAN ORANLAR VE HİSSE SENEDİ GETİRİLERİ ARASINDAKİ İLİŞKİ: EKONOMİK KRİZ DÖNEMLERİ İÇİN İMKB İMALAT SANAYİ

Detaylı

TÜRKİYE DEKİ ÖZEL BANKALARIN FİNANSAL PERFORMANSLARININ KARŞILAŞTIRILMASI: 2008-2011 DÖNEMİ. Fatih ECER *

TÜRKİYE DEKİ ÖZEL BANKALARIN FİNANSAL PERFORMANSLARININ KARŞILAŞTIRILMASI: 2008-2011 DÖNEMİ. Fatih ECER * AİBÜ Sosyal Blmler Ensttüsü Dergs, Güz 2013, Clt:13, Yıl:13, Sayı:2, 13:171-189 TÜKİYE DEKİ ÖZEL BANKALAIN FİNANSAL PEFOMANSLAININ KAŞILAŞTIILMASI: 2008-2011 DÖNEMİ Fath ECE COMPAISON OF PIVATE BANKS FINANCIAL

Detaylı

NİTEL TERCİH MODELLERİ

NİTEL TERCİH MODELLERİ NİTEL TERCİH MODELLERİ 2300 gözlem sayısı le verlen değşkenler aşağıdak gbdr: calsma: çocuk çalışıyorsa 1, çalışmıyorsa 0 (bağımlı değşken) Anne_egts: Anne eğtm sevyes Baba_egts: Baba eğtm sevyes Kent:

Detaylı

X, R, p, np, c, u ve diğer kontrol diyagramları istatistiksel kalite kontrol diyagramlarının

X, R, p, np, c, u ve diğer kontrol diyagramları istatistiksel kalite kontrol diyagramlarının 1 DİĞER ÖZEL İSTATİSTİKSEL KALİTE KONTROL DİYAGRAMLARI X, R, p, np, c, u ve dğer kontrol dyagramları statstksel kalte kontrol dyagramlarının temel teknkler olup en çok kullanılanlarıdır. Bu teknkler ell

Detaylı

HİSSE SENETLERİNİN BEKLENEN GETİRİ VE RİSKLERİNİN TAHMİNİNDE ALTERNATİF MODELLER

HİSSE SENETLERİNİN BEKLENEN GETİRİ VE RİSKLERİNİN TAHMİNİNDE ALTERNATİF MODELLER İstanbul Ünverstes İktsat Fakültes Malye Araştırma Merkez Konferansları 47. Ser / Yıl 005 Prof. Dr. Türkan Öncel e Armağan HİSSE SENETLERİNİN BEKLENEN GETİRİ VE RİSKLERİNİN TAHMİNİNDE ALTERNATİF MODELLER

Detaylı

Muhasebe ve Finansman Dergisi

Muhasebe ve Finansman Dergisi Muhasebe ve Fnansman Dergs Ocak/2012 Farklı Muhasebe Düzenlemelerne Göre Hazırlanan Mal Tablolardan Elde Edlen Fnansal Oranlar İle Şrketlern Hsse Sened Getrler Ve Pyasa Değerler Arasındak İlşk Ahmet BÜYÜKŞALVARCI

Detaylı

SUÇ VERİ TABANININ LOJİSTİK REGRESYON ANALİZİ İLE TAHMİNİ: BURSA ÖRNEĞİ Estimating of Crime Database with Logistic Regression Analysis: Bursa Case

SUÇ VERİ TABANININ LOJİSTİK REGRESYON ANALİZİ İLE TAHMİNİ: BURSA ÖRNEĞİ Estimating of Crime Database with Logistic Regression Analysis: Bursa Case SUÇ VERİ TABANININ LOJİSTİK REGRESYON ANALİZİ İLE TAHMİNİ: BURSA ÖRNEĞİ Estmatng of Crme Database wth Logstc Regresson Analyss: Bursa Case Mehmet NARGELEÇEKENLER * B Özet u çalışmada, Bursa Emnyet Müdürlüğünden

Detaylı

ARAŞTIRMA MAKALESİ/RESEARCH ARTICLE TEK ÇARPIMSAL SİNİR HÜCRELİ YAPAY SİNİR AĞI MODELİNİN EĞİTİMİ İÇİN ABC VE BP YÖNTEMLERİNİN KARŞILAŞTIRILMASI ÖZ

ARAŞTIRMA MAKALESİ/RESEARCH ARTICLE TEK ÇARPIMSAL SİNİR HÜCRELİ YAPAY SİNİR AĞI MODELİNİN EĞİTİMİ İÇİN ABC VE BP YÖNTEMLERİNİN KARŞILAŞTIRILMASI ÖZ ANADOLU ÜNİVERSİTESİ Blm ve Teknoloj Dergs A-Uygulamalı Blmler ve Mühendslk Clt: 14 Sayı: 3 013 Sayfa: 315-38 ARAŞTIRMA MAKALESİ/RESEARCH ARTICLE Faruk ALPASLAN 1, Erol EĞRİOĞLU 1, Çağdaş Hakan ALADAĞ,

Detaylı

TÜKETİCİ TATMİNİ VERİLERİNİN ANALİZİ: YAPAY SİNİR AĞLARI ve REGRESYON ANALİZİ KARŞILAŞTIRMASI

TÜKETİCİ TATMİNİ VERİLERİNİN ANALİZİ: YAPAY SİNİR AĞLARI ve REGRESYON ANALİZİ KARŞILAŞTIRMASI 1 TÜKETİCİ TATMİNİ VERİLERİNİN ANALİZİ: YAPAY SİNİR AĞLARI ve REGRESYON ANALİZİ KARŞILAŞTIRMASI Metehan TOLON Nuray GÜNERİ TOSUNOĞLU Özet Tüketc tatmn araştırmaları özelde pazarlama yönetclernn, genelde

Detaylı

Bulanık Mantık ile Hesaplanan Geoid Yüksekliğine Nokta Yüksekliklerinin Etkisi

Bulanık Mantık ile Hesaplanan Geoid Yüksekliğine Nokta Yüksekliklerinin Etkisi Harta Teknolojler Elektronk Dergs Clt: 5, No: 1, 2013 (61-67) Electronc Journal of Map Technologes Vol: 5, No: 1, 2013 (61-67) TEKNOLOJİK ARAŞTIRMALAR www.teknolojkarastrmalar.com e-issn: 1309-3983 Makale

Detaylı

Merkezi Eğilim (Yer) Ölçüleri

Merkezi Eğilim (Yer) Ölçüleri Merkez Eğlm (Yer) Ölçüler Ver setn tanımlamak üzere kullanılan ve genellkle tüm elemanları dkkate alarak ver setn özetlemek çn kullanılan ölçülerdr. Ver setndek tüm elemanları temsl edeblecek merkez noktasına

Detaylı

Prof. Dr. Nevin Yörük - Yrd. Doç. Dr. S. Serdar Karaca Yrd. Doç. Dr. Mahmut Hekim - Öğr. Grv. İsmail Tuna

Prof. Dr. Nevin Yörük - Yrd. Doç. Dr. S. Serdar Karaca Yrd. Doç. Dr. Mahmut Hekim - Öğr. Grv. İsmail Tuna Anadolu Ünverstes Sosyal Blmler Dergs Anadolu Unversty Journal of Socal Scences Sermaye Yapısını Etkleyen Faktörler ve Fnansal Oranlar le Hsse Getrs Arasındak İlşknn ANFIS Yöntem le İncelenmes: İMKB de

Detaylı

BIST da Demir, Çelik Metal Ana Sanayii Sektöründe Faaliyet Gösteren İşletmelerin Finansal Performans Analizi: VZA Süper Etkinlik ve TOPSIS Uygulaması

BIST da Demir, Çelik Metal Ana Sanayii Sektöründe Faaliyet Gösteren İşletmelerin Finansal Performans Analizi: VZA Süper Etkinlik ve TOPSIS Uygulaması EGE AKADEMİK BAKIŞ / EGE ACADEMIC REVIEW Clt: 4 Sayı: Ocak 04 ss. 9-9 BIST da Demr, Çelk Metal Ana Sanay Sektöründe Faalyet Gösteren İşletmelern Fnansal Performans Analz: VZA Süper Etknlk ve TOPSIS Uygulaması

Detaylı

Türkiyede ki ĠĢ Kazalarının Yapay Sinir Ağları ile 2025 Yılına Kadar Tahmini

Türkiyede ki ĠĢ Kazalarının Yapay Sinir Ağları ile 2025 Yılına Kadar Tahmini Türkyede k ĠĢ Kazalarının Yapay Snr Ağları le 2025 Yılına Kadar Tahmn Hüseyn Ceylan ve Murat Avan Kırıkkale Meslek Yüksekokulu, Kırıkkale Ünverstes, Kırıkkale, 71450 Türkye. Kaman Meslek Yüksekokulu, Ah

Detaylı

UYUM ĐYĐLĐĞĐ TESTĐ. 2 -n olup. nin dağılımı χ dir ve sd = (k-1-p) dir. Burada k = sınıf sayısı, p = tahmin edilen parametre sayısıdır.

UYUM ĐYĐLĐĞĐ TESTĐ. 2 -n olup. nin dağılımı χ dir ve sd = (k-1-p) dir. Burada k = sınıf sayısı, p = tahmin edilen parametre sayısıdır. UYUM ĐYĐLĐĞĐ TESTĐ Posson: H o: Ver Posson dağılıma sahp br ktleden gelmektedr. H a : Ver Posson dağılıma sahp br ktleden gelmemektedr. Böyle br hpotez test edeblmek çn, önce Posson dağılım parametres

Detaylı

Hisse Senedi Fiyatları ve Fiyat/Kazanç Oranı Đlişkisi: Panel Verilerle Sektörel Bir Analiz *

Hisse Senedi Fiyatları ve Fiyat/Kazanç Oranı Đlişkisi: Panel Verilerle Sektörel Bir Analiz * Busness and Economcs Research Journal Volume. umber. 0 pp. 65-84 ISS: 309-448 www.berjournal.com Hsse Sened Fyatları ve Fyat/Kazanç Oranı Đlşks: Panel Verlerle Sektörel Br Analz * Mehmet argelecekenler

Detaylı

Kısa Vadeli Sermaye Girişi Modellemesi: Türkiye Örneği

Kısa Vadeli Sermaye Girişi Modellemesi: Türkiye Örneği Dokuz Eylül Ünverstes İktsad ve İdar Blmler Fakültes Dergs, Clt:24, Sayı:1, Yıl:2009, ss.105-122. Kısa Vadel Sermaye Grş Modellemes: Türkye Örneğ Mehmet AKSARAYLI 1 Özhan TUNCAY 2 Alınma Tarh: 04-2008,

Detaylı

Metin Madenciliği ile Soru Cevaplama Sistemi

Metin Madenciliği ile Soru Cevaplama Sistemi Metn Madenclğ le Soru Cevaplama Sstem Sevnç İlhan 1, Nevchan Duru 2, Şenol Karagöz 3, Merve Sağır 4 1 Mühendslk Fakültes Blgsayar Mühendslğ Bölümü Kocael Ünverstes slhan@kocael.edu.tr, nduru@kocael.edu.tr,

Detaylı

KALĐTE ARTIŞLARI VE ENFLASYON: TÜRKĐYE ÖRNEĞĐ

KALĐTE ARTIŞLARI VE ENFLASYON: TÜRKĐYE ÖRNEĞĐ Central Bank Revew Vol. 11 (January 2011), pp.1-9 ISSN 1303-0701 prnt / 1305-8800 onlne 2011 Central Bank of the Republc of Turkey http://www.tcmb.gov.tr/research/revew/ KALĐTE ARTIŞLARI VE ENFLASYON:

Detaylı

Antalya Đlinde Serada Domates Üretiminin Kâr Etkinliği Analizi

Antalya Đlinde Serada Domates Üretiminin Kâr Etkinliği Analizi Tarım Blmler Dergs Tar. Bl. Der. Derg web sayfası: www.agr.ankara.edu.tr/derg Journal of Agrcultural Scences Journal homepage: www.agr.ankara.edu.tr/journal TARIM BİLİMLERİ DERGİSİ JOURNAL OF AGRICULTURAL

Detaylı

VERİ ZARFLAMA ANALİZİ (VZA) VE MALMQUİST ENDEKSİ İLE TOPLAM FAKTÖR VERİMLİLİK ÖLÇÜMÜ: BİST TE İŞLEM GÖREN MEVDUAT BANKALARI ÜZERİNE BİR UYGULAMA

VERİ ZARFLAMA ANALİZİ (VZA) VE MALMQUİST ENDEKSİ İLE TOPLAM FAKTÖR VERİMLİLİK ÖLÇÜMÜ: BİST TE İŞLEM GÖREN MEVDUAT BANKALARI ÜZERİNE BİR UYGULAMA Atatürk Ünverstes İktsad ve İdar Blmler Dergs, Clt: 27,Sayı:4,2013 110 VERİ ZARFLAMA ANALİZİ (VZA) VE MALMQUİST ENDEKSİ İLE TOPLAM FAKTÖR VERİMLİLİK ÖLÇÜMÜ: BİST TE İŞLEM GÖREN MEVDUAT BANKALARI ÜZERİNE

Detaylı

Türkiye Cumhuriyet Merkez Bankası Sayı: 2010-17 / 20 Aralık 2010 EKONOMİ NOTLARI. Kalite Artışları ve Enflasyon: Türkiye Örneği

Türkiye Cumhuriyet Merkez Bankası Sayı: 2010-17 / 20 Aralık 2010 EKONOMİ NOTLARI. Kalite Artışları ve Enflasyon: Türkiye Örneği Türkye Cumhuryet Merkez Bankası Sayı: 2010-17 / 20 Aralık 2010 EKONOMİ NOTLARI Kalte Artışları ve Enflasyon: Türkye Örneğ Yavuz Arslan Evren Certoğlu Abstract: In ths study, average qualty growth and upward

Detaylı

SEK Yönteminin Güvenilirliği Sayısal Bir Örnek. Ekonometri 1 Konu 11 Sürüm 2,0 (Ekim 2011)

SEK Yönteminin Güvenilirliği Sayısal Bir Örnek. Ekonometri 1 Konu 11 Sürüm 2,0 (Ekim 2011) İk Değşkenl Bağlanım Model SEK Yöntemnn Güvenlrlğ Ekonometr 1 Konu 11 Sürüm,0 (Ekm 011) UADMK Açık Lsans Blgs İşbu belge, Creatve Commons Attrbuton-Non-Commercal ShareAlke 3.0 Unported (CC BY-NC-SA 3.0)

Detaylı

Pamukta Girdi Talebi: Menemen Örneği

Pamukta Girdi Talebi: Menemen Örneği Ege Ünv. Zraat Fak. Derg., 2002, 39 (3): 88-95 ISSN 1018-8851 Pamukta Grd Taleb: Menemen Örneğ Bülent MİRAN 1 Canan ABAY 2 Chat Günden 3 Summary Demand for Inputs n Cotton Producton: The Case of Menemen

Detaylı

Basel II Geçiş Süreci Sıkça Sorulan Sorular

Basel II Geçiş Süreci Sıkça Sorulan Sorular Basel II Geçş Sürec Sıkça Sorulan Sorular Soru No: 71 Cevaplanma Tarh: 06.03.2012 İlgl Hüküm: --- Konu: Gayrmenkul İpoteğyle Temnatlandırılmış Alacaklar İçn KR510AS Formunun Doldurulmasına İlşkn Örnek

Detaylı

ALGILANAN HİZMET KALİTESİ VE LOJİSTİK REGRESYON ANALİZİ İLE HİZMET TERCİHİNE ETKİSİNİN BELİRLENMESİ. Özet

ALGILANAN HİZMET KALİTESİ VE LOJİSTİK REGRESYON ANALİZİ İLE HİZMET TERCİHİNE ETKİSİNİN BELİRLENMESİ. Özet Dokuz Eylül Ünverstes Sosyal Blmler Ensttüsü Dergs Yayın Gelş Tarh: 18.02.2011 Clt: 13, Sayı: 1, Yıl: 2011, Sayfa: 21-37 Yayına Kabul Tarh: 17.03.2011 ISSN: 1302-3284 ALGILANAN HİZMET KALİTESİ VE LOJİSTİK

Detaylı

AKADEMİK YAKLAŞIMLAR DERGİSİ JOURNAL OF ACADEMIC APPROACHES

AKADEMİK YAKLAŞIMLAR DERGİSİ JOURNAL OF ACADEMIC APPROACHES Konut Sahplğnn Belrleycler: Hanehalkı Resler Üzerne Br Uygulama Halm TATLI 1 Özet İnsanların barınma htyacını sağlayan konut, temel htyaçlar arasında yer almaktadır. Konut sahb olmayan ve krada oturan

Detaylı

MOBİPA MOBİLYA TEKSTİL İNŞAAT NAKLİYE PETROL ÜRÜNLERİ. SÜPERMARKET VE TuRİzM SANAYİ VE TİcARET ANONİM ŞİRKETİ

MOBİPA MOBİLYA TEKSTİL İNŞAAT NAKLİYE PETROL ÜRÜNLERİ. SÜPERMARKET VE TuRİzM SANAYİ VE TİcARET ANONİM ŞİRKETİ MOBİPA MOBİLYA TEKSTİL İNŞAAT NAKLİYE PETROL ÜRÜNLERİ SÜPERMARKET VE TuRİzM SANAYİ VE TİcARET ANONİM ŞİRKETİ 2011-2012-2013 MALİ yılına İLİşKİN YÖNETİM KURULU FAALİYET RAPORU ("Şrket") 01012011-31 ı22013

Detaylı

UYGULAMA 2. Bağımlı Kukla Değişkenli Modeller

UYGULAMA 2. Bağımlı Kukla Değişkenli Modeller UYGULAMA 2 Bağımlı Kukla Değşkenl Modeller Br araştırmacı Amerka da yüksek lsans ve doktora programlarını kabul ednlmey etkleyen faktörler ncelemek stemektedr. Bu doğrultuda aşağıdak değşkenler ele almaktadır.

Detaylı

Türkiye den Yurt Dışına Beyin Göçü: Ampirik Bir Uygulama

Türkiye den Yurt Dışına Beyin Göçü: Ampirik Bir Uygulama ERC Workng Paper n Economc 04/02 January 2004 Türkye den Yurt Dışına Beyn Göçü: Amprk Br Uygulama Aysıt Tansel İktsat Bölümü Orta Doğu Teknk Ünverstes atansel@metu.edu.tr Nl Demet Güngör İktsat Bölümü

Detaylı

TOPSIS ÇOK KRİTERLİ KARAR VERME SİSTEMİ: TÜRKİYE DEKİ KAMU BANKALARI ÜZERİNE BİR UYGULAMA

TOPSIS ÇOK KRİTERLİ KARAR VERME SİSTEMİ: TÜRKİYE DEKİ KAMU BANKALARI ÜZERİNE BİR UYGULAMA Araştırma Makaleler TOPSIS ÇOK KRİTERLİ KARAR VERME SİSTEMİ: TÜRKİYE DEKİ KAMU BANKALARI ÜZERİNE BİR UYGULAMA Dr., Dokuz Eylül Ünverstes, İİBF İşletme Bölümü erhan.demrel@deu.edu.tr ÖZET Ekonomk faalyetlern

Detaylı

AHP AND GRA INTEGRATED APPROACH IN INNOVATION PERFORMANCE REVIEW PROCESS: AN APPLICATION IN DAIRY INDUSTRY

AHP AND GRA INTEGRATED APPROACH IN INNOVATION PERFORMANCE REVIEW PROCESS: AN APPLICATION IN DAIRY INDUSTRY Dumlupınar Ünverstes Sosyal Blmler Dergs / Dumlupınar Unversty Journal of Socal Scences İNOVASYON PERFORMANSI DEĞERLENDİRME SÜRECİNDE AHS VE GİA BÜTÜNLEŞİK YAKLAŞIMI: SÜT ÜRÜNLERİ SEKTÖRÜNDE BİR UYGULAMA

Detaylı

FARKLI VERİ YAPILARINDA KULLANILABİLECEK REGRESYON YÖNTEMLERİ

FARKLI VERİ YAPILARINDA KULLANILABİLECEK REGRESYON YÖNTEMLERİ Anadolu Tarım Blm. Derg., 203,28(3):68-74 Anadolu J Agr Sc, 203,28(3):68-74 do: 0.76/anaas.203.28.3.68 URL: htt://dx.do.org/0.76/anaas.203.28.3.68 Derleme Revew FARKLI VERİ YAPILARINDA KULLANILABİLECEK

Detaylı

Fatih ECER*, Fatih GÜNAY**

Fatih ECER*, Fatih GÜNAY** Anatola: Turzm Araştırmaları Dergs, Clt 25, Sayı 1, Bahar: 35-48, 2014. Copyrght 2014 anatola Bütün hakları saklıdır ISSN: 1300-4220 (1990-2014) Borsa İstanbul da İşlem Gören Turzm Şrketlernn Fnansal Performanslarının

Detaylı

Hasar sıklıkları için sıfır yığılmalı kesikli modeller

Hasar sıklıkları için sıfır yığılmalı kesikli modeller www.statstkcler.org İstatstkçler Dergs 5 (01) 3-31 İstatstkçler Dergs Hasar sıklıkları çn sıfır yığılmalı keskl modeller Sema Tüzel Hacettepe Ünverstes Aktüerya Blmler Bölümü 06800-Beytepe, Ankara, Türkye

Detaylı

a IIR süzgeç katsayıları ve N ( M) de = s 1 (3) 3. GÜRÜLTÜ GİDERİMİ UYGULAMASI

a IIR süzgeç katsayıları ve N ( M) de = s 1 (3) 3. GÜRÜLTÜ GİDERİMİ UYGULAMASI Fırat Ünverstes-Elazığ MİTRAL KAPAK İŞARETİ ÜZERİNDEKİ ANATOMİK VE ELEKTRONİK GÜRÜLTÜLERİN ABC ALGORİTMASI İLE TASARLANAN IIR SÜZGEÇLERLE SÜZÜLMESİ N. Karaboğa 1, E. Uzunhsarcıklı, F.Latfoğlu 3, T. Koza

Detaylı

ĐLK HALKA ARZLARDA UZUN DÖNEM GETĐRĐLERĐNĐN TAHMĐNĐ: YAPAY SĐNĐR AĞLARI ĐLE ĐMKB ĐÇĐN AMPĐRĐK BĐR ÇALIŞMA

ĐLK HALKA ARZLARDA UZUN DÖNEM GETĐRĐLERĐNĐN TAHMĐNĐ: YAPAY SĐNĐR AĞLARI ĐLE ĐMKB ĐÇĐN AMPĐRĐK BĐR ÇALIŞMA Ekonometr ve Đstatstk Sayı:10 2009 29-47 ĐSTANBUL ÜNĐVERSĐTESĐ ĐKTĐSAT FAKÜLTESĐ EKONOMETRĐ VE ĐSTATĐSTĐK DERGĐSĐ ĐLK HALKA ARZLARDA UZUN DÖNEM GETĐRĐLERĐNĐN TAHMĐNĐ: YAPAY SĐNĐR AĞLARI ĐLE ĐMKB ĐÇĐN AMPĐRĐK

Detaylı

İyi Tarım Uygulamaları Ve Tüketici Davranışları (Logit Regresyon Analizi)(*)

İyi Tarım Uygulamaları Ve Tüketici Davranışları (Logit Regresyon Analizi)(*) Gazosmanpaşa Ünverstes Zraat Fakültes Dergs Journal of Agrcultural Faculty of Gazosmanpasa Unversty http://zraatderg.gop.edu.tr/ Araştırma Makales/Research Artcle JAFAG ISSN: 1300-2910 E-ISSN: 2147-8848

Detaylı

LOJİSTİK REGRESYON ANALİZİ İLE ESKİŞEHİR İN SİS

LOJİSTİK REGRESYON ANALİZİ İLE ESKİŞEHİR İN SİS İstanbul Tcaret Ünverstes Fen Blmler Dergs Yıl: 8 Sayı: 16 Güz 2009/2 s. 47-59 LOJİSTİK REGRESYON ANALİZİ İLE ESKİŞEHİR İN SİS KESTİRİMİNİN İNCELENMESİ Cengz AKTAŞ *, Orkun ERKUŞ ** Gelş: 12.10.2009 Kabul:

Detaylı

Toplam Eşdeğer Deprem Yükünün Hesabı Bakımından 1975 Deprem Yönetmeliği İle 2006 Deprem Yönetmeliğinin Karşılaştırılması

Toplam Eşdeğer Deprem Yükünün Hesabı Bakımından 1975 Deprem Yönetmeliği İle 2006 Deprem Yönetmeliğinin Karşılaştırılması Fırat Ünv. Fen ve Müh. Bl. ergs Scence and Eng. J of Fırat Unv. 19 (2, 133-138, 2007 19 (2, 133-138, 2007 Toplam Eşdeğer eprem Yükünün Hesabı Bakımından 1975 eprem Yönetmelğ İle 2006 eprem Yönetmelğnn

Detaylı

DEĞİŞKEN DÖVİZ KURLARI ORTAMINDA GLOBAL BİR ŞİRKETTEKİ ESNEKLİĞİN DEĞERİ VE OPTİMUM KULLANIMI

DEĞİŞKEN DÖVİZ KURLARI ORTAMINDA GLOBAL BİR ŞİRKETTEKİ ESNEKLİĞİN DEĞERİ VE OPTİMUM KULLANIMI DEĞİŞKEN DÖVİZ KURLARI ORTAMINDA GLOBAL BİR ŞİRKETTEKİ ESNEKLİĞİN DEĞERİ VE OPTİMUM KULLANIMI Mehmet Aktan Atatürk Ünverstes, Endüstr Mühendslğ Bölümü, 25240, Erzurum. Özet: Dövz kurlarındak değşmler,

Detaylı

Dersin Yürütülmesi Hakkında. (Örgün / Yüz Yüze Eğitim için) (Harmanlanmış Eğitim için) (Uzaktan Eğitim için)

Dersin Yürütülmesi Hakkında. (Örgün / Yüz Yüze Eğitim için) (Harmanlanmış Eğitim için) (Uzaktan Eğitim için) Ders Kodu Teork Uygulama Lab. Uluslararası Muhasebe ve Fnansal Raporlama Standartları Ulusal Kred Öğretm planındak AKTS 344000000000510 3 0 0 3 6 Ön Koşullar : Bu dersn ön koşulu ya da yan koşulu bulunmamaktadır.

Detaylı

YAYILI YÜK İLE YÜKLENMİŞ YAPI KİRİŞLERİNDE GÖÇME YÜKÜ HESABI. Perihan (Karakulak) EFE

YAYILI YÜK İLE YÜKLENMİŞ YAPI KİRİŞLERİNDE GÖÇME YÜKÜ HESABI. Perihan (Karakulak) EFE BAÜ Fen Bl. Enst. Dergs (6).8. YAYII YÜK İE YÜKENİŞ YAPI KİRİŞERİNDE GÖÇE YÜKÜ HESABI Perhan (Karakulak) EFE Balıkesr Ünverstes ühendslk marlık Fakültes İnşaat üh. Bölümü Balıkesr, TÜRKİYE ÖZET Yapılar

Detaylı

Firma Başarısızlığı Tahminlemesi: Makine Öğrenmesine Dayalı Bir Uygulama

Firma Başarısızlığı Tahminlemesi: Makine Öğrenmesine Dayalı Bir Uygulama BİLİŞİM TEKOLOJİLERİ DERGİSİ, CİLT: 9, SAY: 1, OCAK 016 1 Frma Başarısızlığı Tahmnlemes: Makne Öğrenmesne Dayalı Br Uygulama T. Şükrü YAPRAKL 1, Hamt ERDAL * 1 Atatürk Ünverstes, İİBF, İşletme Bölümü,

Detaylı

Pamukkale Üniversitesi Mühendislik Bilimleri Dergisi Pamukkale University Journal of Engineering Sciences

Pamukkale Üniversitesi Mühendislik Bilimleri Dergisi Pamukkale University Journal of Engineering Sciences Pamukkale Ünverstes Mühendslk Blmler Dergs, Clt 0, Sayı 3, 04, Sayfalar 85-9 Pamukkale Ünverstes Mühendslk Blmler Dergs Pamukkale Unversty Journal of Engneerng Scences PREFABRİK ENDÜSTRİ YAPIARININ ARMONİ

Detaylı

TÜRKİYE DEKİ 380 kv LUK 14 BARALI GÜÇ SİSTEMİNDE EKONOMİK YÜKLENME ANALİZİ

TÜRKİYE DEKİ 380 kv LUK 14 BARALI GÜÇ SİSTEMİNDE EKONOMİK YÜKLENME ANALİZİ TÜRİYE DEİ 38 kv LU 4 BARALI GÜÇ SİSTEMİDE EOOMİ YÜLEME AALİZİ Mehmet URBA Ümmühan BAŞARA 2,2 Elektrk-Elektronk Mühendslğ Bölümü Mühendslk-Mmarlık Fakültes Anadolu Ünverstes İk Eylül ampüsü, 2647, ESİŞEHİR

Detaylı

C.Ü. İktisadi ve İdari Bilimler Dergisi, Cilt 13, Sayı 1, 2012 195

C.Ü. İktisadi ve İdari Bilimler Dergisi, Cilt 13, Sayı 1, 2012 195 C.Ü. İktsad ve İdar Blmler Dergs, Clt 13, Sayı 1, 2012 195 TÜRKİYE DE TİCARİ BANKACILIK SEKTÖRÜNDE REKABET DÜZEYİNİN BELİRLENMESİ (2002-2009) Abdulvahap ÖZCAN * Özet Türkye nn yaşadığı 2000 ve 2001 krzler

Detaylı

Tek Yönlü Varyans Analizi

Tek Yönlü Varyans Analizi Tek Yönlü Varyan Analz Nedr ve hang durumlarda kullanılır? den fazla grupların karşılaştırılmaı öz konuu e, çok ayıda t-tet nn kullanılmaı, Tp I hatanın artmaına yol açar; Örneğn, eğer 5 grubu kşerl olarak

Detaylı

KENTSEL ALANDA ET TALEP ANALİZİ: BATI AKDENİZ BÖLGESİ ÖRNEĞİ. Dr. Ali Rıza AKTAŞ 1 Dr. Selim Adem HATIRLI 2

KENTSEL ALANDA ET TALEP ANALİZİ: BATI AKDENİZ BÖLGESİ ÖRNEĞİ. Dr. Ali Rıza AKTAŞ 1 Dr. Selim Adem HATIRLI 2 Journal of Yasar Unversty 2010 3294-3319 KENTSEL ALANDA ET TALEP ANALİZİ: BATI AKDENİZ BÖLGESİ ÖRNEĞİ Dr. Al Rıza AKTAŞ 1 Dr. Selm Adem HATIRLI 2 ÖZET Bu çalışmada, Batı Akdenz Bölges kent merkezlernde

Detaylı

Tuğla Duvardaki ve Tesisattaki Isı Kaybının Yapay Sinir Ağları İle Belirlenmesi

Tuğla Duvardaki ve Tesisattaki Isı Kaybının Yapay Sinir Ağları İle Belirlenmesi Fırat Ünv. Fen ve Müh. Bl. Der. Scence and Eng. J of Fırat Unv. 18 (1), 133-141, 2006 18 (1), 133-141, 2006 Tuğla Duvardak ve Tessattak Isı Kaybının Yapay Snr Ağları İle Belrlenmes Ömer KELEŞOĞLU ve Adem

Detaylı

QKUIAN. SAĞLIK BAKANLIĞI_ KAMU HASTANELERİ KURUMU Trabzon Ili Kamu Hastaneleri Birliği Genel Sekreterliği Kanuni Eğitim ve Araştırma Hastanesi

QKUIAN. SAĞLIK BAKANLIĞI_ KAMU HASTANELERİ KURUMU Trabzon Ili Kamu Hastaneleri Birliği Genel Sekreterliği Kanuni Eğitim ve Araştırma Hastanesi V tsttşfaktör T.C. SAĞLIK BAKANLIĞI KAMU HASTANELERİ KURUMU Trabzon Il Kamu Hastaneler Brlğ Genel Sekreterlğ Kanun Eğtm ve Araştırma Hastanes Sayı ı 23618724/?ı C.. Y** 08/10/2015 Konu : Yaklaşık Malyet

Detaylı

Şiddet-Süre-Frekans Bağıntısının Genetik Algoritma ile Belirlenmesi: GAP Örneği *

Şiddet-Süre-Frekans Bağıntısının Genetik Algoritma ile Belirlenmesi: GAP Örneği * İMO Teknk Derg, 28 4393-447, Yazı 29 Şddet-Süre-Frekans Bağıntısının Genetk Algortma le Belrlenmes: GAP Örneğ * Hall KARAHAN* M. Tamer AYVAZ** Gürhan GÜRARSLAN*** ÖZ Bu çalışmada, Genetk Algortma (GA)

Detaylı

BÖLÜM 5 İKİ VEYA DAHA YÜKSEK BOYUTLU RASGELE DEĞİŞKENLER İki Boyutlu Rasgele Değişkenler

BÖLÜM 5 İKİ VEYA DAHA YÜKSEK BOYUTLU RASGELE DEĞİŞKENLER İki Boyutlu Rasgele Değişkenler BÖLÜM 5 İKİ VEYA DAHA YÜKSEK BOYUTLU RASGELE DEĞİŞKENLER 5.. İk Boyutlu Rasgele Değşkenler Br deney yapıldığında, aynı deneyle lgl brçok rasgele değşkenn aynı andak durumunu düşünmek gerekeblr. Böyle durumlarda

Detaylı

TEKNOLOJĐK ARAŞTIRMALAR

TEKNOLOJĐK ARAŞTIRMALAR www.teknolojkarastrmalar.com ISSN:134-4141 Makne Teknolojler Elektronk Dergs 28 (1) 61-68 TEKNOLOJĐK ARAŞTIRMALAR Kısa Makale Tabakalı Br Dskn Termal Gerlme Analz Hasan ÇALLIOĞLU 1, Şükrü KARAKAYA 2 1

Detaylı

( ) 3.1 Özet ve Motivasyon. v = G v v Operasyonel Amplifikatör (Op-Amp) Deneyin Amacı. deney 3

( ) 3.1 Özet ve Motivasyon. v = G v v Operasyonel Amplifikatör (Op-Amp) Deneyin Amacı. deney 3 Yıldız Teknk Ünverstes Elektrk Mühendslğ Bölümü Deneyn Amacı İşlemsel kuvvetlendrcnn çalışma prensbnn anlaşılması le çeştl OP AMP devrelernn uygulanması ve ncelenmes. Özet ve Motvasyon.. Operasyonel Amplfkatör

Detaylı

YARIPARAMETRİK KISMİ DOĞRUSAL PANEL VERİ MODELLERİYLE ULUSLAR ARASI GÖÇ

YARIPARAMETRİK KISMİ DOĞRUSAL PANEL VERİ MODELLERİYLE ULUSLAR ARASI GÖÇ Özet YARIPARAMETRİK KISMİ DOĞRUSAL PANEL VERİ MODELLERİYLE ULUSLAR ARASI GÖÇ Atıf EVREN *1 Elf TUNA ** Yarı parametrk panel ver modeller parametrk ve parametrk olmayan modeller br araya getren; br kısmı

Detaylı

SEK Tahmincilerinin Arzulanan Özellikleri. SEK Tahmincilerinin Arzulanan Özellikleri. Ekonometri 1 Konu 9 Sürüm 2,0 (Ekim 2011)

SEK Tahmincilerinin Arzulanan Özellikleri. SEK Tahmincilerinin Arzulanan Özellikleri. Ekonometri 1 Konu 9 Sürüm 2,0 (Ekim 2011) SEK Tahmnclernn Arzulanan Özellkler İk Değşkenl Bağlanım Model SEK Tahmnclernn Arzulanan Özellkler Ekonometr 1 Konu 9 Sürüm 2,0 (Ekm 2011) http://www.ackders.org.tr SEK Tahmnclernn Arzulanan Özellkler

Detaylı

ÖZET. Alışveriş Merkezlerinin Tanımı, Gelişimi ve Önemi

ÖZET. Alışveriş Merkezlerinin Tanımı, Gelişimi ve Önemi ALIŞVERİŞ MERKEZİ TÜKETİCİLERİNİN TATMİNİNİN YAPAY SİNİR AĞLARI YÖNTEMİYLE ÖLÇÜLMESİ Yrd. Doç. Dr. Mehmet BAŞ Gaz Ü. İİBF İşletme Bölümü Dr. Metehan TOLON Gaz Ü. İİBF İşletme Bölümü Dr. Nuray GÜNERİ TOSUNOĞLU

Detaylı

CuEEG: EEG Verilerinin Hızlı İşlenmesi için GPU Tabanlı Bir Yaklaşım CuEEG: A GPU-Based Approach for Fast Processing of EEG Data

CuEEG: EEG Verilerinin Hızlı İşlenmesi için GPU Tabanlı Bir Yaklaşım CuEEG: A GPU-Based Approach for Fast Processing of EEG Data ELECO '212 Elektrk - Elektronk ve Blgsayar Mühendslğ Sempozyumu, 29 Kasım - 1 Aralık 212, Bursa CuEEG: EEG Verlernn Hızlı İşlenmes çn GPU Tabanlı Br Yaklaşım CuEEG: A GPU-Based Approach for Fast Processng

Detaylı

LOJİSTİK REGRESYON VE CART ANALİZİ TEKNİKLERİYLE SOSYAL GÜVENLİK KURUMU İLAÇ PROVİZYON SİSTEMİ VERİLERİ ÜZERİNDE BİR UYGULAMA. Zeynep Burcu KIRAN

LOJİSTİK REGRESYON VE CART ANALİZİ TEKNİKLERİYLE SOSYAL GÜVENLİK KURUMU İLAÇ PROVİZYON SİSTEMİ VERİLERİ ÜZERİNDE BİR UYGULAMA. Zeynep Burcu KIRAN LOJİSTİK REGRESYON VE CART ANALİZİ TEKNİKLERİYLE SOSYAL GÜVENLİK KURUMU İLAÇ PROVİZYON SİSTEMİ VERİLERİ ÜZERİNDE BİR UYGULAMA Zeynep Burcu KIRAN YÜKSEK LİSANS TEZİ İSTATİSTİK GAZİ ÜNİVERSİTESİ FEN BİLİMLERİ

Detaylı

EMG İşaretlerinin K-Ortalama Algoritması Kullanılarak Öbekleştirilmesi. EMG Signal Analysis Using K-Means Clustering

EMG İşaretlerinin K-Ortalama Algoritması Kullanılarak Öbekleştirilmesi. EMG Signal Analysis Using K-Means Clustering KSÜ Mühendslk Blmler Dergs, (), 9 5 KSU Journal of Engneerng Scences, (), 9 EMG İşaretlernn K-Ortalama Algortması Kullanılarak Öbekleştrlmes Mücahd Günay, Ahmet ALKA, KSÜ Mühendslk-Mmarlık Fakültes Elektrk-Elektronk

Detaylı

Obtaining Classical Reliability Terms from Item Response Theory in Multiple Choice Tests

Obtaining Classical Reliability Terms from Item Response Theory in Multiple Choice Tests Ankara Unversty, Journal of Faculty of Educatonal Scences, year: 26, vol: 39, no: 2, 27-44 Obtanng Classcal Relablty Terms from Item Response Theory n Multple Choce Tests Hall Yurdugül * ABSTRACT: The

Detaylı

Bulanık Analitik Hiyerarşi Süreci ve İdeal Çözüme Yakınlığa Göre Sıralama Yapma Yöntemleri ile Tekstil Sektöründe Finansal Performans Ölçümü

Bulanık Analitik Hiyerarşi Süreci ve İdeal Çözüme Yakınlığa Göre Sıralama Yapma Yöntemleri ile Tekstil Sektöründe Finansal Performans Ölçümü Sosyal Blmler 8/1 (010) s 19516 SOSYAL BİLİMLER Yıl : 010 Clt :8 Sayı :1 Celal Bayar Ünverstes S.B.E. Bulanık Analtk Hyerarş Sürec ve İdeal Çözüme Yakınlığa Göre Sıralama Yapma Yöntemler le Tekstl Sektöründe

Detaylı

KRİZ DÖNEMİNDE KÜRESEL PERAKENDECİ AKTÖRLERİN PERFORMANSLARININ TOPSİS YÖNTEMİ İLE DEĞERLENDİRİLMESİ

KRİZ DÖNEMİNDE KÜRESEL PERAKENDECİ AKTÖRLERİN PERFORMANSLARININ TOPSİS YÖNTEMİ İLE DEĞERLENDİRİLMESİ Atatürk Ünverstes İktsad ve İdar Blmler Dergs, Clt: 25, Sayı: 2, 2011 151 KRİZ DÖNEMİNDE KÜRESEL PERAKENDECİ AKTÖRLERİN PERFORMANSLARININ TOPSİS YÖNTEMİ İLE DEĞERLENDİRİLMESİ Nhan ÖZGÜVEN (*) Özet: Perakendeclk

Detaylı

04.10.2012 SU İHTİYAÇLARININ BELİRLENMESİ. Suİhtiyacı. Proje Süresi. Birim Su Sarfiyatı. Proje Süresi Sonundaki Nüfus

04.10.2012 SU İHTİYAÇLARININ BELİRLENMESİ. Suİhtiyacı. Proje Süresi. Birim Su Sarfiyatı. Proje Süresi Sonundaki Nüfus SU İHTİYAÇLARII BELİRLEMESİ Suİhtyacı Proje Süres Brm Su Sarfyatı Proje Süres Sonundak üfus Su ayrım çzs İsale Hattı Su Tasfye Tess Terf Merkez, Pompa İstasyonu Baraj Gölü (Hazne) Kaptaj Su Alma Yapısı

Detaylı

Gaziantep University Journal of Social Sciences (http://jss.gantep.edu.tr) (1):65-88 ISSN:

Gaziantep University Journal of Social Sciences (http://jss.gantep.edu.tr) (1):65-88 ISSN: Gazantep Unversty Journal of Socal Scences (http://jss.gantep.edu.tr) 2015 14(1):65-88 ISSN: 1303-0094 Fnansal Tablolardak Hle Rsknn Tahmn Edlmesnde Karma Modellern Nsp Başarısı Üzerne Karşılaştırmalı

Detaylı

KURUMSAL FİRMALAR İÇİN BİR FİNANSAL PERFORMANS KARŞILAŞTIRMA MODELİNİN GELİŞTİRİLMESİ

KURUMSAL FİRMALAR İÇİN BİR FİNANSAL PERFORMANS KARŞILAŞTIRMA MODELİNİN GELİŞTİRİLMESİ Gaz Ünv. Müh. Mm. Fak. Der. Journal of thefaculty of Engneerngand Archtecture of Gaz Unversty Clt 30, No 1, 71-85, 2015 Vol 30, No 1, 71-85, 2015 KURUMSAL FİRMALAR İÇİN BİR FİNANSAL PERFORMANS KARŞILAŞTIRMA

Detaylı

K-Ortalamalar Yöntemi ile Yıllık Yağışların Sınıflandırılması ve Homojen Bölgelerin Belirlenmesi *

K-Ortalamalar Yöntemi ile Yıllık Yağışların Sınıflandırılması ve Homojen Bölgelerin Belirlenmesi * İMO Teknk Derg, 2012 6037-6050, Yazı 383 K-Ortalamalar Yöntem le Yıllık Yağışların Sınıflandırılması ve Homojen Bölgelern Belrlenmes * Mahmut FIAT* Fath DİKBAŞ** Abdullah Cem KOÇ*** Mahmud GÜGÖ**** ÖZ

Detaylı

Fumonic 3 radio net kablosuz duman dedektörü. Kiracılar ve mülk sahipleri için bilgi

Fumonic 3 radio net kablosuz duman dedektörü. Kiracılar ve mülk sahipleri için bilgi Fumonc 3 rado net kablosuz duman dedektörü Kracılar ve mülk sahpler çn blg Tebrk ederz! Darenze akıllı fumonc 3 rado net duman dedektörler monte edlmştr. Bu şeklde ev sahbnz yasal donanım yükümlülüğünü

Detaylı

Kayseri deki Özel Hastanelerde Maliyet Etkinliğinin Veri Zarflama Metoduyla Ölçülmesi

Kayseri deki Özel Hastanelerde Maliyet Etkinliğinin Veri Zarflama Metoduyla Ölçülmesi Uluslararası Alanya İşletme Fakültes Dergs Internatonal Journal of Alanya Faulty of Busness Yıl:2014, C:6, S:2, s. 45-54 Year:2014, Vol:6, No:2, s. 45-54 Kayser dek Özel Hastanelerde Malyet Etknlğnn Ver

Detaylı

DOĞRUSAL HEDEF PROGRAMLAMA İLE BÜTÇELEME. Hazırlayan: Ozan Kocadağlı Danışman: Prof. Dr. Nalan Cinemre

DOĞRUSAL HEDEF PROGRAMLAMA İLE BÜTÇELEME. Hazırlayan: Ozan Kocadağlı Danışman: Prof. Dr. Nalan Cinemre 1 DOĞRUSAL HEDEF PROGRAMLAMA İLE BÜTÇELEME Hazırlayan: Ozan Kocadağlı Danışman: Prof. Dr. Nalan Cnemre 2 BİRİNCİ BÖLÜM HEDEF PROGRAMLAMA 1.1 Grş Karar problemler amaç sayısına göre tek amaçlı ve çok amaçlı

Detaylı

Devalüasyon, Para, Reel Gelir Değişkenlerinin Dış Ticaret Üzerine Etkisinin Panel Data Yöntemiyle Türkiye İçin İncelenmesi

Devalüasyon, Para, Reel Gelir Değişkenlerinin Dış Ticaret Üzerine Etkisinin Panel Data Yöntemiyle Türkiye İçin İncelenmesi Dokuz Eylül Ünverstes Sosyal Blmler Ensttüsü Dergs Clt 6, Sayı:4, 2004 Devalüasyon, Para, Reel Gelr Değşkenlernn Dış Tcaret Üzerne Etksnn Panel Data Yöntemyle Türkye İçn İncelenmes Yrd.Doç.Dr.Ercan BALDEMİR*

Detaylı

4.5. SOĞUTMA KULELERİNİN BOYUTLANDIRILMASI İÇİN BİR ANALIZ

4.5. SOĞUTMA KULELERİNİN BOYUTLANDIRILMASI İÇİN BİR ANALIZ Ünsal M.; Varol, A.: Soğutma Kulelernn Boyutlandırılması İçn Br Kuramsal 8 Mayıs 990, S: 8-85, Adana 4.5. SOĞUTMA KULELERİNİN BOYUTLANDIRILMASI İÇİN BİR ANALIZ Asaf Varol Fırat Ünverstes, Teknk Eğtm Fakültes,

Detaylı

Endüstri-içi dış ticaret, patentler ve uluslararası teknolojik yayılma

Endüstri-içi dış ticaret, patentler ve uluslararası teknolojik yayılma Endüstr-ç dış tcaret, patentler ve uluslararası teknolojk yayılma Recep Kök Dokuz Eylül Ünverstes, İktsad ve İdar Blmler Fakültes, İktsat Bölümü, 35160, İzmr, Türkye Nevzat Şmşek Dokuz Eylül Ünverstes,

Detaylı

GELİŞMEKTE OLAN ÜLKELERDE ULUSLARARASI DOĞRUDAN YATIRIMLAR VE EKONOMİK BÜYÜME ETKİLEŞİMİ: PANEL EŞBÜTÜNLEŞME VE NEDENSELLİK ANALİZİ

GELİŞMEKTE OLAN ÜLKELERDE ULUSLARARASI DOĞRUDAN YATIRIMLAR VE EKONOMİK BÜYÜME ETKİLEŞİMİ: PANEL EŞBÜTÜNLEŞME VE NEDENSELLİK ANALİZİ GELİŞMEKTE OLAN ÜLKELERDE ULUSLARARASI DOĞRUDAN YATIRIMLAR VE EKONOMİK BÜYÜME ETKİLEŞİMİ: PANEL EŞBÜTÜNLEŞME VE NEDENSELLİK ANALİZİ Doç. Dr. M. Başaran ÖZTÜRK * Yrd. Doç. Dr. Kartal DEMİRGÜNEŞ ** Yrd.

Detaylı

Türkiye de Zeytin Sıkma Tesislerinin Karlılığı ve Etkinliği: Ege Bölgesi Örneği 1

Türkiye de Zeytin Sıkma Tesislerinin Karlılığı ve Etkinliği: Ege Bölgesi Örneği 1 Yıldıztekn ve Tuna Araştırma Makales (Research Artcle) Akın F.OLGUN M. Metn ARTUKOĞLU 3 Hakan ADANACIOĞLU 4 Ege Ünverstes Zraat Fakültes Tarım Ekonoms Bölümü 35100 Bornova/İzmr., e-posta: akn.olgun@ege.edu.tr

Detaylı

TRANSPORT PROBLEMI için GELIsTIRILMIs VAM YÖNTEMI

TRANSPORT PROBLEMI için GELIsTIRILMIs VAM YÖNTEMI Yönetm, Yl 9, Say 28, Ekm - 1997,5.20-25 TRANSPORT PROBLEMI ÇIN GELIsTIRILMIs VAM YÖNTEMI Dr. Erhan ÖZDEMIR I.Ü. Teknk Blmler M.Y.O. L.GIRIs V AM transport problemlerne en düsük malyetl baslangç çözüm

Detaylı

COĞRAFYA DERSİ ÖĞRETİM PROGRAMINDA DOĞAL AFETLER 1 (The Natural Disasters in the Geography Teaching Curriculum)

COĞRAFYA DERSİ ÖĞRETİM PROGRAMINDA DOĞAL AFETLER 1 (The Natural Disasters in the Geography Teaching Curriculum) MARMARA COĞRAFYA DERGİSİ SAYI: 28, TEMMUZ - 2013, S. 276-303 İSTANBUL ISSN:1303-2429 E-ISSN 2147-7825 copyrght 2013 http://www.marmaracografya.com COĞRAFYA DERSİ ÖĞRETİM PROGRAMINDA DOĞAL AFETLER 1 (The

Detaylı

ANE - AEGON EMEKLİLİK VE HAYAT A.Ş.DENGELİ EYF

ANE - AEGON EMEKLİLİK VE HAYAT A.Ş.DENGELİ EYF AEGON EMEKLİLİK VE HAYAT A.Ş. DENGELİ EMEKLİLİK YATIRIM FONU FON KURULU ÜÇÜNCÜ 3 AYLIK FAALİYET RAPORU Bu rapor AEGON Emekllk ve Hayat A.Ş Dengel Emekllk Yatırım Fonu nun 01.07.2011 30.09.2011 dönemne

Detaylı

ROTASYON ORMAN ALGORİTMASI İLE YÜKSEK ÇÖZÜNÜRLÜKLÜ MULTİSPEKTRAL UYDU GÖRÜNTÜLERİNİN SINIFLANDIRILMASI

ROTASYON ORMAN ALGORİTMASI İLE YÜKSEK ÇÖZÜNÜRLÜKLÜ MULTİSPEKTRAL UYDU GÖRÜNTÜLERİNİN SINIFLANDIRILMASI ROTASYON ORMAN ALGORİTMASI İLE YÜKSEK ÇÖZÜNÜRLÜKLÜ MULTİSPEKTRAL UYDU GÖRÜNTÜLERİNİN SINIFLANDIRILMASI İsmal ÇÖLKESEN 1, Tahsn YOMRALIOĞLU 2, Taşkın KAVZOĞLU 3 1 Araş. Gör., Gebze Yüksek Teknoloj Ensttüsü,

Detaylı

Abstract FİNANSAL PERFORMANS ÖLÇÜM ARACI OLARAK NAKİT AKIM ODAKLI FİNANSAL ANALİZ: İNŞAAT VE BAYINDIRLIK SEKTÖRÜ ÜZERİNE BİR UYGULAMA

Abstract FİNANSAL PERFORMANS ÖLÇÜM ARACI OLARAK NAKİT AKIM ODAKLI FİNANSAL ANALİZ: İNŞAAT VE BAYINDIRLIK SEKTÖRÜ ÜZERİNE BİR UYGULAMA BJSS Balkan Journal o Socal Scences / Balkan Sosyal Blmler Dergs Internatonal Congress o Management Economy And Polcy, 2016 Aralık CASH FLOW-FOCUSED FINANCIAL ANALYSIS AS A MEASURING TOOL OF FINANCIAL

Detaylı

İÇME SUYU ŞEBEKELERİNİN GÜVENİLİRLİĞİ

İÇME SUYU ŞEBEKELERİNİN GÜVENİLİRLİĞİ Türkye İnşaat Mühendslğ, XVII. Teknk Kongre, İstanbul, 2004 İÇME SUYU ŞEBEKELERİNİN GÜVENİLİRLİĞİ Nur MERZİ 1, Metn NOHUTCU, Evren YILDIZ 1 Orta Doğu Teknk Ünverstes, İnşaat Mühendslğ Bölümü, 06531 Ankara

Detaylı

ÇOK DURUMLU AĞIRLIKLANDIRILMIŞ BİLEŞENLİ SİSTEMLERİN DİNAMİK GÜVENİLİRLİK ANALİZİ

ÇOK DURUMLU AĞIRLIKLANDIRILMIŞ BİLEŞENLİ SİSTEMLERİN DİNAMİK GÜVENİLİRLİK ANALİZİ T.C. KARA HARP OKULU SAVUNMA BİLİMLERİ ENSTİTÜSÜ HAREKÂT ARAŞTIRMASI ANA BİLİM DALI ÇOK DURUMLU AĞIRLIKLANDIRILMIŞ BİLEŞENLİ SİSTEMLERİN DİNAMİK GÜVENİLİRLİK ANALİZİ DOKTORA TEZİ Hazırlayan Al Rıza BOZBULUT

Detaylı

Sıfır Ağırlıklı Sayma ile Elde Edilen Veriler İçin Çok Seviyeli ZIP Regresyon * Multilevel ZIP Regression for Zero-Inflated Count Data

Sıfır Ağırlıklı Sayma ile Elde Edilen Veriler İçin Çok Seviyeli ZIP Regresyon * Multilevel ZIP Regression for Zero-Inflated Count Data Yüzüncü Yıl Ünverstes Fen Blmler Ensttüsü Dergs/ Journal of The Insttute of Natural & Appled Scences 18 (1-):01-08, 013 Araştırma Makales/Research Artcle Sıfır Ağırlıklı Sayma le Elde Edlen Verler İçn

Detaylı

ÇİFTÇİLERİN TARIMSAL DESTEKLEME POLİTİKALARINDAN FAYDALANMA İSTEKLİLİĞİNDE ETKİLİ FAKTÖRLERİN ANALİZİ: ERZURUM İLİ ÖRNEĞİ

ÇİFTÇİLERİN TARIMSAL DESTEKLEME POLİTİKALARINDAN FAYDALANMA İSTEKLİLİĞİNDE ETKİLİ FAKTÖRLERİN ANALİZİ: ERZURUM İLİ ÖRNEĞİ AKDENİZ ÜNİVERSİTESİ ZİRAAT FAKÜLTESİ DERGİSİ, 2008, 21(2), 205 212 ÇİFTÇİLERİN TARIMSAL DESTEKLEME POLİTİKALARINDAN FAYDALANMA İSTEKLİLİĞİNDE ETKİLİ FAKTÖRLERİN ANALİZİ: ERZURUM İLİ ÖRNEĞİ Yavuz TOPCU

Detaylı

MADEN DEĞERLENDİRME. Ders Notları

MADEN DEĞERLENDİRME. Ders Notları MADEN DEĞERLENDİRME Ders Notları Doç.Dr. Kaan ERARSLAN 008 ĐÇĐNDEKĐLER. GĐRĐŞ... 3. REZERV SINIFLARI VE HESAPLAMALARI... 4. Görünür rezervler...4.. Muhtemel Rezervler...6.3 Mümkün Rezervler...7.4 Belrl

Detaylı

Üniversite Öğrencilerinin Kredi Kartı Sahipliğini Belirleyen Faktörler

Üniversite Öğrencilerinin Kredi Kartı Sahipliğini Belirleyen Faktörler Ünverste Öğrenclernn Kred Kartı Sahplğn Belrleyen Faktörler H. Dlara KESKİN Yrd. Doç. Dr., Karadenz Teknk Ünverstes, İİBF İşletme Bölümü dlarakeskn@yahoo.com Emrah KOPARAN Öğr. Gör., Amasya Ünverstes Merzfon

Detaylı

Meteorolojik Verilerin Yapay Sinir Ağları Đle Modellenmesi

Meteorolojik Verilerin Yapay Sinir Ağları Đle Modellenmesi KSÜ Fen ve Mühendslk Dergs, 10(1), 2007 148 KSU Journal of Scence and Engneerng, 10(1), 2007 Meteorolojk Verlern Yapay Snr Ağları Đle Modellenmes Kemal ATĐK 1, Emrah DENĐZ 1, Enver YILDIZ 2 1 ZKÜ. Karabük

Detaylı

Mut Orman İşletmesinde Karaçam, Sedir ve Kızılçam Ağaç Türleri İçin Dip Çap Göğüs Çapı İlişkileri

Mut Orman İşletmesinde Karaçam, Sedir ve Kızılçam Ağaç Türleri İçin Dip Çap Göğüs Çapı İlişkileri Süleyman Demrel Ünverstes, Fen Blmler Ensttüsü, 9-3,(5)- Mut Orman İşletmesnde Karaçam, Sedr ve Kızılçam Ağaç Türler İçn Dp Çap Göğüs Çapı İlşkler R.ÖZÇELİK 1 Süleyman Demrel Ünverstes Orman Fakültes Orman

Detaylı

Erzurum Đlinde Buğday, Arpa ve Çavdarda Girdi Talebi Araştırması

Erzurum Đlinde Buğday, Arpa ve Çavdarda Girdi Talebi Araştırması Tarım Blmler Dergs Tar. Bl. Der. Derg web sayfası: www.agr.ankara.edu.tr/derg Journal of Agrcultural Scences Journal homepage: www.agr.ankara.edu.tr/ournal TARIM BİLİMLERİ DERGİSİ JOURNAL OF AGRICULTURAL

Detaylı

Ege Bölgesi orman işletmelerindeki orman mühendisi dağılımının Atkinson endeksi ile değerlendirilmesi

Ege Bölgesi orman işletmelerindeki orman mühendisi dağılımının Atkinson endeksi ile değerlendirilmesi SDÜ Orman Fakültes Dergs SDU Faculty of Forestry Journal 2011, 12: 110-114 Araştırma makales/research artcle Ege Bölges orman şletmelerndek orman mühends dağılımının Atknson endeks le değerlendrlmes İsmal

Detaylı

Bitkisel Ürün Sigortası Yaptırma İsteğinin Belirlenmesi: Tokat İli Örneği

Bitkisel Ürün Sigortası Yaptırma İsteğinin Belirlenmesi: Tokat İli Örneği Atatürk Ünv. Zraat Fak. Derg., 42 (2): 153-157, 2011 J. of Agrcultural Faculty of Atatürk Unv., 42 (2): 153-157, 2011 ISSN : 1300-9036 Araştırma Makales/Research Artcle Btksel Ürün Sgortası Yaptırma İsteğnn

Detaylı

Soğutucu Akışkan Karışımlarının Kullanıldığı Soğutma Sistemlerinin Termoekonomik Optimizasyonu

Soğutucu Akışkan Karışımlarının Kullanıldığı Soğutma Sistemlerinin Termoekonomik Optimizasyonu Soğutucu Akışkan arışımlarının ullanıldığı Soğutma Sstemlernn ermoekonomk Optmzasyonu * 1 Hüseyn aya, 2 ehmet Özkaymak ve 3 rol Arcaklıoğlu 1 Bartın Ünverstes akne ühendslğ Bölümü, Bartın, ürkye 2 arabük

Detaylı

Kİ KARE ANALİZİ. Doç. Dr. Mehmet AKSARAYLI Ki-Kare Analizleri

Kİ KARE ANALİZİ. Doç. Dr. Mehmet AKSARAYLI  Ki-Kare Analizleri Kİ KAR ANALİZİ 1 Doç. Dr. Mehmet AKSARAYLI www.mehmetaksarayl K-Kare Analzler OLAY 1: Genelde br statstk sınıfında, öğrenclern %60 ının devamlı, %30 unun bazen, %10 unun se çok az derse geldkler düşünülmektedr.

Detaylı