No abstract

The accurate estimation of financial time series provides both investment opportunities and hedging financial assets to those who take positions in financial markets. In this context, it is extremely important to estimate the price of gold, which is an important investment instrument. The research aims to estimate gold prices with various input variables the day before by using artificial neural networks method. In the study, gold prices between 11.03.2014-10.31.2019 are estimated by multilayer artificial neural networks using variables of Brent oil prices, VIX index, Dow Jones Index and US Dollar index. As a result of the research, there is a model that best estimates (98,44%) gold prices.

In this study, the financial tables of the iron and steel main industrial companies which are being traded in the Istanbul Stock Exchange (BİST) are used. This study covers the period 2010-2017 and 13 firms are included in the analysis. Three different models were created in this study and panel data analysis method was used for all models. Various leverage ratios were used as a dependent variable in the study. The independent variables are size, non-debt tax shield, profitability and liquidity. As a result of the study, there is a negative correlation between the leverage ratios and the liquidity and size variables, a positive correlation between the non-debt tax shield and the profitability variables. The study show that both the financial hierarchy theory and the balancing theory are valid in the iron and steel sector.

Çalışma teknoloji firmalarının nakit dönüşüm süreleri ve bu süreleri etkileyen unsurları ile kârlılık arasındaki ilişkiyi analiz ederek firmalara işletme sermayesi yönetimi konusunda faydalı bilgiler sağlamayı amaçlamaktadır. Araştırmada veri seti olarak BİST (Borsa İstanbul) Teknoloji Endeksi (XUTEK) kapsamında 2010-2019 yılları arasında faaliyet gösteren firmaların yıllık finansal tablolarından elde edilen oranlar kullanılmıştır. Firmaların nakit dönüşüm süreleri ile kârlılıkları arasındaki ilişkinin analiz edilebilmesi için çoklu doğrusal regresyon modeli kullanılmıştır. Çalışmada alacak tahsil süresi, stok tüketilme süresi ve kaldıraç oranı ile aktif kârlılığı arasında anlamlı ve negatif bir ilişki olduğuna dair bulgular elde edilirken; net satışlar, kısa vadeli borç ödeme süresi ve nakit dönüşüm süresi ile kârlılık arasında pozitif ve anlamlı bir ilişki olduğuna dair bulgular elde edilmiştir.

Özİşletmelerin finansal durumları gerek uygulamacılar gerekse araştırmacılar tarafından yapılan incelemelere konu olmaktadır. Özellikle son yirmi yılda sermayenin önündeki engellerin kalkması ve sermaye piyasalarının küresel bir hal alması işletmelerin faaliyetlerini sürdürmelerinde içsel dinamikler kadar dışsal dinamiklere de önem vermeleri gerektiğini ortaya koymuştur. Birçok işletme bu içsel ve dışsal nedenlerden dolayı finansal başarısızlık ile karşı karşıya kalmaktadır. Özellikle kriz dönemlerinde gelişmekte olan piyasaların kırılganlığı işletmelerin başarısızlık riskini arttırmaktadır. Finansal başarısızlık karşısında firmalar çeşitli olumsuz durumlarla yüz yüze kalabilmektedir. Firmaların bu tip olumsuzluklara karşı önlem almakta gecikmesi iflas olasılıklarını arttırmaktadır. Bu sebeple firmaların finansal başarısızlıklarının tahmin edilebilmesi oldukça önemlidir. Finansal başarısızlığın tahmin edilebilmesi için literatürde birçok model geliştirilmiştir. Bu modellerden bazıları muhasebe verilerine, bazıları da piyasa verilerine dayalıdır. Finansal başarısızlık tahmin modelleri içerisinde yapay sinir ağları önemli bir yer tutmaktadır. Bu çalışma ile finansal başarısızlık tahmin modeli olarak yapay sinir ağlarının kullanımı ile ilgili olarak araştırmacılara yol gösterilmesi amaçlanmaktadır. AbstractThe financial situations of enterprises are subject to studies conducted by practitioners and the researchers. Especially in the last twenty years, it has been revealed that external dynamics as well as internal dynamics are influential in the operations of the enterprises with the removal of barriers to capital and the globalisation of the capital markets. Many enterprises face financial failure due to these internal and external causes. The fragility of emerging markets, especially during times of crisis, increases the risk of failure. In the event of financial failure, companies may face various negative situations. The delay of firms in taking measures against these types of negativities increases the probability of bankruptcy. For this reason, it is very important to be able to predict the financial failures of firms. Several models have been developed in the literature to predict financial failure. Some of these models are based on accounting data and others are based on market data. Artificial neural networks play a significant role in financial failure prediction models. With this study, it is aimed to guide the researchers about the use of artificial neural networks as a financial failure prediction model.