Finansal Başarısızlık Risk Tahmini: Madencilik ve Taş Ocakçılığı İşletmeleri Üzerine Bir Uygulama
Notice bibliographique
Résumé
Ülke ekonomilerinde yaşanan gelişmeler, teknolojik gelişmeler, ekonomik krizler ve salgın hastalıklar finansal başarısızlık kavramını önemli hale getirmiştir. Mikro ve makro düzeyde yaşanan değişimler ve gelişmeler işletmelerin finansal yapılarını etkilemektedir. İşletmelerin sürdürülebilirliklerini sağlamak adına değişen koşullara ve ortaya çıkabilecek risklere karşı önlem almaları gerekmektedir. Bu kapsamda çalışmanın amacı, Borsa İstanbul’da (BİST) madencilik ve taş ocakçılığı sektöründe faaliyet gösteren işletmelerin finansal başarısızlık risklerinin tahmin edilmesidir. Çalışma kapsamında madencilik ve taş ocakçılığı sektöründe faaliyet gösteren işletmelerin 2017-2023 yıllarına ilişkin finansal tabloları Kamuyu Aydınlatma Platformu (KAP) internet sitesinden temin edilerek analize tabi tutulmuştur. Çalışmada yer alan işletmelerin finansal başarısızlık riskleri, risk tahmin yöntemlerinden Altman ZI Skor Modeli, Springate ve Fulmer Modelleri kullanılarak tespit edilmiştir. Çalışmanın sonucunda işletmelerin finansal başarısızlık durumlarının modeller ve yıllar itibariyle farklılık gösterdiği tespit edilmiştir. Daha sonraki çalışmalarda farklı sektörlerin çalışma kapsamına alınması, çalışma döneminin genişletilmesi veya Beaver, Ohlson, Zmijeswki ve Canada gibi diğer finansal başarısızlık tahmin modellerinin kullanılması sunulacak öneriler arasındadır.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,003 | 0,001 |
| Communication savante | 0,004 | 0,001 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,024 | 0,003 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».