İslami ve geleneksel bankalarda kurumsal yönetim, risk yönetimi ve finansal performans ilişkisi

Finansal sistemin en önemli yapıtaşlarından biri olan bankalar, ekonomik büyümenin ve istikrarın sağlanmasında hayati önem taşımaktadır. Bu bakımdan, bankaların finansal performansına etki eden kurumsal yönetim ve risk düzeylerinin belirlenmesi ve analiz edilmesi tüm paydaşlar için oldukça önem arz eder. Bu çalışma, İslami ve geleneksel bankalarda kurumsal yönetim, risk yönetimi ve finansal performans arasındaki ilişkiyi araştırmayı ve bu değişkenleri kullanarak makine öğrenimi algoritmaları ile bankaların finansal başarısızlık riskini tahmin etmeyi amaçlamaktadır. Araştırmada, İslami bankacılığın en yoğun olduğu ülkelerden 32 İslami banka ve 85 geleneksel banka örneklem olarak seçilmiştir. Çeşitli finansal oranlar ve kurumsal yönetim değişkenleri, finansal performansı ve başarısızlık riskini tahmin etmek için makine öğrenimi algoritmaları kullanılarak analiz edilmiştir. Keşifsel veri analizi bulguları, İslami ve geleneksel bankalar arasında risk yönetimi, kurumsal yönetim ve finansal performans açısından önemli farklılıklar olduğunu ortaya koymuştur. Tahmin sonuçlarına göre, İslami ve geleneksel bankalarda başarıyı öngören modellerin farklılaştığı görülmüştür. En yüksek "doğruluk" ve "kesinlik" performansı gösteren algoritmalar karar ağaçları ve gradyan artırma makineleri, en iyi "geri çağırma" performansı gösterenler destek vektör makineleri ve gradyan artırma makineleri, en iyi "F1-skoru" performansı gösterenler ise gradyan artırma makineleri ve rastgele orman algoritmaları olmuştur. Bu araştırma, banka performansını tahmin etmek için kurumsal yönetim değişkenlerini finansal oranlarla entegre ederek mevcut literatüre katkıda bulunmakta ve bankalarda finansal istikrarı etkileyen faktörlerin daha kapsamlı bir şekilde anlaşılmasını sağlamaktadır. Ayrıca, bu çalışma bankacılıkta tahmine dayalı değerlendirmelerde makine öğrenimi algoritmalarının etkinliğini ortaya koymuştur.

As one of the most important elements of the financial system, banks play a vital role in ensuring economic growth and stability. In this respect, determining and analyzing the corporate governance and risk levels that affect the financial performance of banks is very important for all stakeholders. This study aims to investigate the relationship between corporate governance, risk management and financial performance in Islamic and conventional banks and to predict the risk of financial failure of banks using machine learning algorithms by using these variables. In the study, 32 Islamic banks and 85 conventional banks from countries with the highest concentration of Islamic banking are selected as the sample. Various financial ratios and corporate governance variables are analyzed using machine learning algorithms to predict financial performance and risk of failure. The findings of the exploratory data analysis revealed that there are significant differences between Islamic and conventional banks in terms of risk management, corporate governance and financial performance. According to the prediction results, the models predicting success in Islamic and conventional banks differed. The algorithms with the highest "accuracy" and "precision" performance were decision trees and gradient boosting machines, the best "recall" performance was achieved by support vector machines and gradient boosting machines, and the best "F1-score" performance was achieved by gradient boosting machines and random forest algorithms. This research contributes to the existing literature by integrating corporate governance variables with financial ratios to predict bank performance and provides a more comprehensive understanding of the factors affecting financial stability in banks. Moreover, this study demonstrates the effectiveness of machine learning algorithms in predictive evaluations in banking.