Abstract
The integration of the world economy, the removal of boundaries in financial markets, and the spread of financial crises have led to a more pronounced impact. In order to mitigate the negative effects of crises and implement policies promoting economic stability, an Artificial Neural Network-based Early Warning System has been developed using artificial intelligence techniques. In this study, monthly data for the period from January 1992 to December 2022 was used for 14 variables commonly employed in leading indicators literature. Crisis periods were identified using the Financial Stress Index, and crisis periods overlapping with financial crises in Turkey were determined. The Early Warning System, created with the Multilayer Perceptron model from Artificial Neural Networks, was tested based on training and validation performances. Among the models created, the highest performance was achieved by a model with the trainlm backpropagation algorithm, tanh and softmax activation functions in the hidden layers, and a purelin activation function in the output layer, accurately identifying crisis and normal periods with 100% accuracy.

Key words: Artifccal Neural Network, Early Warning Systems, financial crises, leading ındicators, Financial Stress Index. JEL Codes: G01, C40, C45.

---

Türkiye’de Finansal Krizlerin Öngörülebilirliği: YSA Tabanlı Erken Uyarı Sistemi

Ozet
Dünya ekonomisinin entegre hale gelmesi, finans piyasalarında sınırların kalkmasına ve finansal krizlerin yayılması ve etkilerinin daha güçlü bir şekilde hissedilmesine neden olmuştur. Krizlerin negatif etkilerinin bertaraf edilmesi ve ekonomik istikrar sağlayıcı politikaların uygulanabilmesi amacıyla yapay zekâ tekniklerinden yapay sinir ağı tabanlı Erken Uyarı Sistemi geliştirilmiştir. Bu çalışmada öncü göstergeler literatüründe sıklıkla kullanılan 14 değişkene ait 1992:01 2022:12 dönemi için aylık veriler kullanılmıştır. Kriz dönemleri Finansal Baskı Endeksi ile oluşturulmuş ve Türkiye’de meydana gelen finansal krizlerle örtüşen kriz dönemleri tespit edilmiştir. Yapay Sinir Ağları modellerinden Çok Katmanlı Algılayıcı modeli ile oluşturulan Erken Uyarı Sistemi test, eğitim ve doğrulama performanslarına göre test edilmiştir. Oluşturulan modeller arasında en yüksek performan, trainlm geri yayılım algoritmasına sahip, ara katmanlarında tansig ve softmax, çıktı katmanında ise pürelin aktivasyon fonksiyonu bulunan model tarafından sağlanmış ve kriz dönemleri ve normal dönemler yüzde 100 doğrulukla tespit edilmiştir.

Anahtar Kelimeler: Yapay Sinir Ağları, Erken Uyarı Sistemleri, finansal krizler, öncü göstergeler, Finansal Baskı Endeksi. JEL Sınıflaması: G01, C40, C45.