İŞLETMELERİN FİNANSALBAŞARISIZLIĞININ VERİ MADENCİLİĞİ VE DİSKRİMİNANT ANALİZİ MODELLERİ İLE TAHMİN EDİLMESİ

Bir işletmenin fiili durumu düzenli olarak açıkladığı finansal tablolardan belirlenir. Finansal tablolara bakılarak işletmenin finansal başarı durumları tespit edilir. Finansal başarısızlığa uğramış işletmelerin sayısındaki artış işletmelerin hem kendi kaynaklarının hem de ülke kaynaklarının iyi kullanılmadığının bir göstergesidir. Bu nedenle finansal başarısızlığın tahmin edilmesi önem arz eder. Bu çalışmada ilk olarak başarılı ve başarısız işletmeler belirlenerek istatistiki modeller kurulması için örnek, kestirim seti ve kontrol seti oluşturulmuştur. Daha sonra kontrol grubu ve veri seti kullanarak İMKB’de işlem gören 140 sanayi işletmesinin 2005-2008 yılları arasındaki finansal başarısızlıkları veri madenciliği ve diskriminant analizi modelleri ile tahmin ederek hangi yöntemin daha iyi sonuç verdiği tespit edilmiştir.

İŞLETMELERİN FİNANSALBAŞARISIZLIĞININ VERİ MADENCİLİĞİ VE DİSKRİMİNANT ANALİZİ MODELLERİ İLE TAHMİN EDİLMESİ

Bir işletmenin fiili durumu düzenli olarak açıkladığı finansal tablolardan belirlenir. Finansal tablolara bakılarak işletmenin finansal başarı durumları tespit edilir. Finansal başarısızlığa uğramış işletmelerin sayısındaki artış işletmelerin hem kendi kaynaklarının hem de ülke kaynaklarının iyi kullanılmadığının bir göstergesidir. Bu nedenle finansal başarısızlığın tahmin edilmesi önem arz eder. Bu çalışmada ilk olarak başarılı ve başarısız işletmeler belirlenerek istatistiki modeller kurulması için örnek, kestirim seti ve kontrol seti oluşturulmuştur. Daha sonra kontrol grubu ve veri seti kullanarak İMKB’de işlem gören 140 sanayi işletmesinin 2005-2008 yılları arasındaki finansal başarısızlıkları veri madenciliği ve diskriminant analizi modelleri ile tahmin ederek hangi yöntemin daha iyi sonuç verdiği tespit edilmiştir.

___

  • AKEL, V. ve BAYRAMOĞLU M. F, (2008) "Kriz Dönemlerinde Yapay Sinir Ağları Ġle Finansal Öngörüde Bulunma: ĠMKB 100 Endeksi Örneği", International Symposium on International Capital Flows and Emerging Markets, 24-27 Nisan, Balıkesir, Bandırma.
  • AKGÜÇ Ö. (1998) Finansal Yönetim, 7. Baskı, Ġstanbul : Avcıol Basım-Yayım. AKPINAR, Haldun, (2000) “Veri Tabanlarında Bilgi KeĢfi ve Veri Madenciliği”, Ġstanbul Üniversitesi ĠĢletme Fakültesi Dergisi, 29(1), 1-22.
  • ALTMAN, E. I., (1968) “Financial Ratios, Discriminant Analysis and The Predictionof of Corporate Bankruptcy”, The Journal of Finance, 23(4), 589- 609.
  • BEAVER W. H., (1966) “Financial Ratios as Predictors of Failure”, Journal of Accounting Research, Empirical Research in Accounting: Selected Studies, 4, 71-111.
  • BEAVER, W. H. (1968) “Alternative Accounting Measures As Predictors of Failure”, The Accounting Review, January, pp.113-122.
  • BELL, T.B., (1997) “Neutral Nets or the Logit Model? A Model Comparison of Each Model’s Ability to Predict Commercial Bank Failures”, International Journal of Intelligent Systems in Accounting, Finance and Management, 6, 249-264.
  • CANBAġ, S., ÇABUK A. ve KILIÇ S. B., (2005) “Bankaların Finansal Yapısının Çok DeğiĢkenli Ġstatistiksel Yönteme Dayalı Analizi ve Mali BaĢarısızlık Tahmini: Türkiye Uygulaması”, http://idari.cu.edu.tr/suleyman/mali.pdf. E.T.: (04.06.2011).
  • ÇOKLUK, Ö., ġEKERCĠOĞLU, G. ve BÜYÜKÖZTÜRK, ġ., (2010) Sosyal Bilimler için Çok Değişkenli İstatistik, SPSS ve LISREL Uygulamaları, 1. Baskı, Ankara: Pegem Yayıncılık.
  • EUGENE F. B. and GAPENSKI L. C., (1994) Financial Management: Theory and Practice, Seventh Edition, The Dryden Press.
  • KOYUNCUGĠL, A.S. ve ÖZGÜLBAġ N., (2008) “ĠMKB’de ĠĢlem Gören Kobi’lerin Güçlü ve Zayıf Yönleri: CHAĠD Karar Ağacı Uygulaması”, 23(1), 1-21.
  • MUZIR, E. ve ÇAĞLAR, N., (2009) “The Accuracy of Financial Distress Prediction Models in Turkey: A Comparative Investigation With Simple Model Proposals”, Anadolu Üniversitesi Sosyal Bilimler Dergisi, 9(2), 15-48
  • ODOM, M. D. and SHARDA R. “A Neural Network for Bankruptcy Prediction”, IJCNN International Joint Conference on Neural Networks, 2, San Diego, CA, 163-167.
  • OHLSON, J. A., “Financial Ratios and the Probabilistic Prediction of Bankruptcy”, Journal of Accounting Research, 18(1), 109-131.
  • OLSON, D. and Delen D. (2008) Advanced Data Mining Techniques, Heidelberg, Springer-Verlag.
  • ÖZ, B., (2005) “Türkiye’de Ticari Bankaların BaĢarısızlığında Etkisi Olan Faktörlerin Çok DeğiĢkenli Ġstatistik Yöntemlerle Ġncelenmesi”, (YayınlanmamıĢ Doktora Tezi), Ġstanbul Ü. Sosyal Bilimler Enstitüsü Sayısal Yöntemler ABD.
  • ÖZDAMAR, K., (1999) Paket Programlar ile İstatistiksel Veri Analizi (Çok Değişkenli Analizler), EskiĢehir: Kaan Kitabevi.
  • ÖZKAN,Y., (2008) Veri Madenciliği Yöntemleri, 1. Baskı, Ġstanbul: Papatya Yayıncılık.
  • ÖZMEN, ġ., (2001) “ĠĢ Hayatı Veri Madenciliği ile Ġstatistik Uygulamalarını Yeniden KeĢfediyor”, idari.cu.edu.tr/sempozyum/bil38.htm
  • SEYREK, Ġ.H. ve ATA, H.A., (2010), “Veri Zarflama Analizi ve Veri Madenciliği ile Mevduat Bankalarında Etkinlik Ölçümü”, BDDK Bankacılık ve Finansal Piyasalar, 4(2), 67-84.
  • TORUN, T., (2007) Finansal BaĢarısızlık Tahmininde Geleneksel Ġstatistiki Yöntemlerle Yapay Sinir Ağlarının KarĢılaĢtırılması ve Sanayi ĠĢletmeleri Üzerinde Uygulama, (YayınlanmamıĢ Doktora Tezi), Erciyes Ü. Sosyal Bilimler Enstitüsü, Muhasebe-Finansman ABD, Kayseri
  • TSIPTSIS, K. and CHORIANOPOULOS, A., (2009) Data Mining Techniques in CRM Inside Customer Segmentation, John Wiley & Sons Publishing,
  • TÜRKSOY A., (2007) “Konaklama ĠĢletmelerinde Mali BaĢarısızlığa Yol Açan Etmenler”, Ege Akademik Bakış, 7(1), 99–115
  • VURAN, B., (2009) “Prediction Of Business Failure: A Comparison Of Discriminant And Logistic Regression Analyses”, İstanbul Üniversitesi İşletme Fakültesi Dergisi, 38(1), 47-65.
  • WILCOX, J. W. (1971), “A Simple Theory of Financial Ratios As Predictors of Failure”, Journal of Accounting Research, 9(2), 389-395.