Birol YILDIZ, Ramazan AKTAŞ, M. Mete DOĞANAY

Mali Başarısızlığın Öngörülmesi: İstatistikel Yöntemler ve Yapay Sinir Ağı Karşılaştırması

Mali başarısızlığa uğramış işletmelerin sayısındaki artış ülke kaynaklarının iyi kullanılmadığının bir göstergesidir. Bu nedenle, mali başarısızlığın öngörülmesi kaynakların doğru kullanılması açısından önem taşımaktadır. Mali oranlan değişken olarak kullanan yöntemler çok boyutlu istatistiksel yöntemler ve yapay sinir ağı yöntemi olarak iki ana grupta toplanabilir. Bu çalışmada, mali başarısızlığın öngörülmesinde sıkça kullanılan çok boyutlu istatistiksel yöntemlerden çoklu regresyon modeli, diskriminant analizi ve logit modeli ile önce deney grubu verileri kullanılarak mali başarısızlık öngörü modelleri geliştirilmiş ve daha sonra bu modellerin kontrol grubu verileri üzerinde geçerlilik testi yapılmıştır. Geçerlilik test sonuçlarına göre mali başarısızlığı yansız olarak en iyi öngören modelin çoklu regresyon modeli olduğu belirlenmiştir. Aynı fşlemler yapay sinir ağı modeli için de yapılmış ve yapay sinir ağının geçerlilik-testi sonucu mali başarısızlığı öngörme gücünün çoklu regresyon modelinden daha üstun olduğu tespit edilmiştir.

Financial Failure Prediction: Comparison of Statistical Techniques with the Neural Networks

Financial failure is of great importance concerning a country's economy. A rise in the number of financially failed companies indicates that a country's resources are not utilized rationally. Prediction of financial failure is very important because it is a way of preventing allocation of resources to unproductive areas. Financial ratios are generally used as explanatory variables in financial failure prediction models. These models can be classified as multivariate Statistical models and neural networks. İn this article first, multiple regressioh, logit and discriminant analysis, which are the most common multivariate Statistical techniques, are used with experimental data to construct financial failure prediction models. Then, validity tests of meşe models are conducted by using control data. After the validity tests it is found that the best-unbiased model, which predicts the financial failure, is multiple regression. The same procedure is also followed when a neural network model is constructed and validated. After the validity test it is found that the explanatory power of neural network model is better than that of the multiple regression. So, it is also observed in this analysis that the prediction power of neural network is better than other techniques. This result is in accordance with the others in literature.

PDF

___

AKTAŞ, Ramazan (1993), Endüstri işletmeleri için Mali Başarısızlık Tahmini (Çok Boyutlu Model Uygulaması) (Ankara: Türkiye iş Bankası Kültür Yayınlan No: 323).
ALTMAN, Edward .1. (1968), "Financial Ratios, Discriminant Analysis and the Prediction of Corporate Bankruptcy," The Journal of Finance, XXIII/4:589-609.
ALTMAN, Edvvard .l. (1983), Corporate Financial Distress: A Complete Cuide to Predicting, Avoidins and Dealing with Bankruptcy (New York: John WHey and Sons).
AZİZ, Abdül-David C./EMANNUEL, Gerald H./UWSON (1988), "Bankruptcy Prediction-An Investigation of Cash Flow Based Models," Journal of Management, 25/5:419-437.
BISHOP, Christopher M.(1997), Neural Networks for Pattern Recognition (Oxford: Clerendon Press).
CASEY, Cornelius/BARTCZAK, Norman (1984), "Cash Flow-lt's not Bottom Line," Harvard Business Review, Temmuz-Ağustos:60-68.
EDMISTER, R.O. (1972), "An Emprical Test of Financial Ratio Anaysis for Small Business Failure Prediction," Journal of Financial and Quantitative Analysis, Mart: 1477-1493.
FOSTER, George (1986), Financial Statement Analysis (New Jersey: Prentice-Hall International).
GENTRY, J.A./NEWBOLD, D./VVHITFORD, D.T. (1985), "Funds Flovv Components, Financial Ratios and Bankruptcy," Journal of Business Finance and Accounting, 14/4:595-605.
GOONATILAKE, Suran/ TRELEAVEN, Philip (1995), Intelligent Systems for Finance and Business (Chichester: Wiley).
GÖKTAN, Erkut (1981), Muhasebe Oranlan Yardımıyla ve Diskriminant Analizi Tekniğini Kullanarak Endüstri işletmelerinin Mali Başarısızlığının Tahmini Üzerine Amprik Bir Araştırma (Basılmamış Doçentlik Tezi).
HAIR, Joseph F./ROLPH, Andrson E./TATHAM, William C. (1989), Multivariate Data Analysis (New Jersey: Prentice-Hall International).
HING, A./LAU, L. (1987), "A Five-State Financial Distress Prediction Model," Journal of Accounting Research, 25/1:127-138.
KARAN, Mehmet Baha/GANAMUKKALA, Vijayakumar (1996), "Prediction of Financially Unsuccessful Companies Using MDA and ARA Techniques: An Emprical Study on istanbul Stock Exchange," METU Studies in Development, 23/3:357-376.
MADDALA, G.S. (1988), Introduction of Econometrics (New York: McMillan Publishing Company).
MEYER, P.A./PIFER, H.W. (1970), "Prediction of Bank Failures," Journal of Finance, 25:853-868.
OHLSON, James A. (1980), "Financial Ratios and the Probabilistic Prediction of Bankruptcy," Journal of Accounting Research, 18/1:109-131.
SCHALKOF, Robert J. (1997), Artificial Neural Hetworks .(New York: The McGraw-Hill Companies).
TRIPPI, Robert R./TURBAN, Efraim (1996), Neural Network in Finance and Investing (Chicago: lrwin Professional Pub.).
VEMURI, Rao V. (1992), Artificial Neural Networks: Concepts and Control Application (California: IEEE Computer Society Press).
YILDIZ, Birol (2001), "Finansal Başarısızlığın Öngörülmesinde Yapay Sinir Ağı Kullanımı ve Halka Açık Şirketlerde Ampirik Bir Uygulama," İMKB Dergisi, 5/17:52-67.