Erhan DEMİRELİ, Göktuğ Cenk AKKAYA, Ümit Hüseyin YAKUT

İşletmelerde finansal başarısızlık tahminlemesi: Yapay sinir ağları modeli ile İMBK üzerinde bir uygulama

Finansal basarısızlık olgusu isletmelerde finansal yeterliliklerin yerine getirilememesini ifade etmektedir. Bununla birlikte ülke ekonomisinin mikro birimleri olan isletmelerin yasadıgı finansal basarısızlıklar makro boyutlu olarak da degerlendirilmelidir. Bu anlamda isletme basarısızlıkları hem ülke ekonomisinin basarı ölçütü olması açısından hem de firmaların finansal yeterliliklerini yerine getirebilirliginin belirlenmesi açısından önem arz etmektedir. Finansal basarısızlıkların belirlenmesinde çok farklı yaklasımlar bulunmaktadır. Bu çalısmada finansal basarısızlıkların tahmin edilmesinde kullanılan yapay sinir agları modeli ele alınmıstır. Bu kapsamda Tekstil ve Kimya Petrol ve Plastik sektörlerinde faaliyet gösteren isletmelerin finansal basarısızlıklarının bir yıl öncesinden belirlenmesine yönelik bir model gelistirilmistir. Çalısma sonucunda yapay sinir agı modeli toplam 11 basarılı isletmeden 9 tanesini dogru sınıflarken 2 tanesini hatalı sınıflandırmıstır. Yani model basarılı isletmelerin yaklasık % 82’sini dogru tahminlemistir. Yapay sinir agları test setinde yer alan 10 tane basarısız isletmeyi de %80 oranında dogru sınıflandırmıstır. 10 tane basarısız isletmeden 8’i dogru olarak sınıflandırırken 2 tanesi de hatalı sınıflandırılmıstır. Yapay sinir aglarında toplam sınıflandırma dogrulugu incelendiginde egitim setinin tamamı dogru sınıflandırılırken, test setinin toplam sınıflandırma dogrulugu yaklasık % 81 olarak gerçeklesmistir.

Prediction of corporate financial distress: An application on ISE using neural networks model

The concept of financial unsuccesfulness indicates financial inability in the corporation. Financial unsuccefsulnesses experienced by micro units of a country, corporation, needs to be evaluated at macro level. In this sense, the financial unsuccesfulnesses are critical in measuring both the succes of a national economy and firms’ financial abilities. There are different approaches for determining the financial inabilities. This study is on the neural Networks model that are used to determine the financial inabilities.The study develops a model to determine financial inabilities in sectors of textile, chemistry, petroleum, and plastic a year ahead. According to the results of the study, the neural network model has classified 9 of eleven succesful corporations correctly and 2 of them incorrectly. This means that the model has forecasted approximately 82% of the ressults correctly. Moreover, the model has classified 8 of 10 unsuccesful corporations in the test set correctly and 2 of them incorrectly. This means that the model has classified 80% of the results correctly. Regarding the total classification correctness of the model research indicates that the model has classified the education set %100 correctly while the total correctness of the test set is approximately 81%.

PDF

___

Akel, V., Bayramoglu, M. F., (2008). "Kriz Dönemlerinde Yapay Sinir Agları İle Finansal Öngörüde Bulunma: İMKB 100 Endeksi Örnegi", International Symposium on International Capital Flows and Emerging Markets, Balıkesir, Bandırma, 107–117
Aktas, R., Doganay, M., Yıldız B., (2003). Finansal Basarısızlıgın Öngörülmesi: İstatistiksel Yöntemler ve Yapay Sinir Agı Karsılastırması, Ankara Üniversitesi SBF Dergisi, Cilt 58, Sayı:4, 1-24
Altas, D., Giray, S., (2005). Sosyal Bilimler Dergisi, 2, 13–27.
Altay, E., M. Satman, H. (2005). “Stock Market Forecasting: Artificial Neural Networks and Linear Regression Comparison in an Emerging Market”, Journal of Financial Management and Analysis, 18 (2), 18-33.
Avcı, E., (2007). Forecasting Daily And Sessional Returns Of The ISE– 100 Index With Neural Network Models, Dogus Üniversitesi Dergisi, 8 (2), 128–142
Bas M., Tolon, M., Güneri Tosunoglu, N. (2008). Alısveris Merkezi Tüketicilerinin Tatmininin Yapay Sinir Agları Yöntemiyle Ölçülmesi, Muhan Soysal İsletmecilik Konferansı, Ortadogu Teknik Üniversitesi Kuzey Kıbrıs Kampusu, 03–06 Eylül, 1-10.
Beaver, W.H. (1967). Financial Ratios as Predictors of Failure, Empirical Research in Accounting: Selected Studies 1966, Journal of Accounting Research/Supplement, V, January: 71-111.
Benli Keskin, Y., (2005). Gazi Üniversitesi Endüstriyel Sanatlar Egitim Fakültesi Dergisi Sayı:16, 31–46
Çinko, M., (2006). Kredi Kartı Degerlendirme Tekniklerinin Karsılastırılması, (2006), İstanbul Ticaret Üniversitesi Sosyal Bilimler Dergisi, Yıl: 5, Sayı: 9, Bahar /1, 143- 153
Çuhadar, M.; Güngör, ., Göksu, A., (2009). Turizm Talebinin Yapay Sinir Agları İle Tahmini ve Zaman Serisi Yöntemleri İle Karsılastırmalı Analizi: Antalya İline Yönelik Bir Uygulama, Süleyman Demirel Üniversitesi İktisadi ve İdari Bilimler Fakültesi Dergisi, Cilt: 14, Sayı: 1, 99–114.
Demir, R., Ülengin, F., (2008). Yapay Sinir Agları Yardımı İle Sirket Birlesmelerinin Kestirimi, İTÜ Dergisi/d, Cilt: 7, Sayı:6, 92–101
Egrioglu, E., Aladag, Ç.H., Günay, S., (2007). Uzun Dönem Bagımlı Zaman Serilerinin Yapay Sinir Agları ile Öngörülmesinde Mimari Seçim Ölçütlerinin Karsılastırılması, İnönü Üniversitesi, 8. Türkiye Ekonometri ve İstatistik Kongresi, Malatya, s 1–10
Erdem, S, Çakır, S., (2005). Dogrusal Olmayan Kısıtlı Programlama ile Yapay Sinir Aglarının Egitilmesi, Bilimde Modern Yöntemler Sempozyumu, Kocaeli Üniversitesi
Ergülen, A, Topuz, D., (2008). İsletmelerdeki Verimliligin Tahmin Edilebilmesi ve Bu Verimliligi Etkileyen Faktörlerin MLP Tipi Yapay Sinir Agları Teknigi İle Belirlenmesi, Mustafa Kemal Üniversitesi Sosyal Bilimler Enstitüsü Dergisi, Cilt: 5, Sayı:10, 219 -231.
Huang, W, Laı, K. K., Nakamorı, Y., Wang, S., Yu, L., (2007). Neural Networks In Finance And Economics Forecasting, International Journal of Information Technology & Decision Making, Vol. 6, No. 1113–140
Kodogıannıs, V. Lolıs, A., (2002). Forecasting Financial Time Series using Neural Network and Fuzzy System-based Techniques, Neural Comput & Applic, 11:90–102
Küçükkocaoglu, G., Benli Keskin, Y., Küçüksözen, C., (2005). Finansal Bilgi Manipülasyonunun Tespitinde Yapay Sinir Agı Modelinin Kullanımı, İMKB Dergisi, Sayı 36, Yıl 9. , s 1-23
Nguyen, H. G., (2005). Using Neutral Network in Predicting Corporate Failure, Journal of Social Sciences 1 (4): 199–202,
Perez, M. (2006). Artificial Neural Networks And Bankruptcy Forecasting: A State Of The Art, Neural Comput & Applic 15: 154–163.
Raymond, S., Lee T., James, N., Lıu, K., (2001). International Journal of Computational Intelligence and Applications, Vol: 1, No:4, pp 439– 451.
Roh, T. H., (2007). Forecasting The Volatility Of Stock Price Index, Expert Systems with Applications 33, 916–922.
Sapena, O., Bottı, V., (2003). ARGENTE, E., Applied Artificial Intelligence, 17, , 661–673.
Sezgin, F. H., Özdamar, Ö. E., (2009). TC. Basbakanlık Türkiye İstatistik Kurumu, İstatistik Arastırma Sempozyumu, Ankara.
Sahin Önsel, S., Ülengin, F., Ülengin, B., (2002). Senaryo Analizi İçin Dinamik Bir Yaklasım Önerisi, İTÜ dergisi/b sosyal bilimler Cilt:1, Sayı:1, 35–46.
Torun, T., (2007). Finansal Basarısızlık Tahmininde Geleneksel İstatistiki Yöntemlerle Yapay Sinir Aglarının Karsılastırılması Ve Sanayi İsletmeleri Üzerinde Uygulama, Erciyes Üniversitesi Sosyal Bilimler Enstitüsü, Yayınlanmamıs Doktora Tezi, Kayseri, Türkiye
Wallace M. P., (2008). Neural Networks And Their Application To Finance, Business Intelligence Journal, July- pp 67 – 76
Yeloglu, Ö., Ugur, A., (2004). Modern Programlama Platformlarında Yapay Sinir Agı Yazılımlarının Gelistirilmesi, Developing Neural Network Applications on Modern Programming Platforms, Bilgitek 2004, Pamukkale University, Denizli Turkey,
Yüksek, A. G., Bircan, H., Zontul, M., Kaynar, O., (2007). Sivas İlinde Yapay Sinir Agları İle Hava Kalitesi Modelinin Olusturulması Üzerine Bir Uygulama, Cumhuriyet Üniversitesi İktisadi ve İdari Bilimler Fakültesi Dergisi, Cilt: 8, Sayı: 1, ,Sivas, s 97–112
Zontul, M., Kaynar, O., Bircan, H., (2004). SOM Tipinde Yapay Sinir Aglarını Kullanarak Türkiye’nin İthalat Yaptıgı Ülkelerin Kümelenmesi Üzerine Bir Çalısma, Cumhuriyet Üniversitesi İktisadi ve İdari Bilimler Fakültesi Dergisi, Cilt: 5, Sayı: 2, ,Sivas, s 47 – 68.
www.imkb.gov.tr, (Eriism Tarihi: 26.05.2009)