Finansal Başarisizlik Tahmin Yöntemlerinin Karşilaştirmali Analizi: Hisse Senetleri İstanbul Menkul Kiymetler Borsasi'nda İşlem Gören Sinai İşletmeler Üzerinde Bir Uygulama

Bu çalişmada, finansal başarisizlik tahmininde kullanilan çok değişkenli istatistiksel modellerden lojistik regresyon, siniflama ve regresyon ağaçlari ve yapay sinir ağlari yöntemleri ile finansal başarisizlik tahmin edilmiş, sonuçlar karşilaştirilarak en uygun tahmin model, finansal başarisizlik tahmininde en etkili değişkenler ve başarisizlik tahminlerinin en doğru sonuçlari verdiği inceleme dönemi belirlenmeye çalişilmiştir. Analizler hisse senetleri 1997-2007 yillari arasinda İstanbul Menkul Kiymetler Borsasi'nda (İ.M.K.B) işlem gören sinai işletmeleri üzerinde gerçekleştirilmiştir. Tüm yöntemler finansal başarisizlik tarihinden 1, 2 ve 3 yil öncesinden başarili ve başarisiz işletmeleri yüksek doğruluk oranlarinda tahmin etmeyi başarmiştir. Ancak yapay sinir ağlari modelinin diğer modellere göre daha düşük tahmin başarisi gösterdiği ve siniflama ve regresyon ağaçlari yöntemi ile başari düzeyi yüksek sonuçlar elde edildiği saptanmiştir. Başarisizlik tarihinden önceki yillarda tahmin başarisinin düştüğü, karlilik oranlari başarili ve başarisiz işletme ayriminin yapilmasinda en etkili oran grubu olduğu belirlenmiştir.

Comparative Analysis of Financial Failure Prediction Methods: An Application on Industry Companies Trading in İstanbul Stock Exchange

In this study we predicted financial failure with linear discriminant analysis, neutral Networks and classification and regression trees (CART) which are among the multivariable tecniques. We aimed at camparison this predictings and determine which method and period can yield the most correct result. Analysis were applied for datas for industry companies trading in İstanbul Stock Exchange between 1997-2007. As a result of this study, although all methods have high predicting power of financial failure one, two and three years prior to failure, neutral Networks has lower and classification and regression trees has the highest predicting power than other methods. Profitability ratios being the most important ratios in the prediction of failure.

___

  • AKTAŞ, Ramazan; (1993), Endüstri İşletmeleri İçin Mali Başarısızlık Tahmini , Türkiye İş Bankası Kültür Yayınları, Ankara.
  • AKTAŞ, Ramazan; Mete DOĞANAY ve Birol YILDIZ; (2003) " Mali Başarısızlığın Öngörülmesi İstatistiksel Yöntemler ve Yapay Sinir Ağı Karşılaştırması", Ankara Üniversitesi Siyasal Bilgiler Fakültesi Dergisi, 58(4), ss.1-24.
  • ALTMAN Edward I.; (1968), "Financial Ratios, Discriminant Analysis and The Prediction of Corporate Bankruptcy", The Journal of Finance, Vol. XXIII(4), pp. 589-609.
  • BEAVER William H.; (1966), "Financial Ratios as Predictors of Failure", Empirical Research in Accounting: Selected Studies, Journal of Accounting Research, Supplement to 5, pp. 71-111.
  • BENLİ, Yasemin Keskin; (2002), "Finansal Başarısızlığın Tahmininde Yapay Sinir Ağı Kullanımı ve İMKB' de Uygulama", Muhasebe Bilim Dünyası Dergisi, 4(4), ss.17-30.
  • BENLİ, Yasemin Keskin; (2006), " Mali Açıdan Başarılı ve Başarısız işletmelerin Mali Oranları arasındaki ilişkilerin Faktör Analizi İle İncelenmesi", Muhasebe ve Denetime Bakış, 17, ss.53-71.
  • CANBAŞ, S.; A. ÇABUK, S.B. KILIÇ;(2005), " Prediction of Bank Failure via Multivariate Statistical Analysis of Financial Structures: The Turkish Case", Europen Journal of Operational Research, 166, ss. 528-546.
  • CHEN, Jianguo; Ben MARSHALL.; Jenny ZHANG and Siva GENESH; (2006), "Financial Distress Prediction in China" ,Review of Pasific Basin Financial Markets And Politics" , 9(2), pp. 317-336.
  • COŞKUN Ender, Güven SAYILGAN; (2007), "Finansal Başarısızlığın Tahmininde Sektöre Göre Düzeltilmiş Oranların Kullanılması" 11. Ulusal Finans Sempozyumu Bildiriler Kitabı, , Zonguldak, ss.111-129.
  • DEAKIN, Edvard B. (1972). "A Discriminant Analysis of Predictors of Business Failure", Journal of Accounting Research, 10-1, pp. 167-179.
  • DECONİNCK, E.; HANCOCK T.; COOMANS D.; MASSART D.L ve Heyden VANDEL; (2005), "Classification of Drugs in Absorption Classes Using the Classification and Regression Trees (CART) Methodology", Journal of Pharmaceutical and Biomedical Analysis, 39, pp. 91-103.
  • DOĞANAY, Mete; Başak N. CEYLAN ve Ramazan AKTAŞ; (2006), "Predicting Financial Failure Of the Turkish Bank", Annels of Financial Economics, 1, ss. 97-117.
  • EGE, İlhan ve Ali BAYRAKDAROĞLU; (2007), "Küreselleşme Sürecinde İMKB Şirketlerinin Hisse Senedi Getiri Başarılarının Lojistik Regresyon Tekniği ile Analizi", 8. Türkiye Ekonometri ve İstatistik Kongresi, http://eisemp8.inonu.edu.tr/bildiri-pdf/ ege-bayrakdaroglu.pdf., 10 Mayıs 2009.
  • ERSÖZ, İrem; (2003), " Secondary Structure Prediction of Hemeglobin by Using Combined Neural Networks", Çukurova Üniversite Fen Bilimleri Enstitüsü Yayınlanmamış Yüksek Lisans Tezi, Adana.
  • GUJARATI, Damador N.; (2001), Temel Ekonometri, Çev.: Ü. Şenesen, Literatür Yayınları, İstanbul. İŞYAR, Yüksel; (1999), Ekonometrik Modeller, Vigaş A.Ş. 2. Baskı, Bursa. Dergisi, 5(1), ss. 25-43.
  • KAYRİ, Murat; Murat BOYSAN; (2008), "Bilişsel Yatkınlık ile Depresyon Düzeyleri İlişkisinin Sınıflandırma ve Regresyon Ağacı Analizi ile İncelenmesi", Hacettepe Üniversitesi Eğitim Fakültesi Dergisi", 34, ss.168-177.
  • KOYUNCUGİL, Ali Serhan ve Nermin ÖZGÜLBAŞ; (2008), " İMKB' de İşlem Gören KOBİ' lerin Güçlü ve Zayıf Yönleri: CHAİD Karar Ağacı Uygulaması", Dokuz Eylül Üniversitesi İktisadi ve İdari Bilimler Fakültesi Dergisi, 23(1), ss. 1-21.
  • KUTMAN, Önder; (2001), "Türkiye'deki Şirketlerde Erken Uyarı Göstergelerinin Araştırılması" Doğuş Üniversitesi Dergisi, 4, ss. 59-70.
  • LEE, Wo-Chiang (2008); An Emprical Comparison of Bankruptcy Models: Evidence From Taiwan, erişim adresi:www.if.lib. au.edu, 12.06.2009.
  • LEWİS, R.(2000) "An introduction to classification and regression rree (CART) analysis, Academic Emergency Medicine, http://www.saem.org/download/lewis1.pdf]., 22.04.2008 Lİ, Yong; (2006), "Predicting Materials Properties and Behavior Using Classification and Regression Trees", Materials Science and Engineering, 433, pp. 261-268.
  • MOİSEN, G. Gretchen ve Tracey S. FRESCİNO; (2002), "Comparing Five Modelling Techniques for Predicting Forest Characteristics", Ecological Modelling, 157, pp. 209-225
  • ODOM, Marcus D., and Sharda RAMESH; (1990), "A Neural Network Model for Bankruptcy Prediction", International Joint Conference on Neural Networks, 2, pp. 163-168.
  • OĞUZLAR, Ayşe; ( 2006), "Hanehalkı Tipi ve Kır-Kent Ayırımının Diskriminant Analizi ile İncelenmesi", Akdeniz Üniversitesi İİBF Dergisi, 11, ss. 70-84
  • OĞUZLAR, Ayşe; (2005), "Lojistik Regresyon Analizi Yardımıyla Suçlu Profilinin Belirlenmesi", Atatürk Üniversitesi İİBF Dergisi, 19, ss. 21-35.
  • OHLSON, James A.; (1980), "Financial Ratios and the Probabilistic Prediction of Bankruptcy", Journal of Accounting Research, 18(1), pp. 109-131.
  • ÖNDER, Hasan ve Zeynel CEBECİ; (2002), "Lojistik Regresyonlarda Değişken Seçimi", Çukurova Üviversitesi Ziraat Fakültesi Dergisi", 17(2), ss. 105-114.
  • ÖZTEMEL Ercan; (2003), Yapay Sinir Ağları, Papatya Yayınları, İstanbul.
  • POMPEE, P.B. ve FEELDERS A..J.; (1996), " Using Machine Learning, Neural Network and Istatistics to Predict Corporate Bankruptcy: A Comparative Study", Artificial Intelligence in Economics and Management, Kluwer Academic Publisher. http://books.google.com.tr/books?id=KrMPHY, 09..5.2009.
  • TEMEL, Ö. Gülhan; Handan ÇAMDEVİREN ve Zeki AKKUŞ; (2005), " Sınıflama Ağaçları Yardımıyla Restless Legs Syndrome (RLS) Hastalarına Tanı Koyma", İnönü Üniversitesi Tıp Fakültesi Dergisi, 12(2), ss. 111-117.
  • TORUN, Talip; (2007), "Finansal Başarısızlık Tahmininde Geleneksel İstatistiki Yöntemlerle Yapay Sinir Ağlarının Karşılaştırılması ve Sanayi Şirketleri Üzerine Bir Uygulama", Erciyes Üniversite Sosyal Bilimler Enstitüsü Yayınlanmamış Doktora Tezi, Kayseri.
  • ÜNSAL, Aydın; (2001), "Mali Başarılı ve Mali Başarısız Şirketlerin Ayrımını Sağlayan Diskriminant Fonksiyonunun Bulunması", Çukurova Üniversitesi Sosyal Bilimler Dergisi, 7(7), ss.214-234.
  • WU, D., L.LIANG,; (2008), "Analyzing the Financial Distress of Chinese Public Companies Using Probabilistic Neural Networks and Multivariate Discriminant Analysis", Socio-Economic Planing Sciences. 42, pp. 206-220.
  • www.imkb.gov.tr
  • YURTOĞLU, Hasan; (2005), " Yapay Sinir Ağları Metodolojisi ile Öngörü Modellemesi: Bazı Ekonometrik Değişkenler İçin Türkiye Örneği", Yayın No: DPT-2683, DPT Uzmanlık Yeterlilik Tezi.
  • ZHANG, G.; PATUWO, B.E.; HU, M.Y.(1998); "Forecasting with Artificial Neural Networks: The State of the Art", Inter. Journal of Forecasting, Vol.14, pp. 35-62.