Levent GÜNTAY, Emrah AHİ

Pay Getirilerinin Basıklık ve Çarpıklığının İflas ve Temerrüt Olasılıkları Üzerine Etkisi

Amaç – Bu çalışmanın amacı şirket pay getirilerinin ilk dört momentini (ortalama, volatilite, basıklık ve çarpıklık) kullanarak finansal rasyo kullanan iflas ve temerrüt modellerinin tahmin gücünü artırmaktır. Yöntem – Çalışmada 1980 ile 2011 arasında halka açık yaklaşık 10.000 Amerikan şirketi için istatistiksel iflas, temerrüt, ve finansal sıkıntı olasılıklarını açıklayan bir çokterimli lojistik modeli kestirilmektedir. Bulgular – Elde edilen sonuçlar, pay getirilerinin ilk dört momentinin ve bunları gecikmeli değerlerinin halka açık Amerikan şirketlerinin iflas ve temerrüt olasılıklarını efektif olarak tahmin edebildiğini göstermektedir. Tartışma – Günümüzde şirketlerin iflas ve temerrüt olasılıkları oynaklık göstermekte ve kısa süre içinde değişebilmektedir. Bu olasılıkların tahmininde kullanılan finansal rasyolar üç ayda bir güncellenirken, pay getirileri hızlı frekanslarda (örneğin dakika bazında) güncellenebilmektedir. Bu sebeple, iflas ve temerrüt modellerinde finansal rasyolara ek olarak pay getirilerinin kullanılması bu modellerin tahmin gücünü önemli ölçüde artıracaktır.

The Effect of the Skewness and Kurtosis of Stock Returns on the Bankruptcy and Default Probabilities

Purpose – The aim of this study is to increase the predictive power of bankruptcy and default models based on financial ratios by additionally using the first four moments of company stock returns (mean, volatility, kurtosis and skewness). Design/methodology/approach – In this study, a multinomial logistic model is estimated to explain the statistical probabilities of bankruptcy, default, and financial distress for approximately 10,000 publicly traded American companies between 1980 and 2011. Findings – The results show that the first four moments of stock returns and their lagged values can effectively predict the bankruptcy and default probabilities of publicly traded American companies. Discussion – The bankruptcy and default probabilities of companies are volatile and can change in a short period of time. While financial ratios used in the estimation of these probabilities are updated quarterly, stock returns can be updated more frequently (for example, updated every minute). For this reason, the use of stock returns in addition to financial ratios in bankruptcy and default models can significantly improve the predictive power of these models.

PDF

___

Aktaş, R. (2003). Mali Başarısızlığın Öngörülmesi: İstatistiksel Yöntemler ve Yapay Sinir Ağı Karşılaştırılması. Ankara Üniversitesi SBF Dergisi, 58(04)
Altman, E. (1968). Financial Ratios, Discriminant Analysis and The Prediction of Corporate Bankruptcy. The Journal of Finance, 23(4): 589-609
Baesens, B., Roesch, D. ve Scheule, H. (2016). Credit risk analytics: Measurement techniques, applications, and examples in SAS . John Wiley & Sons.
Bali, T. G., Mo, H. ve Tang, Y. (2008). The role of autoregressive conditional skewness and basıklık in the estimation of conditional VaR. Journal of Banking & Finance, 32(2), 269-282
Bali, T. G. ve Theodossiou, P. (2007). A conditional-SGT-Va approach with alternative GARCH models. Annals of Operations Research, 151(1), 241-267
Beaver, W. H., McNichols, M. F. ve Rhie, J. W. (2005). Have financial statements become less informative? Evidence from the ability of financial ratios to predict bankruptcy. Review of Accounting Studies, 10(1), 93-122
Beaver, W. H. (1966). Financial Ratios as Predictors of Failure, Journal of Accounting Research, 4: 71-111
Beaver, W.H., Ketler, P. ve Scholes, M. (1970). The Association Between Market Determined and Accounting Determined Risk Measures. The Accounting Review, 45(4): 645-682
Berk, J. ve DeMarzo, P. (2017). Corporate Finance, Global Fourth Edition. Essex: Person Education Limited
Bharath, S. T. ve Shumway, T. (2008). Forecasting Default with the Merton Distance to Default Model., Review of Financial Studies, 21(3): 1339-1369
Bozkurt, İ. (2014). İflas Olasılığı ile Sistematik Risk İlişkisinin İncelenmesi ve Etkin İflas Göstergesi Modellerinin Tespiti: BİST’de Ampirik Bir Uygulama. Süleyman Demirel Üniversitesi İktisadi ve İdari Bilimler Fakültesi Dergisi, 19(4)
Campbell, J. Y., Hischer, J. ve Szilagyi, J. (2008). In Search of Distress Risk. The Journal of Finance, 63(6): 2899- 2939
Carr, P. ve Wu, L. (2010). Stock options and credit default swaps: A joint framework for valuation and estimation. Journal of Financial Econometrics, 8(4), 409-449
Carr, P. ve Wu, L. (2011). A simple robust link between American puts and credit protection. Review of Financial Studies, 24(2), 473-505
Chava, S. ve Jarrow, R. (2004). Bankruptcy Prediction with Industry Effects. Review of Finance, 8(4): 537-569
Chava, S. ve Purnanandam, A. (2010). “Is default Risk Negatively Related to Stock Returns? Review of Financial Studies, 23(6): 2523-2559
Duffie, D., Saita, L.ve Wang, K. (2007). Multi-period corporate default prediction with stochastic covariates. Journal of Financial Economics, 83(3), 635-665
Griffin, J. M. ve Lemmon, M. L. (2002). Book-to-market equity, distress risk, and stock returns. The Journal of Finance, 57(5): 2317-2336
Hillegeist, S. A., Keating, E. K., Cram, D. P. ve Lundstedt, K. G. (2004). Assessing the Probability of Bankruptcy, Review of Accounting Studies, 9(1): 5-34
Hosmer Jr, D. W., Lemeshow, S., & Sturdivant, R. X. (2013). Applied logistic regression (Vol. 398). John Wiley & Sons.
Kulalı, İ. (2014). Muhasebe Temelli Tahmin Modelleri Işığında, Finansal Sıkıntı ve İflasın Karşılaştırılması. Sosyoekonomi, 22(22)
Merton, R. C. (1974). On the pricing of corporate debt: The risk structure of interest rates. The Journal of Finance, 29(2), 449-470
Neter, J., Wasserman, W.ve Kutner, M. H. (1985). Applied linear statistical models: Regression. Analysis of Variance, and Experimental Designs, 2nd Edition, Homewood: Richard D.
Ohlson, J. A. (1980). Financial Ratios and The Probabilistic Prediction of Bankruptcy. Journal of Accounting Research, 109-131
Shumway, T. (2001). Forecasting Bankruptcy More Accurately: A Simple Hazard Model. The Journal of Business, 74(1), 101-124
Sun, J., Li, H., Huang, Q. H.ve He, K. Y. (2014). Predicting financial distress and corporate failure: A review from the state-of-the-art definitions, modeling, sampling, and featuring approaches. Knowledge-Based Systems, 57, 41-56
Ural, K., Gürarda, Ş.ve Önemli, M. B. (2015). Lojistik Regresyon Modeli İle Finansal Başarısızlık Tahminlemesi: Borsa İstanbul’da Faaliyet Gösteren Gıda, İçki Ve Tütün Şirketlerinde Uygulama. Muhasebe ve Finansman Dergisi, 1(17), 85-100
Vazza, D. ve Kraemer, N. (2012) Default, Transition, and Recovery: 2012 Annual Global Corporate Default Study and Rating Transitions. Standard and Poors Ratings Direct Report, 2012
Zmijewski, M. E. (1984). Methodological Issues Related to The Estimation of Financial Distress Prediction Models. Journal of Accounting Research, 22: 59-82
Zhang, B. Y., Zhou, H.ve Zhu, H. (2009). Explaining credit default swap spreads with the equity volatility and jump risks of individual firms. Review of Financial Studies, 22(12), 5099-5131