TÜRKİYE’DEKİ KOBİLERİN FİNANSAL BAŞARILI VE BAŞARISIZ OLMA DURUMLARININ ALTMAN, SPRİNGATE VE YAPAY SİNİR AĞLARI MODELİ İLE TAHMİN EDİLEBİLİRLİĞİ
Bu çalışmada Türkiye’de faaliyet gösteren 150 başarılı ve 178 başarısız toplam 328 KOBİ’nin, 2015 ile 2018 yılları arasındaki bilanço ve gelir tablolarından yararlanılmıştır. Çalışmanın ana amacı finansal başarısızlığı 1, 2 ve 3 yıl öncesinden tespit eden en başarılı modelin belirlenmesidir. Analizlerde Altman Z-Skor modeli, Springate S-Skor modeli ve yapay sinir ağı modeli kullanılmıştır. Analiz sonucunda Altman Z Skor modelinin doğru sınıflandırma yüzdesi başarısızlıktan 1, 2 ve 3 yıl öncesinde sırasıyla %60, %63 ve %61 olmuştur. Springate S Skor modelinin de doğru sınıflandırma yüzdesi sırasıyla %59, %61 ve %64 olmuştur. Yapay sinir ağı modelinin ise %92, %94 ve %94 oranında doğru sınıflandırma yaparak diğer modellerden daha yüksek doğru tahmin başarısına sahip olduğu tespit edilmiştir. Çalışma ile finansal başarısızlık çalışmalarında daha yüksek doğruluk oranına ulaşmak için sabit finansal oranlar yerine modern yöntemlerle seçilen finansal oranların daha başarılı sonuç verdiği anlaşılmıştır.
PREDICTABILITY OF FINANCIALLY DISTRESSED AND NON- DISTRESSED SMEs OPERATING IN TURKEY USING ALTMAN, SPRINGATE AND ARTIFICIAL NEURAL NETWORKS MODEL
In this study, the balance sheet and income statements of 150 non-distressed and 178 distressed 328 SMEs operating in Turkey between 2015 and 2018 were used. The main purpose of the study is to determine the most successful model that detects financial distress prior to 1, 2 and 3 years. Altman Z-Score model, Springate S-Score model and artificial neural network model were used in the analysis. As a result of the analysis, 1, 2 and 3 years prior to financial distress, the correct classification percentage of the Altman Z Score model was 60%, 63% and 61% , respectively. The correct classification percentage of the Springate S Score model was also 59%, 61% and 64%, respectively. It has been determined that the artificial neural network model has a higher correct prediction success than other models by making 92%, 94% and 94% correct classification, respectively. With the study, it has been understood that the financial ratios selected with modern methods instead of fixed financial ratios give more successful results in order to achieve a higher accuracy rate in financial distress studies
___
- Aker, Y. (2021). Finansal Başarısızlık Tahmininde Makine Öğrenmesi Yöntemlerinin Kullanımı: Türkiye’deki KOBİ’ler Üzerine Bir Uygulama. (Yayımlanmamış Doktora Tezi) Giresun üniversitesi, Giresun.
- Aksoy, B., ve Boztosun, D. (2019). İmalat İşletmelerinde Makine Öğrenmesi Yöntemleri Kullanılarak Finansal Başarısızlık Tahmini ve Sınıflandırma Performansının Karşılaştırılması: Borsa İstanbul Örneği, 2. Uluslar arası Bankacılık Kongresi Bildiriler Kitabı içinde (s. 11–18).
- Aktaş, R., Doğanay, M., ve Yıldız, B. (2003). Mali Başarısızlığın Öngörülmesi: İstatistiksel Yöntemler ve Yapay Sinir Ağı Karşılaştırılması. Ankara Üniversitesi SBF Dergisi, 58(4), 3–24. https://doi.org/10.1501/ sbfder_0000001691
- Altman, E. I. (1968). The Prediction of Corporate Bankruptcy: A Discriminant Analysis. The Journal of Finance, 23(1), 193. https://doi. org/10.2307/2325319.
- Altman, E. I. (2006). Corporate Financial Distress and Bankruptcy: Predict and Avoid Bankruptcy, Analyze and Invest in Distressed Debt, 3.b. New Jersey: Wiley and Sons Inc
- Argenti, J. (1976). Corporate Collapse, U.K.McGraw-Hill Book Company Limited,
- Aydın, N., Başar, M., ve Çokun, M. (1993). Finansal Yönetim. Ankara: Detay Yayıncılık.
- BDDK (2019). Türk Bankacılık Sektörü Temel Göstergeleri Mart 2019, Erişim adresi: https://www.bddk.org.tr/ContentBddk/dokuman/veri_0014_40. pdf , Erişim Tarihi: 03.03.2021
- Beaver, W., H. (1966). Financial Ratios as Predictors of Failure, Journal of Accounting Research, (4), 71-102.
- Budak, H. (2018). Özellik seçim yöntemleri ve yeni bir yaklaşım. Süleyman Demirel üniversitesi Fen Bilimleri Enstütisi Dergisi, 22, (özel sayı), 21-31. DOI.1019113
- Ceylan, A. (1993). İşletmelerde Finansal Yönetim, Bursa : Ekin Kitabevi, Chen, Q., Meng, Z., Liu, X., Jin, Q., and Su, R. (2018). Decision Variants for the Automatic Determination of Optimal Feature Subset in RF-RFE, Genes 2018, 9(6), 301; https://doi.org/10.3390/genes9060301
- Civan, M., ve Dayı, F. (2014). Altman Z Skoru ve Yapay Sinir Ağı Modeli ile Sağlık İşletmelerinde Finansal Başarısızlık. Akademik Bakış Dergisi, 41.
- Çanakçı, M. Ve Hosoz, M. (2006). Energy and exergy analyses of a diesel engine fuelled with various biodiesels. Energy Sources, Part B: 379–394.
- Çelik, M. K. (2009). Finansal Başarısızlık Tahmin Modellerinin İMKB’deki Firmalar İçin karşılaştırmalı Analizi. (Yayımlanmamış Doktora Tezi), Karadeniz Teknik Üniversitesi, Trabzon.
- Ece, O., ve Oner, A. (2018). Finansal Bilgi Düzeyi İle Firma Finansal Başarısı Arasındaki İlişkinin Belirlenmesi: Erzincan İli KOBİ’leri Üzerine Bir Uygulama. Gümüşhane Üniversitesi Sosyal Bilimler Enstitüsü Elektronik Dergisi, 9(24), 192–216.
- Eğilmez, M. (2017). Küresel Finans Krizi. İstanbul : Remzi Kitabevi
- Grossberg, S. (1988). Neural Networks and Natural Intelligence. Cambridge : MA, MIT Press
- Karacan, S., ve Savcı, M. (2011). Kriz Dönemlerinde İşletmelerin Mali Başarısızlık Nedenleri. Kocaeli Üniversitesi Sosyal Bilimler Enstitüsü Dergisi, (21), 39-54.
- Karadeniz, E., ve Öcek, C. (2019). Finansal Başarısızlık Riski Taşıyan ile Taşımayan İşletmelerin Finansal Oranlarının Karşılaştırmalı Analizi: Borsa İstanbul Turizm İşletmelerinde Bir Araştırma. Seyahat ve Otel İşletmeciliği Dergisi,16(2), 191–206.
- Kılıç, Y., Ve Seyrek, İ. H. (2012). Finansal Başarısızlık Tahmininde Yapay Sinir Ağlarının Kullanılması: İmalat Sektöründe Bir Uygulama. 1st International Symposium on Accounting and Finance, June 2012, 677–689.
- Kiracı, K., ve Asker, V. (2018). Maliyet Liderliği Stratejisini Uygulayan Havayollarının Finansal Başarısızlık Riskinin Ampirik Analizi. Cemil Meriç – 10. Sosyal Bilimler ve Spor Kongresi Bildiriler Kitabı içinde, s. 884–890. https://doi.org/10.1017/CBO9781107415324.004
- Kiyak, D. and Labanauskaite, D. (2012). Assessment of the practıcal applıcatıon of corporate bankruptcy predıctıon models. Economıcs and Management, 17(3), s.896-899. DOI:10.5755/j01.em.17.3.2106
- Öztemel, E. (2003). Yapay Sinir Ağları. İstanbul: Papatya Poyraz, E., ve Uçma, T. (2006). Türkiye’de Faaliyet Gösteren İhracatçı Sektörlerin Mali Kriz Ortamlarında Finansal Başarısızlıklarının Altman (Z-Score) Modeli Yardımıyla Ölçülmesi. Muhasebe ve Finansman Dergisi, 32. https://dergipark.org.tr/tr/pub/mufad/issue/35601/395457
- Salur, M. N. (2015). İşletmelerde Finansal Başarısızlık Tahmini ve Yapay Sinir Ağları Modelinin Kullanımı: Borsa İstanbul’da Bir Uygulama. (Yayımlanmamış Doktora Tezi), Marmara Üniversitesi, İstanbul.
- TUİK (2020). Haber Bülteni, sayı. 37548 Erişim adresi: https://data.tuik. gov.tr/Bulten/Index?p=Kucuk-ve-Orta-Buyuklukteki-GirisimIstatistikle ri-2019-37548 , Erişim tarihi: 06.03.2021
- Tuncay, Y. (1998). Mali Oranlar ve Diskriminant Modeli ile Aracı Kurumların Mali Açıdan Başarılı-Başarısız Olarak Sınıflandırılması, Yeterlilik Etüdü, Sermaye Piyasası Kurulu, s.38-40. Ankara.
- Türk, Z., ve Kurklu, E. (2017). Financial Failure Estimate in BIST Companies With Altman (Z-Score) and Springate (S-Score) Models. Osmaniye Korkut Ata University Journal of Economics and Administrative Sciences, 1(1), 1–14.
- Uzun, E. (2005). İşletmelerde Finansal Başarısızlığın Teorik Olarak İncelenmesi, Muhasebe ve Finansman Dergisi, (27), s.158-160.
- Voyle, N., Keohane, A., Newhouse, S., Lunnon, K., Johnson, C., Soininen, H., Kloszewska, I., Mecocci, P., Tsolaki, M., Vellas, B.(2016) A pathway based classification method for analyzing gene expression for Alzheimer’s disease diagnosis, Journal of Alzheimer’s Disease, 2016, 49, 659–669.
- Yadav, R. A., (1986). Financial Ratios And The Prediction of Corporate Failure. New Delhi: Concept Publishing Company.
- Yalçın, N.(2020). Yapay Sinir Ağları, Erişim adresi: http://musaatas.siirt. edu.tr/ANN/YSA_Giris.pdf , Erişim tarihi: 05.01.2021
- Yazıcı, M. (2018). Kredi Risk Analizlerinde Diskriminant Analizi, Lojistik Regresyon ve Yapay Sinir Ağlarının Karşılaştırılması. Maliye ve Finans Yazıları, 1(109), 91–106. https://doi.org/10.33203/mfy.393348
- Yurtoğlu, H. (2005). Yapay Sinir Ağları Metodolojisi İle Öngörü Modellemesi:Bazı Makroekonomik Değişkenler İçin Türkiye Örneği, (Uzmanlık Tezi), Ekonomik Modeller ve Stratejik Araştırmalar Genel Müdürlüğü, Ankara