Geri Dön

Predicting financial distress of turkish non-financial firms: Evidence from micro data

Türk reel sektör firmalarının finansal stres olasılıklarının tahmini: Mikro veri üzerinden bulgular

  1. Tez No: 597041
  2. Yazar: MUHAMMED HASAN YILMAZ
  3. Danışmanlar: DOÇ. DR. HAKAN ERCAN
  4. Tez Türü: Yüksek Lisans
  5. Konular: Ekonometri, Ekonomi, Econometrics, Economics
  6. Anahtar Kelimeler: Belirtilmemiş.
  7. Yıl: 2019
  8. Dil: İngilizce
  9. Üniversite: Orta Doğu Teknik Üniversitesi
  10. Enstitü: Sosyal Bilimler Enstitüsü
  11. Ana Bilim Dalı: İktisat Ana Bilim Dalı
  12. Bilim Dalı: İktisat Bilim Dalı
  13. Sayfa Sayısı: 114

Özet

Bu tezde, 2006-2016 dönemine ait firma ve kredi seviyesinde veriler kullanılarak Türk reel sektör firmalarının finansal stres yaşama olasılıklarının belirleyicileri araştırılmıştır. Takibe girmiş alacak niteliğindeki kredi bakiyesine göre oluşturulan finansal stres göstergesiyle gerçekleştirilen tek değişkenli istatistiki testler finansal stres yaşayan firmaların düşük likidite, karlılık ve iş hacmine sahip olduğunu göstermektedir. Finansal stres durumundaki firmaların aynı zamanda görece kötü kısa ve uzun vadeli borç ödeme performansına sahip olduğu anlaşılmaktadır. Çok değişkenli analiz modellerinin kurulması için ise geniş bir finansal rasyo listesine tek değişkenli lojistik regresyon, temel bileşenler analizi ve bootstrap aşamalı lojistik regresyon gibi değişken seçimi yöntemleri uygulanmıştır. Çok değişkenli lojistik model tahminleri likidite, karlılık ve iş hacminin artmasının finansal stres olasılıklarını düşürdüğüne, faiz maliyetleri ve borç yükünün artmasının ise olasılıkları yükselttiğine işaret etmektedir. Söz konusu modellerin örneklem içi ve dışı öngörü performansları da karşılaştırılmıştır. Ek olarak, finansal stresin gerçekleşmesine kadar olan süreyi etkileyen faktörler incelenmiştir. Firma büyüklüğü, karlılık, likidite ve operasyonel performanstaki iyileşmelerin ilgili süreyi uzattığı, borç yükündeki artışların ise süreyi kısalttığı bulgulanmıştır.

Özet (Çeviri)

In this thesis, determinants of financial distress probabilities are analyzed for the period over 2006-2016 by utilizing firm-level and loan-level data sets. Based on the financial distress definition constructed from the existence of non-performing loans, univariate tests indicate that financially problematic Turkish corporates have lower liquidity, profitability and asset turnover, while they are also the ones with inferior short and long-term debt paying ability. To form multivariate specifications, variable selection techniques such as univariate logit, principal components analysis and bootstrap stepwise logit estimations are applied on a broad set of financial ratios. Multivariate logit and panel logit models indicate that stronger liquidity buffers, abundant profits and improved asset turnover decrease the probability of financial distress. On the other hand, rising interest expenses and considerable debt burden increase the likelihood of facing financial problems. The informative nature of multivariate models are evaluated for in-sample predictions and out-of-sample forecasts. Survival analysis is also performed to assess the time to financial distress. It is found that firm size, profitability, liquidity and operational performance lengthen the period until the occurence of financial problems, while leverage significantly shortens it.Bu tezde, 2006-2016 dönemine ait firma ve kredi seviyesinde veriler kullanılarak Türk reel sektör firmalarının finansal stres yaşama olasılıklarının belirleyicileri araştırılmıştır. Takibe girmiş alacak niteliğindeki kredi bakiyesine göre oluşturulan finansal stres göstergesiyle gerçekleştirilen tek değişkenli istatistiki testler finansal stres yaşayan firmaların düşük likidite, karlılık ve iş hacmine sahip olduğunu göstermektedir. Finansal stres durumundaki firmaların aynı zamanda görece kötü kısa ve uzun vadeli borç ödeme performansına sahip olduğu anlaşılmaktadır. Çok değişkenli analiz modellerinin kurulması için ise geniş bir finansal rasyo listesine tek değişkenli lojistik regresyon, temel bileşenler analizi ve bootstrap aşamalı lojistik regresyon gibi değişken seçimi yöntemleri uygulanmıştır. Çok değişkenli lojistik model tahminleri likidite, karlılık ve iş hacminin artmasının finansal stres olasılıklarını düşürdüğüne, faiz maliyetleri ve borç yükünün artmasının ise olasılıkları yükselttiğine işaret etmektedir. Söz konusu modellerin örneklem içi ve dışı öngörü performansları da karşılaştırılmıştır. Ek olarak, finansal stresin gerçekleşmesine kadar olan süreyi etkileyen faktörler incelenmiştir. Firma büyüklüğü, karlılık, likidite ve operasyonel performanstaki iyileşmelerin ilgili süreyi uzattığı, borç yükündeki artışların ise süreyi kısalttığı bulgulanmıştır.

Benzer Tezler

  1. Finansal başarısızlık tahmin modellerinin kilit denetim konularıyla ilişkisi üzerine bir araştırma

    A research on the relationship of financial failure forecasting models and key audit issues

    FATMA ÇITAK

    Doktora

    Türkçe

    Türkçe

    2024

    MaliyeHitit Üniversitesi

    Bankacılık ve Finans Ana Bilim Dalı

    PROF. DR. SELÇUK KENDİRLİ

  2. Finansal zorluğa düşecek firmaların önceden tahmini ve ülkemizde bir uygulama

    Predicting financial failure and an application in Turkey

    MEHMET CEVDET ÇAĞLAR

    Doktora

    Türkçe

    Türkçe

    2007

    Bankacılıkİstanbul Üniversitesi

    İşletme Ana Bilim Dalı

    PROF.DR. DURSUN ARIKBOĞA

  3. Borsa İstanbul'da işlem gören sanayi işletmelerinin finansal başarısızlıklarının öngörülmesi: 2007-2019

    Predicting financial failures of industrial companies listed in Borsa Istanbul: 2007-2019

    HASAN DEMİRHAN

    Doktora

    Türkçe

    Türkçe

    2021

    MaliyeAnkara Üniversitesi

    İşletme Ana Bilim Dalı

    PROF. DR. GÜVEN SAYILGAN

  4. Yapay sinir ağları ve karar ağaçları modelleri ile işletmelerin finansal başarısızlıklarının tahminlenmesi

    Prediction of financial distress of companies with artificial neural networks and decision trees models

    NİDA ŞAHİN

    Yüksek Lisans

    Türkçe

    Türkçe

    2019

    Endüstri ve Endüstri MühendisliğiYıldız Teknik Üniversitesi

    Endüstri Mühendisliği Ana Bilim Dalı

    DOÇ. DR. NEZİR AYDIN

  5. Finansal başarısızlık tahmininde makine öğrenmesi yöntemlerinin kullanımı: Türkiye'deki KOBİ'ler üzerine bir uygulama

    Using machine learning methods in financial distress prediction: An application for SMEs in Turkey

    YUSUF AKER

    Doktora

    Türkçe

    Türkçe

    2021

    İşletmeGiresun Üniversitesi

    İşletme Ana Bilim Dalı

    DOÇ. DR. ALPER KARAVARDAR