İflas tahmin yöntemlerinin karşılaştırılması: Borsa İstanbul üretim şirketlerinde uygulama
The comparison of methods of estimating bankruptcy: Application on the manufacturing companies operand in the İstanbul Stock exchange
- Tez No: 615778
- Danışmanlar: DOÇ. DR. FATMA DİLVİN TAŞKIN YEŞİLOVA
- Tez Türü: Doktora
- Konular: Ekonometri, Maliye, İşletme, Econometrics, Finance, Business Administration
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2020
- Dil: Türkçe
- Üniversite: Yaşar Üniversitesi
- Enstitü: Sosyal Bilimler Enstitüsü
- Ana Bilim Dalı: İşletme Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 274
Özet
Beaver tarafından başlayan ilk iflas tahmini çalışmalarından itibaren, işletmelerin iflas tahmini çalışmaları dünyadaki pek çok ekonomistin ve bilim adamının dikkatini çeken bir alan olmuştur. İşletmelerin ileride karşılaşacakları muhtemel maddi sıkıntıların ya da iflas tehdidinin erken tespiti, finansal analizin en kritik parçası hali gelmektedir. İflas ya da finansal sıkıntı, yatırımcılardan işletmelere, devlete ve şahıslara kadar pek çok çevreyi olumsuz etkilemektedir. Özellikle bu durum 2018 yılında yaşanan kur yükselişi ile daha iyi görülmüştür. İflasın erken tahmini çalışmalarının önem kazanmasına neden olmuştur. Fakat yapılan çalışmalar incelendiğinde, her modelin farklı değişkenlerden oluştuğu anlaşılmıştır. Bu çalışmaların sektörden sektöre ve ülkeden ülkeye değişmeleri nedeniyle, sadece akademik çalışmalarda sınırlandığı görülmüştür. Bu durumun önüne geçebilmek ve sektör için kullanılabilmesini de kolaylaştırmak maksadıyla 1960-2018 yıllarına ait çalışmalar incelenmiştir. Bu çalışmalarda kullanılan değişkenler yedi faktör altında gruplandırılmıştır. Her faktör için 5 değişken belirlemiştir. Daha sonra yapılan analizler sonucu her faktör için değişken sayısı 1'e düşürülmüştür. Yapılan çalışmada başarısızlık tahmin modeli 7 değişkenle oluşturulmuştur. Çalışmanın temel amacı; sadece akademik çalışmalarda kullanılabilen bir model yerine sektör tarafından da kullanılabilecek, daha az emek ve maliyetle başarısızlığın tahmininin yapılabilmesidir. Bunu sağlayabilmek maksadıyla BİST'te işlem gören üretim şirketlerinin 2014-2018 yıllarına ait verileri kullanılarak, iflasın 5 yıl öncesine kadar tahmini çalışması yapılmıştır. Bu çalışmada bir teorik, bir istatistiksel ve bir de makine öğrenmesi modeli kullanılmıştır. Teorik model olarak Bilançonun Bozulmasının Ölçümü, istatistiksel model olarak Lojistik regresyon ve makine öğrenmesi modeli olarak da yapay sinir ağı ile tahmin yapılmıştır. Bu modellerin sonuçları da karşılaştırmaya tabi tutulmuştur. İflasın erken tahmini çalışması kadar işletmelerin yaşadıkları iflas maliyetlerinin de önemli olduğu anlaşılmıştır. Çalışmada finansal sıkıntı sürecinde oluşan dolaylı maliyetler de hesaplanmaya çalışılmıştır. Bu maliyetlerin ortaya çıkarılabilmesi için 2012-2014 yılları arasında iflasını açıklamış şirketlerin karşılaştığı maliyetler tespit edilmiştir. İflas yaşayan firmaların yaşadığı, pazar, kâr kayıpları ve finansman giderlerindeki artışları araştırılmıştır.
Özet (Çeviri)
Since Beaver's first studies of estimating bankruptcy ,studies on the estimating of bankruptcy of enterprises have been an attention grabbing field for many economists and scientists. Early detection of bankruptcy and financial difficulties has become the most critical part of financial analysis. From investors and enterprises to the government and persons, bankruptcy and financial difficulties have many negative influences. This situation has been seen clearly especially in the rise of exchange rates in 2018. It has been a cause for showing more importance on the estimation studies of bankruptcy. However, when we look at the present studies, we see that every model consists of distinctive variables. As these studies change both from sector to sector and nation to nation, they have been limited only with academic studies. In order to prevent this situation and ease the use of it for the sector, the studies between 1960-2018 have been analysed. The variables used in these studies have been grouped under seven factors. Five variables have been chosen for each factor. For further analysis, the number of variables have been decreased to one. In the study, the failure estimation model has been formed with seven variables. The main purpose of the study is, instead of a model only used in academic studies, to form one that can be used by the sector for making failure estimations with low cost and little effort. To ensure this, we performed a study by using the data of the manufacturing companies operand in the Istanbul stock exchange (BIST) between 2014 and 2018 and made a 5 years early bankruptcy estimation. In this study, we used three different learning models- one theoretical, one statistical and one machine. As theoretical model, we made the estimation of balance adverse; as the statistical model, we made logistic regression and as machine learning we made estimation with artificial neural network. The results of these models have been compared with each other. It has been understood that the bankruptcy expenditures of the enterprises are as important as the early estimation of the bankruptcy. In the study, we also tried to calculate the indirect expenditures that occur during the financial difficulty stage. To reveal these, we determined the expenditures of bankrupt enterprises between 2012 and 2014. We searched the market and profit lost together with the increase in the financial expenses of the bankrupt companies.
Benzer Tezler
- 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
- Forecasting İstanbul stock exchange
Borsa İstanbul'un tahminlenmesi
REŞAT BUĞRA ERKARTAL
Yüksek Lisans
İngilizce
2018
Endüstri ve Endüstri MühendisliğiYeditepe ÜniversitesiEndüstri ve Sistemler Mühendisliği Ana Bilim Dalı
PROF. LİNET ÖZDAMAR
- Bankalarda döviz riskinden korunma ve Türkiye'deki Kasım 2000 ve Şubat 2001 banka krizlerinin değerlendirilmesi
Protecting against exchange rate risk and evaluating of the recent banking crises in Turkey
AYŞE GEMİCİ
Yüksek Lisans
Türkçe
2006
BankacılıkGazi Üniversitesiİşletme Eğitimi Ana Bilim Dalı
PROF. DR. RAUF ARIKAN
- İşletmelerin finansal başarısızlığının AHP temelli ELECTRE TRI ve FLOWSORT yöntemleri ile tahmin edilmesi
Estimation of financial failure of businesses with AHP Based ELECTRE TRI and FLOWSORT methods
KERİME DEMİRBAŞ
Yüksek Lisans
Türkçe
2019
EkonometriSüleyman Demirel ÜniversitesiEkonometri Ana Bilim Dalı
DOÇ. DR. KENAN OĞUZHAN ORUÇ
- A composed technical debt identification methodology to predict software vulnerabilities
Yazılım zafiyetlerini tahmin etmek için kapsamlı bir teknik borç tanımlama yöntemi
RUŞEN HALEPMOLLASI
Doktora
İngilizce
2024
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DOÇ. DR. AYŞE TOSUN KÜHN