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
- Tez No: 694337
- Danışmanlar: DOÇ. DR. ALPER KARAVARDAR
- Tez Türü: Doktora
- Konular: İşletme, Business Administration
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2021
- Dil: Türkçe
- Üniversite: Giresun Üniversitesi
- Enstitü: Sosyal Bilimler Enstitüsü
- Ana Bilim Dalı: İşletme Ana Bilim Dalı
- Bilim Dalı: İşletme Bilim Dalı
- Sayfa Sayısı: 158
Özet
Bu çalışmada Türkiye'de faaliyet gösteren 173 başarılı ve 219 başarısız olmak üzere toplam 392 KOBİ'nin 2015-2018 yılları arasındaki finansal mali tabloları incelenmiştir. Başarısızlığı tahmin etmek için lojistik regresyon, karar ağacı, rastgele ormanlar, destek vektör makineleri ve k en yakın komşu yöntemleri kullanılarak başarısızlıktan önceki her bir yıl için en yüksek doğru tahmin gücüne sahip modelin bulunması amaçlanmıştır. 2018 yılı içerisinde yetkili mahkemeler tarafından haklarında iflas veya konkordato kararı verilen işletmeler başarısız kabul edilmiştir. Ampirik sonuçlar karar ağacı modelinin başarısızlıktan 1 ve 2 yıl öncesinde sırasıyla %90 ve %97 ile en yüksek doğru sınıflandırma başarısını sağlayan model olduğunu göstermektedir. Başarısızlıktan 3 yıl öncesinde ise Naive Bayes modeli, %97 ile en iyi tahmin sonucu veren model olmuştur. Tüm modellerin doğruluk oranları incelendiğinde başarısızlıktan uzaklaştıkça doğru tahmin öngörüsünün arttığı görülmektedir. T-1 yılında, başarısızlığa en yakın dönem olmasına rağmen daha düşük model doğruluk oranlarına sahip olunması, bizleri işletmelerin faaliyette bulunduğu Türkiye ekonomisindeki dinamikleri daha detaylı araştırmaya sevketmiştir. 2015 ve 2016'da benzer şekilde hareket eden makroekonomik göstergelerin (faiz, enflasyon, kur) 2017 ve 2018 yılında dramatik bir şekilde arttığı gözlemlenmiştir. Başarısız işletmeler 2017 yılında yüksek banka kredileri ile hızlı büyümüşler ve yüksek faaliyet karları elde etmişlerdir. Ancak düşük öz kaynağa sahip bu işletmeler bir süre sonra finansman giderlerini yönetememişlerdir. Yüksek banka borçluluğu ve yüksek finansman gideri ile kar da elde edemeyen başarısız işletmeler 2018 yılı içerisinde kendilerini finansal olarak çeviremedikleri için başarısız olmuşlardır. Başarısız işletmeler yüksek stok bağımlılık oranı ve düşük karlılık ile çalışmaktadırlar. Başarısız işletmelerin vergi öncesi ve vergi sonrası karlılığı ile öz kaynak karlılığının daha düşük olduğu tespit edilmiştir. Ayrıca uzun vadeli yabancı kaynaklarının devamlı sermaye içerisindeki payının daha yüksek olduğu görülmüştür. Başarılı işletmelerin yabancı kaynaklar toplamı, öz kaynaklarının iki katı iken başarısız işletmelerde bu durum ortalama 4 katıdır. Başarılı işletmelerin daha yüksek aktif devir hızı ile çalıştıkları ve faaliyet hacimlerinin daha yüksek olduğu görülmektedir. Konjonktürel dalgalanmaların yüksek olduğu dönemlerde model doğru öngörü oranlarının düşük olduğu görülmüştür. Bu yüzden daha yüksek model doğruluk oranına ulaşmak için modele daha fazla bağımsız değişken (başarısızlığa etki eden işletme içi ve işletme dışı etkenler) eklenmesinin daha kesin ve güvenilir sonuçlar elde edilmesi açısından faydalı olacağı düşünülmektedir.
Özet (Çeviri)
In this study, financial statements included between 2015-2018 of the SMEs consisted of 173 non-distressed and 219 distressed operating in Turkey have been examined . To predict to financial distress, it is intended to find the model that has the highest accurate prediction for each year before financial distress with using logistic regression, decision tree, random forest, support vector machines, K nearest neighbor and Naive Bayes model. Firms are considered distressed if bankruptcy or concordat (composition of debts) decision were issued by the competent courts in 2018. Empirical results indicate that for 1 and 2 years prior to financial distress, decision tree model is respectively the best classifier with overall accuracy of %90 and %97. Three years prior to financial distress, the Naive Bayes is the best classifier prediction model with overall accuracy of 97%. When the accuracy of all model results are examined, it has been obtained the higher successful prediction results when the further away from bankruptcy. Although it is the nearest term to distress year, to have lower model accuracy prediction rates in the t-1 year directed us to more detailed researches on the dynamics of the Turkey's economy in which operates firms. It has been observed that macroeconomic indicators (interest, inflation, exchange rate), acting similarly in 2015 and 2016, increased dramatically in 2017 and 2018. Distressed firms grew fast with high bank loans in 2017 and achieved high operating margin. However, these companies with low equity capital could not manage their financing expenses after a while. Distressed firms that could not make a profit with high bank debts and high financing expenses failed in 2018 because they could not meet their financial expenses. Distressed firms operate with high stock dependency ratio and low profitability. It has been determined that distressed firms have lower pre-tax profits, after-tax profits and return on equity than non-distress firms. In addition, it has been observed that the share of long-term liabilities in constant capital is higher. While the total foreign assets of non-distressed firms are twice their own funds, this situation is on average 4 times for distressed firms. It is observed that non-distressed firms operate with higher asset turnover and their operating volumes. In the period when cyclical fluctuations were high, it was observed that the models correct prediction rates were low. Therefore, we believe that adding more independent variables (internal and external factors affecting failure) to the model to achieve higher model accuracy rate will be beneficial in terms of obtaining more accurate and reliable results.
Benzer Tezler
- 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
KEREM URAL
Doktora
Türkçe
2020
EkonometriYaşar Üniversitesiİşletme Ana Bilim Dalı
DOÇ. DR. FATMA DİLVİN TAŞKIN YEŞİLOVA
- İşletmelerde finansal başarısızlık riskinin yapay zekâ teknikleriyle tahmin edilmesine dair bir uygulama
An application on estimating financial failure risk in businesses with artificial intelligence techniques
ÇAĞATAY SİNOPLU
Yüksek Lisans
Türkçe
2024
MaliyeBartın Üniversitesiİşletme Ana Bilim Dalı
DR. ÖĞR. ÜYESİ İSMAİL FATİH CEYHAN
- 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
- Finansal rasyolar yardımıyla mali başarısızlık tahmininde alternatif tekniklerin karşılaştırılması
Başlık çevirisi yok
SÜLEYMAN NAZİF UYAR
- Bir erken uyarı sistemi olarak iflas ve finansal stres modelleri
Bankruptcy and financial stress models as an early warning system
RABİA NAZMİYE AYVAZ
Yüksek Lisans
Türkçe
2023
MaliyeSakarya Üniversitesiİşletme Ana Bilim Dalı
DR. ÖĞR. ÜYESİ MUSTAFA KENAN ERKAN