İşletmelerde finansal başarısızlık tahmininde veri madenciliği yöntemlerinin karşılaştırılması: BIST`de bir uygulama

Abstract

Finansal başarısızlık tahmini, finans alanında önemli araştırma konularından biri olmuştur. Her koşul ve ortamda kullanılabilecek mükemmel bir tahmin yöntemi ve modelinin olmayışı, literatürde farklı veriler üzerinde farklı yöntemler kullanılarak uygun modelin bulunması arayışını devam ettirmektedir. Bu nedenle bu çalışmada 2006-2009 yılları arasında BIST (Borsa İstanbul) İmalat Sanayi Sektöründeki işletmelerin finansal başarısızlığını tahmin etmek üzere, Çok Değişkenli Diskriminant Analizi, Lojistik Regresyon Analizi, Yapay Sinir Ağları, C5.0 Karar Kuralı Türetme Algoritması, Sınıflama ve Regresyon Ağaçları (CART) analizi yapılmış ve finansal başarısızlıktan 1, 2, 3 yıl öncesi için geçerli olabilecek en yüksek tahmin gücüne sahip model belirlenmiştir.Analizler sonucunda başarılı-başarısızlık yılından 3 yıl öncesinde (2006 yılı için) en yüksekten düşüğe genel olarak sınıflandırma doğruluğu sırasıyla, CART (%84.21), Yapay Sinir Ağları (%81.58), Lojistik Regresyon Analizi (%80.16), Diskriminant Analizi (%80.16) ve C5.0 (%76.32) şeklinde bulunmuştur. Başarılı-başarısızlık yılından 2 yıl öncesinde (2007 yılı için) en yüksekten düşüğe genel sınıflandırma doğruluğu sırasıyla, Lojistik Regresyon Analizi (%87.30), CART (%86.84), Yapay Sinir Ağları (%84.21), Diskriminant Analizi (%83.33), C5.0 (%78.95) olarak bulunmuştur. Başarılı-başarısızlık yılından 1 yıl öncesinde (2008 yılı için) en yüksekten düşüğe genel sınıflandırma doğruluğu sırasıyla, Lojistik Regresyon Analizi (%92.86), Yapay Sinir Ağları (%92.11), CART (%92.11), C5.0 Algoritması (%86.84) ve Diskriminant Analizi (%81.75) şeklinde bulunmuştur.Analizlerden elde edilen sonuçlar incelendiğinde; CART ve C5.0 analizlerinden elde edilen karar ağaçları, ağacın oluşturulmasında önemli olarak değerlendirilen değişkenleri belirlemektedir. Buna göre başarısızlıktan 1, 2 ve 3 yıl öncesi tahminlemede önemli değişkenler olarak; `Aktif Kârlılık Oranı, Maddi Duran Varlık Devir Hızı, Finansal Kaldıraç Oranı, Kısa Vadeli Yabancı Kaynakların Toplam Varlıklara Oranı, Halka Açıklık Oranı, Stokların Toplam Varlıklara Oranı, Net Kâr Marjı ve Özsermaye Kârlılık Oranı` bulunmuştur.Anahtar Kelimeler: Finansal Başarısızlık Tahmini, Borsa İstanbul, Çok Değişkenli Diskriminant Analizi, Lojistik Regresyon, CART (Sınıflandırma ve Regresyon Ağacı), C5.0 Karar Kuralı Türetme Algoritması, Yapay Sinir Ağları

Financial failure prediction has been one of the major research topics in finance. The absence of an excellent prediction method and model that can be used in all conditions and environments leads to continuing search the literature for finding the appropriate model using different methods on different data. Thus, Multivariable Discriminant Analysis, Logistic Regression Analysis, Artificial Neural Networks, C5.0 Decision Rule Generation Algorithm, Classification and Regression Trees (CART) analysis were conducted in this study and the model with the highest estimated power that could be valid for 1, 2, or 3 years before the financial failure was determined.As a result of the analyzes, the overall classification accuracy of the methods 3 years before the success and failure from the highest to the lowest (for 2006) are as follows; CART (84.21%), Artificial Neural Networks (81.58%), Logistic Regression Analysis (80.16%), Discriminant Analysis (80.16%) and C5.0 (76.32%), respectively. The classification accuracy of the methods 2 years before the success and failure from the highest to the lowest (for 2007) are as follows; Logistic Regression Analysis (87.30%), CART (86.84%), Artificial Neural Networks (84.21%), Discriminant Analysis (83.33%) and C5.0 (78.95%), respectively. The classification accuracy of the methods 1 year before the success and failure from the highest to the lowest (for 2008) are as follows; Logistic Regression Analysis (92.86%), Artificial Neural Networks (92.11%), CART (92.11%) and C5.0 Algorithm (86.84%) and Discriminant Analysis (81.75%), respectively.When the results obtained from the analyzes are examined, decision trees derived from the CART and C5.0 analyzes identify variables that are considered important in the creation of the tree. According to this, as important variables in the prediction of 1, 2 and 3 years before failure, `Return on Assets Ratio, Fixed Asset Turnover Ratio, Financial Leverage Ratio, Ratio of Short Term Liabilities to Total Assets, Free Float Rate, Ratio of Stocks to Total Assets, Net Profit Margin and Return on Equity` have been found.Key Words: Financial Failure Prediction, Istanbul Stock Exchange, Multivariable Discriminant Analysis, Logistic Regression, CART (Classification and Regression Trees), C5.0 Decision Rule Generation Algorithm, Artificial Neural Networks