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

Abstract

Gelecek belirsizlik içerir. Bu belirsizlik altında çeşitli istatistiksel teknikler ile tahmin modellemeleri geliştirmek bütün bilim dallarınca benimsenen bir yaklaşımdır. Finans alanında da işletmelerin başarısızlık tahmini, önemi giderek artan araştırma konularından biri olmuştur. Özellikle son yıllarda karşılaşılan ekonomik ve finansal krizler, küreselleşme ile birlikte finansal başarısızlık tahmininde sadece işletmelerin finansal verilerinin değil aynı zamanda piyasa ve makroekonomik değişkenlerin de dikkate alınmasını zorunlu kılmıştır. Küreselleşmenin hızla artığı günümüzde, işletmelerin gelecekte karşılaşabilecekleri çeşitli riskleri tahmin etmeleri ve öncesinde gerekli önlemleri almaları, firma sahipleri, yöneticiler, yatırımcılar ve kredi veren kuruluşlar için oldukça önemlidir.Günümüzde, bilgisayar teknolojilerinin gelişimi sonucu istatistiksel tekniklerin yanı sıra yapay zekâ ve makine öğrenmesi gibi yöntemler de finansal başarısızlık tahmin modellemelerinde kullanılmaktadır.Çalışma kapsamında, pay senetleri Borsa İstanbul'da işlem gören sanayi işletmelerinin 2007-2019 yılları arasındaki finansal verileri, makroekonomik göstergeler ve borsa verileri kullanılarak discriminant analizi ve lojistik regresyon analizi uygulanmıştır.Araştırma örneklemine dahil edilen işletmeler; I) Üretim ve İmalat Sanayi Sektörü, II) Ticaret, Ulaştırma ve Diğer Hizmet Sektörleri ve III) Teknoloji, İdari ve Destek Hizmet Sektörleri olmak üzere üç alt sektör altında gruplandırılmıştır. 2008 yılında başlayan küresel finansal krizin Türkiye ekonomisi ve işletmeler üzerindeki etkileri daha sonraki süreçte ve özellikle 2012-2013 dönemine kadar artarak devam etmiştir. Bu bağlamda, finansal krizlerin, finansal başarısızlık üzerindeki somut etkisi, krizlerin başlangıcından dört ile beş yıl arası değişen bir gecikmeden sonra görüldüğü söylenebilir.Çalışmada, 162'si finansal başarısızlığa uğramamış ve 157'si finansal başarısız olmak üzere toplam 319 işletmenin altı aylık finansal verileri kullanılmıştır. Toplam veri dağılımı dikkate alındığında; 'Üretim ve İmalat Sanayi Sektörleri' % 73,35,'Ticaret, Ulaştırma ve Hizmet Sektörleri' % 18,50, 'Teknoloji, İdari ve Destek Hizmet Faaliyetleri Sektörleri' ise % 8,15'i oluşturmaktadır.İlk aşamada, seçilen geniş bağımsız değişken grubu içerisinde, piyasa ve makroekonomik verileri temsil eden, takipteki alacakların toplam nakdi kredilere oranı ve banka kredi faiz oranları her üç grup sektör için anlamlı bulunmuştur. BİST Sınai Endeksi ise iki ana sektör grubu olan;'Üretim ve İmalat Sanayi Sektörleri' ve 'Ticaret, Ulaştırma ve Hizmet Sektörleri' için anlamlı bulunmuştur. Geniş kapsamlı değişken seçiminde yer alan parametreler; teorik olarak ve piyasadaki iş gerekliliği açısından anlamlı bulunmuştur.İkinci aşama değişken seçim sürecinde, her sektör grubu için ileri adımsal regresyon yöntemi ile modellemeye hazır en son azaltılmış değişken (4-5) elde edilmiştir. Diskriminint analizi ile başlanılan çalışmada, gerekli varsayımlar sağlanamamıştır. Bu nedenle, çalışmanın devamında, ikili (binary) lojistik regresyon metodu ile parametreler tahmin edilmiştir. Çalışmada, toplam verilerin % 60'ı model (eğitim) ve % 40'ı test seti olmak üzere iki kısma ayrılmıştır.Üç sektör için bir, iki ve üç yıl öncesine kadar işletmenin başarısız olma riskini güçlü etkileyen bağımsız değişkenler: kâr ile sermaye/satışlar arasındaki i̇lişkiyi gösteren oranlar ile piyasa değişkeni olan BİST Sınai Endeksi ve finansal yapı oranlarından oluşmuştur. Bu değişkenlerin etki katsayı değerleri dikkate alındığında, teorik beklentiyi karşıladığı ve kabul edilebilir düzeyde oldukları gözlenmiştir. Benzer şekilde, üç yıl öncesine kadar, modellerin doğru sınıflama gücü (1. Tip ve 2. Tip hatalar) dikkate alındığında, parametrelerin bir yıl öncesi başarısızlık riskini tahmin etme olasılığı iki ve üçüncü yıllara göre daha güçlü olduğu tespit edilmiştir. Eğitim modelleri kümesinin doğru sınıflama gücü, bütün sektör gruplarında başarısızlıktan bir, iki ve üç yıl öncesine kadar test örnekleminin oluşturduğu tahmin gücü ile güçlü bir şekilde desteklemiştir.Özetle, çalışmadaki bulgulara bağlı olarak aşağıda belirtilen amaçlar gerçekleştirilmiştir: Birincisi, ilk aşamada seçilen makroekonomik faktörlerin işletmelerin, finansal başarısızlık tahmininde önemli olduğu ancak dar kapsamlı azaltılmış değişkenlerle yapılan tahminlerde finansal oranların daha etkili olduğu gözlenmiştir. İkincisi, kullanılan istatistiksel yöntemlerden lojistik (binary) regresyon modelleri çoklu diskriminant analizinden farklı olarak normal dağılım varsayımı gerektirmediği için daha güçlü ve başarılı bulunmuştur. Özetle, işletme paydaşlarının finansal başarısızlık konusundan erken ve doğru karar alabilmelerine olanak sağlayan tahmin gücü yüksek bir model oluşturulmuştur.

This study aims to develop a valid and accurate financial failure prediction for the Turkish manufacturing corporates whose stocks are traded in Borsa Istanbul (BIST) between 2007-2019 using the logistic regression method. A reliable industrial, corporate financial distress prediction model is of paramount importance for the various stakeholders such as shareholders, lenders, investors, credit rating agencies, auditors, clients, suppliers, and relevant regulatory supervision authorities, especially in the current global world of financial and economic volatility.Selected variables consist of the financial ratios such as liquidity, leverage, profitability, cash flows, and macroeconomic and stock market variables for the same period. The sample consists of 162 financially successful and 157 failed companies grouped under three sub-sectors for the analysis. Such sectors are I) Manufacturing, Metallurgy, and Mining Sectors, II) Trade, Transportation and other Service Sectors, and III) IT Technology, Administrative, and Support Service Sectors. The data of financially failed and successful companies in each sub-sector are further divided into two subsets: the training and validation test models with 60% and 40% of total samples, respectively.After a clustering exercise performed at the initial stage, liquidity, leverage, and profitability ratios are critical financial factors in the model prediction. Besides, macroeconomic and stock market variables such as non-performing loans-to-total Loans ratio, loan interest rates, and BIST industrial index are also critical factors in the financial failure prediction model. Nevertheless, after applying the stepwise logistic method, the reduced financial ratios regarding the leverage and profitability (capital and sales profitability) along with only BIST industrial index are observed as the most effective contributive variables in predicting an accurate model before one, two, and three-year financial failure in across the three sub-sectors. The high classification results obtained from the trained model are strongly supported by the test sample's predictive power for the same industry groups.In summary, the macroeconomic factors selected at the initial stage are important in companies' financial failure prediction. Nonetheless, financial ratios are found more effective when further subtraction from the set of explanatory variables is carried out with the stepwise linear regression method. Furthermore, the binary logit regression model without binding the normal distribution assumptions is found to be stronger and more successful than the discriminant method in predicting the financial failure model that can enable companies' stakeholders to take early necessary actions.