Üretim işletmeleri için finansal başarısızlığın tahmininde veri madenciliği uygulaması

Abstract

Finansal başarısızlığın tahmin edilmesi ve buna ilişkin çalışmalar kırk yılı aşkın süredir ilgi gören ve literatürde geniş yer edinen alanlardan biri olmuştur. Gerek akademik gerek sektörel açıdan önemini her zaman koruyan finansal başarısızlığın tahmin edilmesine ilişkin; farklı veri setleri ve yöntemlerinden faydalanan pek çok model geliştirilmiştir. Fakat her durum ve şartlar altında geçerli olabilecek genel bir tahmin modeline rastlanmasa da; önemi itibariyle bu konuda araştırmalar artan hızla devam etmektedir. Bu çalışmada, işletmelerin finansal olarak başarısızlığını yüksek bir doğruluk yüzdesiyle tahmin edebilecek ve pek çok durum için genellenebilecek bir model geliştirilmesi amaçlanmaktadır. 2008 – 2017 yılları arasında BİST'te (Borsa İstanbul) işlem gören üretim işletmelerinin finansal verilerinden faydalanılmış, ilgili işletmelerin başarısızlığının tahmin edilmesinde veri madenciliği tekniklerinden Karar Ağaçları, Rassal Ormanlar ve Yapay Sinir Ağları yöntemleri kullanılmıştır. Çalışmada, işletmeleri finansal olarak başarılı ve finansal olarak başarısız şeklinde sınıflandırmanın yanında; tahmin doğrultusunda önlemlerin alınması ve stratejilerin geliştirilmesi açısından finansal olarak riskli işletmeler sınıfının da ele alınmasının faydalı olacağı düşünülmüştür. Çalışmanın bu yönüyle farklılaşacağı ve literatüre katkı sağlayacağı umulmaktadır. Çalışmada işletmelerin başarısızlığına ilişkin geliştirilen altı tahmin modeli, veri indirgeme işlemlerine göre farklılaştırılmıştır. Ayrıca geliştirilen modellerden elde edilen sonuçlar klasik yöntemle karşılaştırılmıştır.

Forecasting financial failure and related studies have been one of the areas that have attracted attention and gained wide coverage in the literature for more than forty years. Regarding the estimation of financial failure, which always maintains its importance both academically and sectorally; Many models have been developed using different data sets and methods. However, although there is no general estimation model that can be valid under all circumstances and conditions; Due to its importance, research on this subject continues at an increasing pace. In this study, it is aimed to develop a model that can predict the financial failure of businesses with a high percentage of accuracy and can be generalized for many situations. Between 2008 and 2017, the financial data of the production companies according to the transaction in the BIST (Borsa Istanbul) were used, and the methods of Decision Trees, Random Forests and Artificial Neural Networks, which are data mining techniques, were used to predict the failure of the relevant enterprises. In the study, besides classifying businesses as financially successful and financially unsuccessful; it was thought that it would be beneficial to consider the financially risky business class in terms of taking measures and developing strategies in line with the forecast. It is hoped that the study will differ in this aspect and contribute to the literature. In the study, six prediction models developed for the failure of the enterprises were differentiated according to the data reduction processes. In addition, the results obtained from the developed models were compared with the classical method.