Finansal durum analizi için veri madenciliği yaklaşımı

Abstract

Bir firmanın finansal başarısızlığının tahmin edilmesi, işletmelerin gelecekte oluşabilecek finansal risklerinin tespiti ve alınabilecek önlemlerin belirlenmesi açısından oldukça önemlidir. Tespit edilemeyen durumlarda firmalar istenmeyen sonuçlara maruz kalarak iflas boyutuna gelebilir. Finansal başarısızlığın tahmini için bu zamana kadar yapılan çalışmalarda birçok farklı model için farklı yöntem ve teknikler kullanılsa da mükemmel tahmin modelinin olmayışı, bu alanda çalışmaların devam etmesi gereksinimini sürdürmektedir. Bu çalışmada, finansal başarısızlığın tahmini için bir model belirlenmiş, veri madenciliği sınıflandırma teknikleri kullanılarak firmaların finansal durumlarının tahminlemesi yapılmıştır. Çalışmanın verileri, imalat sanayi sektöründe faaliyet gösteren 179 firmanın Kamu Aydınlatma Platformundan (KAP) alınan, 2013 ile 2018 yılları arasındaki finansal tablo verilerinden oluşmaktadır. Çalışmada, firmaların finansal durumları Altman Z-Skor ve Springate S-Skor değerlerine göre ayrı ayrı etiketlenerek iki farklı veri grubu oluşturulmuştur. Her bir veri grubuna K-En Yakın Komşu, Naive Bayes, Karar Ağacı ve Destek Vektör Makinesi yöntemleri uygulanarak sonuçlar incelenmiştir. Sonuçlar değerlendirildiğinde, modelin yüksek sınıflandırma başarı oranlarına sahip olduğu tespit edilmiştir.

Estimating the financial failure of a company is very important in terms of determining the financial risks that may occur in the future and determining the measures that can be taken. In undetected cases, companies may face undesirable consequences and go bankrupt. Although different methods and techniques have been used for many different models in the studies carried out so far for the prediction of financial failure, the lack of a perfect forecasting model continues the need for studies in this field to continue.In this study, a model was determined for the prediction of financial failure, and the financial situation of the companies was estimated by using data mining classification techniques. The data of the study was obtained from the financial statement data of 179 companies operating in the manufacturing industry between 2013 and 2018, obtained from the Kamu Aydınlatma Platformu (KAP). In the study, the financial status of the companies was labeled separately according to Altman Z-Score and Springate S-Score values, and two different data sets were created. The results were examined by applying K-Nearest Neighbors, Naive Bayes, Decision Tree and Support Vector Machine methods to each data group. When the results were evaluated, it was determined that the model had high classification success rates.