FİNANSAL BAŞARISIZLIK TAHMİNİNDE YAPAY SİNİR AĞLARININ KULLANILMASI: İMALAT SEKTÖRÜNDE BİR UYGULAMA. Yunus KILIÇ*, İbrahim Halil SEYREK** ÖZET

Transkript

1 FİNANSAL BAŞARISIZLIK TAHMİNİNDE YAPAY SİNİR AĞLARININ KULLANILMASI: İMALAT SEKTÖRÜNDE BİR UYGULAMA Yunus KILIÇ*, İbrahim Halil SEYREK** ÖZET İşletmelerin politikalarında, almış oldukları finansal kararlarda ve firmanın diğer alanlarında yaşamış olduğu başarısızlıklar sonucunda hedeflere ulaşamama durumu olarak tanımlanan finansal başarısızlığın tahmini, işletmelerin faaliyetlerine uzun süre devam edebilmeleri ve karşılaşabilecekleri güçlükleri önceden görebilmeleri açısından önem taşımaktadır. Bu çalışmanın amacı İMKB de işlem gören ve imalat sektöründe faaliyet gösteren firmaların finansal başarısızlıklarının tahminine yönelik faktörlerin belirlenmesidir. Tahmin modeli geliştirmek amacıyla son yıllarda sıklıkla kullanılmaya başlanan yapay sinir ağları tekniği kullanılmıştır. Çalışmada İMKB de işlem gören, imalat sanayi sektöründe yer alan 137 işletmenin yıllarına ait 12 aylık bilanço ve gelir tablosu kalemleri kullanılmıştır. Değişken olarak ise finansal oranlardan yararlanılmıştır. Çalışmadan elde edilen bulgulara göre finansal başarısızlığı etkileyen en önemli değişkenin faaliyet kârlılığı oranı olduğu tespit edilmiştir. Ayrıca yapay sinir ağlarının finansal başarısızlığı tahmin etme gücü %84 olarak gözlemlenmiştir. Anahtar kelimeler: Finansal başarısızlık, finansal başarısızlık tahmini, yapay sinir ağları JEL Kodları: G17, G33 FINANCIAL FAILURE PREDICTION USING ARTIFICIAL NEURAL NETWORKS: AN APPLICATION IN MANIFACTURING SECTOR ABSTRACT Prediction of financial failure which is defined as not achieving the organizational goals as a result of poor financial decisions and failures in other areas is very important for the survival of the firms and to forecast the challenges that the company may face. The aim of this study is to determine the factors concerning the prediction of the financial failure of the companies functioning in the manufacturing sector in ISE. To develop prediction model, artificial neural networks, a popular modeling technique, was used. The data of the study was composed of the 12-month balance sheets and income statements of the companies between 2005 and Financial ratios of firms were used as variables. According to the findings, it was found that the most influential variable on financial failure is the ratio of operating profitability. Moreover, the prediction power of artificial neural networks on financial failure was observed as 84%. Key words: Financial failure, financial failure prediction, artificial neural networks JEL Classification: G17, G33 *Araştırma Görevlisi, Gaziantep Üniversitesi İİBF İşletme Bölümü, ykilic@gantep.edu.tr, Tel: , Fax: ** Yrd. Doç. Dr., Gaziantep Üniversitesi İİBF İşletme Bölümü, seyrek@gantep.edu.tr, Tel: , Fax:

2 1. GİRİŞ Küreselleşen dünya ekonomisinde, işletme faaliyetlerinin sorunsuz yürümesi ve ülke ekonomilerinin ayakta durması için kaynakların etkin biçimde kullanılarak işletmelerin başarılı olmaları gerekmektedir. Firma sahipleri, çalışanlar, üreticiler ve tüketiciler çok hızlı değişim gösteren ekonomik koşullara karşı finansal faaliyetlerini refah içinde yürütebilmenin sürekli yollarını aramaktadırlar. İşletmeler, kimi zaman kendi içlerinde, özellikle yönetimden ve finansal nedenlerden kaynaklanan sorunlar nedeniyle, kimi zaman faaliyette bulundukları ülkenin içinde bulunduğu ekonomik sıkıntılar ve politik krizler nedeniyle, kimi zaman da dünya ekonomisinde meydana gelen küresel krizler nedeniyle faaliyetlerini sürdürmekte zorluklar yaşamakta ve varlıklarını devam ettirememe tehlikesiyle karşı karşıya kalmaktadırlar. Bu sorunlar işletmelerin olağan yaşamlarını sürdürmelerini engelleyip, başarısızlığa sürüklenmelerine neden olabilmektedir. 1 İşletmelerin gelecekte karşılaşılabilecek bir finansal başarısızlığı ya da iflası önceden tahmin edebilmesi ve önlemler alabilmesi, finansal ve ekonomik sıkıntılardan tamamen ya da en az zararla kurtulmalarını sağlayacaktır. Bu nedenle finansal başarısızlığın tahmin edilmesi, işletmelerin risklerden kaçınabilmeleri, daha kârlı yatırımlar yapabilmeleri ve finansal planlamalar yapabilmeleri ve en önemlisi faaliyetlerini sorunsuz şekilde devam ettirebilmeleri için oldukça önemlidir. İşletmeler faaliyet gösterdikleri ülke piyasasında rakipleri ile yaşam mücadelesi verirken, bilgi teknolojilerinin gelişmesi ülkeler arasındaki mesafeleri kaldırarak bu mücadeleyi küresel hale getirmiştir. Yaşanan bu rekabet teoride işletmelerdeki verimi artırsa da birçok işletmeyi iflasa kadar sürükleyebilmektedir. Gerek şirket içi gerekse şirket dışı nedenlerle rekabetle mücadele edemeyen işletmeler, mali ve ekonomik sıkıntılar yaşamakta ve rekabetçi fiyatlar sunamayarak, piyasadan çekilmek zorunda kalmaktadırlar. Piyasadan çekilen veya iflas eden bir işletme, faaliyetlerine son vermenin yanı sıra mikro düzeyde yöneticilerini, çalışanlarını, rakiplerini makro düzeyde ise bulunduğu sektörü, yatırımcıları, bankaları, kredi veren kuruluşları ve hatta faaliyette bulunduğu ülke ekonomisini dahi etkileyebilmektedir. Ülke üzerindeki makro ve mikro düzeydeki etkilerinden dolayı finansal başarısızlık tahmininin hızla artan önemi, araştırmacıları finansal başarısızlık tahmini konusunda her geçen gün daha fazla erken uyarı modelleri geliştirmeye itmektedir. Finansal başarısızlığın önceden tahminine ilişkin yapılan çalışmalar işletmelere, hissedarlara, yatırımcılara, kredi kuruluşlarına, bankalara ve toplumun genel refahına büyük yararlar sağlamaktadır. İşletme sahiplerine işletmelerinin faaliyetlerini devam ettirebilmeleri, yatırımcılara portföy getirilerini artırabilmeleri ve kredi kuruluşları ile bankalara kredi analizlerinde şirketleri daha başarılı analiz edebilmeleri için finansal başarısızlık tahmin modelleri yol gösterici olabilmektedir Finansal Başarısızlık Kavramı Genellikle işletmelerin birçoğu faaliyetlerini başarılı bir şekilde yürüterek kurumsal kişiliklerini kazanırken az da olsa bazı işletmeler faaliyetlerine son vermek zorunda kalabilmektedir. Finansal başarısızlığı bütün yönleriyle tanımlamak bir hayli zordur. Ekonomilerde gerek küçük ölçekli gerekse büyük ölçekli bütün firmalar başarısızlık olgusuyla yüz yüze gelebilirler. Finansal başarısızlık; firmaların politikalarında, aldıkları finansal kararlarda ve firmanın diğer alanlarında olan başarısızlıkların sonucunda ortaya çıkan hedeflere ulaşamama durumudur. 2 Firma içinde bir bölümün başarısız olması, firmanın alt bir kuruluşunun başarısız olması veya firmanın tüm bölümlerinin bütün olarak başarısız olması durumu iş 1 Aydın, Nurhan - Başar, Mehmet - Coşkun, Metin, Finansal Yönetim, Detay Yayıncılık, Ankara, 2010, s Okka, Osman, Analitik Finansal Yönetim, Nobel Yayın Dağıtım, Ankara, 2009, s

3 dünyasında her zaman görülebilecek durumlardır. Firmaların hedeflerine ulaşamaması, borçlarını zamanında ödeyememesi, kredibilitesini düşürmesi ya da kaybetmesi yani sorumluluklarını kısmen ya da tamamen yerine getirememesi başarısızlık olarak nitelendirilebilir. 3 Bir başka tanımda ise finansal başarısızlık, işletmelerin kuruluş amaçlarını gerçekleştirememeleri veya faaliyetlerine son vermek zorunda kalmaları olarak tanımlanır. 4 Xu ve Wang ise finansal başarısızlığı bir firmanın ciddi tutarda ya da sürekli zarar etmesi veya bir firmanın sorumluluklarını yerine getirememesi olarak tanımlamaktadırlar. 5 Finansal başarısızlık literatürde genel olarak iflastan önce gerçekleşen ve şirketin iflas sürecindeki yollardan biri olarak ele alınmıştır. Finansal başarısızlığa düşmüş bir işletme normal faaliyet sürecine geri dönebilmek için bütün kurtulma yollarını denemiş ve sonuç alamamışsa, işletmenin varlığını devam ettirmesi zorlaşır ve tasfiyeye gitmekten başka çaresi kalmayabilir. Tablo 1., farklı çalışmalarda kullanılan finansal başarısızlık ve iflas tanımlarını göstermektedir. Tablo 1.Finansal Başarısızlık/İflas Tanımı 6 Yazar Kullanılan Kavram Tanım Altman İflas Yasal olarak iflas etmiş ve kavyum atanmış ya da ulusal iflas yasası hükümlerince reorganizasyon hakkı verilmiş işletmeler Beaver Başarısızlık Vadesi gelen finansal yükümlülüklerini ödeyememe. Araştırma kapsamına mali başarısızlık olarak şu olaylar alınmıştır: İflas, tahvil faizinin ödenememesi, karşılıksız çek yazılması, imtiyazlı hisse senetlerine temettü dağıtılmaması. Blum Başarısızlık Vadesi gelen borçlarını ödeyememe, iflas sürecine girme, alacaklılarla borçların azaltılması konusunda açık anlaşma yapma. Deakin Başarısızlık İflas etmiş, ya da alacaklıların isteği üzerine tasfiye edilmiş işletme. Edmister Başarısızlık Hem Beaver hem de Blum un tanımları kullanılmıştır. Elam İflas İflas yasası hükümlerine göre iflas etmiş sayılan işletmeler. Taffler İflas Başarısızlık tasfiye, alacaklıların isteği üzerine tasfiye ve mahkeme kararıyla faaliyetine son verme olarak tanımlanmıştır. İflas ve finansal başarısızlık kavramlarını başka bir bakış açısıyla değerlendiren Sayılgan, iflasa giderken geçilen aşamaları; sıkıntıya girmek veya problemle karşılaşmak (distress), başarısızlık (failure), kısa vadeli borçları ödeyememe ve günlük giderleri karşılayamama (insolvency) ve iflas (bankruptcy) olmak üzere dört aşamada sıralamıştır. 7 Finansal başarısızlığın tahmin edilmesi için bu başarısızlıkların nedenlerinin tespit edilmesi gerekmektedir. Literatürde bu konuyla ilgili yapılmış birçok çalışma mevcuttur. 3 A.g.e., s Büker, Semih - Aşıkoğlu, Rıza - Sevil, Güven, Finansal Yönetim, Sözkesen Matbaacılık Tic. Ltd. Şti., Ankara, 2009, s Xu, Xiayon - Wang, Yu, Financial failure prediction using efficiency as a predictor, Expert Systems with Applications, 2009, ss Aktaş, Ramazan, Endüstri İşletmeleri İçin Mali Başarısızlık Tahmini, Türkiye İş Bankası Kültür Yayınları, Ankara, Sayılgan, Güven, Soru ve Yanıtlarla İşletme Finansmanı, Turhan Kitabevi, Ankara, 2003, s

4 Başarısızlık nedenlerini saptamaya çalışan Ceylan ve Korkmaz ın 8 çalışmaları ile Öztürk ün 9 yapmış oldukları araştırmalarda finansal başarısızlığın temel nedeninin yönetim yetersizliği olduğu sonucuna ulaşılmıştır. Başarısızlığa neden olan diğer bir etmenin ise ihmalkârlık olduğu gözlemlenmiştir. İşletmelerde başarısızlık nedenleri, işletme faaliyetlerinin her aşamasında ortaya çıkabilir. Bu sebepler firma içi nedenlerden olabileceği gibi firma dışı etmenlerden de kaynaklanabilir. İçsel nedenler yönetimden kaynaklanan ve yönetimin denetleyebileceği nedenlerdir. Dışsal nedenler ise yönetimden kaynaklanmayan ve yönetimin denetimi dışındaki nedenlerdir. İşletme amaç ve hedeflerinin önceden sağlıklı bir şekilde belirlenmemesi, sermaye yetersizliği nedeniyle optimal sermaye yapısının oluşturulamaması 10, işletmenin satış hacminin yeterli düzeye ulaşamaması, finansal planlamaya yönelik analizlerin yeterince yapılamaması 11, profesyonel yöneticilerin işletmelerde görev almaması 12 ve satış ve kredi politikalarının yeterince belirlenememesi 13 gibi faktörler işletmeleri finansal başarısızlığa sürükleyen içsel nedenler arasında yer alırken işletmenin içerisinde bulunduğu toplumsal, yasal ve politik, teknolojik, ekonomik ve doğal çevre ise dışsal nedenler arasında bulunur Finansal Başarısızlık Tahminin Önemi Finansal başarısızlık genelde olağanüstü nedenlerden kaynaklanmaz. Başarısızlık bir süreç halinde başlar ve süreç içerisinde öncelikle satışların azalmaya başlaması, nakit akımlarında bozulmalar yaşanması, giderlerin artmaya başlaması, ödemelerde sorunlar yaşanması, banka cari hesaplarında düzensizlikler oluşması, müşteri ve satıcılarla olan ilişkilerde bozulmalar yaşanması, faaliyetlerde yavaşlamalar görülmesi, üretimde ve siparişlerde aksaklıklar meydana gelmesi gibi devam eder. Yaşanan bu aksaklıkların sonuçları firmanın finansal tablolarına yansır. Daha sonra sonuçlar piyasaya yansıyacağı için anonim şirketlerde hisse senetlerinin pazar fiyatları düşer. 14 Hisse senetlerindeki düşüş firmanın değerini düşürür ve firmayı başarısızlığa doğru sürüklemeye başlar. Finansal başarısızlığın göstergeleri olan bu faktörler işletmelerin finansal oranlarına da yansırlar. Böylece, finansal başarısızlık işletme mali tablolarında hesaplanılabilecek verilerle tahmin edilebilir bir hal alacaktır. Finansal başarısızlığın tahmini, ekonomik sistemdeki negatif etkileri engellemek ya da en aza indirgemek için önem arz etmektedir. 15 Finansal başarısızlık tahmininin amacı yatırımcıları, alacaklıları ve diğer firmaların paydaşlarını zarara uğratacak firmaları belirlemektir. 16 Finansal başarısızlığı tahmin edebilecek erken bir uyarı modeli işletmenin bir kriz yaşamadan sorunlarını tanımlayabilmesi açısından önemli bir araçtır. 17 Bir işletmenin başarısız olması sadece o işletme sahiplerini ya da çalışanlarını değil içinde bulunduğu toplumu ve genel ekonomiyi de etkilemektedir. Geniş bir müşteri ve 8 Ceylan, Ali - Korkmaz, Turhan, İşletmelerde Finansal Yönetim, Ekin Basın Yayın Dağıtım, Bursa, 2010, s Öztürk, E., İşletmelerde Mali Başarısızlık Nedenleri ve Alınabilecek Önlemler, Sivas, Okka, A.g.e., s Büker, Semih - Aşıkoğlu, Rıza - Sevil, Güven, A.g.e., s Ceylan, Ali - Korkmaz, Turhan, A.g.e., s Sayılgan, Güven, A.g.e., s Okka, A.g.e., s Boyacioğlu Acar, Melek - Kara, Yakup - Baykan Ömer Kaan, Predicting bank financial failures using neural networks, support vector machines and multivariate statistical methods: A comparative analysis in the sample of savings deposit insurance fund (SDIF) transferred banks in Turkey, Expert Systems with Applications, 36, 2009, ss Liou, Fen-May - Yang Chien-Hui, Predicting business failure under the existence of fraudulent financial reporting International Journal of Accounting and Information Management, No. 1, 2008, ss Platt, Harlan. D. - Platt, Marjorie B., Predicting Corporate Financial Distress: Reflections ons Choice-Based Sample Bias, Journal of Economics and Finance, Volume 26, Number 2, 2002, s

5 tedarikçi ağına sahip olan bir işletmenin başarısız olmasının maliyetleri yayılma etkisiyle tüm ekonomide hissedilebilir. Firmaların finansal başarısızlık tahmini konusu Merkez Bankası, bankacılık sektörünün düzenleme ve denetleme kurumları, sermaye piyasası kurumları ve bunların ötesinde, kredi veren kurumlar, yatırımcılar, yöneticiler, denetçiler gibi kurum ve kişileri ilgilendiren önemli bir konudur. 18 Ayrıca, finansal başarısızlık tahmini konusu finansal kurumların kârlılığında ve ödünç verme politikalarında önemli etkiler yarattığından dolayı önemi hızla artan bir konu haline gelmiştir. 19 Başarısızlık tahmini birçok amaç için sıklıkla kullanılmakta ve bu amaçlar konunun öneminin artmasına yardımcı olmaktadır: 20 - Giderleri karşılayamama problemini çözmek amacıyla işletmeler tarafından, - Düzenleyici kurumlar tarafından - İşletmelerin sürekliliği konusu açısından denetçiler tarafından - Portföy riskini ve kredi riskini önlemek amacıyla yatırımcılar tarafından. 2. LİTERATÜR TARAMASI Finansal başarısızlık çalışmaları son 40 yıldır önemli bir araştırma konusu haline gelmiştir. Altman 21 ve Beaver ın 22 ilk olarak ortaya atmış oldukları bu konuda sanayiciler ve akademisyenler tarafından birçok teknik geliştirilmiş ve uygulamalar yapılmıştır. Bu metotlardan en popülerleri tek değişkenli analizler, risk endeksli modeller, çok değişkenli diskriminant analizi ve lojistik regresyon analizidir. 23 Finansal başarısızlık tahmin modeli kurulurken aşağıdaki sorulara cevap verilmesi gerekmektedir: 24 - Model kurulurken hangi değişkenler kullanılacaktır? - Modelin fonksiyonel biçimi nasıl olacaktır? (Doğrusal, doğrusal olmayan gibi) - Modeldeki değişkenler nasıl ağırlıklandırılmalıdır? Bu sorulara verilen farklı cevaplarla başarısızlık öngörüsünde farklı yöntemler ortaya çıkmıştır. Bu yöntemlerde odaklanılan temel nokta yüksek tahmin başarısı elde etmektir. 25 Finansal başarısızlık çalışmalarında, modeller geliştirilirken genel olarak finansal oranlar bağımsız değişken olarak kullanılmıştır. Finansal oranları kullanan araştırmacıların en sık karşılaştığı soru, hangi finansal oranların kullanılmaları gerektiği veya kullanılacak finansal oranların nasıl seçileceğidir. Barnes yapılan çalışmalarda finansal oranların popülaritelerine göre seçildiğini iddia etmiştir. 26 Bir finansal oranın sağladığı bilgiyi tekrar eden bir başka finansal oranın modelde kullanılmasını önlemek için faktör analizi birçok çalışmada yol gösterici olmuştur. Eldeki 18 Çağlar, Mehmet Cevdet, Finansal Zorluğa Düşecek Firmaların Önceden Tahmini ve Ülkemizde bir Uygulama, İstanbul, Chen, Wei-Sen - Du, Yin-Kuan, Using neural networks and data mining techniques for the financial distress prediction model, Expert Systems with Applications, 2007, ss Jones, Stewart - Hensher David A., Predicting Firm Financial Distress: A Mixed Logit Model, The Accounting Review, Vol. 79, No 4, 2004, ss Altman, Edward I., Financial ratios, discriminant analysis and the prediction of corporate bankruptcy, Journal of Finance, 23, 1968, ss Beaver, William, Financial ratios as predictors of failure, Journal of Accounting Research, 4, ss Li, Hui - Sun, Jie - Wu, Jian (2010), Predicting business failure using classification and regression tree: An emprical comparison with popular classical methods and top classification, Expert System with Applications, 1966, ss Foster, George, Financial Statement Analysis, Prentice-Hall International, New Jersey, Akkoç, Soner, Finansal Başarısızlığın Öngörülmesinde Sinirsel Bulanık Ağ Modelinin Kullanımı ve Ampirik Bir Çalışma, Kütahya, Barnes, Paul, The Analysis and Use of Financial Ratios: A Review Article, Journal of Business Finance and Accounting, 1987, ss

6 karmaşık ve çok sayıdaki değişkeni basitleştiren ve azaltan bir teknik olarak tanımlanabilen faktör analizini kullanarak finansal oranlar yerine bunlardaki bilgileri içeren faktörler oluşturan çok sayıda çalışma bulunmaktadır. 27 Tahmin konusunda yapılan ilk çalışmalar istatistiksel yöntemlerle gerçekleştirilmiştir. Araştırmacılar ilk olarak tek boyutlu modeller geliştirerek firmaların başarısızlıklarını tahmin etme yolunu seçmişlerdir. Daha sonra çok boyutlu çalışmalar popülerlik kazanmış ve tek boyutlu yöntemlere kıyasla çok boyutlu tahmin yöntemlerinin üzerinde daha çok durulmuştur. Çok değişkenli modellerin kullanılmaya başlanması ile bu konuda yapılan akademik çalışmaların sayısında artış gözlemlenmiştir. Tek boyutlu modellerde seçilecek değişken sayısının bir tane olmasından dolayı hangi oranın değişken olarak seçileceği sorun oluşturmaktadır. Çünkü işletmenin likidite durumuna ait oranlar olumlu bir seyir izlerken, mali yapı oranları normalden uzaklaşmış olabilir. 28 Çok değişkenli modellerde ise çeşitli değişkenler aynı anda analize dahil edilebilir ve değişkenler arasındaki ilişkiler de ortaya çıkartılabilir. Bu özelliğinden dolayı finansal başarısızlık tahmininde çok boyutlu modeller sıklıkla kullanılmaktadır. Çok değişkenli istatistik yöntemlerinden literatürde en fazla rastlananları çoklu regresyon modeli, diskriminant analizi ve logit modelidir. 29 Günümüzde ise tek boyutlu ve çok boyutlu istatistiksel yöntemler geleneksel istatistiksel yöntemler adını almıştır. Geleneksel istatistiksel yöntemler yerini, veriden bilgi keşfi (knowledge discovery from data) ve makine öğrenmesi (machine learning) adları verilen yapay zekâ analizlerine bırakmıştır. Finansal başarısızlık tahmini çalışmalarında da artık sıkça yapay zekâ modelleri kullanılmaktadır Finansal Başarısızlık Tahmini Üzerine Yapılan Çalışmalar Finansal başarısızlık tahminiyle ilgili yapılan çalışmalarda genel olarak tahmin başarısının yanı sıra başarısızlığı etkileyen en önemli değişkenler de belirlenmektedir. Sandin ve Porporato Buenos Aires Menkul Kıymetler Borsası verileri ile yapmış oldukları çalışmada, 22 firmanın dönemlerindeki finansal tablo verilerini kullanmıştır. Yazarlar tahmin modeli geliştirmek amacıyla diskriminant analizini kullanmışlardır. Analizler sonucunda Arjantin gibi gelişmekte olan ekonomilerde, ödeme gücü oranlarının finansal başarısızlığı tahmin etmede toplam aktiflere göre daha iyi bir değişken olduğu, kârlılık oranlarının da satışlara kıyasla daha başarılı tahminler ürettiği bulunmuştur. 30 Altaş ve Giray İMKB tekstil sektöründe mali başarısızlık riski olan işletmeleri saptayacak bir model geliştirmişlerdir. Çalışmada İMKB de kayıtlı tekstil firmalarının finansal oranları kullanılmıştır. Öncelikle bu oranlara faktör analizi uygulanmış ve faktör analizi sonucunda elde edilen faktör skorları, lojistik regresyonda bağımsız değişken olarak alınmıştır. Analiz sonucunda 2001 yılında tekstil sektöründe yer alan İMKB ye kayıtlı işletmelerin ilgili dönem sonundaki finansal başarısızlığını belirleyen en önemli faktörün işletmenin kısa vadeli yabancı kaynaklarını karşılayabilme gücü faktörü olduğu bulunmuştur. Bu oranlar başarılı ve başarısız şirket grupları arasında önemli farklılıklar yaratmaktadır. 31 Amerika da perakendecilik sektörü üzerinde başarısızlık tahmini modeli geliştiren McGurr ve DeVaney, uyguladıkları 27 Pinches, George E. - Mingo, Kent A, A Multivariate Analysis of Industrial Bon Ratings, The Journal of Finance, ss. 1-18, Akkoç, A.g.e. 29 Aktaş, Ramazan - Doğanay, Mete - Yıldız, Birol, Mali Başarısızlığın Öngörülmesi: İstatistiksel Yöntemler ve Yapay Sinir Ağı Karşılaştırması Ankara Üniversitesi SBB Dergisi, 5, Sandın, Ariel R. - Porporato, Marcela, Corporate bankruptcy prediction models applied to emerging economies: Evidence from Argentina in the years , International Journal of Commerce and Management, 2007, ss Altaş, Dilek - Giray, Selay, Mali Başarısızlığın Çok Değişkenli İstatistiksel Yöntemlerle Belirlenmesi: Tekstil Sektörü Örneği, Anadolu Üniversitesi Sosyal Bilimler Dergisi, 2005, ss

7 diskriminant analizi sonucunda finansal başarısızlığı etkileyen en önemli değişkenin aktiflerin kârlılığı değişkeni olduğunu belirtmişlerdir. 32 Finansal başarısızlık konusunda yapılan çalışmaların sayısının artması araştırmacıları yeni model geliştirmeye ve birden fazla modeli bir çalışma içerisinde kullanarak karşılaştırmalar yapmaya itmiştir. Bankaların finansal başarısızlığa düşme ihtimallerini 1 ve 2 yıl önceden ayrı ayrı tahmin etmeye çalışan Kurtaran Çelik, diskriminant analizi ile yapay sinir ağları modellerinin tahmin güçlerini karşılaştırmıştır. Karşılaştırma sonucunda her bir yıl öngörü başarısı farklı çıkmıştır. Bir yıl öncesi için başarılı ve zarar eden firmalarda en iyi öngörü, %100 lük tahmin gücü ile yapay sinir ağları modeline ait iken iki yıl öncesine bakıldığında, başarılı firmalar için en iyi modelin, %88,9 ile diskriminant analizi modeli olduğu görülmüştür. Zarar eden firmalar için ise en iyi tahmin değeri %100 ile yapay sinir ağı modeline aittir. İki yıl öncesi için genel başarı oranının yüksek olduğu model ise %91,7 ile diskriminant analizidir. 33 Aktaş vd. başarısızlık için belirlemiş oldukları kriterlere göre İMKB de işlem gören 53 ü başarısız, 53 ü başarısız olmayan toplam 106 firmadan oluşan bir örneklem oluşturmuşlardır. Çalışmada geliştirilen modellerde değişken olarak finansal oranlar kullanılmıştır. Çalışma çoklu regresyon, diskriminant ve logit analizlerinin performanslarını, yapay sinir ağları modelinin performansı ile karşılaştırmıştır. Yapılan analizler sonucunda yapay sinir ağları modelinin finansal başarısızlık tahminindeki başarısının istatistiksel yöntemlere oranla daha yüksek olduğu görülmüştür lı yıllardan itibaren geleneksel istatistiksel yöntemlere ek olarak veri madenciliği yöntemi finansal başarısızlığı öngörmede önemli bir yer edinmiştir. Yapay zeka yöntemleri kullanılarak yapılan çalışmalar geleneksel yöntemler kullanılarak yapılan çalışmalarla kıyaslanarak yeni bir çalışma alanı ortaya çıkmıştır yılına kadar yapılmış finansal başarısızlık tahmin çalışmalarındaki yöntemlerde dinamik öğrenme yeteneği eksikliği bulunduğunu ve anlaşılmasının zor olduğunu belirten Sun ve Li bu problemlerin veri madenciliği yönteminin özellik odaklı tahmin, bilgi kazanımı ve karar ağacı teknikleri ile birleştirilmesiyle aşılabileceğini belirtmişlerdir. Çin Hisse Senedi Piyasası ve Muhasebe Araştırmaları veritabanından 198 firma seçmişlerdir. Firmalara Çin Hisse Senedi Gözetim ve Denetim Komitesi tarafından bir iyileştirme yapılmışsa firma başarısız, yapılmamışsa firma sağlıklı olarak kabul edilmiştir. Değişken olarak finansal oranlar kullanılmıştır. Çalışma sonucunda finansal başarısızlığı tahmin etmek için kullanılan veri madenciliği yönteminin sadece teorik olarak değil aynı zamanda reel hayatta da etkili olduğu bulgusu elde edilmiştir. 36 Chen ve Du (2009), yapay sinir ağları ve veri madenciliği yöntemlerini kullanarak Tayvan Menkul Kıymetler Borsası ndaki 68 şirketin finansal başarısızlığını tahmin etmeye çalışmışlardır. Çalışmada yapay sinir ağları tekniklerinden geri beslemeli yapay sinir ağları tekniği kullanılırken, veri madenciliği tekniklerinden ise kümeleme tekniği kullanılmıştır. Araştırmacılar geri beslemeli yapay sinir ağları tekniğinin tahmin gücünün kümelemeli veri madenciliği tekniğinden daha iyi olduğunu gözlemlemişlerdir Mcgurr, Paul T. - Devaney, Sharon A., A retail failure prediction model, The International Review of Retail, Distribution and Consumer Research, 1998, ss Kurtaran Çelik, Melike, Bankaların Finansal Başarısızlıklarının Geleneksel ve Yeni Yöntemlerle Öngörüsü, Yönetim ve Ekonomi Dergisi, 2010, ss Aktaş, Ramazan - Doğanay, Mete - Yıldız, Birol, A.g.e. 35 Li, Hui - Sun, Jie - Wu, Jian, A.g.e., ss Li Hui - Sun, Jie, Mining business failure predictive knowledge using two-step clustering, African Journal of Business Management, Vol.5 (11), 2008, ss Chen, Wei-Sen - Du, Yin-Kuan, A.g.e., ss

8 3. MATERYAL VE YÖNTEM Çalışmanın bu bölümünde, çalışmada kullanılan veriler, verilerin hangi dönemlere ait olduğu, verilerin elde edilme biçimleri, değişkenler ve kullanılan analiz yöntemleri açıklanmıştır Materyal İşletmelerin finansal başarısızlığını tahmin etmek ve başarısızlığı etkileyen en önemli değişkenleri belirlemek amacıyla yapılmış olan bu çalışmada, İstanbul Menkul Kıymetler Borsa sında işlem gören toplam 137 üretim firmasından veri toplanmıştır. Bu işletmelerin faaliyet alanları gıda, içki ve tütün sektörü, dokuma, giyim eşyası ve deri sektörü, orman ürünleri ve mobilya sektörü, kâğıt, kâğıt ürünleri, basım ve yayın sektörü, kimya, petrol, kauçuk ve plastik ürünleri sektörü, taş ve toprağa dayalı sanayi sektörü, metal ana sanayi sektörü, metal eşya, makine ve gereç yapımı sektörü, diğer imalat sektörleri, elektrik, gaz ve su sektörü ve inşaat sektörüdür. Tahmin modeli geliştirilirken şirketlerin finansal tablolarından yararlanılmıştır. Şirketlerin bilançoları ve gelir tabloları İMKB veri tabanından temin edilmiştir. Veriler, 2005 ile 2010 yılları arası 12 aylık dönemleri içermektedir. Verilerin 2005 yılından itibaren seçilmesinin nedeni, Türkiye de 2005 yılı itibariyle kamuya açık şirketlerin finansal tablolarının konsolide hale getirilmiş olmasıdır. Çalışmada işletmelerin likidite oranları, borçlanma oranları, faaliyet oranları ve kârlılık oranları değişken olarak kullanılmıştır yılları arasındaki tüm yıllar için her bir firmanın finansal oranları hesaplanmıştır. Kullanılan finansal oranlar: Tablo 2. Likidite Oranları Değişken Açıklama Cari Oran Asit Test Oranı Çalışma Sermayesi Oranı Dönen Varlıklar / Kısa Vadeli Yabancı Kaynaklar (Dönen Varlıklar Stoklar) / Kısa Vadeli Yabancı Kaynaklar (Dönen Varlıklar Kısa Vadeli Borçlar) / Satışlar Tablo 3. Borçlanma Oranları Değişken Açıklama Kaldıraç Oranı KVYK/TK Oranı Faiz Karşılama Gücü (Kısa Vadeli Yabancı Kaynaklar + Uzun Vadeli Yabancı Kaynaklar) / Toplam Varlıklar Kısa Vadeli Yabancı Kaynaklar / Toplam Kaynaklar Faiz ve Vergiden Önceki Kazanç / Toplam Faizler Tablo 4. Faaliyet Oranları Değişken Stok Devir Hızı Oranı Alacak Devir Hızı Oranı Aktif Devir Hızı Oranı Açıklama Satışların Maliyeti / Ortalama Stoklar Net Satışlar / Ticari Alacaklar Satışlar / Toplam Aktifler 8

9 Tablo 5.Kârlılık Oranları Değişken Faaliyet Kârlılığı Oranı Faaliyet Kârı Marjı Net Kâr Marjı SMM/NS Oranı FG/NS Oranı Açıklama Faaliyet Kârı / Aktif Toplamı Faaliyet Kârı / Net Satışlar Net Kâr / Net Satışlar Satılan Malların Maliyeti / Net Satışlar Faaliyet Giderleri / Net Satışlar 3.2. Yöntem Finansal başarısızlık tahmini çalışmalarında, önemli hususlardan birisi çalışmada kullanılacak olan başarısızlık tanımıdır. Literatürde finansal başarısızlık tahmini konusunda yapılan çalışmalar incelendiğinde birçok başarısızlık sınıflandırılmasına rastlanmıştır. Kurtaran Çelik 38, Altan ve Giray 39, Karacabey 40, Keskin ve Benli 41 Türkiye de yapmış oldukları çalışmalarda firmaları iflas etmişlerse ya da son iki ya da üç yıl üst üste zarar etmişlerse başarısız olarak tanımlamışlardır. İşletmeleri başarılı ya da başarısız olarak sınıflandırırken sınıflandırma kriterleri açık ve net bir biçimde belli olmazsa, yapılan tahminler sonrası elde edilen başarı oranları da istenilen düzeyde olmayabilir. Bu çalışmada finansal başarısızlığın operasyonel tanımı dört farklı şekilde yapılmıştır: İflas İMKB gözaltı pazarında yer almak Aktif tutarının %10 unu kaybetmiş olması (dönem ve geçmiş yıllar zararlarının aktif toplamının %10 u bulması) İki yıl üst üste zarar etmiş olmak. İşletme yukarıdaki tanımlamalardan herhangi bir ya da daha fazlasına uyuyorsa başarısız olarak kabul edilmiştir. Bu kriterlerden herhangi birine uymuyorsa başarısız olmayan işletme olarak adlandırılmıştır. İMKB bünyesinde, imalat sektöründe faaliyet gösteren şirketlerin önemli bir kısmı orta ve büyük ölçekli firmalardır. Bu nedenle çalışmada satış hasılatı açısından küçük ölçekli firmalar analize dahil edilmemiştir. Ölçek sınıflandırmasında ise TCMB tarafından da kullanılan BACH (The Bank of Harmonized Data on Company Accounts) kriterleri esas alınmış ve buna göre net satışları yıllık 10 milyon Euro dan az olan firmalar küçük ölçekli kabul edilmişlerdir. Toplam 6 yıllık dönem ( ) için firmaların yukarıdaki kriterlere göre finansal başarısızlık sınıflandırması yapılmış olup Tablo 2. de özetlenmiştir. 137 firmanın 6 yıllık finansal başarı durumlarına bakıldığında firmaların 604 defa başarılı, 191 defa ise finansal açıdan başarısız oldukları görülmektedir. Çalışmada kullanılan değişkenlerin işletmelerin başarılı ya da başarısız olarak sınıflandırılmasında etkileri olup olmadığını ölçmek amacıyla değişkenlere Mann-Whitney U testi uygulanmıştır. Mann-Whitney U testi SPSS 17.0 (Statisistical Package for the Social 38 Kurtaran Çelik, Melike, A.g.e., ss Altaş, Dilek - Giray, Selay, A.g.e., ss Karacabey, Ali Argun, Banka Başarısızlıklarının Düzeltilmiş Minumum Sapma Modeli ile Tahmin Edilmesi, Ankara Üniversitesi SBF Dergisi, 2006, ss Keskin Benli, Yasemin, Bankalarda Mali Başarısızlığın Öngörülmesi Lojistik Regresyon ve Yapay Sinir Ağı Karşılaştırması, Gazi Üniversitesi Endüstriyel Sanatlar Eğitim Fakültesi Dergisi, 2005, ss

10 Sciences) istatistik programı ile yapılmıştır. Daha sonra Yapay Sinir Ağı (Artificial Neural Network) tekniği ile işletmelerin finansal başarısızlık durumu tahmin edilmiştir. Yapay Sinir Ağı analizi için Clementine 12.0 programı kullanılmıştır. Tablo 6. Yıllara göre Firmaların Başarısızlık Durumu Finansal Durum Yıl Sayısı Başarılı Başarısız BULGULAR VE TARTIŞMA Bu bölümde uygulanan analizler sonucunda elde edilen bulgular tartışılacaktır Mann-Whitney U Testi Finansal başarısızlığı tahmin etmek amacıyla belirlenen 14 değişken Mann-Whitney U testi ile teste tabi tutulmuş ve bu test ile başarılı firmalarla başarısız firmaları ayırt edici özelliği olmayan değişkenler analize girdi olarak alınmamıştır. Analiz sonucunda elde edilen bulgular Tablo 7. de gösterilmiştir. Test sonuçlarında değişkenlerin başarısızlığı ayırt etmedeki anlamlılık derecelerine bakıldığında, alacak devir hızı değişkeni hariç tüm değişkenlerin başarısızlığı ayırt edici özelliği olduğu sonucu görülmektedir. Alacak devir hızı değişkeninin %5 anlamlılık seviyesinde ayırt edici özelliği olmamasından dolayı bu değişken tahmin modeli geliştirmek amacıyla yapılan analizlere dahil edilmemiştir. Böylece çalışmada kullanılan değişken sayısı 13 e indirilmiştir. Tablo 7. Mann-Whitney U Testi Bulguları Değişkenler Mann-Whitney U Z Anlamlılık(2-kuyruklu) Cari oran 31200,000-9,573,000 Asit test oranı 28173,000-10,667,000 Çalışma sermayesi oranı 34284,000 8,458,000 Kaldıraç oranı 27577,000-10,883,000 KVYK/TK 31323,000-9,529,000 Stok devir hızı 50563,000-2,481,013 Alacak devir hızı 56899,000 -,106,916 Aktif devir hızı 52271,000-1,956,050 Faaliyet kârı marjı 21939,000-12,921,000 Net kâr marjı 16831,000-14,767,000 Faiz karşılama gücü 21319,000-13,063,000 Faaliyet kârlılığı oranı 20365,000-13,490,000 SMM/NS 36459,000-7,672,000 FG/NS 39868,000-6,351,000 10

11 4.2. Yapay Sinir Ağları Analizi Yapay sinir ağları, sınıflandırma amacıyla da kullanılabilen bir modelleme yöntemidir. Sınıflandırma yönteminde, analizde kullanılacak olan girdi değişkenlerine bağlı olarak birimlerin farklı sınıf veya gruplardan hangisi içerinde yer alacağı tahmin edilmeye çalışılır. 42 Yapay sinir ağları sınıflandırma amacıyla sıklıkla kullanılan yöntemler arasında yer alır. Yapay sinir ağları, insan beyninin çalışma düzeninden faydalanarak, öğrenme aşamalarının modellenmesi amacıyla ortaya çıkmıştır. Yapay sinir ağları, insan beyninin özelliklerinden olan öğrenme yolu ile yeni bilgiler türetebilme, yeni bilgiler üretebilme ve yeni bilgiler keşfetme gibi kabiliyetleri, herhangi bir yardım almadan otomatik olarak gerçekleştirmek amacıyla geliştirilen bilgisayar sistemleridir. 43 Sinir ağları, veri kümesinden rastsal olarak bir eğitim grubu ve bir test grubu seçerek finansal başarısızlık tahminindeki başarıyı belirlemektedir. 44 Sinir ağları tekniğinin çalışmada tercih edilmesinin nedeni özellikle bağımlı ve bağımsız değişkenler arasında karmaşık ve doğrusal olmayan ilişkileri modelleyebilmesidir. Tablo 8. bu çalışmada geliştirilen yapay sinir ağının başarısızlık tahmini sonuçlarını göstermektedir. Tablo 8. Sinir Ağları Analizi Başarısızlık Tahmini Sonuçları Eğitim Grubu Test Grubu Doğru 333 %85, %84,09 Yanlış 58 %14,83 61 %15,1 Toplam 391 % %100 Tablo 8. e göre işletmelerin 6 yıl boyunca her yıl hesaplanmış olan finansal başarısızlık durumlarından 391 i eğitim grubuna, 404 ü ise test grubuna rastgele dahil edilmiştir. Eğitim grubunda, 391 finansal durumdan 333 ü (%85,17) doğru olarak tahmin edilirken 58 (%14,83) finansal başarı durumu yanlış tahmin edilmiştir. Test grubunda ise doğru tahmin edilen finansal durum sayısı 343 (%84,09) iken yanlış tahmin edilen finansal durum sayısı 61 (%15,1) dir. Çalışmada kullanılmış olan değişkenlerin başarısızlığı etkilemedeki önem derecelerine bakılacak olursa, en önemli değişkenin faaliyet kârlılığı oranı olduğu görülmektedir. Faaliyet kârlılığı oranının tahmindeki etkisi %15 civarındadır. Bu oranı, kaldıraç oranı ve KVYK/TK oranı %13 ve %12 lik etkileriyle izlemektedir. Bu üç oranın toplam etkisi %40 civarındadır. Sinir ağları analizi sonucunda belirlenen en önemli değişkenler Tablo 9 da gösterilmiştir. İşletmelerin başarılarını en fazla etkileyen faktörün kârlılıkları olduğu bilinmektedir. Başarılı işletmelerin genelde yüksek kâr marjlarıyla çalıştıkları genel kabul görmüş bir durumdur. Analiz sonucunda ortaya çıkan en önemli değişken de bu görüşü desteklemektedir. İşletmelerin başarılarını etkileyen diğer bir etken ise işletmenin ödemekle yükümlü oldukları borçlarıdır. Aşırı borçlanan işletmenin, borç maliyetleri artacak ve kullandığı kaynak maliyeti ile bu kaynaktan sağladığı getiriden düşük olacaktır. Bu durumda, işletme borçlarını ödeyemez duruma gelecek ve doğal olarak başarısızlığa doğru sürüklenecektir. Analiz sonucunda finansal başarısızlığı etkileyen en önemli ikinci ve üçüncü değişkenlere bakıldığında bu oranların borçlanma oranları olduğu görülmektedir. Yani analiz sonuçları borçlanma oranlarının önemini destekler nitelikte çıkmıştır. 42 Seyrek, İbrahim Halil - Ata, H. Ali, Veri Zarflama Analizi ve Veri Madenciliği ile Mevduat Bankalarında Etkinlik Ölçümü, BDDK Bankacılık ve Finansal Piyasalar, 2010, ss Şentürk, Aysan, Veri Madenciliği, Ekin Basım Yayın Dağıtım, Bursa, Şimşek Gürsoy, Tuğba, Veri Madenciliği ve Bilgi Keşfi, Pegem Akademi, Ankara, 2009, s

12 Tablo 9. Sinir Ağları Testi Değişkenleri Önemlilik Sıralaması Değişkenler Önemlilik Derecesi Yuvarlanmış Değerler Faaliyet kârlılığı oranı 0,1482 0,15 Kaldıraç oranı 0,1321 0,13 KVYK/Toplam kaynaklar 0,1214 0,12 Net kâr marjı 0,1192 0,12 Faaliyet kârı marjı 0,1182 0,12 Faaliyet giderleri/net satışlar 0,1163 0,12 Cari oran 0,0705 0,07 Asit test oranı 0,0543 0,05 Faiz karşılama gücü 0,0528 0,05 SMM/Net satışlar 0,0328 0,03 Aktif devir hızı 0,0171 0,02 Çalışma sermayesi oranı 0,0159 0,02 Stok devir hızı 0, İşletmelerin başarılarını en fazla etkileyen faktörün kârlılıkları olduğu bilinmektedir. Başarılı işletmelerin genelde yüksek kâr marjlarıyla çalıştıkları genel kabul görmüş bir durumdur. Analiz sonucunda ortaya çıkan en önemli değişken de bu görüşü desteklemektedir. İşletmelerin başarılarını etkileyen diğer bir etken ise işletmenin ödemekle yükümlü oldukları borçlarıdır. Aşırı borçlanan işletmenin, borç maliyetleri artacak ve kullandığı kaynak maliyeti ile bu kaynaktan sağladığı getiriden düşük olacaktır. Bu durumda, işletme borçlarını ödeyemez duruma gelecek ve doğal olarak başarısızlığa doğru sürüklenecektir. Analiz sonucunda finansal başarısızlığı etkileyen en önemli ikinci ve üçüncü değişkenlere bakıldığında bu oranların borçlanma oranları olduğu görülmektedir. Yani analiz sonuçları borçlanma oranlarının önemini destekler nitelikte çıkmıştır. Şirketlerin bu sonuçlara göre başarısızlıktan kaçınabilmeleri için öncelikle faaliyet kârlarını yükseltmeleri gerekmektedir. Faaliyet kârları, satışların maliyetini düşürerek ya da pazarlama giderleri, genel yönetim giderleri, reklam giderleri ve AR-GE giderleri düşürülerek yükseltilebilir. Bunun yanı sıra, işletmeler borçlanma oranlarını optimum bir noktaya getirerek sermaye maliyetlerini getirilerinin altında tutmak zorundadırlar. Dönen varlıkları, kısa vadeli yabancı kaynakla finanse edip, çalışma sermayelerini negatife düşürmemeleri gerekmektedir. 5. SONUÇ Ortakların refah düzeyinin en üst düzeye çıkartılması için değer maksimizasyonu temel amacı olan ve faaliyetlerini teorik olarak sonsuza kadar sürdürecekleri kabul edilen işletmeler, gerek işletme içinden gerekse dış çevreden kaynaklanan nedenlerden dolayı zaman zaman finansal başarısızlıkla karşı karşıya kalabilmektedirler. İşletmelerde belirlenen amaçların gerçekleştirilmesi ve firma faaliyetlerinin devamlılığı açısından finansal başarısızlıkların önlenmesi gerekmektedir. Finansal başarısızlığın önlenebilmesi için ilk olarak yapılması gereken finansal başarısızlığın nedenlerinin belirlenmesidir. İşletmeler çok farklı nedenlerden dolayı sıkıntıya düşme, finansal başarısızlık, borçlarını ödeyememe ve iflas gibi durumlarla karşılaşabilirler. Nedeni belli olan bir durumun çözümü daha kolay üretilebilir. Bu nedenle finansal başarısızlık nedenleri işletmelerce açık bir şekilde belirlenmelidir. Yapılan bu çalışma 12

13 sonucunda, İMKB de işlem gören imalat sektöründe faaliyet gösteren işletmelerin finansal başarısızlıklarını etkileyen en önemli değişkenin faaliyet kârlılığı oranı olduğu görülmüştür. Kaldıraç oranı ve KVYK/Toplam kaynak oranı ise finansal başarısızlığı en fazla etkileyen diğer değişkenler olarak gözlemlenmiştir. Ayrıca yapay sinir ağlarının finansal başarısızlığı tahmin etme gücü %84 olarak gözlemlenmiştir. İşletmelerin bu sonuçlara göre finansal başarısızlıktan kaçınabilmeleri için öncelikle faaliyet kârlarını yükseltmeleri gerekmektedir. Faaliyet kârı, satışların maliyetini düşürerek ya da pazarlama giderleri, genel yönetim giderleri, reklam giderleri ve AR-GE giderleri düşürülerek yükseltilebilir. Bunun yanı sıra, işletmeler borçlanma oranlarını, sermaye maliyetleri getirilerin üzerine çıkmayacak şekilde, optimum bir noktada tutmalıdırlar. Teknolojik gelişmelerin hızla devam ettiği dünyamızda, ülkeler arası mesafeler her geçen gün kısalmakta ve işletmeler global bir rekabetin içine girmektedirler. İşletmeler kendileriyle, faaliyette bulundukları sektörde yer alan yerel firmalarla ve dünya çapındaki rakipleri ile yarışmak zorunda kalmaktadırlar. Böyle bir ortamda, işletmelerin yaşayabileceği olası finansal başarısızlıkların öngörülmesi, zamanında önlemler alabilmek için işletme sahiplerine büyük avantajlar sağlamaktadır. Böyle bir öngörü, kredi kurumlarının firmaları değerlendirirken daha hızlı ve daha güvenilir kararlar vererek batık kredilerden kurtulmasını, denetçilerin firmalar hakkında denetlemeye başlamadan tahminler yapabilmesini, yatırımcıların yatırım kararlarını verirken, geleceklerini daha iyi görerek daha isabetli kararlar verebilmelerini sağlayabilir. KAYNAKÇA AKKOÇ, Soner, (2007), Finansal Başarısızlığın Öngörülmesinde Sinirsel Bulanık Ağ Modelinin Kullanımı ve Ampirik Bir Çalışma, Kütahya. AKTAŞ, Ramazan, (1993), Endüstri İşletmeleri İçin Mali Başarısızlık Tahmini, Türkiye İş Bankası Kültür Yayınları, Ankara. AKTAŞ, Ramazan - DOĞANAY, Mete - YILDIZ, Birol (2003), Mali Başarısızlığın Öngörülmesi: İstatistiksel Yöntemler ve Yapay Sinir Ağı Karşılaştırması Ankara Üniversitesi SBB Dergisi, 5. ALTAŞ, Dilek - GİRAY, Selay (2005), Mali Başarısızlığın Çok Değişkenli İstatistiksel Yöntemlerle Belirlenmesi: Tekstil Sektörü Örneği, Anadolu Üniversitesi Sosyal Bilimler Dergisi, s ALTMAN, Edward I. (1968), Financial ratios, discriminant analysis and the prediction of corporate bankruptcy, Journal of Finance, 23, s AYDIN, Nurhan - BAŞAR, Mehmet - COŞKUN, Metin, (2010), Finansal Yönetim, Detay Yayıncılık, Ankara. BARNES, Paul (1987), The Analysis and Use of Financial Ratios: A Review Article, Journal of Business Finance and Accounting, s BEAVER, William (1966), Financial ratios as predictors of failure, Journal of Accounting Research, 4, s BOYACİOĞLU ACAR, Melek - KARA, Yakup - BAYKAN Ömer Kaan (2009), Predicting bank financial failures using neural networks, support vector machines and multivariate statistical methods: A comparative analysis in the sample of savings deposit insurance fund (SDIF) transferred banks in Turkey, Expert Systems with Applications, 36, s

14 BÜKER, Semih - AŞIKOĞLU, Rıza - SEVİL, Güven, (2009), Finansal Yönetim, Sözkesen Matbaacılık Tic. Ltd. Şti., Ankara. CEYLAN, Ali - KORKMAZ, Turhan, (2008), İşletmelerde Finansal Yönetim, Ekin Basın Yayın Dağıtım, Bursa. CHEN, Wei-Sen - DU, Yin-Kuan. (2009), Using neural networks and data mining techniques for the financial distress prediction model, Expert Systems with Applications, s ÇAĞLAR, Mehmet Cevdet, (2007), Finansal Zorluğa Düşecek Firmaların Önceden Tahmini ve Ülkemizde bir Uygulama, İstanbul. FOSTER, George, (1986), Financial Statement Analysis, Prentice-Hall International, New Jersey. JONES, Stewart - HENSHER David A. (2004), Predicting Firm Financial Distress: A Mixed Logit Model, The Accounting Review, Vol. 79, No 4, s KARACABEY, Ali Argun (2006), Banka Başarısızlıklarının Düzeltilmiş Minumum Sapma Modeli ile Tahmin Edilmesi, Ankara Üniversitesi SBF Dergisi, s KESKİN BENLİ, Yasemin (2005), Bankalarda Mali Başarısızlığın Öngörülmesi Lojistik Regresyon ve Yapay Sinir Ağı Karşılaştırması, Gazi Üniversitesi Endüstriyel Sanatlar Eğitim Fakültesi Dergisi, s KURTARAN ÇELİK, Melike (2010), Bankaların Finansal Başarısızlıklarının Geleneksel ve Yeni Yöntemlerle Öngörüsü, Yönetim ve Ekonomi Dergisi, s LI Hui - SUN, Jie (2008), Mining business failure predictive knowledge using two-step clustering, African Journal of Business Management, Vol.5 (11), s LI, Hui - SUN, Jie - WU, Jian (2010), Predicting business failure using classification and regression tree: An emprical comparison with popular classical methods and top classification, Expert System with Applications, s LIOU, Fen-May - YANG Chien-Hui (2008), Predicting business failure under the existence of fraudulent financial reporting International Journal of Accounting and Information Management, No. 1, s MCGURR, Paul T. - DEVANEY, Sharon A. (1998), A retail failure prediction model, The International Review of Retail, Distribution and Consumer Research, s OKKA, Osman, (2009), Analitik Finansal Yönetim, Nobel Yayın Dağıtım, Ankara. ÖZTÜRK, E., (2002), İşletmelerde Mali Başarısızlık Nedenleri ve Alınabilecek Önlemler, Sivas. PINCHES, George E. - MINGO, Kent A (1973), A Multivariate Analysis of Industrial Bon Ratings, The Journal of Finance, s PLATT, Harlan. D. - PLATT, Marjorie B. (2002), Predicting Corporate Financial Distress: Reflections ons Choice-Based Sample Bias, Journal of Economics and Finance, Volume 26, Number 2, s.184. SANDIN, Ariel R. - PORPORATO, Marcela (2007), Corporate bankruptcy prediction models applied to emerging economies: Evidence from Argentina in the years , International Journal of Commerce and Management, s

15 SAYILGAN, Güven, (2003), Soru ve Yanıtlarla İşletme Finansmanı, Turhan Kitabevi, Ankara. SEYREK, İbrahim Halil - ATA, H. Ali (2010), Veri Zarflama Analizi ve Veri Madenciliği ile Mevduat Bankalarında Etkinlik Ölçümü, BDDK Bankacılık ve Finansal Piyasalar, s ŞENTÜRK, Aysan, (2006), Veri Madenciliği, Ekin Basım Yayın Dağıtım, Bursa. ŞİMŞEK GÜRSOY, Tuğba, (2009), Veri Madenciliği ve Bilgi Keşfi, Pegem Akademi, Ankara. XU, Xiayon - WANG, Yu (2009), Financial failure prediction using efficiency as a predictor, Expert Systems with Applications, s