Finansal başarısızlığın erken öngörüsü: BİST'te bir uygulama = Early prediction of financial failure: An application in BIST

Abstract

Karataş, B. (2024). Finansal başarısızlığın erken öngörüsü: BİST'te bir uygulama (Yayımlanmamış doktora tezi). Sakarya Üniversitesi. Bu araştırmanın amacı; Borsa İstanbul'da (BİST) faaliyet gösteren imalat sektöründeki işletmelerin finansal başarı/başarısızlık durumlarını, istatistiksel tahmin modellerinden lojistik regresyon analizi (LRA), yapay zeka tahmin modellerinden Bulanık Mantık (Fuzzy Logic)-ANFIS modellerini kullanarak, işletmeler finansal başarısızlığa düşmeden bir yıl öncesinden öngörecek modeller geliştirmektir. Araştırmanın kapsamı; Borsa İstanbul'da (BİST) faaliyet gösteren imalat sektöründeki işletmelerin finansal başarı ve başarısızlık durumlarını öngörmek amacıyla geliştirilmiş tahmin modelleri üzerine odaklanmaktadır. Araştırma evrenini, BİST imalat sektöründe 2005-2019 döneminde faaliyet gösteren işletmeler oluşturmaktadır. Veriler BİST'te imalat sektöründe faaliyet gösteren 177 şirketten farklı dönemlerde başarısızlık kriterine uyan 103, başarılı kriterlerine uyan 103 toplamda 206 firmanın 12 aylık (yıllık) mali tablolarından veriler elde edilmiştir. Araştırmada finansal başarısızlık kriteri olarak, işletmelerin üst üste en az iki veya daha fazla yıl "Net Dönem Zararı" açıklamaları esas alınmıştır. Araştırmada 58 adet bağımsız değişken mevcuttur. SPSS 22, Matlab R2019a, Jamovi 2.3.28 ve Excel programları kullanılmıştır. Araştırma üç bölümden oluşmuştur. Birinci bölümde; finansal başarısızlık kavramı, sebepleri, işletmelere etkileri, önleme yöntemleri işlenecektir. İkinci bölümde; finansal başarısızlığın erken öngörüsünün önemi, finansal başarısızlığın öngörüsünde kullanılan modeller ve literatür ele alınacaktır. Üçüncü bölümde finansal başarısızlığın öngörüsü üzerine BİST imalat sektörü üzerine bir uygulama bulunacaktır. Araştırmanın yöntemi; araştırmada verilerin analizi SPSS 22 programında lojistik regresyon analiz yöntemiyle gerçekleştirilmiş olup, modelin; anlamlılığı, açıklayıcılığı ve uyumu gibi çeşitli istatistiksel analizler yer almıştır. Lojistik regresyon yöntemiyle ortaya konulan tahmin modelinin açıklama gücünü yüksek bulduğu dört bağımsız değişken, ANFIS yönteminin de bağımsız değişkenleri olarak kullanılmıştır. ANFIS modeli için Matbab R2019a programı kullanılmıştır. ANFIS modeli de, eğitim veri setiyle eğitilmiş, ağın hiç görmediği diğer veri setleri gösterilerek tahminler gerçekleştirilmiştir. Araştırmanın diğer çalışmalardan farkı; i) 2005-2019 yıllarını kapsayan (15 yıllık) uzun bir dönem aralığındaki, büyük bir veri yığınıyla çalışılması, ii) Modellerin her alt sektör için ayrı ayrı geliştirilmeyip, hepsini kapsayan sadece tek bir modelin ortaya konması, iii) Çalışmalarda yaygın olarak sadece finansal oranlar kullanılmakla birlikte, bu çalışmada hem finansal hem de finansal olmayan bağımsız değişkenlere yer verilmiştir. Bu araştırmada farklı olarak modellerin ilk oluşturulma aşamasında işletmenin halka açıklık oranı, firma faaliyet süresi, denetim raporu görüşü gibi finansal olmayan bağımsız değişkenlerin kullanılması, iv) İstatistiksel yöntemlerle elde edilen açıklama gücü yüksek bağımsız değişkenlerin yapay zekâ tahmin yöntemlerinden Bulanık Mantık-ANFIS ile işletilmesiyle hibrit bir modelin ortaya konması, v) Başarısızlık baz yılı olarak en az iki ve daha fazla yıl zarar eden işletmelerin, üst üste başarısızlıkların başladığı ilk zararlı yıl finansal başarısız dönem (t) olarak kabul edilmiştir. Finansal başarısız olarak kabul edilen firmaların başarısızlık baz yılından bir önceki yıl (t -1) verileri kullanılarak hesaplamalar yapılmıştır. Araştırmada lojistik regresyon ve ANFIS metoduyla ortaya konan modeller karşılaştırılmıştır. Sonuç olarak yapılan bu araştırmada; ANFIS modelinin LRA modelinden biraz daha iyi tahmin sonuçları ortaya koyduğu, finansal başarı/başarısızlık tahmininde kullanılan en önemli bağımsız değişkenin "Esas Faaliyet K-Z (net)/KVYK" olduğu ortaya konulmuştur. Anahtar Kelimeler: Finansal Başarısızlık, Finansal Başarısızlık Öngörüsü, Mali Başarısızlık Tahmini, Bulanık Mantık-ANFIS, Lojistik Regresyon Analizi

Karataş, B. (2024). Early prediction of financial failure: an application in BIST (Unpublished doctoral thesis). Sakarya University. The aim of this study is to develop models that can predict the financial success/failure of firms operating in the manufacturing sector in Borsa Istanbul (BIST). One year in advance prior to the onset of financial success/failure that is expected to persist for at least two consecutive years by utilizing statistical forecasting methods such as logistic regression analysis (LRA) and artificial intelligence-based models such as Fuzzy Logic (ANFIS). The scope of the research focuses on forecasting models developed to predict the financial success and failure of companies operating in the manufacturing sector in Borsa Istanbul (BIST). The research universe consists of companies operating in the BIST manufacturing sector in the period 2005-2019. The data was obtained from the 12-month (annual) financial statements of companies operating in the manufacturing sector in BIST. There are 177 companies in the manufacturing sector in BIST. Data was obtained from the 12-month (annual) financial statements of a total of 206 companies operating in BIST in the 2005-2019 period, 103 of which met the failure criterion and 103 of which met the success criterion. In the study, the financial failure criterion was taken as the basis for the companies' declaration of "Net Loss" for at least two or more consecutive years. There are 58 independent variables in the research. SPSS 22, Matlab R2019a, Jamovi 2.3.28 and Excel programs were used. The research consists of three parts. In the first part; the concept of financial failure, its reasons, its effects on businesses, prevention methods will be discussed. In the second part; the importance of early prediction of financial failure, models used in the prediction of financial failure and literature will be discussed. In the third part; an application on the BIST manufacturing sector on the prediction of financial failure will be found. The method of the research; the analysis of the data in the research was carried out with the logistic regression analysis method in the SPSS 22 program, and various statistical analyzes such as significance, explanatory power and fit of the model were included. The four independent variables that the prediction model presented with the logistic regression method found to have high explanatory power were also used as independent variables of the ANFIS method. The Matbab R2019a program was used for the ANFIS model. The ANFIS model was trained with the training data set, and predictions were made by showing other data sets that the network had never seen. The differences of the research from other studies are as follows; i) Working with a large mass of data over a long period (15 years) covering the years 2005-2019, ii) Developing a single model covering all sub-sectors rather than developing models separately for each sub-sector, iii) In addition to financial ratios, non-financial independent variables such as the free float rate of the company, the operating period of the company, and the opinion of the audit report should also be used, iv) Establishment of a hybrid model by operating the useful independent variables obtained from statistical methods with Fuzzy Logic-ANFIS, one of the artificial intelligence estimation methods, v) The first failure year of consecutive failures is considered as the financial failure period (t). Forecasts are calculated using the data of the year (t -1) preceding the base year of failure of the firms considered as financial failures. In the research, models presented with the Logistic regression and ANFIS method were compared. As a result, the study revealed that the ANFIS model produced better prediction results than the LRA, the most important independent variable used in the prediction of financial success/failure was Operating Profit or Loss (net)/short term liabilities. Keywords: Financial Failure, Financial Failure Prediction, Financial Failure Forecasting, Fuzzy Logic- ANFIS, Logistic Regression Analysis