Diskriminant analizi ve C5.0 algoritması ile finansal başarısızlığın tahmini: BİST Kobi Sanayi Endeksi’ndeki işletmeler örneği

Year 2021, , 1071 - 1090, 31.07.2021

Şenol Bardi , Ahmet Vecdi Can

https://doi.org/10.25287/ohuiibf.925344

Cited By: 1

Abstract

Bu makalede Diskriminant Analizi ve C5.0 Karar Ağacı Algoritması kullanılarak veri seti kapsamındaki işletmeler için finansal başarısızlık risk modeli geliştirilmesine çalışılmıştır. Çalışma kapsamına Türkiye’de KOBİ ölçeğinde faaliyet gösteren sanayi işletmeleri dahil edilmiştir. Finansal başarısızlık kriteri olarak, “işletmenin üst üste iki ve/veya daha fazla yıl mali dönemi zararla kapamış olması” esas alınmıştır. Bu kritere göre, BİST’e kayıtlı olup KOBİ Sanayi endeksinde yer alan işletmeler arasından 20 finansal başarılı ve 20 finansal başarısız işletme seçilmiştir. Seçilen işletmelerin 2014-2020 yılları arasındaki finansal verileri/oranları kullanılmıştır. Verilere diskriminant analizi ve C5.0 karar ağacı algoritması uygulanmıştır. Çalışma sonucunda diskriminant analizi için geliştirilen modelin test seti doğruluk oranı %85,7; C5.0 algoritması için ise bu oran %100 olarak bulunmuştur. Diskriminant analizinde finansal başarısızlığın belirlenmesine pozitif katkı sağlayan değişkenlerin aktif devir hızı ve brüt kâr marjı olduğu; negatif katkı sağlayan değişkenlerin ise firmaların yaşı ile finansal kaldıraç oranı olduğu tespit edilmiştir. C5.0 karar ağacı algoritmasında brüt kâr marjı düşük, finansal giderlerin satışlar içindeki payı ve kaldıraç derecesi yüksek olan firmaların finansal başarısız oldukları anlaşılmıştır. Aynı şekilde, brüt kâr marjı yüksek, finansal giderlerin satışlar içindeki payı ve kaldıraç derecesi düşük olan firmaların finansal başarılı oldukları görülmüştür.

Keywords

Finansal Başarısızlık, Diskriminant Analizi, C5.0 Algoritması, KOBİ

Prediction of financial failure with discriminant analysis and C5.0 algorithm: The example of enterprises in BIST SME Industry Index

Abstract

This article aims to develop a financial failure risk model for businesses within the scope of the data set by using Discriminant Analysis and C5.0 Decision Tree Algorithm techniques. Industrial enterprises operating at the SME scale in Turkey were included in the scope of the study. The financial failure criterion is defined as “the company has closed the financial period with a loss for two and/or more years in a row”. According to this criterion, 20 financially successful and 20 financially unsuccessful enterprises were selected from those registered in BIST and included in the SME industry index. The financial data/rates of the selected businesses between the years 2014-2020 were used. Discriminant analysis and the C5.0 decision tree algorithm were applied to the data. As a result of the study, the test set accuracy rate of the model developed for discriminant analysis was 85.7%; for the C5.0 algorithm, this rate was 100%. In discriminant analysis, it was determined that the variables that contribute positively to the determination of financial failure are the active turnover rate and gross profit margin; the variables that contribute negatively are the age of the firms and the financial leverage ratio. In the C5.0 decision tree algorithm, it is understood that the companies with low gross profit margin, the share of financial expenses in sales, and high leverage are financially unsuccessful. In the same way, firms with a high gross margin, a share of financial expenses in sales, and a low degree of leverage were found to be financially successful.

Keywords

Financial failure, Discriminant analysis, C5.0 algorithm, SME

References

• Akgüç, Ö., (1989). Finansal yönetim. Avcıol Matbaası.
• Akyüz., K. C., Yıldırım, İ., Akyüz, İ., Tugay, T., (2017). Borsa İstanbul’da İşlem Gören Kâğıt ve Kâğıt Ürünleri Sanayi İşletmelerinin Finansal Başarısızlık Düzeylerinin Oran Analizi ve Diskriminant Analizi Yöntemleri Kullanılarak Ölçülmesi. Journal of Forestry, 13(1), 60-74.
• Altman, E.I. (1968). Financial ratios, discriminant analysis and the prediction of corporate bankruptcy. The Journal of Finance, 23(4), 589-609.
• Argüden Y., Erşahin B., Veri madenciliği, 1. Baskı., ARGE Danışmanlık Yayınları, İstanbul, 2008.
• Atalay, M., Çelik, E., (2017). Büyük veri analizinde yapay zekâ ve makine öğrenmesi uygulamaları. Mehmet Akif Ersoy Üniversitesi Sosyal Bilimler Enstitüsü Dergisi. 9(22), s.155-172.
• Aziz, A.M., Dar, H.A. (2006) Predicting corporate bankruptcy: Where we stand? Corporate Governance: The International Journal of Business in Society, 6(1), 18-33. 24-25.
• Bardi, Ş., (2021). Finansal Performans Tahmini ve BİST KOBİ Sanayi Endeksi'ndeki İşletmelere İlişkin Bir Araştırma. (Doktora Tezi). Sakarya Üniversitesi İşletme Enstitüsü, Sakarya.
• Beaver, W.H., (1966). Financial ratios as predictors of failure, Selected Studies. 70-112.
• Chauhan, N.S., (2020, May 31). Decision Tree Algorithms — Explained. https://towardsdatascience.com/decision-tree-algorithm-explained-83beb6e78ef4
• Dağlı, H., (1994). İşletme başarısızlıkları ve alınması gerekli önlemler. Verimlilik Dergisi. Milli Prodüktivite Merkezi Yayınları. 1.
• Dikmen, B., (2007). Finansal başarısızlık tahminlerinde matematiksel model uygulamaları. Sermaye Piyasası Kurulu.
• Hosmer, D.W., Lemeshow, S. (2013). Applied logistic regression. John Wiley & Sonc.
• İçerli, M.Y., Akkaya, G.C., (2006). Finansal Açıdan Başarılı Olan İşletmelerle Başarısız Olan İşletmeler Arasında Finansal Oranlar Yardımıyla Farklılıkların Tespiti. Atatürk Üniversitesi İktisadi ve İdari Bilimler Fakültesi Dergisi, 20(1). 413-421.
• Jardin, P.D., (2019, June 2). The influence of variable selection methods on the accuracy of bankruptcy prediction models, Edhec Business School, https://mpra.ub.uni-muenchen.de/44383/1/MPRA_paper_44383.pdf.
• Joy, O.M. Tollefson, J.O. (1975). On The Financial Applications of Discriminant Analysis, Journal of Financial and Quantitative Analysis, (December-1975), 725-745.
• Karaa, İ. E., Geyikçi, U.B., (2016). Bist’e Kote Firmaların Mali Başarısızlıklarının Disrkriminant Analizi ile Tahminlenmesi, ICEP 2016 2 International Congress on Economics and Business, Sarajevo/Bosna and Herzegovina.
• Kulalı, İ., (2016). Altman Z Skor modelinin BİST şirketlerinin finansal başarısızlık riskinin tahmin edilmesinde uygulanması. Uluslararası Yönetim İktisat ve İşletme Dergisi, 12(27), 283-291.
• Kurtaran Çelik, M., (2009). Finansal başarısızlık tahmini modellerinin İMKB’deki firmalar için karşılaştırmalı analizi. (Doktora Tezi). Karadeniz Teknik Üniversitesi Sosyal Bilimler Enstitüsü, Trabzon.
• Lantz, B., (2013). Machine learning with R, Birmingham. Packt Publishing.
• Larose, D.T., (2005). Discovering knowledge ın data an ıntroduction to data mining. John Wiley & Sons.
• Nguyen, A., (2020, May 31). Comparative Study of C5.0 and CART algorithms. http://mercury.webster.edu/aleshunas/Support%20Materials/C4.5/Nguyen-Presentation%20Data%20mining.pdf.
• Okka, O., (2009). Analitik Finansal Yönetim. Nobel Yayın Dağıtım.
• Öcal, N., Kadıoğlu, E., (2015). Finansal başarısızlığın tahmini: borsa İstanbul’da imalat sektörü için bir uygulaması. Erişim adresi: https://www.researchgate.net/publication/283082007. (Erişim tarihi: 15.10.2019).
• Özdemir, F.S., D.S. Choi., F. Bayazıtlı, E., (2012). Finansal başarısızlık tahminleri yönüyle UFRS ve bilginin ihtiyaca uygunluğu. Mali Çözüm, Temmuz-Ağustos, 17-52.
• Özhan Dedeoğlu, A., (2019). Çok değişkenli analiz yöntemleri. http://web.deu.edu.tr/upk15/docs/seminerSunumlari/COK%20DEGISKENLI%20ANALIZ%20YONTEMLERI-DOC.%20DR.%20AYLA%20OZHAN%20DEDEOGLU.pdf
• Schapire, R. E., (2003). The boosting approach to machine learning: An overview. In Nonlinear.
• Selimoğlu, S., Orhan, A., (2015). Finansal Başarısızlığın Oran Analizi ve Diskriminant Analizi Kullanılarak Ölçümlenmesi: BİST’te İşlem Gören Dokuma, Giyim Eşyası ve Deri İşletmeleri Üzerine Bir Araştırma. Muhasebe ve Finansman Dergisi, Nisan/2015.
• Söylemez, Y., Yılmaz Türkmen, S., (2017). Yapay sinir ağları modeli ile finansal başarısızlık tahmini. Finans Ekonomi ve Sosyal Araştırmalar Dergisi (FESA). 2(4), 270-284.
• Terzi, Serkan (2011). Finansal Rasyolar Yardımıyla Finansal Başarısızlık Tahmini: Gıda Sektöründe Ampirik Bir Araştırma, Çukurova Üniversitesi İktisadi ve İdari Bilimler Fakültesi Dergisi”, 15(1), Haziran, 1-18.
• Torun, T., (2007). Finansal başarısızlık tahmininde geleneksel istatistiki yöntemlerle yapay sinir ağlarının karşılaştırılması ve sanayi işletmeleri üzerinde uygulama. (Doktora Tezi). Erciyes Üniversitesi Sosyal Bilimler Enstitüsü. Kayseri.
• Türk Ticaret Kanunu (TTK). (1956). Resmî Gazete, Nr.9353, Ankara.
• Uzun, E., (2005). İşletmelerde finansal başarısızlığın teorik olarak irdelenmesi. Muhasebe ve Finansman Dergisi, 27, 158-168.
• Xu, X., Yu, W., (2009). Financial failure prediction using efficiency as a prediction. Expert Systems with Applications, 36(1), 366-373. doi: https://doi.org/10.1016/j.eswa.2007.09.040
• Yerdelen Kaygın, C., Tazegül, A., Yazarkan, H., (2016). İşletmelerin Finansal Başarılı ve Başarısız Olma Durumlarının Veri Madenciliği ve Lojistik Regresyon Analizi ile Tahmin Edilebilirliği. Ege Akademik Bakış, 16(1). 147-159.
• Yılmaz, H., Yıldıran M., (2015). Borsada işlem gören işletmelerde mali başarısızlık tahmini: Altman Modeli’nin BİST uygulaması, Aksaray Üniversitesi İktisadi ve İdari Bilimler Fakültesi Dergisi, 7(3). 43-49.
• Zhang, K., (2020, April 26). Decision Tree Algorithm, https://www.cse.ust.hk/~twinsen/Decision_Tree.ppt.