Türk Bankaları İflas Riskliliklerinin Gri İlişkiler Analizi ile Değerlendirilmesi

Yıl 2020, Cilt: 11 Sayı: 21, 264 - 297, 31.05.2020

Figen Toprakdelen Mehmet Pekkaya

https://izlik.org/JA43DB38HA

Öz

Çalışmanın amacı, banka iflas risklilik endeksini Gri İlişkiler Analizi (GRA) ile hesaplayarak bankaları riskliliklerine göre ölçüp değerlendirilebildiğini göstermektir. Türkiye’deki 2000 kriz dönemindeki model başarısı bankalarda test edilip 2002-2017 döneminde bankaların iflas riskliliklerine göre zaman/kesit temelli sıralanması ve değerlendirilmesi yapılmıştır. Elde edilen GRA endeks skorlarıyla bankaların kendilerini yıllar itibariyle ve birbiriyle değerlendirilebileceği çapraz tablolar/grafikler üzerinden gösterilmiştir. Bankaların 1999-2004 arasındaki kriz döneminde oldukça riskli, 2009’a kadar kısmen riskli ve 2009 sonrasında ise riskliliğinin bağıl olarak oldukça azaldığı, birbirine göre homojenleştiği gözlenmiştir. Araştırmanın başlıca kısıtları, ilgili dönemde endeks skorlarının birbirine oldukça yakın olması ve bankaların mutlak değil bağıl olarak değerlendirilmesi olarak sıralanabilir. Önerilen model, oldukça başarılı bulunmuş, bankaların iflas riskliliğini ölçen bir erken uyarı /kredi derecelendirme sistemi olarak değerlendirilebileceği önerilmiştir.

Anahtar Kelimeler

Bankalarda İflas Riski , Finansal Rasyo , ÇKKV , GRA

Destekleyen Kurum

Zonguldak Bülent Ecevit Üniversitesi BAP tarafından desteklenmiştir.

Proje Numarası

2016-14018487-02

Kaynakça

• Africa, L. (2016). Financial Distress for Bankruptcy Early Warning by The Risk Analysis on Go-Public Banks in Indonesia. Journal of Economics. Business and Accountancy Ventura, Cilt 19, (2), 259-270. Aggarwal, R. ve Kyaw N. (2009). International Variations in Transparency and Capital Structure: Evidence from European Firms. Journal of International Financial Management and Accounting, 20(1), s. 1-34. Akhisar, İ. ve Karpak B. (2010). AHP as an Early Warning System: An Aplication in Commercial Banks in Turkey, Berlin:Springer Verlag. Altınırmak, S. ve Karamaşa Ç. (2016). Comparison of Machine Learning Techniques for Analyzing Banks’ Financial Distress. Balıkesir University The Journal of Sciences Institute, 19(36), 291-303. Altman, E. I., Haldeman R.G. ve Narayanan P. (1977). A New Model to Identify Bankruptcy Risk of Corporations. Journal of Banking and Finance, 1(1), 29-54. Arıçelik, G. (2010). Ticari Bankalarda Performans Ölçümü: Camels Analizine Dayalı Bir İnceleme. Dokuz Eylül Üniversitesi Sosyal Bilimler Enstitüsü, Yayınlanmamış Yüksek Lisans Tezi, İzmir. Aydın, D. ve Başkır M.B (2013). Bankaların 2012 Yılı Sermaye Yeterlilik Rasyolarına Göre Kümeleme Analizi ve Çok Boyutlu Ölçekleme Sonucu Sınıflandırılma Yapıları, BSAD Bankacılık ve Sigortacılık Araştırmaları Dergisi, 1(5-6), 29-47. Aytekin, S. ve Sakarya Ş. (2013). Bıst’deki Mevduat Bankalarının Finansal Performanslarının 2001 ve 2008 Finansal Krizleri Çerçevesinde Camels Derecelendirme Sistemi ile Değerlendirilmesi. Abant İzzet Baysal Üniversitesi Sosyal Bilimler Enstitüsü Dergisi, 13(2), 22-55. Babuşcu, Ş. (2005). Basel II Düzenlemeleri Çerçevesinde Bankalarda Risk Yönetimi. Ankara: Akademi Consulting& Training. Back, B., Laitinen T., Sere K. ve Wezel M.V. (1996). Choosing Bankruptcy Predictors Using Discriminant Analysis, Logit Analysis and Genetic Algorithms. Finland:Turku Senter for Computer Science. BDDK (2019); BDDK web sayfası, 28.05.2019 tarihinde https://www.bddk.org.tr, adresinden erişildi. Bordeianu, Gabriella-Daniela, Radu F., Paraschivescu M.D ve Pavaloaia W. (2011). Analysis Models of The Bankruptcy Risk. Economy Transdisciplinarity Cognition, 14(1), 248-259. Cole, R. A. ve Gunther J.W.(1998). Predicting Bank Failures: A Comparison of On- and Off-Site Monitoring Systems . Journal of Financial Services Research, 13(2), 103-117. Coşkun, S. ve Karğın S. (2016). Sınır Ötesi Birleşme ve Satın Almaların Bankaların Finansal Performansına Etkileri: Üç Banka Üzerinde Camels Analizi. Muhasebe ve Finansman Dergisi, 18(69), 41-60. Çinko, L. ve Ak R. (2009). Küreselleşen Ekonomilerde Yaşanan Bankacılık Krizleri’nin Anatomisi . Maliye Finans Yazıları, (83), 59-83. Çolak, Ö.F. (2005). Finansal Piyasalar ve Para Politikası, Ankara: Nobel Yayın Dağıtım. Doğan, M. (2013). Katılım ve Geleneksel Bankaların Finansal Performanslarının Karşılaştırılması: Türkiye Örneği, MUFAD Journal, (58), 175-188. Du Jardin, P. (2008). Bankruptcy Prediction and Neural Networks: The Contribution of Variable Selection Methods. Finland:Proceedings of the Second European Symposim on Time Series Prediction, Helsinki University of Technology. Ege, İ., Topaloğlu E.E. ve Karakozak Ö. (2015). Camels Performans Değerleme Modeli: Türkiye’deki Mevduat Bankaları Üzerine Ampirik Bir Uygulama, İktisadi ve İdari Bilimler Dergisi, 8(4), 109-126. Erol, F. (2019). Bankalarin İflas Riski Üzerinde Etkili Olan Faktörlerin Önem Derecelerinin Belirlenmesi: Türk Bankacilik Sektörünün İflas Risklilikleri Üzerine Karşilaştirmali Bir Analiz, Zonguldak: Zonguldak Bülent Ecevit Üniversitesi Sosyal Bilimler Enstitüsü, Yayınlanmamış Doktora Tezi. Ertürk, H. (2010). Bankacilik Sektörünün Karşılaştığı Riskler ve Risk Yönetimi . Denetişim Dergisi, (4), 62-70. Fan Joseph P.H. (2012). An International Comparison of Capital Structure and Debt Maturity Choices. Journal of Financial and Quantitative Analysis, 47(1), 23-56. Gaganis C., Pasiouras F. ve Zopounidis C. (2006). A Multicriteria Decision Framework for MeasuringBanks’ Soundness A round the World. Journal of Multi-Criteria Decision Analysis, 14(1-3), 103 -111. Ha, N. M. ve Tai L.M (2017). Impact of Capital Structure and Cash Holdings on Firm Value: Case of Firms Listed on the Ho Chi Minh Stock Exchange. International Journal of Economics and Financial Issues, 7(1), 24-30. Hamzaçebi, C. ve Pekkaya M. (2011). Determining of Stock Investments with Grey Relational Analysis. Expert Systems with Applications, 38(8), 9186-9195. Hol, S., Westgaard S. ve Wijst N.V.D (2002). “Capital Structure and The Prediction of Bankruptcy”, 3 Eylül 2013 tarihinde http://www.ru.lv/~peter/ida /bankruptcy/hol.pdf adresinden erişildi. Hsieh, T.Y, Lu S.H ve Tzeng G.H. (2004). Fuzzy MCDM Approach for Planning and Design Tenders Selection in Public Office Buildings. International Journal of Project Management, 22, 573-584. İnan, E.A. (2000). Banka Etkinliğinin Ölçülmesi ve Düşük Enflasyon Sürecinde Bankacılıkta Etkinlik . Bankacılar Dergisi, (34), 82-97. Ismal, R. (2012). Formulating Withdrawal Risk and Bankruptcy Risk in Islamic Banking. International of Islamic &Middle Eastern Finance&Management, 5(1), 63-77. Jin, Y.J., Kanagaretnam K. ve Lobo G.J. (2011). Ability of Accounting and Audit Quality Variables to Predict Bank Failu During the Financial Crisis, Journal of Banking& Finance, 35(11), 2811-2819. Karakoç, M., Tayyar N. ve Genç E. (2016). Gri İlişkisel Analiz Yöntemiyle Kurumsal Yönetim Endeksinde Yer Alan Şirketlerin Finansal Performanslarının Ölçümü ve Kurumsal Derecelendirme Notları İlişkisi . Electronic Journal of Social Sciences, 15(59), 1304-1338. Kaya, Y.T. (2001). “Türk bankacilik sektöründe CAMELS analizi”, 8 Aralık 2016 tarihindehttp://www.bddk.org.tr/websitesi/turkce/raporlar/Calisma_Raporlari/12732001-6.pdf adresinden erişildi. Kılıçkıran, S. (2010). Banka Performanslarının Ölçümü Üzerine İstatistiksel Bir Uygulama. İstanbul: Marmara Üniversitesi Sosyal Bilimler Enstitüsü, Yayınlanmamış Yüksek Lisans Tezi. Kotsiantis S., Tzelepis D., Koumanakos E. ve Tampakas V. (2005). Efficiency of Machine Learning Techniques in Bankruptcy Prediction. Greece: 2nd International Conferance on Enterprise Systems and Accounting. Kwak, W., Shi Y. ve Kou G. (2012). Bankruptcy Prediction for Korean Firms after the 1997 Financial Crisis: Using a multiple Criteria Linear Programming Data Mining Approach. Rewiew of Quantitative Finance and Accounting, 38(4), 441-453. Lanine, G. ve Vennet R.V. (2005). Failure Prediction in the Russian Bank Sector with Logit and Trait Recognition. Belgium: Ghent University. Liu, S. ve Lin Y. (2010). Grey İnformation Theory and Applications. Berlin: Springer Verlag. Mandacı, P.E. (2003). Türk Bankacılık Sektörünün Taşıdığı Riskler ve Finansal Krizi Aşmada Kullanılan Risk Ölçüm Teknikleri. Dokuz Eylül Üniversitesi Sosyal Bilimler Enstitüsü Dergisi, 5(1), 67-84. Mandru, L., Khashman A., Carstea C., David N. ve Patrascu L. (2009). The Diognasis of Bankruptcy Risk Using Score Function. Proceedings of the 9th WSEAS International Conference on Artificial Intelligence, Knowledge Engineering and Data Bases, 83-87. Min, J.H. ve Lee Y.C (2005). Bankruptcy Prediction Using Support Vector Machine with Optimal Choice of Kernel Function Parameters. Expert System with Applications, 28, 603-614. Muntean, M. ve Solomon D.C. (2011). Some Romanian Models of the Bankruptcy Risk Analysis in Firms. Economy Transdisciplinarity Cognition, 14(1), 276-285. Olmeda, I. ve Fernandez E. (1997). Hybrid Classifiers for Financial Multicriteria Decision Making: The Case of Bankruptcy Prediction. Computational Economics, 10(4), 317-335. Öztorul, G. (2011). Performance Evaluation of Banks and Banking Groups: Turkey Case. Ankara: Yayınlanmamış Yüksek Lisans Tezi, Orta Doğu Teknik Üniversitesi Sosyal Bilimler Enstitüsü. Parasız, İ. (2000). Modern Bankacılık Teori ve Uygulama. İstanbul:Kuşak Ofset. Pekkaya, M. (2011). ARFIMA ve FIGARCH Yöntemlerinin Markowitz Ortalama Varyans Portföy Optimizasyonunda Kullanılması: İMKB-30 Endeks Hisseleri Üzerine Bir Uygulama. Zonguldak: ZKÜ Sosyal Bilimler Enstitüsü Yayınlanmamış Doktora Tezi. Pekkaya, M. ve Aslan, B. (2018). OSB Yer Seçiminde Dikkate Alınan Kriterler Arası Etkileşimin ve Kriter Önem Derecelerinin Belirlenmesi. International Journal of Economic and Administrative Studies, 18. EYİ Özel Sayısı, 293-308. Pekkaya, M. ve Dökmen, G. (2019). OECD ülkeleri kamu sağlık harcamalarının ÇKKV yöntemleri ile performans değerlendirmesi. Uluslararası Yönetim İktisat ve İşletme Dergisi, 15(4), 923-950, Pekkaya, M. ve Erol Demir, F. (2016). Determining the Priorities of Criteria in Assessing the Bankruptcy Risk of the Banks via AHP. International Journal of Management Economics and Business, 3. ICAFR Special Issue, 40-45. Pekkaya, M. ve Erol F. (2019). Generating priority series via AHP for conducting statistical tests on CAMELS dimension priorities in evaluating bank failure risk, Journal of Intelligent & Fuzzy Systems, 37(6), 8131-8146. Senger, Ö. ve Karadağ Albayrak Ö. (2016). Gri İlişki Analizi Yöntemi İle Personel Değerlendirme Üzerine Bir Çalışma. Uluslararası İktisadi ve İdari İnceleme Dergisi, International Journal of Economics and Administrative Studies, 17, 235-258. Serrano-Cinca C. ve Gutierrez-Nieto B. (2011). Partial Least Square Discriminant Analysis (PLS-DA) for Bankruptcy Prediction. Solvay Brussels School Economics& Management, 11-24. Sistiyarini, E. ve Supriyono S.E. (2017). The Application of Risk Based Bank Rating on Bankruptcy Prediction of Banks in Indonesia. Jurnal Keuangan dan Perbankan, 21(2), 302-311. Taşkın, D. (2011). Türkiye’de Ticari Bankaların Performansını Etkileyen Faktörler. Ege Akademik Bakış Dergisi, 11(2), 289-298. Tayyar, N., Akcanlı F., Genç E., Erem I. (2014). BİST’ te Kayıtlı Bilişim ve Teknoloji Alanında Faaliyet Gösteren İşletmelerin Finansal Performanslarının Analitik Hiyerarşi Prosesi (AHP) ve Gri İlişkisel Analiz (GİA) Yöntemi ile Değerlendirilmesi. Muhasebe ve Finansman Dergisi, Ocak/2014, 19-40. TBB (2017) “İstatistiki Raporlar” 3 Ekim 2017 tarihinde http://www.tbb.org.tr/tr/banka-ve-sektor-bilgileri/istatistiki-raporlar/59 adresinden erişildi. TBB (2018) “İstatistiki Raporlar” 6 Ekim 2018 tarihinde http://www.tbb.org.tr/tr/banka-ve-sektor-bilgileri/istatistiki-raporlar/59 adresinden erişildi. Tükenmez, M., Demireli E. Ve Akkaya G.C. (2009). Kamu Bankalarında CAMELS Performan Derecelendirme Sistemi Üzerine Bir İnceleme. 13. Ulusal Finans Sempozyumu Afyonkarahisar, 379-388. Vilen, M. (2010). Predicting Failures of Large U.S. Commercial Banks, Aalto University School of Economics Master’s Thesis, https://aaltodoc.aalto.fi /bitstream/handle/123456789/533/hse_ethesis_12401.pdf?sequence=1&isAllowed=y. Yıldırım, B.F. (2015). Çok Kriterli Karar Verme Yöntemleri. B.F. Yıldırım ve E.Önder (Yay.Haz.). Gri İlişkiler Analizi (ss.229-244). Bursa:Dora Yayıncılık. Zaghdoudi, T. (2013). Bank Failure Prediction with Logistic Regression. International Journal of Economics and Financial Issues, 3(2), 537-543. Zhang, G. ve Y.Hu M., Patuwo B.E., C.Indro D. (1999). Artificial Neural Networks in Bankruptcy Prediction: General Framework and Cross-Validation Analysis. European Journal of Operational Research, 116, 16-32.