STRENGTHS AND WEAKNESSES OF SMES LISTED IN ISE: A CHAID DECISION TREE APPLICATION

Yıl 2008, Cilt: 23 Sayı: 1 - Cilt: 23 Sayı: 1, 1 - 21, 25.07.2016

Ali Serhan Koyuncugil Nermin Özgülbaş

Öz

The aim of this study is to detect the strength and weakness of SMEs which have a significant position in globalization. 697 SMEs listed in the İstanbul Stock Exchange (ISE) during the years 2000-2005 were covered in the study. Data Mining method, which can be describe as a collection of techniques that aim to find useful but undiscovered patterns in collected and Chi-Square Automatic Interaction Detector (CHAID) decision tree algorithms, one of the data mining method was used for segmentation in the study. As a result of the study, SMEs listed in the ISE were categorized in 19 different profiles by the CHAID and it was founded that strengths and weakness of the SMEs were identified by strategies of the equity and assets productivity, financing fixed assets, management of accounts receivables and liquidity

Anahtar Kelimeler

SME, Financial Performance, Financial Profiling, Data Mining, CHAID, Risk Management

İMKB’DE İŞLEM GÖREN KOBİ’LERİN GÜÇLÜ VE ZAYIF YÖNLERİ: CHAID KARAR AĞACI UYGULAMASI

Öz

Bu çalışmada, küreselleşme sürecinde önemli yeri olan KOBİ’lerin finansal olarak güçlü ve zayıf yönlerinin belirlenmesi amaçlanmıştır. Araştırma kapsamına, 2000-2005 yılları arasında İstanbul Menkul Kıymetler Borsasında (İMKB) işlem gören 697 KOBİ alınmıştır. Çalışmada büyük miktarda veri içerisinden gizli kalmış değerli ve kullanılabilir bilgileri açığa çıkarma özelliği olan Veri Madenciliği, Veri Madenciliği yöntemlerinden de segmentasyon için en uygun yöntem olan Chi-Square Automatic Interaction Detector (CHAID) karar ağacı algoritması kullanılmıştır. Çalışma sonucunda, İMKB’de işlem gören KOBİ’ler 19 finansal profilde sınıflandırılmış ve KOBİ’lerin güçlü ve zayıf yönlerinin özsermaye verimliliği, varlıkların verimliliği, maddi duran varlıkların finansmanı, alacakların ve likiditenin yönetimine ilişkin stratejilere bağlı olduğu tespit edilmiştir.

Anahtar Kelimeler

KOBİ, Finansal Performans, Finansal Profillendirme, Veri Madenciliği, CHAID, Risk Yönetimi

Kaynakça

• ALKIBAY, S. N. SONGÜR ve İ. ERTÜRK, (1999) Orta Doğu Sanayi ve Ticaret Merkezi (OSTİM)'in Profili ve Sorunları, .KOSGEB, Ankara.
• BANKACILIK DÜZENLEME ve DENETLEME KURULU (BDDK) (2005) Basel II’nin KOBİ Kredilerine Muhtemel Etkileri, Ağustos, Ankara.
• BERSON, A., S. SMITH, ve K. THEARLING (1999) Building Data Mining Applications for CRM, USA: McGraw-Hill.
• BREIMAN, L., J. H. FREIDMAN, R. A. OLSHEN, ve C. J. STONE (1984) Classification and Regression Trees, Wadsworth and Brooks/Cole, Monterey, California.
• CLOGG, C. C. ve ELIASIN.S. R. (1987) “Some Problems in Log-linear Analysis”, Sociological Methods and Research, 16:1, 8–44.
• ÇOLAKOĞLU, M. (2002) KOBİ Rehberi, Ankara: TOBB Yayınları, Yayın No Genel : 359 - PM : 2.
• DPT (2004) KOBİ Stratejisi ve Eylem Planı, Ankara: DPT Yayınları, Ocak.
• GOODMAN, L. A. (1979) “Simple Models For The Analysis of Association İn Cross-Classifications Having Ordered Categories”, Journal of the American Statistical Association, 74: 537–552.
• HASTIE, T., R. TIBSHIRANI, ve J. FRIEDMAN, (2001) The Elements of Statistical Learning; Data Mining, Inference and Prediction, USA: Springer Series in Statistics.
• İSTANBUL MENKUL KIYMETLER BORSASI (İMKB), hhtp://www.imkb. gov.tr/ (Nisan 2006).
• KARABIYIK, L. (1998) Gümrük Birliği’nin Türkiye Ekonomisi Üzerine Etkilerinin KOBİ’ler Açısından Araştırılması, Ankara: AB Ofset Yayın.
• KOYUNCUGİL, A. S. (2004) “Veri Madenciliği veya Bir Başka Deyişle Akıllı Algoritmalarla İstatistik Kullanımı”, Emniyet Genel Müdürlüğü Polis Dergisi Bilişim Özel Sayısı, 37, 38-40.
• KOYUNCUGİL, A.S. ve N. ÖZGÜLBAŞ, (2006a) “Is There a Specific Measure for Financial Performance of SMEs”, The Business Review, Cambridge, 5(2), 314-319.
• KOYUNCUGİL, A.S. ve N. ÖZGÜLBAŞ (2006b) “Financial profiling of SMEs: An Application by Data Mining” (Published Conference Proceedings) in The European Applied Business Research (EABR) Conference, Clute Institute for Academic Research.
• KOYUNCUGİL, A.S. ve N. ÖZGÜLBAŞ (2006c) “Determination of Factors Affected Financial Distress of SMEs Listed in ISE by Data Mining”, (Published Conference Proceedings), in 3rd Congress of SMEs and Productivity. KOSGEB and Istanbul Kultur University, İstanbul.
• KOYUNCUGİL, A.S. ve N. ÖZGÜLBAŞ (2007a) “Detecting Financial Early Warning Signs in Istanbul Stock Exchange by Data Mining”, International Journal of Business Research, VII, No:3.
• KOYUNCUGİL, A.S. ve N. ÖZGÜLBAŞ (2007b) “Developing Early Warning System via Data Mining” (Published Conference Proceedings) in 4th Congress of SMEs and Productivity, KOSGEB and Istanbul Kultur University, Istanbul, 2007.
• KOYUNCUGİL, A.S. ve N. ÖZGÜLBAŞ (2008) “Early Warning System for SMEs as a Financial Risk Detector” in Data Mining Applications for Empowering Knowledge Societies, Hakikur Rahman, Ed, Idea Group Inc., USA, 2008.
• KOVALERCHUK, B. ve E. VITYAEV (2000) Data Mining in Finance, USA: Kluwer Academic Publisher, Hingham MA.
• KÜÇÜK ve ORTA ÖLÇEKLİ SANAYİ GELİŞTİRME ve DESTEKLEME İDARESİ BAŞKANLIĞI (KOSGEB), http://www.kosgeb.gov.tr, (Ağustos 2006).
• MAGIDSON, J. (1992) “Chi-squared Analysis of a Scalable Dependent Variable”. In Proceedings of the 1992 Annual Meeting of the American Statistical Association, Educational Statistics Section.
• MITCHELL, T. (1997) Machine Learning, USA:Mc-Graw Hill.
• MÜFTÜOĞLU, T. (1997) Türkiye’de Küçük ve Orta Ölçekli İşletmeler, Sorunlar –Öneriler, Ankara: EGS Bank Yayını.
• MÜFTÜOĞLU, T. (1998) Türkiye’de Küçük ve Orta Ölçekli İşletmeler (KOBİ’ler), Ankara:Turhan Kitabevi.
• OECD, (2004) Small And Medium-Sized Enterprises In Turkey Issues And Policies Organization For Economic Co-Operation And Development.
• ÖZDOĞAN, O. (2001) “Alternatif Bir Finansman Aracı Olarak Angel Finanslama ve Kuşadası’nda Faaliyet Gösteren KOBİ’lerin Finanslama Yöntemleri”. Orta Anadolu Kongresi - KOBİ'lerin Finansman ve Pazarlama Sorunları, 18–21 Ekim, Nevşehir.
• ÖZER, B. ve S. YAMAK (2000) “Self-Sustaining Pattern of Finance in Small Businesses:Evidence From Turkey”, Hospitality Management, 19(261).
• OZGÜLBAŞ, N., A. S. KOYUNCUGİL, ve F. YILMAZ (2006), “Identifying the effect of firm size on financial performance of SMEs” The Business Review, Cambridge, 5 (2), 162-167.
• QUINLAN, J. R. (1993) C4.5, Programs For Machine Learning. Morgan Kaufmann, Los Altos.
• RIBIC, C. ve W. MILLER (1998) “Evaluation of Alternative Model Selection Criteria in The Analysis Of Unimodal Response Curves Using CART”, Journal of Applied Statistics, 25, 685-698.
• SARIASLAN, H. (1994) Orta ve Küçük Ölçekli İşletmelerin Finansal Sorunları: Çözüm İçin Bir Finansal Paket Önerisi, Ankara: TOBB Yayınları No:Genel 281.
• SPSS (2001) AnswerTree 3.0 User’s Guide, USA: SPSS Inc.
• TÜRK BANKACILAR BİRLİĞİ (TBB) (2004) Risk Yönetimi ve Basel II’nin KOBİ’lere Etkileri. Ankara: TBB Yayın NO:228.
• T.C. MERKEZ BANKASI (TCMB), hhtp://www.tcmb.gov.tr/, (Nisan 2006).
• THEARLING, K. (2004) hhtp://www.thearling.com/, (18.06.2004).
• TÜRKER, M., E. YARBAŞ ve E. OKAY, (2005), “The Experience of SMEs in Turkey: A Compulsive Process Through EU Membership”. Uluslararası Avrupa Birliğine Giriş Sürecinde KOBİ’ler: Türkiye ve Benzer Ülke Deneyimleri Sempozyumu, Bandırma.
• TÜRKİYE İSTATTİSTİK KURUMU (TÜİK) (2003), Genel Sanayi ve İşyerleri Sayımı, TÜİK Yayınları, Ankara.