KİMYA SEKTÖRÜ İŞLETMELERİNDE FİNANSAL BAŞARISIZLIĞIN TAHMİNİ

Öz

Finansal başarısızlığın tahmin edilmesi şirketlerin gelecekleri hakkında karar vermeleri ve yatırım, finans, pazarlama, yönetim ve üretimin düzenlenmesinde büyük anlam ifade etmektedir. Çalışmanın amacı, Borsa İstanbul’da işlem gören kimya sektörü işletmelerinin finansal verilerinden hareketle elde edilen değişkenleri (oranlar) regresyon, diskriminant, logit ve probit gibi yöntemler kullanarak finansal başarısızlık öngörü modelleri geliştirmektir.  Araştırmada kullanılan veriler kimya sektöründe faaliyet gösteren işletmelerin, 2010-14 mali dönemlerindeki finansal tablolarından elde edilmiştir Çalışmadan elde edilen finansal başarısızlık modelleri sonuçlarına göre her üç modelinde %80’in üzerinde doğru tahminler gerçekleştirdiği ve sonuçların birbirine yakın olduğu ancak en başarılı tahmin modelinin logit modeli (%89.1) olduğu ifade edilebilir. Buna ek olarak logit modelinin diğer parametrik testlerdeki bazı önkoşullara gereksinim duymamasından ve yüksek oranda doğru sınıflandırma yeteneğine sahip olmasından dolayı kimya sektöründe faaliyet gösteren işletmelerin finansal başarı durumlarının tespitinde kullanılması önerilebilmektedir.

Anahtar Kelimeler

• Finansal Başarısızlık,Kimya Sektörü,Regresyon,Diskriminant,Logit,Probit

PREDICTION OF FINANCIAL DISTRESS MODELS OF THE CHEMICAL INDUSTRY COMPANIES

Öz

Financial failure to predict the future of the company on decision-making and investment, finance, marketing, management and represents great significance in the regulation of production. The aim of this study is traded on the Istanbul Stock Exchange chemicals sector firms obtained by movement of financial data variables (ratios) Regression is to develop financial failure prediction models using methods such as discriminant and logit.  The data used in the study of companies operating in the chemical industry, according to the 2010-14 fiscal year financial failure models obtained from was obtained from the financial statements work in conclude that accurate estimates of over 80% in each of the four models and the close proximity of the results, but the most successful prediction model of the logit model (89.1%) can be expressed as. In addition, the prerequisite not need some other parametric tests using the logit model and a high proportion of the companies operating in the chemical industry because it has the ability to detect the correct classification of financial success can be recommended.

Anahtar Kelimeler

• Financial Distress,The Chemical Sector,Regression,Discriminant,Logit

Kaynakça

1. Akgün, A. (2013), “Firmalarda Finansal Başarısızlığın Tahmini Ve İstanbul Menkul Kıymetler Borsası'nda Bir Uygulama”, Doktora Tezi, Selçuk Üniversitesi, Konya.
2. Aktaş, R., Doğanay, M., ve Yıldız B. (2003), “Mali Başarısızlığın Öngörülmesi: İstatistiksel Yöntemler Ve Yapay Sinir Ağı Karşılaştırması”, Ankara Üniversitesi SBF Dergisi, 58(4), 1-24.
3. Aktaş, R. (1997), Mali Başarısızlık (İşletme Riski) Tahmin Modelleri. Türkiye İş Bankası Kültür Yayınları: Ankara.
4. Altaş, D. ve Giray, S. (2005), “Mali Başarısızlığın Çok Değişkenli İstatistik Yöntemlerle Belirlenmesi: Tekstil Örneği”, Sosyal Bilimler Dergisi, 2(1), 13–27.
5. Altman, E.I., Hotchkiss, E. (2006), Corporate Financial Distress and Bankruptcy. John Wiley & Sons: New Jersey.
6. Beaver, W.H. (1967), “Financial Ratios as Predictors of Failure, Empirical Research In Accounting: Selected Studies 1966”, Journal of Accounting Research/Supplement, 5(1), 71-111.
7. Büyükarıkan, U., Büyükarıkan, B. (2014), “Bilişim sektöründe faaliyet gösteren firmaların finansal başarısızlık tahmin modelleriyle incelenmesi”, Akademik Bakış Uluslararası Hakemli Sosyal Bilimler Dergisi, 46(7), 160-172.
8. Büyüköztürk, Ş. (2012), Sosyal Bilimler İçin Veri Analizi El Kitabı, Pegem Akademi: Ankara.

9. Civan M., Dayı, F. (2014), “Altman Z Skoru Ve Yapay Sinir Ağı Modeli İle Sağlık İşletmelerinde Finansal Başarısızlık”, Akademik Bakış Uluslararası Hakemli Sosyal Bilimler Dergisi, 41(2), 40-54.
10. Clark Carter, D. (2004), Doing Quantative Psychological Researcg: From Design To Report, Pyschology Press: Oxford.
11. Cramer, D. (2003), Advanced Quantative Data Analysis, McGraw-Hill Irwin: Philadelphia.
12. Field, E. (2009), Discovering Statistics Using SPSS, SAGE: London.
13. Gujarati, D.N. (2004), Basic econometrics, McGraw-Hill: New York.
14. Gujarati, Domodor N. & Porter, Dawn C. (2010), Essentials of Econometrics, McGraw-Hill Irwin: New York.
15. Han, J., Kamber, M., Pei, J. (2012), Data Mining, Morgan Kaufmann: Massachusetts.
16. Härdle, W., Simar, L. (2007), Applied Multivariate Statistical Analysis, Springer: New York.
17. Heij, C., De Boer, P., Franses, P.H., Kloek, T., Van Dijk, H.K. (2004), Econometric Methods with Applications in Business and Economics, Oxford University Press: New York.
18. Hill, R.C., Griffiths, W.E., Lim, G.C. (2011), Principles of Econometrics, John Wiley & Sons: Chennai.
19. İslamoğlu, A.H., Alnıaçık, Ü. (2014), Sosyal Bilimlerde Araştırma Yöntemleri, Beta Basım: İstanbul.
20. Karakozak, Ö. (2012), 2008 Küresel Finansal Krizinin Finansal Oranlar Üzerine Etkisi: İMKB’de İşlem Gören İmalat Sanayi İşletmeleri Üzerine Bir Uygulama, Yüksek Lisans Tezi, Niğde Üniversitesi, Niğde.
21. Kenneddy, P. (1998), A guide to econometrics, Blackwell Publishing: Massachusetts.
22. Kurtaran Çelik, M. (2009), Finansal Başarısızlık Tahmin Modellerinin İMKB'deki Firmalar İçin Karşılaştırmalı Analizi, Doktora Tezi, Karadeniz Teknik Üniversitesi, Trabzon.
23. Li, H., Sun, J. (2008), “Ranking-Order Case-Based Reasoning for Financial Distress Prediction”, Knowledge-Based Systems, 21(1), 868-878.
24. Norusis, J.M. (2002), Making sense of data and statistics in psychology, Prentice Hall: New Jersey.
25. Mulhern, G., Brian Greer. (2011), Making Sense of Data and Statistics in Psychology, Palgrave Macmillan: Oxford.
26. Ohlson, J.A. (1980), “Financial Ratios and the Probabilistic Prediction of Bankruptcy”, Journal of Accounting Research, 18(1), 109-131.
27. Okka, O. (2009), Analitik Finansal Yönetim, Nobel Akademik Yayıncılık: Ankara.
28. Orhunbilge, N. (2002), Uygulamalı Regresyon ve Korelasyon Analizi, İstanbul Üniversitesi İşletme Fakültesi Yayınları: İstanbul.
29. Özdemir, F.S., Choi, F.D.S., Beyazıtlı, E. (2012), “Finansal Başarısızlık Tahminleri Yönüyle UFRS Ve Bilginin İhtiyaca Uygunluğu”, Mali Çözüm, 112(1), 17-52.
30. Schmuck, M. (2012), Financial Distress and Corporate Turnaround, Springer Gabler: München.
31. Sümbüloğlu, K., Akdağ, B. (2009), İleri Biyoistatistiksel Yöntemler, Hatiboğlu Basım Yayın: Ankara.
32. Şencan, H. (2005), Sosyal Ve Davranışsal Ölçümlerde Güvenilirlik ve Geçerlilik, Seçkin Yayıncılık: Ankara.
33. Terzi, S. (2011), “Finansal Rasyolar Yardımıyla Finansal Başarısızlık Tahmini: Gıda Sektöründe Ampirik Bir Araştırma”, Çukurova Üniversitesi İİBF Dergisi, 15(1), 1-18.
34. Toroman, C., Karaca, C. (2016), “Kimya Endüstrisinde Faaliyet Gösteren Firmalar Üzerinde Mali Başarısızlık Tahmini: Borsa İstanbul’da Bir Uygulama”, Muhasebe ve Finansman Dergisi, 15(1), 111-128.
35. Türk Ticaret Kanunu. (2011). T.C. Resmi Gazete, 27846, 14.02.2011.
36. Vuran, B. (2009), “Prediction of Business Failure: A Comparison of Discriminant and Logistic Regression Analyses”, İstanbul Üniversitesi İşletme Fakültesi Dergisi, 38(1), 47-65.
37. Zavgren, C.V. (1985), “Assessing the Vulnerability to Failure of American Industrial Firms: A Logistic Analysis”, Journal of Business Finance & Accounting, 12(1), 19-45.
38. Zmijewski, M.E. (1984), “Methodological Issues Related to The Estimation of Financial Distress Prediction Models”. Journal of Accounting Research, 22(1), 59-82.