Matematiksel-İstatistiksel Yöntemlerde Karşılaşılan Sorunlar

Matematiksel-istatistiksel kredi derecelendirme yöntemleri, yöntemin geliştirilmesi ve uygulaması aşamasında çeşitli sorunları içinde barındırmaktadır. Bu sorunlar bugüne kadar yapılan tüm çalışmalarda ortak sorunlar olabildiği gibi, kullanılan istatistik

73 yöntemin kendi içinde barındırdığı sorunlar veya veri setinde kullanılan finansal oranların niteliğinden kaynaklanan sorunlar da olabilmektedir.

4.2.3.1.Yığın ve Örneklem Sorunu

Yığın ve örneklem sorunu veri setinin özelliği ve kalitesi ile ilişkilidir. Diğer birçok istatistiksel modelleme de olduğu gibi yığınla çalışmanın imkânsızlığı örnekle çalışmayı zorunlu kılmaktadır. İstatistiksel açıdan örneğin yığını temsil etmesi örneğin belli bir büyüklükte olması ve yığından rassal seçilmesi koşullarına bağlıdır (Aktaş, 1997: 82).

Finansal başarısızlık modellerinde esas olan başarılı ve başarısız iki örnek grubu doğru bir şekilde ayrıştırmak olduğundan, örneklem büyüklüğünde özellikle başarısız işletmeler genelinde ciddi veri sıkıntıları yaşanmaktadır. Bu nedenlerden dolayı örneklem seçiminde yığından rassal seçim diye bir şey söz konusu olamamaktadır.

Örneğin yığını temsil edebilmesi ancak; örneğin belli bir büyüklükte olması ve yığından rassal olarak seçilmesi koşullarına bağlıdır. Bu koşul hemen hemen tüm mali başarısızlık çalışmalarında sağlanamamıştır. Rassal örnekleme yapılmaması; mali başarısızlığa uğramış işletmelerin örnek içerisinde, gerçek yaşamdakine göre daha yüksek oranda temsil edilmesine neden olur (İç ve Yurdakul, 2000: 5).

Rassal örnekleme seçiminde başarısız işletme örneklemine ulaşma güçlüğünün yanı sıra, ulaşılsa dahi ulaşılan veri seti içerisinde bazı verilerin eksik olması durumunda bu işletmelere ilişkin veriler modelleme çalışmasına dâhil edilmemektedir. Bu da yapılan çalışmalarda başarılı işletme sayısının göreceli olarak daha fazla örnekle yer alması nedeniyle, başarısız işletmeler için hesaplanan sınıflama hata oranı yanlı olarak daha küçük çıkacaktır (Aktaş, 1997: 82-83; Torun, 2007: 65-67).

74 4.2.3.2.Eşleştirme Sorunu

Finansal başarısızlık çalışmalarında örneklem seti oluşturmada “eşleştirilmiş örnekleme” ya da “eşleştirilmemiş örnekleme” yöntemi kullanılır (Aktaş, 1997: 84).

Genel eğilim olarak eşleştirilmiş örneklem birimlerini kullanan çalışmalar ağırlıktadır.

Değişkenlerin istikrarını etkileyen enflasyon, para politikaları, milli gelirdeki değişiklikler gibi pek çok etken bulunmaktadır. Bu etkenleri kontrol altına almak için araştırmacılar başarılı ve başarısız işletmeleri eşleştirmeye yöneltmiştir (Yazıcı, 2007:

67-68).

Eşleştirme, genellikle büyüklük, sektör ve yaş kriterleri dikkate alınarak yapılmaktadır.

Eşleştirmenin sağladığı en önemli yararlardan biri, tahmin gücü olduğuna inanılan fakat tahminci değişkenler içerisinde yer almayan bazı değişkenlerin, araştırmacılar tarafından kontrol edilmesine olanak tanımasıdır. Eşleştirmenin en önemli nedeni;

başarısız işletmelerin genellikle daha küçük olması ve belirli başarısız sektörlerde yoğunlaşmasıdır. Eşleştirilmiş örneklerin kullanılması, yukarıda anlatılan bazı yararlar sağlamakla birlikte birtakım ciddi dezavantajlara da sahiptir. Söz konusu örnekleme yönteminde, başarılı işletmelerin örneği başarısız işletmelerin özelliklerine göre oluşturulduğu için, bu örnek büyük bir ihtimalle başarısız işletmelerin toplam popülasyonunu temsil edici nitelikte olmayacaktır. Bazı özelliklerin az temsil edilmesinden dolayı, çalışmanın örneğe özgü bir başarısızlık tahmin modeliyle sonuçlanması olasıdır (Torun, 2007: 68-69).

Diğer taraftan eşleştirilmiş yöntem rassal örneklemeyi engellemekte buda örnekten popülasyona ilişkin genelleme yapmaya olanak vermemektedir. Finansal başarısızlık yazınında da eşleştirmenin tahmin gücünü artırdığına dair herhangi bir ampirik çalışma bulunmamaktadır (Aktaş, 1997: 84-86). Finansal başarısızlık çalışmalarında veri kısıtı nedeniyle genellikle eşleştirilmemiş yöntem kullanılmaktadır.

75 4.2.3.3.Finansal Oranların Normal Dağılım Sorunu

Finansal oranların alt sınırı sıfır, üst sınırının ise sonsuz olması nedeniyle, bunların çoğu normal dağılım göstermeyip asimetrik bir dağılım sergilemekte ve genel olarak sağa çarpık olmaktadır. Oysa çok boyutlu istatistiksel modellerin bir kısmı (Çoklu regresyon ve Çoklu Diskriminant Analizi gibi) değişkenlerin normal dağılım göstereceği varsayımına dayanmaktadır. Dolayısıyla, normal dağılım göstermeyen oranların kullanılması halinde belirginlik testleri ve sınıflandırmalarda yanlı sonuçların çıkmasına sebep olmaktadır. Bunu çözmek için, normal dağılım göstermeyen mali oranlar, karekökü alınmak, logaritması alınmak veya ilgili mali oranın kendisiyle ilgili sektör ortalamasına bölünmek veya analizden çıkartılmak gibi yollarla dönüştürme işlemine tabi tutularak normal dağılım özelliği kazandırılmaktadır. Ayrıca, probit ve logit modeller normal dağılım varsayımına dayanmadığı için bu modellerin kullanımına ağırlık verilmektedir.

4.2.3.4.Finansal Oranların Korelasyon Sorunu

Finansal oranların pay veya paydalarındaki değerlerin bir başka oranda da yer alması ve finansal tablo kalemlerinin bir kısmının aynı yönde değişiklik göstermesi finansal oranlar arasında yüksek korelasyon yaratmaktadır (İç ve Yurdakul, 2000: 4).

Yüksek korelasyon, başka bir ifadeyle çoklu bağlantı, regresyon, probit ve logit yöntemlerinde bağımsız değişkenlerin standart hatasını ve onun kararlılığını etkilediği için katsayıların belirginlik testlerinin yanlı çıkmasına ve doğru karar verilememesine sebep olmaktadır. Burada, belirginlik testleri ile modelin tahmin gücü kavramlarından hangisine önem verdiğimize bağlı olarak bahsedilen yüksek korelâsyon sorununa yaklaşılmalıdır. Derecelendirme açısından modelin tahmin gücü daha ön planda olacağı için, modelin tahmin gücüne katkı yaptığı sürece aralarında yüksek korelâsyon ilişkisi saptanmış değişkenleri modele dâhil etmekte yarar vardır.

76 4.2.3.5.Finansal Oranların Dönemsel İstikrarsızlık Sorunu

Makro politikalar ve piyasa koşullarındaki değişiklikler, faiz ve enflasyon oranlarındaki değişiklikler, yönetim ve strateji değişiklikleri, birleşmeler, bölünmeler vb. gibi nedenlerle mali oranların zaman içerisinde kararlılığı bozulmakta ve buna dayalı olarak katsayıların ortalaması, varyansı ve kovaryansı değişmekte ve dolayısıyla modelin hatalı sonuçlar üretmesine neden olunmaktadır. Bu sıkıntıyı asmak için tahmin modellerinin sık sık gözden geçirilip güncellenmesi gerekmektedir.

4.2.3.6.Negatif Değer Eksikliği

Finansal oranların pay veya paydasındaki değerlerin negatif olması durumunda, oranın negatif çıkması ve anlamının bozulması gündeme gelebilmektedir. Bu sorunu asmak için hesaplamaların sonradan kontrol edilip, böyle çıkan oranların ayıklanması gerekmektedir.