Türkiye’de Yapılan Finansal Başarısızlık Tahmin Çalışmaları

Aktaş (1993)’ın “Endüstri İsletmeleri için Mali Başarısızlık Tahmini” çalışması Türkiye’ de yapılmış en önemli finansal başarısızlık tahmin çalışmalarından biridir. Bu çalışma ile Türkiye’de ilk defa çok boyutlu modellerle finansal başarısızlık tahmini yapılmıştır. Araştırmada, firmaların bilanço ve gelir tablolarından yararlanılarak yirmi beş başarısız ve otuz beş başarılı endüstri firması bulunmuştur. Başarısız firmalar iflas etmiş veya üç yıl üst üste zarar etmiş firmalar arasından seçilmiştir. Örneklem seçiminden sonra söz konusu firmalara ait yirmi üç finansal oran hesaplanmıştır. Hesaplanan finansal oranlar bağımsız değişken olarak kullanılmış, başarılı ve başarısız firmalar bir, iki ve üç yıl öncesinden doğrusal diskriminant, kuadratik diskriminant, çoklu regresyon ve lojistik ve probit regresyon analizleri ile tahmin edilmeye çalışılmıştır. Çalışmada ilk önce finansal oranların başarısızlığı tahmin etme gücünün istatistiksel açıdan önemli olup olmadığı çok değişkenli regresyon analizi ile test edilmiş ve %99 güven seviyesiyle finansal oranların finansal başarısızlığı tahmin etme gücü istatistiksel açıdan önemli bulunmuştur. Daha sonra bu finansal oranlar kullanılarak çok boyutlu istatistiksel modeller kurulmuş ve bu modellerin başarılı ve başarısız firmaları tahmin etme başarısı analiz edilmiştir. Analiz sonucunda, lojistik ve probit regresyon analizleri diğer analizlere göre daha başarılı sonuçlar vermiştir. Ayrıca çalışmada her bir model için geçerlilik testleri yapılmış ve geçerlilik testleri de analiz sonuçlarını destekler nitelikte çıkmıştır. Probit ve lojistik regresyon analizinin diskriminant ve çoklu regresyon analizine göre daha başarılı sonuçlar vermesi kuramsal açıdan daha üstün özelliklere sahip olmasıyla açıklanmıştır.

Ünsal (2001), finansal oranları kullanarak diskriminant analizi yardımı ile finansal başarısızlığı bir yıl önceden tahmin etmeyi amaçlamıştır. Yaptığı çalışmada Sermaye Piyasası Kurumuna bağlı iflas eden veya tasfiye edilen on altı firma ile faaliyetlerine devam eden elli beş firmayı ele almıştır. Diskriminant fonksiyonunu bulmak amacıyla bu firmalara ait on yedi finansal oran diskriminant analizinde kullanılmıştır. Yapılan diskriminant analiz sonucunda başarısız firmaların doğru tahmin edilme oranı %81.3 olarak gerçekleşmiştir. Başarılı firmaların tahmin edilme oranı ise %100’dür. Başarılı ve başarısız firmalar birlikte düşünüldüklerinde modelin

genel olarak başarı ve başarısızlığı bir yıl önceden doğru tahmin etme olasılığı %95.77’tir.

Kutman (2001), firmalara ait finansal oranların ve genel ekonomik göstergelerin hangilerinin farklı sektörlerin başarı veya başarısızlıklarını etkilediklerini lojistik regresyon analizi ile incelemiştir. Bu çalışmanın özelliği finansal başarısızlığa sektörel olarak yaklaşması ve finansal oranların yanı sıra, bağımsız değişkenlere enflasyon, büyüme, devalüasyon gibi genel ekonomik değişkenleri de eklemesidir. Böylece sektörlerin finansal başarılarına ve başarısızlıklarına finansal oranların etkisinin yanı sıra ekonomik faktörlerin etkisi de araştırmaya dahil edilmiştir. Araştırmada beyaz eşya sektöründen dört firmanın 1990-1997; otomotiv sektöründen yedi firmanın 1991-1997; gıda sektöründen dokuz firmanın 1992-1994 yılları arasındaki finansal oranları analize dahil edilmiştir. Bu oranların yanı sıra tüketici enflasyonu, kişi basına milli gelir, büyüme, devalüasyon, yatırımlardaki artış, gümrük birliği faktörleri de analize dahil edilmiştir. Analiz sonucunda beyaz eşya sektörünün finansal başarı ve başarısızlığını en çok devalüasyon, cari oran, Kısa Vadeli Borç/Pasif Oranı, stok devir hızı, Alacak/Satışlar oranı ve özsermaye devir hızının etkilediği; otomotiv sektöründe finansal başarı ve başarısızlığı, enflasyon, cari oran, kaldıraç oranı ve İsletme Sermayesi/Özsermaye değişkenlerinin etkilediği; gıda sektörünün finansal başarı ve başarısızlığını ise Kısa Vadeli borç/Pasif Toplamı oranı, stok devir hızı, faaliyet karlılığı ve İsletme Sermayesi/Özsermaye değişkenlerinin etkilediği belirlenmiştir. Her bir sektör için finansal başarısızlık tahmininde önem arz eden oranlar farklılık göstermiştir.

Benli (2002), 1992-2002 yılları arsında İMKB’ de işlem gören otuz başarısız ve yüz on iki başarılı firmanın 1, 2 ve 3 yıl önceden finansal başarı ve başarısızlıklarını lojistik regresyon ve yapay sinir ağları yöntemi ile tahmin etmeyi ve tahmin sonuçlarını karsılaştırmayı amaçlamıştır. Finansal kuruluşlar, holdingler, hizmet sektörü ve ulaşım sektörünün örneklem dışı bırakıldığı çalışmada, başarısız firmaların belirlenmesinde, iflas, üç yıl üst üste zarar etmiş olma, İMKB’ de işlem sırasının kapatılması ve kottan çıkarılma kriterleri esas alınmıştır. Firmaların başarılı ve başarısız kabul edildikleri tarihlerinden 1, 2 ve 3 yıl öncesine ait bilanço ve gelir tabloları kullanılarak, literatürde yaygın olarak kullanılan yirmi sekiz finansal oran

hesaplanmış ve bağımsız değişken olarak analize dahil edilmiştir. Analiz sonuçlarına göre lojistik regresyon analizi başarısız firmaları 1, 2 ve 3 yıl önceden sırasıyla %76,7, %56,7 ve %20 başarı ile, başarılı firmaları ise %96,4, 97,3 ve %96,4 başarı ile doğru tahmin etmiştir. Yapay sinir ağları modeli ise başarısız firmaları 1, 2 ve 3 yıl önceden sırası ile %86,66, %83,33 ve %66,66 başarı ile, başarılı firmaları ise %100, %98,21 ve %83,92 basarı ile tahmin etmiştir. Sonuçlardan da anlaşılacağı üzere yapay sinir ağları modelinin lojistik regresyon analizine göre başarılı ve başarısız firmaları tahmin etme oranı daha yüksektir.

Atan ve Güneş (2004), İMKB’ de işlem gören 201 firmanın 2002–2003 yıllarına ait üçer aylık bilânço ve gelir tablolarından yararlanarak firmaların taşıdıkları riskleri gösteren finansal oranları, faktör ve regresyon analizlerine tabi tutmuştur. Analize dahil edilen 201 firmanın 2002 yılı 9. ay ve 12. ay, 2003 yılı 3. ay ve 6. ay bilanço ve gelir tabloları kullanılarak her bir firma için bu dönemlere ait likidite, faaliyet, karlılık, mali yapı, finansal kaldıraç oranlarını içeren kırk iki finansal oran hesaplanmıştır. Daha sonra her bir dönem için finansal oranlar faktör analizine tabi tutulmuş ve dört dönemde de firma performansını etkileyen en önemli oranların likidite ve finansal kaldıraç oranları olduğu belirlenmiştir. Daha sonra bu oranlar ile regresyon analizi yapılmış ve bu analizde de likidite oranlarının firma performansını en fazla etkileyen oran olduğu belirlenmiştir. Kaldıraç oranlarının ise faktör analizinde firma performansını önemli derecede etkilediği saptanmasına karşın regresyon analizinde firma performansını çok fazla etkilemediği belirlenmiştir

Benli (2005), özel sermayeli ticari bankaların finansal başarı veya başarısızlıklarını bir yıl önceden tahmin etmek amacıyla Türkiye’ de faaliyet gösteren otuz sekiz özel sermayeli bankayı çalışmasına almıştır. Bu bankaların tasarruf mevduat sigorta fonuna devredilmesi başarısızlık kriteri olarak belirlenmiştir. Bu kriter doğrultusunda 1997-2001 yılları arasında TMSF’ ye devredilen on yedi banka başarısız olarak diğer yirmi bir banka ise başarılı banka olarak örneklemde yer almıştır. Finansal başarısızlığı bir yıl önceden tahmin etmek amacıyla bu bankalara ait on iki finansal oran yardımıyla lojistik regresyon ve yapay sinir ağı analizleri uygulanmış ve bu analizlerin başarıları karşılaştırılmıştır. Çalışma

sonucunda yapay sinir ağı modelinin finansal başarıyı veya başarısızlığı tahmin etmede lojistik regresyon yönetimine göre daha iyi sonuç verdiğini göstermiştir.

Canbaş ve diğerleri (2005), diskriminant, lojistik ve probit regresyon analizlerini kullanarak Türkiye’de 1994-2001 yılları arasında faaliyet gösteren yirmi biri başarısız kırk bankanın finansal durumlarını 1,2 ve 3 yıl önceden tahmin etmeye çalışmışlardır. Çalışmalarında bu bankalara ait kırk dokuz finansal oranı bağımsız değişken olarak kullanmışlardır. Çalışma sonucunda diskriminant analizi, lojistik ve probit regresyona oranla başarısız ticari bankaları daha doğru şekilde tahmin etmiştir.

Altaş ve Giray (2005), finansal başarısızlık tahmin çalışmalarını, önemli bir sektör olan tekstil sektörü için uygulamışlardır. 2001 Şubat krizi nedeniyle finansal başarısızlığa uğrayan firma sayısının çok fazla olması nedeniyle 2001 yılı içerisinde İMKB’de faaliyet gösteren otuz üç tekstil firmasının hepsi analize alınmıştır. Bu firmalardan 2001 yılında kar eden firmalar başarılı olarak; zarar eden firmalar ise başarısız olarak gruplandırılmıştır. Daha sonra bu firmaların beş likidite oranı, on bir mali oran, dokuz faaliyet oranı ve sekiz karlılık oranı bilanço ve gelir tablolarından yararlanılarak hesaplanmıştır. Hesaplanan bu oranlar ilk önce faktör analizine tabi tutulmuş ve elde edilen faktör skorları lojistik regresyonda bağımsız değişken olarak analize dahil edilmiştir. Yapılan lojistik regresyon analizi sonucunda finansal başarısızlığı etkileyen en önemli faktörün likidite faktörü olduğu tespit edilmiştir.

Aktas ve diğerleri (2005), finansal başarısızlık tahmininde daha önce kullanılan çok boyutlu istatistiksel yöntemlerle (lojistik regresyon, çoklu regresyon ve diskriminant analizi) yapay sinir ağı yöntemini karşılaştırmışlardır. Yapılan çalışmada, 1983-1997 yılları arasında İMKB’de işlem gören sanayi, ticaret ve hizmet firmaları kullanılmıştır. Finansal başarısızlık kriterleri olarak iflas, sermayenin yarısını kaybetmiş olmak, aktif tutarın %10’unu kaybetmiş olmak, üç yıl üst üste zarar etmiş olmak, borç ödeme zorluğu içine düşmüş olmak, üretimi durdurmak, toplam borçların toplam varlıkları aşması durumları belirlenmiştir. Bu kriterleri sağlayan elli üç firma finansal açıdan başarısız olarak belirlenmiştir. Daha sonra bu firmalarla eşleştirme yapmak amacıyla finansal başarılı elli üç firma belirlenmiş ve toplam yüz altı firma örnekleme dahil edilmiştir. Bu örneklemden yetmiş firmadan

deney ve otuz altı firmadan kontrol grubu oluşturulmuştur. Analizde kullanılacak başarılı ve başarısız firmalar belirlendikten sonra bu firmalara ait finansal başarısızlık tahmini için önemli olduğu kabul edilen, kolay hesaplanabilen ve yaygın olarak kullanılan yirmi üç finansal oran hesaplanarak bağımsız değişken olarak analizlere dahil edilmiştir. Yapılan analiz sonucunda yapay sinir ağı yöntemi %86,11 başarı ile her üç yöntemden de çok daha başarılı tahmin gücü göstermiştir.

Ünsal ve Güler (2005), 1997-2003 döneminde Türkiye’ de faaliyet gösteren ticari bankaların finansal başarılarını ve başarısızlıklarını 1, 2, 3, 4 ve 5 yıl önceden hem diskriminant hem de lojistik regresyon analizi ile tahmin etmiş ve sonuçları karşılaştırmıştır. 1997-2003 yılları arasında faaliyet gösteren altmış beş ticari banka üzerinde yapılan çalışmada, yirmi bir tanesi bu yıllar arasında TMSF’ ye devredilmiş ve bu yüzden çalışmada bu bankalar finansal başarısız olarak kabul edilmiştir. Bu çalışmada bankaların sermaye yapısını, aktif kalitesini, likiditesini, karlılığını ve gelir-gider yapısını temsil eden son beş yıla ait on farklı finansal oran kullanılmıştır. Finansal başarısızlık tahmini 1999-2003 yılları arasındaki her bir yıl için yapılmıştır. 1997-1998 yıllarında TMSF’ye devredilen sadece bir tane başarısız banka bulunduğu için bu iki yıl için analiz yapılamamıştır. Çalışmanın sonucuna bakıldığında lojistik regresyon analizi diskriminant analizine göre daha başarılı sonuçlar vermiştir.

Poyraz ve Uçma (2006), Altman’ın oluşturduğu Z-skor modeli yardımıyla temel ihracatçı sektörler olan turizm, tekstil, tarımsal ürünler-gıda, ulaşım sektörlerinin ekonominin normal seyrettiği durumlarda ve kriz ortamında finansal başarısızlık potansiyellerini tahmin etmeyi ve sonuçları karşılaştırmayı amaçlamıştır. 1992 ve 2003 yılları arasındaki veriler incelenmiş ve Altman’ın analizde kullandığı oranlar kullanılmıştır. Her bir sektöre ait oranlar sektörde yer alan firmaların oranlarının ortalamaları alınarak bulunmuştur. Daha sonra bulunan oranlar Z-Skor fonksiyonunda kullanılmış her bir yıl ve her bir sektör için Z değerlerine ulaşılmıştır. Çalışmaya dahil edilen bütün sektörlerde, 1994 ve 2001 krizlerinin firmaların finansal durumlarını olumsuz yönde etkilediği görülmüştür.

Benli(2006), yaptığı çalışmada 1992-2001 yılları arasında İMKB’de kayıtlı endüstri firmalarını inceleyerek bu firmaların finansal başarı veya başarısızlıklarında önemli rol oynayan mali oranları faktör analizi yardımıyla belirlemeye çalışmıştır.

İflas, üç yıl üst üste zarar etme, İMKB’ de işlem sırasının kapatılması ve İMKB’de kottan çıkarılması finansal açıdan başarısız firmaların seçiminde kriter olarak belirlenmiş ve bu kriterlere uyan otuz firma başarısız; bu kriterlere uymayan yüz on iki firma ise başarılı olarak analize dahil edilmiştir. Analiz için yirmi sekiz oran faktör analizi kullanılarak incelenmiştir Faktör analizi ilk önce başarılı firmalara, sonra başarısız firmalara son olarak hem başarılı hem de başarısız firmalara uygulanmıştır. Sadece başarılı firmalar üzerinde yapılan faktör analizi sonucunda finansal yapı ve likidite oranlarının finansal açıdan başarılı firmaları daha iyi açıkladığı tespit edilmiştir. Başarısız firmalar üzerinde yapılan faktör analizinde ise karlılık ve mali yapı oranlarının finansal başarısızlığı daha iyi açıkladığı görülmüştür. Çalışmanın son bölümünde ise başarılı ve başarısız firmaların tamamı analize dahil edilmiş ve karlılık ve mali yapı oranlarının hem finansal başarıyı ve hem de finansal başarısızlığı daha iyi açıkladığı tespit edilmiştir.

Doğanay ve diğerleri (2006), çoklu regresyon, diskriminant, lojistik ve probit regresyon analizlerini kullanarak Türkiye’de faaliyette bulunan ticari bankaların finansal başarısızlıklarını 1, 2 ve 3 yıl önceden tahmin etmeye çalışmışlardır. Yaptıkları çalışmada Türkiye’de 1997-2002 yılları arasında faaliyet gösteren on dokuz finansal başarısız ve yirmi üç finansal başarılı ticari bankayı örneklem olarak belirlemiş ve bu bankaların başarı ve başarısızlık yıllarından 1, 2 ve 3 yıl önceki yirmi yedi finansal oranını analizlerde bağımsız değişken olarak kullanmıştır. Başarısız olan bankalar ilgili yıllar arasında iflas etmiş veya TMSF’ye devredilmiş bankalar, başarılı bankalar olarak da faaliyetlerine devam eden bankalar araştırmaya dahil edilmiştir. Analiz sonucunda 1 yıl önceden bankaların finansal başarısızlığa düşecekleri çoklu regresyon analizi ile %89,5, diskriminant analizi ile %84,2, lojistik regresyon ile %84,2 ve probit regresyon analizi ile %78,9 oranında başarı ile tahmin edilmiştir. 2 ve 3 yıl önceden yapılan tahminlerde ise kullanılan bütün yöntemler başarısız isletmeleri %94,7 oranında doğru tahmin başarısı göstermiştir.

İşseveroğlu ve Gücenme (2006), sigorta firmaları üzerinde yaptıkları çalışmada başarılı ve başarısız firmaların ayırt edilebilmesinde finansal oranların önemini incelemeyi ve bu finansal oranlar yardımıyla çoklu regresyon ve diskriminant analizi yöntemlerini kullanarak finansal başarı veya başarısızlığı 1, 2 ve 3 yıl önceden

tahmin etmeyi amaçlamışlardır. Yaptıkları araştırma için Türkiye’de 1992-2003 yılları arasında faaliyette bulunan kırk beş sigorta firması bağımlı değişken, bu firmalara ait on yedi finansal oran ise bağımsız değişken olarak analize dahil edilmiştir. Yapılan analizler sonucunda çoklu regresyon analizi finansal başarılı ve başarısız firmaları bir yıl önceden %97, iki yıl önceden %87, üç yıl önceden %80 oranında doğru tahmin etmiştir. Diskriminant analizi ise, bir yıl önceden %100, iki yıl önceden %94, üç yıl önceden %81 oranında doğru tahminde bulunmuştur. Sonuçlardan da görüldüğü üzer diskriminant analizi regresyon analizine göre daha doğru sonuçlar vermiştir. Ayrıca her iki yöntemle de başarılı ve başarısız firmaların yüksek oranlarda doğru sınıflandırılması finansal oranların başarılı ve başarısız firmaların ayırt edilmesindeki önemini göstermiştir.

Suadiye (2006), İMKB’de işlem gören Türk ticaret bankalarının başarısızlık olasılığının tahmini üzerine yaptığı bu çalışmada, 1997-2006 Mart dönemi arasında hisse senetleri İMKB’de işlem gören 9 Türk bankası çalışma kapsamında değerlendirmeye alınmıştır. Banka varlıklarının piyasa değeri ve riskinin tahmin edilmesinde, banka sermayesi ve borçlarını, banka varlıklarının değeri üzerine yazılan bir Avrupa tipi opsiyonu seklinde modelleyen Black-Scholes (1973) and Merton (1974) Opsiyon Fiyatlama çerçevesi kullanılmıştır. Bu çalışmada ayrıca 1997 ve 2006 Mart dönemine ait sermaye düzeylerine ait defter ve piyasa değerleri kullanılarak, çalışma kapsamına alınan 9 bankanın sahip olduğu sermaye düzeylerinin temerrüt ve varlık riskleri üzerindeki etkisi tahmin edilmiştir. Söz konusu etkinin incelenmesinde Panel veri analizi kullanılmıştır. İnceleme sonucunda temerrüt ve varlık riskleri ile sermaye düzeyleri arasında (temerrüt riski ile sermaye defter değeri hariç) pozitif bir ilişki bulunmuştur. Bunun anlamı, sermaye düzeyleri arttıkça bankalar daha fazla risk almaktadır. Ancak bu pozitif ilişkiye karşın temerrüt riski ile sermaye defter düzeyi arasında negatif bir ilişki bulunmuştur. Bunun da anlamı bankaya konulan sermaye arttıkça bankanın temerrüde düşme riski algısı piyasada düşmektedir.

Torun (2007), finansal başarısızlık tahmininde geleneksel istatistiki yöntemlerle yapay sinir ağlarının karşılaştırmasını yapmış ve bu çalışmayı sanayi firmaları üzerinde uygulamıştır. Hisse senetleri İMKB’de işlem gören doksan sanayi

firmasının 1992-2004 yılları arası verileri üzerinde, geleneksel istatistiki teknikler (çok değişkenli diskriminant analizi ve lojistik regresyon analizi) ve yapay sinir ağları (geri yayılımlı çok katmanlı yapay sinir ağı) kullanılarak tahmin modelleri geliştirilmiştir. Elde edilen modellerin beş yıl öncesine kadarki performansları, hem geleneksel performans ölçüleri, hem de ROC eğrileri aracılığıyla değerlendirilerek birbirleriyle karşılaştırılmıştır. Başarısızlıktan bir ve iki yıl öncesi için en iyi performansa sahip yöntem yapay sinir ağıdır. Firma ile ilgili olarak verilecek çoğu karar için iki yıllık sürenin yeterli olduğu düşünüldüğünde, yapay sinir ağının finansal başarısızlık tahmininde kullanılmasının firma ile ilgili karar vericiler için son derece yararlı olacağı sonucuna varılmıştır.

Akkoç (2007), finansal başarısızlık tahmininde sinirsel bulanık ağ modelini kullanmış ve sonuçları çoklu ayırma analizi ve yapay sinir ağları modelleri ile elde ettiği sonuçlarla karşılaştırmıştır. Analizde İMKB'de kayıtlı 142 firmayı ve bu firmaların 1983-2004 yıllarına ait finansal oranlarını kullanmıştır. Analiz sonucunda yapay sinir ağları ile finansal başarısızlığı bir yıl önceden %86,1, çoklu ayırma analizi ile %83,3 ve sinirsel bulanık ağ modeli %80,6 oranında doğru sınıflandırmıştır.

Coşkun ve Sayılgan (2007), finansal başarısızlık tahminine yönelik olarak yapılan çalışmalarda örneklem yetersizliğinden dolayı birçok sektörün örnekleme dahil edildiğini, bu durumunda farklı sektörlerden elde edilen finansal oranların farklı özellikler göstermesi nedeniyle tahmin başarısını düşüreceğini ileri sürmüştür. Yaptıkları çalışmada, finansal başarısızlık tahmin analizlerinde kullanılan oranların sektörlere göre düzeltilerek analize dahil edilmesi durumunda, tahminin başarısının ne derece değişeceğini analiz etmeyi amaçlamışlardır. Çalışmada, 1993-2003 yılları arasında İMKB’de işlem gören, on farklı sektöre ait yetmiş yedi başarılı ve yetmiş yedi başarısız firmayı bağımlı değişken olarak belirlemişlerdir. Finansal başarısızlık kriteri olarak iflas, üç yıl üst üste zarar, borçların yeniden yapılandırılması ve özsermayenin negatif olması esas alınmıştır. Bu kriterleri taşımayan firmalar başarılı firma olarak örnekleme dahil edilmiştir. Bu firmalara ait kırk altı finansal oran ile birlikte firma büyüklüğü, satışlar, kuruluş yılı ve halka açılma yılı değişkenleriyle toplam elli değişken bağımsız değişken olarak belirlenmiştir. Firmalara ait finansal

oranların sektöre göre düzeltilmesi, firmanın içinde yer aldığı sektördeki firmaların bilanço ve gelir tabloları tek bir firmaymış gibi konsolide edilerek sektör bilançosu ve gelir tablosu oluşturularak ve firmanın normal oranları sektör değerler ile oranlanarak veya her bir sektöre ait sektör medyanı belirlenip firmanın normal oranları bu değerle oranlanarak yapılmıştır. Bir sonraki aşamada sektöre göre düzeltilen oranları ve normal oranı (sektöre göre düzeltilmemiş) lojistik regresyon analizi ile analiz ederek sonuçlar karşılaştırmıştır. Yapılan analiz sonucunda bir yıl