Mali başarısızlığın öngörülmesi: istatiksel yöntemler ve yapay sinir ağı karşılaştırılması

Mali başarısızlığa uğramış işletmelerin sayısındaki artış ülke kaynaklarının iyi kuııanılmadığının bir göstergesidir. Bu nedenle. mali başarısızlığın öngörülmesi kaynakların doğru kuııanılması açısından önem taşımaktadır. Mali oranları değişken olarak kullanan yöntemler çok boyutlu istatistiksel yöntemler ve yapay sinir ağı yönıemi olarak iki ana grupta toplanabilir. Bu çalışmada. mali başarısızlı~ın öngörülmesinde sıkça kuııanılan çok boyutlu istatistiksel yöntemlerden çoklu regresyon modeli. diskriminant analizi ve logit modeli ile önce deney grubu verileri kuııanılarak mali başarısızlık öngörü modeııeri geliştirilmiş ve daha sonra bu modellerin kontrol grubu verileri üzerinde geçerlilik testi yapılmıştır. Geçerlilik test sonuçlarına göre mali başarısızlığı yansız olarak en iyi öngören modelin çoklu regresyon modeli olduğu belirlenmiştir. Aynı işlemler yapay sinir ağı modeli için de yapılmış ve yapay sinir ağının geçerlilik testi sonucu mali başarısızlığı ön görme gücünün çoklu regresyon modelinden daha üstün olduğu tespit edilmiştir.

Mali başarısızlık ,

Çok boyutlu istatistiksel teknikler ,

Yapay sinir ağları ,

Mali oranlar ,

Geçerlilik testi ,

Financal failure ,

Multivariate statistieal teehnies ,

Finaneial failure is of great importanee conceming a eountry's eeonomy. A rise in Ihe numher of finaneiaııy failed eompanies indieates that a eountry's resourees are not utilized rationaııy. Predietion of finaneial failure is very important bccause it is a way of preventing aııocation of resourees to unproduetive areas. Finaneial ratios are generaııy used as explanatory variables in finaneial failure predietion modcls. These models can be elassified as multivariate statistical model s and neural networks. In this artiele first. multiple regression, logit and diseriminant analysis. whieh are the most comman multivariate statistieal teehniques. are used with experimental data to eonstruct finaneial failure prediction models. Then. validity tests of thcse models are condueted by using control data. After the validity tests it is found that the bestunbiased model. whieh predicts the finaneial failure, is multiple regression. The same proeedure is also foııowed when aneural network model is eonstructed and validated. After the validity test it is found that the explanaıory power of neuml network model is bener than that of the multiple regression. So, it is also observed in this analysis that the predieıion power of neural network is bener than other teehniques. This result is in aeeordanee with the others in literature.

Neural network ,

Finaneial ratios ,

Validity test ,