SavedAdd your journal

Journals / Anadolu Üniversitesi İktisadi ve İdari Bilimler Fakültesi Dergisi / 2026 / Volume: 26 Issue: 2

DEVELOPMENT OF A CREDIT RATING MODEL FOR BORSA ISTANBUL COMPANIES

BORSA İSTANBUL ŞİRKETLERİ İÇİN BİR KREDİ DERECELENDİRME MODELİ GELİŞTİRİLMESİ

Gültekin Topaloğlu(Zonguldak Bülent Ecevit Üniversitesi)0000-0002-2362-564X
Mehmet Fatih Bayramoğlu(ZONGULDAK BÜLENT ECEVİT ÜNİVERSİTESİ)0000-0003-2817-9084
Pages
—
Publication Date
2025-06-30
🏛️Bibliographic metadata and full text access for this article are provided via DergiPark.
DergiPark Record ↗
✨

AI Summary & Key Takeaways

AI Insight
⚡ TL;DR(Too Long; Didn't Read)

The results demonstrate that Model-3, which incorporates Turkey-specific variables, outperforms Model-1 and Model-2 in predicting credit risk.

📌 3 Key Takeaways

🎯
Objective & Hypothesis:The objective of this study is to undertake a financial risk assessment of companies included in the Borsa Istanbul Industrial Index and to develop a credit rating model.
📊
Key Findings & Data:The financial performance of the companies is then evaluated.
💡
Conclusion & Impact:The results demonstrate that Model-3, which incorporates Turkey-specific variables, outperforms Model-1 and Model-2 in predicting credit risk.
🔬Design:Modeling & Simulation
📍Scope:2011 Verileri
⚙️Variables:Credit Rating · Financial Success · Default risk

Abstract

The objective of this study is to undertake a financial risk assessment of companies included in the Borsa Istanbul Industrial Index and to develop a credit rating model. In this study, the Altman Z-Score model is employed to assess the financial risk of companies operating in Turkey. The Financial Leverage Ratio and Net Foreign Currency Ratio, which are specific to the Turkish business environment, are included in the analysis using the Multinomial Logistic (MNL) model. The financial performance of the companies is then evaluated. Three models were developed using data from 115 companies operating in the BIST Industrial Index, spanning the years 2011 to 2017. The fit test of the models was performed using 2018-2020 financial data for each model. The results demonstrate that Model-3, which incorporates Turkey-specific variables, outperforms Model-1 and Model-2 in predicting credit risk. As a robust model adapted for emerging markets such as Turkey, this study will assist credit rating agencies, institutional and retail investors, and other relevant financial users in assessing the creditworthiness of companies and contributing to the credit rating literature.

Özet

Bu çalışma, Borsa İstanbul Sınai Endeksi firmalarının finansal risk değerlendirmesine odaklanmayı ve bir kredi derecelendirme modeli geliştirmeyi amaçlamaktadır. Çalışmada Altman Z-Skor modeli temel alınarak, Multinomial Lojistik (MNL) model ile Türkiye’de faaliyet gösteren firmalara özgü Finansal Kaldıraç Oranı ve Net Yabancı Para oranı çalışmaya dâhil edilmiş ve firmaların finansal performansı değerlendirilmiştir. BIST Sınai Endeksi'nde faaliyet gösteren firmaların 2011-2017 yıllarını kapsayan 115 firmanın verileri ile üç model geliştirilmiştir. Her model için 2018-2020 mali verileri kullanılarak modellerin test uyumu gerçekleştirilmiştir. Sonuçlar, Türkiye’ye özgü değişkenleri içeren Model-3'ün, kredi riskini tahmin etmede Model-1 ve Model-2’den daha iyi performans sergilediğini göstermektedir. Bu araştırmanın, kredi derecelendirme şirketlerine, kurumsal ve bireysel bazda yatırımcılara ve ilgili diğer finansal kullanıcılara şirketlerin kredibilitesini değerlendirmede yardımcı olmak için Türkiye gibi gelişmekte olan pazarlar için uyarlanmış sağlam bir model olacağı ve çalışmanın kredi derecelendirme literatürüne katkıda bulunacağı düşünülmektedir.

🔖

Cite This Article

Topaloğlu, G., Bayramoğlu, M. F. (2025). DEVELOPMENT OF A CREDIT RATING MODEL FOR BORSA ISTANBUL COMPANIES. Anadolu Üniversitesi İktisadi ve İdari Bilimler Fakültesi Dergisi, Volume: 26 Issue: 2. https://doi.org/10.53443/anadoluibfd.1576806

📄 Full Text PDF Viewer

📄

PDF görüntüleyici hazırlanıyor...

References (51)

  1. Adalı, S. (2011). Bir risk ölçümü aracı olarak kredi derecelendirme ve getiri analizi: BIST sanayi şirketleri üzerine amprik bir uygulama (Yayımlanmamış doktora tezi). Kadir Has Üniversitesi, Sosyal Bilimler Enstitüsü, İstanbul.
  2. Altman, E. I. (2005). An emerging market credit scoring system for corporate bonds. Emerging Markets Review, 6(4), 311-323.
  3. Altman, E. I. (1968). Financial ratios, discriminant analysis and the prediction of corporate bankruptcy. The Journal of Finance, 23(4), 589-609.
  4. Altman E. I. (1983). Corporate financial distress, a complete guide to predciting, avoiding, and dealing with bankruptcy. John Wiley and Sons.
  5. Altman, E. I., & Hotchkiss, E. (1993). Corporate financial distress and bankruptcy. New York: John Wiley & Sons.
  6. Anjum, S. (2012). Business bankruptcy prediction models: a significant study of the Altman’s Z-Score model. https://ssrn.com/abstract=2128475 adresinden erişildi.
  7. Beaver, H. W. (1966). Financial ratios as predictors of failure. Journal of Accounting Research, 71-111.
  8. Belkaoui, A. (1980). Industrial bond ratings, a new look. Financial Management, 9(3), 44-51.
  9. Bentz, Y., & Merunka, D. (2000). Neural networks and the multinomial logit for brand choice modelling: A Hybrid approach. Journal of Forecasting, 19(3), 177-200.
  10. Bissoondoyal-Bheenick, E. ve Brooks, R. (2015). The credit risk–return puzzle: Impact of credit rating announcements in Australia and Japan. Pacific-Basin Finance Journal, 35, 37-55.
  11. Bocutoğlu, E. (2015). Kredi derecelendirme kuruluşları ve 2007 küresel finansal kriz. Hak-İş Uluslararası Emek ve Toplum Dergisi, 4(10), 66-112.
  12. Bodur, Ç. ve Teker, S. (2005). Ticari firmaların kredi derecelendirmesi: İMKB firmaarına uygulanması. İstanbul Teknik Üniversitesi Dergisi, 2(1), 25-36.
  13. Boyacıoğlu, M. A. (2003). Bankalarda derecelendirme (rating) ve Türk bankacılık sektörü üzerine ampirik bir çalışma (Yayımlanmamış doktora tezi). Selçuk Üniversitesi, Sosyal Bilimler Enstitüsü, Konya.
  14. Brans, J. P., & Vincke, P. (1985). Note—a preference ranking organisation method: (The PROMETHEE method for multiple criteria decision-making). Management Science, 31(6), 647-656.
  15. Bulğurcu, B. (2019). Çok nitelikli fayda teorisi ile CRITIC yöntem entegrasyonu: Akıllı teknoloji tercih örneği. OPUS International Journal of Society Researches, 13(19), 1930-1957.
  16. Calabria, M., Ekins, E. M., & Brown, C.O. (2011). Regulation, market structure, and role of the credit rating agencies. Cato Institute Policy Analysis, 1(4).
  17. Camanho, N., Deb, P., & Liu, Z. (2022). Credit rating and competition. International Journal of Finance & Economics, 27(3), 2873-2897.
  18. Deakin, E. B. (1972). A discriminant analysis of predictors of business failure. Journal of Accounting Research, 10(1), 167-179.
  19. Diakoulaki, D., Mavrotas, G. ve Papayannakis, L. (1995). Determining objective weights in multiple criteria problems: The CRITIC method. Computers & Operations Research, 22(7), 763-770.
  20. Dittrich, F. (2007). The credit rating ındustry: Competition and regulation. https://ssrn.com/abstract=991821 adresinden erişildi.
  21. Girgin, G. E. (2018). Kredi derecelendirme kuruluşlarının not değerlendirmelerinde kullandıkları faktörlerin incelenmesi: Türkiye örneği (Yayımlanmamış doktora tezi). İstanbul Üniversitesi, Sosyal Bilimler Enstitüsü, İstanbul.
  22. Geyikçi, U. B. (2013). Basel Kriterleri çerçevesinde kredi derecelendirme model önerisi (Yayınlanmamış doktora tezi). Celal Bayar Üniversitesi. Sosyal Bilimler Enstitüsü, Manisa.
  23. Grunert, J., Norden, L. & Weber, M. (2005). The role of non-financial factors in internal credit ratings. Journal of Banking & Finance, 29(2), 509-531.
  24. Hosmer, D. W., Lemeshow, S., & Cook, E. (2000). Applied logistic regression 2nd edition. New York: Jhon Wiley and Sons Inc.
  25. Hwang R. C., Chung, H., & Chu, C.K. (2010). Predicting issuer credit ratings using a semiparametric method. Journal of Empirical Fiance, 17(1), 120-137.
  26. İnal, M. E., Topuz, D., & Okyay, U. Ç. A. N. (2006). Doğrusal olasılık ve logit modelleri ile parametre tahmini. Sosyoekonomi, 3(3), 47-72.
  27. Hill, C. A. (2004). Regulating the rating agencies. Washington University Law Review, (82843), 42-94.
  28. Jayadev, M. (2006). Predictive power of financial risk factors: An empirical analysis of default companies. Vikalpa, 31(3), 45-56.
  29. Johnston, J., & Dinardo, J. (1997). Econometrics methods. USA: McGraw-Hill Companies, Inc.
  30. Jones, S. (2016). A cash flow based model of corporate bankruptcy in Australia. Journal of Applied Management Accounting Research, 14(1), 23-38.
  31. Kamstra, M., Kennedy, P., & Suan, T. (2001). Combining bond rating forecasts using logit. The Financial Review, (37), 75-96.
  32. Kaplan, R. S., & Urwitz, G. (1979). Statistical models of bond ratings: A methodological inquiry. The Journal of Business, 52(2), 231-261.
  33. Köklü, N. (2002). Açıklamalı istatistik terimleri. Ankara: Nobel Yayınevi.
  34. Kulalı, İ. (2016). Altman Z-Skor Modelinin BIST şirketlerinin finansal başarısızlık riskinin tahmin edilmesinde uygulanması. Uluslararası Yönetim İktisat ve İşletme Dergisi, 12(27). 283- 291
  35. Kuzu, S. (2019). Uluslararası kredi derecelendirme kuruluşlarının Türkiye için yapmış oldukları not açıklamalarının hisse senedi piyasaları üzerine etkisi: BIST 100’de seçili sektör endeksleri üzerine uygulama. Mehmet Akif Ersoy Üniversitesi Uygulamalı Bilimler Dergisi, 3(1), 155-170.
  36. Lakshan, A. M. I., & Wijekoon, M.H.N. (2013). The use of financial ratios in predicting corporate failure in Sri Lanka. GSTF Journal on Business Review, 2(4), 37-43.
  37. Long J. S., & Freese, J. (2006). Regression models for categorical dependent variables using Stata. Bloomington: Indiana University.
  38. Meydan, C. (2009). Şirket derecelendirmesi ve bir endüstri işletmesinde uygulama örneği (Yayınlanmamış doktora tezi). Marmara Üniversitesi Sosyal Bilimler Enstitüsü, İstanbul.
  39. Meyer, P. A., & Howard, W. P. (1970). Prediction of Bank Failures. The Journal of Finance, 25(4), 853-868.
  40. Opler, T. C., & Titman, S. (1994). Financial distress and corporate performance. The Journal of Finance, 49(3), 1015-1040.
  41. Öcal, N. (2014). Firma derecelendirmesi ve Borsa İstanbul'da imalat sektörü için model önerisi (Yayınlanmamış doktora tezi). Gazi Üniversitesi Sosyal Bilimler Enstitüsü, Ankara.
  42. Partnoy, F. (2009). Rethinking regulation of credit rating agencies: An institutional investor perspective. Council of Institutional Investors, Nisan, 09-014.
  43. Pekkaya, M., & Dökmen, G. (2019). OECD ülkeleri kamu sağlik harcamalarinin ÇKKV yöntemleri ile performans değerlendirmesi. Uluslararası Yönetim İktisat ve İşletme Dergisi, 15(4), 923-950.
  44. Pinches, G. E. ve Mingo, K. A. (1973). A multivarite analysis of ındustrial bond ratings. The Journal of Finance Association, 28(1), 1-18.
  45. Stata Base Reference. (2023). Stata Base Reference. https://www.stata.com/manuals/r.pdf adresinden erişildi.
  46. Yıldız, A. (2014). Kurumsal yönetim endeksi ve Altman Z Skoruna dayalı lojistik regresyon yöntemiyle şirketlerin kredi derecelendirmesi. Süleyman Demirel Üniversitesi, İktisadi ve İdari Bilimler Fakültesi Dergisi, 19(3), s. 71-89.
  47. Yürük, M. F., & Toraman, C. (2014). Kredi derecelendirme kuruluşları ve finansal krizlere etkileri. Bitlis Eren Üniversitesi Sosyal Bilimler Enstitüsü Dergisi, 3(1), 127-154.
  48. White, L. J. (2009). The credit‐rating agencies and the subprime debacle. Critical Review, 21(2-3), 389-399.
  49. White, L. J. (2010). Markets, the credit rating agencies. Journal of Economic Perspectives, 24(2), 211-226.
  50. White, L. J. (2012). The credit rating agencies: How did we get here? Where should we go? https://www.competitionpolicyinternational.com/assets/ Uploads/WhiteAPR-2.pdf adresinden erişildi.
  51. West, R. R. (1970). An alternative approach to predinting corporate bond ratings. Journal of Accounting Research, 8(1), 118-125.