SavedAdd your journal

Journals / İşletme ve Girişimcilik Araştırmaları Dergisi / 2025 / Sayı: 7

FINANCIAL FAILURE ESTIMATION IN PRODUCTION ENTERPRISES WITH DATA MINING

VERİ MADENCİLİĞİ İLE ÜRETİM İŞLETMELERİNDE FİNANSAL BAŞARISIZLIK TAHMİNİ

Rıdvan Yüksel(KÜTAHYA DUMLUPINAR ÜNİVERSİTESİ)0000-0002-8859-2463
Gülnur Kecek(KÜTAHYA DUMLUPINAR ÜNİVERSİTESİ)0009-0005-9064-3468
Pages
1–12
Publication Date
2025-12-31
DOI
—
🏛️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)

As a result of the research, it was seen that the RF classification was particularly successful.

📌 3 Key Takeaways

🎯
Objective & Hypothesis:Financial performance evaluations of businesses are one of the important issues for both researchers and various information users.
📊
Key Findings & Data:In this study, it is aimed to contribute to taking strategic measures for the future by classifying businesses as successful or unsuccessful, as well as to identify risky groups.
💡
Conclusion & Impact:As a result of the research, it was seen that the RF classification was particularly successful.
🔬Design:Modeling & Simulation
📍Scope:Comprehensive Sample
⚙️Variables:Finansal başarısızlık · Yapay Sinir Ağları · Karar Ağaçları

Abstract

Financial performance evaluations of businesses are one of the important issues for both researchers and various information users. Today, with the increasing competitive conditions, businesses give importance to financial decisions in order to sustain their existence and be successful continuously. Various methods are used to measure the financial success of businesses. In this study, it is aimed to contribute to taking strategic measures for the future by classifying businesses as successful or unsuccessful, as well as to identify risky groups. For this purpose, in this study covering BIST production enterprises, six different models were created with the help of various financial ratios and Random Forest (RF), Decision Trees (DT) and Artificial Neural Networks (ANN) were used in these models. As a result of the research, it was seen that the RF classification was particularly successful.

Özet

İşletmelerin finansal performans değerlendirmeleri hem araştırmacılar hem de çeşitli bilgi kullanıcıları tarafından önemli konulardan birisidir. Günümüzde artan rekabet koşulları ile işletmeler varlıklarını sürdürebilmek ve sürekli başarılı olabilmek için finansal kararlara önem vermektedirler. İşletmelerin finansal başarısının ölçülmesinde çeşitli yöntemlerden yararlanılmaktadır. Bu çalışmada işletmeleri başarılı ya da başarısız olarak sınıflandırmanın yanı sıra riskli grupları da belirleyerek geleceğe yönelik stratejik önlemlerin alınması yönünde katkı sağlanması amaçlanmıştır. Bu amaçla BIST üretim işletmelerini kapsayan bu çalışmada, çeşitli finansal oranlar yardımıyla altı farklı model oluşturulmuş ve bu modellerde Rassal Orman (RO), Karar Ağaçları (KA) ve Yapay Sinir Ağları (YSA) kullanılmıştır. Araştırma sonucunda özellikle RO sınıflandırmasının oldukça başarılı sonuçlar verdiği görülmüştür.

🔖

Cite This Article

Yüksel, R., Kecek, G. (2025). FINANCIAL FAILURE ESTIMATION IN PRODUCTION ENTERPRISES WITH DATA MINING. İşletme ve Girişimcilik Araştırmaları Dergisi, Sayı: 7, 1–12. https://ajindex.com/articles/1629869

📄 Full Text PDF Viewer

📄

PDF görüntüleyici hazırlanıyor...

References (54)

  1. Acosta-González, E., Fernández-Rodríguez, F., & Ganga, H. (2019). Predicting Corporate Financial Failure Using Macroeconomic Variables and Accounting Data. Computational Economics, 53(1), 227-257. https://doi.org/10.1007/s10614-017-9737-x
  2. Açıkgöz, E., Uygurtürk, H., & Korkmaz, T. (2015). Analysis of factors affecting growth of pension mutual funds in Turkey. International Journal of Economics and Financial Issues, 5(2), 427-433.
  3. Aksoylu, S., Altınışık, F., & Taşdemir, B. (2024). Bist Tekstil Endeksi’nde Yer Alan İşletmelerin Finansal Risklerinin ve Performanslarının Altman Z-Skor ve VIKOR Yöntemleriyle Analizi. Muhasebe ve Finansman Dergisi, 103, 93-112. https://doi.org/10.25095/mufad.1439649
  4. Aktaş, R. (1991). Endüstri İşletmeleri İçin Mali Başarısızlık Tahmini- Çok Boyutlu Model Uygulaması. Ankara Üniversitesi, Sosyal Bilimler Enstitüsü İşletme Anabilim Dalı, Yayınlanmamış Doktora Tezi. Alin, A. (2010). Multicollinearity. Wiley Interdisciplinary Reviews: Computational Statistics, 2(3), 370-374. https://doi.org/10.1002/wics.84
  5. Altman, E. (1968). Financial Ratios, Discriminant Analysis and The Prediction of Corporate Bankruptcy. The Journal of Finance, 23(4), 589-609.
  6. Altman, E. I., Hotchkiss, E., & Wang, W. (2019). Corporate Financial Distress, Restructuring, and Bankruptcy (Fourth Edition). Published by John Wiley & Sons, Inc., Hoboken, New Jersey. www.WileyFinance.com.
  7. Aras, E. (2020). Finansal Başarısızlığın Karar Ağacı ve Diskriminant Analizi Yöntemleri İle Değerlendirilmesi: BİST’te Bir Uygulama. Atatürk Üniversitesi, Sosyal Bilimler Enstitüsü, İşletme Ana Bilim Dalı, Yayınlanmamış Yüksek Lisans Tezi.
  8. Atasever, Ü. H. (2011). Uydu görüntülerinin sınıflandırılmasında hızlandırma (boosting), destek vektör makineleri, rastgele orman (random forest) ve regresyon ağaçları yöntemlerinin kullanılması. Erciyes Üniversitesi, Fen Bilimleri Enstitüsü, Harita Mühendisliği Anabilim Dalı, Yüksek lisans Tezi.
  9. Bardi, Ş. (2021). Finansal Performans Tahmini ve BİST KOBİ Sanayi İndeksi’ndeki İşletmelere İlişkin Bir Araştırma. Sakarya Üniversitesi, İşletme Enstitüsü, İşletme Anabilim Dalı, Muhasebe ve Finansman Bilim Dalı, Yayınlanmamış Doktora Tezi.
  10. Baş, M. (2010). İşletmelerde Finansal Başarısızlığın Öngörülmesinde Gri İlişkisel Analiz Tekniği: Tekstil ve Deri Sektöründe Bir Uygulama. Dumlupınar Üniversitesi, Sosyal Bilimler Enstitüsü, İşletme Ana Bilim Dalı, Yayınlanmamış Doktora Tezi.
  11. Beaver, W. H. (1966). Financial Ratios As Predictors of Failure. Journal of Accounting Research, 4(1966), 71-111.
  12. Bhanja, S., & Das, A. (2018). Impact of data normalization on deep neural network for time series forecasting. arXiv, 5-10.
  13. Biçen, Ö. F., & Sezgin, H. (2017). Finansal Oranların Firma Değeri Üzerindeki Etkileri: Borsa İstanbul Bilişim Sektörüne Yönelik Bir Panel Veri Analizi. Yönetim ve Ekonomi Araştırmaları Dergisi, 15 (3) (Eylül), 25-41. https://doi.org/10.11611/yead.293335
  14. Breiman, L. (2001). Random Forest. Machine Learning, 45, 5-32.
  15. Büyük, H. F., & Yıldırım, H. (2022). Finansal başarısızlığın modellenmesi üzerine bir inceleme. Dokuz Eylül Üniversitesi İşletme Fakültesi Dergisi, 23(2), 25-46.
  16. Craney, T. A., & Surles, J. G. (2002). Model-dependent variance inflation factor cutoff values. Quality Engineering, 14(3), 391-403. https://doi.org/10.1081/QEN-120001878
  17. Çakır, Ö. (2008). Veri̇ Madenciliğinde Sınıflandırma Yöntemlerinin Karşılaştırılması “Bankacılık Müşteri Veri Tabanı Üzerinde Bir Uygulama”. Marmara Üniversitesi, Sosyal Bilimler Enstitüsü İşletme Anabilim Dalı, Sayısal Yöntemler Bilim Dalı, Yayınlanmamış Doktora Tezi.
  18. Demirtepe, Y. (2019). Finansal Başarısızlık Tahmini ve Bir Araştırma. Niğde Ömer Halisdemir Üniversitesi, Sosyal Bilimler Enstitüsü, İşletme Anabilim Dalı, Muhasebe- Finansman Bilim Dalı, Yayınlanmamış Yüksek Lisans Tezi.
  19. Elğin, E. (2016). Borsa İstanbul’da (BİST) İşlem Gören Demir Çelik Sektörü Şirketlerinin Finansal Oranlar Aracılığıyla 2009-2017 Dönemlerinin Analizi. Çanakkale On sekiz Mart Üniversitesi Sosyal Bilimler Enstitüsü İşletme Anabilim Dalı, Yayınlanmamış Yüksek Lisans Tezi.
  20. Ergün, H. O., & Aktaş, Z. (2025). KOBİ’lerin Finansal Başarısızlık Riski ve Covid-19 Pandemisi: BIST KOBİ Sanayi Endeksi Üzerine Bir İnceleme. KMÜ Sosyal ve Ekonomik Araştırmalar Dergisi, 27(48), 341-370. http://orcid.org/0000-0002-1454-3677
  21. Erkılıç, C. E., & Aksoy, A. (2020). Hastanelerde Finansal Başarısızlık Tahmini: Lojistik Regresyon Modeli ile Kamu Hastaneleri Üzerine Bir Uygulama. İşletme Araştırmaları Dergisi, 12(2), 1415-1433. https://doi.org/10.20491/isarder.2020.920
  22. Global Bankruptcy Report-2024. (2024). https://www.bilgidendahafazlasi.com/wp-content/uploads/2024/05/DNB_Global_Bankruptcy_Report_2024.pdf
  23. Gül, Y., & Altınırmak, S. (2025). Predicting Financial Failure: Empirical Evidence from Publicly – Quoted Firms in Developed and Developing Countries. Ekonomi Politika ve Finans Araştırmaları Dergisi, 10(1), 107-126. https://doi.org/10.30784/epfad.1595915
  24. Hamzaçebi, Ç. (2011). Yapay Sinir Ağları, Tahmin Amaçlı Kullanımı MATLAB ve NEUROSOLUTIONS Uygulamalı. Ekin Yayınevi.
  25. İçerli, M. Y. (2005). İşletmelerde Finansal Başarısızlığın Öngörümlenmesi ve Bir Uygulama. Dokuz Eylül Üniversitesi, Sosyal Bilimler Enstitüsü, İşletme Anabilim Dalı, Yayınlanmamış Doktora Tezi.
  26. Introduction to Data Mining and Knowledge Discovery (Third Edition). (1999). Two Crows Corp.
  27. Karadağ, K. (2022). Hibrit derin öğrenme modelleri ile hisse senedi fiyat tahmini. Trakya Üniversitesi, Sosyal Bilimler Enstitüsü, Ekonometri Anabilim Dalı, Yüksek Lisans Tezi.
  28. Karataş, Y. (2015). Ticari Bankalarda Karlılığı Belirleyen Faktörler: Türk Ticari Bankacılık Sektörü Üzerine Bir Uygulama. Balıkesir Üniversitesi, Sosyal Bilimler Enstitüsü, İşletme Anabilim Dalı, Yayınlanmamış Yüksek Lisans Tezi.
  29. Kaygın, C. Y., Tazegül, A., & Yazarkan, H. (2016). İşletmelerin Finansal Başarılı ve Başarısız Olma Durumlarının Veri Madenciliği ve Lojistik Regresyon Analizi ile Tahmin Edilebilirliği. Ege Akademik Bakış, 16(1), 147-159. https://doi.org/10.21121/eab.2016119960
  30. Kılıç, Y. (2011). Finansal Başarısızlık Tahmininde Veri Madenciliğinin Kullanılması: İMKB’de Bir Uygulama. Gaziantep Üniversitesi, Sosyal Bilimler Enstitüsü, İşletme Anabilim Dalı, Yayınlanmamış Yüksek Lisans Tezi.
  31. Liu, J., & Wu, C. (2019). Hybriding Kernel- Based Fuzzy C-Means With Hierarchical Selective Neural Network Ensemble Model for Business Failure Prediction. Journal of Forecasting, 38, 105. https://doi.org/10.1002/for.2561
  32. Mirgen, Ç. (2025). Türkiye’de BIST Sınai Şirketlerinin Finansal Başarısızlık Dinamikleri: Altman Z-Skor Modeli Perspektifi. Muhasebe ve Finansman Dergisi, 106, 195-220. https://doi.org/10.25095/mufad.1599910
  33. Nayak, S. C., Misra, B. B., & Behera, H. S. (2014). Impact of Data Normalization on Stock Index Forecasting. International Journal of Computer Information Systems and Industrial Management Applications, 6(2014), 257-269.
  34. O’Brien, R. M. (2007). A caution regarding rules of thumb for variance inflation factors. Quality and Quantity, 41(5), 673-690. https://doi.org/10.1007/s11135-006-9018-6
  35. Öztürk, E. K. (2010). Finansal Başarısızlık Tahmin Metodlarının Karşılaştırılması ve Sektörel Bir Uygulama. Marmara Üniversitesi, Sosyal Bilimler Enstitüsü, Ekonometri Anabilim Dalı, Ekonometri Bilim Dalı, Yayınlanmamış Yüksek Lisans Tezi.
  36. Sarıkovanlık, V., Koy, A., Akkaya, M., Yıldırım, H. H., & Kantar, L. (2019). Finansal Biliminde Ekonometri Uygulamaları (1. Baskı). Seçkin.
  37. Selçik, S. (2019). Öngörü Teknikleri ile Finansal Başarısızlık Tahmini: BİST Üzerine Bir Uygulama. İstanbul Üniversitesi, Sosyal Bilimler Enstitüsü, İşletme Anabilim Dalı, Yayınlanmamış Yüksek Lisans Tezi.
  38. Şahin, N. (2019). Yapay Sinir Ağları ve Karar Ağaçları Modelleri ile İşletmelerin Finansal Başarısızlıklarının Tahminlenmesi. Yıldız Teknik Üniversitesi, Fen Bilimleri Enstitüsü, Endüstri Mühendisliği Anabilim Dalı, Yayınlanmamış Yüksek Lisans Tezi.
  39. Terzi, S. (2011). Finansal Rasyolar Yardımıyla Finansal Başarısızlık Tahmini: Gıda Sektöründe Ampirik Bir Araştırma. Çukurova Üniversitesi İktisadi ve İdari Bilimler Fakültesi Dergisi, 15(1), 1-18.
  40. TOBB. (2025, Şubat 5). TOBB. https://www.tobb.org.tr/BilgiErisimMudurlugu/Sayfalar/KurulanKapanan Sirketistatistikleri.php
  41. Torun, T. (2007). Finansal Başarısızlık Tahmininde Geleneksel İstatistiki Yöntemlerle Yapay Sinir Ağlarının Karşılaştırılması ve Sanayi İşletmeleri Üzerinde Uygulama. Erciyes Üniversitesi, Sosyal Bilimler Enstitüsü, İşletme Ana Bilim Dalı, Muhasebe- Finansman Bilim Dalı, Yayınlanmamış Doktora Tezi.
  42. Truong, D. (2024). Data Science and Machine Learning for Non-Programmers: Using SAS Enterprise Miner (First edition). CRC Press. https://doi.org/https://doi.org/10.1201/9781003162872
  43. Türkcan, Z. (2017). Bankalarda Mali Başarısızlığın Tahmin Edilmesine Yönelik Karşılaştırmalı Uygulama: Avrupa Birliği Ülkeleri ve Türkiye Örneği. Akdeniz Üniversitesi, Sosyal Bilimler Enstitüsü, İşletme Ana Bilim Dalı, Yayınlanmamış Doktora Tezi.
  44. Vu, L., Dao, D., Vu, L., Nguyen, N., & ThuyDo, P. (2019). Feature selection methods and sampling techniques to financial distress prediction for Vietnamese listed companies. Investment Management and Financial Innovations, 16(1). https://doi.org/10.21511/imfi.16(1).2019.22
  45. Vuran, B. (2008). Şirketlerin Finansal Açıdan Sorunlu Olmasına İlişkin Model Çalışması: Türkiye Üzerine Bir Araştırma. İstanbul Üniversitesi, Sosyal Bilimler Enstitüsü, İşletme Anabilim Dalı, Finans Bilim Dalı, Yayınlanmamış Doktora Tezi.
  46. Yakut, E. (2012). Veri Madenciliği Tekniklerinden C5.0 Algoritması ve Destek Vektör Makineleri ile Yapay Sinir Ağlarının Sınıflandırma Başarılarının Karşılaştırılması: İmalat Sektöründe Bir Uygulama. Atatürk Üniversitesi, Sosyal Bilimler Enstitüsü, İşletme Anabilim Dalı, Yayınlanmamış Doktora Tezi.
  47. Yaman, S., & Topaloğlu, T. N. (2019). Sistematik Riskin Firma İçi Belirleyicileri: BİST 100 Endeksi Firmaları Üzerinde Bir Panel Veri Uygulaması. Uluslararası İktisadi ve İdari Bilimler Kongresi Tam Metin Kitabı, 802-819.
  48. Yaman Şahin, B., & Ulutürk Akman, S. (2024). Kripto Piyasalarında Genetik ve Makine Öğrenmesi Algoritmaları ile Performans Karşılaştırması. Ekoist: Journal of Econometrics and Statistics, 40, 151-164. https://doi.org/10.26650/ekoist.2024.40.1411482
  49. Yavuz, S., & Deveci, M. (2012). İstatiksel Normalizasyon Tekniklerinin Yapay Sinir Ağın Performansina Etkisii. Erciyes Üniversitesi İktisadi ve İdari Bilimler Fakültesi Dergisi, 40, 167-187.
  50. Yıldız, B., & Deniz, T. İ. (2020). BİST Yıldız Endeksinde İşlem Gören Firmaların Kârlılıklarına Etki Eden Çalışma Sermayesi Faktörleri. Ekonomi, Politika & Finans Araştırmaları Dergisi, 5(1), 91-110. https://doi.org/10.30784/epfad.697653
  51. Yüksel, R. (2022). Üretim İşletmeleri İçin Finansal Başarısızlığın Tahmininde Veri Madenciliği Uygulaması. Kütahya Dumlupınar Üniversitesi, Lisansüstü Eğitim Enstitüsü, İşletme Anabilim Dalı, Yayınlanmamış Doktora Tezi.
  52. Yürük, M. F., & Ekşi, İ. H. (2019). Yapay Zekâ Yöntemleri ile İşletmelerin Finansal Başarısızlığının Tahmin Edilmesi: Bist İmalat Sektörü Uygulaması. Mukaddime, 10(1), 393-422. https://doi.org/10.19059/mukaddime.533151
  53. Yüzük, F. (2019). Çoklu Regresyon Analizi ve Yapay Sinir Ağları ile Türkiye Enerji̇ Talep Tahmini. Sivas Cumhuriyet Üniversitesi, Sosyal Bilimler Enstitüsü, İşletme Ana Bilim Dalı, Yayınlanmamış Yüksek Lisans Tezi.
  54. Zhang, T., Zhou, X. P., & Liu, X. (2020). Reliability analysis of slopes using the improved stochastic response surface methods with multicollinearity. Engineering Geology, 271. https://doi.org/10.1016/j.enggeo.2020.105617