Mali Başarısızlığın Öngörülmesi: İstatistikel Yöntemler ve Yapay Sinir Ağı Karşılaştırması

Financial Failure Prediction: Comparison of Statistical Techniques with the Neural Networks

Özet

Mali başarısızlığa uğramış işletmelerin sayısındaki artış ülke kaynaklarının iyi kullanılmadığının bir göstergesidir. Bu nedenle, mali başarısızlığın öngörülmesi kaynakların doğru kullanılması açısından önem taşımaktadır. Mali oranlan değişken olarak kullanan yöntemler çok boyutlu istatistiksel yöntemler ve yapay sinir ağı yöntemi olarak iki ana grupta toplanabilir. Bu çalışmada, mali başarısızlığın öngörülmesinde sıkça kullanılan çok boyutlu istatistiksel yöntemlerden çoklu regresyon modeli, diskriminant analizi ve logit modeli ile önce deney grubu verileri kullanılarak mali başarısızlık öngörü modelleri 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 fşlemler yapay sinir ağı modeli için de yapılmış ve yapay sinir ağının geçerlilik-testi sonucu mali başarısızlığı öngörme gücünün çoklu regresyon modelinden daha üstun olduğu tespit edilmiştir.

Abstract

Financial failure is of great importance concerning a country's economy. A rise in the number of financially failed companies indicates that a country's resources are not utilized rationally. Prediction of financial failure is very important because it is a way of preventing allocation of resources to unproductive areas. Financial ratios are generally used as explanatory variables in financial failure prediction models. These models can be classified as multivariate Statistical models and neural networks. İn this article first, multiple regressioh, logit and discriminant analysis, which are the most common multivariate Statistical techniques, are used with experimental data to construct financial failure prediction models. Then, validity tests of meşe models are conducted by using control data. After the validity tests it is found that the best-unbiased model, which predicts the financial failure, is multiple regression. The same procedure is also followed when a neural network model is constructed and validated. After the validity test it is found that the explanatory power of neural network model is better than that of the multiple regression. So, it is also observed in this analysis that the prediction power of neural network is better than other techniques. This result is in accordance with the others in literature.