Gelişmiş ve gelişmekte olan ülke borsalarında işlem gören şirketlerin finansal başarısızlıklarının tahmini

Mevcut tez çalışmasının amacı, işletmelerin finansal başarısızlıklarını 1 ve 2 yıl öncesinden kestirebilecek erken uyarı sistemi niteliğinde modeller kurmak ve başarısızlık tahmininde hangi yöntemlerin daha kullanışlı olduklarını ortaya koymaktır. G20 ülkelerinin gösterge hisse senedi endekslerinde işlem gören 570 şirketin 16 farklı finansal rasyosu kullanılmış ve söz konusu şirketler 2010 – 2019 dönemi için lojistik regresyon, yapay sinir ağları ve karar ağaçları ile analize tabi tutulmuştur. Sağlanan sonuçlar, 1 yıl öncesinden lojistik regresyonun %94,7, yapay sinir ağlarının %98,1 ve karar ağaçlarının %96,1 doğrulukla sınıflama yaptıklarını göstermiştir. Ayrıca, gelişmiş ülkelerdeki işletmeleri lojistik regresyon %94,3, yapay sinir ağları %98,6 ve karar ağaçları %95,9 sınıflarken, gelişmekte olan ülkelerdeki işletmeler lojistik regresyon ile %97,2, yapay sinir ağları ile %97,9 ve karar ağaçları ile %94,4 doğrulukla sınıflanmıştır. Finansal başarısızlığı 2 yıl önceden tahmin edebilmek için kurulan modellere bakıldığında, lojistik regresyonun %84,4, yapay sinir ağlarının %92,5 ve karar ağaçlarının %91,1 sınıflama doğruluğuna sahip oldukları görülmektedir. Gelişmiş ülkelerdeki işletmeler lojistik regresyon ile %89,3, yapay sinir ağları ile %96,6 ve karar ağaçları ile %92,1 doğrulukla tahmin edilmişlerdir. Gelişmekte olan ülkelerdeki işletmeleri lojistik regresyon %80,6, yapay sinir ağları %94,4 ve karar ağaçları %91,3 doğrulukla gruplamıştır. Dolayısıyla, başarısızlık tahmini için en başarılı yöntemin yapay sinir ağları olduğu tespit edilmiştir.