Comparison of machine learning methods in prediction of financial failure of businesses in the manufacturing industry: Evidence from borsa İstanbul

Abstract

In thisstudy, Artificial Neural Networks(NN), C5.0Classification Algorithm, Classification and Regression Trees (CART) analyses were used to predict the financial success/failure of 126 businesses that are operating in the BIST (Borsa İstanbul) Manufacturing Industry Sector. The data contains the years 2006 to 2009. In the study, 25 quantitative variable and 4 qualitative variable were used. The overall classification accuracy from the highest to the lowest of 3 years prior to successful-failure year (for 2006) is 84.21% for CART, 81.58% for ANN and 76.32% for C5.0, respectively. The overall classification accuracy from the highest to the lowest of 2 years prior to successful-failure year (for 2007) is 86.84% for CART, 84.21% for ANN, 78.95% for C5.0,respectively. The overall classification accuracy from the highest to the lowest of 1 year prior to successful-failure year (for 2008) is 92.11% for CART, 92.11 for ANN and 86.84% for C5.0,respectively. ANN and CART models are notable in terms of their ability to predict upcoming financial failure of unsuccessful businesses with 100% classification accuracy from a year ago. The prediction of the financial success/failure by the three models obtained in the study more than one, two and three years ago shows that the models used in this study can be included in the model used by those concerned.

Bu çalışmada 2006-2009 yılları arasında BIST (Borsa İstanbul) İmalat Sanayi Sektöründe faaliyet gösteren 126 işletmenin finansal başarı/başarısızlığını tahmin etmek üzere Yapay Sinir Ağları (NN), C5.0 Karar Kuralı Türetme Algoritması, Sınıflama ve Regresyon Ağaçları (CART) analizi yapılmıştır. Çalışmada 25 mali tablolara dayalı nicel ve 4 mali tablolara dayalı olmayan nitel değişken kullanılmıştır. Analizler sonucunda başarılıbaşarısızlık yılından 3 yıl öncesinde (2006 yılı için) en yüksekten düşüğe genel olarak (başarılı ve başarısız toplamı) sırasıyla; CART %84.21, Yapay Sinir Ağları %81.58 ve C5.0 %76.32 sınıflandırma doğruluğuna sahiptir. Başarılı-başarısızlık yılından 2 yıl öncesinde (2007 yılı için) en yüksekten düşüğe genel olarak sırasıyla; CART %86.84, Yapay Sinir Ağları %84.21 ve C5.0 %78.95 sınıflandırma doğruluğuna sahiptir. Başarılıbaşarısızlık yılından 1 yıl öncesinde (2008 yılı için) en yüksekten düşüğe genel sınıflandırma doğruluğu sırasıyla; CART %92.11, Yapay Sinir Ağları %92.11 ve C5.0 %86.84 sınıflandırma doğruluğuna sahiptir. Çalışmada elde edilen üç modelin finansal başarı/başarısızlığı bir, iki ve üç yıl öncesinden yüksek oranda tahmin etmesi ilgililerin kullandıkları modele bu çalışmada elde edilen modellerin de dâhil edilebileceğini göstermektedir.