FİRMALARIN İFLAS VE KONKORDATO İLAN ETME RİSKLERİNİ TAHMİN ETMEYE YÖNELİK FİNANSAL MODELLERİN BİR DEĞERLENDİRMESİ

Tuzcuoglu, Tolga

FİRMALARIN İFLAS VE KONKORDATO İLAN ETME RİSKLERİNİ TAHMİN ETMEYE YÖNELİK FİNANSAL MODELLERİN BİR DEĞERLENDİRMESİ

Tolga TUZCUOĞLU (Türk-Alman Üniversitesi, İktisadi ve İdari Bilimler Fakültesi, İşletme Bölümü, İstanbul, Türkiye)

Legal Mali Hukuk Dergisi

5 0

Yıl: 2019 Cilt: 15 Sayı: 176 Sayfa Aralığı: 1713 - 1724 Metin Dili: Türkçe İndeks Tarihi: 22-06-2020

FİRMALARIN İFLAS VE KONKORDATO İLAN ETME RİSKLERİNİ TAHMİN ETMEYE YÖNELİK FİNANSAL MODELLERİN BİR DEĞERLENDİRMESİ

Öz:

Ticari işletmeler, faaliyetleri süresince başarılı ve başarısız dönem-ler geçirebilirler. Hiç şüphesiz, mali ve idari açıdan karşı karşıya kalınan bu negatif ve pozitif dönemler, firmaların faaliyet hayatlarının olağan bir parçasıdır. Bununla birlikte, negatif veya başarısız olarak adlandırılabi-len bu dönemler, durumun firma için ciddiyeti ve yarattığı riske göre farklı şekilde tanımlanabilirler. Fiyasko, ödeme aczi, temerrüt ve iflas, anılan iniş ve çöküş dönemlerini sınıflandırmak için kullanılan kavram-lardır. Öte yandan, her iniş döneminin mutlaka şirketin iflası ve tasfiyesi ile sonuçlanması beklenmemektedir.Temerrüt halinde olan ya da yüksek temerrüt riskine sahip olan firmaların borçlarını yeniden yapılandırmasına olanak veren konkordato kurumu, firmaların gerekli karşı önlemleri alarak iflas ve tasfiye sürecini tersine çevirmesinin bir aracı olarak düşünülebilir. Bu bağlamda, ticari işletmelerin konkordato ve iflas etme olasılığını tahminlemeye yönelik finansal modeller, firmaların riskini değerlendiren, negatif dönemleri tanımlayan ve bunlara karşı gerekli önlemlerin alınmasını destekleyen araçlar olarak karşımıza çıkmaktadırlar.

Anahtar Kelime:

A REVIEW OF THE FINANCIAL MODELS ON THE PREDICTION OF CORPORATE BANKRUPTCY RISK

Öz:

In the course of their operations, firms may experience successful and unsuccessful time periods. No doubt, this is an ordinary process as long as the firm operates. In addition, negative or downturn periods are described by a variety of ways depending on their severity. Failure, in-solvency, default and bankruptcy are the terms used to classify the unfa-vorable periods. On the other hand, it is crucial to foresee that unfavor-able periods do not necessarily end up with the cease of operations, bankruptcy and liquidation. The concept of concordat, allowing for the debt restructuring of already defaulted or high default risk companies, can be thought of as a tool for such companies to enter into a path of recovery from the way to bankruptcy and liquidation. In this respect, financial models aimed at predicting the concordat and bankruptcy risk of companies are the in-struments for risk assessment, determination of negative phases as well as practical guides for taking corrective measures.

Anahtar Kelime:

Belge Türü: Makale Makale Türü: Araştırma Makalesi Erişim Türü: Bibliyografik

7101 sayılı İcra ve İflâs Kanunu ve Bazı Kanunlarda Değişiklik Yapılması Hakkında Kanun
Agostini, M. (2018). Corporate Financial Distress: Going Concern Evaluation in Both International and US Contexts. Cham: Springer In-ternational Publishing AG.
Altman, E. I. (1968). Financial Ratios, Discriminant Analysis and the Prediction of Corporate Bankruptcy. Journal of Finance, 23(4), 589-609. Altman, E. I. (1983). Corporate Financial Distress. NY: Wiley In-terScience.
Altman, E. I. (2005). An Emerging Market Credit Scoring System for Corporate Bonds. Emerging Markets Review 6, 311-323.
Altman, E. I., & Hotchkiss, E. (2006). Corporate Financial Dis-tress and Bankruptcy: Predict and Avoid Bankruptcy, Analyze and In-vest in Distressed Debt (3rd ed.). NJ: Wiley.
Altman, E. I., Danovi, A., & Falini, A. (2013). Z-Score Models' Application to Italian Companies Subject to Extraordinary Administra-tion. Journal of Applied Finance 23(1), 128-137.
Altman, E. I., Haldeman R. G., & Narayanan P. (1977). ZETA Analysis: A New Model to Identify Bankruptcy Risk of Corporations. Journal of Banking & Finance, 1(1), 29-54.
Altman, E. I., Hartzell, J., & Peck, M. (1995). A Scoring System for Emerging Market Corporate Bonds. NY: Wiley.
Altman, E. I., Marco, G., & Varetto, F. (1994). Corporate Distress Diagnosis: Comparisons Using Linear Discriminant Analysis and Neural Networks (the Italian Experience). Journal of Banking & Finance, 18(3), 505-529.
Beaver, W. (1966). Financial Ratios as Predictors of Failures. In Empirical Research in Accounting: Selected Studies. Journal of Ac-counting Research, 4, 71-111.
Beaver, W. (1968). Alternative Accounting Measures as Predictors of Failure. Accounting Review, 43(1), 113-122.
Caouette, J., Altman, E. I., & Narayanan, P. (1998). Managing Credit Risk. NY: John Wiley & Sons.
Carton, R. B., & Hofer, C. W. (2007). Measuring Organizational Performance: Metrics for Entrepreneurship and Strategic Management Research. Cheltenham: Edward Elgar Publishing Limited.
Chen, H. L., Yang, B., Wang, G., Liu, J., Xu, X., Wang, S. J., et al. (2011). A Novel Bankruptcy Prediction Model Based on an Adaptive Fuzzy K-Nearest Neighbor Method. Knowledge-Based Systems 24(8), 1348-1359.
Cho, S., Hong, H., & Ha, B. C. (2010). A Hybrid Approach Based on the Combination of Variable Selection Using Decision Trees and Case-Based Reasoning Using the Mahalanobis Distance: For Bankrupt-cy Prediction. Expert Systems with Applications 37(4), 3482-3488.
Damodaran, A. (2009). Valuing Distress and Declining Compa-nies. NY: Stern School of Business.
Divsalar, M., Javid, M. R., Gandomi, A. H., Soofi, J. B., & Mahmood, M. V. (2011). Hybrid Genetic Programming-Based Search Algorithms for Enterprise Bankruptcy Prediction. Applied Artificial In-telligence 25(8), 669-692.
Etheridge, H. L., & Sriram, R. S. (1997). A Comparison of the Relative Costs of Financial Distress Models: Artificial Neural Networks, Logit and Multivariate Discriminant Analysis. Intelligent Systems in Accounting, Finance and Management 6, 235-248.
Fletcher, D., & Goss, E. (1993). Forecasting with Neural Net-works: An Application Using Bankruptcy Data. Information Manage-ment 24(3), 159-167.
Frydman, H., Altman, E. I., & Kao, D. L. (1985). Introducing Re-cursive Partitioning Analysis for Financial Classification. Journal of Fi-nance, 50(1), 269-291.
Gepp, A., Kumar, K., & Bhattacharya, S. (2010). Business Failure Prediction Using Decision Trees. Journal of Forecasting 29(6), 536-555.
Kealhofer, S. (2000). The Quantification of Credit Risk. San Fran-cisco: KMV Corporation.
KMV (2000). The KMV EDF Credit Measure and Probabilities of Default. San Francisco: KMV Corporation.
Ko, Y. C., Fujita, H., & Tzeng, G. H. (2013). A Fuzzy Integral Fu-sion Approach in Analyzing Competitiveness Patterns from WCY2010. Knowledge-Based Systems 49, 1-9.
Leshno, M., & Spector, Y. (1996). Neural Network Prediction Analysis: The Bankruptcy Case. Neurocomputing, 10(2) 125-147.
McKee, T. E., & Lensbergn, T. (2002). Genetic Programming and Roughsets: A Hybrid Approach to Bankruptcy Classification. European Journal of Operations Research 138(2), 436-451.
McQuown, J. A. (1993). A Comment on Market vs. Accounting Based Measures of Default Risk. San Francisco: KMV Corporation.
Ohlson, J. (1980). Financial Ratios and the Probability Prediction of Bankruptcy. Journal of Accounting Research, 18(1), 190-131.
Pozzoli, M., & Paolone, F. (2017). Corporate Financial Distress: A Study of the Italian Manufacturing Industry. Cham: Springer.
Ratner, I., Stein, G., & Weitnauer, J. C. (2009). Business Valua-tion and Bankruptcy. NJ: John Wiley & Sons.
Trippi, R., & Turban, E. (Eds.) (1996). Neural Networks in Fi-nance and Investing. Chicago: Probus.
Verikas, A., Kalsyte, Z., Bacauskiene, M., & Gelzinis, A. (2010). Hybrid and Ensemble-Based Soft Computing Techniques in Bankruptcy Prediction: A survey. Soft Computing 14(9), 995-1010.
Wilson, R. L., & Sharda, R. (1994). Bankruptcy Prediction Using Neural Networks. Decision Support Systems 11(5), 545-557.
Yang, Z. R., Platt, M. B., & Platt, H. D. (1999). Probabilistic Neu-ral Networks in Bankruptcy Prediction. Journal of Business Research 44(2), 67-74.
Zavgren, C. V. (1985). Assessing the Vulnerability of Failure of American Industrial Firms: A Logistic Analysis. Journal of Business, Finance and Accounting, 12(1), 19-45.
Zhang, L., Altman, E. I., & Yen, J. (2010). Corporate Financial Distress Diagnosis Model and Application in Credit Rating for Listing Firms in China. Frontiers of Computer Science in China 4(2), 220-236.
Zhou, L., Lu, D., & Fujita, H. (2015). The Performance of Corpo-rate Financial Distress Prediction Models with Features Selection Guid-ed by Domain Knowledge and Data Mining Approaches. Knowledge-Based Systems 85, 52-61.
Zmijewski, M. E. (1984). Methodological Issues Related to the Es-timation of Financial Distress Prediction Models. Journal of Accounting Research 22, 59-82.

APA	Tuzcuoglu T (2019). FİRMALARIN İFLAS VE KONKORDATO İLAN ETME RİSKLERİNİ TAHMİN ETMEYE YÖNELİK FİNANSAL MODELLERİN BİR DEĞERLENDİRMESİ. , 1713 - 1724.
Chicago	Tuzcuoglu Tolga FİRMALARIN İFLAS VE KONKORDATO İLAN ETME RİSKLERİNİ TAHMİN ETMEYE YÖNELİK FİNANSAL MODELLERİN BİR DEĞERLENDİRMESİ. (2019): 1713 - 1724.
MLA	Tuzcuoglu Tolga FİRMALARIN İFLAS VE KONKORDATO İLAN ETME RİSKLERİNİ TAHMİN ETMEYE YÖNELİK FİNANSAL MODELLERİN BİR DEĞERLENDİRMESİ. , 2019, ss.1713 - 1724.
AMA	Tuzcuoglu T FİRMALARIN İFLAS VE KONKORDATO İLAN ETME RİSKLERİNİ TAHMİN ETMEYE YÖNELİK FİNANSAL MODELLERİN BİR DEĞERLENDİRMESİ. . 2019; 1713 - 1724.
Vancouver	Tuzcuoglu T FİRMALARIN İFLAS VE KONKORDATO İLAN ETME RİSKLERİNİ TAHMİN ETMEYE YÖNELİK FİNANSAL MODELLERİN BİR DEĞERLENDİRMESİ. . 2019; 1713 - 1724.
IEEE	Tuzcuoglu T "FİRMALARIN İFLAS VE KONKORDATO İLAN ETME RİSKLERİNİ TAHMİN ETMEYE YÖNELİK FİNANSAL MODELLERİN BİR DEĞERLENDİRMESİ." , ss.1713 - 1724, 2019.
ISNAD	Tuzcuoglu, Tolga. "FİRMALARIN İFLAS VE KONKORDATO İLAN ETME RİSKLERİNİ TAHMİN ETMEYE YÖNELİK FİNANSAL MODELLERİN BİR DEĞERLENDİRMESİ". (2019), 1713-1724.

APA	Tuzcuoglu T (2019). FİRMALARIN İFLAS VE KONKORDATO İLAN ETME RİSKLERİNİ TAHMİN ETMEYE YÖNELİK FİNANSAL MODELLERİN BİR DEĞERLENDİRMESİ. Legal Mali Hukuk Dergisi, 15(176), 1713 - 1724.
Chicago	Tuzcuoglu Tolga FİRMALARIN İFLAS VE KONKORDATO İLAN ETME RİSKLERİNİ TAHMİN ETMEYE YÖNELİK FİNANSAL MODELLERİN BİR DEĞERLENDİRMESİ. Legal Mali Hukuk Dergisi 15, no.176 (2019): 1713 - 1724.
MLA	Tuzcuoglu Tolga FİRMALARIN İFLAS VE KONKORDATO İLAN ETME RİSKLERİNİ TAHMİN ETMEYE YÖNELİK FİNANSAL MODELLERİN BİR DEĞERLENDİRMESİ. Legal Mali Hukuk Dergisi, vol.15, no.176, 2019, ss.1713 - 1724.
AMA	Tuzcuoglu T FİRMALARIN İFLAS VE KONKORDATO İLAN ETME RİSKLERİNİ TAHMİN ETMEYE YÖNELİK FİNANSAL MODELLERİN BİR DEĞERLENDİRMESİ. Legal Mali Hukuk Dergisi. 2019; 15(176): 1713 - 1724.
Vancouver	Tuzcuoglu T FİRMALARIN İFLAS VE KONKORDATO İLAN ETME RİSKLERİNİ TAHMİN ETMEYE YÖNELİK FİNANSAL MODELLERİN BİR DEĞERLENDİRMESİ. Legal Mali Hukuk Dergisi. 2019; 15(176): 1713 - 1724.
IEEE	Tuzcuoglu T "FİRMALARIN İFLAS VE KONKORDATO İLAN ETME RİSKLERİNİ TAHMİN ETMEYE YÖNELİK FİNANSAL MODELLERİN BİR DEĞERLENDİRMESİ." Legal Mali Hukuk Dergisi, 15, ss.1713 - 1724, 2019.
ISNAD	Tuzcuoglu, Tolga. "FİRMALARIN İFLAS VE KONKORDATO İLAN ETME RİSKLERİNİ TAHMİN ETMEYE YÖNELİK FİNANSAL MODELLERİN BİR DEĞERLENDİRMESİ". Legal Mali Hukuk Dergisi 15/176 (2019), 1713-1724.