The value of qualitative information in credit worthiness of Small and Medium Enterprises: An empirical study

Basel II Uzlaşısı'nın da yardımıyla, Küçük ve Orta Ölçekli İşletme (KOBİ) kredileri finansal kuruluşlar arasında önem kazanmaktadır. Türkiye'deki KOBİ'ler toplam istihdamın %81,7'sini ve toplam kazancın %51,3'ünü oluştururlar. Kredi skorlamanın geçmişi 50 sene olmasına rağmen, KOBİ'leri inceleyen çalışmalar çok daha yenidir. Bu alanda yayımlanmış akademik çalışmaların sayısının az olmasının başlıca nedenleri; firmaların gizlilik yükümlülükleri, ticari sırların saklanma ihtiyacı, akademik ve reel sektör ihtiyaçları arasındaki yaklaşım ve ihtiyaçların farklılığı, KOBİ'lerle ilgili verilerin düşük kalitesi ve ulaşma zorluğu ile dış derecelendirmelerin azlığıdır. Bu çalışmada Hosmer ve Lemeshow'un önerdiği lojistik regresyon için beş adımlık değişken seçme ve model oluşturma metodolojisi kullanılarak, nitel bilginin KOBİ kredi değerlendirmesine katkısı istatistiksel olarak gösterildi. Nitel bilginin KOBİ kredi skorlama modeline genel katkısı %5,6, doğru açıklanan temerrüte düşmüş firmaların sayısına katkısı ise %8,2 oldu. KOBİ'ler kendi segmentleri için özel olarak geliştirilmiş kredi risk değerleme modellerine ihtiyaç duymaları nedeniyle, Altman ve Sabato (2007) ABD KOBİ modeli ve logaritmik dönüştürülmüş değişkenleri kullanan Altman ve Sabato (2007) ABD KOBİ modeli aynı veri seti ile temerrüt firmaları açıklama da başarız oldu. Logaritmik dönüşüm uygulanmış değişkenlerin açıklama gücü %4,6 daha fazla çıktı. Karlılık oranları, hakim ortak dışında bir yöneticinin varlığı ve tecrübesi, firmaların bulunduğu coğrafi bölge, faiz karşılama ve borçluluk oranları KOBİ kredi değerlendirmesinde en önemli unsurlar olarak bulundu. Small and Medium Enterprises (SME) are becoming more important through lenders with the help of the Basel II Accord. SMEs employ 81.7% of the total labor force and produce 51.3% of the total revenues in Turkey. Despite the fifty-year-old history of credit scoring, studies focusing on the SME segment are more recent. There is a relatively small number of published literature on credit scoring due to confidentiality obligations, competitive advantages, gaps between academic approaches and commercial needs, low quality and availability of SME data from a variety of sources and the lack of external agency ratings for SMEs. This study statistically measures the value of qualitative information in credit worthiness of SMEs in Turkey by using Hosmer and Lemeshow?s (2000) five-step variable selection and model building methodology for logistic regression. I find that the contribution of qualitative information is very significant in SME lending, it adds 5.6% more overall discrimination and 8.2% more true-default discrimination to the model. Two of the US SME models of Altman and Sabato (2007) failed to discriminate default and non-default companies with the same sample which is in accordance with the finding that SMEs need specific credit risk assessment models developed for them. Furthermore, logged variables are more predictive than raw ones, as they add 4.6% more discrimination. Profitability ratios, managers? availability and experience, geographical location of companies, interest coverage ratios and debt ratios are the most predictive credit scoring characteristics in SME lending. 146