Startup Değerlemesinde Geleneksel Yöntemlerin Yetersizliği: Kriz Dönemlerinde Değerleme

GİRİŞ

Startup şirketlerinin değerlemesi gerek girişimciler gerek yatırımcılar için kritik öneme sahiptir. Özellikle son yıllarda milyar dolar değerlemeyi aşan "unicorn" girişimlerin sayısı görülmemiş düzeylere ulaşmıştır [Aggarwal, vd., 2021]. Bu trend, startup değerlemesini yalnız tekil şirketler için değil, yenilik ve büyüme odaklı ekonomilerin bütünü için önemli bir konu haline getirmektedir. Ancak startup ekosisteminde değerleme yapmak, geleneksel şirketlere kıyasla çok daha zorlu bir süreçtir. Bu zorlukların başında, startupların gelecekteki performansının son derece belirsiz olması gelmektedir. Nitekim startupların büyük bir kısmı başarısızlığa uğramaktadır; yapılan araştırmalar, startup girişimlerin yaklaşık %90’ının başarısız olduğunu göstermektedir [Bryant, 2024]. Bu yüksek başarısızlık oranı, girişimlerin geleceğine dair öngörüleri son derece riskli kılmaktadır. Dolayısıyla startup şirketlerinin değerlemesinde kullanılacak yöntemlerin bu belirsizlikleri dikkate alması kritik bir ihtiyaçtır.

Değerlemenin doğru yapılması, sadece yatırım almak açısından değil, aynı zamanda şirketin geleceğine dair beklentilerin yönetilmesi bakımından da kritik önemdedir. Aşırı iyimser bir değerleme, şirket için sürdürülemez büyüme beklentileri yaratabilir; buna karşılık gereğinden düşük bir değerleme ise kurucuların hisselerini fazla oranda elden çıkarmalarına (yoğun seyreltmeye) yol açarak yatırımcılara şirket hakkında güvensiz bir mesaj verebilir [Ronen, 2025]. Bu dengeyi sağlamak, startup yöneticileri için hassas bir mücadeledir ve piyasa trendlerini dikkate alarak değerlemeyi makul bir zeminde tutmayı gerektirir.

Geleneksel finans literatüründe şirket değerlemesi için en yaygın kullanılan yöntemler İndirgenmiş Nakit Akışı (Discounted Cash Flow, DCF) analizi ve

piyasa         çarpanları          (benzer        şirket

karşılaştırmaları)          yöntemleridir.          Bu

yöntemler, oturmuş ve geçmiş performans verileri bulunan şirketler için geliştirilen, teorik olarak sağlam temellere dayanan yaklaşımlardır. Ancak startup ekosisteminde bu klasik yöntemlerin uygulanabilirliği sıkça tartışma konusu olmaktadır. Birçok uzman ve araştırmacı, geleneksel değerleme metodolojilerinin startup şirketleri için yetersiz kaldığını vurgulamıştır [Startup Valuation Team ,2021; Festel vd., 2013; Reinfeld, 2018]. Nitekim 2019 yılında WeWork örneğinde görüldüğü üzere, özel piyasada yaklaşık 47 milyar dolar değer biçilen bir girişimin değerinin, şirketin temel finansal göstergeleriyle neredeyse hiçbir bağlantısı olmadığı anlaşılarak halka arz sürecinde değerlemesi çarpıcı biçimde düşürülmüştür [Trainer, 2019].

Bu          gibi          örnekler,           startup

değerlemelerinde geleneksel ölçütlerle piyasa beklentileri arasındaki uçurumun altını çizmektedir. Bu durumun temelinde, startuplara özgü bazı özelliklerin bu yöntemlerce yakalanamaması yatmaktadır. Startuplar genellikle maddi varlıklardan ziyade yenilikçi fikirlere, teknolojiye ve insan kaynağına dayalıdır; dolayısıyla geleneksel finansal tablolar bu şirketlerin gerçek potansiyelini yansıtmayabilir [Startup Valuation Team ,2021]. Ayrıca, geleneksel yöntemlerin ihtiyaç duyduğu tarihsel veri ve tutarlı piyasa karşılaştırmaları, startuplar söz konusu olduğunda çoğu kez mevcut değildir.

Bu makalede, geleneksel değerleme yöntemlerinin - özellikle DCF ve çarpan analizinin        -           startup                        şirketlerinin

değerlemesinde neden yetersiz kaldığı analitik bir bakış açısıyla incelenecektir. Öncelikle DCF ve çarpan analizi yöntemlerinin temel prensipleri                    ve

avantajları ele alınacak, ardından startupların doğasından kaynaklanan ve bu yöntemleri yetersiz kılan faktörler detaylandırılacaktır. Devamında, finansal kriz dönemleri ve makroekonomik dalgalanmaların startup değerlemelerine etkisi tartışılarak, 2008 Küresel Finans Krizi ve 2020 COVID-19 pandemi sürecindeki gözlemlere yer verilecektir. Son olarak, elde edilen bulgular özetlenerek geleneksel yöntemlerin startup değerlemesindeki       sınırlamaları

değerlendirilecek ve bu eksiklikleri gidermek üzere alternatif yaklaşımlara duyulan ihtiyaç vurgulanacaktır.

GELENEKSEL DEĞERLEME

YÖNTEMLERİNİN TEMELLERİ

DCF (İndirgenmiş Nakit Akışı) Yöntemi

İndirgenmiş Nakit Akışı yöntemi, bir şirketin gelecekte elde etmesi beklenen nakit akışlarının bugünkü değerine indirgenmesi prensibine dayanır. Bu yöntemde öncelikle şirketin ileriki yıllardaki yıllık nakit akışı tahminleri yapılır, ardından bu nakit akışları uygun bir iskonto oranı kullanılarak bugüne indirgenir [Mirzayev, 2022]. İskonto oranı genellikle şirketin sermaye maliyetini veya yatırımcıların beklediği getiri oranını temsil eder. DCF analizinin temel formülü, gelecekteki her bir nakit akışının (genellikle serbest nakit akışı olarak alınır) bugüne indirgenerek toplanması ve varsa son yıl sonunda hesaplanan terminal değerin eklenmesidir.

Burada:

• EV (Enterprise Value): Şirketin toplam işletme değeri.

• FCFt; t zaman dilimindeki serbest nakit akışı.

• r:Iskonto oranı.

• t: Zaman dilimi.

• n: Projeksiyon dönemi boyunca geçen yıl sayısı.

• TV (Terminal Value): Terminal değeri, projeksiyon dönemi sonrasındaki değer.

DCF yönteminin en önemli avantajı, bir şirketin içsel (intrinsic) değerini belirlemeye odaklanması ve bu değeri şirketin temel performans beklentilerine dayandırmasıdır. Bu yöntem, muhasebe kârları gibi manipülatif olabilecek kalemler yerine gerçek nakit akışlarına odaklandığı için şirketin ekonomik değerini daha doğru yansıttığı kabul edilir [Mirzayev, 2022]. Ayrıca birden fazla dönemli büyüme varsayımları ile çalışabildiği için, şirketin farklı yaşam evrelerindeki büyüme oranlarını modele dahil etmek mümkündür. Örneğin, bir startup için ilk yıllarda yüksek büyüme, ilerleyen yıllarda daha dengeli bir büyüme varsayımıyla çok aşamalı (multi-stage) DCF modeli kurulabilir. Teorik olarak DCF, zaman değeri ve risk unsurlarını açık biçimde modele dahil ettiğinden finans literatüründe “altın standart” olarak anılır [Damodaran, 2009; Sander & Koomagi, 2007; Jennergren,2008; Jimenez & Pascual, 2008]. Bununla         birlikte DCF    analizinin

uygulanabilmesi için gereken girdiler ve varsayımlar, özellikle startup şirketleri söz konusu olduğunda, önemli belirsizlikler içerir. Geleceğe yönelik nakit akışlarını tahmin etmek, olgun ve istikrarlı işletmeler için dahi zorken, gelir modeli tam oturmamış veya geçmiş finansal verisi sınırlı startuplar için son derece güçtür [EY, 2019; Laitinen, 2019].

Örneklendirmek gerekirse; Geliri henüz olmayan bir girişimi basit bir DCF modeliyle değerlemeye çalışalım. Varsayalım ki ilk 3 yıl şirketin serbest nakit akışı eksi (her yıl -1 milyon dolar), 4. yıl başa baş noktasına ulaşıp 0, 5. yıl ise 5 milyon dolar pozitif nakit akışı elde edeceği öngörülüyor. İskonto oranını %20 alalım (startup riski yüksek olduğundan). Bu varsayımlarla girişimin 5 yıllık DCF değerini hesapladığımızda, ilk yıllardaki negatif akışlar değer düşürücü etki yaparken, toplam değerin büyük kısmı 5. yıldaki 5 milyon dolar nakit akışının indirgenmiş değerinden gelecektir. Nitekim 5. yıl nakit akışının bugüne indirgenmiş değeri yaklaşık 1.93$ milyon dolar olacaktır. Diğer yılların katkıları ise çok daha küçük kalır. Sonuçta DCF analizine göre şirketin bugünkü değeri (ilk 5 yıl için) yaklaşık 1.5 milyon dolar civarında bulunabilir. Fakat eğer şirketin 5. yıl hedefini tutturamayacağı anlaşılırsa - örneğin 5. yılda da ancak 1 milyon dolar nakit yaratabilirse - değerleme bir anda 1.93 milyon dolar yerine 0.39 milyon dolara düşecektir. Bu basit hesap, startup değerlemesinin DCF ile yapılmasının ne denli oynak ve varsayımlara bağımlı sonuçlar verebileceğini göstermektedir. Böylesine ufak bir senaryo değişimi bile modelde şirket değerini birkaç kat değiştirebilmektedir ki, gerçek hayatta belirsizlikler çok daha büyüktür.

Buna karşılık, uygulamada risk sermayesi yatırımcılarının bu belirsizlikleri dengelemek adına genellikle çok yüksek iskonto oranları kullandıkları görülmektedir. Örneğin, girişim sermayesi finansmanının ilk aşamalarında %50-70 gibi iskonto oranları uygulanması alışılmadık değildir [Bhagat, 2014; Sahlman, 1990]. Bu kadar yüksek bir iskonto oranı, girişimin başarısızlık ihtimalini ve risklerini yansıtmayı amaçlar ancak DCF hesaplamasında şirket değerini aşırı düzeyde düşürerek yöntemin pratik yararını sorgulanır hale getirir. Ayrıca iskonto oranının belirlenmesi startup’lar özelinde ayrı bir zorluktur. Geleneksel DCF analizinde iskonto oranı genellikle CAPM gibi modellerle hesaplanır ve şirketin beta katsayısı gibi parametreler kullanılır. Ancak startup’lar için beta gibi bir piyasa riski göstergesini geçmiş verilere dayanarak hesaplamak mümkün değildir [Bhagat, 2014].

Startup’ların riski büyük ölçüde şirket spesifik risklerden oluşur ve bu risk zamanla azalabilir veya artabilir; oysa CAPM piyasa riskinin sabit bir primle yansıtıldığını varsayar. Bu nedenle genç şirketlerde sermaye maliyetini belirlemek, adeta bilinmeyen bir değeri diğer bilinmeyenlerle tahmin etmeye benzer. Sonuçta DCF hesabında kullanılacak iskonto oranı da net olmayınca, hesaplanan değerin güven aralığı iyice genişler.

Bir diğer önemli husus, DCF analizinde değerin büyük bölümünün son dönemde (genellikle terminal değer adı verilen, öngörülen nakit akışı döneminin ötesindeki değerde) yoğunlaşmasıdır. Olgun şirketlerde terminal değer, toplam değerin önemli ama makul bir kısmını oluştururken, startup değerlemesinde terminal değerin toplam değerin %80’inden fazlasını oluşturması sık rastlanır. Bunun sebebi, ilk yıllarda kayda değer bir kâr öngörülemediği için, bütün değerin ileride bir noktada gerçekleşecek büyük bir çıkış başarısına (örneğin pazar liderliği ya da kârlı bir satış) bağlanmasıdır. Ne var ki bir startup’ın “ne zaman, nasıl ve ne ölçüde” büyüyeceğini tutarlı biçimde varsaymak son derece güçtür [Startup Valuation Team ,2021].

Terminal değerin bu denli belirleyici olması,     DCF    modelini          startup

değerlemesinde kırılgan hale getirir; zira terminal değere ilişkin küçük bir varsayım değişikliği, değerlemeyi dramatik biçimde değiştirebilir. Nitekim DCF yöntemi girişimler için kullanıldığında, modelin çıktısının büyük ölçüde varsayımlara duyarlı bir sayı oyununa döndüğü ve sonuçların sadece girişimcinin veya analistin varsayımlarını              yansıttığı           uyarısı

yapılmaktadır. Bu nedenle uzmanlar, eğer DCF kullanılacaksa dahi elde edilen sonuca mutlak doğruluk atfetmemek, onu yalnızca yaklaşık bir aralık göstergesi olarak ele almak gerektiğini belirtmektedir [EY, 2019; Yalçın, 2024].

Piyasa Çarpanları (Göreceli Değerleme) Yöntemi

Çarpan analizi veya benzer şirket karşılaştırması yöntemi, hedef şirketin değerini, benzer şirketlerin piyasa değerleri ile finansal göstergeleri arasındaki oranlara bakarak tahmin etmeyi amaçlar. Bu yöntemde genellikle sektör veya eşdeğer şirket grubu için geçerli olan fiyat/kazanç (F/K), fiyat/satış (F/S) veya işletme değeri/FAVÖK (EV/EBITDA) gibi piyasa çarpanları kullanılır. Örneğin halka açık benzer şirketlerin son 12 aydaki kârlarına göre hesaplanan F/K çarpanı 18 ise, hedef startup’ın beklenen yıllık kârı 1 milyon dolar ise basitçe 18 milyon dolar gibi bir değer biçilebilir. Çarpan analizinin altında yatan varsayım, “tek fiyat yasası” olarak bilinir; benzer varlıklar piyasada benzer fiyatlardan işlem görmelidir [Mirzayev, 2022]. Bu bakış açısıyla, benzer iş modellerine ve gelir yaratma dinamiklerine sahip şirketlerin değerlerinin de benzer çarpanlarla ifade edilebileceği öngörülür.

Piyasa çarpanları yönteminin en önemli avantajı basit ve hızlı olmasıdır. Çok detaylı finansal projeksiyonlar yapmaya gerek kalmadan, piyasada halihazırda oluşmuş değerlemelerden yararlanarak bir şirketin değerini kestirmek mümkün olur [Bhojraj & Lee, 2002; Caruso, 2020]. Göreceli olarak daha az varsayıma dayanması ve mevcut piyasa duyarlılığını yansıtması nedeniyle pratik bir ilk yaklaşım sunar [Hitchner, 2017]. Özellikle yatırım bankacıları ve risk sermayedarları, hızlı bir değerleme gerekiyorsa ilk etapta benzer şirket çarpanlarını kullanarak bir “paha biçme” yapmaktadır. Çarpan yöntemi ayrıca piyasanın güncel koşullarını ve trendlerini yakalama avantajına sahiptir; örneğin belirli bir sektörde şirket değerlemeleri yükselişteyse, bu durum çarpanlara yansıyacağı için benzer girişimler de daha yüksek değerlerle değerlendirilebilir.

Elbette çarpan analizinin de bazı kritik varsayımları ve kısıtları vardır. En uygun karşılaştırılabilir şirketleri seçmek her zaman mümkün olmayabilir; özellikle yenilikçi veya niş bir alanda faaliyet gösteren startuplar için birebir benzer bir halka açık şirket bulmak zor olabilir [Damodaran, 2012; Hood & Lee, 2011]. Ayrıca piyasanın referans aldığı çarpanların sağlıklı olup olmadığı da ayrı bir sorundur - piyasanın ilgili dönemde verimli ve rasyonel fiyatlama yaptığı varsayılır, ancak piyasa balonları veya çöküşleri dönemlerinde bu varsayım geçerli olmayabilir. Halka açık şirketlerin çarpanları mevcut olsa bile, bunlar genellikle olgun ve kârlı firmalara aittir; oysa startup’lar henüz kârlı değildir veya gelirleri çok düşüktür. Teknoloji odaklı birçok startup ilk yıllarında negatif FAVÖK değerlerine sahiptir, bu da F/K veya FAVÖK çarpanlarını anlamsız kılar. Bu durumda yatırımcılar mecburen gelir çarpanlarına yönelir; ancak sadece gelire bakarak yapılan bir değerleme de şirketin kârlılık potansiyelini, marjlarını veya harcama yapısını dikkate almadığı için oldukça eksik bir resim çizer. Dahası, pek çok erken aşama girişimin geliri dahi yoktur (ürün henüz pazara çıkmamış olabilir), bu durum da çarpan yöntemini erken aşamada tamamen uygulanamaz hale getirir [ScaleX Invest ,2023; Steffens, & Douglas, 2007; Caruso, 2020]

Karşılaştırılabilir şirket bulunsa bile, piyasa çarpanlarının kendisi yanıltıcı olabilir. Halka açık şirketler genellikle daha olgun ve oturmuş işletmelerdir; bunların piyasa çarpanları, startup’ların dinamiklerini yansıtmayabilir. Örneğin olgun bir teknoloji firmasının F/K oranı, hızlı büyüyen bir girişimin potansiyelini küçümseyebilir; tam tersi durumda, piyasada bir “teknoloji balonu” varsa, mevcut şirketlerin yüksek çarpanları yeni girişimleri aşırı değerli gösterip şişirebilir. Piyasa bazlı bu yöntemin bir diğer riski, piyasanın benzer şirketleri gerçekten doğru fiyatladığı varsayımıdır [Mirzayev, 2022]. Oysa piyasa değeri, dönemsel yapay heyecanlar veya panikler nedeniyle gerçeğinden sapabilir. Nitekim bir piyasa çöküşü veya durgunluk döneminde benzer şirket çarpanları düşeceğinden, aslında geleceği parlak bir startup sadece genel piyasa korkusu yüzünden değersizmiş gibi görünebilir. Tersi şekilde, ekonomik genişleme veya teknolojiye aşırı iyimserlik dönemlerinde            startup’lar,      gerçekte

sürdüremeyecekleri değerlere sırf emsalleri yüksek değerlendiği için ulaşabilir. Bu nedenle çarpan analizinin startup değerlemesinde tek başına güvenilir olmaktan uzak olduğu kabul edilir [ScaleX Invest ,2023; Hood & Lee, 2011].

Ayrıca startup’lar genellikle özel (private) şirketler olduğu için, karşılaştırma yapılabilecek işlem verilerine ulaşmak da zordur. Halka açık piyasalarda şeffaflık ve bilgi akışı düzenlemelerle sağlandığından oradaki fiyatlar nispeten bilgiye dayalıdır. Ancak girişimler söz konusu olduğunda finansal bilgiler herkesle paylaşılmaz, sadece potansiyel yatırımcılarla gizlilik anlaşmaları kapsamında paylaşılır. Bu da bilgi asimetrisine yol açarak değerleme işini güçleştirir. Özel piyasalardaki bu bilgi eksikliği,           yatırımcıların   temkinli

davranmasına ve şirketleri olduğundan düşük değerlemeye yatkın olmasına neden olabilir. Sonuç olarak benzer şirket karşılaştırma yöntemi, startup ekosisteminde hem veri bulunurluğu açısından sorunlu hem de sonuçlarının sağlığı açısından şüphelidir.

MADDİ OLMAYAN DEĞER UNSURLARININ

BELİRLENMESİNDEKİ ZORLUKLAR

Stratus değerlemesini güçleştiren bir diğer unsur, bu şirketlerin değerinin büyük ölçüde maddi olmayan varlıklara dayanmasıdır. Geleneksel değerleme yöntemleri somut finansal göstergelere ve varlıklara odaklanır; oysa girişimlerin asıl değer kaynağı çoğu zaman Ar-Ge çalışmalarıyla oluşturulmuş fikri mülkiyet, patentler,                           yazılım             algoritmaları,

veritabanları, marka değeri veya kullanıcı kitlesi gibi bilançoda tam görünmeyen unsurlardır [Hagiu & Yoffie, 2013]. Örneğin, bir yapay zeka startup’ının geliştirdiği özgün algoritma veya bir biyoteknoloji şirketinin elindeki patent portföyü, gelecekte büyük gelir potansiyeli barındırır ancak bugünün finansal tablolarında bu değeri sayısal olarak göremeyiz. Benzer şekilde, kurucu ekibin yeteneği ve vizyonu ya da şirket kültürü gibi soyut faktörler de girişimin başarı ihtimalini etkileyen fakat ölçülmesi güç değer unsurlarıdır.

Maddi olmayan varlıkların önemli olduğu bu durumlarda, klasik yöntemler ya bu değeri tamamen göz ardı eder ya da dolaylı yollardan değerlendirmeye çalışır. Örneğin, varlık esaslı değerleme yaklaşımları bir startup’ın bilançodaki maddi varlıklarına dayanarak değer biçmeye kalktığında, şirketin esas değerini oluşturan fikirlere, teknolojiye ve insan sermayesine neredeyse sıfır değer atamış olur. Bu nedenle maliyet veya varlık tabanlı değerleme, startup’lar için en az uygun yöntem olarak görülmektedir. DCF ve çarpan analizinde ise maddi olmayan varlıkların değeri ancak geleceğe dönük nakit akışlarına yansıdığı ölçüde hesaba katılabilir, ki bu da yine belirsiz tahminlere bağlı kalmak demektir. Üstelik mevcut muhasebe standartları, startup’ların fikri sermayesini bilanço dışında bırakabildiği için (örneğin bir yazılım şirketinde geliştirme giderleri aktifleştirilmeyip gider yazılırsa), şirketin defter değerinin gerçek potansiyelini yansıtması beklenemez. Sonuçta bir startup’ın “görünmez” değer bileşenlerini isabetli şekilde modelleyebilmek, geleneksel yöntemlerin ötesinde          bir                             bakış

gerektirmektedir.

RİSK FAKTÖRLERİ VE ÖNGÖRÜLEMEYEN BÜYÜME DİNAMİKLERİ

Geleneksel değerleme metotlarının startup’lar için yetersiz kalmasının bir diğer boyutu da startup’lara özgü risk profilinin ve büyüme dinamiklerinin standart modellere sığmamasıdır. Startup’ların karşı karşıya olduğu            riskler, sadece piyasa

dalgalanmalarından ibaret değildir; aksine, büyük ölçüde şirketin kendi iç dinamiklerine ve aldığı stratejik kararlara bağlı özgün riskler söz konusudur. Örneğin bir girişimin başarısı, ekibinin yetkinliğine, teknolojisinin çalışabilirliğine veya tüketici talebinin gerçek olup olmadığına bağlıdır - bu risklerin her biri şirkete hastır ve gerçekleşme olasılıkları zamanla değişebilir. Geleneksel CAPM yaklaşımı ise risk primi olarak yalnızca piyasa riskini ele alır ve tüm şirketlere aynı piyasa riskinin etki ettiğini varsayar. Oysa bir startup’ın ilk yılında karşı karşıya olduğu risk ile üçüncü yılındaki risk profili çok farklıdır; ilk yıl teknoloji riski yüksek iken, ürün pazarda tutunduktan sonra rekabet riski öne çıkar. Risk dinamiklerinin bu şekilde değişken olması, tek bir iskonto oranıyla tüm geleceği iskonto eden DCF yaklaşımı için kavramsal bir zorluk yaratır.

Benzer şekilde, startup’ların büyüme patikaları öngörülemez   biçimde

dalgalanabilir. Kimi girişimler aniden viral bir etkiyle patlama yaparken, kimileri yıllarca düşük tempoda ilerledikten sonra bir kırılma noktası yakalar. Geleneksel değerleme modelleri genellikle istikrarlı veya az değişken büyüme varsayımlarına dayanır; halbuki girişimlerin büyüme eğrileri keskin virajlar ve sıçramalarla dolu olabilir [Damodaran, 2009; Vishwanath, & Krishnamurti, 2009]. Örneğin, bir girişimin belli bir dönemde kullanıcı sayısı logaritmik artarken gelir modeli oturmadığı için gelirleri aynı hızda artmayabilir; sonrasında devreye sokulan bir monetizasyon stratejisiyle gelirlerinde sıçrama yaşanabilir. Bu tip kesintili ve öngörülmesi güç büyüme dinamikleri, düz çizgisel veya sabit oranlı büyüme varsayımlarını anlamsız kılar [Startup Valuation Team ,2021].

Sonuç olarak startup’ların risk ve büyüme özellikleri, geleneksel değerleme yöntemlerinin   varsayımlarını                                 ihlal etmektedir. Hem DCF hem de çarpan analizi görece öngörülebilirlik ve istikrar içeren senaryolarda tutarlı sonuçlar verirken, startupların belirsizlik yüklü dünyasında bu yöntemlerin ürettiği çıktılar güvenilir olmaktan uzaktır. Bu nedenle startup ekosisteminde, geleneksel yöntemlerin ötesine geçerek belirsizliği ve opsiyonelliği içselleştirebilen        alternatif         değerleme

yaklaşımlarına ihtiyaç doğmuştur. Bu alternatif yaklaşımlara makalenin sonunda kısaca değinilecek, ancak öncesinde makroekonomik şokların da startup değerlemelerini nasıl etkilediğine bakmak yararlı olacaktır.

FİNANSAL KRİZLER VE MAKROEKONOMİK FAKTÖRLERİN STARTUP DEĞERLEMESİNE ETKİSİ

Makroekonomik koşullar, startup şirketlerinin değerlemelerini dönem dönem keskin bir şekilde etkilemiştir. Özellikle geniş çaplı    finansal                   kriz         dönemlerinde

yatırımcıların risk iştahı azalır, sermaye akışları        yavaşlar           ve        startup’ların

değerlemelerinde ciddi düzeltmeler görülür. Bu bölümde 2008 Küresel Finans Krizi ile 2020 COVID-19 pandemisinin startup değerlemelerine etkileri ele alınarak, ekonomik belirsizlik ortamının girişim ekosisteminde nasıl dalgalanmalara yol açtığı incelenecektir.

2008 Küresel Finans Krizi’nin Etkileri

2008 yılında patlak veren küresel finansal kriz, girişim sermayesi yatırımlarında belirgin bir düşüşe yol açtı. Krizin ilk aşamalarında önde gelen risk sermayedarları, portföylerindeki şirketleri uyarmak amacıyla “R.I.P. Good Times” [Rest In Peace Good Times - İyi Günler Huzur İçinde Yatsın- Sequoia Capital] başlıklı sunumlar yaparak zor bir döneme girildiğini duyurdu.^[1] Hatta bazı sektör yorumcuları, o dönemde girişim destekli            startup’ların    %50-80’inin

önümüzdeki 18 ay içinde kapanacağını veya “yaşam destek ünitesine” bağlanacağını öngörmüştür [Braz, 2020]. Bu karamsar beklentiler tam ölçüde gerçekleşmese de 2008-2009 döneminde startup dünyasının ciddi bir darbe aldığı verilerle sabittir. Nitekim 2008 krizi sonrasında özellikle Seri A, B, C gibi ölçeklenme aşamasındaki yatırımlar keskin bir düşüş yaşadı. 2009 yılında bu orta seviye turlardaki toplam yatırım tutarı bir önceki yıla kıyasla %40’tan fazla azaldı [Braz, 2020].

Örneğin ortalama Seri A turu büyüklüğü 2008 öncesinde 4 milyon dolar civarındayken, kriz sonrasında 2,6 milyon dolara kadar geriledi (yaklaşık %35’lik bir düşüş) ve benzer şekilde Seri B ve C turlarının medyan büyüklüklerinde %40’a varan düşüşler kaydedildi [Tunguz, 2020]. Bu küçülen tur büyüklükleri,            aslında                                    startup

değerlemelerinin kriz nedeniyle gerilediğinin bir göstergesiydi; zira risk sermayedarları genellikle şirketin belli bir yüzdesini satın alacak şekilde yatırım yapar ve daha küçük çekler yazdıklarında bu, şirket değerinin daha düşük belirlendiği anlamına gelir. Gerçekten de veriler, kriz döneminde anlaşma sayısının           radikal                                         biçimde

düşmediğini, esas             düşüşün yatırım

tutarlarında olduğunu ortaya koymuştur [Tunguz, 2020]. Bu da yatırımcıların tamamen piyasadan çekilmek yerine, daha düşük değerlemelerle de olsa yatırım yapmaya devam ettiklerini göstermektedir.

Kriz ortamında startup değerlerinin düşmesinin ardındaki nedenlerden biri, ekonomik daralma koşullarında girişimlerin büyüme beklentilerinin törpülenmesidir. 2008 krizi sırasında birçok startup, mevcut nakdini korumak adına harcamalarını kıstı ve “yakma hızını” düşürdü; bunun doğal sonucu olarak büyüme hızları da yavaşladı. Yavaş büyüyen şirketlerin değerlemesi, önceki parlak döneme kıyasla daha düşük çarpanlarla yapılmaya başlandı [Tunguz, 2020]. Bir başka deyişle kriz, startup’ların potansiyelini geçici olarak baskıladı ve değerlemeler bu yeni gerçekliğe uyum sağladı. Ancak bu düşüş kalıcı olmadı; 2010 yılının ikinci çeyreğinden itibaren risk sermayesi yatırım hacmi yeniden kriz öncesi seviyelere ulaştı [Braz, 2020]. Bu toparlanmada ekonomik iyileşmenin yanı sıra, kriz döneminde temelleri atılan yenilikçi girişimlerin başarılı çıkış hikayeleri de rol oynadı. Örneğin küresel kriz yıllarında kurulmuş olan Airbnb, Stripe, Uber gibi şirketler birkaç yıl içerisinde büyük başarılara imza atarak, zorlu koşullarda dahi güçlü girişimlerin yükselebileceğini gösterdi.

2020 COVID-19 Pandemi Döneminin Etkileri

2020 yılındaki COVID-19 pandemisi, başlangıçta 2008 krizine benzer bir endişe dalgasını startup ekosistemine yaydı. Pandeminin ilk aylarında dünya genelinde risk sermayedarları yatırım kararlarını yavaşlattı, bazı planlı yatırımlar ertelendi ve değerlemelerde aşağı yönlü baskı oluştu. Pandeminin belirsizliğiyle, özellikle tohum (seed) aşamasındaki yüksek riskli girişimlere yatırımlar keskin şekilde düştü; 2020 ortalarında global ölçekte VC yatırımlarında belirgin bir düşüş yaşandığı, 130 ülkeyi kapsayan bir çalışmada tespit edilmiştir [Bellavitis, 2022]. Bu düşüş, belirsizliğin en yüksek olduğu erken aşamalarda ve pandemiyle doğrudan etkilenen sektörlerde daha da belirgindi. Yatırımcılar, yüz yüze mesaj vermek için kullanılmıştır. Bu başlık, yaklaşan ekonomik zorlukların ciddiyetini vurgulamak ve şirketleri daha dikkatli olmaya teşvik etmek için seçilmiş etkili bir metafordur.

etkileşimlerin kısıtlandığı ve ekonominin durma noktasına geldiği bu dönemde yeni girişimlere sermaye ayırmada son derece temkinli davrandılar.

Ne var ki COVID-19’un startup ekosistemine etkisi uzun soluklu bir durgunluk şeklinde olmadı. Aksine, pandemi ilk şok dalgasının ardından teknoloji ve dijitalleşme alanında beklenmedik bir ivmelenme yarattı. 2020 yılının ikinci yarısından itibaren, özellikle uzaktan çalışma, e-ticaret, çevrimiçi eğitim, sağlık teknolojileri gibi alanlarda faaliyet gösteren startuplar yoğun talep görmeye başladı. Bu durum, girişim finansmanı piyasalarını yeniden canlandırdı. Öyle ki 2020 yılı, tüm yaşananlara rağmen global startup yatırımlarında bir önceki yıla göre düşüş bir yana, hafif bir artışla kapandı - küresel risk sermayesi fonlaması 2020’de yaklaşık 300 milyar dolara ulaşarak 2019’un %4 üzerinde gerçekleşti [Aggarwal, 2021]. Bu artışın temelinde, pandemi nedeniyle birçok sektörün      hızla çevrimiçi              hizmetlere

yönelmesi    ve dijital altyapı              sağlayan

şirketlerin    değer kazanması          yatıyordu.

Büyük teknoloji şirketlerinin borsada rekor değerlere ulaşması (Apple’ın ilk defa 2 trilyon dolar sınırını aşması gibi) da özel piyasalardaki startup değerlemelerini destekleyen bir ortam oluşturdu.

Pandeminin ardından gelen 2021 yılı ise adeta startup değerlemelerinde bir patlama dönemiydi. Küresel çapta bol likidite, düşük faiz oranları ve teknolojiye artan talep birleşince, risk sermayesi yatırımları tarihin en yüksek seviyelerine ulaştı. Örneğin, sadece ABD’de 2021 yılında girişim sermayesi destekli şirketler toplam ~330 milyar dolar yatırım alarak, 2020’deki 166 milyar dolarlık seviyenin yaklaşık iki katına çıktı [Gribov, 2022]. Bir başka deyişle, COVID-19’un ilk şokundan çıkılır çıkılmaz piyasada adeta bir “startup baharı” yaşandı ve değerlemeler birçok yorumcu tarafından bir balon olup olmadığı tartışılacak kadar yükseldi.

Makroekonomik koşulların desteğiyle (merkez bankalarının genişleyici politikaları, düşük faiz ortamı vb.), yatırımcılar yüksek büyüme vaadi taşıyan girişimlere rekor düzeyde değerlerden yatırım yapmaktan çekinmediler.

Makroekonomik         koşulların         yön

değiştirmesi, değerlemelerde ters rüzgârlar da estirebilir. Nitekim 2021’deki aşırı iyimser dönemin ardından 2022 yılında küresel girişim yatırım hacmi tarihi bir düşüş yaşamıştır. 2022’de global VC yatırımları, 2021’in rekor seviyesine kıyasla %35 gerileyerek yaklaşık 445 milyar dolarda kalmış ve bu düşüş oranı, 2008 krizi sonrasındaki daralmadan bile daha sert olmuştur [McCarthy, 2023]. Enflasyon baskısı ve yükselen faiz oranlarıyla birlikte yatırımcılar startup ekosisteminde frene basmış, pek çok yüksek değerli girişimin değerinde ciddi düzeltmeler meydana gelmiştir. 2022 yılının özellikle ikinci yarısı, risk sermayesi yatırımlarında durgunlukla geçmiştir; örneğin 2022’nin son çeyreği, yatırım hacmi bakımından 2020 başından bu yana görülen en zayıf çeyrek olmuştur [McCarthy,        2023].       Bu gelişmeler,

makroekonomik faktörlerdeki değişimin startup değerlemeleri üzerinde ne denli hızlı ve sert etkiler yaratabileceğini bir kez daha ortaya koymuştur.

Özetlemek           gerekirse,           startup

değerlemeleri makro eğilimlere son derece duyarlıdır.         Ekonomik       belirsizlik

dönemlerinde yatırımcılar risk primlerini artırır, geleceğe dair projeksiyonlarını muhafazakâr hale getirir ve bu da formül bazlı değerlemelerde (örneğin DCF hesaplarında daha yüksek iskonto oranı kullanımı yoluyla) değerlerin düşmesine yol açar. Öte yandan bol likidite ve iyimserlik dönemlerinde ise tam tersi şekilde risk primi düşürülür, agresif büyüme senaryoları esas alınır ve değerlemeler geleneksel ölçütlerle açıklanamayacak seviyelere çıkabilir. 2020­2021 döneminde yaşanan hızlı yükseliş ve ardından 2022’deki keskin düşüş, startup değerlerinin makro koşullardaki değişimlere karşı ne kadar kırılgan olabileceğini göstermiştir.

Sonuç olarak finansal krizler ve benzeri makroekonomik         şoklar, startup

değerlemelerinde ani ve öngörülemeyen dalgalanmalar yaratmakta; bu da geleneksel değerleme yöntemlerinin                          durağan

varsayımlarının ötesinde bir yaklaşımla değerlemeye yaklaşmak gerektiğine işaret etmektedir.

SONUÇ VE DEĞERLENDİRME

Startup şirketlerinin değerlemesi, geleneksel finans yöntemlerinin sınırlarını zorlayan bir alan olarak karşımıza çıkmaktadır. Yapılan inceleme göstermiştir ki İndirgenmiş Nakit Akışı (DCF) ve piyasa çarpanları gibi klasik değerleme araçları, startup ekosisteminin yüksek belirsizlik, veri eksikliği ve öngörülemezlik içeren doğası karşısında çoğu zaman yetersiz kalmaktadır. DCF ve benzeri nakit akışına dayalı yaklaşımlar, startup’ların gelecekteki başarı ihtimallerini sayısallaştırırken büyük ölçüde varsayımlara          dayanmak       zorunda

olduğundan, ortaya çıkan değerler gerçekçi bir tabana oturmamaktadır.    Çarpan

analizinde ise benzer şirket kıtlığı ve piyasa çarpıklıkları,     değerleme       sonuçlarını

güvenilmez hale getirebilmektedir. Nitekim finans literatüründe de geleneksel yöntemlerin startuplar için uygun olmadığı dile getirilmiş ve bu boşluğu dolduracak alternatif yöntemlere ihtiyaç olduğu belirtilmiştir [Yalçın, 2024].

Bu ihtiyaç doğrultusunda, startup’ların özelliklerine daha iyi uyum sağlayan alternatif         değerleme                          yaklaşımları

geliştirilmeye başlanmıştır. Örneğin risk sermayedarlarının pratikte kullandığı venture capital yöntemi (VC yöntemi), hedef getiri oranına göre girişimin gelecekteki muhtemel çıkış değerini bugüne indirger;

Berkus yöntemi, fikir, ekip, prototip gibi nitel kriterlere puan vererek bir erken aşama girişimin değerini basitleştirilmiş şekilde tahmin etmeye çalışır; Scorecard yöntemi, benzer   girişimlerin      değerlemeleriyle

karşılaştırmalı bir puanlama yapar; gerçek opsiyon yaklaşımı ise girişimi bir dizi fırsat opsiyonu olarak modelleyerek belirsizliği ve yönetimin          esneklik           değerini

sayısallaştırmaya çalışır. Bu makalenin kapsamı dışında olduğundan bu yöntemlerin detaylarına girilmemiştir, ancak genel kanı tek bir yönteme dayanmak yerine birden fazla metodun kombinasyonu ve senaryo analizleri ile desteklenen bir perspektifin, startup değerlemesinde daha sağlıklı sonuçlar verebileceği yönündedir.

Özellikle farklı varsayımlarla çeşitli senaryolar oluşturup her birinde değerlemeyi gözden geçirmek, belirsizlik aralığını somutlaştırmak açısından faydalı bir uygulamadır. Son olarak, unutmamak gerekir ki değerleme her ne kadar analitik bir egzersiz olsa da startup şirketlerinin nihai piyasa değeri büyük ölçüde yatırımcılar ile girişimciler arasındaki müzakerelerde belirlenir. Yani bir girişimin “değeri”, yapılan hesaplamalarla belirlenen değerlerden ziyade yatırımcının ödemeye razı olduğu ve girişimcinin kabul edeceği fiyat noktasında dengelenir. Bu nedenle, geleneksel veya alternatif hangi yöntem kullanılırsa kullanılsın, elde edilen değerleme sonuçlarına mutlak bir kesinlik atfetmek doğru olmayacaktır. Bunun yerine bu sonuçlar, pazarlık sürecine ışık tutan ve taraflara makul bir çerçeve sağlayan göstergeler olarak görülmelidir.

Özetlemek           gerekirse,           startup

değerlemesi geleneksel finans prensiplerine pek çok açıdan meydan okumaktadır. Bu alanda doğru sonuca ulaşmak için hem nicel modellere hakim olmak hem de girişimin özgün dinamiklerini kavrayarak niteliksel değerlendirmeler yapmak gerekir.

Aggarwal, A., Langenegger, R., & Bahl, N. (2021). Start-ups and Early Stage Companies: From unicorns to decacorns! [Valuation Newsletter, 15th ed.]. KPMG International.

https://assets.kpmg.com/content/dam/kpmg/ kw/pdf/insights/2021/05/valuation-startup- web.pdf

Bellavitis, C., Fisch, C., & McNaughton, R. B.            (2022). COVID-19 and the global

venture capital landscape. Small Business Economics,        59(3),  781-805.

https://doi.org/10.1007/s11187-021-00547-9

Bhagat, S. (2014). Why do venture capitalists use such high discount rates? The Journal of Risk Finance, 15(1),                                                      94-98.

https://doi.org/10.1108/JRF-08-2013-0055

Bhojraj, S., & Lee, C. M. (2002). Who Is My Peer? A Valuation-Based Approach to the Selection of Comparable Firms. Journal of Accounting Research, 40(2), 407-439. DOI: https://doi.org/10.1111/1475-679X.00054

Braz, R. (2020, April 21). Lessons From 2008: How the Downturn Impacted Venture Funding. Berkeley Law - The Network Blog. https://sites.law.berkeley.edu/thenetwork/20 20/04/21/lessons-from-2008-how-the- downturn-impacted-venture-funding/

Bryant, S. (2024, June 24). How Many Startups Fail and Why. Investopedia. https://www.investopedia.com/articles/perso nal-finance/040915/how-many-startups-fail- and-why.asp

Caruso, G. (2020) The Art of Business Valuation. 1st edn. Wiley.

Damodaran, A. (2009). Valuing Young, Start-up and Growth Companies: Estimation Issues and Valuation Challenges. Stern School of Business, New York University. DOI: https://doi.org/10.2139/ssrn.1418687

Damodaran, A. (2012). Investment Valuation: Tools and Techniques for Determining the Value of Any Asset (3rd ed.). Wiley.

EY, (2019). Startup valuation: applying the discounted cash flow method in six easy steps. EY Finance Navigator.

Festel, G., Wuermseher, M., & Cattaneo, G. (2013). Valuation of Early Stage High-tech Start-up Companies. International Journal of Business, 18(3), 216-231.

Gribov, S. (2022, May 20). Startup Valuations Now: Are We In A Bubble? Forbes. https://www.forbes.com/sites/forbesbusiness council/2022/05/20/startup-valuations-now- are-we-in-a-bubble/

Hitchner, J. R. (2017). Financial Valuation: Applications and Models (4th ed.). Wiley.

Hood, P. and Lee, T. (2011) A Reviewer's Handbook to Business Valuation. 6th edn. Wiley.

Jennergren, P.L. (2008). Continuing Value in Firm Valuation by the Discounted Cash Flow Model. European Journal of Operational Research, 185, 1548-1563.

Jimenez, L.G., & L.B. Pascual (2008). Multicriteria Cash-flow Modeling and Project Value-multiples for Two-stage Project Valuation. International Journal of Project Management, 26, 185-194.

Laitinen, E. K. (2019). Discounted cash flow (DCF) as a measure of startup financial success. Theoretical Economics Letters, 9(8), 2997-3020. https://doi.org/10.4236/tel.2019.98185

McCarthy, D. (2023, January 9). 2022 saw a historic decline in VC funding. Emerging Tech          Brew.

https://www.emergingtechbrew.com/stories/ 2023/01/09/2022-saw-a-historic-decline-in-vc- funding

Mirzayev, E. (2022, September 23). Discounted Cash Flows vs. Comparables: Which One to Use? Investopedia. https://www.investopedia.com/articles/profe ssionals/072915/dcf-vs-comparables-which- one-use.asp

Reinfeld, P. (2018). Start-up valuation: Solving the valuation puzzle of new business ventures [Master's thesis, HEC Paris]. HEC Paris.

https://www.vernimmen.net/ftp/Start up Valuation Reinfeld vF.pdf

Ronen, L. (2025). Overcoming common valuation concerns for startup founders. Finrofca.

https://www.finrofca.com/news/overcoming- common-valuation-concerns-for-startup- founders

Sahlman, W. A. (1990). The structure and governance of venture-capital organizations. Journal of Financial Economics, 27(2), 473­521.    https://doi.org/10.1016/0304-

405X(90)90065-8

Sander, P.,    & Koomagi, M. (2007).

Valuation of Private Companies by Estonian Private Equity and Venture Capitalists. Baltic Journal of Management, 2(1),                                   6-19.

https://doi.org/10.1108/17465260710720219

ScaleX Invest. (2023). Pros and cons of the peers multiple method to value tech companies.          ScaleX                           Invest         Blog.

https://www.scalex-invest.com/blog/pros- and-cons-of-the-peers-multiple-method-to- value-tech-companies

Startup Valuation Team. (2021, January 3). Why Traditional Valuation Methods for Companies Are Not Applied to Value Startup Companies?    Equitest    Blog.

https://equitest.net/why-traditional- valuation-methods-for-companies-are-not- applied-to-value-startup-companies.html

Steffens, P. R., & Douglas, E. J. (2007). Valuing technology investments: Use real options thinking but forget real options valuation. International Journal of

Technoentrepreneurship,          1(1),       58-77.

https://doi.org/10.1504/ijte.2007.013270

Trainer, D. (2019, August 27). WeWork is the most ridiculous IPO of 2019. Forbes. https:/ / www.forbes.com/sites/greatspeculati ons/2019/08/27/wework-is-the-most- ridiculous-ipo-of-2019/

Tunguz, T. (2020, March 12). What Could the Venture Market Look Like in the Coronavirus Era. Tomasz Tunguz Blog. https://tomtunguz.com/analogy- coronavirus-2008-crash/

Vishwanath, S. R., & Krishnamurti, C. (Eds.). (2009). Investment management: A

modern guide to security analysis and stock selection. Springer-Verlag Berlin Heidelberg. https://doi.org/10.1007/978-3-540-88802-4

Yalçın, H. (2024). Stratup değerlemesi, teoriler, modeller ve finansal uygulamalar. HSY Yayınları.