Firmaların Kümeleme Analizi ile Finansal Oranlar Temelinde Finansal Başarılarının Değerlendirilmesi: Borsa İstanbul Örneği

Year 2021, Volume: 6 Issue: 1, 211 - 221, 29.06.2021

Bilgehan Tekin , Fatma Temelli

Abstract

Bu çalışmanın amacı, farklı sektörlerde faaliyet gösteren ve Borsa İstanbul’da işlem gören 272 firmanın finansal oranlarını kullanarak kümelenmesini gerçekleştirmektir. Kümelemede kullanılan 11 finansal oran, firmaların finansal tabloları aracılığıyla elde edilmiştir. Finansal tablolar Finnet ve Kamuyu Aydınlatma Platformu’nun (KAP) veri tabanlarından temin edilmiştir. Analizlerde veri olarak, finansal oranların 2011-2019 yılları arasında aldıkları değerlerin ortalamaları kullanılmıştır. Çalışma sonucunda, kullanılan finansal oranların tümünün firmaların kümelere ayrılmasında anlamlı oldukları görülmüştür. Hiyerarşik kümeleme analizinde firmaların mümkün olduğunca ayrı kümelerde yer alması istenmiş ve bu bağlamda 14 kümeli yapının uygun olduğu görülmüştür. Bir başka kümeleme analizi yöntemi olan iki adımlı kümeleme analizi sonucunda ise firmalar 5 kümede toplanmışlardır. Yapılan analizler sonucunda, belirli finansal oranlar açısından en başarılı ve başarısız kümeler belirlenmiştir. Analizler sonucunda Borsa İstanbul’da farklı sektörlerde faaliyet gösteren firmaların finansal oranlar temelinde aynı kümelerde yer alabildikleri gözlenmiştir. Bununla birlikte, hiyerarşik kümeleme analizi sonucunda bankacılık, banka dışı finans ve gayrimenkul yatırım ortaklıkları sektörleri diğer sektörlerden önemli derecede ayrışmışlardır. Karlılık oranları açısından en başarılı kümelerin Küme 10, 3 ve 4 ve faaliyet oranları açısından ise Küme 8 ve Küme 9 olduğu tespit edilmiştir. İki adımlı kümeleme analizi sonucunda ise en başarılı kümelerin Küme 5, Küme 4 ve Küme 2 olduğu görülmüştür. Bu kümelerin özellikle karlılık ve faaliyet oranları ortalamalarının diğer kümelere göre daha iyi durumda olduğu görülmektedir.

Keywords

Finansal Oranlar, Finansal Performans, Kümeleme Analizi

Evaluation of Financial Success of Firms on the Basis of Financial Ratios with Cluster Analysis: Case of Borsa İstanbul

Abstract

This study aims to cluster 272 companies operating in different sectors and traded on Stock Exchange Istanbul by using their financial rates. The 11 financial ratios used in clustering were obtained through the financial statements of the companies. Financial statements were obtained from the databases of FINNET and Public Disclosure Platform (PDP). In the analyzes, the average values of the financial ratios between 2011-2019 were used as data. As a result of the study, it was seen that all of the financial ratios used were meaningful in clustering firms. In the hierarchical cluster analysis, firms were asked to be in separate clusters as much as possible, and a 14-cluster structure was found to be suitable in this context. As a result of two-step clustering analysis, another cluster analysis method, firms were gathered into 5 clusters. As a result of the analysis, the most successful and unsuccessful clusters in specific financial ratios were determined. As a result of the analysis, it was observed that companies operating in different sectors in Borsa Istanbul can be located in the same clusters on the basis of financial ratios. However, as a result of the hierarchical cluster analysis, the banking, non-bank finance and real estate investment trusts sectors differ significantly from other sectors. It has been determined that the most successful clusters in terms of profitability ratios are Cluster 10, 3 and 4, and Cluster 8 and Cluster 9 in terms of activity ratios. As a result of the two-step clustering analysis, it was seen that the most successful clusters were Cluster 5, Cluster 4 and Cluster 2. It is seen that especially the profitability and activity ratios of these clusters are better than the others.

Keywords

Financial Ratios, Financial Performance, Cluster Analysis

References

• Akaytay, A., Çatı, K. ve Yücel, S. (2015). Finansal Oranların Faaliyet Alanlarına Göre Değişiminin Merkez Bankası Sektör Raporları Yardımıyla İncelenmesi. Dumlupınar Üniversitesi Sosyal Bilimler Dergisi, 44, 45-57.
• Akyüz, K. C., Balaban, Y. ve Yıldırım, İ. (2012). Bilanço Oranları Yardımıyla Orman Ürünleri Sanayisinin Finansal Yapısının Değerlendirilmesi. Uluslararası İktisadi ve İdari İncelemeler Dergisi, 9, 133-144.
• Alexandra, H., Cosmin, J., ve Gabriel, D. D. (2008). A Cluster of Financial Performance in Central and Eastern Europe. Economic Science Series, (3), 289-294.
• Arı, E.S., Özköse, H., Doğan, A. ve Calp, M. H. (2016). İstanbul Borsası’nda İşlem Gören Firmaların Finansal Performanslarının Kümeleme Analizi İle Değerlendirilmesi. Bilişim Teknolojileri Dergisi, 9(1), 33-39.
• Arslan, H. (2008). Sakarya Üniversitesi Web Sitesi Erişim Kayıtlarının Web Madenciliği İle Analizi. Yayımlanmamış Yüksek Lisans Tezi. Sakarya: Sakarya Üniversitesi
• Benli Y.K. (2005). Sektörel Farklılıkların Oranlar Üzerine Etkisi. Gazi Üniversitesi Endüstriyel Sanatlar Eğitim Fakültesi Dergisi,16, 14-30.
• Ekşi, İ.H. ve Akçi Y. (2009). Sektör Farklılıklarının Finansal Oranlar Üzerindeki Etkileri: İMKB İmalat Sanayi Firmalarında Bir Uygulama. Süleyman Demirel Üniversitesi İktisadi ve İdari Bilimler Fakültesi Dergisi, 14(1), 115-126.
• Gazel, S. ve Akel, V. (2018). Borsa İstanbul’da Sektör Sınıflandırmasının Kümeleme Analizi İle Belirlenmesi. Muhasebe ve Finansman Dergisi, 147-164.
• Gibson, B. (2002). A Cluster Analysis Approach to Financial Structure in Small Firms in the United States. Arkansas: Annual National Conference.
• Horobet, A. ve Joldes, C. ve Gabriel, D.D. (2008). A Cluster Analysis of Financial Performance in Central and Eastern Europe. Economic Science Series, (3), 289-294.
• Kalfa, V. R. ve Bekçioğlu, S. (2013). İMKB’de İşlem Gören Gıda, Tekstil ve Çimento Sektörü Şirketlerinin Finansal Oranlar Yardımıyla Kümelenmesi. Dumlupınar Üniversitesi Sosyal Bilimler Dergisi, 441-464.
• Kara, B. ve Özbek, C. Y. (2020). Borsa İstanbul’da Tarım ve Hayvancılık Sektöründe Faaliyet Gösteren İşletmelerin Finansal Performansının Topsis Yöntemiyle Analizi. Muhasebe ve Denetime Bakış, (61), 125-146.
• Küçükkiremitçi O. (1997). Sektörel Farklılıkların Finansal Oranlara Etkisi (1995 Yılı İçin İMKB Üzerine Bir Varyans Analizi Denemesi). İktisat İşletme ve Finans Dergisi, 12(132), 19-30.
• Özkan, M. ve Boran, L. (2014). Veri Madenciliğinin Finansal Kararlarda Kullanımı. Çankırı Karatekin Üniversitesi İktisadi ve İdari Bilimler Fakültesi Dergisi, 4(1), 59-82.
• Tekin, B. (2018). Ward, K-Ortalamalar Ve İki Adımlı Kümeleme Analizi Yöntemleri İle Finansal Göstergeler Temelinde Hisse Senedi Tercihi. Balıkesir Üniversitesi Sosyal Bilimler Enstitüsü Dergisi, 21(40), 401-436.
• Moseley, B. ve Wang, J. (2017). Approximation Bounds For Hierarchical Clustering: Average Linkage, Bisecting K-Means, And Local Search. Advances in Neural Information Processing Systems, 30, 3094-3103.
• Shih, M.Y., Jheng, J.W. ve Lai, L.F. (2010). A Two-Step Method For Clustering Mixed Categroical and Numeric Data. Tamkang Journal of Science and Engineering, 13(1), 11-19.