CLUSTERING OF FOOD, CEMENT AND TEXTILE SECTOR FIRMS LISTED IN THE ISE USING FINANCIAL RATIOS

Yıl 2014, XIV. Uluslararası Ekonometri Yöneylem Araştırması ve İstatistik Sempozyumu Özel Sayısı, 441 - 464, 01.10.2014

Veli Rıza Kalfa , Selim Bekçioğlu

Öz

This study aims to
cluster 42 firms of the  food, textile
and cement industry, listed in the Instanbul Stock Exchange by using financial
ratios. Ten financial ratios employed in the clustering were obtained through the
yearend financial statements of  the
firms. The financial statements are taken from the internet sites of the
Istanbul Stock Exchange and Public Disclosure Platform. The  average of the values  of the 
financial ratios belonging to the 
years 2006-2011 were used as the data of the analysis. As  a result of the cluster analysis, the first,
second and third  clusters consist of 5,
19, 18 firms respectively.  Statistically
significant ratios were identified in the composition of groups through cluster
analysis. Price-earnings ratio and the Net Working Capital Turnover ratio were
determined as the significant ratios in partitioning of the firms into 3
clusters. Discriminant analysis were used to test whether the firms were
partitioned correctly. The assumptions that are required for using the
multivariate analysis were tested before the application of discriminant
analysis to the data. The discriminant 
analysis was applied to the  5 of
the 10 ratios that meet the assumptions. Price-earnings and Net Working Capital
Turnover ratios which were found to be significant in the cluster analysis
seemed to be significant in the discriminant analysis as well. The correct
classification ratio, indicating whether firms were classified into correct
groups was 100%.     

Anahtar Kelimeler

Cluster Analysis, Discriminant Analysis, Price-earnings ratio, Net Working Capital Turnover Ratio

İMKB’DE İŞLEM GÖREN GIDA, TEKSTİL VE ÇİMENTO SEKTÖRÜ ŞİRKETLERİNİN FİNANSAL ORANLAR YARDIMIYLA KÜMELENMESİ

Öz

Bu çalışma, gıda, tekstil ve çimento sektörlerinde faaliyet gösteren ve İMKB
100’de işlem gören 42 şirketin finansal oranlar kullanılarak kümelenmesini amaçlamaktadır.
Kümelemede kullanılan 10 finansal oran, şirketlerin yılsonu finansal tabloları
aracılığıyla elde edilmiştir. Finansal tablolar İMKB’nin ve Kamuyu Aydınlatma Platformu’nun
(KAP) internet sitelerinden temin edilmiştir. Analizlerde veri olarak, finansal
oranların 2006-2011 yılları arasında aldıkları değerlerin ortalamaları
kullanılmıştır. Kümeleme analizi sonucunda birinci küme 5, ikinci küme 19,
üçüncü küme ise 18 şirketten oluşmaktadır. Kümeleme analizi ile grupların
oluşmasında istatistiksel olarak anlamlı olan oranlar belirlenmiştir. Şirketlerin
3 gruba ayrılmasında anlamlı olan oranlar Fiyat-kazanç ve Net çalışma sermayesi
devir hızı oranları olarak bulunmuştur. Şirketlerin doğru gruplandırılıp gruplandırılmadığını
test etmek için diskriminant analizinden yararlanılmıştır. Verilere diskriminant
analizi uygulamadan önce çok değişkenli istatistiksel analizlerin
uygulanabilmesi için gerekli olan varsayımlar test edilmiş, 10 finansal orandan
varsayımları sağlayan 5 finansal orana diskriminant analizi uygulanmıştır. Kümeleme
analizinde anlamlı bulunan Fiyat-kazanç ve Net çalışma sermayesi devir hızı oranları
diskriminant analizinde de anlamlı bulunmuştur. Şirketlerin doğru gruplara
atanıp atanmadığını gösteren doğru sınıflandırma oranı ise %100 olarak
hesaplanmıştır. 

Anahtar Kelimeler

Kümeleme Analizi, Diskriminant Analizi, Fiyat-Kazanç Oranı, Net Çalışma Sermayesi Devir Hızı Oranı

Kaynakça

• Akgül, A., & Çevik, O. (2005). İstatistiksel Analiz Teknikleri SPSS’te İşletme Yönetimi Uygulamaları (2 b.). Ankara: Emek Ofset.
• Aktaş, R., & Doğanay, M. M. (2007). Gelişmekte Olan Hisse Senedi Piyasalarının Piyasa Verilerine Göre Gruplanması. BDDK Bankacılık ve Finansal Piyasalar Dergisi , I (2), 77-91.
• Akyüz, K. C., Balaban, Y., & Yıldırım, İ. (2012). Bilanço Oranları Yardımıyla Orman Ürünleri Sanayisinin Finansal Yapısının Değerlendirilmesi. Uluslar Arası İktisadi ve İdari İncelemeler Dergisi (9), 133-144.
• Albayrak, A. S. (2006). Uygulamalı Çok Değişkenli İstatistik Teknikleri (1 b.). Ankara: Asil Yayın Dağıtım.
• Alexandra, H., Cosmin, J., & Gabriel, D. D. (2008). A Cluster of Financial Performance in Central and Eastern Europe. Economic Science Series , VXII (3), 289-294.
• Alpar, R. (2011). Uygulamalı Çok Değişkenli İstatistiksel Yöntemler (3 b.). Ankara: Detay Yayıncılık.
• Berberoğlu, B. (2011). 2008 Global Krizinin Türkiye ve Avrupa Birliği’ndeki Etkilerinin Kümeleme Analizi ile İncelenmesi. Anadolu Üniversitesi Sosyal Bilimler Dergisi , I (11), 105-130.
• Costa, N. D., Cunha, J., & Silva, S. D. (2005). Stock Selection Based On Cluster Analysis. Economics Bullettin , XIII (1), 1-9.
• Çakmak, Z. (1999). Kümeleme Analizinde Geçerlilik Problemi ve Kümeleme Sonuçlarının Değerlendirilmesi. Dumlupınar Üniversitesi Sosyal Bilimler Dergisi (3), 187-205.
• De, A., Bandyopadhyay, G., & Chakraborty, B. (2011). Application of the Factor Analysis on the Financial Ratios and Validation of the Results by the Cluster Anaysis: An Empirical Study on the Indian Cement Endustry. Journal of Business Studies Quarterly , II (3), 13-31.
• Gibson, B. (2002). A Cluster Analysis Approach to Financial Structure in Small Firms in the United States . Arkansas: Annual National Conference.
• Gupta, M. C., & Ronald, J. H. (1974). A Cluster Analysis Study of Financial Ratios and İndustry Characteristics. Journal of Accounting Research , X (1), 77-95.
• Gürsoy, C. T. (2007). Finansal Yönetim İlkeleri. İstanbul: Doğuş Üniversitesi Yayınları.
• Kalaycı, Ş. (2010). SPSS Uygulamalı Çok Değişkenli İstatistik Teknikleri (5 b.). Ankara: Asil Yayın Dağıtım.
• Kamışlı, M., & Girginer, N. (2010). İşlem Bazlı Manipülasyonun İstatistiksel Sınıflandırma Analiziyle Belirlenmesi. İstanbul Üniversitesi İktisat Fakültesi Ekonometri ve İstatistik Dergisi (11), 1-30.
• Manniste, M., Hazak, A., & Listra, E. (2011). Typology of Europen Listed Companies Reactions to Credit Crunch: Cluster Analiysis of Share Price Performance. 3rd International Conference on Information and Financial Engineering (s. 565-569). Singapore: IPEDR.
• Subhash Sharma, S. D. (1989). Some Results on the Behavior of Alternate Covariance Structure Estimation Procedures in the. Journal of Marketing Research , XXVI (2), 214-221.
• Tatlıdil, H. (1996). Uygulamalı Çok Değişkenli İstatistiksel Analiz. Ankara: Ziraat Matbacılık.
• Turanlı, M., Özden, Ü. H., & Türedi, S. (2006). Avrupa Birliği'ne Aday ve Üye Ülkelerin Ekonomik Benzerliklerinin Kümeleme Analiziyle İncelenmesi . İstanbul Ticaret Üniversitesi Sosyal Bilimler Dergisi , V (9), 95-108.
• Ünsal, A. (2000). Diskriminant Analizi ve Uygulaması Üzerine Bir Uygulama. Gazi Üniversitesi İ.İ.B.F. Dergisi , II (3), 19-36.
• Yıldız, Z. (1989). Banka Müşterilerinin Demorgrafik ve Sosyo-Ekonomik Özellikler Bakımından Gruplandırılmasında Kümeleme Çözümlemesi ve Bir Uygulama. Eskişehir: Anadolu Üniversitesi Fen Bilimleri Enstitüsü Yayımlanmamış Yüksek Lisans Tezi.