Classification of Companies of Some Sectors in the Category of Manufacturing Industry in Bist 100 Index

Year 2019, Volume: 4 Issue: 2, 226 - 245, 01.11.2019

Yüksel Öner Fatima Ulubayova Burçin Öner

Abstract

Sınıflandırma gerçek hayatta birçok alanda farklı yöntemler kullanılarak yapılmaktadır. Bu çalışmanın amacı BİST100’de İmalat Sanayi kategorisinde yer alan ve “Kimya, Petrol, Kauçuk ve Plastik ürünler” üretim sektöründe faaliyet gösteren şirketlerin 3 yıllık finansal verilerini kullanarak sınıflandırmasını yapmaktır. Bu sınıflandırmada etkili değişkenleri ve sonuçların yıllara göre nasıl değişim gösterdiğini belirlemek, sınıflandırmada kullanılan yöntemleri başarı oranı açısından karşılaştırmaktır. Bu amaçla KAP Kamu Aydınlatma Platformu üzerinden şirketlere ait yıllık bilanço ve gelir tablolarından yararlanarak araştırmada kullanılacak olan veriler 10 tane finansal değişken için yıllara göre düzenlenmiştir. BİST100 hisse senedi piyasasında işlem gören hisse senetlerinin sınıflandırma ölçütüne göre belirlenen sınıflar A, B, C ve D grubu dikkate alınarak, bu sınıflar üzerinde gruplara düşen şirket sayısı çokluğu göz önünde bulundurulmuş ve yeniden bir düzenleme ile şirketler iki sınıfta toplanmıştır. Diskriminant analizi ve lojistik regresyon analizi kullanılarak hem belirlenen değişkenlere hem de bu değişkenlerden türetilen finansal oranlara göre şirketlerin sınıflandırılması yapılmıştır. Sınıflandırma yöntemlerine göre elde edilen sonuçların geçerliliği doğru sınıflama yüzdeleri hesaplanarak değerlendirilmiştir

Keywords

BİST 100, Sınıflandırma, Finansal oranlar, Sınıflandırma başarısı

Classifıcation Of Companies Of Some Sectors In The Category Of Manufacturing Industry In Bıst 100 Index

Abstract

Classification has been made on many fields with various techniques in real life. The purpose of this study is to classify the companies in the Manufacturing Industry category in BİST100 using the 3-year financial data of the companies operating in the sektör “Chemical, Petroleum, Rubber and Plastic Products” manufacturing sector. To determine the effective variables in this classification and how the results change according to years, and to compare the methods used in the classification in terms of success rate.For this purpose, the data that will be used in the survey by taking advantage of the annual balance sheet and income statements of companies through PDP Public Disclosure Platform are prepared according to the years for 10 financial variables. By taking into account the groups determined according to the classification criteria of stocks traded in the BIST100 stock market A, B, C, and D group , companies have been gathered in two groups with a rearrangement considering the number of companies per groups. Using discriminant analysis and logistic regression analysis, companies were classified according to both determined variables and financial ratios derived from these variables.. The validity of the results obtained according to the classification methods was evaluated by calculating the correct classification percentages

Keywords

BIST100, Classification, Financial ratios, Classification success

References

• Akyüz, K.C., Balaban, Y. & 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., & 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. Ankara: Detay yayıncılık.
• Altman, E. I. (1968). Financial ratios, discriminant analysis and the prediction of corporate bankruptcy. The Journal of Finance, 23(4), 589-60.
• Baloğlu, M. (Edt.) (2015) Çok değişkenli istatistiklerin kullanımı. İstanbul: Nobel.
• Burmaoğlu, S., Oktay, E., & Özen, Ü. (2009). Birleşmiş milletler kalkınma programı beşeri kalkınma endeksi verilerini kullanarak diskriminant analizi ve lojistik regresyon analizinin sınıflandırma performanslarının karşılaştırılması. Savunma Bilimleri Dergisi, 8(2), 23–49.
• Costa, N. D., Cunha, J., & Silva, S. D. (2005). Stock selection based on cluster analysis. Economics Bullettin , XIII (1), 1-9.
• Çokluk, Ö. (2010). Lojistik regresyon analizi: kavram ve uygulama. Kuram ve Uygulamada Eğitim Bilimleri ,1357-1407.
• Gibson, B. (2002). A cluster analysis approach to financial structure in small firms in the united states. th Annual USASBE National Conference. January 17- 20, 2002. Reno, Nevada, USA.
• Gupta, M. (1969). The effect of size, growth and industry on the financial of manufacturing companies. Journal of Finance, 24(3), 517-529.
• 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.
• Jain, H. (2002). Are the financial ratios better discriminator between the marketperformers, market underperformers and market out-performers, Indian Institute of Capital Markets. Capital Market Conference.
• Kalfa, V. R. & Bekçioğlu, S. (2013). İMKB’de işlem gören gıda, tekstil ve çimento sektörü şirketlerinin finansal oranlar yardımıyla kümelenmesi. Dumlupınar Üniversitesi Sosyal Bilimler
• Dergisi, EYİ 2013 Özel Sayısı, 441-463.
• Karaca, S. S. & Çiğdem, R. (2013). Türkiye ekonomisinde yaşanan 1994-2001 ekonomik krizlerinin ve 2008 küresel ekonomik krizinin imalat sanayi sektörüne etkilerinin finansal oranlar ile incelenmesi.
• Business and Economics Research Journal 4(3), 41-54. Karasar, N. (2015). Bilimsel Araştırma Yöntemi. Ankara: Nobel Akademik Yayıncılık.
• Manniste, M., Hazak, A. & Listra, E. (2011). Typology of European listed companies’ reactions to global credit crunch: cluster analysis of share price performance, In: Tao, F. (Ed.): Information and Financial Engineering. International Proceedings of Economics Development and Research, IACSIT Press, 12, 565-569.
• Mertler, C. A. & Vannatta, R. A. (2005). Advanced and Multivariate Statistical Methods: Practical
• Application and Interpretation. Pyrczak, Los Angeles. Öz, B., Ayrıçay, Y. & Kalkan G. (2011). Finansal oranlarla hisse senedi getirilerinin tahmini: imkb 30 endeksi hisse senetleri üzerine diskriminant analizi ile bir uygulama, Anadolu Üniversitesi Sosyal
• Bilimler Dergisi,11 (3), 51-64. Rencher, A. C. (2002). Methods of Multivariate Analysis. Printed in the United States America.
• Selim, S., ve Sarıbay , E. (2003). Yabancı dil eğitimi veren özel bir eğitim kurumundaki öğrencilerin beklentilerinin araştırılması. Dokuz Eylül Üniversitesi Sosyal Bilimler Enstitüsü Dergisi,5 (2), 104
• Ural, K., Gürarda, Ş. & Önemli, M. B. (2015). Lojistik regresyon modeli ile finansal başarısızlık tahminlemesi: borsa İstanbul’da faaliyet gösteren gıda, içki ve tütün şirketlerinde uygulama.
• Muhasebe ve Finansman Dergisi, (67), 85-100. KAP: Kamu Aydınlatma Platformu. (2018). https://www.kap.org.tr/ adresinden erişildi.