Classification of Firms in the BIST100 Index By Pre-COVID-19 and COVID-19 Period Fınancial Data: A Hierarchical Cluster Analysis Application

Year 2021, Volume: 16 Issue: 64, 1657 - 1681, 31.10.2021

İsmail Durak İstemi Çömlekçi

https://doi.org/10.19168/jyasar.923457

Cited By: 3

Abstract

The COVID-19 pandemic deeply has affected the economy and financial markets of all countries. The aim of this research is to classify firms in the BIST 100 index through selected financial ratios and to compare their pre-COVID-19 and the COVID-19 period situation. In the research, cluster analysis was carried out with 14 different ratios regarding the liquidity ratios, financial structure ratios, operational ratios and profitability ratios from the financial statements of 81 firms between 2019Q1 and 2020Q3. As a result of the cluster analysis, it was determined that 7 clusters were obtained in both the pre-COVID-19 and the COVID-19 period, but the number of firms and firms forming the clusters differed. In the COVID-19 period, it was revealed that the firms with the highest rate of profitability per share, net profit margin and asset profitability were DEVA, ECILC, ASELS, KERVT, TATGD firms operating in the health, pharmaceutical, communication and food sectors. It is expected that the study will benefit investors both by identifying the firms they can invest in and by examining the clusters obtained in investing through portfolio diversification.

Keywords

COVID-19, BIST100, Classification, Cluster Analysis, Financial Ratios

BIST100 Endeksinde Yer Alan Firmaların COVID-19 Öncesi ve COVID-19 Dönemi Finansal Verilerine Göre Sınıflandırılması: Bir Hiyerarşik Kümeleme Analizi Uygulaması

Abstract

COVID-19 salgını tüm ülkelerin ekonomi ve finans piyasalarını derinden etkilemektedir. Bu araştırmada, BIST 100 endeksinde yer alan şirketlerin seçilmiş finansal oranlar aracılığıyla sınıflandırılması ve COVID-19 öncesi dönem ile COVID-19 döneminin karşılaştırılması amaçlanmıştır. Araştırmada, 81 şirketin 2019:Q1 ile 2020:Q3 dönemleri arasındaki finansal tablolarından likidite oranları, finansal yapı oranları, faaliyet oranları ve karlılık oranlarına ilişkin 14 farklı oran ile kümeleme analizi gerçekleştirilmiştir. Kümeleme analizi sonucunda, COVID-19 öncesi ve COVID-19 dönemi olarak ele alınan 2020 yılının her ikisinde de 7 küme elde edildiği ama kümeleri oluşturan şirketler ve sayılarının farklılık gösterdiği belirlenmiştir. COVID-19 döneminde en yüksek hisse başına karlılık, net kâr marjı ve aktif karlılık oranına sahip işletmelerin sağlık, ilaç, iletişim ve gıda sektörlerinde faaliyet gösteren DEVA, ECILC, ASELS, KERVT, TATGD firmalarının olduğu ortaya çıkmıştır. Araştırmanın, yatırımcılara gerek yatırım yapabilecekleri şirketleri belirleme gerekse portföy çeşitlendirmeyle yatırım yapmalarında elde edilen kümelemeleri incelemek suretiyle fayda sağlayacağı beklenmektedir.

Keywords

COVID-19, BIST100, Sınıflandırma, Kümeleme Analizi, Finansal Oranlar

References

• Al-Awadhi, A. M., Alsaifi, K., Al-Awadhi, A. and Alhammadi, S. (2020). Death and contagious infectious diseases: Impact of the COVID-19 virus on stock market returns. Journal of behavioral and experimental finance, 27, 100326.
• Aslam, F., Mohmand, Y. T., Ferreira, P., Memon, B. A., Khan, M. and Khan, M. (2020). Network analysis of global stock markets at the beginning of the coronavirus disease (Covid-19) outbreak. Borsa Istanbul Review, 20(1), 49-61.
• Atan, M. (2005). Karesel Programlama ile Portföy Optimizasyonu. VII. Ulusal Ekonometri ve İstatistik Sempozyumu, Mayıs, 26-27.
• Bartholomew, D. J., Steele, F. and Moustaki, I. (2008). Analysis of multivariate social science data. CRC press.
• Bayat, M., Baydaş, A. ve Cahit, A. (2015). Hizmet Sektörünün Kavramsal Tanimi Ve Ulusal Ekonomilerdeki Önemi. Bingöl Üniversitesi Sosyal Bilimler Enstitüsü Dergisi, 5(9), 59-88.
• Çakmak, Z. (1999). Kümeleme Analizinde Geçerlilik Problemi ve Kümeleme Sonuçlarinin Değerlendirmesi. Dumlupınar Üniversitesi Sosyal Bilimler Dergisi, (3), 187-205.
• Chaudhary, N. K. (2020). Outbreak of Coronavirus disease (COVID-19). Journal of Chitwan Medical College, 10(1), 1-2.
• De Angelis, L. (2013). Latent Class Models for Financial Data Analysis: Some Statistical Developments. Statistical Methods & Applications, 22(2), 227-242.
• Evans, J.L. ve Archer, S.H. (1968). Diversification and The Reduction of Dispersion: An Empirical Analysis. The Journal of Finance, 23(5), 761-767.
• Gupta, G.S. and Khoon, C.H. (2001). How many securities make a diversified portfolio in KLSE Stocks? Asian Academy of Management Journal, 6 (1), 63-79.
• Gupta, M. C. and Huefner, R. J. (1972). A cluster analysis study of financial ratios and industry characteristics. Journal of Accounting Research, 77-95. https://COVID-19.who.int/, 01.03.2021.
• Kalayci, Ş. (2009). SPSS Uygulamalı Çok Değişkenli İstatistik Teknikleri. 4. Baskı, Ankara: Asil Yayın Dağıtım.
• Kalfa, V. R., ve Bekçioğlu, S. (2014). IMKB’ de Işlem Gören Gida, Tekstil Ve Çimento Sektörü Şirketlerinin Finansal Oranlar Yardimiyla Kümelenmesi. Dumlupınar Üniversitesi Sosyal Bilimler Dergisi, EYİ 2013 Özel Sayısı, 441-464.
• Karabayir, M. E. ve Doğanay, M. (2010). Kümeleme Analizi İle Portföy Seçimi: İMKB-100 Endeksi Üzerine Bir Çalışma. Gazi Üniversitesi Ticaret ve Turizm Eğitim Fakültesi Dergisi, (2),160-179.
• Manly, B. F., & Alberto, J. A. N. (2016). Multivariate statistical methods: a primer. CRC press.
• Markowitz, H. (1952). Portfolio Selection. Journal of Finance, 7(1), 77-91.
• Marvin, K. (2015). Creating Diversified Portfolios Using Cluster Analysis. Princeton University.
• Özdemir, M. (2011). Genetik Algoritma Kullanarak Portföy Seçimi.,İktisat İşletme ve Finans,26(299): 43-66.
• Rencher, A. C., and Christensen, W. F. (2012). Chapter 10, Multivariate regression–Section 10.1, Introduction. Methods of multivariate analysis, Wiley Series in Probability and Statistics, 709, 19.
• Şenol, Z. ve Zeren F. (2020). Coronavirus (COVID-19) and stock markets: The effects of the pandemic on the global economy. Avrasya Sosyal ve Ekonomi Araştırmaları Dergisi, 7(4), 1-16.
• Solnik, C. (2007). Banking on Customer Satisfaction. Long Island Business News, 54(47).
• Statman, M. (1987). How Many Stocks Make a Diversified Portfolio?”. Journal of Financial and Quantitative Analysis, 22, 353-363.
• Tekin, B. (2020). Covid-19 Pandemisi Döneminde Ülkelerin Covid-19, Sağlik ve Finansal Göstergeler Bağlamında Sınıflandırılması: Hiyerarşik Kümeleme Analizi Yöntemi. Finans Ekonomi ve Sosyal Araştırmalar Dergisi, 5(2), 336-349.
• Ünal, S. (2020). Covid-19 Salgınında Borsa İstanbul Şirketlerinin Fiyatlamalarının Etkinliği. Ekonomi Politika ve Finans Araştırmaları Dergisi, 5(Özel Sayı), 13-31.
• Wang, R. (2011). Stock selection based on data clustering method. In 2011 Seventh International Conference on Computational Intelligence and Security (pp. 1542-1545). IEEE.
• World Health Organization (2020a). Report of the WHO-China Joint Mission on Coronavirus Disease 2019 (COVID-19). https://www.who.int/docs/default-source/coronaviruse/whochina-joint-mission-on-covid-19-final-report.pdf
• World Health Organization (2020b). WHO Director-General’s opening remarks at the media briefing on COVID-19.
• https://www.who.int/dg/speeches/detail/whodirector-general-s-opening-remarks-at-the-media briefing-on-covid-19%2D%2D-3-march-2020. World Health Organization (2021). WHO Coronavirus Disease (COVID-19) Dashboard
• Zeren, F. ve Hızarcı, A. (2020). The Impact of COVID-19 Coronavirus on Stock Markets: Evidence from Selected Countries. Muhasebe ve Finans İncelemeleri Dergisi, 3(1), 78-84.