Bulanık VIKOR Yöntemi ile Finansal Performans Analizi: Türk Kimya Sektöründe Bir Uygulama

Abstract

Türkiye gibi gelişmekte olan ülkeler için sektörlerin finansal performanslarının iyi olması, ülke ekonomisinin geleceği ile firmaların karlılık ve süreklilikleri için kritik öneme sahiptir. Kimya sektörü, yüksek katma değer, kaliteli işgücü ve ihracat potansiyeli gibi etkileri göz önüne alındığında, ekonomiler için hayati öneme sahiptir. Çok sayıda farklı kriteri yani finansal oranı içeren finansal performansın ölçülmesi işletmeler ve ekonomik sektörler için önemli ve hassas bir süreçtir. Çok Kriterli Karar Verme (ÇKKV) yöntemleri, birden çok kriteri göz önüne alarak alternatifleri değerlendirebilmekte ve analizlerde kolaylık sağlamaktadır. Bu çalışmada uzman görüşleri temelli bulanık VIKOR yöntemi ile Türk kimya sektörünün finansal performansı yıllara ve alt sektörlere göre analiz edilmiştir. Değerlendirme kriteri olarak, literatürde finansal performans analizlerinde yaygın olarak kullanılan 10 finansal oran seçilmiştir. Uygulama verisi olarak, TCMB (Türkiye Cumhuriyet Merkez Bankası) tarafından yayınlanan yıllık sektör bilançoları kullanılmıştır. Çalışmanın yapıldığı dönemde TCMB tarafından kimya sektörü dört alt sektöre ayrılmıştır. Dört alt sektörü içeren güncel veriler 2016 yılına kadar olduğu için, çalışma 2010-2016 dönemini kapsamaktadır. Çalışmada öncelikle, kimya alt sektörlerinin 2010-2016 yılları arası yedi yıllık finansal performansları ayrı ayrı hesaplanmış, sonrasında da performans sıralamalarında alt sektörler arasında farklılık olup olmadığı araştırılmıştır. Genel olarak alt sektörler, farklı yıllarda en iyi finansal başarılarını göstermiştir. Kimya alt sektörlerinin tümünde yıllık finansal performans sürekli bir artış veya azalıştan ziyade dalgalı bir seyir izlemiştir. Spearman sıra korelasyon katsayılarına göre; C-203 (Boya ve Benzeri Maddeler İmalatı) ile C-205 (Diğer Kimyasal Ürünlerin İmalatı) alt sektörlerinin yıllar itibarıyla performans sıralamalarının ilişkili olduğu görülmüştür. Bu iki alt sektörün yıllık performans sıralamaları birbirine benzer iken, diğer alt sektörlerdeki yıllık performans sıralamaları farklılık göstermiştir. Bu sonuçlar göstermektedir ki, bir sektördeki alt sektörlerin finansal başarısı birbirinden bağımsız hareket edebilmektedir. Bunun nedenleri ileride başka bir çalışmanın konusu olabileceği öngörülmektedir. Anahtar Kelimeler: Çok Kriterli Karar Verme (ÇKKV), Finansal Performans, Kimya Sektörü, Bulanık VIKOR Yöntemi JEL Sınıflandırması: C44, M40, L65

Keywords

• Çok Kriterli Karar Verme (ÇKKV)
• Finansal Performans
• Kimya Sektörü
• Bulanık VIKOR Yöntemi

Financial Performance Analysis by Fuzzy VIKOR Method: A Case Study in the Turkish Chemical Sector

Abstract

Having good financial performance of the industries of developing countries such as Turkey; a critical feature for the future of the national economy, and the profitability and sustainability of firms. The chemical sector is vital for economies, given the impact of high added value, quality workforce and export potential. Measuring financial performance involving multiple criteria, i.e. financial ratios, is an important and sensitive process. Multi-Criteria Decision Making (MCDM) methods can evaluate alternatives by considering multiple criteria and facilitate analysis. In this study, the financial performance of the Turkish chemical sector was analyzed by years and sub-sectors with the fuzzy VIKOR method based on expert opinions. As the evaluation criterion, 10 financial ratios commonly used in the financial performance analysis in the literature were selected. As the application data, the annual sector balance sheets were used that issued by CBRT (Central Bank of the Republic of Turkey). During the period of the study, the chemical sector was divided into four sub-sectors by the CBRT. The study covers the period 2010-2016, as current data for the four sub-sectors is up to 2016. In the study, firstly, the financial performances of the chemical sub-sectors for seven years between 2010 and 2016 were calculated separately, and then it was investigated whether there is a difference between the sub-sectors in performance rankings. In general, the sub-sectors have shown their best financial success in different years. Annual financial performance in all the chemical sub-sectors followed a fluctuating course rather than a continuous increase or decrease. According to Spearman rank correlation coefficients; It has been observed that the performance rankings of C-203 (Production of Paint and Similar Substances) and C-205 (Production of Other Chemical Products) sub-sectors by years are related. While the annual performance rankings of these two sub-sectors are similar, the annual performance rankings in the other sub-sectors differed. These results show that the financial success of sub-sectors in a sector can act independently from each other. The reasons for this may be the subject of another study in the future. Keywords: Multi-Criteria Decision Making (MCDM), Financial Performance, Chemistry Sector, Fuzzy VIKOR Method. JEL Classification: C44, M40, L65

Keywords

• Multi-Criteria Decision Making (MCDM)
• Financial Performance
• Chemistry Sector
• Fuzzy VIKOR Method

References

1. Akdeniz Kimyevi Maddeler ve Mamülleri İhracatçıları Birliği (AKMİB) (2017). 2017 Yılı Çalışma Raporu, Mersin.
2. Akyüz, G. (2012). Bulanık Vikor yöntemi ile tedarikçi seçimi. Atatürk Üniversitesi İktisadi ve İdari Bilimler Dergisi, 26 (1), 197-215.
3. Bellman, R. E., & Zadeh, L. A. (1970). Decision-making in a fuzzy environment. Management science, 17(4), B-141-B-164.
4. Chen, C.-T. (2000). Extensions of the TOPSIS for group decision-making under fuzzy environment. Fuzzy Sets and Systems, 114(1), 1-9.
5. Chen, M.-F., & Tzeng, G.-H. (2004). Combining grey relation and TOPSIS concepts for selecting an expatriate host country. Mathematical and Computer Modelling, 40(13), 1473-1490.
6. Dincer, H. & Hacioglu Ü. (2013). Performance evaluation with fuzzy VIKOR and AHP method based on customer satisfaction in Turkish banking sector. Kybernetes, 42(7), 1072-1085.
7. Dubois, D., & Prade, H. (1986). Recent models of uncertainty and imprecision as a basis for decision theory: towards less normative frameworks Intelligent Decision Support in Process Environments. Springer, 3-24.
8. Düzakın, H. (2013). İşletme Finansmanı. Seçkin Yayıncılık, Ankara.

9. Erol, I., Sencer, S., & Sari, R. (2011). A new fuzzy multi-criteria framework for measuring sustainability performance of a supply chain. Ecological Economics, 70(6), 1088-1100. doi: http://dx.doi.org/10.1016/j.ecolecon.2011.01.001
10. Ertuğrul İ. & Karakaşaoğlu N. (2009). Banka Şube Performanslarının VIKOR Yöntemi ile Değerlendirilmesi. Journal of Industrial Engineering (Turkish Chamber of Mechanical Engineers), 20(1), 19-28.
11. Ercan, M. K. & Ban Ü. (2010). Finansal Yönetim. Gazi Kitapevi, 6. Baskı, Ankara.
12. CEFİC, Facts, Figures of the European Chemical İndustry. (2018), European Chemical Industry Council.
13. Herrera, F., & Herrera-Viedma, E. (2000). Linguistic decision analysis: steps for solving decision problems under linguistic information. Fuzzy Sets and Systems, 115(1), 67-82.
14. Kaufmann, A., & Gupta, M. M. (1988). Fuzzy mathematical models in engineering and management science: Elsevier Science Inc.Kaya, T. & Kahraman C. (2010). Multicriteria renewable energy planning using an integrated fuzzy VIKOR & AHP methodology: The case of Istanbul. Energy, 35(6), 2517-2527.
15. Opricovic, S. (1998). Multicriteria optimization of civil engineering systems. Faculty of Civil Engineering, Belgrade, 2(1), 5-21.
16. Opricovic, S. (2011). Fuzzy VIKOR with an application to water resources planning. Expert Systems with Applications, 38(10), 12983-12990.
17. Safaei Ghadikolaei A., Esbouei S. K. & Antucheviciene J. (2014). Applying fuzzy MCDM for financial performance evaluation of Iranian companies. Technological and Economic Development of Economy, 20.2, 274-291.
18. Shemshadi, A., Shirazi, H., Toreihi M., &Tarokh M.J. (2011). A fuzzy VIKOR method for supplier selection based on entropy measure for objective weighting. Expert Systems with Applications, 38(10), 12160-12167.
19. International Council of Chemical Associations (ICCA). (2019), The Global Chemical Industry: Catalyzing Growth and Addressing Our World’s Sustainability Challenges, Oxford Economics, Washington.
20. Türkiye Petrol Kimya Lastik İşçileri Sendikası (2011). Dünya ve Türkiye’de Kimya Sektörü, Araştırma Servisi, Ankara.
21. Türkiye Sınai Kalkınma Bankası (2014). Kimya Sektörü Raporu, TSKB Ekonomik Araştırmalar, Ankara.
22. T.C. Bilim, Sanayi ve Teknoloji Bakanlığı (2015). Kimya Sektörü Raporu (2015/1), Sanayi Genel Müdürlüğü, Ankara.
23. T.C. Ekonomi Bakanlığı (2016). Kimya Sektörü, İhracat Genel Müdürlüğü – Kimya Ürünleri ve Özel İhracat Dairesi Başkanlığı, Ankara.
24. TCMB (Türkiye Cumhuriyet Merkez Bankası), (2019). Sektör Bilançoları (2008-2010 yılları arası sektör bilançoları) Erişim Tarihi: 25.06.2019, http://www3.tcmb.gov.tr/sektor/2011/menu.php
25. TCMB (Türkiye Cumhuriyet Merkez Bankası), (2019). Sektör Bilançoları (2011-2013 yılları arası sektör bilançoları) Erişim Tarihi: 25.06.2019, http://www3.tcmb.gov.tr/sektor/2014/menu.php
26. TCMB (Türkiye Cumhuriyet Merkez Bankası), (2019). Sektör Bilançoları (2014-2016 yılları arası sektör bilançoları) Erişim Tarihi: 25.06.2019, http://www3.tcmb.gov.tr/sektor/2017/menu.php
27. TÜİK (Türkiye İstatistik Kurumu), (2019). Merkezi Dağıtım Sistemi, Erişim Tarihi: 11.07.2019, https://biruni.tuik.gov.tr/medas/?locale=tr
28. Üstünay, M. (2008). İşletmelerin sosyal sorumlulukları çerçevesinde yeşil pazarlama uygulamaları ve kimya sektörüne yönelik bir inceleme. Yüksek Lisans Tezi, Trakya Üniversitesi Sosyal Bilimler Enstitüsü, Edirne.
29. Wang, M.-J. J., & Chang, T.-C. (1995). Tool steel materials selection under fuzzy environment. Fuzzy Sets and Systems, 72(3), 263-270.
30. Wang, T.-C., & Chang, T.-H. (2007). Application of TOPSIS in evaluating initial training aircraft under a fuzzy environment. Expert Systems with Applications, 33(4), 870-880.
31. Yalçın, N., Bayrakdaroğlu A. & Kahraman C. (2012). Application of fuzzy multi-criteria decision making methods for financial performance evaluation of Turkish manufacturing industries. Expert Systems with Applications, 39(1), 350-364.
32. Yalçın Seçme, N., Bayrakdaroğlu, A. & Kahraman C. (2009). Fuzzy performance evaluation in Turkish banking sector using analytic hierarchy process and TOPSIS. Expert Systems with Applications, 36.9, 11699-11709.
33. Yıldız, A. & Deveci M. (2013). Bulanık VIKOR Yöntemine Dayalı Personel Seçim Süreci. Ege Academic Review, 13(4), 427-436.
34. Zadeh, L. A. (1965). Fuzzy sets. Information and control, 8(3), 338-353.