Covid 19 Öncesi ve Covid 19 Döneminde Firmaların Borçlanma Yapıları ve Kârlılık Arasındaki İlişkinin Yapay Sinir Ağları ile Analizi

Yıl 2023, Cilt: 15 Sayı: 2, 157 - 164, 23.06.2023

Yusuf Işık

https://doi.org/10.52791/aksarayiibd.1128456

Öz

Covid 19 pandemisi, tüm dünyada olduğu gibi ülkemizi de etkisi altına almış olup tam anlamıyla etkisinin ne zaman biteceğine ilişkin somut bir kanıt söz konusu değildir. Bu etkileme en çok sağlık alanında olmakla birlikte neredeyse yaşamın her alanına sıçramıştır. İlk olarak makro ekonomik göstergelerle olsa da devamında mikro ekonomik göstergelerle ekonomide de kendini göstermiştir. Tüm dünyada ekonomi politikaları, Covid 19 pandemisini dikkate alarak şekillenmiş olup, özelde firmalar da bu düzenleme karşısında kayıtsız kalmamıştır. Bu çalışmada Covid 19 pandemisinin getirdiği ekonomik koşullar altında firmaların borçlanma yapıları ile firma kârlılık seviyesi arasındaki ilişkinin tespiti amacıyla Covid 19 öncesi ve Covid 19 dönemi olarak ayrı ayrı analiz gerçekleştirilmiştir. Bu amaç doğrultusunda Borsa İstanbul (BİST) “Holdingler ve Yatırım Şirketleri” sektöründe faaliyetlerini yürüten firmaların Covid 19 öncesi ve Covid 19 dönemi mali tabloları üzerinden borçlanma yapılarını gösteren mali tablo enstrümanları kullanılarak belirlenen rasyo oranları ve aktif karlılık düzeyi arasındaki ilişki yapay sinir ağları yöntemiyle analiz edilmiştir.

Anahtar Kelimeler

Borçlanma düzeyleri, Covid 19’un firmalara etkileri, Borçlanma seviyesi ve kârlılık arasındaki ilişki

Analysıs Of The Relatıonshıp Between The Debt Structures And Profıtabılıty Of The Companıes Before The Covıd 19 And The Covıd 19 Perıod Wıth Artıfıcıal Neural Networks

Öz

The Covid 19 pandemic has affected our country as well as the rest of the world, and there is no concrete evidence as to when its effect will end. Although this effect is mostly in the field of health, it has spread to almost every area of life. Although first with macroeconomic indicators, it also showed itself in the economy with microeconomic indicators. All over the world, economic policies have been shaped by taking into account the Covid 19 pandemic, and companies in particular have not been indifferent to this regulation. In this study, separate analyzes were carried out as pre-Covid 19 and Covid 19 periods in order to determine the relationship between the borrowing structures of companies and the level of firm profitability under the economic conditions brought by the Covid 19 pandemic. For this purpose, the relationship between the ratio ratios and the asset profitability level determined by using financial statement instruments showing the debt structures of the companies operating in the Borsa Istanbul (BIST) "Holdings and Investment Companies" sector over the financial statements of the pre-Covid 19 and Covid 19 period were analyzed by artificial neural networks method.

Anahtar Kelimeler

Borrowing levels, The effects of Covid 19 on companies, The relationship between borrowing level and profitability

Kaynakça

• Akpınar, O. (2016). Sermaye yapısının firma performansına etkisi: Borsa İstanbul’da bir uygulama. Kastamonu Üniversitesi İktisadi ve İdari Bilimler Fakültesi Dergisi, 11 (1), 290-302.
• Can, N.& Şencan Şahin, A. (2021). Yapay sinir ağları metodu ile günlük çiğ noktası sıcaklığı tahmini. Gümüşhane Üniversitesi Fen Bilimleri Enstitüsü Dergisi, 11(4), 1154-1163.
• Chatfield, C. 1(985). The initial examination of data. Journal of the Royal Statistical Society. Series A (General) 148 (3): 214–253
• Dameri, R. P., Garelli, R., & Resta, M. (2020). Neural networks in accounting: clustering firm performance using financial reporting data. Journal of Information Systems, 34(2), 149-166.
• Eşsiz, F. P., & Durucan, A. (2021). Covid-19 salgınının seçilmiş sektörler üzerindeki etkileri: Türkiye ekseninde bir değerlendirme. International Journal of Public Finance, 6(2), 193-210.
• Fethi, M. D., & Pasiouras, F. (2010). Assessing bank efficiency and performance with operational research and artificial intelligence techniques: A survey. European journal of operational research, 204(2), 189-198.
• Foltin, C., & L. Garceau. (1996). Beyond expert systems: Neural networks in accounting. National Public Accountant 41(6), 26–32.
• Kapıcı, S., Güçlü, İ., & Karakaş, Y. E. (2021). COVİD-19 pandemi sürecinde konaklama işletmelerinde tedarik zincirinde tedarikçi performansının değerlendirilmesi. Business & Management Studies: An International Journal, 9(4), 1217-1237.
• Özparlak, G. (2021). Finansal tablo manipülasyonlarının tespitinde yapay sinir ağlarının kullanılması. Erciyes Üniversitesi İktisadi ve İdari Bilimler Fakültesi Dergisi, (60), 331-357.
• Shen, H., Fu, M., Pan, H., Yu, Z. &Chen, Y. (2020). The impact of the COVID-19 pandemic on firm performance. Emerging Markets Finance and Trade, 56(10)
• Tiwari, S., Bharadwaj, S., & Joshi, S. (2021). A study of impact of cloud computing and artificial intelligence on banking services, profitability and operational benefits. Turkish Journal of Computer and Mathematics Education (TURCOMAT), 12(6), 1617-1627.
• Uluyol, O., Lebe, F., & Akbaş, Y. E. (2014). Firmaların finansal kaldıraç oranları ile öz sermaye karlılığı arasındaki ilişki: Hisseleri Borsa İstanbul (BİST)’da işlem gören şirketler üzerinde sektörler bazında bir araştırma. İşletme Araştırmaları Dergisi, 6(1), 70-89.
• Ünal, S. (2020). Covid-19 Salgınında borsa istanbul şirketlerinin fiyatlamalarının etkinliği. Ekonomi, Politika & Finans Araştırmaları Dergisi, 5(Özel Sayı), 13-31.
• Xiong, H., Wu, Z., Hou, F. &Zhang, J. (2020). Which firm-specific characteristics affect the market reaction of Chinese listed companies to the COVID-19 pandemic?. Emerging Markets Finance and Trade, 56(10), 2231-2242.