TEKNOLOJĠ SEKTÖRÜNÜN ENTROPĠ AĞIRLIKLI UZLAġIK PROGRAMLAMA (CP) ĠLE FĠNANSAL PERFORMANS ANALĠZĠ: BĠST DE BĠR UYGULAMA

Transkript

1 19. Finans Sempozyumu Çorum / EKİM 2015 TEKNOLOJĠ SEKTÖRÜNÜN ENTROPĠ AĞIRLIKLI UZLAġIK PROGRAMLAMA (CP) ĠLE FĠNANSAL PERFORMANS ANALĠZĠ: BĠST DE BĠR UYGULAMA Mehmet APAN 1 Ahmet ÖZTEL 2 Mehmet ĠSLAMOĞLU 3 1 Yrd.Doç.Dr., Karabük Üniversitesi ĠĢletme Fakültesi ĠĢletme Bölümü, mehmetapan@karabuk.edu.tr 2 Öğr.Gör., Bartın Üniversitesi Ġktisadi ve Ġdari Bilimler Fakültesi ĠĢletme Bölümü, ahmetoztel@gmail.com 3 Yrd.Doç.Dr., Karabük Üniversitesi ĠĢletme Fakültesi ĠĢletme Bölümü, mehmetislamoglu@karabuk.edu.tr ÖZET Bu çalıģmanın amacı, Çok Kriterli Karar Verme tekniklerinden biri olan CP yöntemini kullanarak Borsa Ġstanbul (BĠST) da iģlem gören teknoloji firmalarının finansal performanslarının analiz edilmesidir. ÇalıĢma 2009 ve 2014 dönemini kapsamaktadır. Değerleme kriterlerinin önem düzeyleri Entropy yöntemi ile ağırlıklandırılarak belirlenmiģtir. Analizde firmaların Entropy tabanlı CP yöntemi kullanılarak sıralaması yapılmıģtır. Analiz sonuçlarına göre, ASELSAN tüm dönemlerde en iyi finansal performansı gösterirken, en kötü performans gösteren firma ise PLASTĠKKART olmuģtur. Analizi yapılan firmalarla ilgili olarak bir diğer önemli geliģme ise, kısa dönemli borç yüklerinin artması nedeniyle yabancı kaynaklarının yükselmesi ve finansal performanslarının bu durumdan olumsuz etkilenmesidir. Anahtar Kelimeler: Finansal Performans Analizi, Çok Kriterli Karar Verme, UzlaĢık Programlama, Teknoloji Sektörü, BĠST, XUTEK. 1. GĠRĠġ KüreselleĢme ve bilgi teknolojilerinde yaģanan geliģmeler ile teknoloji iģ ve bireysel hayatımızın bir parçası haline gelmiģtir. Artık akıllı telefonlardan akıllı ev sistemlerine kadar her alanda teknolojik uygulamalar devreye girmiģtir. Ayrıca Ģirket ve kurumların yığın bilgileri depolama, daha sonra veri madenciliği uygulamaları ile bu ham verilerden anlamlı sonuçlar çıkarma ve buna göre stratejiler oluģturma rekabetin temelini oluģturmaktadır. Bilgi iģlem ve iletiģim teknolojilerinin geliģimi ile birey ve Ģirketlerin iģ süreçleri ciddi olarak etkilenmiģtir. Bu çerçevede iģ ve iģlemler manuel olmak yerine bilgisayara dayalı bilgi teknolojilerine iliģkin süreçleri içerecek tarzda değiģime uğramıģtır. Ayrıca bilgi teknolojilerinin cep telefonu uygulamaları ile yeni bir dönüģüm meydana gelmiģtir. Artık bilgi teknolojileri, hayatın ve iģin temelini oluģturmaktadır. Ülkemizdeki bilgi teknolojilerinin yayılımı TÜĠK(Türkiye Ġstatistik Kurumu) tarafından izlenmektedir. Bu çerçevede TUĠK tarafından her yıl yapılan giriģimlerde biliģim teknolojileri araģtırmasına göre Ģirketlerin bilgisayar kullanımı, internet eriģimi ve web sitesi sahipliği durumu açısından geliģmelerin seyri aģağıda Tablo 1 de ayrıntılı olarak sunulmuģtur. 477

2 19. Finans Sempozyumu Çorum / EKİM 2015 Tablo 1: Girişimlerde Bilişim Tekonolojileri Kullanım Düzeyleri(%) Bilgisayar Kullanımı İnternet Erişimi Web Sitesi Sahipliği Kaynak: TÜİK( Girişimlerde bilgisayar kullanımı yönünden yoğunluk görülmektedir. Bu yoğunluk 2007 girişimlerde 2007 yılında %88,7 iken, 2014 yılında %94,4 e ulaşmıştır. Bu sonuç işletmelerin işlemlerinde yoğun olarak bilgisayar kullandıklarını göstermektedir. Diğer yandan internet erişimi ise 2007 yılında %85,4 iken 2014 yılında %89,9 a ulaşmıştır. İnternet kullanımının bilgisayar kullanımı ile parelel bir gelişme göstermiştir. Ancak şirketlerin web sitesi kurmaları ise 2007 yılında %63,1 iken 2014 yılında %56,6 a gerilemiştir. Burada bir çelişki olduğu düşünülebilir. TÜİK tarafından yaş arasını kapsayan bireylerin bilişim teknolojileri kullanım düzeyleri araştırmasının sonuçları Tablo 2 de karşılaştırmalı olarak sunulmuştur. Tablo 2: Hanelerde Bilişim Tekonolojileri Kullanım Düzeyleri(%) Bilgisayar Kullanımı İnternet Erişimi Web Sitesi Sahipliği Kaynak: TÜİK( Hanelerde bilgisayar kullanımında girişimlere paralel bir gelişme olduğu görülmektedir. Bu gelişme hanelerde 2007 yılında %33,4 iken, 2014 yılında %53,5 e ulaşmıştır. Bu sonuç hanelerin bilgisayar kullanım düzeylerindeki gelişmeyi göstermektedir. Diğer yandan internet erişimi ise 2007 yılında %30,1 iken 2014 yılında %53,8 a ulaşmıştır. Burada da internet kullanımının bilgisayar kullanımı ile parelel bir gelişme göstermiştir. Ancak bireylerin web sitesi sahipliği ise 2007 yılında %19,7 iken 2014 yılında %60,2 e çıkmıştır. Bu sonuçlar, şirketlerdeki bilişim teknolojileri kullanmı ile hanelerdeki bilişim teknolojileri kullanımının farklı özellikler gösterdiği ortaya koymaktadır. Bu farlılıkta bireylerin ve çocukların eğitim ihtiyacına bağlı olarak bilgi teknolojileri kullanım düzeylerindeki gelişme şirketlere göre daha düşük düzeyde olduğu sonucuna ulaşılmaktadır. Teknolojik uygulamaların kullanıldığı altyapının ülkemizdeki gelişimi sabit telefon sayısı, cep telefon abone sayısı ve internet abone sayısı dağılımı karşılaştırmalı olarak Tablo 3 de sunulmuştur. Tablo 3: Türkiye de Sabit Telefon, Cep Telefonu ve İnternet Abone Sayısı Dağılımı Yıl Sabit telefon abone sayısı Cep telefonu abone sayısı İnternet abone sayısı Kaynak:TÜİK( 478

3 19. Finans Sempozyumu Çorum / EKİM 2015 Teknolojik gelişmelere bağlı olarak kullanıcıların tercihlerinde değişmeler olmaktadır. Bu çerçevede 2007 yılında 18,2 milyon sabit telefon sayısı 2014 yılında 12,5 milyona gerilemiştir. Buna karşın 2007 yılında 61,9 milyon olan cep telefonu abone sayısı 2014 yılından 71,8 milyon ulaşmıştır. Diğer yandan 2007 yılında 4,8 milyon olan internet abone sayısı 2014 yılında 41,2 miyona ulaşmıştır. Bu sonuçlar toplumun teknolojik gelişmeleri takip ettiği ve buna paralel olarak bireysel veya iş hayatında teknolojiyi kullandığını göstermektedir. Teknolojik gelişme hızı, şirketlerin büyüme hızlarını da önemli ölçüde etkilemektedir. Yeni bir buluş veya uygulama ile geliştirmeyi yapan şirketin iş hacmi ve karı artmaktadır. Çok küçük olarak krulan birçok teknoloji şirketlerinde bu durum karşımıza çıkmaktadır. Bu çerçevede Türkiye deki KOBİ(Küçük ve Orta Boy İşletme) ölçeğindeki işletmelerin teknoloji alanındaki faaliyetleri ile büyük gelişme gösterdikleri görülmektedir. Bu amaçla Deloitte firması tarafından Deloitte Teknoloji Fast50 Türkiye Programı ile en hızlı büyüyen teknoloji firmaları tespit edilmektedir. Aşağıda 2014 yılında en hızlı büyüyen 50 Türk firması arasından ilk 10 a girenler Tablo 4 de sunulmuştur. Tablo 4: 2014 Deloitte Teknoloji Fast50 Türkiye Programında İlk 10 a Giren Şirketler Sıra Şirket Büyüme Hızı Sektör 1 CordisNetwork 4192% Yazılım 2 Kartaca 4075% Yazılım 3 3Pay-Mikro Ödeme 2125% İnternet 4 Luna Bilişim 2125% Bilgisayar 5 Arneca 1737% Yazılım 6 Credowork 1583% Yazılım 7 Uzman Bilişim 1527% Yazılım teknoloji 1516% Telekom 9 Buldumbuldum.com 1453% İnternet 10 4Play 1245% Yazılım Kaynak: TheDeloitte Times, Eylül-Ekim 2014, s.2. Cordis Network firması %4192 büyüme hızı ile ilk sırayı elde etmiştir. İkinci sırada Kartaca firması %4075 ve son sırada 4Play firması ise %1245 büyüme hızı ile sonraya yerleşmiştir. Ulusal ve uluslararası platformda internet, yazılım, donanım ve telekom alanlarında, özellikle son 30 yılda ivme kazanarak devam eden bu inanılmaz gelişme trendinin, gelecekte cazip kazanç fırsatına dönüşme potansiyeli taşıması, hem kurumsal hem de bireysel yatırımcılar için sektörün ilgi odağı haline gelmesine sebep olmuştur. Sektörün sunduğu bu cazip getiri avantajı, zaman içerisinde sektördeki firma sayısını artırmış ve sektörde rekabet giderek kızışmıştır. Çok sayıda firmanın kurulması ve firma sayısındaki net artışa rağmen, sektörün yüksek risk taşıyan bir yapı arzetmesi, önemli miktarda firmanın da sektörden çekilmesine neden olmuştur. Bu bağlamda finansal performans analizi, firmaların mevcut finansal durumunu ortaya koyarak, mali performanslarının iyileştirilmesi ve piyasa değerinin artırılmasına dönük tedbirlerin alınmasına olanak verir. Ancak sektördeki firmaların bireysel bazda sadece rasyo analizi ile değerlendirilmesi yeterli olmamaktadır. Çalışmada bu amaçla, finansal rasyolar da kullanılarak, teknoloji ve bilişim sektöründeki firmalarının birbirlerine karşı göreceli üstünlüklerinin ortaya konulduğu ve piyasadaki pozisyonunun karşılaştırmalı olarak analiz edildiği Çok Kriterli Karar Verme yöntemlerinden CP yöntemi kullanılmıştır. Çalışmanın ikinci bölümünde literatür özetine yer verilmiştir. Üçüncü bölümde veri seti ve metodoloji tanımlandıktan sonra dördüncü bölümde ampirik analiz sonuçları sunulmuştur. Son bölümde ise elde edilen bulguların değerlendirilmesi yapılmıştır. 479

4 19. Finans Sempozyumu Çorum / EKİM LİTERATÜR ÖZETİ Teknolojik uygulamaların iş ve hayatımıza girmesiyle beraber, ülkemizde bu alanda faaliyet gösteren halka açık şirketlerin finansal performanslarının analizinin konu edildiği çok sayıda çalışma yapılmıştır. Bu çalışmalarda farklı karar verme yöntemleri ile şirketlerin finansal performansı belirlenmeye çalışılmıştır. Bu kapsamda BAYRAKDAROĞLU and İlhan (2009) tarafından İMKB ve NASDAQ da faaliyet gösteren teknoloji şirketlerinin özsermaye kârlılıkları(return on Equity-ROE) karşılaştırmalı analizi yapılmıştır. Bu çerçevede analize dahil edilen firmaların özsermaye kârlılıklarına etki eden faktörler Du-Pont analizi kullanılarak incelenmiştir. Şirketlerin finansal verileri panel veri yöntemi kullanılarak regresyon analizi yapılmıştır. İMKB ve NASDAQ ta faaliyet gösteren teknoloji şirketlerinin özsermaye karlılıklarının farklı olduğu, özsermaye karlılığını aktif karlılığı ile net kar marjının en çok etkilediği tespit edilmiştir. Diğer yandan özsermaye karlılığı üzerinde özsermaye devir hızının en az etkili olduğu tespit edilmiştir. Bulgurcu (2012) TOPSIS (Technique for Order Preference by Similarity to Ideal Solution Methods) tekniğini kullanarak Hisse senetleri Borsa İstanbul da işlem gören 13 teknoloji firmasının finansal performansını karşılaştırmıştır. Çalışmada, 2009 ve 2011 yıllarını kapsayan üç yıllık periyot için firmaların finansal tablolarından elde edilen 10 adet finansal rasyo verisi baz alınarak, finansal performans puanları elde edilmiştir. TOPSIS tekniği kullanılarak elde edilen finansal performans puanlarına göre, Plastik Kart üç yıllık değerlendirmede en iyi performans gösteren firma olmuştur. Hu and Shieh (2013) Çin de faaliyet gösteren Taiwan teknoloji işletmelerinin performanslarını Veri Zarflama Analizi yöntemini uygulayarak ölçmeyi amaçlamıştır. Hu ve Shieh, girdilerin seçiminde Delphi Yöntemini kullanmışlardır. Çalışmada işletmelere ait çalışan sayısı, ar-ge giderleri ve brüt satışlar girdi olarak kabul edilmiştir. Ayrıca işletme verimliliği ve işletme bünyesinde en verimli çalışan birimlerin tespiti amacı ile Duyarlılık Analizi yapılmıştır. Sonuç olarak, kullanılan girdiler dikkate alındığında, üç işletme sektör ortalamalarıyla uyumlu olarak faaliyet gösterirken, iki işletme sektör ortalamalarına göre azalan bir performans sergilemektedir. Geriye kalan 16 işletmenin ise sektör ortalamalarına göre artan bir performans gösterdiği ve marjinal getirilerini ve verimliliklerini artırmak için büyüme stratejisi izleyebilecekleri belirtilmiştir. Tayyar, AKCANLI, Erhan, and Işıl (2014) tarafından Borsa İstanbul da hisse senetleri işlem gören bilişim ve teknoloji sektöründe faaliyet gösteren işletmelerin finansal performanslarını Analitik Hiyerarşi Prosesi ve Gri İlişki Analiz yöntemiyle analiz etmişlerdir. Araştırmada işletmelerin yılları arasındaki finansal verileri kullanılmıştır. Bu kapsamda şirketlerin finansal oranlarının Analitik Hiyerarşi Prosesi yöntemi kullanılarak ağırlığı en fazla olan finansal kriter tespit edilmiştir. Bu aşamadan sonra işletmelere Gri İlişkisel Analiz yöntemi uygulanarak en iyi performansı gösteren firmanın tespiti yapılmıştır. Bu iki yöntem beraber kullanılarak yapılan analizler sonucunda bilişim ve teknoloji sektöründe en iyi finansal performans gösteren işletmenin Link Bilgisayar Sistemleri Yazılımı ve Donanımı Sanayi ve Ticaret A.Ş. olduğu tespit edilmiştir. ÖRS, TAKIL, and ALTIN (2015) Borsa İstanbul Teknoloji Endeksi nde (XUTEK) işlem gören işletmelerin finansal performanslarını ölçmek amacıyla, Endekse dahil firmaların dönemine ilişkin finansal tablo verilerini kullanarak oran analizi tekniğini uygulamıştır. Analiz sonucunda teknoloji endeksinde yer alan 11 adet işletmenin dönemi için hesaplanan Likidite Oranlarının Türkiye standartlarında yeterli olduğu sonucuna ulaşılmıştır. Buna karşın finansal kaldıraç oranının çok yüksek olduğu tespit edilmiştir. Ayrıca işletmelerin stoklarını 3-4 ay aralığında elden çıkardığı, alacaklarını ise 2 ay içinde tahsil ettikleri tespit edilmiştir. Ancak firmaların karlılık oranlarının benzerlik göstermediği de araştırmada tespit edilmiştir. 3. VERİ SETİ VE METODOLOJİ Borsa İstanbul Bist Teknoloji(XUTEK) Endeksi nde hisse senetleri işlem gören teknoloji firmalarının finansal performanslarını belirlemek üzere dönemi arasındaki 7 yıllık finansal verilerine ulaşılabilen 13 teknoloji şirketi belirlenmiştir. Bu çalışmada AlcatelLucentTeletaş (ALCTL), AnelTelekon (ANELT), Arena Bilgisayar (ARENA), Armada Bilgisayar (ARMDA), Aselsan (ASELS), Despec Bilgisayar (DESPC), Datagate Bilgisayar (DGATE), Escort Teknoloji (ESCOM), İndeks Bilgisayar (INDES), Karel Elektronik (KAREL), Logo Yazılım (LOGO), Netaş Telekom (NETAS), Plastikkart (PKART) ın finansal performansları analiz edilecektir. 480

5 19. Finans Sempozyumu Çorum / EKİM 2015 Çalışma için veriler Kamu Aydınlatma Platformu web sitesinden ( ilgili firmaların finansal tablolarından elde edilmiştir. Bu firmaların finansal performanslarının belirlenmesi için 16 adet finansal oran belirlenmiştir. Bu çereçvede araştırma verisi, 13 teknoloji şirketinin 7 yıllık 16 finansal orandan oluşmaktadır. Teknoloji firmalarının finansal performansının analiz edilmesi için kullanılan performans kriterleri ve kapsamı Tablo 5 de verilmiştir. Tablo 5:Teknoloji Firmalarının Performans Kriterleri ve Kapsamı Gruplama Kod Kriterler Açıklama İdeal Değer Optimum A1 Cari Oran (%) Dönen Varlıklar/Kısa Vadeli Yabancı Kaynaklar 1,5-2,0 ideal 1,75'e uzaklık alındı Minimum Likidite (Dönen Varlıklar-Stoklar)/Kısa Vadeli Yabancı 1,00'a uzaklık alındı Oranları A2 Likidite Oranı (%) Kaynaklar Minimum (Hazır Değerler+Menkul Değerler)/Kısa Vadeli 0,20'ye uzaklık alındı A3 Nakit Oran (%) Yabancı Kaynaklar Minimum B1 Finansal Kaldıraç Oranı (%) Toplam Yabancı Kaynaklar/Toplam Aktifler 0,60'a uzaklık alındı Minimum Finansal Yapı B2 Yatırım Oranı (%) Duran Varlıklar/Devamlı Sermaye - Maksimum Oranları B3 Borçlanma Katsayısı Toplam Yabancı Kaynaklar/Özkaynaklar - Minimum 0,30-0,40 arası ideal 0,35'e C1 Dönen Varlık/Aktif Oranı (%) Dönen Varlıklar/Aktif Toplamı uzaklık alındı Minimum Varlık- Sermaye Yapı Oranları Faaliyet Oranları Karlılık Oranları C2 Duran Varlık/Aktif Oranı (%) Duran Varlıklar/Aktif Toplamı 0,60-0,70 arası ideal 0,65'e uzaklık alındı Minimum Kısa Vadeli Yabancı - C3 Kaynak/Pasif Oranı (%) Kısa Vadeli Yabancı Kaynaklar/Toplam Pasifler Minimum Uzun Vadeli Yabancı - C4 Kaynak/Pasif Oranı (%) Uzun Vadeli Yabancı Kaynaklar/Toplam Pasifler Maksimum C5 Özkaynak/Pasif Oranı (%) Özkaynaklar/Toplam Pasifler - Maksimum D1 Aktif Devir Hızı (%) Net Satışlar/Toplam Aktifler - Maksimum D2 Özkaynak Devir Hızı (%) Net Satışlar/Özkaynaklar - Maksimum Net Çalışma Sermayesi Devir - D3 Hızı (%) Net Satışlar/Net Çalışma Sermayesi Maksimum E1 Aktif Karlılığı (%) Net Kar/Toplam Aktifler - Maksimum E2 Özkaynak Karlılığı (%) Net Kar/Özkaynaklar - Maksimum Çalışmada kullanılan finansal oranların fimaların likidite durumu, finansal yapısı, varlık-sermaye yapısı, faaliyet performansı ile karlılık sonuçlarını ortaya koyacak şekilde firmaların performansları hakkında bilgi sağlayacak oranlar arasından seçilmiştir Entropy Yöntemi MCDM problemlerinde her kriterin önem düzeyi aynı olmayabilir. Bu önem düzeyini ölçmek için her bir kriter için bir ağırlık değeri tespit edilmelidir. Ağırlık değerlerini entropy yöntemi ile hesaplayacağız. Araştırmacılar tarafından birçok objektif ağırlıklandırma yöntemi önerilmiştir. Bunlardan en çok öne çıkanı entropy yöntemidir. Bu yöntem Shannon (1949) nun belirsizliğin ölçüsü olarak tanımlanan Entropy kavramı üzerine inşa edilmiştir. Bilgi (Information) teoride entropy;; ayrık olasılık dağılımı ile verilen belirsizliğin miktarının bir ölçüsüdür ki, oldukça yüksek değerlere sahip olanların belirsizliği daha fazladır(gold & No, 1983;; Jaynes, 1957). Alternatifler için belli bir miktarda bilgileri içeren karar matrisine sahip isek, entropy yöntemi kriterlerin önem sırasını yani ağırlık değerlerini belirlemek için kullanılabilecek bir araçtır (Hwang & Yoon, 1981;; Nijkamp, 1975;; Van Delft & Nijkamp, 1977;; Zeleny, 1974). Yöntemi şöyle özetleyebiliriz (Islamoglu, Apan, and Oztel (2015);; Wang & Hsu, 2004): m alternatifli ve n kriterli bir çok kriterli karar verme problemi için karar matrisi: X! X! X! X! 481

6 19. Finans Sempozyumu Çorum / EKİM 2015 D = A! A! A! A! x!! x!" x!" x!" x!" x!! x!" x!" x!" x!" x!" x!" x!" x!" x!" x!" (1) olsun. Burada x!" : i. alternatifin j. kritere göre başarı değeridir, i = 1,2,, m vej = 1,2,, n. Adım 1: r!" =!!", i = 1,2,, m, j = 1,2,, n (2)!!!!!!" formülü ile R = r!"!! normalleştirilmiş karar matrisi elde edilir. Adım 2: e! =!! r!"!!!!!" ln r!", j = 1,2,, n. (3) formülü ile her bir kriterin entropy değeri bulunur. Burada e!, j.kriterin entropy değerini göstermektedir. Adım 3: W! =!!!!!!!!(!!!! ), j = 1,2,, n. (4) ile kriterlerin ağırlık değerleri atanmış olur.!!!! W! = 1olduğu aşikardır Uzlaşık Programlama (CP (Compromise Programming)) CP yetmişli yıllarda Zeleny(1973) ve Yu(1985) tarafından geliştirilmiş bir MCDM yöntemidir. Bu yöntem, ideal nokta f a uzaklığın minimize edilmesi temeline dayanmaktadır. Uzaklığın hesaplanmasında L! metrik kullanılmaktadır. Yöntemi genel olarak şu şekilde ifade edebiliriz (André & Romero, 2008;; Ballestero & Romero, 1996;; Erol, Sencer, Özmen, & Searcy, 2014;; Öztel, Köse, & Aytekin, 2012) Adım 1: İdeal nokta f ve anti-ideal nokta f oluşturulur. f f!, f!,, f!, f f!, f!,, f! (5) burada, f! = max!!!,!,,! x!", j. kriter fayda (6) min!!!,!,,! x!", j. kriter maliyet f! = min!!!,!,,! x!", j. kriter fayda (7) max!!!,!,,! x!", j. kriter maliyet x!" : i. alternatifin j. kritere göre başarı değeridir, i = 1,2,, m vej = 1,2,, n. Adım 2: İdeal noktaya uzaklık minimize edilir: 1 p p n f min L! W j fj (x i ) j, i = 1,2,, m (8) j=1 f j fj Adım 3: Minimum değeri veren alternatif en iyi çözümdür. L!, L! ve L! sırasıyla Manhattan, Euclidean ve Tchebycheff metrikleri olarak adlandırılırlar. 482

7 19. Finans Sempozyumu Çorum / EKİM AMPİRİK ANALİZ SONUÇLARI Analiz kapsamında dönemleri için hesaplanan finansal performans oranları ayrı ayrı olmak üzere şirketlerin finansal performanslarının belirlenmesinde kullanılmıştır. Diğer yandan finansal performans oranları için Entropi ağırlıkları kullanılarak CP(Compromise Programming) yöntemi ile şirketlerin genel performans puanlarının gösteren tek bir puana dönüşümü sağlanmıştır. Bu çerçevede teknoloji firmalarının sıralaması yapılarak finansal performans belirleme işlemi tamamlanmıştır Karar Matrisinin Oluşturulması Teknoloji firmaları için hazırlanan karar matrisinin satırlarında üstünlükleri belirlenmek istenen karar noktaları olan firmalar, sütunlarında ise karar vermede kullanılacak değerlendirme faktörleri olan finansal performans oranları yer almaktadır. Araştırmada 13 karar noktası (firma) ve 16 değerlendirme faktörü (finansal performans oranları) bulunmaktadır. Şirketlerde elde edilen veri ile ilk önce CP yöntemi için (13x16) boyutlu Standart Karar Matrisi oluşturulmuştur. Bu çerçevede çalışmaya konu firmaların 2014 yılı karar matrisi örnek olması açısından Tablo 6 de sunulmuştur. Tablo 6: Karar Matrisi (2014) A1 A2 A3 B1 B2 B3 C1 C2 C3 C4 C5 D1 D2 D3 E1 E2 ALCATEL ANEL TELEK ARENA BİLG ARMADA BİLG ASELSAN DATAGATE DESPEC BİLG ESCORT TEKN İNDEKS BİLG KAREL ELEKT LOGO YAZ NETAŞ TELK PLASTİKKART Entropi Yöntemiyle Kriter Ağırlıkları Entropi yöntemi ile her bir kriterin ağırlık değeri her yıl bazında 16 kritere göre hesaplanmış ve Tablo 7 de gösterilmektedir. Tablo 7: Entropi Ağırlıkları ( ) A1 A2 A3 B1 B2 B3 C1 C2 C3 C4 C5 D1 D2 D3 E1 E

8 19. Finans Sempozyumu Çorum / EKİM 2015 Teknoloji firmalarının 7 yıllık veri seti için Entropi ağırlıklarına dayalı olarak CP performans puanları ile sıralamaları elde edilmiştir. Bu çerçevede bütün dönemlerde CP puanları ortalama değerlere göre en düşükten en yükseğe göre sıralanmaıştır. Bu sonuçlara göre en yüksek CP puanı Anel Telekom firması elde etmiştir. Firmaların dönemlerinden her biri için CP puanlarına göre yapılan sıralamalar genel sıralama açısından değerlendirilmiştir. Bu sıralama için en düşük ortalama sıralama değerine sahip olan teknoloji şirketi birinci sırayı almıştır. Bu çerçevede bütün dönemler için hazırlanan ayrıntılı ve genel sıralama Tablo 8 de yer almaktadır. Bütün dönemler için 13 teknoloji şirketinin CP puanları Tablo 9 da ayrıntılı olarak sunulmuştur. Tablo 8: CP Sıralaması ( ) GENEL SIRALAMA ASELSAN ANEL TELEK ARENA BİLG ALCATEL DATAGATE ESCORT TEKN LOGO YAZ ARMADA BİLG İNDEKS BİLG KAREL ELEKT NETAŞ TELK DESPEC BİLG PLASTİKKART VY VY VY VY:Veri Yok Tablo 9: CP Puanlaması ( ) GENEL SIRALAMA ANEL TELEK ASELSAN ALCATEL ESCORT TEKN ARENA BİLG DATAGATE LOGO YAZ ARMADA BİLG İNDEKS BİLG KAREL ELEKT NETAŞ TELK DESPEC BİLG PLASTİKKART VY VY VY VY:Veri Yok 484 8

9 19. Finans Sempozyumu Çorum / EKİM SONUÇ Teknoloji birey ve toplum hayatımızla birlikte iş hayatının vazgeçilmez bir parçası haline gelmiştir. İş süreçleri artık teknolojik uygulamaları içeren şekilde dizayn edilmiş ve artan rekabetle şirketlerin büyüme hızlarında ciddi gelişmeler olmuştur. Bu da şirketlerin hisse senetlerini alarak ortak olmak isteyen yatırımcılara önemli bir fırsat olarak sunmaktadır. Çalışmada, BİST-Borsa İstanbul da hisse senetleri işlem gören dönemsel olarak aynı verilere ulaşılabilen teknoloji firmalarının finansal performansları ölçümlenmiştir. Özellikle, KOBİ ölçeğindeki teknoloji firmalarının finansal performanslarının ölçülmesi ile bu firmaların yeni kaynak temin etmelerinde bu çalışma bir örnek teşkil edebilir. Tüm yılları baz alarak değerlendirdiğimizde, CP sıralamalarına göre ASELSAN en iyi finansal performansı göstermiştir. ANAL TELEK yılına kadar en iyi performansı göstermesine rağmen 2014 yılındaki düşük performansı tüm yıllar bazında ikinci sıraya gerilemesine sebep olmuştur. Bu performans düşüşünün altında yatan en önemli neden, firmanın 2014 yılında gereğinden fazla likit varlık bulundurması ve bu durumun karlılığını olumsuz etkilemiş olmasıdır. ARENA BİLG. genel olarak tüm yıllarda istikrarlı bir finansal performans göstererek 3. sırada yer almıştır. ALCATEL sürekli yükselen performansıyla 4. sırada yer almıştır ve 2012 yıllarında DATAGATE ve ARMADA firmalarının kısa vadeli borçlarının önemli ölçüde artması toplam yabancı kaynaklarının reel olarak yükselmesine neden olarak karlılığında da azaltmıştır. Bu gelişme DATAGATE ve ARMADA firmalarının sözkonusu dönemlerde sıralamasını olumsuz etykilemiştir. ESKORT TEKN yılına kadar ortalama düzeyde bir finansal başarı sergilerken, son yılda satış hacmindeki daralma ile birlikte karlılığı azalarak dramatik bir şekilde alt sıralara gerilemiştir. LOGO YAZ., ARMADA BİLG. ve İNDEKS BİLG.firmaları tüm dönemler genelinde orta düzeyde finansal performans göstermişlerdir. KAREL ELEKT., NETAŞ TELK. ve DESPEC BİLG. firmalarının finansal performansları alt sıralarda kalırken, PLASTİKKART en düşük performansı sergilemiştir. KAYNAKÇA André, F. J., & Romero, C. (2008). Computing compromise solutions: on the connections between compromise programming and composite programming. Applied Mathematics and Computation, 195(1), Ballestero, E., & Romero, C. (1996). Portfolio selection: A compromise programming solution. Journal of the Operational Research Society, BAYRAKDAROĞLU, A., & İlhan, E. (2009). TEKNOLOJİK GELİŞME, İMKB VE NASDAQ DA İŞLEM GÖREN TEKNOLOJİ ŞİRKETLERİNİN FİNANSAL ANALİZİ. Akademik Araştırmalar ve Çalışmalar Dergisi (AKAD), 1(1). Bulgurcu, B. K. (2012). Application of TOPSIS technique for financial performance evaluation of technology firms in Istanbul stock exchange market. Procedia-Social and Behavioral Sciences, 62, Erol, İ., Sencer, S., Özmen, A., & Searcy, C. (2014). Fuzzy MCDM framework for locating a nuclear power plant in Turkey. Energy Policy, 67, Gold, H. J., & No, B. S. (1983). Application of Maximum Entropy and Minimum Cross-entropy Formalisms to Stochastic Modeling of Complex Dynamic Systems: Formulation of the Problem: Citeseer. Hu, R., & Shieh, C.-J. (2013). High-tech industries' overseas investment performance evaluation-application of data envelopment analysis. South African Journal of Economic and Management Sciences, 16(5), Hwang, C.-L., & Yoon, K. (1981). Lecture Notes in Economics and Mathematical Systems: Multiple Attribute Decision Making: Methods and Appllication: Springer Verlag. Islamoglu, M., Apan, M., & Oztel, A. (2015). An Evaluation of the Financial Performance of REITs in Borsa Istanbul: A Case Study Using the Entropy-Based TOPSIS Method. International Journal of Financial Research, 6(2), p124. Jaynes, E. T. (1957). Information theory and statistical mechanics. Physical review, 106(4),

10 19. Finans Sempozyumu Çorum / EKİM ÖRS, T., TAKIL, D., & ALTIN, M. Borsa İstanbul Teknoloji Endeksinde Faaliyet Gösteren İşletmelerin Finansal Performanslarının Değerlendirilmesi. Journal of Accounting, Finance and Auditing Studies (JAFAS), 1(1), Öztel, A., Köse, M. S., & Aytekin, İ. (2012). Kurumsal Sürdürülebilirlik Performansının Ölçümü İçin Çok Kriterli Bir Çerçeve: Henkel Örneği. Tarih Kültür ve Sanat Araştırmaları Dergisi, 1(4), Shannon, C. (1949). E. and Weaver W., The Mathematical Theory of Communication: University of Illinois Press. Urbana. III. Tayyar, N., AKCANLI, F., Erhan, G., & Işıl, E. BİST e Kayıtlı Bilişim ve Teknoloji Alanında Faaliyet Gösteren İşletmelerin Finansal Performanslarının Analitik Hiyerarşi Prosesi (AHP) ve Gri İlişkisel Analiz (GİA) Yöntemiyle Değerlendirilmesi. Muhasebe ve Finansman Dergisi (MUFAD)(OCAK-2014), Van Delft, A., & Nijkamp, P. (1977). Multi-criteria analysis and regional decision-making (Vol. 8): Springer Science & Business Media. Wang, T.-C., & Hsu, J.-C. (2004). Evaluation of the business operation performance of the listing companies by applying TOPSIS method. Paper presented at the Systems, Man and Cybernetics, 2004 IEEE International Conference on. Yu, P.-L. (1985). Multiple-criteria decision making: Springer. Zeleny, M. (1973). Compromise programming. Multiple criteria decision making, 286. Zeleny, M. (1974). Linear multiobjective programming: Springer-Verlag Berlin