SavedAdd your journal

Journals / Verimlilik Dergisi / 2026 / Cilt: 60 Sayı: 4

Analysis of the Financial and Market Profiles of Private Hospitals Listed on Borsa Istanbul Using the Self-Organizing Maps Method

Borsa İstanbul'da İşlem Gören Özel Hastanelerin Finansal ve Piyasa Profillerinin Kendini Organize Eden Haritalar Yöntemiyle Analizi

Sabit Uygun(YÜKSEK İHTİSAS ÜNİVERSİTESİ)0009-0000-5757-9701
Pages
1285–1300
Publication Date
2026-10-21
🏛️Bibliographic metadata and full text access for this article are provided via DergiPark.
DergiPark Record ↗
✨

AI Summary & Key Takeaways

AI Insight
⚡ TL;DR(Too Long; Didn't Read)

Originality: This study contributes to the literature by being one of the few studies to evaluate financial ratios and stock returns using the Self-Organizing Maps (SOM) method, based on the quarterly financial data of hospitals traded on Borsa Istanbul.

📌 3 Key Takeaways

🎯
Objective & Hypothesis:Purpose: This study aims to analyze the quarterly financial performance of hospitals listed on Borsa Istanbul between 2021 and 2025 using the Self-Organizing Maps (SOM) method, identify clusters with similar financial characteristics, and examine the relationship between these clusters and stock returns.
📊
Key Findings & Data:Methodology: The study utilizes liquidity, financial structure, activity, and profitability ratios calculated from the quarterly financial statements of four private hospitals listed on Borsa Istanbul for the period 2021–2025, together with their stock returns.
💡
Conclusion & Impact:Originality: This study contributes to the literature by being one of the few studies to evaluate financial ratios and stock returns using the Self-Organizing Maps (SOM) method, based on the quarterly financial data of hospitals traded on Borsa Istanbul.
🔬Design:Araştırma Makalesi
📍Scope:2021 Verileri
⚙️Variables:Sağlık İşletmeleri · Finansal Performans · Hisse Senedi Getirisi

Abstract

Purpose: This study aims to analyze the quarterly financial performance of hospitals listed on Borsa Istanbul between 2021 and 2025 using the Self-Organizing Maps (SOM) method, identify clusters with similar financial characteristics, and examine the relationship between these clusters and stock returns. Methodology: The study utilizes liquidity, financial structure, activity, and profitability ratios calculated from the quarterly financial statements of four private hospitals listed on Borsa Istanbul for the period 2021–2025, together with their stock returns. The data were analyzed using the Self-Organizing Maps (SOM) technique, an unsupervised artificial neural network algorithm. Findings: The analysis identified five distinct clusters based on the financial performance of the hospitals. Based on the analysis, five distinct clusters were formed according to the financial performance of the hospitals. It is evident that while the hospitals exhibit a generally homogeneous structure regarding financial and market-economic aspects, they fall into distinct clusters. Differences were observed among the clusters in terms of liquidity, financial structure, operational efficiency, profitability, and stock returns. Originality: This study contributes to the literature by being one of the few studies to evaluate financial ratios and stock returns using the Self-Organizing Maps (SOM) method, based on the quarterly financial data of hospitals traded on Borsa Istanbul.

Özet

Amaç: Borsa İstanbul'da işlem gören özel hastanelerin 2021–2025 yılları arasındaki çeyreklik finansal performans ve hisse getirisi göstergelerini birlikte değerlendirerek benzer özelliklere sahip işletmeleri Kendini Organize Eden Haritalar (KOH) yöntemi aracılığıyla gruplandırmak ve oluşan kümelerin özelliklerini betimsel olarak incelemektir. Yöntem: Araştırmada Borsa İstanbul'da işlem gören dört özel hastanenin 2021–2025 dönemine ait çeyreklik finansal tablolarından hesaplanan likidite, finansal yapı, faaliyet ve kârlılık oranları ile hisse getirileri kullanılmıştır. Veriler, gözetimsiz yapay sinir ağı yöntemi olan Kendini Organize Eden Haritalar yöntemiyle analiz edilmiştir. Bulgular: Analiz sonucunda hastanelerin finansal performanslarına göre beş farklı küme oluşmuştur. Hastanelerin finansal ve piyasa göstergeleri bakımından homojen bir yapı sergilemediği ve farklı özelliklere sahip kümelerin oluştuğu görülmüştür. Kümeler arasında likidite, finansal yapı, faaliyet etkinliği, kârlılık ve hisse senedi getirileri açısından farklılaşmalar gözlenmiştir. Özgünlük: Borsa İstanbul'da işlem gören özel hastanelerin çeyreklik finansal verilerini KOH yöntemiyle analiz ederek finansal oranlar ve hisse getirilerini değerlendiren sınırlı sayıdaki araştırmalardan biri olması bakımından literatüre katkı sağlamaktadır.

🔖

Cite This Article

Uygun, S. (2026). Analysis of the Financial and Market Profiles of Private Hospitals Listed on Borsa Istanbul Using the Self-Organizing Maps Method. Verimlilik Dergisi, Cilt: 60 Sayı: 4, 1285–1300. https://doi.org/10.51551/verimlilik.2005087

📄 Full Text PDF Viewer

📄

PDF görüntüleyici hazırlanıyor...

References (23)

  1. Arı, S. ve Yiğit, A. (2024). "Borsa İstanbul'da İşlem Gören İlaç ve Sağlık Sektörü İşletmelerinin Finansal Risk ve Performanslarının Değerlendirilmesi", Uluslararası Sağlık Yönetimi ve Stratejileri Araştırmaları Dergisi, 10(3), 185-200. https://doi.org/10.51969/klusbmyo.1598306
  2. Avci, K. (2018). “Ankara İl Merkezindeki Bir Eğitim Ve Araştırma Hastanesinin Finansal Performansının Topsis Yöntemi İle Değerlendirilmesi”. İşletme Bilimi Dergisi, 6(2), 25-44.
  3. Balcı, N. (2017). "TOPSIS Tekniği ile Finansal Performans Analizi: Türkiye'deki Devlet Üniversitesi Hastanelerinin Örnek Bir İncelemesi", Yönetim ve Ekonomi Araştırmaları Dergisi, 15(1), 42-62.
  4. Ball, R. ve Brown, P. (1968). "An Empirical Evaluation of Accounting Income Numbers", Journal of Accounting Research, 6(2), 159-178. https://doi.org/10.2307/2490232
  5. Cottrell, M., & Verleysen, M. (2006). Advances in self-organising maps. Neural Networks, 19(7), 721-722. https://doi.org/10.1016/j.neunet.2006.05.019
  6. Çınaroğlu, S. (2024). "Financial Efficiency of Healthcare Companies in an Emerging Market", Managerial and Decision Economics, 45(5), 3283-3296. https://doi.org/10.1002/mde.4196
  7. Elden Ürgüp, S. (2021). “Firma Performansı ile Pay Senedi Getirisi Arasındaki İlişkinin SWARAMARCOS Modeliyle Analizi: BİST Tekstil, Giyim Eşyası ve Deri Sektörünün Örneği”. Ekonomi ve Finansal Araştırmalar Dergisi, 3(2).
  8. Fama, E.F. ve French, K.R. (1995). "Size and Book-to-Market Factors in Earnings and Returns", The Journal of Finance, 50(1), 131-155. https://doi.org/10.1111/j.1540-6261.1995.tb05169.x
  9. Işıkçelik, F., Turgut, M. ve Ağırbaş, İ. (2022). "Hastanelerde Finansal Performansın Farklı Analiz Yöntemleri ile Değerlendirilmesi", Süleyman Demirel Üniversitesi Vizyoner Dergisi, 13(34), 505-521. https://doi.org/10.21076/vizyoner.948785
  10. Karadeniz, E. ve İskenderoğlu, Ö. (2024). "Borsa İstanbul'da İşlem Gören Sağlık Şirketlerinde Finansal Performansın Piotroski F-Skor Yöntemiyle Analizi", SDÜ Sağlık Yönetimi Dergisi, 6(1), 1-12.
  11. Karataş, Y.E. ve Çınaroğlu, S. (2023). "Sağlık Alanında Faaliyet Gösteren İşletmelerin Konsolide Finansal Tablo Analizi", Hacettepe Sağlık İdaresi Dergisi, 26(1), 1-20.
  12. Kohonen, T. (2001). "Self-Organizing Maps" (3rd ed.), Springer.
  13. Ou, J.A. ve Penman, S.H. (1989). "Financial Statement Analysis and the Prediction of Stock Returns", Journal of Accounting and Economics, 11(4), 295-329. https://doi.org/10.1016/0165-4101(89)90017-7
  14. Özçalıcı, M. (2017). "Türk Bankacılık Sektöründe Piyasa Bölümlendirmesi: Kendini Organize Eden Haritalar Uygulaması", Pamukkale Üniversitesi Sosyal Bilimler Enstitüsü Dergisi, (27), 221-236. https://doi.org/10.5505/paubed.2017.36294
  15. Özçalıcı, M. ve Bumin, M. (2020). "A Hybrid Machine Learning and Multi-Criteria Decision-Making Approach for Performance Evaluation of Banks: SOM, EDAS, MOORA, TOPSIS and OCRA Applications", Applied Soft Computing, 95, 106599. https://doi.org/10.1016/j.asoc.2020.106599
  16. Özşahin, Ş. ve Yüregir, O.H. (2012). "Otomotiv Sektöründe Faaliyet Gösteren İşletmelerin Finansal Performanslarının Kendini Organize Eden Haritalar Yöntemi ile Değerlendirilmesi", Çukurova Üniversitesi Sosyal Bilimler Enstitüsü Dergisi, 21(3), 145-160.
  17. Schönfelder, J. ve Schreyögg, J. (2022). "Homogeneity and Best Practice Analyses in Hospital Performance Management: An Analytical Framework", Annals of Operations Research, 312(2), 1109-1135. https://doi.org/10.1007/s10479-022-04533-3
  18. Serrano-Cinca, C. (1996). "Self Organizing Neural Networks for Financial Diagnosis", Decision Support Systems, 17(3), 227-238. https://doi.org/10.1016/0167-9236(95)00050-X
  19. Siudak, D. (2022). "The Effect of Self-Organizing Map Architecture Based on the Value Migration Network Centrality Measures on Stock Return: Evidence from the US Market", PLOS ONE, 17(11), e0276567. https://doi.org/10.1371/journal.pone.0276567
  20. Yahoo Finance. (2026). Financial market data and stock quotes. https://finance.yahoo.com (Accessed: May 23, 2026).
  21. Yakar, K. ve Sayın, C. (2021). "Kendini Organize Eden Haritalar Yöntemi ile Borsa İstanbul Dokuma Sektörünün Finansal Performansının İncelenmesi", Hacettepe Üniversitesi İktisadi ve İdari Bilimler Fakültesi Dergisi, 39(4), 829-852. https://doi.org/10.17065/hacettepeiibf.868725
  22. Yiğit, M. (2024). "Borsa İstanbul'da İşlem Gören Sigorta Şirketlerinin Finansal Performansının Bulanık AHP ve Kendini Organize Eden Haritalar Yöntemi ile Değerlendirilmesi", Yüksek Lisans Tezi, Kütahya Dumlupınar Üniversitesi Lisansüstü Eğitim Enstitüsü, Kütahya.
  23. Zhou, M., Liu, H. ve Hu, Y. (2022). "Research on Corporate Financial Performance Prediction Based on Self-Organizing and Convolutional Neural Networks", Expert Systems, 39(9), e13042. https://doi.org/10.1111/exsy.13042