KaydedilenlerDerginizi ekleyin

Dergiler / Erciyes Üniversitesi İktisadi ve İdari Bilimler Fakültesi Dergisi / 2026 / Sayı: 71

Çok kriterli karar verme yöntemleri ile aracı kurumların finansal performans analizi: Entropi-TOPSIS yöntemi

Financial performance analysis of brokerage firms with multi-criteria decision-making methods: Entropy-TOPSIS method

İbrahim Korkmaz Kahraman(PAMUKKALE ÜNİVERSİTESİ)0000-0001-5083-3586
Elif Hilal Nazlıoğlu(PAMUKKALE ÜNİVERSİTESİ, DENİZLİ SOSYAL BİLİMLER MESLEK YÜKSEKOKULU)0000-0002-4425-7479
Sayfa
131–137
Yayın Tarihi
2025-08-30
🏛️Bu makalenin bibliyografik verileri ve tam metin bağlantısı DergiPark üzerinden sağlanmıştır.
DergiPark Kaydı ↗
✨

Yapay Zeka Hızlı Bakış & Çıkarımlar

AI Insight
⚡ TL;DR(1 Cümlede Hızlı Çıkarım)

Sonuçlar, kârlılık ve borsa performans oranlarının özellikle de net kâr marjı ile hisse başına kârın en yüksek ağırlığa sahip olduğunu ve dolayısıyla aracı kurumların finansal performanslarının değerlendirilmesinde en önemli kriterlerin ilgili oranlar olduğunu göstermektedir.

📌 3 Maddede Bu Makale

🎯
Amaç & Hipotez:Bu çalışmada, Borsa İstanbul (BİST)’de işlem gören sekiz aracı kurumun 2024 yılı için finansal performansları çok kriterli karar verme (ÇKKV) yöntemleri kullanılarak analiz edilmektedir.
📊
Temel Bulgular & Veri:Likidite, finansal yapı, faaliyet, kârlılık, piyasa (borsa) performans oranlarını kapsayan 12 finansal oran kullanılmıştır.
💡
Sonuç & Katkı:Sonuçlar, kârlılık ve borsa performans oranlarının özellikle de net kâr marjı ile hisse başına kârın en yüksek ağırlığa sahip olduğunu ve dolayısıyla aracı kurumların finansal performanslarının değerlendirilmesinde en önemli kriterlerin ilgili oranlar olduğunu göstermektedir.
🔬Tür:Araştırma Makalesi
📍Kapsam:2024 Verileri
⚙️Değişkenler:Aracı kurumlar · Finansal performans · Çok kriterli karar verme

Özet

Bu çalışmada, Borsa İstanbul (BİST)’de işlem gören sekiz aracı kurumun 2024 yılı için finansal performansları çok kriterli karar verme (ÇKKV) yöntemleri kullanılarak analiz edilmektedir. Likidite, finansal yapı, faaliyet, kârlılık, piyasa (borsa) performans oranlarını kapsayan 12 finansal oran kullanılmıştır. Entropi yöntemi, bu finansal oranların ağırlıklarını belirlemek için kullanılırken, aracı kurumların finansal performans sıralaması için ise TOPSIS yöntemi kullanılmıştır. Sonuçlar, kârlılık ve borsa performans oranlarının özellikle de net kâr marjı ile hisse başına kârın en yüksek ağırlığa sahip olduğunu ve dolayısıyla aracı kurumların finansal performanslarının değerlendirilmesinde en önemli kriterlerin ilgili oranlar olduğunu göstermektedir. Bunun yanında, cari oran ve finansal kaldıraç oranlarının ise en düşük ağırlığa sahip olduğu tespit edilmiştir. TOPSIS sonuçlarına göre, TERA en iyi finansal performansa sahip aracı kurum olup onu sırasıyla OSMEN ve ISMEN takip etmektedir. INFO ise en kötü finansal performansı sergilemiştir. Bu sonuçlar, aracı kurumlara yatırım yapmayı düşünen yatırımcılar için önemli sonuçlar ortaya koymaktadır. Ayrıca, sonuçlara göre Entropi-TOPSIS yönteminin aracı kurumların finansal performans analizinde kullanılabileceği ve önemli katkılar sağlayabileceği ifade edilebilir.

Abstract

This article examines the dynamic network analysis of 48 firms traded on Borsa Istanbul with a market value of over $1 billion before and during the COVID-19 pandemic. We use daily return data, and the data spans from January 1, 2017 to May 31, 2022. The pairwise spillover effects, which are obtained by the standard VAR model, are used to construct a directed network graph, including nodes and edges. According to the modular clustering method, the optimal network number is three for the pre-covid period. However, the number of optimal clusters increases to four after COVID-19 outbreaks. Although the stocks fall into 22 different sectoral categories, the empirical evidence shows that they exhibit discernible movements within 3 or 4 sub-groups, indicating stock behavior is driven primarily by financial dynamics rather than sectoral influences. For instance, the firms operating in the automotive industry fall into different cluster groups. Moreover, the empirical findings show that the relationship of stocks is dynamic rather than static. Some important centrality measures also show that the banking sector plays a central role in this network structure. Last but not least, the empirical findings suggest that the correlation between stock returns rose after the COVID-19 outbreak.

🔖

Bu Makaleye Atıf Yap

Kahraman, İ. K., Nazlıoğlu, E. H. (2025). Çok kriterli karar verme yöntemleri ile aracı kurumların finansal performans analizi: Entropi-TOPSIS yöntemi. Erciyes Üniversitesi İktisadi ve İdari Bilimler Fakültesi Dergisi, Sayı: 71, 131–137. https://doi.org/10.18070/erciyesiibd.1683551

📄 Tam Metin PDF Okuyucu

📄

PDF görüntüleyici hazırlanıyor...

Kaynakça (41)

  1. Akyüz, Y., & Kaya, Z. (2013). Türkiye’de hayat dışı ve hayat/emeklilik sigorta sektörünün finansal performans analiz ve değerlendirilmesi. Sosyal Ekonomik Araştırmalar Dergisi, 13(26), 355-371.
  2. Aras, G., Tezcan, N., & Kutlu Furtuna, O. (2018). Comprehensive evaluation of the financial performance for intermediary institutions based on multi-criteria decision making method. Journal of Capital Markets Studies, 2(1), 37-49. https://doi.org/10.1108/ JCMS-04-2018-0013
  3. Arıkan Tezergil, S. (2018). Aracı kurumların finansal performanslarının TOPSIS yöntemi ile incelenmesi. Mali Çözüm Dergisi, 28, 43-58.
  4. Bağcı, H., & Rençber, Ö. F. (2014). Kamu bankaları ve halka açık özel bankaların PROMETHEE yöntemi ile kârlılıklarının analizi. Aksaray Üniversitesi İktisadi ve İdari Bilimler Fakültesi Dergisi, 6(1), 39-47.
  5. Banadkouki, M. R. Z. (2023). Selection of strategies to improve energy efficiency in industry: A hybrid approach using entropy weight method and fuzzy TOPSIS. Energy, 279, 128070. https://doi.org/10.1016/j.energy.2023.128070
  6. Baykuş, O., & Bektaş, S. (2024). BİST aracı kurumlar (XAKUR) endeksinde yer alan şirketlerin finansal performanslarının değerlendirilmesi. Kırklareli Üniversitesi Sosyal Bilimler Dergisi, 8(2), 127-146. https://doi.org/10.47140/kusbder.1543782
  7. Bayram, E. (2021). Türkiye’deki katılım bankalarının CRITIC temelli EDAS yöntemiyle performans değerlendirmesi. Finansal Araştırmalar ve Çalışmalar Dergisi, 13(24), 55- 72. https://doi.org/10.14784/marufacd.879171
  8. Çalışkan, E., & Eren, T. (2016). Bankaların performanslarının çok kriterli karar verme yöntemiyle değerlendirilmesi. Ordu Üniversitesi Bilim ve Teknoloji Dergisi, 6(2), 85- 107.
  9. Dinçer, H., & Görener, A. (2011). Analitik hiyerarşi süreci ve VIKOR tekniği ile dinamik performans analizi: Bankacılık sektöründe bir uygulama. İstanbul Ticaret Üniversitesi Sosyal Bilimler Dergisi, 10(19), 109-127.
  10. Dymova, L., Sevastjanov, P., & Tikhonenko, A. (2013). A direct interval extension of TOPSIS method. Expert Systems with Applications, 40(12), 4841-4847. https://doi. org/10.1016/j.eswa.2013.02.022
  11. Erdoğan, B. (2022). COVID-19 kamu sermayeli mevduat bankalarının performansını nasıl etkiledi? SV-EDAS modeli uygulaması. Sosyal, Beşerî ve İdari Bilimler Dergisi, 5(7), 897-912. https://doi.org/10.26677/TR1010.2022.1034
  12. Eroğlu, E., Yıldırım, B., Yıldırım, B. F., & Özdemir, M. (2014). Çok kriterli karar vermede “ORESTE” yöntemi ve personel seçiminde uygulanması. İstanbul Üniversitesi İşletme Fakültesi İşletme İktisadı Enstitüsü Yönetim Dergisi, 25(76), 1-19.
  13. Erol, I., & Ferrell Jr, W. G. (2009). Integrated approach for reorganizing purchasing: Theory and a case analysis on a Turkish company. Computers & Industrial Engineering, 56(4), 1192-1204. https://doi.org/10.1016/j.cie.2008.07.011
  14. Günay, B., & Kaya, İ. (2017). Borsa İstanbul’da yer alan aracı kurumların performansının çok kriterli karar verme yöntemleri ile değerlendirilmesi. Manisa Celal Bayar Üniversitesi Sosyal Bilimler Dergisi, 15(2), 141-164. https://doi.org/10.18026/cbayarsos.323997
  15. Gündüz, L., Yılmaz, C. & Yılmaz, M. K. (2001). Türkiye’deki aracı kurumların performans analizi (1993-1998): Kantitatif bir değerlendirme”, Ekonomi ve Yönetim Bilimleri Dergisi, 1(3), 38-53.
  16. Hwang, C. L., & Yoon, K. (1981). Methods for multiple attribute decision making. Multiple attribute decision making, 186, 58-191, Springer. https://doi.org/10.1007/978-3-642- 48318-9_3
  17. İşseveroğlu, G. & Sezer, O. (2015). Financial performance of pension companies operating in Turkey with TOPSIS analysis method. International Journal of Academic Research in Accounting, Finance and Management Sciences, 5(1), 137-147. https://doi. org/10.6007/IJARAFMS/v5-i1/1533
  18. Jahanshahloo, G. R., Lotfi, F. H., & Izadikhah, M. (2006). An algorithmic method to extend TOPSIS for decision-making problems with interval data. Applied Mathematics and Computation, 175(2), 1375-1384. https://doi.org/10.1016/j.amc.2005.08.048
  19. Kamuyu aydınlatma platformu KAP (2025). https://www.kap.org.tr/tr/Sektorler. (Erişim tarihi: 10.04.2025).
  20. Kılıçarslan, A., & Sucu, M. Ç. (2021). Çok ölçütlü karar verme yöntemleri ile finansal performans sıralamaları portföy yönetim şirketleri üzerine bir uygulama. Erciyes Akademi, 35(4), 1451-1480. https://doi.org/10.48070/erciyesakademi.994546
  21. Kılıçarslan, A., & Sucu, M. Ç. (2022). Marka değerinin HİROSE yöntemiyle tespiti ve finansal performans analizi: Borsa İstanbul’da işlem gören aracı kurumlar üzerine bir uygulama. İşletme Araştırmaları Dergisi, 14(3), 1937-1952. https://doi.org/10.20491/ isarder.2022.1481
  22. Köse, A., & Akıllı, K. (2021). Aracı kurumların finansal performanslarının VIKOR yöntemi ile değerlendirilmesi. Cumhuriyet Üniversitesi İktisadi ve İdari Bilimler Dergisi, 22(2), 168-192. https://doi.org/10.37880/cumuiibf.952969
  23. Kula, V., Kandemir, T., & Baykut, E. (2016). Borsa İstanbul’da işlem gören sigorta ve BES şirketlerinin finansal performansının gri ilişkisel analiz yöntemi ile incelenmesi. Afyon Kocatepe Üniversitesi İktisadi ve İdari Bilimler Fakültesi Dergisi, 18(1), 37-53.
  24. Kumar, P., & Singh, R. K. (2012). A fuzzy AHP and TOPSIS methodology to evaluate 3PL in a supply chain. Journal of Modelling in Management, 7(3), 287-303. https://doi. org/10.1108/17465661211283287
  25. Mavi, R. K., Goh, M., & Mavi, N. K. (2016). Supplier selection with Shannon entropy and fuzzy TOPSIS in the context of supply chain risk management. Procedia-Social and Behavioral Sciences, 235, 216-225. https://doi.org/10.1016/j.sbspro.2016.11.017
  26. Medetoğlu, B. (2024). Çok kriterli karar verme yöntemleriyle finansal performans analizi: BIST aracı kurumları üzerine uygulama. Uluslararası İktisadi ve İdari İncelemeler Dergisi. 45, 115-132. https://doi.org./10.18092/ulikidince.1482731
  27. Okay, G., & Köse, A. (2015). Financial performance analysis of brokerage firms quoted on the Istanbul Stock Exchange using the TOPSIS method of analysis. International Journal of Business and Social Science, 6(8), 68-77.
  28. Ömürbek, N., & Özcan, A. (2024). BIST’de işlem gören sigorta şirketlerinin MULTIMOORA yöntemiyle performans ölçümü. Uluslararası İşletme, Ekonomi ve Yönetim Perspektifleri Dergisi, 1(2), 64-75. https://doi.org/10.20989/ijbemp.9
  29. Özdemir, O., & Parmaksız, S. (2022). BIST Enerji işletmelerinin finansal performanslarının çok kriterli karar verme teknikleri ile karşılaştırılması: TOPSIS ve EDAS yöntemleri ile analiz. Başkent Üniversitesi Ticari Bilimler Fakültesi Dergisi, 6(1), 34-56.
  30. Pala, O. (2022). İMV ve WASPAS tabanlı aracı kurum performans değerlendirilmesi. Anadolu Üniversitesi İktisadi ve İdari Bilimler Fakültesi Dergisi, 23(3), 266-281. https://doi.org/10.53443/anadoluibfd.1103297
  31. Sakarya, Ş., & Aytekin, S. (2013). İMKB’de işlem gören mevduat bankalarının performansları ile hisse senedi getirileri arasındaki ilişkinin ölçülmesi: PROMETHEE çok kriterli karar verme yöntemiyle bir uygulama. Uluslararası Alanya İşletme Fakültesi Dergisi, 5(2), 99-109.
  32. Sarıyar, Ş. (2008). Aracı Kurumlar, Sermaye Piyasası Hukuku, İstanbul.
  33. Shannon, C. E. (1948). A mathematical theory of communication. The Bell System Technical Journal, 27(3), 379-423. https://doi.org/10.1002/j.1538-7305.1948.tb01338.x
  34. Şeyranlıoğlu, O., & Kara, M. A. (2024). Aracı kurumların borsa performanslarının Entropi ve CODAS yöntemleri ile değerlendirilmesi. Yönetim ve Ekonomi Dergisi, 31(1), 183- 202. https://doi.org/10.18657/yonveek.1271659
  35. Taşçı, MZ. & Akbalık, M. (2022). Performance analysis of insurance companies operating in the Turkish insurance sector’s life and retirement branches using multiple-criteria decision-making methods. Journal of Economics and Administrative Sciences, 23(3), 726-735. https://doi.org/10.37880/cumuiibf.1091106
  36. Temizel, F. & Beyçelebi, B. (2015). Finansal oranların TOPSIS sıralaması ile yıllık getiriler arasındaki ilişki: Tekstil imalatı sektörü üzerine bir uygulama. Anadolu Üniversitesi Sosyal Bilimler Dergisi, 16(2): 159-170. https://doi.org/10.18037/ausbd.389248
  37. Torkayesh, A. E., Ecer, F., Pamucar, D., & Karamaşa, Ç. (2021). Comparative assessment of social sustainability performance: Integrated data-driven weighting system and CoCoSo model. Sustainable Cities and Society, 71, 102975. https://doi.org/10.1016/j. scs.2021.102975
  38. Türkiye Sermaye Piyasaları Birliği, (TSPB). (2024). Türkiye Sermaye Piyasası 2023. Mayıs 2024, TSPB Yayın No. 95, www.tspb.org.tr
  39. Türkiye Sermaye Piyasaları Birliği, (TSPB). (2025). Türkiye Sermaye Piyasası Yayınları. Ocak 2025, TSPB Yayın No. 95, www.tspb.org.tr
  40. Yayar, R., & Baykara, H. V. (2012). TOPSIS yöntemi ile katılım bankalarının etkinliği ve verimliliği üzerine bir uygulama. Business and Economics Research Journal, 3(4), 21- 42.
  41. Zou, Z. H., Yi, Y., & Sun, J. N. (2006). Entropy method for determination of weight of evaluating indicators in fuzzy synthetic evaluation for water quality assessment. Journal of Environmental Sciences, 18(5), 1020-1023. https://doi.org/10.1016/S1001- 0742(06)60032-6