A study on the measurement of financial performance of airline companies by TOPSIS and ratio analysis
Bibliographic record
Abstract
Bu araştırma ile, yarattığı gelir itibariyle en büyük 15 havayolu içinden, muhasebe dönemi ve iş modeli açısında homojen olarak seçilen 10 havayolu şirketinin, 2010-2019 yılları arasındaki 10 yıllık finansal performansları; oran analizi ve TOPSIS çoklu karar verme yöntemi ile ölçülmeye çalışılmıştır. Çalışmada finansal performans ölçümü yapılan havayolu şirketleri: Delta, American, United, Lufthansa AG, Air France-KLM ,International Airlines Group (IAG), China Southern,, Air China, China Eastern, ve Air Canada havayolu grup şirketleridir. Çalışmanın amacı; oran analizi ve TOPSIS çoklu karar verme yöntemlerini kullanarak havayolu şirketlerinin finansal performanslarını ölçmek ve bir başarı sıralaması yaparak ortaya çıkan tabloyu değerlendirmektir. Çalışmada kullanılan verilerin kaynağını, havayolu şirketlerinin resmi internet sitelerinde yayınladıkları finansal tablolar ve yıllık raporlar oluşturmaktadır. Performans kriterlerinin seçimi yapılırken, konuyla ilgili daha önce yapılan çalışmalar incelenmiş ve finansal rasyolar; likidite oranları (cari oran, nakit oran), mali yapı oranları (finansal kaldıraç oranı, borçlanma katsayısı, duran varlık/ özsermaye oranı), karlılık oranları (özsermaye karlılık oranı, aktif karlılık oranı, faaliyet kar marjı, net kar marjı) olarak dört grup halinde belirlenmiş ve bunlara ilaveten havayolu performans kriterlerinden; ücretli yolcu kilometre ve koltuk doluluk oranı metrikleri de beşinci bir grup olarak eklenerek çalışmanın modeli oluşturulmuştur. Çalışmanın sonucunda, oran analizi ve TOPSIS yöntemiyle elde edilen bulguların birbirleri ile tutarlı oldukları görülmüştür. TOPSIS sıralama sonuçlarında; IAG, Air Canada, Delta ve United, ağırlıklı olarak üst sıralarda çıkarken, Çin merkezli şirketler alt sıralarda yer almışlardır. Oran analizi bulgularına göre havayolu şirketlerinin, kar majlarının düşük olduğu ve istikrarlı karlar elde edemedikleri, varlıklarının ağırlıklı olarak yüksek borçlar ile finanse edildiği, duran varlıklarının yoğunluğu, likidite riski taşıdıkları, borç özkaynak dengesinin tam olarak kurulamamış olması gibi finansal riskler taşıdıkları tespit edilmiştir.
Fetched live from OpenAlex and de-inverted. Abstracts are not stored in this database: the inverted indexes are 8.6 GB of the frame’s 9.3 GB of text, and the host has 13 GB free.
How this classification was reachedexpand
Full frame machine prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. The Gemma side is a direct model label for every work in the frame, read from the title-only record. The Codex side is a classifier learned from the 10,348 direct Codex labels and calibrated to design-weighted sample rates; fields without enough sample support carry no Codex call. Candidate is the union of the two sides; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels.
Distilled classifier scores by category (both heads)
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.004 | 0.010 |
| Meta-epidemiology (narrow) | 0.001 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.001 |
| Bibliometrics | 0.004 | 0.004 |
| Science and technology studies | 0.000 | 0.000 |
| Scholarly communication | 0.002 | 0.001 |
| Open science | 0.000 | 0.001 |
| Research integrity | 0.000 | 0.001 |
| Insufficient payload (model declined to judge) | 0.003 | 0.001 |
Machine scores (provisional)
The two teacher heads of the student model, read on this work. A score orders the frame for review; it never asserts a category, and the validation status ships verbatim with every row.
Baseline scores from an immature model (maturity gate not passed, 7 training rounds). Scores rank; they never assert a category.
score_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from itClassification
machine, unvalidatedMachine predicted; a candidate call from one source (direct Gemma or distilled Codex), not a consensus.
How this classification was reached, model by model and score by score, is at the end of the page under "How this classification was reached".