Cilt 10 Sayı 3 (2022): Business & Management Studies: An International Journal
Makaleler

BIST’te toptan ve perakende ticaret, lokantalar ve oteller sektöründe işlem gören işletmelerde beklenen kredi zararının finansal durum tablolarına etkisi

PDF
  • Semra ÇAĞLAR,
  • Günay Deniz DURSUN
Semra ÇAĞLAR
Doktora Öğrencisi, İstanbul Aydın Üniversitesi, Muhasebe ve Finans Yönetimi Anabilim Dalı, Muhasebe ve Denetimi Programı, İstanbul, Türkiye
Günay Deniz DURSUN
Doç. Dr., Beykent Üniversitesi, İktisadi ve İdari Bilimler Fakültesi, İşletme Bölümü İstanbul, Türkiye
DOI: https://doi.org/10.15295/bmij.v10i3.2090

Yayınlanmış 2022-09-25

Anahtar Kelimeler

  • Beklenen Kredi Zararı, Panel Veri Analizi, TFRS 9, Finansal Araçlar
  • Anticipated Credit Loss, Panel Data Analysis, TFRS 9, Financial Instruments

Nasıl Atıf Yapılır

ÇAĞLAR, S., & DURSUN, G. D. (2022). BIST’te toptan ve perakende ticaret, lokantalar ve oteller sektöründe işlem gören işletmelerde beklenen kredi zararının finansal durum tablolarına etkisi. Business & Management Studies: An International Journal, 10(3), 931–955. https://doi.org/10.15295/bmij.v10i3.2090

Telif Hakkı (c) 2022 Semra ÇAĞLAR- Günay Deniz DURSUN

Creative Commons License

Bu çalışma Creative Commons Attribution-NonCommercial-NoDerivatives 4.0 International License ile lisanslanmıştır.

Özet

Bu çalışmanın amacı, Türkiye Finansal Raporlama Standardı 9 Finansal Araçlar (TFRS 9) ile uygulamaya konulan beklenen kredi zararlarının Borsa İstanbul A.Ş.’de (BIST) işlem gören Toptan ve Perakende Ticaret, Lokantalar ve Oteller Sektöründeki işletmelerin finansal durum tablolarına etki düzeylerini belirlemektir. Araştırma kapsamında, BIST’te işlem gören Toptan ve Perakende Ticaret, Lokantalar ve Oteller Sektöründeki işletmelerin 2018-2021 dönemlerine ait finansal durum tabloları ve dipnotlarından elde edilen beklenen kredi zararı / dönen varlık oranının; likidite oranları, finansal yapı oranları, kârlılık oranları ve büyüme oranları ile etkisi panel veri analiz yöntemleri ile incelenmiştir. Araştırmanın bulguları değerlendirildiğinde; beklenen kredi zararı / dönen varlık oranının; likidite oranları, finansal yapı oranları, kârlılık oranları ve büyüme oranları üzerinde olumsuz yönde etkili olduğu sonucuna ulaşılmıştır. Beklenen kredi zararı / dönen varlık oranı; işletmelerin likit varlıkları, kısa vadeli alacakları, dönen varlıkları, aktif toplamı, kârlılıkları ve öz kaynakları üzerinde azalışa sebep olmuştur.

PDF

İndirmeler

İndirme verileri henüz mevcut değil.

Referanslar

  1. Akbayır, F,, & Yereli, A, B, (2020), Türkiye’de birincil dengeyi etkileyen faktörler, Eskişehir Osmangazi Üniversitesi İİBF Dergisi, 15(2), 565-582,
  2. Akçin, O,, & Şen, İ, K, (2019), Özkaynak yatırımlarının UFRS 9 finansal araçlar standardı uyarınca muhasebeleştirilmesi, Muhasebe ve Finansman Dergisi, 83, 131-146,
  3. Akdoğan, N,, & Tenker, N, (2010), Finansal Tablolar ve Mali Analiz Teknikleri, Ankara: Gazi Kitabevi,
  4. Alves, A, T,, Bordin, M, P,, Gonzales, A,, & Santos, F, A, (2020), The impact from adapting of the IFRS 9 (CPC 48) on expected credit losses (ECL) in brazilian energy companies, Revista Ambiente Contábil, 12(1), 21-43,
  5. Arslan, A,, & Zaif, F, (2021), Beklenen kredi zararlarının ölçümünde kullanılan yöntemler: BIST 30’da bir araştırma, Muhasebe Bilim Dünyası Dergisi, 23(1), 144-171,
  6. Barnoussi, A, E,, Howieson, B,, & Beest, F, V, (2020), Prudential application of IFRS 9: (Un) fair reporting in COVID-19 crisis for banks worldwide?!, Australian Accounting Review, 94(30), 178-192,
  7. Beerbaum, D, (2020), COVİD-19: ABD değerleme modeli (CECL) ve UFRS 9 model değeri (ECL) çerçevesinde kredi departmanındaki transferler dengesi, Journal Of Applied Research İn Memory and Cognition, 1-12,
  8. Breitung, J, (2005), A parametric approach to the estimation of cointegration vectors in panel data, Econometric Reviews, 24(2), 151-173,
  9. Breuer, J, B,, Mcnown, R, F,, & Wallace, M, S, (2002), Series- specific unit root test with panel data, Oxford Bulletin of Economics and Statistics, 64, 527–573,
  10. Brkovic, M, (2017), IFRS 9 ımplementation in banks and macroeconomic scenarios some methodological aspects, Bankarstvo, 46(3), 36-51,
  11. Doğru, B, (2014), Türkiye’de para talebinin uzun ve kısa dönem dengesinin ARDL ve VEC yaklaşımları ile analiz edilmesi, Ekonomik ve Sosyal Araştırmalar Dergisi, 10(2), 19-31,
  12. Fidan, M, M, (2019), Ticari alacaklarda değer düşüklüğü–TFRS 9 finansal araçlar standardının basit yaklaşımı ve vergi usul kanunu karşılaştırılması, Muhasebe ve Finansman Dergisi, 81, 37-58,
  13. Gökgöz, A, (2019), TFRS 9 finansal araçlar standardı çerçevesinde ticari alacaklara ilişkin beklenen kredi zararlarının tespiti ve muhasebeleştirilmesi,, Journal of Accounting, Finance and Auditing Studies, 5(2), 163-178,
  14. Groff, M, Z,, &Mörec, B, (2020), IFRS 9 transition effect on equity in a post bank recovery environment: The case of slovenia, Economic Research, 1-17,
  15. Grzybowska, U,, & Karwanski, M, (2020), Application of machine learning method under IFRS 9 approach to LGD modeling, Proceedings of the 10th Polish Symposium on Physics in Economy and Social Sciences, 138(1), 116-122,
  16. Güzel, A, E,, & Arslan, Ü, (2019), Piyasa ekonomisi kurumları, ekonomik küreselleşme ve insani gelişme: OECD ülkeleri için ampirik bir araştırma, Erciyes Üniversitesi İktisadi ve İdari Bilimler Fakültesi Dergisi, 53, 39-58,
  17. Hadri, K, (2000), Testing for stationarity in heterogeneous panel data, The Econometrics Journal, 3, 148-161,
  18. Hadri, K,, & Kurozumi, E, (2012), A simple panel stationarity test in the presence of serial correlation and a common factor, Economics Letters, 115(1), 31-34,
  19. Halilbegoviç, S,, Šaković, E,, Arapoviç, A, O,, & Čelebić, N, (2019), Implementation effects of “IFRS 9 impairment modelling for financial instruments” on regulatory capital banks in federation of bosnia and herzegovina, European Journal of Economic Studies, 8(2), 120-130,
  20. Ilgaz, B, Oran analizleri, Erişim Tarihi 27 Haziran 2022, www,bilgaz,net/dosyalar/orananalizi,pdf
  21. Im, K,S,, Pesaran, M,H,, & Shin, Y, (2003), Testing for unit roots in heterogeneous panels, Journal of Econometrics, 115, 53-74,
  22. Karaarslan, S,, & Gülhan, O, (2020), TFRS 9’a geçişin Türkiye’de halka açık bankaların finansal durum tablolarına etkileri, Muhasebe ve Finansman Dergisi, 86, 111-124,
  23. Landini, S,, Uberti, M,, & Casellina, S, (2018), Credit risk migration rates modeling as open systems: A micro-simulation approach, Commun Nonlinear Sci Numer Simulat, 58, 147–166,
  24. Levin, A,, Lin, C,F,, & Chu, C,S,J, (2002), Unit root tests in panel data: Asymptotic and finite-sample properties, Journal Of Econometrics, 108(1), 1-24,
  25. Mechelli, A,, & Cimini, R, (2020), The efect Of corporate governance and investor protection environments on the value relevance of new accounting standards: The case of IFRS 9 and IAS 39, Journal of Management and Governance, 25(4), 1-26,
  26. Pesaran, M, H, (2004), General diagnostic tests for cross section dependence in panels, Cesifo Working Paper No, 1229, 1-39,
  27. Pesaran, M, H, (2007), A simple panel unit root test in the presence of cross-section dependence, Journal of Applied Econometrics, 22, 265-312,
  28. Sağdıç, E,N,, & Yıldız, F, (2021), Küreselleşme sürecinde finansal gelişmişliğin vergi gelirleri üzerindeki etkisi: Türkiye örneği (1986-2018), The Journal of International Scientific Researches, 6(2), 108-122,
  29. Schutte, W,D,, Verster, T,, Doody, D,, Raubenheimer, H,, & Coetzee, P, J, (2020), A proposed benchmark model using a modularised approach to calculate IFRS 9 expected credit loss, Cogent Economics & Finance, 8(1), 1-27,
  30. Taylor, M, P,, & Sarno, L, (1998), The behavior of real exchange rates during the post-bretton woods period, Journal of International Economics, 46, 281-312,
  31. TCMB, Oran formülleri, Erişim Tarihi 27 Haziran 2022, http://www3,tcmb,gov,tr/sektor/dosyalar/menu/ratios_tr,pdf