Zafer UYSAL, Mehmet PEKKAYA

113102

DEMİR ÇELİK İŞLETMELERİNDE PANDEMİ DÖNEMİ SATIŞ DEĞERLENDİRMESİ VE SATIŞ MODELLEMESİ

Demir çelik işletmelerinin ürünleri, imalat sanayisinin girdisi olması nedeniyle, demir çelik işletmelerinin satış tahminleri sadece kendileri için değil diğer üretim işletmeleri için de büyük öneme sahip olarak görülebilir. Çalışmanın ilk amacı, demir-çelik işletmesinin pandemi döneminde satış miktarlarındaki farklılıkların analizi, ikinci amacı ise satışta etkili faktörlerin modellenmesi ve elde edilen sonuçların paylaşılmasıdır. Analiz sonuçlarına göre, seçilen demir çelik işletmesinin ürün fiyatlarının pandemi döneminde genel olarak düştüğü ve satışlarının arttığı görülmüştür. Firma ürünlerinin üretim işletmelerine hammadde sağladığı bilindiğinden, bu üretim işletmeleri üretimin yavaşladığı bu dönemde düşen fiyatları fırsat bilerek, kendi hammadde stoklarını güçlendirdikleri şeklinde yorumlanmıştır. Çalışmada ayrıca talebi etkileyen faktörlerin belirlenmesi için regresyon modelleri kurulmuştur. Regresyon modellerine göre, ürünün kendi fiyatı ve “satın alma müdürleri endeksi”nin satışları etkilediği sonucuna varılmıştır. Nihai modellerde az sayıda değişken kalması, beş modelden üçünün kabul edilebilir olması sonuçlara temkinli yaklaşılması düşüncesine neden olmuş, doğrusal olmayan modellerin de araştırılması önerilmiştir. Türkiye’de demir çelik işletmelerinin satış tahminini etkileyen faktörlerin modellenmesi üzerine literatürde oldukça az sayıda çalışmaya rastlanması bu alanda yapılan çalışmaların önemini arttırmaktadır.

ALES EVALUATION DURING THE PANDEMIC PERIOD AND SALES MODELING IN IRON-STEEL ENTERPRISES

Since the products of iron-steel enterprises are the inputs of the manufacturing industry, the sales forecasts of iron-steel enterprises can be seen as being of great importance not only for themselves but also for other manufacturing enterprises. The first aim of the study is to analyze the differences in the sales amounts of the iron-steel business during the pandemic period, and the second aim is to model the factors effective in sales and to share the results obtained. According to the results of the analysis, it is observed that the product prices of the selected iron-steel business fell in general during the pandemic period, as their sales increased. Since it is known that the products of the company provide raw materials to the production enterprises, these production enterprises are interpreted as strengthening their raw material stocks, taking advantage of the falling prices in this period when the production slows down. Regression models are also established in the study to determine the factors affecting demand. According to the regression models, it is concluded that the product’s price and “the purchasing managers index” affect sales. The fact that there are few variables in the final models and that three of the five models are acceptable led to the idea of a cautious approach to the results, and then nonlinear models are also proposed to be investigated. A small number of studies observed in the related literature on modeling the factors affecting the estimated sales of iron-steel enterprises in Turkey is increasing the importance of this study in this area.
PDF

___

  • Abbott, A. J., Lawler, K. A. & Armistead, C. (1999). The UK demand for steel. Applied Economics, 31, 1299-1302.
  • Akyurt, İ. Z. (2015). Talep tahmininin yapay sinir ağlarıyla modellenmesi: Yerli otomobil örneği. İstanbul Üniversitesi İktisat Fakültesi Ekonometri ve İstatistik Dergisi, 23, 147-157.
  • Azadeh, A., Neshat, N., Mardan, E. & Saberi, M. (2013). Optimization of steel demand forecasting with complexand uncertain economic inputs by an integrated neural network–fuzzy mathematical programming approach. The International Journal of Advanced Manufacturing Technology, 65, 833-841.
  • Azlina, A. B., Nik, H. N. M. & Ismail, R. (2013). Factors affecting energy demand in developing countries: A dynamic panel analysis. International Journal of Energy Economics and Policy, 3(4), 1-6.
  • Barska, M. (2014). Demand forecast with business climate index for a steel and iron industry representative. Quantitative Methods In Economic, 15(2), 27-36.
  • Chang, P., Wang, Y.-W. & Tsai, C.-Y. (2005). Evolving neural network for printed circuit board sales forecasting. Expert Systems with Applications, 29(1), 83-92.
  • Crompton, P. (2000). Future trends in Japanese steel consumption. Resources Policy, 26, 103-114.
  • Crompton, P. & Wu, Y. (2010). Bayesian vector autoregression forecasts of Chinese steel consumption. Journal of Chinese Economics and Business Studies, 1(2), 205-219.
  • ÇİB (2020). Çelik İhracatçıları Birliği web sayfasından İstatistikler. Erişim Tarihi: 02.10.2020, http:// www.cib.org.tr/tr/istatistikler.html.
  • DÇB (2020). Dünya Çelik Birliği web sayfası. Erişim Tarihi: 02.10.2020, http:// www.worldsteel.org
  • Dökmen, G., Pekkaya, M. & Saymaz, N. (2019). Sigara bağımlılığı ve devletin sigara tüketimi ile mücadele yöntemleri arasındaki ilişki. Maliye Dergisi, 176, 599-623.
  • Ecemiş, O. (2018). Model ağaç yöntemiyle satış tahmini: Paslanmaz çelik sektöründe bir uygulama. Akademik Sosyal Araştırmalar Dergisi, 6(84), 336-350.
  • Efendigil, T., Önüt, S. & Kahraman, C. (2009). A decision support system for demand forecasting with artificial neural networks and neuro-fuzzy models: A comparative analysis. Expert Systems with Applications, 36(3), 6697-6707.
  • Evans, M. (1996). Modelling steel demand in the UK. Ironmaking and Steelmaking, 23, 17–24.
  • Evans, M. (2014). An alternative approach to estimating the parameters of a generalised Grey Verhulst model: An application to steel intensity of use in the UK. Expert Systems with Applications, 41, 1236–1244.
  • Hayes, A. F. & Cai, L. (2007). Using heteroskedasticity-consistent standard error estimators in OLS regression: An introduction and software implementation. Behavior Research Methods, 39(4), 709-722.
  • Hicham, A. & Bouhorma, M. (2012). Hybrid intelligent system for sale forecasting using delphi and adaptive fuzzy back-propagation neural networks. (IJACSA) International Journal of Advanced Computer Science and Applications, 3(11), 122-130.
  • Huh, K. S. (2011). Steel consumption and economic growth in Korea: Long-term and short-term evidence. Resources Policy, 36, 107-113.
  • İSO (2020). İstanbul Sanayi Odası. Erişim Tarihi: 02.10.2020, http://www.iso.org.tr/.
  • Koochakpour, K. & Tarokh, M. J. (2016). Sales budget forecasting and revision by adaptive network fuzzy base inference system and optimization methods. Journal of Computer & Robotics, 9(1), 25-38.
  • Oğcu, G., Demirel, O. F. & Zaim, S. (2012). Forecasting electricity consumption with neural networks and support vector regression. Procedia – Social and Behavioral Sciences, 58, 1576-1585.
  • Pekkaya, M. (2011), ARFIMA ve FIGARCH yöntemlerinin Markowitz ortalama varyans portföy optimizasyonunda kullanılması: İMKB-30 endeks hisseleri üzerine bir uygulama (Yayınlanmamış Doktora Tezi). Zonguldak Bülent Ecevit Üniversitesi, Sosyal Bilimler Enstitüsü.
  • Pekkaya, M. & Akıllı, F. (2013). Hava yolu hizmet kalitesinin SERVPERF-SERVQUAL ölçeği ile değerlendirmesi ve istatistiksel analizi. AİBÜ İİBF Ekonomik ve Sosyal Araştırmalar Dergisi, 9(1), 75-96.
  • Psiloglou, B. E., Giannakopoulos, C., Majithia, S. & Petrakis, M. (2009). Factors affecting electricity demand in Athens, Greece and London, UK: A comparative assessment. Energy, 34(11), 1855- 1863.
  • TB (2018). Ticaret Bakanlığı, demir-çelik, demir-çelikten eşya sektör raporu. Erişim Tarihi: 02.10.2020, https://ticaret.gov.tr/data/5b87000813b8761450e18d7b/Demi_Celik _Demir_Celikten_Esya.pdf.
  • TCMB (2020). Türkiye Cumhuriyet Merkez Bankası. Erişim Tarihi: 02.10.2020, https://www.tcmb.gov. tr/.
  • TÜİK (2020). Türkiye İstatistik Kurumu. Erişim Tarihi: 02.10.2020, https://www.tuik.gov.tr/.
Uluslararası Yönetim İktisat ve İşletme Dergisi-Cover
  • ISSN: 2147-9208
  • Yayın Aralığı: 4
  • Başlangıç: 2005
  • Yayıncı: Zonguldak Bülent Ecevit Üniversitesi
Arşiv
Sayıdaki Diğer Makaleler

DEMİR ÇELİK İŞLETMELERİNDE PANDEMİ DÖNEMİ SATIŞ DEĞERLENDİRMESİ VE SATIŞ MODELLEMESİ

Zafer UYSAL, Mehmet PEKKAYA