Παράγοντες που επηρεάζουν την κερδοφορία των εταιριών στον κλάδο των πετρελαιοειδών

Abstract

Στην παρούσα διπλωματική εργασία μελετώνται οι παράγοντες που επηρεάζουν την κερδοφορία των εταιριών που δραστηριοποιούνται στον κλάδο των πετρελαιοειδών. Ειδικότερα, μέσα από την χρήση επτά χρηματοοικονομικών δεικτών, εξετάζεται η συσχέτιση μεταξύ της ρευστότητας και της χρηματοοικονομικής μόχλευσης με την κερδοφορία των εν λόγω εταιριών. Παράλληλα ,λαμβάνονται υπόψη τρεις παράγοντες που διαμορφώνουν το επιχειρηματικό περιβάλλον, όπως η μέση ετήσια χρηματιστηριακή τιμή του βαρελιού πετρελαίου, ο πληθωρισμός και το ΑΕΠ της χώρας στην οποία εδρεύει η κάθε εταιρία. Αρχικά, παρουσιάζεται η βιβλιογραφία που σχετίζεται με το συγκεκριμένο αντικείμενο, προκειμένου να τεκμηριωθεί η θεωρητική βάση της μελέτης. Στην συνέχεια, πραγματοποιείται στατιστική ανάλυση στα αποτελέσματα των 17 εταιριών που επιλέχθηκαν κατά την περίοδο 2014 -2023.Η εφαρμογή της στατιστικής ανάλυσης γίνεται μέσω της δημιουργίας δύο μοντέλων πολλαπλής γραμμικής παλινδρόμησης, με στόχο τη διερεύνηση των σχέσεων μεταξύ των μεταβλητών. Τέλος, παρουσιάζονται τα αποτελέσματα της ανάλυσης και εξάγονται τα συμπεράσματα της συνολικής έρευνας, ενώ παράλληλα γίνεται αναφορά στους περιορισμούς της μελέτης καθώς και σε προτάσεις για μελλοντική έρευνα στον συγκεκριμένο κλάδο.This thesis examines the factors that influence the profitability of companies operating in the petroleum sector. Specifically, through the use of seven financial ratios, it investigates the correlation between liquidity and financial leverage with the profitability of these companies. At the same time, three factors shaping the business environment are taken into account: the average annual stock market price of a barrel of oil, inflation, and the GDP of the country in which each company is based. Initially, the relevant literature is presented in order to establish the theoretical foundation of the study. Subsequently, a statistical analysis is conducted on the results of the 17 selected companies during the period 2014–2023. The statistical analysis is implemented through the creation of two multiple linear regression models, aiming to explore the relationships between the variables. Finally, the results of the analysis are presented and the conclusions of the overall research are drawn, along with a discussion of the study’s limitations and suggestions for future research in this sector.