Geri Dön

Spillovers between Turkish house pricing, stock exchanges, gold, CDS and exchange rate

Türkiye konut fiyatları, hisse endeksleri, altın, CDS ve döviz kuru arasındaki yayılımlar

PDF İndir

  1. Tez No: 557221
  2. Yazar: ESER ŞENTÜRK
  3. Danışmanlar: PROF. DR. BÜLENT GÜLOĞLU
  4. Tez Türü: Yüksek Lisans
  5. Konular: Ekonometri, Mühendislik Bilimleri, İnşaat Mühendisliği, Econometrics, Engineering Sciences, Civil Engineering
  6. Anahtar Kelimeler: Belirtilmemiş.
  7. Yıl: 2019
  8. Dil: İngilizce
  9. Üniversite: İstanbul Teknik Üniversitesi
  10. Enstitü: Fen Bilimleri Enstitüsü
  11. Ana Bilim Dalı: Gayrimenkul Geliştirme Ana Bilim Dalı
  12. Bilim Dalı: Gayrimenkul Geliştirme Bilim Dalı
  13. Sayfa Sayısı: 56

Özet

Amerika Birleşik Devletlerinde konut balonunun patlaması, küresel yatırımcıların Türkiye gibi yeni ekonomik pazarlar aramasına sebep olan 2007 – 2008 küresel finansal krizini tetikledi. Bu periyotta kalabalık genç nüfusun katkısıyla ev fiyatları Türkiyede arttı. Bu tezde Türkiyedeki konut fiyat dağılımlarının, hisse fiyatları, döviz kurları ve iflas takası primleri ve altın fiyatları arasındaki ilişkileri araştırıldı. Türkiyedeki finansal enstrümanların bu tarihi dataların yayılımını ve etkisini anlamak; çeşitli sebeplerden dolayı politika yapıcıları, şirketler ve yatırımcılar için yüksek öneme sahiptir. İlk olarak onlar politika yapımı ve yatırım konularında neler yapılacağına karar vermek zorundadırlar. Onlar ekonomik piyasalardaki rakamlar arasındaki ilişkileri bilmek zorundadırlar. İkinci olarak, onlar bu rakamları inceleyerek ekonominin geleceğini tahmin etmek zorundadırlar. Bu nedenle; konut fiyatlarının, döviz kurlarının, altın fiyatlarının, borsa endekslerinin ve kredi temerrüt takasının birbirlerini nasıl etkilediğini bulabilmek için bir VAR yaklaşımı kullanılır. Gelişen bağımlılık ve yayılmadan dolayı, küreselleşmiş finansal piyasa hareketleri altındaki ilişki dinamiklerini ve finansal gösterge enstrümanlarını ve finansal piyasalarını kavramak karar vericiler için önemlidir. Özellikle, bir ülkedeki ev fiyatları o ülkedeki diğer finansal enstrümanlar ve piyasalar üzerinde büyük etkiye sahiptir. Konut fiyatları üzerine geniş deneysel literatür ve finansal piyasalar ve finansal göstergeler arasında; vektör otoregresyon (VAR), genelleştirilmiş otoregresif şartlı heteroskedastiklik modelleri veya yayılma endeksleri vb. ekonometrik yollar bulunmaktadır. Ama Türkiyede konut fiyat yayılımları, hisse fiyatları, döviz kurları ve kredi temerrüt takasının etki seviyeleri hesabı hakkında literatür neredeyse hiç bulunmamaktadır. Bu nedenle ilk olarak konut fiyat yayılımları hakkında literatür incelendi ve sonra farklı piyasalara ve farklı ülkelere konsantre olunarak VAR ve GARCH modelleri incelendi. Konut fiyat yayılımlarını modellemek için kullanılan teknikler hızlıca gelişti ve çeşitlendi. Felipe ve Diranzo (2005) finansal piyasalar arasındaki bağıntıları değerlendirmek için kullanılan altı ana metodolojiyi belirtti; çapraz korelasyonlar, VAR modeller, eşbütünleşme modelleri, GARCH modelleri, rejim değişim modelleri ve stokastik volatilite modelleri. Bu sebeple, kısa ve uzun dönemde sadece değişkenlerin ortalamalarını modellemek değil aynı zamanda değişkenlerin varyanslarınıda modellemek çok önemlidir. Konut fiyatları ve diğer finansal göstergeler arasındaki etkileşimi modellemek için Engle (1982) nin Otoregresif şartlı heteroskedastik modelleri kurarak liderlik eden makalesi finansal ekonometriklerin ortalamasının yanı sıra yüksek frekanslı finansal zaman serilerinin varyans modeline işaret eder. Finansal göstergeleri ve ekonomik göstergeleri öncelikle hedefleyen çalışmalar birbirlerine tepki verebilir. İlişkileri anlamak için yazarlar farklı ülkeleri, bölgeleri, periyotları ve nispeten çeşitli metodolojileri incelediler. Bu sebeple çalışmaların sonuçları değişir. Çalışmalar için kabul edilen bir nokta olarak her bir metodolojinin kendi alanında benzersiz bir varlığı vardır. xxiv Bu tezde, iki hedef vardı. Spesifik olarak, bazı finansal enstrümanların birbirlerini nasıl etkilediği incelendi ve birbirleri arasındaki ilişkilerin açığa çıkarılması amaçlandı. Bu amaçla durağanlıkları test edebilmek için birim kök testleri uygulandı ve ikinci VAR modeli kuruldu. Bu işlemden sonra, Diebold – Yılmaz yayılma indeksi hesaplandı. İlk olarak, Türkiye Cumhuriyet Merkez Bankası verilerine bakıldı. Bu çalışmayı yaparken TCMB dosyalarında konut fiyat endeksleriyle ilgili sadece 96 adet veri vardı. Bu miktardaki veri VAR yaklaşımını yürütmek için yeterliydi ama daha sağlam sonuçlara ulaşmak için daha fazla veri bulmak zorunluluğu vardı. Bu sebeple daha fazla veri için Reidin şirketi ile iletişime geçildi. Reidin kompozit Türkiye endeksi 01.01.2003 ten 01.09.2018 tarihine kadar 189 veri içermektedir. Eviews yazılımında VAR modelini kurabilmek için altı zaman serisinin birim kökleri incelendi. Çünkü VAR model zaman serileri birim köklere sahip olmamalı ve durağan zaman seriler olmalıdır. Eğer zaman serisinde açık bir trend var ise, o zaman serisinin durağan olmayan zaman serisi olduğu kolayca tahmin edilebilir. Eğer onlar durağan olmayan zaman serileri iseler, onlar her değer arasındaki farklar hesaplanarak durağan hale getirilmelidir. Bunu farkettikten sonra bu zaman serilerinde onları durağan yapmak için logaritmik fark hesaplandı. Bu zaman serilerinin getirileri ve log farkları hesaplandı. Bundan sonra zaman serilerinin bu getirilerinin durağanlık seviyeleri birik kök testi uygulanarak tekrar kontrol edildi. Sonunda konut fiyat endeksi dışındaki zaman serileri log farkları hesaplanarak durağan hale getirildi. Konut fiyat endeks getiri grafiği 2008 yılında kısa bir periyotta hızlıca düşen ve hızlıca artan hareketlere sahiptir ve bu etkiler Birleşik Devletlerdeki mortgage krizinden kaynaklı olabilir. Konut fiyat endeksinin durağanlık seviyesi hakkında emin olabilmek için ilk kez Perron (1989) tarafından uygulanan yapısal kırılma testi uygulandı. Sonunda konut fiyat endeksi farkı durağandır ve durağan zaman serisi olarak kabul edilebilir. Eğer Zenginleştirilmiş Dickey – Fuller testinde zaman serilerinin t-istatistik değerleri %1, %5 ve %10 seviyelerindeki kritik test değerlerinden büyük ise, bu zaman serilerinin durağan olmadığı söylenebilir. Bu işlemlerden sonra 6 zaman serisiyle birlikte VAR modeli kuruldu. Bundan sonra Gecikme Sırası Seçim Kriteri incelendi ve“6”LR seçim kriteri gecikmesi için kullanıldı. Bundan sonra“6”gecikmesiyle tekrar bir VAR Modeli kuruldu. Ar Köklerinin hesaplanmasıyla VAR Modelin stabilitesi incelendi. Testin stabil olduğu kolayca anlaşıldı. Çünkü hiçbir kök birim dairenin içinde bulunmuyordu. Otokorelasyon LM Test çıktısında gecikme 5 hariç 6 gecikme içerisindeki hiçbir kalıntıda seri korelasyon bulunmuyor. VAR modelin korrelogramları hesaplandı. Değerler güven bantlarının (kesik çizgiler) arasında olmalıdır. Korelasyonlar çok düşüktür (y aksı +.15 den -.15 e gidiyor) ve bir desene sahip gözükmüyor. Korelasyon istatistiki olarak anlamlıdır. VAR Modelin etki tepki fonksiyonu ve varyansa ayrıştırması hesaplandı. VAR modeline sonuçlar gösteriyor ki, 10 periyot sonra konut fiyat endeks getirisinin % 2,43 ü BIST100 getiri değişkeni, % 8,66 sı altın getiri değişkeni, % 4,76 sı usd try döviz kuru getirisi, % 0,16 sı SP500 getirisi, %1,50 u kredi iflas takası primi tarafından açıklanabiliyor. Bu sebeple, altının BIST100, SP500, usd try ve kredi iflas takası primi ile karşılaştırıldığında Türkiyede uzun vadede konut fiyat endeksi için en etkili değişkendir. Bu rakamlar ve VAR modelinin sonucunun bulunması bu tezin ana amacıydı. Diebold – Yılmaz yayılma endeksi altı zaman serisiyle hesaplandı. Eklenti VAR Modelin varyans ayrıştırma metodundaki tahmin hatalarını kullanarak Diebold – xxv Yılmaz yayılma endeksini hesaplıyor. 1 tahmin katmanı ve 12 periyodik ilerleyen pencere hesaplandı. Genelleştirilmiş endeks ve 6 gecikme seçildi. Diebold – Yılmaz dağılma endeksinin sonuçlarına göre; bir ay sonraki konut fiyat endeksi getirisinin tahminindeki hata varyansının BIST100 getirisi %0,5 inden, SP500 getirisi ise %0,7 inden sorumludur. Konut fiyat endeksi getirisiyle karşılaştırdığımzda diğer finansal enstrümanların birbirleriyle daha derin ilişkileri olduğu kolayca anlaşılıyor, çünkü birbirlerini daha çok etkiliyorlar. Tahmin hata varyansının %32,2 sinin çeşitli finansal enstrümanların yayılımlarından rafine edilerek oluşturulan yayılım tablosundan geldiği bulundu. Bu nedenle dağılmalar bu finansal enstrümanlar için çok önemlidir ama Türkiyedeki konut fiyatları daha ayrı bir şekilde hareket etmektedir.

Özet (Çeviri)

The bursting of the U.S. housing bubble triggered the 2007-2008 global financial crisis that make global investors to look for new economic markets particularly developing countries such as Turkey. With the contribution of highly young population, housing prices in Turkey went up during this period. The relations were explored among housing price spillovers, stock prices, exchange rates, gold prices and credit default swaps in Turkey in this thesis. Understanding the impact and the transmission of these historical data of financial instruments in Turkey has high importance for policy makers, companies and investors for several reasons. Firstly, they must decide what will be done in the future both policy making and investing topics. They must know the relations between figures in economic markets. Secondly, they must predict the future of economics by examining these figures. For this reason, a VAR approach is used to find how housing prices, exchange rates, gold prices, stock exchange rates, credit default swaps effects each other. It is important to comprehend the relation dynamics and instrument of the financial indicators and financial markets for decision makers under the globalized financial market actions, because of the developing dependence and contagion. Particularly, house prices in a country have great effects on the other financial instruments and markets across the country. There is a large experimental literature on house prices and econometric ways such as vector autoregressions (VAR), Generalized Autoregressive Conditional Heteroscedasticity (GARCH) models or spillover index etc. across financial markets and financial indicators. However, the literature on calculating the level of effect of housing price spillovers, stock prices, exchange rates and credit default swaps in Turkey hardly ever exists. Therefore, first of all shortly the literature of the techniques for housing price spillovers were reviewed, and then the literature of the VAR and GARCH models were reviewed by concentrating on the different markets in different countries. The techniques used for modelling house price spillovers are developed and varied speedily. Felipe and Diranzo (2005) stated that six main methodologies, -cross-correlations, VAR models, Cointegration models, GARCH models, Regime Switching models and Stochastic Volatility models- have been used to assess links between financial markets. For this reason, it is very crucial to model not only averages of the variables but also the variance of the variables in both the short and the long term. In order to model interaction between house prices and other financial indicators, leading paper of Engle (1982) by establishing Autoregressive conditional heteroscedasticity (ARCH) models points to model the variance of high-frequency financial time-series besides the mean in the financial econometrics. Studies primarily target on the financial indicators and some economic indicators that can response each other. Author(s) examined different country(ies), region(s) different periods and relatively varying methodology to understand relations. For this reason the xx outcomes change among the studies. An accepted point for the studies, each methodology has own unique asset in its exact area. In this thesis, there were two goals. Specifically, it was examined how some financial instruments affect each other and it was aimed to uncover the relations between them. To that end, unit root tests were applied in order to check stationary and as a second VAR model was established. After this process, Diebold – Yilmaz spillover index was calculated. Firstly, data from the Central Bank of the Republic of Turkey was looked in this thesis. There were only 96 data points about house price index in CBRT document. This quantity of data was enough to conduct VAR approach but in order reach more robust results, it was an obligation to access more available data. Therefore, to access more data a communication was carried out with Reidin company . Reidin composite Turkey data index contains 189 data points 01.01.2003 to 01.09.2018. First the unit roots of six time series were examined in order to establish VAR Model in EViews software. Because in VAR Model time series should not have unit roots and they should be stationary time series. If there is an obvious trend in time series, it can be predicted that they are non-stationary time series easily. If they are non-stationary time series, they should be made stationary by calculating difference value between each value. In the model time series are non-stationary. After realizing this logarithmic difference was calculated in these time series in order to make them stationary. The returns and log differences of these time series are calculated. After this the stationary level of these return time series was controlled again with establishing unit root test. In the end time series were made stationary by calculating log differences except house price index. House price index return graph has a fast plummeting and going up movements in short period in 2008 and these effects may come from the mortgage crise in the United States. In order to be sure about the stationary level of house price index the structural break diagnose that was firstly examined by Perron (1989) was examined in house price index. In the end difference of house price index is stationary and it can be admitted as a stationary time series. If t-statistic values of the time series are higher than critical test values at the level of 1%, 5% and 10% in Augmented Dickey- Fuller unit root test, it can be said that these time series are non-stationary. After these operations, VAR model was established with 6 time series. After that the Lag Order Selection Criteria was examined and“6”was used as lag for LR selection criteria. After that a VAR Model was established again with lag“6”. After that the stability of the VAR Model was examined by calculating Ar Roots. It was easily understood that the test is stable. Because no root lies outside the unit circle. There is not any serial correlation among residuals within 6 lag except lag 5 in autocorrelation LM Test Outcome. Correlograms of VAR Model are calculated. Values should be between confidence bands (dashed lines). Correlations are very low (the y axis goes from +.15 to -.15) and don't seem to have a pattern. The correlation is statistically significant. Impulse Response function and Variance Decomposition of VAR Model was calculated. Results suggest that according to VAR Model, 2.43% of the house price index return variable can be explained by BIST100 return variable, 8.66% of it can be explained by gold return, 4.76% of it can be explained by usd try return, 0.16% of it can be explained by SP500 and 1.50% of it can be explained by credit default swaps return after 10 period. Therefore; gold return are the most important variable for house price index return when it is compared it with BIST100 return, SP500 return, usd try return xxi and CDS return. These figures and the outcome of VAR Model were the main objective of this thesis. Diebold – Yilmaz spillover index was calculated for six time series. The add-in estimates the Diebold-Yilmaz index of spillover using forecast error variance decomposition method of VAR model. 1 forecast horizons with 12 rolling windows was calculated. Generalized index and 6 lags were chosen. According to the results of the Diebold – Yilmaz spillover index, that innovations to BIST100 return are responsible for 0.5%, SP500 return are 0.7% of the error variance in forecasting 1 month ahead house price index return. It was easily seen that other financial instruments have deeper relationships with each other when it was compared with house price index return because they affect each other very much. It was found that 32.2% of forecast error variance comes from spillover index table refining all of the various financial instrument spillovers. Hence spillovers are crucial for these

Benzer Tezler

  1. Tez No

    659352

    Conflict influenced by geography: Analysis of Kenya's geographical position to explain the Somali and North-Eastern Kenya's unrest

    Coğrafya'nın çatışmaya etkisi: Somali-Kuzey Doğu Kenya çatışmasını açıklamak için Kenya'nın coğrafi konumunun analizi

    FIONA NZINGO ANYANGO ODWAR

    Yüksek Lisans

    İngilizce

    İngilizce

    2020

    Uluslararası İlişkilerBursa Uludağ Üniversitesi

    Uluslararası İlişkiler Ana Bilim Dalı

    Prof. Dr. MUZAFFER ERCAN YILMAZ

  2. Tez No

    736926

    Forecasting interest rates using shifting endpoints in small open economies: Evidence from Canada and the UK

    Küçük açık ekonomilerde hareketli uç yöntemi ile getiri eğrisi tahmini: Kanada ve İngiltere örnekleri

    İBRAHİM ATA

    Yüksek Lisans

    İngilizce

    İngilizce

    2022

    Ekonomiİhsan Doğramacı Bilkent Üniversitesi

    İktisat (İngilizce) Ana Bilim Dalı

    DR. ÖĞR. ÜYESİ BURÇİN KISACIKOĞLU

  3. Tez No

    349870

    Urban transformation in meeting places: The cases of Bursa and Yazd

    Toplanma mekanlarında kentsel dönüşüm; Bursa ve Yazd örnekleri

    SIMA VAEZ ESLAMI

    Yüksek Lisans

    İngilizce

    İngilizce

    2014

    Şehircilik ve Bölge Planlamaİstanbul Teknik Üniversitesi

    Şehir Planlama Ana Bilim Dalı

    PROF. DR. AYŞE SEMA KUBAT

  4. Tez No

    352330

    Sınır bölgelerinde girişimcilik ve yerel gelişme: Keşan örneği

    Entrepreneurship and local development in border regions: a case study in Keşan

    GÜLİZ GÜLİZAR USLU ERGENLER

    Yüksek Lisans

    Türkçe

    Türkçe

    2013

    Şehircilik ve Bölge Planlamaİstanbul Teknik Üniversitesi

    Şehir ve Bölge Planlama Ana Bilim Dalı

    PROF. DR. GÜLDEN ERKUT

  5. Tez No

    227071

    Volatility spillover between the stock market and the foreign exchange market in Turkey

    Türkiye?de hisse senedi piyasası ve döviz piyasası arasındaki oynaklığın yayılma etkisi

    OYA ÖZENGİN

    Yüksek Lisans

    İngilizce

    İngilizce

    2008

    EkonomiDokuz Eylül Üniversitesi

    İşletme (İngilizce) Ana Bilim Dalı

    DOÇ. DR. SAADET KASMAN

Geri Dön