“Kredi Temerrüt Takaslarının (CDS), Kriz Değişkenleriyle İlişkisi
Transkript
“Kredi Temerrüt Takaslarının (CDS), Kriz Değişkenleriyle İlişkisi
T.C. İSTANBUL ÜNİVERSİTESİ Sosyal Bilimler Enstitüsü İsletme Anabilim Dalı Finans Bilim Dalı Yüksek Lisans Tez Özeti “Kredi Temerrüt Takaslarının (CDS), Kriz Değişkenleriyle İlişkisi: PIGS Ülkeleri ve Türkiye Kapsamında bir Araştırma” Görkem HANCI 2501110573 Prof. Dr. Ahmet KÖSE İstanbul-2013 “Kredi Temerrüt Takaslarının (CDS), Kriz Değişkenleriyle İlişkisi: PIGS Ülkeleri ve Türkiye Kapsamında bir Araştırma” Görkem HANCI ÖZ 1990’lı yıllarda ortaya çıkan ve 2003 yılından sonra kullanımı yaygınlaşan Kredi Temerrüt Takasları (KTT), en fazla işlem gören kredi türevlerindendir. KTT, genel anlamda, kredi veren kuruluşun riski indirgemek adına, olası bir temerrüt olayına karşın bir yatırımcıdan satın aldığı sigorta olarak tanımlanabilir. KTTler Portekiz, İtalya, Yunanistan ve İspanya’yı içeren “PIGS” ülkelerine ait bu türeve yönelik baz puanların aşırı derecede artmasıyla daha da dikkat çekmiştir. Çalışmanın uygulama kısmında kriz, bahsi geçen Akdeniz ülkeleri ve karşılaştırılma yapılması adına Türkiye esas alınarak incelenmiştir. Bu beş ülkeye ait “Kredi Temerrüt Takasları”nın döviz kurları ile volatilitelerine bakılmış ve ardından ana hatlarıyla Maastricht Kriterleri’ni içeren makroekonomik değişkenler kapsamında granger nedensellikleri test edilmiştir. Anahtar kelimeler: Kredi Temerrüt Takası, Maastricht Kriterleri, PIGS Ülkeleri, GARCH, granger nedensellik ABSTRACT Credit Default Swap (CDS), which has been occured in 1990’s and increased after 2003, is the most traded credit derivatives. In general CDS can be described as an insurance which is traded by creditor to an investor at the aim of the reducing risk, considering the possibility of credit event. This derivative has been prominent, because of the rapid increase of CDS basis points of especially Portugal, Italy, Greece and Spain included PIGS countries. In the part of the methodology, the mentioned Mediterrrian countries and Turkey has been compared. The relationship of these five countries’ CDS and foreign exchange rate volatility has been analysed and the relationship of macroeconomical crisis parameters, based on Maastricht Criteria, and CDS has been studied in terms of granger causality. Key words: Credit Default Swap, Maastricht Criteria, PIGS Countries, GARCH, granger causality. GİRİŞ Önceleri riskten korunma amaçlı olarak ortaya çıkan türev ürünler, sonrasında daha çok yatırım amaçlı kullanılır hale gelmiştir. Kredi türev ürünü olan Kredi Temerrüt Takasları (KTT) , 1990’lı yıllarda ortaya çıkmış, ancak 2003’den sonra kullanımı yaygınlaşmıştır ve hala da yükselme trendi sergilemektedir. Son zamanlarda en fazla işlem gören türev ürünlerden biridir. Özellikle son yıllarda, Akdeniz ülkelerine ait KTT baz puanlarının ani bir çıkış göstermesiyle, daha da dikkat çekici olmuştur. Avrupa Merkez Bankası, KTTleri, “piyasa katılımcılarının sahip oldukları riski başka katılımcılara aktarmaya veya dağıtmaya yarayan türev ürün” olarak tanımlamaktadır. KTT, bir çeşit sigorta olup, bir kurumun başka bir kurumdan kredi almasıyla başlamaktadır. Kredi alan kurum, borçlu kurumun piyasadaki durumunu gözlemler ve başka bir yatırımcı kurumdan bu türev ürünü satın alarak, riskini azaltmış olur. Şirket ya da ülke bazlı incelenebilen KTT baz puanlarla ilgili olarak, bir kurumun ya da ülkenin KTT baz puanı ne kadar yüksekse, temerrüt riskinin o kadar yüksek olduğu anlamına gelmektedir. “Kredi Temerrüt Takasları”nı inceleyen bu çalışma üç ana bölümden oluşmaktadır. İlk bölümde riskin tanımı ve çeşitlerine giriş yapılmış, ikinci bölümde KTTler incelenmiş ve üçüncü bölümde ise uygulama kısmına yer verilmiştir. 1. RİSK Bir yatırım yapıldığında, getiri ve risk arasında bir takas durumu meydana gelir. Fazla risk alınmışsa, daha fazla para elde etme ihtimali daha olasıdır. Bahsedilen takas, risk ve beklenen getiri arasındadır; risk ve gerçek getiri arasında değildir. Bu noktada “beklenen getiri” kavramını açıklamak gerekir. “Beklenen getiri” kavramı günlük hayatta, gerçekleşme olasılığı yüksek anlamında kullanılsa da, olası getirilerin ağırlıklı ortalamasıdır. Olası getiriler ve onların gerçekleşme olasılıklarına ait veriler ise geçmiş verilerden elde edilir. (Hull, 2012 : 2) Beklenmedik olumlu ya da olumsuz olaylar olarak tanımlanan risk kavramı genel anlamda dört ana başlıkta toplanır: firma dışı-firma içi riskler, yönetilebiliryönetilemez riskler, sistematik-sistematik olmayan riskler, finansal- finansal olmayan riskler (Bolak, 2004). Finansal riskler doğrultusunda ise, piyasa, likidite, operasyonel ve kredi risklerinden bahsedilebilir (Gregory, 2010 : 2) Kredi riski söz konusu olduğunda riski tek bir tarafa toplamayıp, birden fazla yatırımcının üstlenmesiyle riski azaltmak ve yatırımcıların da bu durumdan faydalanma durumu ortaya çıkar. Kredi türevleri, hem yatırım hem de riskten korunma amaçlı kullanılmaktadır. Kredi türevlerinde yaşanan yıllardan beri süre gelen artış, pazardaki katılımcıların riskle baş etme noktasında bu ürünlerden yararlandığını gösteriyor olabilir. Ticari bir banka kredi türevlerini verdiği kredilerin riskini indirgemek için kullanabilir, ancak kredi türevleri kendine ait risk yönetimiyle de baş etmek durumundadır. ( Jing, 2010) 2. Kredi Temerrüt Takası En temel kredi türevlerinden olan “Kredi Temerrüt Takası”, belirli bir referans varlığın değeri üzerinden korunma sağlayan, korumayı satın alanın belirli aralıklarla sabit bir ücret ödediği ve korunmada satıcı tarafın da herhangi bir kredi olayında ödeme yapacağını taahhüt eden karşılıklı yapılan bir kontrat olarak tanımlanır. Belirli periyodlarla ödenen ücret genelde, nominal bir değerin baz puanından kote edilir. Bu takas referans varlık, baz varlık (underlying asset), ya da sepet varlık ile ilişkili olabilir. (Choudhry, 2006) Kredi temerrüt takası, olası bir kredi olayına karşı bir çeşit sigortadır. Ancak, normal bir sigorta mantığına göre sigortayı satın alabilmek için öncelikle o varlığa sahip olmak gerekir. Kredi Temerrüt Takası’nda ise esas varlığa sahip olmadan da korumaya sahip olunabilir. KTT ile ilgili olarak, kredi olayı, Geri kazanım oranı, nakdi/fiziksel teslim, KTT kupon tarihi, korunmanın süresi gibi kavramlar ortaya çıkmaktadır. KTT, sepet(basket) KTT, özsermaye, sıralı, portföy, dijital ve öncelikli sepet olmak üzere pek çok çeşidi vardır. KTT işleminin gerçekleşebilmesi için, bir borç alma- verme olayının gerçekleşmesi gerekir. Örneğin, A yatırımcısı (Borçlu), X Bankası’ndan kredi alır. Vadesinin sonunda hem anaparayı hem de faizi ödeyecektir. Ancak X Bankası, A yatırımcısının, piyasadaki durumunu gözlemlemiş ve olası bir temerrüt durumuna karşılık, alacağını garanti altına almak istemektedir. A yatırımcısının borcunu ödememe ihtimaline karşın oluşacak riski transfer etmiş olacaktır ve amaçla Z yatırımcısı ile anlaşır. Böylece, X Bankası koruma alıcısı, Z yatırımcısı ise koruma satıcısı sıfatlarına sahip olurlar. Bu durumda, koruma alıcısı olan X Bankası, koruma satıcısı olan Z yatırımcısına dönemsel ödemeler yapacaktır. Eğer A yatırımcısının temerrüdü gerçekleşirse, X Bankası’nın A yatırımcısından olan alacağı, koruma satıcısı olan Z yatırımcısı tarafından karşılanacaktır. Ancak temerrüt gerçekleşmezse, koruma satıcısı hiçbir ödeme yapmayacağı gibi, koruma alıcısı da verdiği borcun tamamını A yatırımcısından karşılayacağı için, ödediği primler koruma satıcısından geri alınmayacaktır. Bu durumda KTT hem riski indirgemek hem de yatırım amaçlı kullanılmış olur. 3. Uygulama Çalışmanın uygulama kısmında, “Kredi Temerrüt Takasları”nın parametrelerinin analiz edilmesi konusunda Maastricht Kriterleri’nden yola çıkılarak, krizle ilgili değişkenler belirlenmiştir. Genel anlamda, enflasyon oranı, bütçe açığı/GSYH, kamu borcu/GSYH, uzun dönemli faiz oranları, ülkenin para biriminin devalüasyonu değişkenlerinin esas alındığı Maastricht Kriterleri’ne ek olarak işsizlik ve cari açık değişkenleri de modele katılmıştır. GSYH verileri çeyreklik açıklandığından dolayı, bütçe açığı/GSYH ve kamu borcu/GSYH serileri analize katılmamıştır. Verilerin bir kısmı günlük incelenirken bir kısmı ise aylık olarak incelenmiştir. Çalışmanın hem günlük hem aylık olarak incelenmesinin nedeni kullanılan metotlar kapsamında iki farklı amaca hizmet etmesidir. Kullanılan ilk yöntem GARCH (Generalized Autoregressive Conditional Heteroskedasticity)’da veriler günlük alınmıştır. Volatilitenin modellenmesinin hedeflendiği bu metotta genelde günlük verilerle çalışılır ve bunun yanında bir bağımlı ve bir bağımsız değişkene ihtiyaç vardır. Uygulamada kullanılan ve bunun da daha sonra ayrıntısına girilecek olan granger nedensellik testinde ise genelde aylık verilerle çalışılır ve birden fazla bağımsız değişkene ihtiyaç vardır. Çalışma aralığı günlük verilerde 04.10.2004-31.12.2012, aylık verilerde ise, Ekim 2004-Aralık 2012 tarihleri belirlenmiştir. İnceleme yapılan ülkeler konusunda şu anda KTT baz puanı yüksek olan ülkelerden yola çıkılarak krizde olan İtalya, İspanya, Portekiz ve Yunanistan’ı barındıran Akdeniz ülkeleri ile kıyaslama yapma açısında Türkiye üzerinde çalışılmıştır. Yapılan bu çalışmaların genel anlamda amacı, kriz değişkenleri kapsamında, KTT ile ilişkisi olan makroekonomik değişkenleri saptamak ve hem yatırım hem de koruma amaçlı gerçekleşen bu türev ürünlerin alım satımıyla ilgili olarak yatırımcılara yol gösterici nitelikte literatüre katkıda bulunmak olarak belirlenmiştir. Günlük Verilerle Yapılan Uygulama Çalışmanın uygulamaya ait ilk kısmında, Avrupa Birliği üye ülkelerinden İtalya, İspanya, Portekiz, Yunanistan ve Türkiye’ye ait Kredi Temerrüt Takasları ile döviz kuru ilişkisini görebilmek amacıyla bu iki değişken arasında volatilite tespit edilip, bu volatilite modellenmiştir. Analiz zaman aralığı olarak 04.10.2004 ile 31.12.2012 dikkate alınmıştır. Kurlara ait veriler konusunda, Türkiye için dolar/TL paritesi dikkate alınırken, diğer ülkelerin hepsinde para birimi euro olduğun dolayı orada dolar/euro paritesi kullanılmıştır. KTT baz puanları http://www.bloomberght.com/ adresinden elde edilmiştir. Kurların kapanış değerleri http://tcmb.gov.tr adresinden elde edilmiştir. Döviz kuru ve KTT baz puanlarına ait volatilitenin modellenmesinin hedeflenildiği uygulamada veriler zaman serisi özelliği taşıdığından dolayı öncelikle temel istatistik testiyle normallik testinin yapılmasının ardından durağanlıklarına bakılmıştır. Sonrasında volatilite modellemesinde kullanılan GARCH yöntemini uygulamak için modelin doğrusal olmaması gerektiğinden dolayı, doğrusallığı test etmek adına Ramsey Reset testi yapılmıştır. Daha sonra, GARCH testine geçmeden önce ise, volatilitenin varlığı ARCH (Autoregressive Conditional Heteroscedasticity) ve WHITE testleriyle tespit edilmiştir. olarak kabul edilmiştir. Bütün çalışmada anlamlılık düzeyi %10 Volatilitenin modellenmesi kısmına geçmeden önce hem zaman serilerinin hem de yöntemin varsayımlarını karşılamak adına bir takım testler uygulanmıştır. Bu doğrultuda, durağanlık zaman serileri söz konusu olduğunda, ilk uygulanması gereken testtir. Eğer değerlerin dağılımı zaman geçtikçe aynı kalıyorsa, ve y ise belirli bir zaman aralığında çok sapma göstermiyorsa, veriler durağan demektir. Verisetinin durağan olması için, sabit bir ortalamaya, sabit bir varyansa ve sabit bir otokovaryans yapıya sahip olması gerekir. Durağanlığın tespiti için Augmented Dickey Fuller testi uygulanmıştır. Her bir veriseti için hipotezler şu şekilde kurulmuştur: H₀= Seride birim kök vardır. H₁= Seride birim kök yoktur. Serilerde birim kökün olmaması demek, serilerin durağan olduğu anlamına gelmektedir. Yani serilerin durağan olması için, seride birim kökün olduğunu iddia eden, H₀ hipotezinin reddedilmesi gerekmektedir. KTT ve döviz kuruyla ilgili olarak ham veriler tüm ülkelerde durağan çıkmadığı için, büyüme oranları alınarak ADF durağanlık testine tabi tutulmuş, ve serilerin her birindeki olasılık değerleri, anlamlılık seviyesinden küçük olması nedeniyle H₀ hipotezi reddedilerek serilerin durağanlaştırıldığı sonucuna ulaşılmıştır. Veriler, durağanlaştırıldıktan sonra, volatilitenin modellenmesi ve GARCH’ın uygulanıp, uygulanamayacağının karar verilmesi adına modelin doğrusallığına karar verilmesi gerekmektedir. Modelin doğrusallığı en basit haliyle Ramsey Reset ile test edilebilir. Böylece yönteme devam edip, edilmeyeceğine karar verilecektir. Ramsey Reset testi sonucunda F testi olasılık değeri, belirlenen anlamlılık düzeyinden küçük olursa H₀ hipotezi reddedilir ve modelin doğrusal olmadığına karar verilir. Ramsey Reset testinde hipotezler şu şekilde kurulur: H₀= Değişkenler arasında doğrusal bir ilişki vardır. H₁= Değişkenler arasında doğrusal bir ilişki yoktur. Ramsey Reset Test Sonuçları İTALYA İSPANYA PORTEKİZ TÜRKİYE YUNANİSTAN F- testi 0,001718 1,288660 4,002778 6.629712 0,041401 (olasılık (0,9669) (0,2564) (0,0456) (0.0101) (0,8388) değeri) Buna göre Türkiye’ye ve Portekiz’e ait KTTyi ve kuru barındıran modelde F istatistiğinin olasılığı, anlamlılık düzeyinden küçük olduğu için H₀ reddedilir ve bu modellerin doğrusal olmadığına karar verilir. Dolayısıyla, volatilitenin tespitine yönelik sadece Portekiz ve Türkiye ile analize devam edilecektir. Modelin doğrusal olmadığına karar verildikten sonra, doğrusal olmayan tek değişkenli modellerde kullanılan GARCH (Generalized Autoregressive Conditional Heteroskedasticity) modeli uygulanacaktır. Ancak öncesinde volatilitenin varlığının tespiti için ARCH ve WHITE testleri yapılacaktır. Her iki testte de hipotezler şu şekilde kurulur: H₀= Sabit varyans vardır H₁= Sabit varyans yoktur Test sonuçlarına göre, Ki-Kare testinin olasılık değeri, anlamlılık düzeyinden küçük ise, H₀ reddedilir ve sabit varyansın olmadığı sonucuna varılır, dolayısıyla sabit varyansın olmaması sonucu serilerdeki volatilitenin varlığına işaret eder. Portekiz ve Türkiye’ye ait ARCH ve WHITE Testleri Sonuçları PORTEKİZ TÜRKİYE ARCH 1.270621 47,18198 F-statistic (0.2738) (0,0000) WHITE 0.018078 1,71888 F-statistic (0.9821) (0,0000) ARCH ve WHITE testi sonuçlarına göre, Portekiz modelinde volatilite olmadığına karar verilir. Türkiye örneğine ait ARCH ve WHITE testlerinin sonuçları incelendiğinde, her ikisine ait Ki-Kare olasılık değerlerinin (0,000) anlamlılık düzeyinden olduğu görülür; dolayısıyla H₀ hipotezi reddedilerek, sabit varyansın olmadığı yani volatilitenin var olduğu sonucu ortaya çıkar. Volatilitenin varlığının tespitinin ardından, doğrusal olmayan tek değişkenli modellerin analizinde kullanılan GARCH (Generalized Autoregressive Conditional Heteroskedasticity) ile volatilite modellenecektir. Buna göre, ARCH ve WHITE testleriyle volatilitenin varlığı, incelenen ülkelerden yalnızca Türkiye örneğinde tespit edilmiştir, bu nedenle sadece ona ait volatilite modellemesi yapılabileceği ortaya çıkmaktadır. Diğer ülkelerde volatilite olmadığı için, onlarda GARCH uygulanmamıştır. Türkiye örneğinde, volatilite modellenmesinde ayrı ayrı gecikme aralıkları denenerek en uygun model bulunmuştur. Buna göre, GARCH (1,2) ve GARCH(3,1) modellerinden anlamsız katsayılar olduğu için daha ileri gidilmemiş ve GARCH (2,1) modelinin optimum model olduğuna karar verilmiştir. Türkiye’ye ait GARCH Modellerinin Değerleri GARCH(1,1) GARCH(1,2) GARCH(2,1) GARCH(3,1) C 0.0000 0.0000 0.0000 0.0000 RESID(-1)^2 0.0000 0.0000 0.0000 0.0000 RESID(-2)^2 0.0000 0.0061 0.4295 RESID(-3)^2 0.0002 GARCH(-1) 0.0000 GARCH(-2) 0.1470 0.0000 0.0000 Söz konusu modelde, ARCH diye adlandırılan hata terimlerinin karelerinin gecikmeleri ile GARCH diye adlandırılan koşullu varyansın gecikmelerine ait katsayıların toplamı, direnç katsayısını verir. Bu modelde direnç katsayısı, RESID(1)^2+ RESID(-2)^2+ GARCH(-1) katsayıların toplamından elde edilmektedir. İşlem yapıldığında direnç katsayısı toplamının 0,9771 olduğu görülmektedir. Modelin volatilite şoklarına gösterdiği direnç, direnç katsayısının 1’e yaklaşmasıyla ölçülmektedir. Direnç katsayısı 1’e yaklaştıkça, şokların direnci artar ve sonuç olarak ortalamaya geri dönüşler daha uzun sürede olur. Bu katsayı ne kadar büyük olursa, çok büyük pozitif ya da negatif getirilerin ileriki tahminlerin varyansı geciktirilmiş dönem için yüksek olmasına neden olur. Bu durumda, Türkiye’ye ait modele direnç katsayısı 1’e yakın olduğundan dolayı, meydana gelen şokların dirençli olduğunu ve ortalamaya geri dönüşlerin zaman aldığını söylenebilir. Direnç katsayısı büyük olmasına karşın, modelin sabitine ait katsayı oldukça küçüktür. Aylık Verilerle Yapılan Uygulama Çalışmanın bu kısmında aylık veriler ile çalışılmıştır. Çalışmaya konu olan ülkelere ait KTT baz puanları ile işsizlik, uzun dönemli faiz oranları, enflasyon ve cari açık arasındaki nedensellik ilişkisine bakılmıştır. Bunun için granger-nedensellik yöntemi kullanılmıştır. Çalışmada, İtalya, İspanya, Portekiz ve Yunanistan için günlük verilerde kullanılan zaman aralığı (Ekim 2004- Aralık 2012) kullanılmıştır. Türkiye’de ise uzun dönemli faizin 2005 Aralık ayında başlaması nedeniyle Aralık 2005 ile Aralık 2012 zaman aralığı kullanılmıştır. Değişkenlerden Kredi Temerrüt Takasına ait veriler yine http://www.bloomberg.com dönemli faiz, işsizlik ve enflasyon oranları adresinden alınırken, uzun http://epp.eurostat.ec.europa.eu adresinden, cari açıkla ilgili veriler ise http://tradingeconomics.com adresinden alınmıştır. Ampirik bulgulara geçmeden önce, zaman serilerinin gereği olan durağanlık testleri yapılmış, durağan olmayan seriler durağanlaştırılmıştır. Sonrasında granger nedensellik testi için modelin doğrusal olması şartının aranması nedeniyle Ramsey Reset testi yapılmıştır. Ramsey Reset test sonuçları İtalya İspanya Portekiz Türkiye Yunanistan F-istatistiği 0,236691 2,796559 1,393542 1.145835 0,096606 (olasılık (0,6278) (0,0979) (0,2408) (0.2878) (0,7566) değeri) Buna göre İtalya, Portekiz Türkiye ve Yunanistan ülkeleri için F testine ait olasılık değerleri, çalışmada anlamlılık düzeyinden büyük olması nedeniyle H₀ hipotezi reddedilemez ve değişkenler arasında doğrusal bir ilişki olduğu sonucuna varılır. İspanya’da ise F testi olasılık değerinin (0,0979), anlamlılık düzeyi olarak kabul edilen %10’dan küçük olması nedeniyle H₀ hipotezi reddedilir ve değişkenler arasında doğrusal bir ilişki olmadığı sonucuna ulaşılır. Böylece İspanya analizden çıkarılır. Değişkenler arasındaki ilişkisinin doğrusal olduğu sonucuna ulaşılması, kurulan model konusunda yol gösterecektir. Bu durumda doğrusal ilişkiler için kullanılan Granger-Nedensellik testinin uygulanması, değişkenlerimizin yapısı itibariyle uygun olduğu sonucunu ortaya çıkmaktadır. Ancak granger nedensellik testi öncesinde VAR (Vektor Autoregressive Model) yöntemiyle optimal gecikme uzunluğunun (lag) , her model için belirlenmesi gerekmektedir. Bu çalışmada optimal gecikme uzunluğu Akaike Schwarz Kriteri’ne göre belirlenmiştir. Bütün ülkeler için,1-7 arası tüm gecikme uzunlukları denenmiş ve bunların arasından en küçük değere sahip olan belirlenmiştir. Buna göre, İtalya için 2., İspanya için 1, Portekiz için 1, Türkiye için 2, Yunanistan için 1. gecikme uzunlukları, optimal olarak kabul edilir. Granger- nedensellik testinde, değişkenlerin sadece KTTlerin nedeni olma durumlarına değil, aynı zamanda birbirleriyle olan granger nedensellik ilişkilerine de bakılmıştır. Böylece krizi tetikleyen makroekonomik değişkenlerin birbirleriyle olan etkileşimleri de analiz edilmiştir. Hipotezler şu şekilde kurulmuştur: Ho: X₁ değişkeni X₂ değişkeninin nedeni değildir. H₁: X₂ değişkeni X₁ değişkeninin nedenidir. F-testine ait olasılık değeri, anlamlılık düzeyinden küçükse Ho reddedilir ve X₁ değişkeninin X₂ değişkeninin nedeni olduğu sonucuna varılır. Ancak eğer tam tersiyle Ho reddedilemez ve X₁ değişkeninin X₂ değişkeninin nedeni olmadığı sonucuna varılır. İtalya için granger nedensellik testi sonuçları İtalya’nın granger nedensellik testi sonucuna göre, işsizlik uzun dönemli faizin, uzun dönemli faiz cari açığın, cari açık da enflasyonun granger nedenidir sonucu ortaya çıkmaktadır. İtalya’daki işsizlik son dönemde 1992’den beri en yüksek seviyelere ulaşmıştır. Çalışmanın başlangıç tarihi olarak kabul edilen Ekim 2004’de 7,9 iken, çalışmanın bitiş tarihinde 11,3’e ulaşarak bu zaman aralığının en yüksek seviyesine gelmiş bulunmaktadır. Makroekonomik değişkenlerden büyüme ve işsizlik arasında çok yakın bir ilişki vardır. Bir ülkede ekonomik büyüme varsa, daha fazla kapasiteyle çalışılacak, bu durumda da yeni işgücüne ihtiyaç olacak yani istihdam artacak demektir. Dolayısıyla büyüme ve işsizlik ters orantılıdır. Eğer ülkede büyüme seyretmiyorsa yeni yatırımlar olmayacak ancak şirketler kapanmayıp sonucunda içi çıkarımları olmasa bile yeni bir nüfus yetiştiğinden işsizlik oranı yine de artacaktır. Ülke krizde olduğundan dolayı, borçları kapatmak adına yüksek faiz oranlarına maruz kalmıştır. Büyüme olmadığından dolayı ihracat istenilen düzeyde yapılamayacak bu da cari açığın artmasına neden olacaktır. İhracat olmayacağı için de, ülke ihtiyaçlarını ithal mallarla karşılamaya çalışacak bu da malların fiyatının yükselmesine neden olacaktır. Böylece enflasyon da yükselecektir. Portekiz için granger nedensellik testi sonuçları Portekiz’in granger nedensellik testi sonucuna göre, işsizlik Kredi Temerrüt Takası’nın ve enflasyonun granger nedenidir sonucu ortaya çıkmaktadır. Euro Bölgesi’nde Yunanistan’dan sonra en fazla problem yaşayan ülke olan Portekiz, 1999’da euronun ilk kullanıldığı ülkeler arasında yer almış ve 1990’lı yıllarda da AB’nin Ekonomik ve Parasal Birliği’ni ifade eden Maastricht Kriterleri çerçevesinde, ekonomik politikalarını yönlendirmiştir. Bu doğrultuda düşük faiz oranları avantaj gibi görünürken dezavantaja dönüşmüştür. Tüketici ve iş güvenliği dalgalanma, kredi, yatırım ve devlet vergi gelirlerinde ise patlama yaşanmıştır. Böylece hayali servet etkisi oluşmuş ve devlet politikalarını kamu harcamalarını ve yatırımlarını arttırma yönünde ilerletmiş ve asıl olması gereken yapısal reformlar ötelenmiştir. (Esen, 2011) Zaten ülkede hali hazırda olan krizin temeli kamu borcuna dayanmaktadır. Zamanında ülkenin büyümesini sağlayacak sektörlere yatırım yapılmamış, var olan servet kamu harcamalarına yatırıldığı için, büyüme gerçekleşmemiş, aksine küçülme ya da firmaların iflası gerçekleşmiştir. Bunun üzerine işten çıkarılmalar artmıştır ve işsizlik daha da artmıştır. Örneğin çalışmanın başlangıç tarihi olan Ekim 2004’de işsizlik oranı %7, 8 iken, çalışmanın içerdiği son tarih olan Aralık 2012’de işsizlik bu zaman aralığında tavan yapmış ve %17,6’ya ulaşmıştır. Portekiz’e ait granger testinin sonuçlarına göre kötü giden bu ekonomi işsizliği yaratmış ve işsizliğin günden güne artması ülkenin temerrüde düşme olasılığını arttırdığından Kredi Temerrüt Takasları da yükselmiştir. Ayrıca büyümenin olmamasının neden olduğu işsizlik ekonominin zaten kötü olduğuna işaret etmektedir. Portekiz’in durumunda ülkenin kamu borcunu azaltmaya yönelik yaptığı uygulamalardan bir de fiyatları arttırmaktı bu da enflasyonun yükselmesine neden oldu. Dolayısıyla işsizlik, enflasyonu getirdi. Türkiye için granger nedensellik test sonuçları Türkiye’nin granger nedensellik testi sonucuna göre, KTT, uzun dönemli faiz ve cari açığın, işsizlik cari açığın, cari açık uzun dönemli faiz oranının, enflasyon faizin granger nedenidir sonucunun çıkmasının yanı sıra, KTT ile işsizlik arasında ve enflasyon ile cari açık arasında da çift yönlü granger nedensellik ilişkisi olduğu gözlenmektedir. Makroekonomik değişkenlerin aslında bir bütün ve birçoğunun birbiriyle ilişkisinin olduğu Türkiye örneğinde görülmektedir. Öncelikle KTT baz puanlarında meydana gelen değişiklik faizlerde meydana gelen değişikliklere de yansımaktadır. Ülkenin temerrüde düşme durumunun olduğunu belli eden KTT değişkeni eğer yüksekse, ülkenin ekonomisinin riskli olduğu anlaşılır. Bu durumda ülkenin aldığı borçları ödeyememe ihtimali, borç veren ülkeler tarafından daha fazla düşünülmektedir. Bu durumda çeşitli nedenlerle bu ülkeye borç verilse de, bu durum risk taşıdığından faiz yüksek tutulacaktır. Türkiye örneğinde de KTT baz puanlarının yüksek olması, ekonominin kötü olduğunu ve ülkenin batma riskinin yüksek olduğunu göstermektedir. Aynı şekilde düşük olması da ülkenin batma riskinin düşük olduğuna işaret eder. KTT baz puanların düşüşte ya da yükselişte olması, aynı şekilde uzun dönemli faiz oranlarını etkileyecektir. Aynı şekilde, KTT baz puanlarında meydana gelen değişiklik cari açığı etkileyecektir. Ülkede KTT baz puanlarının yükselmesi, ülkeye olan güveni sarsacağından dolayı; diğer ülkelerin bu ülkeyle yapacağı ticaret de sekteye uğrayacaktır. Bu da cari açıkta değişiklik meydana getirecektir. Geçmiş verilere bakıldığında Türkiye’deki hem KTT hem de cari açık değerleri büyük dalgalanmalar göstermektedir. Bu da birbirlerinden kolayca etkilenebildiklerine işaret eder. Ayrıca cari açıkta bir değişiklik meydana geldiğinde bu aynı zamanda uzun dönemli faizleri de etkilemektedir. Türkiye’de uzun yıllardır aşılmaya çalışılan işsizlik sorunu, yeterince yatırım yapılmadığını göstermektedir. Yatırım olmazsa, büyüme gerçekleşmez; bu durumda yeni istihdam alanlarına ihtiyaç ve arkadan gelen nüfusa iş alanları doğmadığından işsizlik artar. KTT baz puanlarının yüksek olması, ülkenin temerrüde düşme riskinin arttıracağı, ticari ilişkilerin azaldığı ve ülkede cari açığın artmasının sonucunda, bu ülkeye diğer ülkelerden yatırım da yapılmaz ve bu nedenle ülke büyüyemeyeceği için işsizlik de artar. Enflasyon ve faiz ilişkisinde, hangi süregelmiştir. değişken hangisinin sonucu olduğunun tartışılması hep Türkiye’de dönem dönem çift haneli rakamlarla telaffuz edilen enflasyon, Nisan 2012’den beri büyük gelişme kaydederek son zamanlarda kontrol altına alınmıştır. Ancak enflasyonda yaşanan değişiklikler ülkedeki uzun dönemli faizleri de etkilemektedir. Bunun ötesinde aynı şekilde cari açıktaki değişiklikleri de tetiklemektedir. Türkiye’ye ait modelde, enflasyon ve cari açık arasında çift yönlü bir ilişkinin olması bu iki değişkenin birbirinden etkilendiğini göstermektedir. Yani ülkede enflasyonda meydana gelen değişiklik ülkenin ticari ilişkilerini etkilediği gibi, örneğin KTT baz puanlarında meydana gelen değişiklik nedeniyle ticari ilişkilerin etkilenmesi sonuncunda da enflasyonda değişiklikler oluşabilmektedir. Son olarak işsizlik ile KTT ilişkisine değinmek gerekirse, bu iki değişken arasında çift yönlü nedensellik ilişkisi olduğundan dolayı, biri birinin nedeni denilmekten çok, ikisinin de birbirinden etkilendiğini söylemek daha doğru olacaktır. Ülkede ekonominin durgun olması, büyümenin olmamasına dolayısıyla yeni iş sahalarının yaratılamamasına ve bunun sonucunda da ülkede işsizliğin olmasına neden olacaktır. Ülkede işsizlik varsa ekonomi daha da kötüye gideceğinden ülkenin temerrüde düşme riski artacak ve bu da KTT baz puanlarına yansıyacaktır. Aynı şekilde ülkenin ekonomisi kötüye gidiyorsa KTT baz puanlarına yansıyan ülkede kredi olayının gerçekleşmesine dair düşünce, bu ülkeye yerli ve yabancılar tarafından yapılan yatırımları etkileyecektir. Yatırım yapılmaması ise, işsizliğe neden olacaktır. Yunanistan için Granger nedensellik test sonuçları Yunanistan’ın granger nedensellik testi sonucuna göre, uzun dönemli faiz KTTnın, KTT ise işsizliğin granger nedenidir sonucu ortaya çıkmaktadır. Ülkenin borçlarının artması, çözüm sürecini zorlamayı getirecektir. Ekonomisi kötüye giden ülke, başka kuruluşlardan borç alarak yeniden yapılanmaya gidecektir. Ancak borçların alınması da uzun dönemli faizlerin artması sonucunu getirecektir. Bu durumda ülkenin temerrüde düşmesi konusundaki görüş artacak ve de Kredi Temerrüt Takasları yükselecektir. Bu durum tam da Yunanistan’ın yaşadığı durumdur. Ülke borçlarını ödeyememekte ve uzun dönemli faizi artış göstermektedir. Çalışmanın başlangıç verisi olarak kabul edilen Ekim 2004’de ülkeye ait uzun dönemli faiz %4,11 iken, Haziran 2012’de %27,82 ile tavan yapmış ve çalışmanın son verisi olarak kabul edilen Aralık 2013’te ise %13,33’e gelmiştir. Aynı şekilde ülkeye ait Kredi Temerrüt Takaslarının da aylık ortalamaları, Ekim 2004’de 7,414, Aralık 2013’de Uzun dönemli faizin artması yayınlanan bir rapora göre, 10356, Aralık 2013’de ise 4538 olarak seyretmiştir. Kredi Temerrüt Takaslarının yüksek olması ülkenin yatırımcılar tarafından kredi olayının gerçekleşeceğine inanılmasına neden olunur ve bu ülkeye yatırım yapılmaz. Yatırım yapılmadığı zaman ülkede büyüme gerçekleşmez, büyüme gerçekleşmediği zaman ise işsizlik artar. Bu durumda, Yunanistan’ın durumu granger nedensellik sonucunu desteklemektedir. Ülkede ekonominin kötü gitmesi, ülkeyi yeniden yapılanmayla karşı karşıya bırakmış, bu durumda ülkenin uzun dönemli faizleri artmıştır. Uzun dönemli faizlerin artması da ülkedeki ekonominin kötüye gittiğini işaret ettiğinden dolayı temerrüt riskini fazlalaştırdığından KTT baz puanlarının artmasına neden olmuştur. Bu durumda yatırımcılar ülkeyi riskli olarak değerlendirdiklerinden, ülkeye yeni yatırım yapılmamış aksine birçok işletme küçülme ve kapanmaya ve hatta iflasa gitmiş bunun üzerine de işsizlik artmıştır. Tüm Ülkeler Bazında Genel Değerlendirme Avrupa Birliği’ni tartışmalara sürükleyen krizde büyük rol oynayan AB ülkelerinden İtalya, İspanya, Portekiz ve Yunanistan ile Türkiye’nin karşılaştırılmasını amaçlayan çalışmanın bu kısmında, ülkelerdeki kriz konusunda temel göstergelerin hem birbirleriyle hem de KTTler ile ilişkisi incelenmiştir. Her ülkenin ekonomik dinamikleri farklı olduğundan, çıkan sonuçların da her ülkede farklılık göstermesi şaşırtıcı olmamıştır. Örneğin, en basit haliyle şu anda AB’de özellikle Akdeniz ülkelerinde süregelen krizin nedeni kamu borcuyken, Türkiye’de süregelen krizin nedeni reel sektöre ait borçtur. Türkiye’ye ait KTTler çalışmanın başlangıcı olarak kabul edilen Ekim 2004’den diğer ülkelere göre yüksek seyredip, sürekli inişli çıkışlı bir grafik çiziyorken, diğer Akdeniz ülkelerinde sürekli artan bir grafik çizmiştir. Nedensellik testi sonuçları doğrultusunda, aslında tüm makroekonomik değişkenlerin birbiriyle ilişkisi olabileceğini, dolayısıyla bunların trendlerini bir arada incelemek gerekmektedir. Nedensellikler kimilerinde tek yönlü ortaya çıkarken, kimilerinde de çift yönlü oluşabilmektedir. Bunun nedeni de, daha önce de belirtildiği gibi, ülkelere ait ekonomik dinamiklerin farklı olduğudur. Sonuç Bu çalışmanın amacı, KTTlere etki eden değişkenleri saptamak ve bu yönde yatırımcıların aldıkları riskin temeline karşı yol gösterici nitelikte literatüre katkıda bulunmaktır. Bu doğrultuda iki farklı uygulama yapılmıştı Uygulamanın ilk kısmında, çalışmada kullanılan zaman aralığındaki bahsi geçen ülkelere ait günlük KTT baz puanları elde edilip, döviz kuruyla olan volatilitesine bakılması ve eğer varsa bu volatilitenin modellenmesi hedeflenmiştir. PIGS ülkelerinin hepsi Euro Bölgesi’nde olup euro/dolar paritesi, Türkiye için ise TL/dolar paritesi kullanılmıştır. Döviz kurlarının KTT ile volatilitesine bakıldığında PIGS ülkelerinde volatilitenin varlığı tespit edilemediğinden dolayı, ARCH ve WHITE testleriyle yalnızca Türkiye’de tespit edilen volatilite GARCH ile modellenmiştir. İncelenen PIGS ülkelerinde volatilitenin var olmadığına dair aynı sonucun çıkmasının nedeni, ülkelerin para birimlerinin aynı olması ve ülkelere ait KTT’nın ise aynı yönde, sürekli artan bir davranış sergilemesidir. Türkiye’de döviz kuru ve KTT ilişkisinde volatilite çıkmasının nedeni ise her iki değişkenin de daha dalgalı bir yapıya sahip olmasıdır. Bunun nedeni ise, ülkedeki ekonominin daha hareketli olması olarak açıklanabilir. Uygulamanın ikinci kısmında ise, yine aynı ülkelere ait KTTler ile enflasyon, işsizlik, uzun dönemli faiz oranı ve cari açıkla sınırlandırılmış makro ekonomik değişkenleri arasındaki ilişkiye granger nedensellik testiyle bakılmıştır. Bu kapsamda bütün ülkelere granger nedensellik testi uygulanmış ve kimi ülkelerin değişkenleri arasında tek yönlü, kimilerininkinde ise çift yönlü nedensellik saptanmıştır. Her ülkenin ekonomik dinamikleri farklı olduğundan, çıkan sonuçların da her ülkede farklılık göstermesi aslında beklenen sonuçtan çok da farklı değildir. Örneğin, en basit haliyle şu anda AB’de, özellikle Akdeniz ülkelerinde, süregelen krizin nedeni kamu borcuyken, Türkiye’de süregelen krizin nedeni özel sektöre ait borçtur. Türkiye’ye ait KTT’ları çalışmanın başlangıcı olarak kabul edilen Ekim 2004’den diğer ülkelere göre yüksek seyredip, sürekli inişli çıkışlı bir grafik çiziyorken, diğer Akdeniz ülkelerinde sürekli artan bir grafik çizmiştir. Nedensellik testi sonuçları doğrultusunda, aslında tüm makro ekonomik değişkenlerin birbiriyle ilişkisi olabileceğinden, bunların trendlerini bir arada incelemek gerekmektedir. Sonuç olarak, Ülkelere ait KTTlere etki eden pek çok unsurun olmasının yanısıra, her ülkeye ait KTT trendi ülkelerin dinamiklerinde meydana gelen farklılıklardan dolayı aynı seyretmemektedir ve her ülkede KTTye etki eden unsurlar farklılık gösterebilmektedir. Kaynakça Abid, F., Naifar, N.: “The Determinants of Credit Default Swap Rates: An 2006 Explanatory Study”, International Journal of Theoretical and Applied Finance-Sayı 9/1, 23-42 Akçay, M.,B., Kasap, “Türev Piyasalar ve Yapılandırılmış Ürünler, Scala Yayıncılık M., Doğuç, T., Kasap, G. : 2012 Alfonso, A., Gomes, P., “Short- and Long- Run Determinants of Sovereign Debt Credit Rother, P. :2011 Ratings”. International Journal of Finance and Economics, Wiley Online Library, 16,1-15 Altman, E., Brady, B., “The Link Between Default and Recovery Rates: Theory, Resti, A., Sironi, A.:2005 Empirical Evidence, and Implications”. Journal of Business, Sayı 78/6, 2203-2228.. Arslan, İ. :2006 “Analysis of Credit Default Swaps in Turkey” Batta, G. : 2011 “The Direct Relevance of Accounting Information for Credit Default Swap Pricing, Journal of Business Finance&Accounting, 38/9, 1096-1122 Benkert, C. :2004 “Explaining Credit Default Swap Premia”, The Journal of Future Markets, 24/1, 71-92 Bharath, S., Shumway, “Forecasting Default with the Merton Distance to Default Model. T. :2008 Blanco, R., Brennan, S., “An Empirical Analysis of the Dynamic Relation between Marsh, I.W., :2006: Investment-Grade Bonds and Credit Default Swaps”. International Journal of Finance. 60/5, 2255-2281 Bobersk, D., : 2009 CDS Delivery Option- Better Pricing of Credit Default Swaps”. Bloomberg Press New York. Bolak, M.: 2004 “Risk ve Yönetimi”, Birsen Yayınevi, Brandorf, C., Holmberg, “Determinants of Sovereign Credit Default Swap spreads for J., : 2010 PIIGS- A macroeconomic approach”, Lund University Bachelor Thesis CAO, C., Yu, F., “Pricing Credit Default Swaps with Option- Implied Volatility”, ZHONG, Z., :2011 Financial Analysis Journal, Sayı: 67/4, 67-76 Choudhry, M., : 2004 “An Introduction to Credit Derivatives”, Elsevier ButterworthHeinmann Consigli, G.,: 2004 “Credit Default Swaps and Equity Volatility: Theoretical Modelling and Market Evidence”, Working Paper Demir, F., Karabıyık,A., ABD Mortgage Krizi Ermişoğlu,E., Küçük,A.: 2008 Doğru, H.,: 2007 Menkul Kıymetleştirme&Mortgage Genel ve Hukuki Esaslar, Doğru Hukuk Yayınları, 2007, İstanbul. S: 3 Ehlers, P., Schönbucher, “The Influence of FX Risk on Credit Spreads”, P.: 2006 Erdönmez P. A., 2006 Aktif Menkul Kıymetleştirmesi, Türkiye Bankalar Birliği, Bankacılar Dergisi, Sayı 57, 75-84 Ericsson,J., Jacobs, K. “The Determinants of Dredit Default Swaps Premia”. Stockholm Oviedo, R. : 2005 Institute for Financial Resarch, Sayı 32, Research Paper Ersan, i., Günay, S., : “Kredi Riski Göstergesi Olarak Kredi Temerrüt 2009 Swapları (CDSs) ve Kapatma Davasının Türkiye Riski Üzerine Etkisine Dair Bir Uygulama, Bankacılar Dergisi- 79 Esen, N., Y., : 2011 “Portekiz Ülke Raporu”, “T.C. Başbakanlık Dış Ticaret Müsteşarlığı İhracatı Geliştirme ve Etüd Merkezi”, Ankara Gaillard, N. : 2012 “A Century of Sovereign Ratings”, Springer GAPEN, M., GRAY, D., “Measuring and Analysing Sovereign with Contigent Claims”, LIM, C. H., XIAO, Y. : IMF Staff Paper, Sayı: 55, 109-148 2008 Greatrex, C., A.,2009 “Credit Default Swap Market Determinants”, The Journal of Fixed Income, s: 19-32 Gregory, J. :2010 “Counterparty Credit Risk-The New Challe”, Wiley Finance Gökgöz, İ., H.: 2012 “ Stochastic Credit Default Swap Pricing”, ODTÜ Yüksek Lisans Tezi Göksel, A., Boztosun, “Avrupa Birliği’ne Aday Ülkelerin Finansal Risk Açısından D.: 2004 Karşılaştırılıp Konumlandırılması”, Üçüncü Sektör Kooperatifçilik. Sayı: 93, 77-90 Güven, S., 2008 “Generic Economic Stability Index Generation for Emerging Markets” Hakyemez C. :2012 “Menkul Kıymetleştirmede Örnek Ülke Uygulamaları ve Türkiye için Öneriler”, Yüksek Lisans Tezi Houweling, P., Vorst T. “An Empirical Comparison of Default Swap Pricing Models”, :2002 ERIM Report Series Research in Management. Hull, J.,C. : 2012 ”Risk Management and Financial Institions”, Third Edition, Willey Finance Hull, J., Predescu, M., The Relationship Between Credit Default Swap Spreads, Bond White, A. :2004 Yields, and Credit Rating Announcements. Journal of Banking and Finance. Hu, Y., Perraudin, W. The Dependence of Recovery Rates and Defaults, Birkbeck :2002 College, Working Paper. Işık, N., Tünen, T.: 2010 “Türev Ürünlerin 2008 Küresel Finansal Krizindeki Rolü”, Turgut Özal Uluslararsı Ekonomi ve Siyaset Kongresi-1, Küresel Krizler ve Ekonomik Yönetişim Bildiriler Kitabı, ss: 836-866 Jing, H. : 2010 “Credit Derivatives and Commercial Banks’ Risk Management” Canadian Social Science, Sayı 6/4, 194-201 Jorion, P., Zhang, G. Good and Bad Credit Contagion: Evidence from Credit Default :2007. Swaps. Journal of Financial Economics Kırankabeş, M. ,C.: 2006 Ülke Riski Kavramı, Metodolojisi ve Türkiye Değerlendirilmesi. Mevzuat Dergisi. Kendall, L. T., Fishmann “A Primer on Securitization”, MIT Press M. J. : 2000 Koçak, D., 2007 Konut Finansmanı Kanunu Öncesi ve Sonrası, Türk Uzun Vadeli Konut Finansman Sisteminde Varlığa Dayalı Menkul Kıymetlerin Rolü”, Beta Yayınları, s: 68-74 Koçak, D., 2007 “Konut Finansmanı Kanunu Öncesi ve Sonrası, Türk Uzun Vadeli Konut Finansman Sisteminde Varlığa Dayalı Menkul Kıymetlerin Rolü”, Beta Yayınları, s: 68-74 Michello, F. A., Deme, “Communication Failures, Synthetic CDOs and the 2008 M.,: 2012 Financial Crisis”, 16/4, sayfa: 105- 121. Özkaplan,D., : 2011 “Turkish Credit Default Swap and Relationship with Financial Indicators”, İstanbul Bilgi Üniversitesi, Yüksek Lisans Tezi Papaioannou, G. : 2011 Economic and Market Factors versus Credit Rating Announcements, on Credit Default Swaps. International Journal of Economics&Finance Rao, K., Chavali K., “Credit Default Swaps: Risk Management”, SCMS Journal of Gopinath, M., 2012 Indian Management, 102-208. Küresel Krizin Çıkış Kaynağı, Mortgage Kredileri Sönmez,C, : 2009 Stulz, R.:2009 Credit Default Swaps and the Credit Crisis. NBER Working Paper Series. Tang, D., Y., Yan, H.: “Market conditions, default risk and credit spreads,”, Journal of 2009 Banking and Finance, Sayı: 34, 743- 753 Türk, M. : 2008 Determining Sovereign Credit Default Swap Spread by Extended Merton Model in Selected Emerging Markets”, Işık Üniversitesi Yüksek Lisans Tezi. Vardareri, D., Dursun, “Asimetrik Bilgi Çerçevesinde 2008 Küresel Krizinin G., 2010: İncelenmesi”, The Journal of Knowlegde Economy&Knowledge Management, Sayı: 5, 137- 150 Wang, H., Zhou, H., “Credit Default Swap Spreads and Variance Risk Premia”, Zhou, Y. : 2012 Finance and Economics Discussion Series Division of Research&Statistics and Monetary Affairs Federal Reserve Board, Washington, D.SC. Wagner, E., Selvi,Y.: “Credit Default Swaps and Information Content”, 12. World 2008 Congress of Accountinh Historians, Sayı: III, 2242-2273 Yılmaz, G., :2012 “İpoteğe Dayalı Menkul Kıymetlerin Sermaye Piyasasındaki Rolü”, Yüksek Lisans Tezi EKLER İtalya’nın Granger Nedensellik Test Çıktısı Pairwise Granger Causality Tests Date: 04/08/13 Time: 17:02 Sample: 2004M10 2012M12 Lags: 2 Null Hypothesis: Obs F-Statistic Prob. 96 0.14112 0.8686 BUY_UNEMP does not Granger Cause BUY_LONINT 2.67149 0.0746 BUY_INF does not Granger Cause BUY_UNEMP 0.06399 0.9381 BUY_LONINT does not Granger Cause BUY_UNEMP 96 BUY_UNEMP does not Granger Cause BUY_INF BUY_CDSORT does not Granger 0.34924 0.7062 Cause BUY_UNEMP 96 0.21989 0.8030 BUY_UNEMP does not Granger Cause BUY_CDSORT 1.73820 0.1816 CA does not Granger Cause BUY_UNEMP 0.92378 0.4007 96 BUY_UNEMP does not Granger Cause CA 0.17687 0.8382 BUY_INF does not Granger Cause BUY_LONINT 96 0.63111 0.5343 BUY_LONINT does not Granger Cause BUY_INF 0.45781 0.6341 BUY_CDSORT does not Granger Cause BUY_LONINT 96 0.31557 0.7302 BUY_LONINT does not Granger Cause BUY_CDSORT 0.19310 0.8247 CA does not Granger Cause BUY_LONINT 1.36508 0.2605 96 BUY_LONINT does not Granger Cause CA 3.94294 0.0228 BUY_CDSORT does not Granger Cause BUY_INF 96 0.04033 0.9605 BUY_INF does not Granger Cause BUY_CDSORT 0.91039 0.4060 CA does not Granger Cause BUY_INF 96 BUY_INF does not Granger Cause CA 2.75602 0.0689 1.57096 0.2134 CA does not Granger Cause BUY_CDSORT 96 BUY_CDSORT does not Granger Cause CA 0.08936 0.9146 1.67108 0.1938 Portekiz’in Granger Nedensellik Test Çıktısı Pairwise Granger Causality Tests Date: 04/09/13 Time: 11:41 Sample: 2004M10 2013M01 Lags: 1 Null Hypothesis: Obs F-Statistic Prob. BUY_CDSORT does not Granger Cause BUY_CA 98 0.06339 0.8018 BUY_CA does not Granger Cause BUY_CDSORT 0.04474 0.8329 BUY_INF does not Granger Cause BUY_CA 98 BUY_CA does not Granger Cause BUY_INF 0.00836 0.9273 0.00126 0.9718 BUY_UNEMP does not Granger Cause BUY_CA 98 BUY_CA does not Granger Cause BUY_UNEMP BUY_LONINT does not Granger Cause BUY_CA 0.20973 0.6480 0.15633 0.6934 98 0.11041 0.7404 BUY_CA does not Granger Cause BUY_LONINT 1.20095 0.2759 BUY_INF does not Granger Cause BUY_CDSORT 98 0.95936 0.3298 BUY_CDSORT does not Granger Cause BUY_INF 0.23878 0.6262 BUY_UNEMP does not Granger Cause BUY_CDSORT 98 2.79145 0.0981 BUY_CDSORT does not Granger Cause BUY_UNEMP 0.06291 0.8025 BUY_LONINT BUY_CDSORT does not Granger Cause 98 BUY_CDSORT does not Granger Cause BUY_LONINT 0.62708 0.4304 0.23988 0.6254 BUY_UNEMP does not Granger Cause BUY_INF 98 5.10525 0.0261 BUY_INF does not Granger Cause BUY_UNEMP 0.34259 0.5597 BUY_LONINT does not Granger Cause BUY_INF 98 0.07299 0.7876 BUY_INF does not Granger Cause BUY_LONINT 0.45398 0.5021 BUY_LONINT does not Granger Cause BUY_UNEMP 98 1.21266 0.2736 BUY_UNEMP does not Granger Cause BUY_LONINT 0.28467 0.5949 Türkiye’nin Granger Nedensellik Test Çıktısı Pairwise Granger Causality Tests Date: 04/15/13 Time: 11:58 Sample: 2005M12 2012M12 Lags: 2 Null Hypothesis: BUY_INTEREST does not Granger Obs F-Statistic Prob. 81 0.32384 0.7244 Cause BUY_CDSORT BUY_CDSORT does not Granger Cause BUY_INTEREST BUY_UNEMP does not Granger 13.1336 1.E-05 Cause BUY_CDSORT 81 3.21623 0.0456 BUY_CDSORT does not Granger Cause BUY_UNEMP 3.39496 0.0387 BUY_CA does not Granger Cause BUY_CDSORT 1.39827 0.2533 81 BUY_CDSORT does not Granger Cause BUY_CA INF does not Granger Cause BUY_CDSORT 4.38856 0.0157 81 BUY_CDSORT does not Granger Cause INF BUY_UNEMP BUY_INTEREST does not Granger 0.24814 0.7809 0.28557 0.7524 Cause 81 1.77028 0.1772 BUY_INTEREST does not Granger Cause BUY_UNEMP 0.37479 0.6887 BUY_CA does not Granger Cause BUY_INTEREST 81 BUY_INTEREST does not Granger Cause BUY_CA 2.52594 0.0867 1.27547 0.2852 INF does not Granger Cause BUY_INTEREST 81 BUY_INTEREST does not Granger Cause INF 4.01646 0.0220 1.47961 0.2342 BUY_CA does not Granger Cause BUY_UNEMP 81 BUY_UNEMP does not Granger Cause BUY_CA 0.78392 0.4603 7.07818 0.0015 INF does not Granger Cause BUY_UNEMP 81 BUY_UNEMP does not Granger Cause INF 1.37085 0.2601 2.12502 0.1265 INF does not Granger Cause BUY_CA 81 BUY_CA does not Granger Cause INF 3.40346 0.0384 3.46153 0.0364 Yunanistan’ın Granger Nedensellik Test Çıktısı Pairwise Granger Causality Tests Date: 04/11/13 Time: 18:19 Sample: 2004M10 2012M12 Lags: 1 Null Hypothesis: Obs F-Statistic Prob. BUY_INF does not Granger Cause BUY_CDSORT 97 0.00082 0.9772 BUY_CDSORT does not Granger Cause BUY_INF 0.06771 0.7953 BUY_LONINT does not Granger Cause BUY_CDSORT 97 BUY_CDSORT does not Granger Cause BUY_LONINT BUY_UNEMP does not Granger BUY_CDSORT 8.13473 0.0053 0.11266 0.7379 Cause 97 0.45683 0.5008 BUY_CDSORT does not Granger Cause BUY_UNEMP 8.27492 0.0050 CA does not Granger Cause BUY_CDSORT 0.72852 0.3955 BUY_CDSORT does not Granger Cause CA 97 0.93834 0.3352 BUY_LONINT does not Granger Cause BUY_INF 97 1.47070 0.2283 BUY_INF does not Granger Cause BUY_LONINT 0.79469 0.3750 BUY_UNEMP does not Granger Cause BUY_INF 97 BUY_INF does not Granger Cause BUY_UNEMP CA does not Granger Cause BUY_INF 0.05582 0.8137 97 BUY_INF does not Granger Cause CA BUY_UNEMP does not Granger BUY_LONINT 0.00688 0.9341 0.12492 0.7245 0.12098 0.7288 Cause 97 2.47205 0.1192 BUY_LONINT does not Granger Cause BUY_UNEMP 0.06739 0.7957 CA does not Granger Cause BUY_LONINT 0.92317 0.3391 97 BUY_LONINT does not Granger Cause CA CA does not Granger Cause BUY_UNEMP BUY_UNEMP does not Granger Cause CA 0.40502 0.5261 97 0.19718 0.6580 0.42458 0.5163