SAYI 71 ARALIK 2009 BANKACILAR MAKALE Prof. Dr. hsan Ersan - Samet Günay Kredi Riski Göstergesi Olarak Kredi Temerrüt Swapları (CDSs) ve Kapatma Davasının Türkiye Riski Üzerine Etkisine Dair Bir Uygulama Yener Coflkun Küresel Kriz Sürecinde Yatırım Bankaları ile Di er Finansal Aracılarda Yaflanan Finansal Baflarısızlıklar ve Kamusal Müdahaleler R SK YÖNET M Doç. Dr. Seyfettin Erdo an - Cesur Ülbe i Operasyonel Risk Algısına Yönelik Bir Arafltırma KONFERANS-SEM NER Bankacılık Uygulamasında Güncel Hukuki Sorunlar Açılıfl Konuflmaları Prof. Dr. Seza Reiso lu Hasan Gerçeker Tebli ler Prof. Dr. Ünal Tekinalp Bankacılık Kanunu nun Kredi Düzeninin Merkez Kavramı Risk ile Bundan Do an Sorumluluk Üzerine Notlar Mehmet Kılıç Anonim fiirketlerde Pay Rehni Mahmut Bilgen nternet Bankacılı ından Kaynaklanan Zararlarda Bankaların Sorumlulukları Prof. Dr. smail Kırca Çek Hukukuna liflkin Muhtelif Sorunlar Ümit Yayla Merkezi Kayıt Kuruluflu ve Kaydi Sistem: Uygulamada Karflılaflılan Sorunlar ve Çözüm Önerileri
BANKACILAR Yayın türü : Yerel süreli Basım yeri : İstanbul Yılı : 20 Sayısı : 71 - Aralık 2009 Türkiye Bankalar Birliği adına İmtiyaz Sahibi ve Sorumlu Yazı İşleri Müdürü: Doç. Dr. Ekrem KESKİN Genel Yayın Yönetmeni: Melike MUMCU Yayın Danışmanları: Ali GÜNGÖR Buket HİMMETOĞLU Prof. Dr. Ahmet KIRMAN Prof. Dr. Seza REİSOĞLU B. Cahit SABIR Abdullah TAŞÇIOĞLU Özcan ULUDAĞ Tuğra YAZAR İdare Merkezi: Nispetiye Caddesi Akmerkez B3 Blok Kat:13 34340 Etiler-İSTANBUL Tel : 212-282 09 73 Faks : 212-282 09 46 Baskı-Yapım Graphis Matbaa San. ve Tic. Ltd Şirketi Yüzyıl Mahallesi Matbaacılar Sitesi 1. Cadde No.139 Bağcılar 34560, İstanbul Bankacılar Dergisi 3 ayda bir yayımlanır. Para ile satılmaz. Bu yayın TBB internet sitesinde (www.tbb.org.tr) yer almaktadır. ISSN 1300-0217 (Basılı) ISSN 1307-8631 (Elektronik) Sertifika No: 1107-34-009143 Bankacılar Dergisi - Bankacılar dergisi, ekonomi, finans ve bankacılık konularında yapılan çalışmaları ilgili çevrelerin bilgisine sunmak amacıyla yayımlanmaktadır. - Dergide yayımlanacak makalelere karar verilmesinde, konunun uzmanı hakemlerin görüşleri alınmaktadır. - Dergiye gönderilecek yazının daha önce hiçbir yerde yayımlanmamış olması gerekmektedir. - Basılması istenilen yazılar derginin arka iç kapağında belirtilen yazı ve biçim kurallarına uygun olarak hazırlanmalı ve değerlendirmeye girmek üzere, Bankacılar Dergisi Türkiye Bankalar Birliği Bankacılık ve Araştırma Grubu Başkanlığı Nispetiye Cad. Akmerkez B3 Blok Kat.13 Etiler- İSTANBUL adresine gönderilmelidir. - Dergide yayımlanan yazılar Türkiye Bankalar Birliği nin resmi görüşlerini yansıtmaz, yazar ve görüş sahiplerini bağlar. - Dergide yer alan çalışmalar kaynak gösterilmek suretiyle izinsiz yayımlanabilir. - Yayımlanacak yazılarda yazım kurallarına ve biçime ilişkin değişiklikler yapılabilir veya bunların yapılması yazardan istenebilir. - Dergide yayımlanmayan yazılar yazarlara geri gönderilmez. - Yazılar yayımlanmak üzere kabul edildiği takdirde Bankacılar dergisi yazılı ve elektronik ortamda olmak üzere tüm yayın haklarına sahiptir.
Bankacılar Dergisi, Sayı 71, 2009 İçindekiler MAKALE Prof. Dr. İhsan Ersan - Samet Günay 3 Kredi Riski Göstergesi Olarak Kredi Temerrüt Swapları (CDSs) ve Kapatma Davasının Türkiye Riski Üzerine Etkisine Dair Bir Uygulama Yener Coşkun 23 Küresel Kriz Sürecinde Yatırım Bankaları ile Diğer Finansal Aracılarda Yaşanan Finansal Başarısızlıklar ve Kamusal Müdahaleler RİSK YÖNETİMİ Doç. Dr. Seyfettin Erdoğan-Cesur Ülbeği 48 Operasyonel Risk Algısına Yönelik Bir Araştırma KONFERANS-SEMİNER Bankacılık Uygulamasında Güncel Hukuki Sorunlar 59 Açılış Konuşmaları Prof. Dr. Seza Reisoğlu 59 Hasan Gerçeker Tebliğler Prof. Dr. Ünal Tekinalp 61 Bankacılık Kanunu nun Kredi Düzeninin Merkez Kavramı Risk ile Bundan Doğan Sorumluluk Üzerine Notlar Mehmet Kılıç 66 Anonim Şirketlerde Pay Rehni Mahmut Bilgen 78 İnternet Bankacılığından Kaynaklanan Zararlarda Bankaların Sorumlulukları Prof. Dr. İsmail Kırca 97 Çek Hukukuna İlişkin Muhtelif Sorunlar Ümit Yayla 104 Merkezi Kayıt Kuruluşu ve Kaydi Sistem: Uygulamada Karşılaşılan Sorunlar ve Çözüm Önerileri 1
Bankacılar Dergisi, Sayı 71, 2009 Kredi Riski Göstergesi Olarak Kredi Temerrüt Swapları (CDSs) ve Kapatma Davasının Türkiye Riski Üzerine Etkisine Dair Bir Uygulama Prof. Dr. İhsan Ersan * Samet Günay ** Kredi Türevleri, bir risk yönetim aracı olmalarının yanı sıra spekülatif amaçlı da kullanılmaktadırlar. Özellikle kredi temerrüt swaplarından elde edilen spreadler bir risk göstergesi olarak çok başarılı ve etkin değerlendirmeler sağlamaktadır. Bu çalışmada, 2008 yılı Mart ayında iktidar partisine açılan kapatma davasının, Türkiye kredi temerrüt swap spreadleri üzerinde istatistiksel olarak anlamlı bir etkisinin olup olmadığı VAR (Vektör Oto Regresif) yöntemi ile test edilmiştir. Çalışmanın ilk kısmında kredi türevleri ve özellikle kredi temerrüt swapları için kavramsal bilgi verilmiş, ikinci kısımda da VAR yöntemi ile ekonometrik analiz yapılmıştır. Elde edilen sonuçlara göre; kapatma davasının Türkiye kredi temerrüt swap spreadleri üzerinde anlamlı bir etkisinin olmadığı ve Türkiye kredi temerrüt swap spreadleri üzerinde etkili olan değişkenlerin, Türkiye ye ilişkin yurtiçi değişkenlerden ziyade yurtdışında işlem gören Eurobond getirileri ve Dow Jones Endeksi getirisi değişkenleri olduğu görülmüştür. Anahtar Kelimeler : Kredi Türevleri, Kredi Temerrüt Swapları (CDSs), Türkiye Kredi Riski, VAR Modeli, Kapatma Davası Giriş Kredi riski, bir tarafın sözleşmedeki ödeme yükümlülüğünü yerine getirememesi olarak tanımlanabilir. Bu risk bir tarafın diğer tarafa gelecek dönemdeki ödemeler için yükümlülük altına girmesi ile var olacaktır. Kredi riski, banka kredisi, işletme tahvilleri ya da vadeli işlem sözleşmeleri ile ortaya çıkabilir. Burada bahsedilen ödeme yükümlülüğünün yerine getirilememesi, temerrüt olarak ifade edilmektedir. Kredi olayı terimi ise sözleşmelerde genellikle olası temerrüt olaylarını ifade etmek için kullanılmaktadır. Kredi olayına; iflas ilanı, tahvil ödemelerindeki acziyet, yükümlülüğün reddi ya da kredi notunun düşürülmesi örnek olarak verilebilir (Mcdonald, 2006: 841). Tezgah üstü piyasalarda işlem gören kredi türevleri, kredi riskini bir taraftan diğerine transfer etmek için kullanılan finansal enstrümanlardır. Kredi türevleri arasında en önde gelen ürün kredi temerrüt swaplarıdır (Credit Default Swaps- CDSs-bundan sonra CDS olarak ifade edilecektir). Özellikle mortagage krizi baş gösterene kadar kredi türevleri piyasasında ciddi gelişmeler yaşanmıştır. Başlangıçtaki tek varlıklı kredi temerrüt swapları piyasasından çok daha karmaşık olan likit CDS endekslerine (CDX, ITraxx), ezoterik korelasyon ve volatilite ürünlerine uzanan bir süreç söz konusu olmuştur. (Kakodkar ve Galiani, 2006: 3) CDS ler sadece özel şirket borçlanmaları ile sınırlı değildir. Kamu borçlanma senetleri ve Eurotahviller (Eurobondlar) için de CDS alınıp satılabilmektedir. Bu ürünler sadece sigorta amaçlı değil, spekülatif olarak da kullanılabilmektedir. Çeşitli vadelerde bir şirketin ya da ülkenin riskini almak isteyen biri CDS satarak, para yatırmaktansa bir de üste prim alarak, bunu yapabilmektedir. Örneğin Türkiye Eurobondu na yatırım yapmak isteyen bir yatırımcı 5 yıllık CDS satın alabilir. Son yıllarda CDS spreadleri şirketlerin ve ülkelerin risk algılamaları açısından çok önemli bir gösterge olmuştur. Artık ülke riskini analiz edenler Eurotahvil getirilerine değil CDS spreadlerindeki dalgalanmalara bakmaya başlamışlardır (Özel, 2008: * İstanbul Üniversitesi, İşletme Fakültesi, Finans Anabilim Dalı Öğretim Üyesi. ** İstanbul Üniversitesi, İşletme Fakültesi, Finans Anabilim Dalı Doktora Öğrencisi. 3
Prof. Dr. İhsan Ersan-Samet Günay 3). Spread terimi genellikle piyasadaki iki faiz oranı arasındaki farkı ifade etmek için kullanılır. Aynı zamanda sözkonusu spread faiz oranları karşılaştırılan iki menkul kıymet ile ilişkilendirilmiş risk farklılığını göstermektedir. Bu risk bünyesinde kredi riski, likidite riski ve kur riski gibi risk faktörlerini barındırmaktadır. Kredi temerrüt swap spreadi CDS işleminde kredi korunması satın alan taraftan korunma satan tarafa ödenen primleri gösteren spreadlerdir. (Anson ve Fabozzi vd., 2004: 256) CDS spreadlerinin son yıllarda gerek yatırımcılar gerekse de analistler tarafından ilgiyle izlenmesi bu enstrümanların popüleritelerini arttırmış ve finansal piyasalar için bir risk göstergesi olarak kabul görülmelerini sağlamıştır. CDS spreadlerinin önemleri nedeniyle, bu çalışmada; Türkiye kredi riski göstergesi olarak da kullanılan CDS spreadlerinin özellikle 2007 yılında iktidar partisine açılan kapatma davası sürecindeki hareketleri ekonometrik açıdan incelenecek ve kapatma davasının Türkiye nin kredi riski üzerinde etkisinin olup olmadığı saptanmaya çalışılacaktır. 1. Kredi Türevleri Faiz oranı veya hisse senedi türevleri gibi, kredi türevleri de değerleri dayanak varlıklardan (underlying asset) veya varlık sepetlerinden türetilen teminatlar veya sözleşmelerdir. Kredi türevleri, iki grubun, üçüncü bir grup veya referans varlığının borcunu ödeyememesi veya iflası gibi bir kredi olayı olasılığına dayanarak, gelecekteki bir işlem için anlaştıkları iki taraflı tezgah üstü (over-the-counter) sözleşmelerdir. Kredi türevleri temelde, anlaşma taraflarından birini referans varlıklarının yükümlülükleri üzerinde doğabilecek geri ödememe riskine karşı korumak için tasarlanmışlardır (Clarke, 2002: 78). Kredi temerrüt swapları kredi riskinin kredi koruması satan tarafa transferi için kullanılmaktadırlar. Açık ara farkla kredi türevlerinin en popüler tipi kredi temerrüt swaplarıdır. CDS ler sadece varlık yöneticileri ve traderlar tarafından sıklıkla kullanılan bağımsız bir ürün değil aynı zamanda sentetik teminatlı borçlanma yükümlülükleri (synthetic collateralized debt obligations) ve krediye dayalı tahviller gibi (credit-linked notes) yapısal kredi ürünlerinde de kullanılmaktadırlar (Anson ve Fabozzi vd., 2004: 47). Mortgage krizinin kredi türevlerine olan güven ve işlem hacimleri üzerinde ciddi etkileri olmuştur. Ancak halen tüm kredi türev ürünleri içerisinde CDS ler % 98 lik pay ile en yüksek dilimi oluşturmaktadırlar. Aşağıdaki grafiklerden de görüleceği üzere 1-5 yıllık vadeler içinde yatırım yapılabilir derecedeki varlıklara yönelik sözleşmeler % 41 lik oran ile tüm kredi türevleri içinde en yüksek paya sahiptir. Diğer tüm vadeler içinde ise yatırım yapılabilir kredi derecesine sahip varlıklar 2009 ikinci çeyreğinde birinci çeyreğine göre % 4 lük bir artış göstererek pazarın % 65 ini oluşturmuşlardır. 34 Amerikan ticari bankası tarafından satılan korunma oranı 2009 birinci çeyreğe göre % 8 (0,6 trilyon dolar) azalarak 6,5 trilyon dolar olmuştur (The Office of the Comptroller of the Currency Report, 2009 : 6). Grafik 1. Ürün, Kredi Derecesi ve Vadeye Göre Kredi Türevi Kompozisyonu (2009 2.Çeyrek) 4 Kaynak : http://www.occ.treas.gov/ftp/release/2009-114a.pdf
Bankacılar Dergisi ISDA (International Swaps and Derivatives Association) tarafından yapılan açıklamaya göre, üzerine işlem yapılan kapanmamış CDS hacmi 2009 un ilk altı ayında % 19 azalarak 38,56 trilyon dolardan 31,22 trilyon dolara gerilemiştir. 31,22 trilyon dolar ise alım ve satım anlamında yaklaşık olarak eşit dağılmıştır. Bu rakamın 15,79 trilyon doları korunma alınması, 15,4 trilyon doları ise korunma satılması işleminden oluşmuştur. 2008 in altıncı ayından 2009 un altıncı ayına olan 12 aylık dönemde ise CDS hacminde % 43 lük bir düşüş söz konusudur. 2007 yılının sonundaki 62,2 trilyon dolar lık hacme göre ise düşüş oranı son 18 ayda % 49,8 olarak gerçekleşmiştir (ISDA Survey, 2009: 1). 1.1. Kredi Temerrüt Swap İşlemi CDS ler kredi riskini transfer eden türev ürünlerdir. Bu işlemde korunma satın alan taraf, genellikle sözleşmenin yıllık nominal değeri üzerinden, belli bir rakam olan ve baz puan olarak ifade edilen bir primi garantör kuruma öder ve karşılığında kredi olayına karşı korunma almış olur. Korunma satan tarafından garanti edilen ödeme, kredi olayının ortaya çıkması durumunda ya da diğer bir ifade ile referans kredi varlığında satın alınan ve koşula bağlanmış risk gerçekleştiğinde yapılacaktır. Burada kastedilen risk; iflas, kredi notunun düşürülmesi ya da temerrüt (temerrüt) riskinden kaynaklanabilecek kredi olaylarıdır. Kredi olayını tam olarak şöyle ifade etmek mümkündür: Kredi olayı, temerrüt riskine karşı, koruma satan tarafın yükümlülüğünü başlatan ve korunma satın alan tarafa temerrüt ödemesini yapmasına neden olan olaydır. (Kasapi, 1999: 24) CDS anlaşmaları esasen tahvil yatırımcıları tarafından temerrüt riskinden korunmak amacı ile kredi riskinin sigorta şirketleri, hedge fonlar gibi bir üçüncü tarafa transferi için yapılır. Bununla birlikte sözkonusu finansal kurumlar da bu sözleşmeleri kendi aralarında tekrar ve tekrar alıp satabilirler. Sonuçta böyle bir durum nihai riski kimin taşıdığının belirlenmesini oldukça zorlaştırır ve piyasa katılımcıları arasında tanımlanamaz bir kredi riski ağı oluşturur (Middleton, 2008: 1). Kredi temerrüt işlemleri organize bir piyasası ya da borsası olmamasından dolayı tezgah üstü piyasada yani alıcıların ve satıcıların birbirlerini bulup aralarında yaptıkları anlaşmalarla alınıp satılmaktadır. (Özel, 2008: 3) CDS alıcısı korunma satın alan taraftır. Örneğin bir şirketin tahvilini satın alan bir yatırımcı şirketin kredi riskine karşı CDS işlemi yapabilir. Böyle bir işlemde karşı taraf ise korunma satan ya da swapı yazan kişi konumunda olacaktır. Eğer ki bir kredi olayı gerçekleşirse korunma alan tahvilin (piyasa değerini) korunma satan taraftan alabilecektir. Tahvilin piyasa değeri ise genellikle kredi olayını izleyen30 gün içerisinde belirlenir. Korunma alan, swap anlaşmasını yazan tarafa dönemsel sigorta primi ödemelerinde bulunur. Kredi olayının gerçekleşmesi halinde ise prim ödemeleri son bulur. CDS işlemindeki referans varlık (örneğin şirket tahvili) önem arz etmektedir. Aynı ihraççı tarafından ihraç edilecek farklı tahviller temerrütten (default) sonra farklı fiyata sahip olacaktır. Genellikle korunma alan taraf temerrüt sonrası, referans varlıkla eşdeğer ödeme hakkına sahip olan herhangi bir tahvili teslim edebilir. Örneğin bir temerrütün gerçekleşmesi durumunda CDS işlemi ya nakdi ya da fiziksel teslim ile sonlandırılır. Finansal teslimde swap yazan taraf tahvil sahibine tahvildeki kaybın değerini öder. Fiziksel teslimde ise swap yazan taraf temerrüt eden tahvili, temerrütün olmaması durumundaki fiyatından satın alır. Finansal ve fiziksel teslimat kuramda ekonomik olarak eşdeğerde gözükse de temerrüte düşen bir şirketin ihraç ettiği menkul kıymetlerin piyasası likit olmayacağından dolayı, nakdi teslimatta referans varlığın doğru fiyatını belirlemek kolay olmayacaktır (Mcdonald, 2006: 860). Nakdi teslimatta geri kazanım oranı (Recovery Rate) ve açık arttırma işlemi önem arz etmektedir. Nakdi teslimat, geri kazanım oranının üçüncü bir uzman kuruluş tarafından açık arttırma ile belirlenmesi neticesinde gerçekleşir ve telafi miktarı bu işlem sonrasında belirlenen fiyat üzerinden korunma alan tarafa ödenir. Bir temerrüt açıklandığında, ISDA piyasadaki katılımcıları koordine eder ve kredi olayının tarihi üzerinde anlaşılır. Bu tarih itibari ile de referans varlığın işleyen kuponları 5
Prof. Dr. İhsan Ersan-Samet Günay durdurulur. Açık artırma ise yaklaşık olarak kredi olayını takip eden 3 ila 4 hafta içinde ilan edilir (Markit, 2009: 13). Kredi olayı açık artırmaları, temerrüt sonrasında kredi türevlerinin sonlandırılabilmesi için adil, etkin ve şeffaf bir sürecin işlemesi için gerçekleştirilen işlemlerdir. Açık artırma işlemleri Creditex, Markit ve ISDA ile ISDA nın nakdi uzlaşı protokolünün parçası olan kredi türevleri dealerları tarafından gerçekleştirilir. Creditex ve Markit birlikte Haziran 2005 ten bu yana kredi olayı açık artırımlarının yöneticileri olarak çalışmaktadırlar. Kredi olayı açık arttırmaları sırasında dealerlar iflas ve vb. sonucunda kredi olayına maruz kalmış işletmenin yükümlülükleri için uygulanabilir makul teklifler sunarlar. Eş zamanlı olarak bu teklifleri gerçekleştirebilmek için standart bir piyasa metodolojisi kullanılır ve sonuç olarak da ilgili kredi türevi sözleşmeleri için nakdi uzlaşı fiyatı oluşturulur. Markit ise bu sürecin doğruluğunu-güvenilirliğini onayarak en son fiyatı hesaplar ve bunu ilgili internet sitesinde yayınlar. Lehman Brothers, Washington Mutual ve Fannie Mae için sözkonusu oranlar aşağıda verilmiştir. (Creditex Group Inc, 2009: 1). Tablo1. Brothers, Washington Mutual ve Fannie Mae Geri Kazanım Oranları Kredi Olayına Maruz Kalan Şirket Geri Kazanım Oranı Lehman Brothers % 8,63 Fannie Mae % 95,51 Washington Mutual % 57 Bir örnek olay yardımı ile CDS işlemini açıklamaya çalışalım. Bir Avrupa bankası olan BBVA tarafından Türkiye 5 yıllık CDS spreadinin 09/02/2009 tarihinde alım-satım için 400bps-410bps olarak kote edildiğini varsayalım. Bunun anlamı BBVA bankasının Türkiye nin referans varlığı için korunma alıcısı ya da korunma satıcısı olarak işlem yapmaya hazır olduğudur. Yani BBVA 410bps ile korunma satabilecek ve 400bps ile korunma alabilecektir. Ayrıca bu işlem için dikkate alınması gereken üç nokta daha vardır. İlki: prim ödemeleri üçer aylık dönemler halinde yapılacak, ikincisi: swap primi BBVA ile işlem yapacak olan karşı tarafa (da) bağlı olacak, üçüncüsü ise kredi olayı ISDA sözleşmesinde tanımlanan durumlar olacaktır. Örneğimizde bir varlık yöneticisi 2030 vadeli Türkiye eurobondu için 10 milyon dolarlık işlem tutarı üzerinden ve 410bps CDS spreadi (primi) ile BBVA bankasından 2 yıllık korunma satın almıştır. Teslimat şekli ise fiziksel teslimat olarak belirlenmiştir. Buradaki işlem tutarı fiziksel teslimat için kullanılabilecek olan Türkiye eurobondunun nominal değeri değildir. Örneğin 1000 dolar nominal değerli bir Türkiye eurobondunun işlem fiyatı 800 dolar olsun. Eğer ki bir varlık yöneticisi 12.5 milyon dolar nominal değerli Türkiye eurobonduna sahipse ve piyasa değeri 10 milyon dolar olan (12,5 milyon doların % 80 i) referans varlık için korunma satın almak istiyorsa bu durumda varlık yöneticisi 10 milyon dolarlık işlem tutarı üzerinden CDS işlemine girecektir. Eğer ki kredi olayı gerçekleşirse varlık yöneticisi 10 milyon dolar tutarında ödeme alacak ve 12,5 milyon dolar nominal değerli Türkiye eurobondunu teslim edecektir. Bu CDS işleminde standart sözleşme için 3 aylık prim ödemeleri aşağıdaki gibi hesaplanacaktır. CDS primi = [Sözleşme Tutarı Baz Puan (Gün / 360)] CDS primi = [10.000.000 dolar 0.041 (92 / 360)] = 104.777,78 dolar Kredi olayının gerçekleşmemesi halinde korunma satın alan korunma satana 2 yıl boyunca toplam 8 kez olmak üzere her üç ayda bir prim ödemesinde bulunacaktır. Eğer ki kredi olayı sözkonusu olursa kredi olayının gerçekleştiği tarih itibari ile prim ödemeleri son bulacak ve korunma satan taraf olan BBVA, korunma alan tarafa işlem tutarını yani örneğimizdeki 10 milyon doları ödeyecek ve bunun karşılığında korunma satın alan taraftan değeri düşmüş 6
Bankacılar Dergisi olan ve Türkiye tarafından ihraç edilmiş, kabul edilebilir eurobondları teslim alacaktır. (Anson ve Fabozzi vd., 2004: 51). Eğer ki örneğimizdeki CDS işlemi nakdi teslimat şeklinde gerçekleşmiş olsaydı bu durumda geri kazanım oranına bağlı olarak korunma satın alan taraf belli bir ödeme alacaktı. Örneğin geri kazanım oranı % 40 olsaydı korunma alan taraf BBVA bankasından 6 milyon dolar ödeme alacaktı (10.000.000 dolar [1-0,4]). Görüldüğü üzere teslim şeklinin nakdi teslimat olması durumunda geri kazanım oranının değerinin tespiti büyük önem arzetmektedir. Yukarıda da izah edildiği gibi bu oran Creditex, Markit ve ISDA nın organizasyonunda belirlenmektedir. 1.2. Kredi Temerrüt Swap Spreadi-Primi Koruma satın alanın, aldığı koruma karşılığında koruma satana yaptığı dönemsel ö- demelere swap primi veya swap spreadi denilmektedir. Bu swap primi, satın alınan toplam koruma tutarının veya sözleşme tutarının belirli bir yüzdesi olarak belirlenmektedir. Swap primi, genellikle çeyrek dönemlerde ödenmektedir (Karabıyık ve Anbar, 2006: 49). Kredi temerrüt swap işlemindeki primin oranı; Swap işleminin vadesine, Referans kurumun temerrüt etme olasılığına, Referans varlıktaki beklenen geri kazanım oranına Risksiz faiz oranına Korunma satanın kredi notu gibi faktörlerce belirlenmektedir (Kasapi, 1999: 26). Bir diğer önemli faktör ise volatilitedir. Referans varlığın volatilitesi CDS spreadinin yükselmesine neden olan anahtar etkenlerden birisidir. Volatilitedeki artış daha yüksek bir temerrüt olasılığından dolayı diğer koşullar sabit iken CDS spreadinde de bir artış yaratacaktır. (Hottinga ve Zwanenburg, 2003: 17-18) Tablo 2. En Likit Kredi Temerrüt Swap İşlemleri İçin Son Spreadler (30 Eylül 2009) Net İşlem Günlük Referans Tutarındaki Net İşlem Tutarı Spread Fiyat Kuruluş Haftalık Değişim (Dolar) Değişimi (Dolar) Fiyat Tipi Arjantin 1.530.198.180 116.481.220 21-1.46 Ön ödeme+500bps Almanya 12.073.051.390 164.437.330 21 0.25 Spread (bps) Brezilya 10.569.045.674 188.922.387 1-0.12 Ön ödeme+100bps Fransa 8.477.376.816 8.963.406 23 - Spread (bps) Japonya 2.125.789.540 151.506.448 43-0.12 Spread (bps) İtalya 22.499.008.724 34.483.062 68-1.18 Spread (bps) Güney Afrika 2.047.590.404 2.813.329 2 0.03 Ön ödeme+100bps Türkiye 5.492.039.278 21.303.644 4-0.1 Ön ödeme+100bps Rusya 5.224.477.090 322.573.372 209-2.55 Spread (bps) İngiltere 3.485.605.544 26.764.568 43 1.37 Spread (bps) Meksika 6.480.091.144 76.535.552 3-0.17 Ön ödeme+100bps Amerika 2.280.846.790 108.006.142 23 0.9 Spread (bps) Kaynak: http://www.markit.com/cds/most_liquid/index.html CDS spreadleri, ödenecek sabit primlerin bugükü değerleri ile kredi olayının gerçekleşmesi halinde yapılacak ödemenin bugünkü değerleri arasındaki fark hakkında korunma satan ve alan tarafın beklentilerini yansıtmaktadır. Dolayısıyla CDS spreadleri ağırlıklı olarak piyasa katılımcılarının referans varlığın temerrüt etme olasılığı hakkındaki öngörülerince belirlenirler. CDS spreadlerinin değerlemesinde en temel yaklaşım temerrüt olasılığı (PD) ile geri kazanım oranının (RR) bir fonksiyonudur: CDS spreadi = PD (1-RR) 7
Prof. Dr. İhsan Ersan-Samet Günay Bu basit bir yaklaşım olmasına rağmen birkaç önemli sonucun çıkarılması mümkündür. İlk olarak açıkça görüldüğü üzere CDS spreadlerinin belirlenmesinde geri kazanım oranının öngörüsü büyük önem arz etmektedir. Sonuç olarak fiyatlama modellerinde sabit bir geri kazanım oranı kullanılması tüm koşullar için doğru olmayabilir. İkinci olarak, çoğu fiyatlama modellerinde geri kazanım oranı sabit kabul edilse de bazı yazarların belirttiği gibi temerrüt olasılığı ile (PD) temerrüt halindeki kayıp çevrimsel biçimde birbirine bağlı olabilir. Döngü içerisinde PD ve RR arasında negatif korelasyon vardır. Bu durum, temerrüt olasılığı ile temerrüt halindeki kayıp (1-RR) arasında pozitif korelasyon olduğu şeklinde de ifade edilebilir. Bu yüzden ekonominin gerilediği dönemlerde temerrüt halindeki kayıpların çarpım etkisinden dolayı CDS spreadleri temerrüt olasılığına göre orantısız biçimde daha yüksek bir artış gösterebilirler (ECB Report, 2009: 64). CDS spreadleri ile tahvil spreadleri arasında bir ilişki söz konusudur. Konuyu şu şekilde açıklamaya çalışalım: Bir yatırımcı 5 yıllık ve yıllık % 7 getirisi olan bir işletme tahvili almış olsun (Risksiz faiz oranının % 5 olduğu varsayımı altında). Aynı zamanda yatırımcımız işletmenin temerrüt etme olasılığına karşı 5 yıllık CDS işlemi ile korunma satın almıştır. CDS spreadinin 200bps olduğunu varsayarsak CDS işlemi ile riskli olan işletme tahvili yaklaşık olarak risksiz tahvile dönüşmüş olmaktadır. İşletme temerrüte düşmezse yatırımcımız yıllık % 5 kazanacak ancak işletme temerrüte düşerse yatırımcı temerrüt gününe kadar yıllık % 5 kazanacak ve CDS sözleşmesi şartları altında tahvilini nominal değerinden nakde çevirebilecek ve kalan yıllar için de risksiz faiz oranı üzerinden elindeki nakdi tekrar yatırıma yönlendirebilecektir. Kuramsal olarak n yıllık CDS spreadi, yaklaşık olarak n yıllık işletme tahvilinin getirisinin n yıllık risksiz devlet tahvili getirisini aşan oranı yani tahvil spreadi kadar olmalıdır (Hull, 2006: 509). Ancak, 8 Piyasaların birbirinden etkilenmesi, Temerrüt swap sözleşmelerinde belirtilen, en ucuz aktarım seçeneği gibi, bazı ö- zellikler nedeniyle, kredi temerrüt swap spreadleri ile tahvil spreadleri birbirinden farklılaşmaktadır. CDS spreadi ile tahvil spreadi arasındaki fark, temerrüt swap baz puanı (default swap basis) olarak tanımlanmaktadır. Temerrüt swap baz puanı, CDS spreadi, tahvil spreadine göre bir primle işlem görüyorsa pozitif, bir iskonto ile işlem görüyorsa negatiftir (Ateş, 2004: 25). [CDS spreadi - tahvil spreadi] > 0 prim ; [CDS spreadi - tahvil spreadi] < 0 iskonto Eğer ki iskontolu işlem sözkonusu ise yatırımcı işletme tahvili alıp temerrüt riskine karşı korunma için CDS işlemi yaparak risksiz faiz oranından daha yüksek bir getiri elde edebilir. Diğer taraftan primli işlem sözkonusu ise yatırımcı, işletme tahvilinde kısa pozisyon alarak ve CDS satarak risksiz faiz oranından daha düşük bir maliyetle fon temin edebilir. Bu durum mükemmel bir arbitraj olmasa da CDS spreadi ile tahvil spreadi arasındaki ilişki için yeterince açıklayıcıdır (Hull, 2006: 509). Ülke tahvil getirisi spreadleri ülkelerin kredibilitesi açısından ve gelişmekte olan ülkelere yatırım yapan yatırımcıların katlandıkları risk karşılığında istedikleri getiri bakımından, taşınılan riskin finansal anlamdaki ölçüsü olarak kabul edilir. Ülke riskinin değerlemesinin analizi, risk yönetimi açısından olduğu kadar daha iyi bir sabit getirili menkul kıymet portföyü yönetimi ve finansal kurumların regülasyonu açısından da kritik öneme sahiptir (Remolona, Scatigna ve Wu, 2006: 2). Ülke CDS piyasası, ilgili tahvil piyasalarına göre daha likit bir pazardır. Bu da CDS spread ve getirileri için, tahvil spread ve getirlerine göre daha kesin tahminler sağlamaktadır. (Longstaff ve Pedersen vd., 2008: 1-2) Diğer taraftan CDS spreadlerinin tahvil spreadlerine göre öne çıkan iki önemli avantajı daha vardır. İlk olarak, CDS spreadler ilgili referans varlığın temerrüt riskinin oldukça hassas bir fiyatlamasına dayanmaktadır. Ayrıca sözleşmeler standart bir şekilde işlem görürler. Aksine tahvil spreadleri; öncelik, kupon faiz oranı, gömülü opsiyonlar ve garantiler gibi kontratsal düzenlemelerde farklılıklar göstermekte ve bu farklılıklardan etkilenmektedir. İkinci olarak, Blanco (2005) ve Zhu nun (2004)
Bankacılar Dergisi gösterdiği üzere, CDS spreadleri ile tahvil spreadleri uzun vadede birbiri ile uyumlu olsalar bile, CDS spreadleri kısa vadede kredi koşullarındaki değişikliklere daha çabuk tepki verebilmektedirler (Zhang, Zhou ve Zhu, 2005: 2). Bu nedenle CDS spreadleri tahvil spreadlerine göre daha fazla ilgi gören ve kullanılan göstergelerdir. Türkiye CDS spreadleri ise global CDS piyasası içinde likidite açısından en ön sıralardadır. Bu anlamda ülke riskinin analizinde kullanılabilecek en önemli göstergelerden birisi CDS spreadleridir. Hernekadar CDS işlem hacminde mortgage krizi sonrasında sert düşüşler yaşansa da bir risk göstergesi olarak CDS spreadleri önemlerinden hiç bir şey kaybetmiş değillerdir. Finansal sistemlerini kurtarmak zorunda kalan ülkelerin de finansal sıkıntı altında olabileceği düşüncesi, banka iflasları ve finansal sistemdeki artan sistematik risk algısı ile birleştiğinde, 2008 yılı araştırmalarında bankalar ve ülkeler ismi en fazla geçen kurumlar olmuştur. İşlem hacmi bazında incelendiğinde hem korunma alan hem de korunma satan sıralamasında; ülkeler, finansal kurumların da önüne geçerek ilk beşin dördünde yer almışlardır. İlk sırada ise aşağıdaki tabloda görüldüğü üzere en çok işlem hacmine sahip ülke olarak Türkiye yer almaktadır. Türkiye hem korunma alan hem de korunma satan sıralamasında İtalya ve Brezilya yı geride bırakmıştır (Ramaduraı, Rosenthal ve Carter, 2009: 7). Tablo 3. 2008 Yılı İşlem Hacmi Bazında, Yıl Sonu İtibariyle Toplam Alınan ve Satılan Korunma İçin En Yüksek Hacimli 20 Referans Varlık Korunma Alan Korunma Satan 1 Türkiye Türkiye 2 İtalya İtalya 3 Brezilya Brezilya 4 JP Morgan Chase Rusya Federasyonu 5 Rusya Federasyonu Gazprom 6 Bank of America JP Morgan Chase 7 Gazprom Bank of America 8 Meksika Meksika 9 Morgan Stanley Deutsche Bank 10 Deutsche Bank Morgan Stanley Kaynak: Fitch Ratings, www.fitchratings.com Grafiklerden de görüldüğü üzere, bu dönemde hem finansal kurumların hem de ülkelerin CDS spreadlerinde piyasalardaki tedirginliği gösteren ciddi sıçramalar gerçekleşmiştir. Grafik 2. 5 Yıllık CDS Spreadleri (sırasıyla Brezilya, Türkiye, İtalya, Morgan Stanley, Ford ve Pfizer 01/01/2008-05/10/2009) Kaynak: Bloomberg 9
Prof. Dr. İhsan Ersan-Samet Günay 1.3. Literatür Araştırması Siyasi süreçlerin para politikası ve konjonktür dalgalanmaları üzerine etkisine dair geniş bir literatür olmasına karşın, siyasi riskin ülke riskine etkisi ile ilgili çalışmalar sınırlıdır. Ancak genel olarak gösterilmiştir ki hem gelişmiş hem de gelişmekte olan ülke piyasalarında varlık fiyatları makroekonomik ve siyasi haberlere karşı hassasiyetle tepki vermektedir. Buna karşın konu ile ilgili yapılmış bazı çalışmalarda ise siyasi riskin finansal piyasalar üzerindeki etkisinin kesin olmadığı sonucu çıkmıştır. Konuyla ilgili yapılmış ilk çalışmalar arasında yer alan, Cutler (1988) ve Cutler, Poterba ve Summer (1989) tarafından yapılan çalışmada politik haberlerin ABD piyasaları üzerinde önemli bir etkisinin olmadığını gösterilmiştir. 1997-98 döneminde Doğu Asya nın kaotik finansal yapısında hisse fiyatlarında günlük % 10 oranında dalgalanmalar yaşanmaktaydı. Kaminsky ve Schmukler (1999) yaptıkları çalışmada bu dönem içinde piyasada hangi tür haberlerin dolaştığını incelemişlerdir. Elde edilen sonuçlara göre; hem yerel hem de komşu ülkelere dair haberler piyasalardaki dalgalanmalara neden olmaktadır. Bu haberler içinde ise uluslararası anlaşmalar ve reyting şirketlerinin açıklamaları ağırlık kazanmaktadır (Kaminsky ve Schmukler, 1999: 537). Kho ve Stulz (1999) olay çalışması metodunu kullanarak yaptıkları çalışmada, Asya krizi sırasında IMF yardımının bankacılık hisse getirileri üzerine etkilerini incelemişlerdir. Elde ettikleri sonuca göre IMF programı açıklamaları banka hissedarlarının varlıklarında artış yaratmıştır. Hayo ve Kutan (2005); Asya, Rusya ve Brezilya krizleri sırasında IMF ile ilgili haberlerin 6 gelişmekte olan ülke hisse senetleri piyasası getirileri üzerine olan etkisini incelemişlerdir. Panel data yönteminin kullanıldığı çalışmada, iyi ve kötü haberlerin hisse senetlerinin getirileri üzerinde istatistiksel olarak anlamlı etkilerinin olduğu görülmüşken, IMF haberlerinin hisse senedi piyasasının volatilitesini arttırmadığı sonucuna ulaşılmıştır (Hayo ve Kutan, 2005, 1138). Bittlingmayer (1998) politik belirsizliğin resesyon ve piyasa volatilitesi üzerinde önemli bir etkisinin olduğunu göstermiştir. Mei ve Guo (2002) 22 gelişmekte olan ülke piyasası için bir panel kullanarak politik belirsizliğin finansal krizler üzerindeki etkisini incelemiştir. Buna göre, dokuz finansal krizden sekizinin siyasi seçim süreci ile ilgili olduğu görülmüştür. Seçimler esnasında piyasa volatilitesinde artış gözlenmiş ve siyasi belirsizliğin incelenen krizlerin başlıca nedeni olduğu, siyasi gelişmelerin gelişmekte olan ülkeler için önemli bir faktör olduğu sonucu elde edilmiştir (Mei ve Guo, 2002: 18). Fornari ve Monticelli vd. (2002) Mart 1994-Kasım1996 dönemi için piyasadaki haberlere karşı İtalyan Lireti nin ve uzun dönem faiz oranlarının günlük volatilitesini incelemişlerdir. Çalışmada haberler iki gruba ayrılmıştır. İlk grupta, periyodik olarak yayınlanan haberler, ikinci grupta ise şartlara göre açıklanan haberler (hükümet açıklamaları gibi) yer almıştır. Buna göre her iki grup haberlerin de İtalyan Lireti ve uzun dönem faiz oranlarının volatilitesi üzerinde etkili olduğu görülmüştür (Fornari ve Monticelli vd., 2002: 634). Emir, Özatay ve Şahinbeyoğlu (2005) 16 Mayıs 2001-31 Aralık 2002 dönemi için yaptıkları çalışmada; ABD faiz oranları, risk karşısında dünya genelindeki yatırımcı iştahı (ABD Baa ve ABD hazine bonoları arasındaki spread olarak), yurtiçi makroekonomik açıklamalar, politik ve Avrupa Birliğine ilişkin haberler, IMF açıklamaları ve reyting değişimlerinin, Türkiye deki faiz oranları üzerine etkisini incelemişlerdir. Elde edilen sonuçlar şu şekildedir: Hem iyi hem de kötü haberler ikincil piyasa faiz oranlarının düzeyi üzerinde etkili olurken, faiz oranlarının varyansı üzerinde etkili olan başlıca faktör kötü haberler olmaktadır. Diğer taraftan kredi notundaki düşüşler de faiz oranlarını etkilemektedir. Buna karşın ABD faiz oranlarındaki değişim ve risk karşındaki yatırımcı iştahının incelenen periyot itibari ile Türkiye deki faiz oranları üzerinde etkili olmadığı görülmüştür (Emir, Özatay ve Şahinbeyoğlu, 2005: 19). Soultanaeva (2008) üç Baltık ülkesine ait hisse senedi endeks getirilerini kullandığı çalışmasında 2001-2003 yılları sırasında yurt içi ve yurt dışı (Rusya hariç) siyasi haberlerin Riga ve Tallinn hisse senedi piyasalarının riskini azalttığını göstermiştir. Aynı zaman döneminde Rusya ya ilişkin siyasi haberler Tallinn in hisse senedi piyasasının riskini arttırıcı 10
Bankacılar Dergisi bir etki göstermiştir. 2004-2007 yıllarında ise siyasi haberlerin piyasalar üzerindeki etkisi hem Riga da hem de Tallinn de azalmıştır. Vilnius ise her iki dönemde de siyasi haberlerden etkilenmemiştir. Genel bir değerlendirme ile Baltık hisse senedi piyasasının siyasi haberlere karşı olan hassasiyeti incelenen dönem sürecinde azalmıştır ( Soultanaeva, 2008: 16). Yukarıda bahsedilen çalışmalardan elde edilen sonuçlardan görüleceği üzere siyasi gelişmeler özellikle gelişmekte olan ülke piyasalarında finansal krizlere varan maliyetlere sebep olabilmektedir. 2. Türkiye Riskinin Analizi: Kapatma Davası Etkisi 2.1. Çalışmanın Amacı Ülkelerin temerrüt riskinin belirleyicisi olan nicel ve nitel bazı faktörlerin o ülkenin kredi-borçlanma maliyetlerini ve CDS spreadlerini de doğrudan etkilediği düşünülmektedir. Bu amaçla elde edilen bazı veriler ışığı altında Türkiye nin CDS spreadlerini etkileyebileceğini düşündüğümüz değişkenler ile Türkiye CDS spreadleri arasındaki ilişki incelenecektir. Ancak çalışmanın asıl odak noktası; 2008 yılı itibariyle dünya finans piyasalarında büyük bir krizin yaşandığı, likiditenin önemli ölçüde daraldığı ve risklere karşı çok daha dikkatli bakıldığı bir dönemde, Türkiye'de iktidar partisine açılan kapatma davasının, ülkenin risk primine karşı herhangi bir etkisinin olup olmadığını ekonometrik yöntemler ile incelemek olacaktır. 2.2. Kullanılan Veriler Çalışmamızda 02/01/2004 ve 30/07/2009 tarihleri arasında yer alan ve günlük datalardan oluşan toplam 1444 adet veri kullanılmıştır. Verilerin tamamı Bloomberg den temin edilmiştir. Bu verilerin dağılımı ise aşağıdaki gibidir: Türkiye 5 yıllık CDS spreadleri (cds_5) Dow Jones Endeksi (dji) 2030 vadeli Türkiye gösterge eurobondunun faizi (ebond_30) Türkiye yurtiçi gösterge faizi (gos_faiz) İMKB 100 Endeksi Volatilitesi (kapanış fiyatları üzerinden) (imkb_volatilite) 14 Mart 2008 tarihinde açılan ve 30 Temmuz 2008 tarihinde karara bağlanan iktidar partisine açılan kapatma davası için kullanılan kukla değişken (dummy). Yukarıda açıklandığı üzere günümüzde CDS spreadleri ülke riskinin analizinde en sık takip edilen değişken olmuştur. CDS değişkeni ile etkileşim halinde olabilecek değişkenlerin belirlenmesinde iktisat ve finans teorisinden yararlanılmış, bunun yanı sıra literatürde yer alan çalışmalar incelenerek model için gerekli olan veriler belirlenmiştir. Günümüzün finansal yapısı içinde yurt içi finansal veriler kadar yurtdışı özellikle ABD ye ilişkin veriler de piyasalar ve beklentiler üzerinde belirleyici olmaktadır. Bu gerçekten hareketle modelimizde kullanılan verilerin bir kısmı yurtiçi, diğerleri de yurtdışı piyasalarla ilgili olan değişkenlerden seçilmiştir. Yurtdışı finansal piyasaların en sık takip ettiği gösterge olan Dow Jones Endeksi bu amaçla tercih edilmiştir. Modelde kullanılan diğer bir değişken olan Türkiye 2030 vadeli gösterge Eurobondunun tercih edilmesinin sebebi ise bu menkul kıymetlerin yabancı para cinsinden yurtdışında ihraç edilmesi ve yabancı yatırımcının Türkiye riski algılamasının fiyatlanmasında önemli bir gösterge olarak kabul edilmesidir. Türkiye nin yurtdışında ihraç edilmiş farklı vadelerde Eurobondları olmakla birlikte an itibari ile gösterge olarak kabul edilen; 2030 vadeli Eurobondtur. Yurtiçi finansal piyasalardaki gelişmelerle ilgili olarak modelde kullanılan değişkenlerden ilki Eurobond faizine yurt içi alternatif olarak değerlendirdiğimiz yurt içi gösterge faiz oranlarıdır. Gelişmekte olan ülke piyasalarının volatilitesi gelişmiş ülkelere göre çok daha yüksektir. Sermaye hareketleri, sığ finansal 11
Prof. Dr. İhsan Ersan-Samet Günay piyasalar ve siyasi istikrarsızlıklar gelişmekte olan ülke piyasalarının volatilitesini arttıran önemli parametrelerdir ve Cossin ve Hricko nun (2001) kredi temerrüt swaplarının belirleyicilerini analiz ettikleri çalışmalarında belirttikleri üzere tüm yapısal modeller bir girdi olarak varlık volatilitesini kullanmaktadır (Cossin ve Hricko, 2001: 25) Bu nedenle çalışmamızda İMKB100 endeks değerleri yerine GARCH (1,1) olarak modellenen, ulusal varlıklarımızın işlem gördüğü İMKB100 endeks volatilitesi kullanılmıştır. Kapatma davasının Türkiye riski üzerine etkisini test edebilmek için ise kukla değişken kullanılmıştır. Kukla değişkenimiz, kapatma davasının açıldığı ve karara bağlandığı süreçte yani 14 Mart 2008-30 Temmuz 2008 arasında 1, diğer dönemlerde ise 0 değerini almıştır. 2.3. Çalışmanın Yöntemi Yapılacak olan analiz için kullanılan yöntem, Vektör Oto Regresif yöntemidir. Ekonominin kompleks yapısı içinde finansal ilişkileri açıklamak ve yorumlamak zordur. Finansal değişkenler karşılıklı olarak sürekli etkileşim halindedir. Bu nedenle herhangi bir makro ekonomik değişkeni tek denklemli bir modelde bağımlı değişken ilan ederek onu etkileyebileceği düşünülen diğer değişkenleri ele almak yeterli olmayabilir. Çünkü kompleks yapı nedeniyle, ele alınan bağımlı değişken, bağımsız olarak düşünülen değişken ya da değişkenlerin belirleyicisi olabilir. (Bozkurt, 2007: 75) Finansal sistemdeki bu yapı nedeniyle bağımlı bağımsız değişken ayrımı yapmak çok kolay değildir. Bu sebeple çalışmamızda kullanılan yöntem, ifade edilen kısıtlara bağlı olmayan ve oldukça esnek bir yöntem olan VAR analizi olmuştur. (1 g) Y t vektörü t inci gözlemi gösterecek olursa p inci dereceden bir vektör otoregresif (VAR(p) olarak) model aşağıdaki gibi yazılabilir. Burada u t (1 g) hata terimleri vektörü. α (1 g) sabit terim vektörü ve β (i=1..p için) (g g) katsayılar matrisidir (Davidson ve MacKinnon, 1999: 535). VAR modeli uygulama açısından bazı avantajlara sahiptir. Bu yöntemde araştırmacı hangi değişkenlerin içsel ya da dışsal olduğunu tanımlama ihtiyacı duymamaktadır. Tahmin edilebilirlik eşanlı denklem modelleri için bir gereksinim olması sebebi ile sistemdeki tüm eşitlikler tanımlanmaktadır. Bu gereksinim ise şu durumu özetlemektedir: bazı değişkenler dışsal olarak davranmakta ve eşitlikler farklı sağ taraf değişkenleri içermektedir. Aslında ideal olanı bu sınırlamanın finansal ya da ekonomik kuramdan çıkmasıdır. Fakat kuram pratikte hangi değişkenlerin dışsal davrandığı konusunda çok fazla şey söylememektedir. Bu da araştırmacıyı değişkenleri nasıl sınıflandıracağı konusunda kendi takdiri ile baş başa bırakarak sorun yaratmaktadır. (Brooks, 2008: 291) Eş anlı denklem sistemlerinin içerdiği bu karmaşık tablonun çözümüne yönelik olarak geliştirilen Vektör Otoregresif Modeller (VAR) ile söz konusu sorun ortadan kaldırılmaktadır. VAR modelleri, yapısal modele herhangi bir kısıtlama getirmeksizin dinamik ilişkileri verilebildiği için zaman serileri açısından sıklıkla tercih edilmektedir (Keating, 1990: 453). Ayrıca VAR modelleri, bir değişkenin değerinin, sadece kendi geçmiş değerleri ya da beyaz gürültü terimlerinin kombinasyonuna olan bağımlılığından öte ilgili değişkenin farklı değişkenlere olan bağımlılığını da dikkate alan ve bu anlamda AR modellerinden ayrılan çok esnek bir yapıya sahiptir. Diğer taraftan eşitliğin sağ tarafında eşanlı terimler olmaması koşulu ile her eşitlik için ayrı ayrı en küçük kareler (EKK) metodunun kullanılması mümkündür (Brooks, 2008: 291). 12
Bankacılar Dergisi İki değişkenli bir VAR modeli standart haliyle şu şekilde ifade edilebilir: Yukarıdaki modelde (p) gecikmelerin uzunluğunu, (u) ise ortalaması sıfır, kendi gecikmeli değerleriyle olan kovaryansları sıfır ve varyansları sabit, normal dağılıma sahip rassal hata terimlerini temsil etmektedir. VAR modelinde hataların kendi gecikmeli değerleriyle ilişkisiz olması varsayımı, modele herhangi bir kısıt getirmemektedir. Çünkü değişkenlerin gecikme uzunluğunun artırılmasıyla otokorelasyon sorunu ortadan kaldırılabilmektedir. Hataların, zamanın belli bir noktasında birbiriyle ilişkili olması durumunda yani aralarındaki korelasyonun sıfırdan farklı olması durumunda ise, hatalardan birindeki değişim, zamanın belli bir noktasında diğerini etkilemektedir. Ayrıca hata terimleri, modelin sağındaki tüm değişkenlerle ilişkisizdir (Özgen ve Güloğlu, 2004: 96). 2.3.1. Birim Kök Testleri Çalışamaya ilk olarak durağanlık analizi ile başlanmıştır. Durağan olmayan serilerin denklemlere konulması gerçekte olmayan ilişkilerin varmış gibi görünmesine neden olmaktadır. Genellikle de finansal zaman serileri durağan değildir. Yani serilerin ortalamaları, varyansları ve kovaryansları zamana bağlı olarak değişmektedir (Duran, 2006. 61). Durağanlık analizinde birim kök testleri son yıllarda oldukça popüler olmuştur. Aşağıdaki modelde u t beyaz gürültü sürecini taşıyan hata terimidir. Y t = ρy t 1 + u t 1 ρ 1 (4) Y t nin kendi geçmiş değeri Y t-1 ile regresyona tabi tutulup ρ=1 çıkması durumunda model sapmasız rassal yürüyüş modeli olacaktır. Bunun anlamı modelin durağan olmayan bir sürece sahip olduğudur. Bu durumda Y t durağan olmayacaktır. Yukarıdaki modelde (4) eşitliğin her iki tarafından da Y t-1 çıkarılırsa aşağıdaki eşitlik bulunur. Y t Y t 1 = ρy t 1 Y t 1 + u t = (ρ 1)Y t 1 + u t (5) (5) şu şekilde de yazılabilir. Y t = δy t 1 + u t (6) Burada δ=(ρ 1) ve ilk fark işlemcisidir. Pratikte (4) yerine (6) tahmin edilir ve sıfır hipotezi için δ=0 test edilir. Eğer δ=0 ise ρ=1 olacak ve seri birim köke sahip olacaktır. Diğer taraftan, dikkat edilirse δ=0 olduğunda aşağıdaki sonuç elde edilecektir. Y t = (Y t Y t 1 ) = u t (7) u t beyaz gürültü sürecine sahip bir hata terimi olduğundan dolayı durağandır ve rassal yürüyüş bir zaman serisinin ilk farklarında durağanlaştığını söyleyebilirz. Bir zaman serisi ilk farklarında durağan olmuşsa ilgili seri 1. dereceden durağandır denir ve I(1) şeklinde gösterilir. Aynı şekilde n. dereceden durağan bir seri I(n) şeklinde gösterilir (Domadar, 2004: 814). Modelimizde kullanılan değiskenlerin durağanlık analizi Genişletilmiş Dickey-Fuller (ADF) ve Phillips-Perron (PP) testleri ile yapılmıştır. Hata terimleri arasında otokorelasyon 13
Prof. Dr. İhsan Ersan-Samet Günay olması durumunda genişletilmiş Dickey Fuller (ADF) Testi kullanılır. Amaç, gecikmeli değerlerin kullanılması ile otokorelasyonun ortadan kaldırılmasıdır. ADF testi aşağıdaki regresyonun tahmini ile gerçekleştirilir. Dickey Fuller yöntemindeki en önemli varsayımlardan birisi hata terimlerinin birbirinden bağımsız ve özdeş dağıldığıdır. ADF testi hata terimlerindeki otokorelasyon sorununu çözmek için bağımlı değişkenin gecikmeli farklarını ekleyerek DF testi üzerinde bir düzeltme işlemi yapar. Philips-Perron testinde ise hata terimlerindeki otokorelasyonu dikkate almak için gecikmeli farkları eklemeksizin parametrik olmayan yöntemler kullanılır (Domadar, 2004: 814). Uygulamada hata terimleri korelasyonlu ise ADF testi kullanılabilmektedir. Monte Carlo çalışmaları, negatif hareketli ortalama (MA) söz konusu olduğu zaman, PP testinin birim kök hipotezini reddetme eğiliminde olduğunu göstermistir. Bu nedenle negatif MA sürecinde ADF testinin kullanımı daha uygundur. PP testi veri yaratma sürecinin pozitif (MA) özelliğini göstermesi durumunda güçlüdür (Phillips ve Perron, 1998: 345). DEĞİŞKENLER CDS (cds_5 ) Eurobond Faizi (ebond_30) Gösterge Faiz (gos_faiz ) İMKB (imkb_volatilite) Dow Jones (dji) Tablo 4. Genişletilmiş Dickey- Fuller (ADF) Testinin Sonuçları ADF (Sabitli) (-2.293528) 0.1086*[20] (-3.116898) 0.0256*[22] (-1.355239) 0.6054* [3] (-1.559920) 0.5029* [0] (-1.044883) 0.7389*[18] ADF (Trend ve Sabitli) (-2.299486) 0.4334* [20] (-3.538508) 0.0357* [22] (-1.692460) 0.7544* [3] (-1.513743) 0.8248* [0] (-1.047883) 0.9355* [18] ADF (Trendsiz ve Sabitsiz) (-1.081168) 0.2536* [20] (-0.591989) 0.4610*[22] (-1.289462) 0.1823* [3] (0.387271) 0.7956* [0] (-0.475589) 0.5098* [18] ADF Durağan Seri (-9.271062) 0.0000*[19] (-7.978201) 0.0000*[23] (-22.44036) 0.0000* [2] (-37.14406) 0.0000* [0] (-8.856881) 0.0000*[17] ADF Durağanlık Düzeyi MacKinnon Kritik Değerleri (%1 için): İlk sütun: -3.434730, İkinci sütun: -3.964497, Üçüncü sütun: -2.566586, Dördüncü sütun: -3.434730 Tablo 5. Philips-Perron (PP) Birim Kök Testi Sonuçları PP PP PP DEĞİŞKENLER (Trend ve (Trendsiz ve (Sabitli) Sabitli) Sabitsiz) CDS (cds_5 ) (-2.543209) 0.1055*[14] (-2.559029) 0.2995* [14] (-1.132925) 0.2345*[15] PP Durağan Seri (-28.80144) 0.0000*[21] I(1) I(1) I(1) I(1) I(1) PP Durağanlık Düzeyi Eurobond Faizi (-2.854397) (-3.170139) (-0.663072) (-27.93405) (ebond_30) 0.0511*[16] 0.0909*[16] 4300*[18] 0.0000*[29] I(1) Gösterge Faiz (-1.500155) (-1.774755) (-1.390438) (-37.44083) (gos_faiz ) 0.5335* [0] 0.7167* [0] 0.1531* [2] 0.0000* [3] I(1) İMKB (-1.584824) (-1.548411) (0.361632) (-37.14938) (imkb_volatilite) 0.4901*[10] 0.8125* [9] 0.7890* [10] 0.0000*[11] I(1) Dow Jones (-1.119843) (-1.128900) (-0.453988) (-43.45179) (dji) 0.7100*[23] 0.9225* [23] 0.5185* [25] 0.0001*[20] I(1) MacKinnon Kritik Değerleri (%1 için): İlk sütun: -3.434673, İkinci sütun: -3.964417, Üçüncü sütun: -2.566566, Dördüncü sütun: -3.434677 ADF modellerindeki gecikme değerleri AIC kriterine göre seçilmistir. Her iki tabloda da parantez içerisindeki değerler test istatistiği değerlerini, üzerinde (*) olan değerler test istatistiğinin olasılık değerini ve son olarak köşeli parantez içindeki rakamlar da her test için optimum gecikme sayısını göstermektedir. Buna göre, tabloların altında verilen MacKinnon I(1) 14
Bankacılar Dergisi kritik değerleri için değişkenler, hem sabitli hem trend ve sabitli, hem de trendsiz ve sabitsiz olarak durağan değillerdir. Tüm değişkenler dördüncü sütunda görüldüğü üzere birinci farkları ile durağan bir seri haline gelmişlerdir. ADF ve PP testinden çıkan ortak sonuca göre tüm değişkenlerin ilk olarak logaritmaları sonrasında ise birinci farkları alınmıştır. Orjinal seriler ve durağanlaştırılmış serilerden elde edilen grafikler aşağıdaki tabloda sunulmuştur. Bundan sonraki analizlerde, elde edilen durağan seriler kullanılmıştır. Tablo 6. Durağan Olmayan ve Durağanlaştırılmış Serilerin Grafikleri 2.3.2. Uygun Gecikme Seviyesinin Belirlenmesi ve Johansen Eşbütünleşim Testi VAR modeli ile analize başlamadan önce model için en uygun olan gecikme seviyesinin belirlenmesi gerekmektedir. Ayrıca uygun gecikme seviyesinin kullanıldığı bir diğer önemli nokta eşbütünleşim analizidir. Tüm değişkenlerin birinci farkları ile durağan olmaları, bu değişkenler arasında uzun dönemli bir ilişkinin olabileceğini göstermektedir. Uygun gecikme seviyesi için elde edilen sonuçlar aşağıdaki tabloda sunulmuştur. FPE ve AIC kriterlerine göre etkin gecikme seviyesi 5, SC ve HQ kriterlerine göre ise 2 olarak gözükmektedir. Tablo 7. Etkin Gecikme Seviyesinin Belirlenmesi Lag LogL LR FPE AIC SC HQ 0 25626.11 NA 1.22e-23-3.573237-3.571.033-3.572414 1 30326.56 93.55001 1.83e-26-4.223788-42.08358* -42.18027* 2 30376.81 99.59467 1.79e-26-4.225776-4.197120-4.215076 3 30425.32 95.72850 1.76e-26-4.227520-4.185639-4.211883 4 30446.46 41.54567 1.80e-26-4.225448-4.170341-4.204872 5 30503.04 110.7151 1.75e-26* -42.28318* -4.159985-4.202804 6 30527.30 47.26580 1.77e-26-4.226681-4.145122-4.196229 7 30558.01 59.57140 1.79e-26-4.225942-4.131158-4.190552 8 30586.38 54.81444* 1.81e-26-4.224879-4.116869-4.184551 15
Prof. Dr. İhsan Ersan-Samet Günay Akaike bilgi kriteri, ortalama hata karesinin minimizasyonunu baz alan ve daha ziyade ileriye yönelik tahminlerde gözetilecek bir değerdir. HQ ise; tutarlı gecikme seviyesinin tayininde göz önünde bulundurulan kriterdir (Lütkepohl, 1993:132). Durağanlık analizinde de Akaike bilgi kriterinin tercih edilmesi nedeniyle etkin gecikme seviyesinin belirlenmesinde yine Akaike bilgi kriterinin verdiği gecikme değeri kullanılacaktır. Buna göre modelde kullanacağımız gecikme uzunluğu 5 tir. Çok değişkenli modellerde birden fazla eşbütünleşim ilişkisi olabilmektedir. Johansen ve Juselius (1990), Engle-Granger tarafından önerilen iki aşamalı regresyon yöntemine karşı bazı üstünlükleri olan ve maksimum olabilirlik yönteminin kullanıldığı bir yöntem geliştirmişlerdir. Johansen yöntemi, değişkenler arasındaki uzun dönemli ilişkiyi tespit etmekte ve bu değişkenler arasındaki tüm olası eşbütünleşim vektörlerinin tahminini gerçekleştirmektedir (Yuan ve Kochhar, 1994: 5). cds_5, ebond_30, gos_faiz, imkb_volatilite, dji değişkenlerinin ilk farklarında durağan olması bu değişkenler arasında uzun dönemli bir ilişkinin olup olmadığının incelenmesini gerektirmektedir. Uzun dönemde söz konusu değişkenler arasında anlamlı bir ilişkinin olup olmadığını tespit edebilmek için Johansen-Juselius testi kullanılmıştır. Trace ve Max-Eigen istatistiklerine dayanan Johansen-Juselius testi için uygun gecikme uzunluğu VAR modeli için belirlediğimiz rakam olan 5 tir. Tablo 8. Johansen Eşbütünleşme Test Sonuçları Hipotezler Özdeğer Trace İstatistiği Max-Eigen İstatistiği Yok ** 0.176947 1061.956 279.6383 En Fazla 1 ** 0.171887 782.3175 270.8373 En Fazla 2 ** 0.156034 511.4802 243.6081 En Fazla 3 ** 0.147899 267.8721 229.8317 En Fazla 4 ** 0.020948 38.04035 30.40082 En Fazla 5 0.005306 7.639527 7.639527 ** % 5 ve % 1 anlamlılık düzeyi için H 0 hiptezinin red edildiğini göstermektedir. Tahmin edilen sonuçlara göre, % 5 ve % 1 anlamlılık düzeylerinde eşbütünleşme olmadığını ileri süren H 0 yokluk hipotezi, her iki test için reddedilmiş ve modelimiz içerisinde dört adet eşbütünleşik vektör bulunduğu tespit edilmiştir. Bu sonuçlar seriler arasında uzun dönemli bir ilişkinin varlığını göstermektedir. Değişkenlerin kısa dönem ilişkisi ise Granger nedensellik testi ile sınanmıştır. Değişkenlerin tek tek durağan olmaları ile berbaber modelinde bir bütün olarak durağan olması gerekmektedir. Bunun için AR karakteristik polinomunun ters köklerine bakılabilir. Aşağıdaki grafikten görüldüğü üzere, tahmin edilen modele ait AR karakteristik polinomun ters köklerinin birim çember içerisindeki dağılımı, modelin durağanlık açısından herhangi bir sorun taşımadığını göstermektedir. Bu durum VAR modelinin istikrarlı bir yapıda olduğunu doğrulamaktadır. Grafik 3. AR Karakteristik Polinomun Ters Kökleri 16
Bankacılar Dergisi 2.3.3. Granger Nedensellik Testi VAR modelinin yaygın kullanımlarından birisi de modelde yer alan değişkenlerden birinin ya da daha fazlasının, diğerlerinin Granger Nedeni olmadığı hipotezini test etmektir. Granger Nedenselliği kavramı Granger tarafından geliştirilmiştir (1969) (MacKinnon ve Davidson, 1999: 588). Granger a göre eğer X t değişkenine ait bilgilerin modele eklenmesi, Y t değişkeninin öngörüsüne katkı sağlıyorsa, X t değişkeni Y t değişkeninin nedenidir. Yukarıda sunulan (2) ve (3) modelleri için Granger Nedensellik sınaması şu sekilde gerçekleştirilir. H 1 : β 1i = 0 H 2 : 1i = 0 Denklem (2) için H 1 hipotezinin kabulü halinde X t, Y t nin Granger Nedeni değildir. Denklem (3) için H 2 hipotezinin kabulü halinde ise Y t, X t nin Granger Nedeni nedeni degildir. Eğer H 1 ve H 2 hipotezlerinin her ikisi de reddedilirse, Y t ve X t arasında iki taraflı nedensellik olduğu anlaşılır. Bu durumda geri besleme etkisinden bahsedilebilir (Korkmaz ve Açıkgöz, 2007: 63-81). Varsayalım ki bir VAR modelindeki değişkenlerini Y t ve X t gibi iki gruba ayırıyoruz. Bunlar sırası ile g 1 ve g 2 boyutlarının satır vektörleridir. Eğerki Y t nin dağılımı Y t nin şarta bağlı kendi geçmiş değerleri dağılımı ile aynı ise X t, Y t nin Granger Nedeni değildir. Pratikte, Y t nin tüm dağılımının X t nin geçmiş değerlerine bağlı olup olmadığını test etmek çok zor olabilir. Bu nedenle çoğu zaman, Y t nin şartlı ortalamasının X t nin geçmiş değerlerine bağlı olup olmadığını sınamakla yetiniyoruz. Bu, VAR (1) modeli bakımından Y t ye denk düşen eşitliklere sınırlamalar getirmekle eş değerdir. VAR modelini tekrar yazacak olursak Burada β i matrisi, Y t ve onun gecikmeli bölümleri ile uyumlu olması için bölümlendirilmiştir. Eğer ki X t, Y t nin Granger Nedeni değilse, o zaman β i.21 in tamamı sıfır matrisi olmak durumundadır. Benzer şekilde eğer ki Y t, X t nin Granger Nedeni değilse bu durumda tüm β i.12 ler sıfır matrisi olmak durumundadır (MacKinnon ve Davidson, 1999: 588). Tablo 9. Granger Nedensellik Testi Boş Hipotez F Testi Olasılık DLEBOND_30, DLCDS_5'in Granger Nedeni Değildir 12.2897 6.1E-08 DLCDS_5, DLEBOND_30'in Granger Nedeni Değildir 2.88894 0.03442 IMKB_VOLATILITE. DLCDS_5'in Granger Nedeni Değildir 1.39152 0.24369 DLCDS_5, IMKB_VOLATILITE'nin Granger Nedeni Değildir 12.4287 5.0E-08 DLGOSFAIZ, DLCDS_5'in Granger Nedeni Değildir 0.54813 0.64945 DLCDS_5, DLGOSFAIZ'in Granger Nedeni Değildir 36.2724 1.4E-22 DUMMY, DLCDS_5'in Granger Nedeni Değildir 0.17776 0.91150 DLCDS_5, DUMMY'nin Granger Nedeni Değildir 0.77665 0.50701 DLDJI, DLCDS_5' nin Granger Nedeni Değildir 32.4958 2.6E-20 DLCDS_5, DLDJI'nin Granger Nedeni Değildir 0.64877 0.58376 IMKB_VOLATILITE, DLEBOND_30'un Granger Nedeni Değildir 3.05508 0.02750 DLEBOND_30, IMKB_VOLATILITE'nin Granger Nedeni Değildir 5.50517 0.00093 DLGOSFAIZ, DLEBOND_30'un Granger Nedeni Değildir 1.21144 0.30417 DLEBOND_30, DLGOSFAIZ'in Granger Nedeni Değildir 61.1184 3.5E-37 DUMMY, DLEBOND_30'un Granger Nedeni Değildir 0.00706 0.99918 DLEBOND_30, DUMMY'nin Granger Nedeni Değildir 0.29594 0.82836 17
Prof. Dr. İhsan Ersan-Samet Günay Tablo 9 devamı Boş Hipotez F Testi Olasılık DLDJI, DLEBOND_30'un Granger Nedeni Değildir 31.0155 2.0E-19 DLEBOND_30, DLDJI'nin Granger Nedeni Değildir 0.61032 0.60833 DLGOSFAIZ, IMKB_VOLATILITE'nin Granger Nedeni Değildir 2.81041 0.03827 IMKB_VOLATILITE, DLGOSFAIZ'in Granger Nedeni Değildir 1.32679 0.26404 DUMMY, IMKB_VOLATILITE'nin Granger Nedeni Değildir 0.15848 0.92423 IMKB_VOLATILITE, DUMMY'nin Granger Nedeni Değildir 0.40204 0.75155 DLDJI, IMKB_VOLATILITE'nin Granger Nedeni Değildir 4.69606 0.00287 IMKB_VOLATILITE, DLDJI'in Granger Nedeni Değildir 2.18540 0.08796 DUMMY, DLGOSFAIZ'in Granger Nedeni Değildir 0.38376 0.76473 DLGOSFAIZ, DUMMY 'in Granger Nedeni Değildir 1.52916 0.20511 DLDJI, DLGOSFAIZ'in Granger Nedeni Değildir 23.6946 5.7E-15 DLGOSFAIZ, DLDJI'in Granger Nedeni Değildir 1.38041 0.24708 DLDJI, DUMMY'nin Granger Nedeni Değildir 1.25282 0.28918 DUMMY, DLDJI'nin Granger Nedeni Değildir 0.18722 0.90513 Modelimizde kullandığımız değişkenler ile yapmış olduğumuz Grager Nedensellik testinden çıkarabileceğimiz en önemli sonuç; değişkenlerin birbirleri üzerindeki etkileşimlerinin yönünü tespit edebilmektir. Bu sonucun bir diğer önemli kullanım yeri de varyans ayrıştırması ve etki-tepki analizinde yer alan Cholesky Sıralaması ndaki dizilimi, buradan elde edilen ilişkiye göre yapacak olmamızdır. Literatürdeki yaygın uygulama, değişkenlerin dışsaldan içsele doğru sıralanması şeklindedir. Sistemdeki ilk değişkenin en dışsal olduğu, bu değişkenin sistemdeki diğer değişkenlere gelen geçici şoklara tepki vermediği, son değişkenin en içsel olması nedeniyle, söz konusu değişkenin hem kendi şoklarına hem de diğer değişkenlere gelen şoklara tepki verdiği anlamını taşımaktadır (Çiçek, 2005: 91). Modelimizde kullanılan sıralama: dummy, dldji, dlebond_30, dlcds_5, imkb_volatilite, dlgosfaiz şeklindedir. Granger Nedenselliği F testi sonuçlarına göre, elde edilen ilişki yukarıdaki şemada sunulmuştur. Görüldüğü üzere, yurtiçi göstergeler olarak nitelendirebileceğimiz gösterge faiz ve imkb volatilitesi değişkenleri, Dow Jones Endeksi ve yurtdışı piyasalarda işlem gören 2030 vadeli gösterge Türkiye eurobondu ile ve Türkiye 5 yıllık CDS spreadindeki değişimlerden etkilenmektedir. Yine Türkiye CDS i de Dow Jones ve 2030 vadeli gösterge Türkiye eurobondu değişkeninden etkilenmektedir. İktidar partisine açılan kapatma davası için modelde kullandığmız kukla değişkenin ise bu etkileşimin tamamen dışında olduğu görülmektedir. VAR denklemleri ekonomik yorum açısından fazla bir şey ifade etmediği için, değişkenler arasındaki dinamik ilişkiler varyans ayrıştırması ve etki-tepki fonksiyonu aracılığıyla incelenmektedir. 18