PETROL FĠYATLARI ĠLE HĠSSE SENEDĠ GETĠRĠLERĠ ARASINDA OYNAKLIK GEÇĠġKENLĠĞĠNĠN ANALĠZĠ VE PORTFÖY YÖNETĠMĠNE YANSIMALARI

PETROL FĠYATLARI ĠLE HĠSSE SENEDĠ GETĠRĠLERĠ ARASINDA OYNAKLIK GEÇĠġKENLĠĞĠNĠN ANALĠZĠ VE PORTFÖY YÖNETĠMĠNE YANSIMALARI Ali SATTARY Dokora Tezi Ekonomeri Anabilim Dalı Prof. Dr. M. Sinan TEMURLENK 014 Her Hakkı Saklıdır

ATATÜRK ÜNĠVERSĠTESĠ SOSYAL BĠLĠMLER ENSTĠTÜSÜ EKONOMETRĠ ANABĠLĠM DALI Ali SATTARY PETROL FĠYATLARI ĠLE HĠSSE SENEDĠ GETĠRĠLERĠ ARASINDA OYNAKLIK GEÇĠġKENLĠĞĠNĠN ANALĠZĠ VE PORTFÖY YÖNETĠMĠNE YANSIMALARI DOKTORA TEZĠ TEZ YÖNETĠCĠSĠ Prof. Dr. M. Sinan TEMURLENK ERZURUM-014

I ĠÇĠNDEKĠLER ÖZET...IV ABSTRACT... V KISALTMALAR DĠZĠNĠ...VI TABLOLAR DĠZĠNĠ... II ġekġller DĠZĠNĠ... III ÖNSÖZ... V GĠRĠġ... 1 BĠRĠNCĠ BÖLÜM OYNAKLIK, PETROL VE SERMAYE PĠYASALARI 1.1.OYNAKLIK... 3 1.1.. Oynaklık Kavramı... 3 1.1.3. Oynaklık GeçiĢkenliği ve Kavramsal YaklaĢım... 3 1.1.4. Oynaklığın Karakerisik Özelliği... 4 1.1.5. Oynaklık Hesaplama Yönemleri... 5 1.1.6. Oynaklık Kümelenmesi... 5 1.. PETROL PĠYASALARI VE SERMAYE PĠYASALARI... 6 1..1. Perol Piyasalarının Dünya Ekonomileri Açısından Önemi... 6 1... Perol Fiya ġoklarına KarĢı Borsalar... 7 ĠKĠNCĠ BÖLÜM LĠTERATÜR ARAġTIRMASI.1. OYNAKLIK GEÇĠġKENLĠĞĠ ĠLE ĠLGĠLĠ ÇALIġMALAR... 9.1.1. Perol Piyasalarıyla Diğer Piyasalar Arasında Oynaklık GeçiĢkenliği... 9.1.. Aynı Piyasa Tipleri Arasında Oynaklık GeçiĢkenliği... 1.1.3. Makroekonomik DeğiĢkenlerle Finansal Piyasalar Arasında Oynaklık GeçiĢkenliği... 15

II ÜÇÜNCÜ BÖLÜM VERĠ VE YÖNTEM 3.1. VERĠ... 18 3.1.1. Borsa Ġsanbul u Temsil Eden Endeksin Seçimi... 18 3.1.. Al Sekörleri Temsil Eden Endekslerin Seçimi... 19 3.1.3. Dünya Perol Fiyaları... 19 3.1.4. DeğiĢkenlere Ai Tanımlayıcı Ġsaisikler... 0 3.1.5. DeğiĢkenler Arasında KoĢulsuz Korelasyon Kasayıları... 3.1.6. DeğiĢkenlerin Durağanlığı... 5 3.1.7. Geiri Serilerine ĠliĢkin ARCH Tesi... 7 3.. YÖNTEM... 9 3..1. Çok DeğiĢkenli GARCH Modelleri... 9 3..1.1. VECH modeli... 31 3..1.1.1. VECH Modeli Ġçin Poziif Tanımlı Olma KoĢulu... 31 3..1.1.. VECH Modeli Ġçin (Zayıf) Durağan Olma KoĢulu... 31 3..1.1.3. VECH Regresyon Modeli... 31 3..1.. BEKK Modeli... 36 3..1..1. BEKK Modeli Ġçin (Zayıf) Durağan Olma KoĢulu... 36 3..1... BEKK Regresyon Modeli... 39 3..1..3. BEKK Sisemin Tahmini... 39 3..1.3. CCC Modeli... 40 3..1.3.1. CCC Sisemin Tahmini... 40 3..1.4. DCC Modeli... 43 3..1.4.1. DCC Paramerizasyonunun Poziif Tanımlılık KoĢulları... 43 3..1.4.. DCC Sisemin Tahmini... 43 3..1.5. VARMA-GARCH Modelleri... 48

III DÖRDÜNCÜ BÖLÜM UYGULAMA 4.1. ĠKĠ DEĞĠġKENLĠ VAR(1) GARCH(1,1) MODELĠ... 51 4.. ĠKĠ DEĞĠġKENLĠ AR(1)-GARCH MODELLERĠ... 54 4..1. Ġki DeğiĢkenli KöĢegen BEKK-GARCH Modeli... 54 4... Ġki DeğiĢkenli CCC-GARCH Modeli... 55 4..3. Ġki DeğiĢkenli DCC-GARCH Modeli... 57 4.3. BULGULAR VE TARTIġMALAR... 58 4.3.1. BIST Ana Sekörleri ve Tahmin Sonuçları... 58 4.3.. BIST Al Sekörleri ve Tahmin Sonuçları... 78 4.4. OPTĠMAL PORTFÖY TASARIMI VE PETROL VARLIKLARINA DAYALI KORUNMA ORANLARI... 95 SONUÇLAR... 107 KAYNAKÇA... 111 ÖZGEÇMĠġ... 117

IV ÖZET DOKTORA TEZĠ PETROL FĠYATLARI ĠLE HĠSSE SENEDĠ GETĠRĠLERĠ ARASINDA OYNAKLIK GEÇĠġKENLĠĞĠNĠN ANALĠZĠ VE PORTFÖY YÖNETĠMĠNE YANSIMALARI Ali SATTARY Tez DanıĢmanı: Prof. Dr. M. Sinan TEMURLENK 014, 117 Sayfa Jüri : Prof. Dr. M. Sinan TEMURLENK Prof. Dr. Hüseyin ÖZER Prof. Dr. Abdulbaki BĠLGĠÇ Doç. Dr. Cumhur ERDEM Yrd. Doç. Dr. Ergün AKTÜRK Bu ezin amacı, Bren ham perol fiya geirileri ile BIST 100 endeksi ile beraber BIST ana ve al sekörleri arasında oynaklık geçiģkenliğini incelemekir. Bu amaçla çok değiģkenli GARCH modelleri kapsamında, VAR-GARCH, CCC-GARCH, DCC-GARCH ve köģegen BEKK-GARCH modellerinin isaisiksel ve spesifik özellikleri eorik olarak açıklanmıģ ve her dör modele göre ahmin sonuçları elde edilmiģir. ÇalıĢmada Ocak 00-31 Aralık 01 dönemini kapsayan günlük veriler kullanılmıģ ve yapılan analizler sonucunda perol fiyaları ile BIST sekörleri arasında genel olarak zayıf da olsa oynaklık geçiģkenliğine dair kanılar bulunmuģur. ÇalıĢmanın diğer bir amacı da, yaırımcılara ekin yaırım sraejileri geliģirmeleri için, perol ve BIST hisse senedi sekörlerinden oluģan opimal porföy asarımlarını gerçekleģirmekir. Bu bağlamda; kullanılan dör farklı GARCH ipi modelden elde edilen sonuçlara göre, opimal ağırlıklar, opimal korunma oranları ve korunma ekinlik oranları hesaplanmıģır. Yapılan analizler sonucunda en iyi porföy oluģurma konusunda lieraüre uygun bir Ģekilde, BEKK-GARCH ve VAR-GARCH modellerinin diğer modellere göre daha iyi performans sağladığı espi edilmiģir. Anahar Kelimeler: Oynaklık geçiģkenliği, Perol fiyaları, BIST, ÇeĢilendirme ve risken korunma ekinliği, MGARCH modelleri.

V ABSTRACT Ph. D. DISSERTATION ANALYSIS OF VOLATILITY SPILLOVERS BETWEEN OIL PRICES AND STOCK RETURNS AND REFLECTION ON PORTFOLIO MANAGEMENT Ali SATTARY Advisor: Prof. Dr. M. Sinan TEMURLENK 014, 117 Page Jury: Prof. Dr. M. Sinan TEMURLENK (Advisor) Prof. Dr. Hüseyin ÖZER Prof. Dr. Abdulbaki BĠLGĠÇ Assoc. Prof. Dr. Cumhur ERDEM Assis. Prof. Dr. Ergün AKTÜRK The main objecive of his hesis is o invesigae he volailiy spillovers beween Bren crude oil price reurns and BIST 100 index and is main and sub-secors. For his purpose, saisical and specific characerisics of VAR-GARCH, CCC-GARCH, DCC-GARCH and diagonal BEKK-GARCH models are described wihin he scope of GARH models and he relevan esimaion resuls of each four models were obained. This sudy uilized he daily daa beween he periods of January, 00 and December 31, 01 and he analysis resuls demonsraed weak volailiy spillover exisence beween oil and BIST secors. Anoher objecive of he presen sudy is o esablish opimal porfolio design involving oil and BIST sock secors for he corresponding invesors o provide effecive invesmen sraegies. In his conex, opimal weighs, opimal hedging raios and hedging efficiency raios were calculaed wih respec o four differen ypes of GARCH models. In parallel wih he exising lieraure, he esimaion resuls revealed ha BEKK-GARCH and VAR-GARCH models provided beer performance han he oher models in erms of obaining he bes porfolio. Key Words: Volailiy spillover, Oil prices, BIST, Diversificaion and hedging efficiency o avoid risk, MGARCH models.

VI KISALTMALAR DĠZĠNĠ ARCH ARCH-M LM ABD AB ARMA ADF AIC BEKK BIST CDS CCC CCF DCC EGARCH EIA HQ IE : Auoregressive Condiional Heeroskedasiciy (Ooregresif KoĢullu DeğiĢen Varyans) : Auoregressive Condiional Heeroskedasiciy in Mean (Oralama eģiliğinde Ooregresif KoĢullu DeğiĢen Varyans) : Lagrange Muliplier (Lagrange Çarpanı) : Amerika BirleĢik Devleleri : Avrupa Birliği : Auoregressive Moving Average ( Ooregresif Harekeli Oralama) : Augmened Dickey Fuller es : Akaike Ġnformaion Crierion ( Akaike Bilgi Krieri) : Baba, Engle, Kraf, Kroner (Paramerizaion) : Borsa Ġsanbul : Credi Defaul Swap Ġndex (Kredi iflas akas endeksi) : Consan Condiional Correlaions (Sabi KoĢullu Korelasyonlar) : Cross-Corelaion funcion (Çapraz Korelasyon Fonksiyonu) : Dynamic Condiional Correlaions (Dinamik KoĢullu Korelasyonlar) : Exponenial Generalized Auoregressive Condiional Heeroskedasiciy (Üssel GenelleĢirilmiĢ Ooregresif KoĢullu DeğiĢen Varyans) : U.S. Energy Informaion Adminisraion : Hannan-Quinn : Inernaional Exchange GARCH: : Generalized Auoregressive Condiional Heeroskedasiciy (GenelleĢirilmiĢ Ooregresif KoĢullu DeğiĢen Varyans)

VII GARCH-M KPSS OECD VECM VAR VARMA Vec WTI GSYH OPEC USD : Generalized Auoregressive Condiional Heeroskedasiciy in Mean (Oralama EĢiliğinde GenelleĢirilmiĢ Ooregresif KoĢullu DeğiĢen Varyans) : Kwiakowski Phillips Schmid Shin : Organisaion for Economic Co-operaion and Developmen (Ekonomik Kalkınma ve ĠĢbirliği Örgüü) : Vecor Error Correcion Model (Vekör Haa Düzelme Modeli) : Kwiakowski Phillips Schmid Shin : Vecor Auoregresive Moving Average (Vekör Ooregresif Harekeli Oralama) : Vecor Paramerizaion (Vekör Paramerizasyonu) : Wes Texas Inermediae : Gayri Safi Yur içi Hasıla : Organizaion of Peroleum Exporing Counries (Perol Ġhraç Eden Ülkeler TeĢkilaı) : Unied Saes Dollars S&P 500 : Sandard& Poor's 500 AGARCH MLE QMLE SSE : Asymmeric GARCH : Maximum Likelihood Esimaes ( En çok olabilirlik ahmini) : Quasi-Maximum Likelihood Esimae : Shanghai sock Exchange

II TABLOLAR DĠZĠNĠ Tablo 1.1. Dünya Perol Üreimi, Tükeimi ve Fiyaları ile Ġlgili Ġsaisikler... 7 Tablo 3.1. BIST Al sekörlerini Temsil Eden Endekslerin Lisesi... 19 Tablo 3.. Günlük Geiri Serilerine ĠliĢkin Tanımlayıcı Ġsaisikler... 1 Tablo 3. 3. Geiri Serilerine iliģkin KoĢulsuz Korelasyon Kasayılar... 4 Tablo 3.4. Geiri Serilerinin Birim Kök ve Durağanlık Tes Sonuçları... 7 Tablo 3.5. Geiri Serilerine ĠliĢkin ARCH-LM Tesi... 9 Tablo 4.1. BIST 100 Endeksi ve Dör Ana Endeks ile Ġlgili VAR(1)GARCH(1,1) Tahmin Sonuçlar... 60 Tablo 4.. BIST 100 Endeksi ve Dör Ana Endeks ile Ġlgili CCC- GARCH (1,1) Modeli Tahmin Sonuçları... 65 Tablo 4.3. BIST 100 Endeksi ve Dör Ana Endeks ile Ġlgili köģegen BEKK- GARCH (1,1) Modeli Tahmin Sonuçları... 70 Tablo 4.4. BIST 100 Endeksi ve Dör Ana Endeks ile Ġlgili DCC- GARCH (1,1) Modeli Tahmin Sonuçları... 74 Tablo 4.5. BIST Al Endeksleri Ġle Ġlgili VAR (1)- GARCH (1,1) Tahmin Sonuçları.. 79 Tablo 4.6. BIST Al Endeksleri ile Ġlgili CCC- GARCH (1,1) Modeli Tahmin Sonuçları... 84 Tablo 4.7. BIST Al Endeksleri ile Ġlgili KöĢegen BEKK- GARCH (1,1) Modeli Tahmin Sonuçları... 88 Tablo 4.8. BIST Al Endeksleri ile Ġlgili DCC- GARCH (1,1) Modeli Tahmin Sonuçları... 9 Tablo 4.9. Perol ve BIST Hisse Senedi Sekör Çifleri için Opimal Porföy Ağırlıkları ve Risken Korunma Oranları.... 99 Tablo 4.10. Porföy Tasarımı ve Perol Varlığına Göre ÇeĢilendirme... 10 Tablo 4.11. Risken Korunma Ekinliği... 104

III ġekġller DĠZĠNĠ ġekil 3.1. Bren Ham Perol Fiyalarına ĠliĢkin Günlük Grafik... 0 ġekil 3.. BIST 100 ve Al Sekör Fiya Endekslerine ĠliĢkin Grafikler... 0 ġekil 3.3. Geiri Serileri Grafiği... 0 ġekil 4.1. VAR-GARCH Modelinden Elde Edilen Perol ve BIST 100 Endeksine ĠliĢkin Geiri Varyans - Kovaryans Grafikleri... 63 ġekil 4.. VAR-GARCH Modelinden Elde Edilen Perol ve Hizmeler Sekörüne ĠlĢkin Geiri Varyans - Kovaryans Grafikleri... 63 ġekil 4.3. VAR-GARCH Modelinden Elde Edilen Perol ve Mali Sekörüne ĠlĢkin Geiri Varyans - Kovarryans Grafikleri... 63 ġekil 4.4. VAR-GARCH Modelinden Elde Edilen Perol ve Sanayi Sekörüne ĠlĢkin Geiri Varyans - Kovaryans Grafikleri... 64 ġekil 4.5. VAR-GARCH Modelinden Elde Edilen Perol ve Teknoloji Sekörüne ĠlĢkin Geiri Varyans - Kovaryans Grafikleri... 64 ġekil 4.6. CCC-GARCH Modelinden Elde Edilen Perol ve BIST 100 Endekse ĠliĢkin Geiri Varyans - Kovaryans Grafikleri... 67 ġekil 4.7. CCC-GARCH Modelinden Elde Edilen Perol ve Hizmeler Endeksine ĠliĢkin Geiri Varyans - Kovaryans Grafikleri... 67 ġekil 4.8. CCC-GARCH Modelinden Elde Edilen Perol ve Mali Endeksine ĠliĢkin Geiri Varyans - Kovaryans Grafikleri... 68 ġekil 4.9. CCC-GARCH Modelinden Elde Edilen Perol ve Sanayi Endeksine ĠliĢkin Geiri Varyans - Kovaryans Grafikleri... 68 ġekil 4.10. CCC-GARCH Modelinden Elde Edilen Perol ve Teknoloji Endeks Varyans - Kovaryans Grafikleri... 68 ġekil 4.11. KöĢegen BEKK-GARCH Modelinden Elde Edilen Perol ve BIST 100 Endekse ĠliĢkin Geiri Varyans, Kovaryans ve Korelasyon Grafikleri... 71 ġekil 4.1. KöĢegen BEKK-GARCH Modelinden Elde Edilen Perol ve Hizmeler Endekse ĠliĢkin Geiri Varyans, Kovaryans ve Korelasyon Grafikleri... 71 ġekil 4.13. KöĢegen BEKK-GARCH Modelinden Elde Edilen Perol ve Mali Endekse ĠliĢkin Geiri Varyans, Kovaryans ve Korelasyon Grafikleri... 7

IV ġekil 4.14. KöĢegen BEKK-GARCH Modelinden Elde Edilen Perol ve Sanai Endekse ĠliĢkin Geiri Varyans, Kovaryans ve Korelasyon Grafikleri... 7 ġekil 4.15. KöĢegen BEKK-GARCH Modelinden Elde Edilen Perol ve Teknoloji Endekse ĠliĢkin Geiri Varyans, Kovaryans ve Korelasyon Grafikleri... 7 ġekil 4.16. DCC-GARCH Modelinden Elde Edilen Perol ve BIST 100Endekse ĠliĢkin Geiri Varyans, Kovaryans ve Korelasyon Grafikleri... 76 ġekil 4.17. DCC-GARCH Modelinden Elde Edilen Perol ve Hizmeler Endeksine ĠliĢkin Geiri Varyans, Kovaryans ve Korelasyon Grafikleri... 76 ġekil 4.18. DCC-GARCH Modelinden Elde Edilen Perol ve Mali Endeksine ĠliĢkin Geiri Varyans, Kovaryans ve Korelasyon Grafikleri... 77 ġekil 4.19. DCC-GARCH Modelinden Elde Edilen Perol ve Sanayi Endeksine ĠliĢkin Geiri Varyans, Kovaryans ve Korelasyon Grafikleri... 77 ġekil 4.0. DCC-GARCH Modelinden Elde Edilen Perol ve Teknoloji Endeksine ĠliĢkin Geiri Varyans, Kovaryans ve Korelasyon Grafikleri... 77

V ÖNSÖZ ÇalıĢmalarım sırasında, beni eģvik eden, engin bilgi ve deneyimlerini benden esirgemeyen değerli danıģmanım sayın Prof. Dr. M. Sinan TEMURLENK e çok eģekkür ederim. Konu seçiminde beni yönlendiren Prof. Dr. Uğur SOYTAġ a, ilgi ve yardımlarını esirgemeyen özellikle analiz kısmındaki kakılarından dolayı sayın Prof. Dr. Abdulbaki BĠLGĠÇ e, önümüzü açan ve her ürlü kolaylığı sağlayan Ekonomeri Bölüm BaĢkanı Prof. Dr. Erkan OKTAY a, ve Doç. Dr. Fehim BAKIRCI ya eģekkürleri bir borç bilirim. Tez jürimde bulunarak bana fikirleriyle yol göseren ve kakı sunan Prof. Dr. Hüseyin ÖZER e, Doç. Dr. Cumhur ERDEM e ve Yrd. Doç. Dr. Ergün AKTÜRK e eģekkür ederim. Tez süresince beni hep desekleyen Yrd. Doç. Dr. Dilek ÖZDEMĠR e ve ĠĠBF öğreim üyeleri, araģırma görevlilerine ve her zaman yanımda olan ve deseklerini esirgemeyen Dr. Seyedhadi ESLAMIAN a sonsuz eģekkürlerimi sunarım. Nabi Akram Üniversiesi Rekörü sayın Prof. Dr. Mohammad Reza MĠLANĠ, Rekör yardımcısı Prof. Dr. Seyed Parviz ALAVĠ TABRĠZĠ ve üm yöneim kurulu üyelerine saygı ve sevgilerimi sunarım. Maddi ve manevi deseklerini her an hisseiğim aileme, çalıģmalarım sırasında göserdikleri sabır için sevgili esime de Ģükranlarımı sunarım. Erzurum-014 Ali SATTARY

1 GĠRĠġ Günümüzde üreim ve hizme sekörlerinin dünya çapında giderek büyümesi, enerji ükeimine olan alep arıģını da beraberinde geirmekedir. Dolayısıyla, farklı ülkelerdeki enerji ve perol ükeimi, enerji ve perol fiyalarında meydana gelen değiģikliklerden belirli düzeyde ekilenmekedir. Perol fiyalarında meydana gelen Ģoklar, farklı sekörlerdeki finansal krizlerin, iģsizliğin, belirsizliken kaynaklanan yaırım durgunluklarının, yüksek enflasyonun, hisse senedi ve ahvil değer düģüģlerinin, icari açıkların ve kılıkların sorumlusu olarak uulmakadır. Ġkinci dünya savaģından sonra ABD de meydana gelen hemen hemen üm durgunluklar, perol fiyalarındaki sarsıcı arıģlar neicesinde gerçekleģmiģir. Ayrıca çağımızda ileiģim ve biliģim eknolojisinin hızlanması, bilgi ransferi ve eriģimini kolaylaģırması yanında, küreselleģme sürecini yaģayan ülkeler arasında ekonomik ekileģimi belirli ölçüde kaçınılmaz hale geirmiģir. Dolayısıyla, uluslararası arenada perol gibi harekeli piyasalar, kriz ve risk ileim kanalı olarak da önem arz emekedir. Perol ihalaçısı olan ülkeler açısından bu konu daha da büyük önem arz emekedir. Aynı Ģekilde, oynaklık ileiģimi (geçiģkenliği) sermaye piyasalarında faaliye göseren yaırımcılar açısından son derece önemli bir husus eģkil emekedir. GeliĢmiĢ ve geliģmeke olan ülkelerin perol ükeim mikarlarına bakığımızda aran bir rendin sözkonusu olduğu görülmekedir. Ülkelerde ĢehirleĢme ve modernizasyonun giderek armasıyla perol alebinde de önemli ölçüde arıģ gözlemlenmekedir. Geleceke perol alebini ahmin emek zorluğuna rağmen, genel olarak daha çok sanayi üreimindeki büyüme ile iliģkili olduğu söylenebilir. Teorik olarak hisse senedi fiyalandırma modellerine göre, hisse senedi değerleri, Ģirkein beklenen geirisi veya naki akıģlarının beklenen değerine eģi olmakadır. Dolayısıyla perol fiya Ģokları beklenen naki akıģları ve iskono oranları vasıasıyla hisse senedi fiyalarını ekilemekedir. Mal ve hizme üreiminde perolün, önemli girdilerden biri olduğu bilinmekedir. Ġkame mallarının olmadığı durumlarda, perol fiyalarında meydana gelen bir arıģ, üreim maliyeinin armasına sebep olmakadır. Bu da sırasıyla naki akıģları ve hisse senedi fiyalarının düģmesini beraberinde geirmekedir. Ayrıca, perol fiyalarındaki arıģ, aran enflasyon baskısı sonucunda, iskono oranlarının ekilenmesiyle sonuçlanmakadır. Böyle bir durum sözkonusu

olduğu zaman, gerçekleģen zincirleme ekonomik epkiler, faiz oranlarının yükselmesini de beraberinde geirmekedir. Dolayısıyla, kurumsal yaırım kararları, iskono oranlarının değiģimi ve defer değerine dayalı hisse senedi fiyalarının değiģimi ile ekilenebilir. Ancak bir hisse senedinin fiya değiģim yönü, ilgili Ģirke veya sekörün perol ve perol ürünleri ile ilgili üreici ya da ükeici konumunda olmasına bağlı olması ile değiģmekedir. Dünya pazarlarında çoğu Ģirkein perol ükeicisi olduğu bilinmekedir. Dolayısıyla, perol fiya harekeleri ile hisse senedi piyasa harekeleri arasında muhemel negaif yönlü iliģkiler manığa uygun bir perspekif sergilemekedir.

3 BĠRĠNCĠ BÖLÜM OYNAKLIK, PETROL VE SERMAYE PĠYASALARI 1.1. OYNAKLIK ÇalıĢmanın bu bölümünde, piyasalar arasında iliģkileri analiz eden çalıģmalarda iliģkilerin spesifik özelliklerini dikkae alarak, kullanılan erimlere değinilmekedir. Ayrıca oynaklık kavramıyla ilgili bazı bilgiler sunulmakadır. Perolün dünyadaki önemi ve ülkeler açısından sraejik bir ürün olduğuna dair bilgiler sunulmasının yanında, perol ile sermaye piyasaları arasındaki iliģkilere de genel olarak yer verilmekedir. 1.1.. Oynaklık Kavramı Volailie kavramı genel olarak oynaklık erimi ile eģ anlamlı olarak kullanılmakadır. Borsa erimleri sözlüğünde oynaklıkla ilgili Ģu anımlama verilmiģir; Bir kıymein fiyaındaki değiģkenliğin ifadesidir. Çoğunlukla sandar sapma ile ölçülür. Yüksek bir volailie aran bir belirsizliğin gösergesidir. Yürüülen çalıģmada oynaklık ifadesine ağırlık verilmekedir. Çoğu zaman lieraürde oynaklık, sandar sapma ile eģ anlamlı olarak kullanılmakadır. Bu yaklaģımın kısmen doğru olabileceği söylenebilir. Oynaklık bazen sandar sapma veya varyansla ifade edilmeke olup, bazen de bunların zamana bağlı olarak karakökleriyle iliģkendirilerek ifade edilmekedir. Finansal piyasalarda genel olarak, oynaklık sürekli geirilerin sandar sapmasıyla hesaplanabilmekedir (Korkmaz ve Bosancı, 011). Ayrıca, oynaklık porföy yöneicileri ve yaırımcılar açısından sisemaik riskin bir gösergesi olarak da bilinmekedir. 1.1.3. Oynaklık GeçiĢkenliği ve Kavramsal YaklaĢım Piyasalar arası iliģkileri inceleyen farklı çalıģmalarda, ilgili kavramlar konusunda alernaif anımlamalar yapılmıģır. Önceki çalıģmalarda, bulaģma (conagion), yayılma (spillover), ileim (ransmission), geçiģkenlik (pass-hrough), karģılıklı bağımlılık (inerdependence), ekileģim (ineracion), bağlanılar (linkages), korelasyon (correlaion), orak hareke (co-movemen), enegrasyon (inegraion) ve eģbüünleģme (coinegraion) gibi değiģik kavramların kullanıldığına raslanılmakadır. Sözkonusu

4 kavramlar, incelenen konunun spesifik özelliklerini göz önünde bulundurarak, arzu edilen iliģki durumunun ifadesi için kullanılmakadır. Lieraür araģırmalarında, bazen ilgili kavramların birbirinin yerine kullanıldığına da raslanmakadır. Bahseiğimiz kavramlar, aģıdıkları anlam açısından her ne kadar birbirlerine yakın olsalar bile, aralarındaki ince ayrım ve farkları göz yumarak kullanılmaları doğru bir yaklaģım olmayacakır. Örneğin, eğer iki farklı ekonomi arasındaki iliģki kriz üzerinden inceleniyorsa, o zaman bir ülkeden diğer ülkeye bulaģıcı kriz ifadesini kullanmak daha manıklı olacakır. Çünkü kriz bir ekonomik hasalık olarak bulaģma özelliğini aģımakadır. Yine aynı açıdan bakıldığında; korelasyon kavramı diğer kavramlardan farklı olarak sadece doğrusal iliģkileri açıklamak için kullanılan bir ifade olmakadır. Ayrıca sözkonusu iliģki derecesini rakamsal olarak da gösermekedir. Dolayısıyla ilgili kavramların bilinçli olarak kullanılması, bilgi ileim konusunda kolaylık sağlayarak, göreceli olarak anlam karmaģıklığını önemli ölçüde azalmıģ olacakır. Perol fiyaları ile hisse senedi piyasaları arasında oynaklık iliģkisini inceleme konusu edinen çalıģmada, yayılma veya geçiģkenlik ifadesinin daha uygun olduğu düģünülmekedir. Özellikle ürkçe ekonomeri lieraüründe araģırmamızın ifade emek isediği anlamı, geçiģkenlik eriminin daha kapsamlı Ģekilde oraya koyduğu düģünülmekedir. Bu bölümün devamında çalıģmayla ilgili bazı kavramların açıklamasına yer verilmekedir. 1.1.4. Oynaklığın Karakerisik Özelliği Hisse senedi oynaklığının önemli özelliği, doğrudan gözlenmeme nieliğine sahip olmasıdır. Örneğin, IBM hisse senedi günlük log geirilerini dikkae alalım. Günlük oynaklık, doğrudan geiri verileri üzerinden gözlemlenememekedir. Çünkü ilgili icari güne ai sadece ek bir gözlem bulunmakadır. Ama hisse senedinin gün içi verilerine ulaģabildiğimizde, örneğin 10-dakikalık geiri verileri baz alındığında, günlük oynaklığın ahmin edilmesine olanak sağlanmıģ olacakır. Düzgün bir oynaklık ahmini ancak dikkali bir araģırma sonucunda gerçekleģirilebilmekedir. Örneğin, gün içi ve anlık oynaklıkları içeren bir hisse senedi oynaklığı, iģlem günleri arasındaki değiģimi gösermekedir. Gün içi yüksek frekanslı geiriler, anlık oynaklık konusunda sadece çok sınırlı bilgileri içermekedir. Oynaklığın gözlemlenebilir olmaması, koģullu değiģen

5 varyans modellerinin ahmin performans değerlendirmesini zorlaģırmakadır (Tsay, 005). 1.1.5. Oynaklık Hesaplama Yönemleri Lieraürde oynaklığın hesaplanması için farklı yönemler kullanılmakadır. Bu yönemlerin bazılarına burada iģare edilmekedir : -Rassal YürüyüĢ Yönemi ile oynaklığın hesaplanması -Tarihi Oralama Yönemi ile oynaklığın hesaplanması -Basi Harekeli Oralama Yönemi ile oynaklığın hesaplanması -Ağırlıklı Harekeli Oralama Yönemi ile oynaklığın hesaplanması -Üssel DüzleĢirme Yönemi ile oynaklığın hesaplanması -Üssel AğırlıklandırılmıĢ Harekeli Oralama Yönemi ile oynaklığın hesaplanması - Farklı GARCH Yönemleri ile oynaklığın hesaplanması (Korkmaz ve Bosancı, 011). AraĢırmada elde edilen oynaklıklar sadece çeģili GARCH modelleri esasında hesaplanılmakadır. Dolayısıyla, diğer yönemler ele alınmadığı için onların hesaplanması yönünde kapsamlı bilgiler de sunulmamakadır. Genel olarak GARCH modelleri iki denklem seine ayrılmakadır. Bunlardan biri, Oralama Denklem diğeri ise Varyans Denklemi olarak bilinmekedir. Dolayısıyla oralama denklemden elde edilen ve Auoregressive Condiional Heeroskedasiciy (ARCH) ekisi özelliğine sahip olan kalınılar üzerinden, zamana bağlı olarak oynaklığı ifade eden, koģullu varyans denklemleri oluģurulmakadır. Oralama Denklemden elde edilen ve koģullu varyans denkleminde kendini göseren haa erimlerinin karesi, finansal piyasalar lieraüründe kısa vadeli Ģoklar olarak ifade edilmekedir. 1.1.6. Oynaklık Kümelenmesi Mandelbro (1963) ve Fama (1965), finansal fiya serilerinin geirilerindeki büyük değiģmelerin, kendileri gibi büyük değiģmeler arafından akip edildiğini ve küçük fiya değiģimlerinin de yine kendilerine benzeyen küçük fiya değiģimleri arafından izlenildiğini espi emiģlerdir.

6 BaĢka bir ifadeyle, yüksek oynaklık seviyeleri ile düģük oynaklık seviyeleri, düzensiz bir Ģekilde yer değiģirmeke ve bu olgu oynaklık kümelenmesi (Volailiy Clusering) olarak adlandırılmakadır. Volailie kümelenmeleri koģullu değiģen varyansa (condiional heeroscedasiciy) iģare emeke ve bu durum zamana göre normal ve bağımsız dağılmıģ geiriler varsayımıyla bağdaģmamakadır (Korkmaz ve Bosancı, 011). Ayrıca finansal fiya serilerinin günlük geirilerinin doğrusal bağımlılıkları (ookorelasyonları) önemsenmeyecek kadar küçük olmasına rağmen, mulak geiriler veya geirilerin kareleri ise doğrusal bağımlılık sergilemekedir. Bu durum; fiya seviyesi yerine varyansın yani oynaklığın öngörülmesinin daha sağlıklı olduğuna dair bir ipucu vermekedir (Schmid ve Trede, 006). 1.. PETROL PĠYASALARI VE SERMAYE PĠYASALARI Dünyada perol piyasaları konumları iibariyle gerçekleģen iģlem hacmi açısından en derin piyasalar olarak bilinmekedir. Diğer arafan perol çoğu iģleme ve fabrikaların girdi maeryallerini oluģurmakadır. Dolayısıyla, perol piyasalarında meydana gelen herhangi bir dalgalanma üreilen mamullerin fiyalarını ekileyerek hisse senedi piyasalarına da yansımakadır. Bu da sermaye piyasaları ile perol piyasaları arasında sıkı bir iliģkinin olduğu anlamına gelmekedir. ÇalıĢmanın ilgili kısımlarında sözkonusu iliģkinin açıklamasına çalıģılacakır. 1..1. Perol Piyasalarının Dünya Ekonomileri Açısından Önemi Günümüz modern dünyasında, insan hayaını ve çevresini donaan bir çok ürünün doğrudan veya dolaylı olarak perole bağlı olması, bu sraejik ürünün nedenli önemli olduğunun bir gösergesidir. Perolün kı bir kaynak olmasına rağmen, modernleģme olgusunun sonucu büyüyen dünya ekonomisinde perol ükeimi de giderek arıģ gösermekedir. Tablo 1.1 de görüldü gibi, 00 de 78.47 milyon varil olan günlük perol ükeim mikarı 01 yılında %14.4 lük bir arıģ gösererek 89.77 milyon varile ulaģmıģır. Aynı Ģekilde 00 de günlük 74.9 milyon varil olarak üreilen perol mikarı 01 yılında 86.15 milyon varile ulaģmıģır ve geçen 10 yıl baz alındığında oralama olarak %14.9 arıģ gözlemlenmekedir. 00-01 dönemi ele alındığında 008 dünya krizi dahil olmak üzere oralama günlük perol ükeim değiģim oranı %1.36 iken oralama günlük perol üreim değiģim oranı %1.4 dir. Kaba bir Ģekilde bakığımızda

7 oralama olarak dünya perol üreimi dünya perol ükeim mikarını az bir farkla karģılar nielikedir. Bu nispi denge uluslararası arenada meydana gelen herhangi bir siyasi-ikisadi isikrarsızlıkla kırılmaya müsai bir durum eģkil emekedir. Örneğin, 1973 de OPEC in uyguladığı ambargo ilk perol Ģokunu meydana geirmiģir. 1979 da Ġran da meydana gelen devrim sonucunda dünya perol piyasalarında ikinci perol Ģoku yaģanmıģır. Onun ardından 1980 de gerçekleģen Ġran-Irak savaģı ve 1990 da körfez savaģı dünya perol piyasalarını isikrarsızlıklarla karģı karģıya geirmiģir. Perol fiyalarında meydana gelen arıģlar perol piyasalarına yansıyan olumsuz siyasi-ikisadi olayların bir yansıması olarak da görülebilir. Tablo 1.1 de görüldüğü gibi, 00 de her bir varili 6.16 USD olan perol fiyaı % 59 oranında bir arıģ gösererek, 01 de 94.13 USD ye ulaģmıģır (BP, 013). Tablo 1.1. Dünya Perol Üreimi, Tükeimi ve Fiyaları ile Ġlgili Ġsaisikler YIL Günlük Tükeim Günlük Üreim Yıllık Perol Perol Tükeim DeğiĢim Üreim DeğiĢim Fiya DeğiĢim Fiyaları($) (Milyon Varil) Oranı (%) (Milyon Varil) Oranı (%) Oranı(%) 00 78.47 --- 74.95 --- 6.16 --- 003 80.08 77.57 3.50 31.07 18.80 004 83.00 4 80.97 4.40 41.49 33.50 005 84.3 1 8.01 1.30 56.59 36.40 006 85.14 1 8.48 0.60 66.0 16.70 007 86.57 8.8-0.0 7.0 9.40 008 86.05-1 8.93 0.80 100.06 38.60 009 85.06-1 81.6 -.00 61.9-38.10 010 87.83 3 83.7.50 79.45 8.30 011 88.88 1 84.1 1.10 95.04 19.60 01 89.77 1 86.15.30 94.13-1.00 Ora. 85.66 1.36 8.31 1.4 69.79 16. 1... Perol Fiya ġoklarına KarĢı Borsalar Perolün, dünyada oplam enerji ükeim mikarı içindeki payı, küçümsenmeyecek kadar büyük bir oranı eģkil emekedir. 011 ve 01 yılları iibariyle dünya çapında oplam ükeilen enerji mikarlarının, sırasıyla %33.4 ve %33.1 i perol kaynaklarından karģılanmıģır (BP, 013). Aslında ükeilen enerji mikarının yaklaģık olarak üçe birinin perol kaynaklarından karģılanması, genel olarak sanayi, üreim ve diğer

8 sekörlerin büyük ölçüde perole bağımlı olduğunun bir gösergesidir. Dolayısıyla, çoğu üreim sekörlerin ana girdisi olarak önemli role sahip olan perolün, çeģili nedenlerden kaynaklanarak fiyalarında meydana gelen dalgalanmalar, ilgili sekörlerin geiri oranlarını ekileyerek piyasa değerlerini de ekilemiģ olacakır. Rasyonel olarak bakıldığında, perol Ģoklarının GSYH yi düģürmesi, ekonomilerin daralmasına sebep olacak ve bunun doğal sonucu olarak enflasyon oranının eiklenmesiyle ekonomik dengelerin kırılmasına neden olacakır. Dolayısıyla, makroekonomik değiģkenlerin değiģmesi, ülke çapında sermaye piyasalarını ve hisse senedi piyasalarını da dolaylı Ģekilde ekilenecekir. Lieraürde perol fiya harekeleri ile makroekonomik değiģkenlerin arasındaki iliģkiyi araģıran çalıģmalara daha sık bir Ģekilde raslanılmakadır. Perol fiyaları ile hisse senedi piyasaları arasındaki iliģkiyi araģıran çalıģmalarda genel olarak perol piyasaları ile alernaif enerji Ģirkelerine ai hisse senedi piyasaları arasında poziif iliģkinin bulunduğu espi edilmiģir. (Bkz. Sadorsky, 1999; Sadorsky, 001; Faff ve Brailsford, 1999; El-Sharif vd., 005). Bazı diğer çalıģmalarda ise, ilgili sekörün özelliklerinden kaynaklanan negaif veya poziif yönlü iliģkiler de gözlenmiģir.

9 ĠKĠNCĠ BÖLÜM LĠTERATÜR ARAġTIRMASI ModernleĢme olgusunun yaygınlaģmasıyla birlike geliģen modern piyasaların uluslararası düzeyde daha karmaģık bir mekanizmayla çalıģması sözkonusu olmuģur. Uluslararası ekonomik çalkanılardan doğan bulaģıcı krizler, dünya ülkeleri açısından ekonomik isikrarı ehdi eden bir unsur olarak görülmüģür. Dolayısıyla, araģırmacılar açısından risk ve oynaklığın modellenmesi, farklı ülke ve piyasalar arasında çalıģma mekanizmasının irdelenmesi, önemli bir konu haline gelmiģir. Burada ilgili lieraürün kısmen yansıılmasına çalıģılmıģır..1. OYNAKLIK GEÇĠġKENLĠĞĠ ĠLE ĠLGĠLĠ ÇALIġMALAR Risk ve belirsizlik unsuru yaırımcılar, yöneiciler ve ülke yöneicileri açısından her zaman önemli bir konu olmuģur. Dolayısıyla farklı piyasalar arasında oynaklık yayılım mekanizmasının açıklanması araģırmacılar arafından ilgi odağı olmuģur. Burada farklı piyasalar arasında farklı yönemlere göre yapılan araģırmalara yer verilmiģir..1.1. Perol Piyasalarıyla Diğer Piyasalar Arasında Oynaklık GeçiĢkenliği Sadorsky (01), koģullu korelasyonları modellemeyle beraber perol fiyalarıyla emiz enerji Ģirkeleri ve eknoloji Ģirkelerinin hisse senedi fiyaları arasındaki oynaklık yayılımını analiz emek için çok değiģkenli GARCH modelleri kullanmıģır. ÇalıĢmada dör farklı çok değiģkenli GARCH modeli (BEKK, çapraz, sabi koģullu korelasyon ve dinamik koģullu korelasyon) birbiriyle karģılaģırılmıģ ve aralarındaki farklılıklar oraya konulmuģur. Dinamik koģullu korelasyon modeli en iyi modeli ahmin emekle beraber, emiz enerji Ģirkelerinin hisse senedi fiyalarının perol fiyalarına kıyasla eknoloji hisse senedi fiyaları ile daha çok iliģkili olduğunu göseren sonuçlara varmıģır. Yapılan çalıģma günlük borsa kapanıģ fiyaları kullanılarak 1 Ocak 001-31 Aralık 010 için gerçekleģmiģir. Bayramoğlu ve Pekkaya (011), dünya perol fiyalarında meydana gelen değiģikliklerin Ġsanbul Borsası 100 endeksi ve al endeksler olarak da hizmeler endeksi, Sanayi endeksi ve BIST eknoloji endeksleri üzerindeki ekiyi incelemiģlerdir.

10 0.01.009 ile 15.0.011 dönemine ai günlük zaman serisi verilerini kullanarak sözkonusu piyasalar arasında uzun dönemli iliģkiyi incelemek için eģbüünleģme analizi ve kısa dönemli iliģkileri analiz emek için de haa düzelme modeli (VECM) kullanmıģlardır. AraĢırma sonuçlarına göre, Sanayi ve BIST 100 endeksine ai haa varyanslarının sırasıyla %3.71 ve %16.40 oranında ham perol fiya değiģiklikleri ile açıklanmıģır. Hizme, mali ve eknoloji endekslerine ai haa varyanslarının sırasıyla %1.60, %11.8 ve %5.38 ham perol fiyalarındaki değiģikliklerden kaynaklandığı belirilmiģir. Eryiği (009), 04.01.000 11.01.008 dönemine ai günlük verileri kullanarak perol fiya değiģiklerinin Türkiye de BIST ve al sekör endeksleri üzerindeki ekilerini incelemiģir. ÇalıĢmada geniģleilmiģ piyasa modeli (Piyasa geirisi, Perol fiyaı TL bazında, Perol fiyaı dolar bazında, TL ve Dolar kuru) kullanılmıģır. Perol fiya (TL) değiģiklikleri elekrik, opan ve perakende icare, sigora, holding, yaırım, ahģap, kâğı, baskı, ana meal, meal eģya, makine ve mealik olmayan mineral ürünler endeksleri üzerinde %5 önem düzeyinde isaisiksel olarak anlamlı ekiye sahip olduğu espi edilmiģir. Ayrıca dolar bazında perol fiyaı değiģikliklerinin ahģap, kâğı ve baskı, sigora ve elekrik al sekör endeksleri üzerinde olumlu olarak önemli bir ekiye sahip olduğu bulunmuģur. Kim (005), 4 Temmuz 1990 7 Mar 003.3 günlük verileri kullanarak ABD ile Avusralya, Japonya, Hong Kong ve Singapur hisse senedi piyasaları arasındaki iliģkinin yapısını ve ABD ile Japonya dan diğer ülkelere yönelik bilgi geçiģkenliği bulunup bulunmadığını incelemiģir. Günlük piyasa geirilerinin eģzamanlı korelasyon analizleri ülke çifleri için korelasyonların birinci ve ikinci momenlerinin anlamlı olduğunu gösermekle beraber, 1997 kriz döneminden sonra pazar bağlanılarının anlamlılığının daha da yüksek olduğu sapanmıģır. Granger Nedensellik es sonuçları ABD piyasalarının araģırma kapsamına alınan ülke piyasalarının nedeni olduğunu oraya koymakadır. Geirinin geiriye ve oynaklığın oynaklığa neden olmasının yanı sıra, ABD iģlem hacmi de Asya-Pasifik piyasalarına ai hem geirinin hem de oynaklığın Granger nedeni olduğu da görülmüģür. Buna karģılık, Japonya piyasa bilgileri Asya-pasifik ülkelerinin Granger nedeni olmadığı faka geiri ve oynaklık konusunda ABD piyasalarının Granger nedeni olduğu espi edilmiģir. Ancak, Japonya iģlem hacmi açısından ABD ye yönelik herhangi bir nedenselliğe raslanılmamıģır.

11 Malik ve Ewing (01), aynı anda beģ farklı ABD sekör endeksi (finans, sanayi, ükeici hizmeleri, sağlık ve eknoloji ) ile perol fiyaları arasındaki oralama ve koģullu varyans ahmini için iki değiģkenli GARCH modellerini kullanmıģlardır. 1 Ocak 199 ve 30 Nisan 008 arası hafalık geiri verilerini kullanmıģ ve perol fiyalarıyla bazı sekör endeksleri arasında Ģok ve oynaklık geçiģkenliğinin anlamlı olduğunu espi emiģlerdir. Trujillo-Barrera, Mallory ve Garcia (01), 30 Temmuz 006 ile 9 Kasım 011 dönemleri arası hafa orası (ÇarĢamba) vadeli kapanıģ fiyalarını kullanarak ABD deki ham perol, mısır ve eanol fiyaları arasındaki oynaklık geçiģkenliğini belirlemek ve ölçmek için, GJR-GARCH ve çok değiģkenli BEKK-GARCH modellerini kullanmıģlardır. ÇalıĢmada; ham perol piyasalarından eanol ve mısır piyasalarına yönelik gerçekleģen oynaklık yayılımının zaman ve büyüklük açısından benzerlik göserdiği espi edilmiģir. Eanol ve mısır hisse senelerine ai fiya değiģkenliğinin genel olarak %10 ile %0 düzeylerinde perol piyasalarında meydana gelen oynaklıkan kaynaklandığı belirlenmiģir. Faka finansal kriz döneminde perol için dünya alebinin önemli ölçüde değiģiği zamanlarda eanol ve mısır hisse seneleri fiya oynaklığı %45 düzeyine kadar perol fiyalarından kaynaklandığı öne sürülmüģür. Arouri, Jouini ve Nguyen (011), iki değiģkenli VAR-GARCH modelini kullanarak perol piyasaları ile ABD ve AB menkul kıymeler borsaları arasındaki oynaklık geçiģini sekörel bazda incelemiģlerdir. ÇalıĢmada; 1 Ocak 1998-31 Aralık 009 arihleri arasındaki hafalık veriler kullanılmıģır. Sonuçlar perol ve hisse senedi sekörlerine ai geiriler arasında oynaklık geçiģkenliğinin anlamlı bulunmuģur. Ayrıca, AB de genelde yayılma ek yönlü olarak perol piyasalarından hisse senedi piyasalarına yönelikir, ABD de ise bu çif yönlü olarak gerçekleģmekedir. ÇalıĢmada; perol-hisse senedi porföylerini elde uan yaırımcılara ıģık uma açısından opimal ağırlık ve korunma oranları analiz edilmiģir. Serra (011), uluslararası perol piyasaları ile Brezilya eanol ve Ģeker piyasaları arasındaki oynaklık geçiģkenliğini incelemek için Temmuz 000 ile Kasım 009 arası hafalık veriler kullanmıģır. ÇalıĢma 011 de Long ve arkadaģları arafından geliģirilen yarı paramerik GARCH yönemi kapsamında yürüülmüģür. ÇalıĢma sonuçları eanol ve ham perol, aynı Ģekilde eanol ve Ģeker fiya seviyelerinin dengeli bir parie

1 vasıasıyla uzun vadede bağlanılı olduğu sapanmıģır. Sözkonusu bu uzun vadeli fiya iliģkisi, perol ve Ģeker fiyalarında meydana gelen bir arıģın eanol fiyalarının arıģına sebep olduğunu gösermekedir. Ayrıca, eanol fiyaları uzun vadede ilgili parie sapmalarına epki verip ve yeniden pazar dengesine yanı verirken, Ģeker ve ham perol fiyaları uzun dönem paramereleri için zayıf dıģsal olarak belirlenmekedir. Dolayısıyla, ham perol ve Ģeker piyasalarına ai Ģoklar, eanol fiyalarının oynaklığına sebep olduğu espii yapılmıģır. Kalalioglu ve Soyas (011), spo perol fiyaları, spo arımsal hammadde fiyaları ve spo gıda fiyaları arasındaki bilgi akarım mekanizmasını incelemiģlerdir. ÇalıĢmada Ocak 1980 ile 008 yılları arasındaki aylık veriler kullanılmıģır. AraĢırmada izlenilen Cheung-Ng prosedürü, perol fiya oynaklığının gıda ve arımsal hammadde fiyalarındaki değiģimlerin Granger nedeni olmadığını sapanmıģır. Ancak, arımsal hammadde ve gıda pazarları arasında iki yönlü yayılmanın olduğu espi edilmiģir Soyas ve Oran (011), BIST 100 ile BIST elekrik endeks geirileri ve dünya spo perol piyasa geirileri arasındaki Granger nedensellik iliģkisini araģırmıģlardır. BIST elekrik geirilerinin piyasa ve BIST 100 endeks geiri ekilerinden arındırılmıģ ve arındırılmamıģ halini ele alarak dünya spo perol fiyaları ile zaman içindeki bağlanıları incelemiģlerdir. ÇalıĢmada 05.0.003-03.01.007 dönemi için günlük bazda veriler kullanılmıģır. Elde edilen sonuçlara göre, geleneksel yaklaģımlarla perol geirilerden hisse senedi geirilerine herhangi bir iģlek nedensel iliģki espi edilememiģir. Ancak, Cheung-Ng yaklaģımı kullanılarak nedensellik olgusu incelediğinde dünya perol fiyalarının varyansa elekrik endeksinin ve düzelilmiģ geiri endeksinin Granger nedeni olduğu oraya çıkmıģır. Faka bu üm pazarı emsil eden geiri endeksleri için geçerli değildir..1.. Aynı Piyasa Tipleri Arasında Oynaklık GeçiĢkenliği Chang, Michael ve Tansucha (010), uluslararası perol piyasalarında önemli göserge olarak nielenen Wes Texas Inermediae (ABD), Bren (Kuzey Denizi), Dubai / Umman (Ora Doğu) ve Tapis (Asya-Pasifik) olmak üzere dör ana endeks arasında oynaklık geçiģkenliği ve asimerik ekilerini inceleme amacıyla sabi koģullu korelasyon (CCC), (VARMA-GARCH) ve ARMA-GARCH (ARMA-asimerik

13 GARCH) olarak çok değiģkenli GARCH modellerini kullanmıģlardır. Günlük veriler kullanılarak 30 Nisan 1997-10 Kasım 008 zaman aralığı baz alınan bu çalıģmada; ikili serilerin çoğunda koģullu varyanslarında oynaklık geçiģkenliği ve asimerik ekilerin bulunduğu espi edilmiģir. Ayrıca ikili ham perol geirileri arasındaki koģullu korelasyonların ahmininde hem poziif hem de negaif eğilimlerin bulunduğuna raslanmıģır. Gebka (01), sekiz Asya ülkesi (Hong Kong, Endonezya, Japonya, Kore, Malezya, Singapur, Tayvan ve Tayland ) ile ABD piyasaları arasındaki endeks geirisi, geiri oynaklığı ve iģlem hacmine ai dinamik iliģkiyi incelemek için VAR modellerini kullanmıģlardır. Bu araģırmada Ocak 1990 ile Kasım 003 arihleri arasında sekiz ülkeye ai ulusal borsa endekslerinin günlük geirileri kullanılmıģır. ÇalıĢmada; sınır öesi geiri yayılımına raslanmamıģ faka mulak geiri konusunda Asya ve ABD arasında çif yönlü güçlü bir yayılım sözkonusu olduğu bulgusuna varılmıģır. Oynaklık yayılımı ise Asya dan ABD ye yönelikir. ĠĢlem hacmi ise, özellikle Asya piyasalarında, yerli ve yabancı geiri Ģoklarından ekilenmeke ve özellikle oynaklık yayılımının ABD menģeli Ģoklara bağımlı olduğu görülmekedir. Son olarak sınır öesi geiri yayılımı ancak 1997 krizi sonrası gerçekleģmekedir. Anonakakis (01), Avrupa Birliği ne giriģ öncesi ve sonrası döneme iliģkin, uluslararası düzeyde iģlem gören dör önemli para biriminin (Euro, Ġngiliz Serlini, Japon Yeni ve Ġsviçre Frangı) ABD dolarına karģı geiri orak harekelerini ve oynaklık yayılımlarını incelemiģir. VAR, varyans ayrıģırması ve çok değiģkenli GARCH modellerinin kullanıldığı bu çalıģmada; ABD dolarına karģı dör para biriminin döviz kurları günlük olarak 6 Ocak 1986-30 Aralık 011 aralığı baz alınarak kullanılmıģır. Bulgular dör farklı zaman serisi arasında geirilerin orak hareke eiğini ve oynaklık yayılımlarının gerçekleģiğini gösermekedir. Faka harekelerin büyüklüğü Avrupa Birliği sonrasında Avrupa Birliği öncesine göre daha düģük bir eğilim gösermiģir. Wu, Li ve Zhang (005), ABD ve Ġngilere piyasaları arasında kısa dönemli bilgi ileim mekanizmasını incelemek için S&P 500 ve FTSE 100 vadeli endekslerini kullanmıģlardır. AraĢırmada ilgili endekslere ai yüksek frekanslı (5-dakikalık veriler) alım-saım fiya verileri 1995 yılı için elde edilmiģ ve iki değiģkenli GARH modelleri kullanılmıģır. Elde edilen sonuçlar ABD ve Ġngilere piyasaları arasında çif yönlü

14 oynaklık yayılımının olduğu görülmüģür. Öe yandan, koģullu oralama geirisi konusunda her iki yönde de anlamlı bir yayılma sözkonusu olmamıģırr. Üselik eoriye uygun olarak ARCH ve GARCH ekileri yüksek düzeyde anlamlı çıkmıģır. Speigh ve McMillan (001), Ocak 1955 - Aralık 1990 yıllarına ai aylık verileri kullanarak, Doğu Avrupa eski sosyalis ülkelerinin (Bulgarisan, Çekoslovakya, Macarisan, Polonya, Romanya ve Sovyeler Birliği) karaborsa döviz kurları arasındaki oynaklık geçiģkenliğini incelemiģlerdir. Güçlü Wald esleri, GARCH ve ARMA modellerinin kullanıldığı çalıģmada koģullu oralamada sadece Bulgarisan para birimi (Lev) ve Romanya para birimi (Lei) piyasalarında oynaklık geçiģkenliğine dair kanılar bulunmuģur. KoĢullu varyans yayılımı ile ilgili de sınırlı kanılara raslanıldığı, bunun da eski Sovyeler Birliği arafından yürüülen bazı poliikalardan kaynaklanabileceği ifade edilmiģir. Moon ve Yu (010), ABD deki Sandard & Poor's (S&P) 500 hisse senedi endeksi ile Çin'deki ġanghay Menkul Kıymeler Borsası (SSE) endeksi arasında günlük hisse senedi geirileri ve dalgalanmalarının kısa vadede yayılma ekisini incelemiģlerdir. ÇalıĢmada 5 Ocak 1999 ile 1 Haziran 007 dönemine ai oplam 157 günlük veri kullanılmıģır. AraĢırmada Andrews (1993) yönemi kullanılarak Aralık 005 de SSE bileģik endeksinde yapısal kırılmaya raslanmıģır. Simerik ve asimerik GARCH modellerinin kullanıldığı bu çalıģmada; Çin deki Aralık 005 yapısal kırılma sonrası, S&P 500 hisse senedi geirisindeki beklenmedik oynaklıklar SSE bileģik endeks hisse senedi geiri oynaklığı üzerinde simerik ve asimerik ekilerin anlamlı olduğu espi edilmiģir. Aralık 005 Çin deki kırılmadan sonra SSE bileģik endeksinden ABD geirisinde simerik oynaklık geçiģkenliği espi edilmiģir. Jiang, Konsaninidi ve Skiadopoulos (01), ABD ve Avrupa haber duyurularının (Ģoklarının) ilgili ülke hisse senedi borsaları arasındaki oynaklık yayılımı üzerinde herhangi bir ekiye sahip olup olmadığını incelemiģlerdir. VAR modellerinin kullanıldığı çalıģmada, 1 Temmuz 003 31 Aralık 010 dönemine ai günlük veriler baz alınarak bir ABD (VIX) ve beģ Avrupa (VDAX-YENĠ, VCAC, VAEX, VBEL ve VSMI) zımni oynaklık endeksleri kullanılmıģır. Zımni oynaklık yayılımı üzerinde haber duyurularının ekisini konrol emek için, planlı ve plansız ABD ve Avrupa haber olaylarının kapsamlı lisesi derlenmiģir. Önde gelen ABD ve Avrupa zımni oynaklık

15 endeksleri esasen ABD ve Avrupa piyasaları arasında ve Avrupa pazarlarında önemli düzeyde zımni oynaklık yayılımının gerçekleģiği espi edilmiģir. Haber yayılımları zımni oynaklık büyüklüklerini ekilemesine rağmen oynaklıkların amamını açıklamamakadır. In (007), üç büyük uluslararası swap pazarları olarak bilinen, ABD, Japonya ve Ġngilere genelinde zamanla değiģen oynaklık yayılımını büyüklük, güç ve yön açısından incelemiģir. Çok değiģkenli VAR- EGARCH modellerinin kullanıldığı çalıģmada, vadesi 3, 5 ve 10 yıllık olan ABD, Japonya ve Ġngilere swapları için 8 Ocak 1996 ile 9 Haziran 001 yılları arasındaki oplam 1366 ade günlük veri kullanılmıģır. ÇalıĢma sonuçlarına göre; ABD piyasalarından Ġngilere ve Japonya swap piyasalarına baskın bir eki söz konusu olmasına karģın ersi geçerli değildir. Ayrıca Japonya ve Ġngilere swap piyasaları arasında karģılıklı oynaklık geçiģkenliği espi edilmiģir. Ancak ABD ile Ġngilere piyasaları arasında karģılıklı oynaklık geçiģkenliğinin düģük seviyede anlamlı olduğu gözlenmiģir. Oynaklık kalıcılık derecesi her üç piyasada oldukça güçlü ve bire yakın olarak bulunmuģur. Birçok durumda oynaklık yayılımı hem vade hem de ülke çapında asimerik olarak yayıldığı görülmüģür..1.3. Makroekonomik DeğiĢkenlerle Finansal Piyasalar Arasında Oynaklık GeçiĢkenliği Valadkhani, Harvie ve Karunanayake (013), MGARCH modelleri kullanarak 9 ülke arasında reel GSYH büyüme oranlarının orak harekeini incelemek amacıyla 191-008 dönemine ai yıllık zaman serisi verilerini kullanmıģlardır. Sözkonusu ülkelerin, sadece onikisinin isaiksel olarak anlamlı bulunan gruplar arasında yer aldığı belirlenmiģir (örneğin G6-alı Ekonomik ĠĢbirliği ve Kalkınma Örgüü (OECD) Avrupa ülkeleri, G4-dör Anglo-Sakson ülkeleri ve G-iki büyük Asya ülkeleri). ÇalıĢmada; büyüme oranlarının küresel olarak sisemaik hareke emesi konusunda coğrafi yakınlık, külürel bağlar ve ülkeler arasında sosyo-ekonomik ve mali iliģkilerin seviyesi gibi fakörlerin belirleyici role sahip olabileceği sonucu oraya konulmuģur. ÇalıĢma sonuçlarına göre; ABD de herhangi bir ekonomik durgunluk sözkonusu olduğunda olumsuz ekonomik ekiler diğer dünya ülkelerine yansımadan önce G6 ve G ülkeleri baģa olmak üzere diğer Anglo-Sakson ülkelerini ekilediği görülmüģür. Ayrıca G4 ve

16 G6 blokları arasında anlamlı olarak iki yönlü çapraz oralama yayılım espi edildiği belirlenmiģir. Giannellis, Kanas ve Papadopoulos (010), ABD ve Ġngilere ülkeleri için kısa vadede borsa ve reel ekonomi arasındaki dinamik iliģkiyi araģırmıģlardır. Seriler arasında bulunan oynaklık kümelenmesi nedeniyle ek değiģkenli ve çok değiģkenli EGARCH modelleri kullanılmıģır. ÇalıĢmada Ocak 1970 ile Aralık 00 dönemi için aylık veriler kullanılmıģ ve sonuçlar oralama konusunda iki gecikmeyle her iki ülke için reel Sanayi üreim büyüme oranlarından borsa geiri oranlarına yönelik nedenselliğin anlamlı bulunduğunu gösermiģir. Diğer arafan, oynaklık konusunda ise Ġngilere için reel borsa geirilerinden reel Sanayi üreim büyüme oranına yönelik iki aylık gecikmeyle nedenselliğin sözkonusu olduğu sonucu oraya konulmuģur. Benzer Ģekilde, oynaklığın reel ekonomi sekörlerinden borsa piyasalarına ileilebilir olduğu sonucuna varılmıģır. Bu da zaman içinde Sanayi üreim büyüme oranlarındaki değiģikliklerin porföy varlıklarına yansımasından kaynaklandığı vurgulanmıģır. ĠliĢkilerin Ġngilere de ABD ye göre daha güçlü olmasının yanında borsadan reel ekonomi sekörlerine yönelik oynaklık sadece ABD de simerik olarak bulunmuģur. Diebold ve Yılmaz (01), Ocak 1999 ile Ocak 010 arası günlük veriler kullanarak ABD deki hisse senedi, ahvil, döviz ve emia piyasaları arasında oynaklık geçiģkenliğini incelemek için genelleģirilmiģ VAR modellerini kullanmıģlardır. AraĢırma sonuçlarına göre her dör piyasada da oynaklık olgusunun anlamlı olmasına rağmen, piyasalar arasında çapraz bir Ģekilde oynaklık yayılımının 007 kriz öncesine kadar sınırlı olduğu espi edilmiģir. Krizin yoğunlaģmasıyla Eylül 008 de Lehman Brohers'ın çöküģünden sonra, borsadan diğer piyasalara yönelik oynaklık geçiģkenliği önemli düzeyde gerçekleģmiģir. Arifin ve Syahruddin (01), 1997-1998 Asya ve 008 yılında ABD de oraya çıkan Subprime kriz dönemlerinde benzer durumda olan 5 Güney Doğu Asya Milleler Birliği (ASEAN) ülkeleri (Endonezya, Malezya, Filipinler, Singapur ve Tayland) arasındaki döviz kurları ve borsa geirileri arasında oynaklık yayılma ekisini araģırmıģlar ve iki kriz dönemindeki benzerlik ve farklıkları incelemiģlerdir. AraĢırıcılar 1 Temmuz 1997 ile 6 Nisan 010 arihleri arasındaki günlük verileri baz alarak BEKK göserimli iki değiģkenli VAR(1) - GARCH(1,1) modelini

17 kullanmıģlardır. Ekonomideki oynaklık yayılma ekileri, farklı kriz dönemlerinde değiģik ülkeler arasında farklılık göserse de, döviz kuru dalgalanmalarının borsa oynaklıkları üzerinde güçlü dalgalanmalar meydana geirdiğine dair kanılar bulunmuģur. Tamakoshi ve Hamori (013), Hong (001) arafından geliģirilen Çapraz Korelasyon Fonksyonu (CCF) ekniği kullanarak AB bankacılık sekörü Kredi Ġflas Takas (CDS) endeksi ile Yunan Kredi Ġflas Takas (CDS) endeksi arasında varyans ve oralama üzerinde nedensellik araģırması için Ocak 008 ile Aralık 011 dönemi için günlük veriler kullanmıģlardır. Devle borç kriz öncesi, AB Banka Kredi Ġflas Takası ndan Yunan Kredi Ġflas Takası na yönelik oralama ve varyansa nedeselliğin anlamlı olduğu am kesin olmamakla birlike espi edilmiģir. Faka buna karģılık, kriz döneminde Yunanisan Kredi Ġflas Takas ından AB Kredi Ġflas Takası na yönelik oralamada az anlaģılır olmasına karģın, varyansa nedensellik olduğu gözlenmiģir.

18 ÜÇÜNCÜ BÖLÜM VERĠ VE YÖNTEM 3.1. VERĠ ÇalıĢmada perol fiya geirileri ile Borsa Ġsanbul 100 endeksi ve al sekör geirileri arasındaki oynaklık iliģkisini araģırmak için Ocak 00-31 Aralık 01 dönemine ai dolar bazındaki fiya endeksleri baz alınarak oplam 853 günlük veri kullanılmıģır. Türkiye de gerçekleģmiģ olan 001 krizinin yaraığı ekileri veri seinden soyulamak için verilerin baģlangıç arihinin Ocak 00 olmasına karar verilmiģir. Uygulamada sekörlerle ilgili kullanılacak fiya verileri Borsa Ġsanbul bilgi dağıım merkezinden (hp://borsaisanbul.com) ve uluslararası bren perol fiya verileri ise ABD Enerji Bilgi Kurumu ndan (Energy Informaion Adminisraion) elde edilmiģir. Lieraür araģırmalarında benzer çalıģmalarda günlük, hafalık ve aylık verilerin kullanıldığına raslanmakadır. Çoğu zaman kullanılacak verilerin günlük, hafalık veya aylık olarak ercih edilmesi ilgili çalıģmanın izlediği amacı ve kurduğu hipoezlere bağlı olmakadır. Hafalık ve aylık zaman serilerinde, verilerin oplulaģırılması ve kümelenmesi sonucunda, ekonomik çalkanılardan doğabilecek Ģokların göreceli olarak belli ölçüde sönümlenmesi sorunu bulunmakadır. Dolayısıyla bu çalıģmada, çalıģmanın spesifik özellikleri dikkae alınarak günlük verilerin kullanılması uygun görülmüģür. ÇalıĢmada kullanılacak geiri serileri ise diğer pek çok araģırmada olduğu gibi fiya endekslerinin doğal logarimalarının farkları alınarak oluģurulmuģur. 3.1.1. Borsa Ġsanbul u Temsil Eden Endeks Seçimi ÇalıĢmada perol fiyaları ile Türkiye hisse senedi piyasaları arasındaki iliģkiyi araģırmak için Ġsanbul borsasını emsil eden BIST 100 endeksi alınmıģır. BileĢik emel endeks olarak BIST 100 endeksi, Ocak 1986 dan iibaren Ġsanbul Menkul Kıymeler Borsasının (Borsa Ġsanbul) günlük nabzını piyasaya yansımak için hesaplanmaya baģlanmıģır. BIST 100 endeksi yüz büyük ve akif Ģirkein ağırlıklı olarak hisse senelerinden oluģmakadır.

19 3.1.. Al Sekörleri Temsil Eden Endekslerin Seçimi Perol fiyalarının BIST 100 endeksinden bağımsız olarak al sekörlerle olan muhemel iliģkisini bireysel olarak incelemek için oplam 3 sekör çalıģmaya dahil edilmiģir. ÇalıĢmaya dahil edilen sekörler çalıģmanın kapsamıģ olduğu veri aralığı ile sınırlı olmakadır. Bu sekörler Tablo 3.1 de verilmiģir. Tablo 3.1. BIST Al sekörlerini Temsil Eden Endekslerin Lisesi Sıra kod BIST : Sıra kod BIST : 1 XUSIN SANAYĠ 13 XTCRT TĠCARET XGIDA GIDA, ĠÇECEK 14 XILTM ĠLETĠġĠM 3 XTEKS TEKSTĠL, DERĠ 15 XUMAL MALĠ 4 XKAGT ORMAN, KAĞIT, BASIM 16 XBANK BANKA 5 XKMYA KĠMYA, PETROL, PLASTĠK 17 XSGRT SĠGORTA 6 XTAST TAġ, TOPRAK 18 XFINK FĠN. KĠR., FAKTORĠNG 7 XMANA METAL ANA 19 XHOLD HOLDĠNG VE YATIRIM 8 XMESY METAL EġYA, MAKĠNA 0 XGMYO GAYRĠMENKUL YAT. ORT. 9 XUHIZ HĠZMETLER 1 XUTEK TEKNOLOJĠ 10 XELKT ELEKTRĠK XBLSM BĠLĠġĠM 11 XULAS ULAġTIRMA 3 XYORT MENKUL KIYMET YAT.ORT. 1 XTRZM TURĠZM Kaynak : hp://borsaisanbul.com/endeksler/endeks-verileri 3.1.3. Dünya Perol Fiyaları Uluslararası düzeyde perol fiyaları için farklı endeksler kullanılmakadır. Bu çalıģmada varil baģına ham perol fiyaları için Avrupa bren spo fiyaları kullanılmıģır. 1 Bren perol ürü, Kuzey Denizinden çıkarılan farklı perollerin karıģımından oluģmaka ve dünyada perol üzerinden gerçekleģen iģlem hacminin yaklaģık olarak üçe ikisinin fiyaını belirlemede kullanılmakadır. Bren perol fiyaı Uluslararası Ticare Kurumu arafından belirlenmeke olup, piyasada icare konusu olan perol çeģilerinin fiyalarını belirleme konusunda emel unsur olarak dikkae alınmakadır. Dünya perol piyasalarında WTĠ perol fiyaı, 013 yılı iibariyle oralama olarak on dolar civarında bren perol fiyaından daha düģük bir seviyede seyreiği görülmekedir. Perol fiyaları, geçen on yılda oralama olarak %16. düzeyinde büyüme kaydemiģir (Bkz. Tablo 1.1). ġekil 3.1 den de anlaģacağı üzere, ham perolün en yüksek arihi fiyaı 008 krizinden önce 3 Ocak 008 de 143.95 (Avrupa Bren Spo 1 Europe Bren Spo Price FOB (Dollars per Barrel) WTI (Wes Texas Inermediae) Perolü, ABD nin Texas ve Oklahoma eyalelerinde çıkarılan perole verilen isimdir.