KAHRAMANMARAŞ SÜTÇÜ İMAM ÜNİVERSİTESİ İKTİSADİ VE İDARİ BİLİMLER FAKÜLTESİ DERGİSİ

ISSN: 2146 5908 KAHRAMANMARAŞ SÜTÇÜ İMAM ÜNİVERSİTESİ İKTİSADİ VE İDARİ BİLİMLER FAKÜLTESİ DERGİSİ KAHRAMANMARAŞ SÜTÇÜ İMAM UNIVERSITY FACULTY OF ECONOMICS AND ADMINISTRATIVE SCIENCES JOURNAL Yıl/Year: 2012 Cilt/Volume: 02 Sayı/Number: 01

KAHRAMANMARAŞ SÜTÇÜ İMAM ÜNİVERSİTESİ İKTİSADİ VE İDARİ BİLİMLER FAKÜLTESİ DERGİSİ KAHRAMANMARAŞ SÜTÇÜ İMAM UNIVERSITY FACULTY OF ECONOMICS AND ADMINISTRATIVE SCIENCES JOURNAL İmtiyaz Sahibi / Publisher Prof. Dr. Mehmet Fatih KARAASLAN Rektör / Rector Yayın Kurulu / Editorial Board Prof. Dr. Ahmet Hamdi AYDIN (Editör / Editor) Doç. Dr. Mahmut YARDIMCIOĞLU (Editör Yrd. / Asst. Editor) Prof. Dr. Uğur YILDIRIM (Üye / Member) Prof. Dr. İsmail BAKAN (Üye / Member) Doç. Dr. Seyhan TAŞ (Üye / Member) Doç. Dr. İbrahim ÖRNEK (Üye / Member) Doç. Dr. Mustafa TAŞLIYAN (Üye / Member) Yrd. Doç. Dr. İbrahim Ethem TAŞ (Üye / Member) Yrd. Doç. Dr. A. Haluk PINAR (Üye / Member) Sekreterya / Secretary Arş. Gör. İlker KEFE KSÜ İİBF DERGİSİ / KSÜ JOURNAL OF EASF Avşar Yerleşkesi / Avşar Campus 46100 KAHRAMANMARAŞ Tel: (0344) 219 13 66 Fax: (0344) 219 10 45 www.ksu.edu.tr iibfdergisi@gmail.com ISSN: 2146 5908 Yayın Türü / Type of Publication Yaygın Süreli Yayın-Ulusal Hakemli Dergi Common Periodicals National Peer-Received Journal Dizgi-Kapak Tasarım / Type Setting-Cover Design Ömer TEPEBAŞILI Arş. Gör. İlker KEFE Basım Yeri / Place of Publication KSÜ Basımevi Avşar Yerleşkesi / KSÜ Press Avşar Campus 46100 KAHRAMANMARAŞ Haziran / June 2012

DANIŞMA KURULU / ADVISORY BOARD Prof. Dr. Mustafa ACAR Prof. Dr. Nalân AKDOĞAN Prof. Dr. Tahir AKGEMCİ Prof. Dr. H.Bahadır AKIN Prof. Dr. Ramazan AKTAS Prof. Dr. Yasin AKTAY Prof. Dr. Haluk ALKAN Prof. Dr. Ali ALP Prof. Dr. Sumru ALTUG Prof. Dr. Güler ARAS Prof. Dr. Tayyar ARI Prof. Dr. Erişah ARICAN Prof. Dr. Hanifi ASLAN Prof. Dr. Hayriye ATİK Prof. Dr. Ahmet Hamdi AYDIN Prof. Dr. Burhan AYKAÇ Prof. Dr. İsmail BAKAN Prof. Dr. Ahmet BATTAL Prof. Dr. Serkan BAYRAKTAROĞLU Prof. Dr. Niyazi BERK Prof. Dr. Veysel K. BİLGİÇ Prof. Dr. Abdulkadir BULUŞ Prof. Dr. Recai COŞKUN Prof. Dr. Şaban ÇALIŞ Prof. Dr. Adnan ÇELİK Prof. Dr. Ramazan C. DERDİMAN Prof. Dr. Murat DOĞANLAR Prof. Dr. Muammer ERDOĞAN Prof. Dr. Sacit ERTAS Prof. Dr. Bilal ERYILMAZ Prof. Dr. Kemal ESENGÜN Prof. Dr. Kemal GÖRMEZ Prof. Dr. Birgül Ayman GÜLER Prof. Dr. Zehra Nuray GÜNER Prof. Dr. Ali Osman GÜRBÜZ Prof. Dr. Eyüp İSPİR Prof. Dr. Cem KADILAR Prof. Dr. Muhsin KAR Prof. Dr. Ali Argun KARACABEY Prof. Dr. Mehmet Baha KARAN Prof. Dr. Yalçın KARATEPE Prof. Dr. Nesrin OKAY Prof. Dr. Osman OKKA Prof. Dr. Fatih ÖZATAY Prof. Dr. Ergun ÖZBUDUN Prof. Dr. Hüseyin ÖZGEN Prof. Dr. Şevki ÖZGENER Prof. Dr. Erdal ÖZMEN Prof. Dr. İsmail ÖZSOY Prof. Dr. Bekir PARLAK Prof. Dr. Zeyyat SABUNCUOĞLU Prof. Dr. Burak SALTOGLU Aksaray Üniversitesi Başkent Üniversitesi Selçuk Üniversitesi Aksaray Üniversitesi TOBB Ekonomi ve Teknoloji Üniversitesi Selçuk Üniversitesi Erciyes Üniversitesi TOBB Ekonomi ve Teknoloji Üniversitesi Koç Üniversitesi Yıldız Teknik Üniversitesi Uludağ Üniversitesi Marmara Üniversitesi Gazikent Üniversitesi Erciyes Üniversitesi Kahramanmaraş Sütçü İmam Üniversitesi Gazi Üniversitesi Kahramanmaraş Sütçü İmam Üniversitesi Gazi Üniversitesi Sakarya Üniversitesi Bahçeşehir Üniversitesi Polis Akademisi Selçuk Üniversitesi Sakarya Üniversitesi Selçuk Üniversitesi Selçuk Üniversitesi Uludağ Üniversitesi Çukurova Üniversitesi Atatürk Üniversitesi Uludağ Üniversitesi Sakarya Üniversitesi Karamanoğlu Mehmetbey Üniversitesi Gazi Üniversitesi Ankara Üniversitesi Orta Doğu Teknik Üniversitesi Marmara Üniversitesi TODAİE Hacettepe Üniversitesi Konya Üniversitesi Ankara Üniversitesi Hacettepe Üniversitesi Ankara Üniversitesi Boğaziçi Üniversitesi KTO Karatay Üniversitesi TOBB Ekonomi ve Teknoloji Üniversitesi Bilkent Üniversitesi Çukurova Üniversitesi Nevşehir Üniversitesi Orta Doğu Teknik Üniversitesi Fatih Üniversitesi Uludağ Üniversitesi Uludağ Üniversitesi Boğaziçi Üniversitesi

DANIŞMA KURULU / ADVISORY BOARD Prof. Dr. Güven SAYILGAN Prof. Dr. Kemal SENOCAK Prof. Dr. Recep SEYMEN Prof. Dr. Suat TEKER Prof. Dr. M. Erdinç TELATAR Prof. Dr. Mustafa UÇAR Prof. Dr. Ali Dursun ULUSOY Prof. Dr. Targan ÜNAL Prof. Dr. Atilla YAYLA Prof. Dr. Arslan YIĞIDIM Prof. Dr. İbrahim YILDIRIM Prof. Dr. Kemal YILDIRIM Prof. Dr. Uğur YILDIRIM Prof. Dr. Kamil YILMAZ Doç. Dr. Harun ARIKAN Doç. Dr. Yakup BULUT Doç. Dr. Abdullah ÇELİK Doç. Dr. Nihat IŞIK Doç. Dr. Ercan OKTAY Ankara Üniversitesi Ankara Üniversitesi İstanbul Üniversitesi Okan Üniversitesi Hacettepe Üniversitesi Dicle Üniversitesi TOBB Ekonomi ve Teknoloji Üniversitesi İstanbul Üniversitesi Gazi Üniversitesi Gazi Üniversitesi Dicle Üniversitesi Anadolu Üniversitesi Kahramanmaraş Sütçü İmam Üniversitesi Koç Üniversitesi Çukurova Üniversitesi Mustafa Kemal Üniversitesi Harran Üniversitesi Karamanoğlu Mehmetbey Üniversitesi Karamanoğlu Mehmetbey Üniversitesi HAKEMLER / REVIEWERS Prof. Dr. H.Bahadır AKIN Prof. Dr. İsmail BAKAN Prof. Dr. Muammer ERDOĞAN Prof. Dr. Osman OKKA Prof. Dr. Mustafa UÇAR Doç. Dr. Yunus CERAN Doç. Dr. Nihat IŞIK Doç. Dr. Ercan OKTAY Doç. Dr. İbrahim ÖRNEK Doç. Dr. Mustafa TAŞLIYAN Doç. Dr. Mahmut YARDIMCIOĞLU Yrd. Doç. Dr. Serkan ADA Yrd. Doç. Dr. Hüseyin AĞIR Yrd. Doç. Dr. C.Gamze BAL Yrd. Doç. Dr. Fikret BİRDİŞLİ Yrd. Doç. Dr. Burcu ERŞAHAN Yrd. Doç. Dr. Ö.Okan FETTAHLIOĞLU Yrd. Doç. Dr. Mehmet İNCE Yrd. Doç. Dr. Salih YEŞİL Yrd. Doç. Dr. İ.Ethem TAŞ Aksaray Üniversitesi Kahramanmaraş Sütçü İmam Üniversitesi Atatürk Üniversitesi TOBB Karatay Üniversitesi Dicle Üniversitesi Niğde Üniversitesi Karamanoğlu Mehmetbey Üniversitesi Karamanoğlu Mehmetbey Üniversitesi Kahramanmaraş Sütçü İmam Üniversitesi Kahramanmaraş Sütçü İmam Üniversitesi Kahramanmaraş Sütçü İmam Üniversitesi Kahramanmaraş Sütçü İmam Üniversitesi Kahramanmaraş Sütçü İmam Üniversitesi Kahramanmaraş Sütçü İmam Üniversitesi Kahramanmaraş Sütçü İmam Üniversitesi Kahramanmaraş Sütçü İmam Üniversitesi Kahramanmaraş Sütçü İmam Üniversitesi Karamanoğlu Mehmetbey Üniversitesi Kahramanmaraş Sütçü İmam Üniversitesi Kahramanmaraş Sütçü İmam Üniversitesi Bu Sayıdaki Değerli Katkıları İçin Hakemlerimize Teşekkür Ederiz * Sıralamalar, soyisim esas alınarak alfabetik olarak yapılmıştır.

ABOUT JOURNAL KSU economic and administrative sciences journal is a peer-reviewed journal that is written Turkish or English and published in a year 2 times (June and December). With publication of journal, it is intended to increase communication and information sharing among researchers, professionals, academics and policy makers and to work financial and economic system effectively. All articles submitted to journal should not have been published or submitted for publication in other journals. Studies presented in scientific congresses and symposia can publish. Some types of submissions are original research, review articles, case report Project, presentation and book review (provided that article format). Firstly, Articles are assessed by editor. If articles deemed appropriate in terms of subject matter and content, editor sends them two referees. However, in case of disagreement between the two referees, article is evaluated by the Editorial Board and editorial board decides whether publish or not. In case of asking for correction, author has to send corrections within 15 days. Accepted articles are published in accordance with the line which is determined by editorial board. The studies that are deemed unsuitable for publication are not sent back, authors are only informed at latest within 3 months. All rights of accepted articles belong to KSU Economic and Administrative Sciences Journal. Authors are responsible for thoughts and opinions mentioned in articles. Published articles can be used by quoting as authority. Articles should be e-mailed to iibfdergisi@gmail.com To contribute mailing costs, printing costs etc. 50 TL will be required from submitted articles. Authors will put money into Garanti Bankası 118-6299841 in the name of KSU Foundation with description of the Journal of EASF. The bank receipt or its copy or its electronic example should be sent together with article in this address iibfdergisi@gmail.com The adres is KSÜ Journal of EASF, Avşar Campus, 46100 KAHRAMANMARAŞ

DERGİ HAKKINDA KSÜ İktisadi ve İdari Bilimler Fakültesi Dergisi, iktisadi ve idari bilimlere ait bilim dalları ve bölümlere ilişkin Türkçe veya İngilizce yazılmış, literatüre katkıda bulunacak özgün makalelerin yer aldığı yılda 2 kez (Haziran ve Aralık) yayımlanacak hakemli bir dergidir. Derginin yayımlanmasıyla; akademisyenler, profesyoneller, araştırmacılar ve politika yapıcılar arasındaki iletişimin ve bilgi paylaşımının artırılarak, finansal ve ekonomik sistemin etkin çalışmasına katkı sağlanması amaçlanmaktadır. Yayımlanmak üzere gönderilen makalelerin başka bir yayın organında yayımlanmamış ya da yayımlanmak üzere gönderilmemiş olması gereklidir. Bilimsel kongre ve sempozyumlara bildiri olarak sunulmuş çalışmalar da yayınlanabilir. Dergide yayınlanması için gönderilecek çalışma türleri şunlardır: Özgün araştırma ve inceleme makaleleri, derleme makaleler, olgu sunumu, proje tanıtımı, kitap tanıtımı (Makale formatı olması şartıyla). Makalelerin editör tarafından konu, şekil ve içerik yönünden değerlendirilip uygun görülenleri iki hakeme gönderilir. Ancak, hakem raporları arasında görüş ayrılığı varsa, makale Yayın Kurulu tarafından değerlendirilerek, yayımlanması ya da yayımlanmamasına karar verilir. Düzeltme istenilmesi durumunda, yazarın ilgili düzeltmeleri yaparak en geç 15 gün içerisinde dergiye göndermesi gerekmektedir. Ampirik çalışmalarda gerekli görüldüğü hallerde yazardan kullandığı veri ve bilgisayar kodları istenebilir. Yayımlanması uygun görülen makaleler Yayın Kurulunun belirlediği sıraya göre yayımlanır. Yayımlanması uygun görülmeyen çalışmalar ise geri gönderilmez ve sadece yazarlarına bilgi verilir. Yazarlara en geç üç ay içerisinde sonuca ilişkin bilgilendirmede bulunulur. Yayımlanması kabul edilen makalelerin bütün hakları KSÜ İktisadi ve İdari Bilimler Fakültesi Dergisine aittir. Makalelerde belirtilen düşünce ve görüşlerin tamamından yazarları sorumludur ve söz konusu düşünce ve görüşler KSÜ İktisadi ve İdari Bilimler Fakültesini bağlamaz. Dergide yayımlanan makalelerden kaynak gösterilerek alıntı yapılabilir. KSÜ İktisadi ve İdari Bilimler Fakültesi Dergisinde yayımlanmak üzere gönderilecek makalelerin, iibfdergisi@gmail.com adresine elektronik ortamda gönderilmesi gereklidir. Yayınlanması amacıyla dergiye gönderilen makalelerden, sunum ücreti olarak her türlü postalama, yazışma ve basım giderlerine katkı sağlaması amacıyla 50 TL tutarında ücret talep edilecektir. Yazarlar, Garanti Bankası Kahramanmaraş Şubesi 118-6299841 nolu KSÜ Vakfı hesabına İİBF Dergisi açıklamasıyla ücreti yatıracaklardır. Banka Dekontu veya fotokopisi veya elektronik örneği iibfdergisi@gmail.com adresine makale ile birlikte gönderilecektir. Adres; KSÜ İİBF DERGİSİ, Avşar Yerleşkesi, 46100 KAHRAMANMARAŞ tır.

İÇİNDEKİLER / CONTENTS Ekonomik Bir Uygulama ile Kendinden Uyarımlı Eşiksel Değişen Varyanslı Otoregresif Model Self-Exciting Threshold Autoregressive Model with A Economic Practice Ümran M. TEKŞEN KAHRAMAN, Aşır GENÇ... Kurumsal Açıdan Algı ve Algı Yönetimi The Organizational Perspective of Perception and Perception Management İsmail BAKAN, İlker KEFE Örgütsel Vatandaşlık Organizational Citizenship Abdullah KARAMAN, Serkan AYLAN İslam, Çevre ve Muhasebe: İslami İlkeler ve Çevre Muhasebesi Kavramı Islam Nature Accounting Mahmut YARDIMCIOĞLU... Kamu ve Özel Hastanelerde Hasta Memnuniyeti: Kahramanmaraş ta Bir Alan Çalışması Patient Satisfaction in Public and Private Hospitals: A Field Study in Kahramanmaras Mustafa TAŞLIYAN, Sibel GÖK... Kent Markalaşması Sürecinde İç Girişimcilik Faktörü Interior Entrepreneurship Factor in Urban Branding Process Halim Emre ZEREN... Örgütsel Adalet ve İş Tatmini Üzerine Bir Alan Çalışması A Field Study on Organizational Justice and Job Satisfaction Salih YEŞİL, Selçuk Ferit DERELİ... Pozitif Psikolojik Sermayenin İş Tatmini İle İlişkisi The Relationship Between Positive Psychological Capital and Job Satisfaction Vildan Hilal AKÇAY... Spor İşletmelerinde Öğrenen Organizasyon Uygulamalarının Örgütsel Performansa Etkisi The Effect Of Learning Organization and Organization Performance at Sport Business A.Faik İMAMOĞLU, T.Osman MUTLU... Avrupa Birliğine Uyum Sürecinde Türkiye de Uygulanan İstihdam Politikaları Employment Policies Followed by Turkey in Process Of Eu Memberships Seyhan TAŞ, Gülferah BOZKAYA... Sermaye ve Gelirin Finansallaşması: 2008 Finansal Krizinin Muhasebesi Financialization Capital and Income: Accounting Of 2008 Financial Crisis Hilal KOCAMAZ... Türk-Yunan Ege Denizi Sorunlarının Avrupa Birliği Komisyonunun ve Parlamentosunun Bakış Açıları Çerçevesinde İncelenmesi The Investigation Of Turkish-Greek Aegean Sea Problems Under The Perspectives Of European Union Commission And Parliament Yeliz YAZAN... Çalışan Personelin Kurumsal İmaj Oluşumuna Etkisi The Effect Of Staff To The Formation Of Corporate Image Mustafa BAL 1 19 35 49 69 95 105 123 141 151 177 191 219

EKONOMİK BİR UYGULAMA İLE KENDİNDEN UYARIMLI EŞİKSEL DEĞİŞEN VARYANSLI OTOREGRESİF MODEL Ümran M. TEKŞEN KAHRAMAN *, Aşır GENÇ ** ÖZET Bu çalışmada, eşiksel otoregresif (TAR) modeller sınıfından kendinden uyarımlı eşiksel otoregresif (SETAR) modelin yapısı üzerinde durulmuştur. Model parametrelerini belirlemek için Tsay (1989) in önerdiği yöntem kullanılmıştır. Farklı rejimlerde ortalamanın yanı sıra varyansta da eşiksellik yapısı düşünülerek varyansın modellenmesine çalışılmıştır. Uygulama verisi olarak 03.01.2005-30.12.2011 dönemini kapsayan serbest piyasadaki günlük altın fiyatları serisi TL cinsinden alınarak bir model oluşturulmuştur. Anahtar Kelimeler: Kendinden Uyarımlı Eşiksel Otoregresif Model, Lineer Olmama Testi, Eşiksel ARCH Model SELF-EXCITING THRESHOLD AUTOREGRESSIVE MODEL WITH A ECONOMIC PRACTICE ABSTRACT In this study, structure of a self-exciting threshold autoregressive (SETAR) model which belongs to threshold autoregressive (TAR) model class and choosing its parameters are emphasized. To determine parameters of model, method which was offered by Tsay (1989), was used. Besides mean in different regime, it was considered variance has threshold. A model which was based on daily gold prices which were taken as Turkish lira and in period 03.01.2005-30.12.2011 were applied for numerical example was created. Keywords: Self-Exciting Threshold Autoregressive Model, Nonlinearity Test, Threshold ARCH Model * Dr., Selçuk Üniversitesi, İstatistik Bölümü. ** Prof.Dr., Selçuk Üniversitesi İstatistik Bölümü. Ekonomik Bir Uygulama İle Kendinden Uyarımlı Eşiksel Değişen Varyanslı Otoregresif Model 1

1. GİRİŞ Bu çalışmada, bir zaman serisi için rejim değişimine imkân veren modeller ele alınacaktır. Eşiksel model serinin ortalamasında veya varyansında (veya her ikisinde) farklı parametrelere izin verebilmektedir. Zaman içinde bilinen bir noktada rejimini değiştiren süreçler için deterministik süreç ifadesi kullanılmaktadır. Rejim değişimi olan fakat yeri kestirilemeyen süreçler ise stokastik rejim gösteren süreçlerdir. Deterministik süreçler için doğrusal zaman serisi modelleri kullanılmaktadır. Stokastik rejim gösteren süreçler için ise farklı modeller bulunmaktadır. Bunlardan her rejiminde doğrusal bir AR modeli ile modellenebilen zaman serilerinin dinamik davranışı bu çalışmanın konusunu oluşturmaktadır. Yani, otoregresif parametreleri rejime bağlı olarak değişen AR modelleri ile modellenebilen zaman serileri ele alınacaktır. Modellerden en çok öne çıkanı, eşiksel otoregresif (TAR) modelidir. İlk olarak Tong (1978) ve Tong ve Lim (1980) tarafından ele alınmıştır. Daha sonra Tong kendinden uyarımlı eşiksel otoregresif modeli (SETAR) (1990) geniş bir biçimde açıklamıştır. Tong (1978) un geliştirdiği kendinden uyarımlı eşiksel otoregresif modeller oldukça geniş bir uygulama alanına sahip olmuştur. Örneğin, Tong ve Yeung (1991) su kirliliği verisi, Yadav, Pope, Paudyal (1994) Future piyasalar, Watier ve Richardson (1995) epidemiyolojik uygulamalar, Lewis ve Ray (1997) deniz yüzeyi sıcaklığı, Montgomery ve diğ. (1998) US işsizlik oranları, Fuetch ve diğ. (1998) medikal çalışmalar, Clements ve Smith (2001) borsa oranları, Baragona ve diğ. (2003) eşiksel modellerde genetik algoritma kullanımı, Feng ve Liu (2003) Kanada GDP verisi, Kajitani, Keith ve Mcleod (2005) SETAR modelde yapay sinir ağları kullanımı, Khadaroo (2005) enflasyon verisi, Huang, Hwang ve Peng (2005) petrol fiyatları verisi, Hutchison ve diğ. (2010) Hindistan sermaye kontrolleri verisi, Pinson ve diğ. kıyı rüzgarları verisi, Campenhout (2006) yiyecek piyasası trendleri, Chen (2011) Çin sermaye kontrolleri, Yang ve Li (2012) DNA optimizasyonu için SETAR modeli kullanmıştır. SETAR model, bir zaman serisinin ortalamasında farklı rejimlere izin vermektedir. Her bir rejimdeki süreç doğrusal AR süreci olarak ifade edilmektedir. Bu çalışmada, ayrıca, her rejimde değişen varyanslı bir sürece izin veren koşullu değişen varyanslı eşiksel otoregresif (SETARCH) model ele alınacaktır. Böylece finansal serilerin asimetrik yapısının modellenmesi amaçlanmaktadır. Çalışmanın içeriği, ikinci bölümde SETAR model ve yapısal parametrelerinin belirlenmesi, üçüncü bölümde SETAR modelin SETARCH modele genişletilmesi ve modelin özellikleri ile son bölümde de Türkiye deki altın fiyatları serisinin ele alınarak SETARCH modelin oluşturulması şeklinde düzenlenmiştir. 2. TEK DEĞİŞKENLİ SETAR MODELİ Kendinden uyarımlı eşiksel otoregresif (SETAR) modeller, sınırlı döngü ve eşiksellik kavramlarıyla ilgili olduğu için geniş bir uygulama alanına sahiptir. SETAR modelin çok kullanılmasının bir diğer nedeni de diğer lineer olmayan zaman serisi modellerine göre daha kolay uygulanmasıdır. 2 Ümran M. TEKŞEN KAHRAMAN, Aşır GENÇ

Y t k rejimli bir SETAR d ; p, p,..., p ) modeli, φ 0 φ 0 = ( φ 0 (1) (2) k ) + + + p 1 j= 1 p 2 j= 1 p k j= 1 φ φ φ (1) j Y (2) j ( k ) j ( 1 2 k t j Y Y t j t j + ε + ε (1) t (2) t ( + ε k ) t, Y t d, r k 1 r, r < Y 1 1 t d < Y r t d 2 (1) şeklinde kurulur (Chan ve diğ., 2004). Burada k, modeldeki rejim sayısı, d, gecikme parametresi ve p i de modelin i. rejimindeki otoregresif sürecin sırasıdır. Eşik parametreleri, = r0 < r1 < r2 <... < r k 1 < rk = (2) (i) sınırlarını sağlar. Her bir i. Rejimdeki normal iid rasgele değişkenler ε, sıfır t 2 ortalamalı ve sabit σ i < ( i = 1,2,..., k) varyanslıdır. SETAR sürecinde üç önemli durum göze çarpar: a) AR modelin derecesi p, rejimler arasında farklılık gösterebilir. 2 ( j) b) Rejimler arasında sadece gürültü terimlerinin varyansı σ j = Var( at ) farklılık gösteriyorsa SETAR modeli homojen olmayan doğrusal bir AR modeli haline gelir. ( j) c) Farklı j ler için yalnızca sabit terim φ farklılık gösteriyorsa bu kez de 0 model, düzeyin rasgele değiştiği bir modele indirgenir (Tsay, 1989). Modeldeki üstsimgeler rejimleri göstermektedir. Her bir rejimde zaman serisi değişkeninin dinamik davranışı doğrusal bir otoregresif süreçtir. Herhangi bir t zamanındaki rejim { Y t } nin geçmiş gözlemlerine bağlıdır. Özellikle de Y değerine bağlıdır. t d 2.1. Eşiksel Doğrusal Olmama için Test Eşitlik (1) ile verilen SETAR modeli ele alınsın. p 1 = p2 =... = pk ve (1) (2) ( k ) φi = φi =... = φ, i i = 0,1,..., p olursa SETAR modeli p sıralı doğrusal bir otoregresif sürece dönüşür. Doğrusal olmayan eşiksel bir durumun varlığını test etmek için sıralı otoregresyon sürecine dayalı bir test geliştirilmiştir (Tsay, Ekonomik Bir Uygulama İle Kendinden Uyarımlı Eşiksel Değişen Varyanslı Otoregresif Model 3

1989). Hazırlanan test sıralı otoregresyona ve bu regresyonun artıklarına bağlıdır. n gözlemli Y t serisi için, Yt (1, Yt 1,..., Yt p) β at = +, t = p+ 1,..., n şeklinde AR( p ) regresyonu elde edilsin. Burada, β, ( p + 1) boyutlu katsayılar vektörü ve a t gürültü sürecidir. Burada ( Yt,1, Yt 1,..., Yt p), AR( p ) modeli için bir durumdur. Sıralı otoregresyon regresörlerin yeniden sıralanmış durumuna bağlı olarak oluşturulursa, p ( j) ( j) ( j) t= φ0 + φi t i+ t, j 1 t d j i= 1 Y Y a r Y r (3) olmak üzere, p = max{ p 1,..., p k } ve d p değerleri için { Y1,..., Y n } zaman serisi gözlenmiş olsun. () i, { Yp+ 1 d,..., Yn d} dizisinin i. en küçük gözleminin zaman indeksini göstersin. Sıralı otoregresyon, Y(1) + d 1 Y(1) + d 1 Y(1) Y(1) + d p φ0 a(1) + d Y(2) + d 1 Y(2) + d 1 Y(2) Y(2) + d p φ1 a(2) + d = + Y 1 Y Y Y φ a ( j) + d ( j) + d 1 ( j) ( j) + d p p ( j) + d (4) biçiminde yazılabilir. Burada j = m, m + 1,..., n p dir. m, sıralı regresyondaki başlangıç gözlemlerinin sayısıdır. m ( n /10) + p olarak önerilmiştir (Tsay, 1989). Eşitlik (4) deki sıralı otoregresyonlar, genellikle, SETAR modelinin rejim göstergesi olan Yt d değişkeni ile ayrılır. Burada her j için, bir adım ileri öngörü hatası e ˆ hesaplanabilir. Modelin doğrusal AR(p) sürecine sahip ( j+ 1) + d olduğu varsayımı altında, standardize öngörü hataları yalnızca bağımsız ve aynı dağılımlı olmakla kalmaz, aynı zamanda { Y ( j 1) d,..., Y } regresörleri + + 1 ( j+ 1) + d p ile de ortogonaldir. Ancak gerçek model doğrusal olmayan SETAR süreci ise, ortogonallik bozulur. Bu özellik kullanılarak, e = Y β +η (5) regresyon modeli oluşturulsun. Burada e, ( e ˆ,..., ˆ m+ 1) + d e( n p) + d ) vektörü, Y, j = m, m + 1,..., n p 1 olmak üzere { Y( j+ 1) + d 1,..., Y( j+ 1) + d p} regresörlerinin matrisi, β, p boyutlu parametre vektörü ve η hata vektörüdür. Eşitlik (5) teki regresyon modelinde ( 4 Ümran M. TEKŞEN KAHRAMAN, Aşır GENÇ

H : β = 0 0 hipotezinin testi için kullanılan F istatistiği ortogonalliği ve SETAR tip doğrusal olmamayı test etmede de kullanılabilir. F istatistiği, doğrusal regresyon modelinin anlamlılığını test eden varyans analizi tablosu yardımıyla hesaplanır (Tsay, 1989). Eşitlik (5) te F testinin uygulanması için p ve d değerlerinin verilmesi gerekir. Ancak uygulamada, bunlar genellikle bilinmez. 2.2. Yapısal Parametrelerin Seçimi p nin seçimi için X t serisinin kısmi otokorelasyon fonksiyonunun (PACF) kullanılması önerilmiştir (Tsay, 1989). p değeri belirlendikten sonra en büyük F istatistiği değerini veren d seçilir. Rejim sayısı k ve eşik parametrelerinin yerlerini belirlemek için de çeşitli saçılım grafiklerinin kullanılması önerilmiştir. Eşitlik (4) deki sıralı otoregresyon denkleminden l p olmak üzere j = m,..., n p değerleri için l. AR katsayısının t oranları hesaplanabilir. t oranı, regresyon katsayısının sıfırdan farklı olup olmadığını test etmek için hesaplanan test istatistiğidir. Katsayı önemli olduğu zaman t oranları kademe kademe ve yumuşak bir geçişle belirli bir değer etrafında yinelemeli hareketler yapmaya başlar. Bir eşiğe ulaşıldığında tahmin edilen AR katsayısı değişmeye başlar, t oranı da değişmeye başlar, bazen de yön değiştirir. Böylece, t oranlarına karşı çizilen X t d rejim değişkeninin saçılım grafiği eşik değerlerinin yeri konusunda oldukça faydalı bilgiler sağlayabilir. Son olarak da, AR sırasını ( p k p ) iyileştirmek için her bir rejimde Akaike bilgi kriteri (AIC) kullanılır (Chan ve diğ., 2004). p ve d değerlerini belirlemek için aşağıdaki yol önerilebilir. Adım 1 X t serisine ilişkin PACF değerleri yardımıyla p belirlenir. Adım 2 İndislerde gerekli sıralamalar yapılarak Eşitlik (5) deki regresyon modeli oluşturulur. Adım 3 Mümkün d =1,2,, p değerleri için sırasıyla j = m, m + 1,..., n p 1 gözlemli otoregresyon eşitlikleri ile bir sonraki gözlem hatası e ˆ bulunur. ( j+ 1) + d Adım 4 Eşitlik (5) yardımıyla her bir d değeri için F istatistiği değeri hesaplanır. Adım 5 En büyük F değerini veren d seçilir. Rejim sayısı ve eşik parametrelerinin yerlerini belirlemek için ise şu adımlar verilebilir. Adım 1 Eşitlik (4) den j = m,..., n p gözlem sayıları için l. AR katsayısının önemliliğini test eden t istatistikleri hesaplanır. Adım 2 Yt d değişkenine karşı t değerlerinin grafiği çizilir. Adım 3 t değerlerinin ani değişme yaptığı bölgelerde eşik parametresi AIC kullanılarak araştırılır. Rejim sayısı eşik parametresi sayısından 1 fazla olacaktır. Ekonomik Bir Uygulama İle Kendinden Uyarımlı Eşiksel Değişen Varyanslı Otoregresif Model 5

2.3. Parametre Tahmini ve Model Yeterliliği Eşitlik (4) deki sıralı otoregresyon matrisi, d, k, p,..., p, r,..., ) ( 1 k 1 r k 1 değerleri belirlendiğinde k rejime bölünmüş olur. π, l nin en büyük değeri olsun. Bu durumda l = 1,..., k 1 için { rl < Y } r olur. π = 1 ( π l ) l 0 0 ve π = n p olarak tanımlansın. Verinin j. rejimi için k l j j ( j) Y = A φ + a (6) j doğrusal modeli elde edilir. Burada Y ve j A, sırasıyla, gözlemlerin vektörü ve j sıralı otoregresyonun j. rejimindeki veri matrisidir. ve ( j) ( j) ( j) ( j) φ = ( φ, φ,..., φ ) (7) 0 1 p j a j ( j) ( j) ( j) ( a 1), ( 2),..., ( ) ) d a d a (8) π π π d = ( j 1+ + j 1+ + j + şeklindedir. ( j) En küçük kareler tahminleri φ, j = 1,2,..., k için klasik en küçük kareler yöntemi ile elde edilebilir. Dolayısıyla, ( j) ˆ ' 1 ' φ = ( A A ) ( A Y ) (9) j j j j şeklindedir. Model tahmin edildikten sonra artıklara ilişkin histogram ve otokorelasyonlar incelenerek modelin yeterliliğine karar verilebilir (Chan ve diğ. 2004). Hata terimlerinin normal dağılıma sahip olup olmadığına çeşitli istatistiksel testler aracılığıyla veya grafik yöntemleriyle karar verilebilir. 3. SETARCH MODELİNİN TANITIMI VE VARSAYIMLARI Engle (1982) in geliştirdiği ARCH tipi modellerin en büyük dezavantajı, model katsayılarının gözlem dönemi boyunca aynı olduğunu varsayması ve asimetrik rejim değişimi olasılığını hesaba katmamasıdır. Finansal zaman serilerinde koşullu varyansın davranışı, çoğunlukla bir önceki getiriye göre asimetrik yapıdadır (Franses ve Dijk, 2000). Durgunluk dönemlerinde, finansal varlıkların oynaklığı yüksek seviyelerdedir. Bir Wall Street deyimine göre, yükselen piyasada işlem hacmi görece daha çok, düşen piyasada ise daha azdır. Böyle bir asimetri yapısı fiyat-işlem hacmi için de geçerlidir. Böylece denilebilir ki, asimetrik oynaklık finansal zaman serilerinin karakteristik özelliğidir (Li ve 6 Ümran M. TEKŞEN KAHRAMAN, Aşır GENÇ

Li, 1996). Bu yapıdaki serileri modellemek için kendinden uyarımlı eşiksel koşullu değişen varyanslı otoregresif (SETARCH) model hazırlanmıştır., rasgele değişkenleri ile üretilmiş bir -alanı olsun. verildiğinde, her için, sıfır ortalamalı ve koşullu varyanslı normal dağılıma sahip rasgele değişkendir. Burada,, verilen için koşullu beklenen değerdir. Bir zaman serisi,, (10) koşullarını sağlıyorsa eşiksel koşullu değişen varyanslı otoregresif süreçtir denilir. Model, ortalama ve varyans için farklı gecikme ve eşik parametrelerine olanak sağlar. Ayrıca, eşiksellik etkisi ortalama ve varyansta aynı anda ortaya çıkmayabilir. SETARCH model, Tong (1978) un eşiksel modelinin bir genişletilmesidir. SETARCH model de eşiksel modele özgü koşullu ortalama yapısına sahip olduğundan aynı lineer olmama karakteristikleri geçerlidir. (10) modeli SETARCH ( ) ile gösterilir. Burada parametreleri her bir rejimdeki AR sırasını göstermektedir. ise aynı rejimdeki ARCH sırasını göstermektedir. Eğer bir rejimdeki ARCH sırası sıfır ise, bu rejimin koşullu varyansı sabittir. Eşitlik (10) da yerine veya ifadesi de gelebilir. ARCH modelin varsayımları Weiss(1986) tarafından altı koşul halinde özetlenmektedir. (1) zaman serisi durağan ve ergodiktir. (2) (3) Koşullu varyansın tüm parametreleri sıfır veya sıfırdan büyüktür. ve, ve (4) doğrusal olarak bağımsızdır. (5), her rejimde sabitse (10) modeli durağandır. (6) olsun. ise dir. Aynı durum için de geçerlidir. Koşullardan (1), (2), (3) ve (5) durağan bir koşullu değişen varyanslı ve eşiksel lineer olmayan zaman serisi süreci için verilen varsayımlardır (Tong, 1990). (4) koşulu parametrelerinin tanımlı olmasını sağlar (Weiss, 1986). (6) koşulu ise tam bir SETARCH modelin tanımlı olması için gereklidir (Li ve Li, 1996). SETARCH modelin oluşturulmasında ilk olarak modelin koşullu ortalama yapısındaki gecikme, eşik parametreleri ve AR sırası belirlenir. Eğer bir eşiksellik yapısı saptanırsa ikinci kısımda (10) eşitliği ile verilen koşullu varyans ARCH yapısı belirlenir. Eşiksellik saptanamazsa, en uygun AR modelden elde edilen artık karelere Tsay in yöntemi uygulanarak eşiksellik yapısı ve ARCH sırası belirlenir. Bir eşiksellik yapısı belirlenirse tam bir SETARCH modeli düşünülür. İkinci adım Tsay in yöntemini koşullu varyansa genişletir. Modelleme süreci şöyle özetlenebilir: Ekonomik Bir Uygulama İle Kendinden Uyarımlı Eşiksel Değişen Varyanslı Otoregresif Model 7

Adım 1 Önceki bölümde ele alınan SETAR modelleme süreci uygulanarak bir koşullu ortalama eşitliği oluşturulur. Adım 2 Adım 1 de oluşturulan geçici modelden artık kareleri hesaplanır. Adım 3 Artık kareleri kullanılarak her bir rejimdeki ARCH sırası belirlenir. Adım 4 (10) daki koşullu ortalama ve koşullu varyans eşitlikleri belirlendikten sonra SETARCH modelin parametreleri en çok olabilirlik yöntemiyle hesaplanır. Adım 5 Her rejimdeki AR ve ARCH sırası AIC ile düzenlenir. Adım 6 Adım 5 ile elde edilen en son modele model yeterliliği kriterleri uygulanır ve gerekiyorsa (1)-(5) adımları yeniden uygulanır. Koşullu ortalama modelinin yeterliliğini test etmek için artık otokorelasyonları hesaplanır. Ardışık bağımlılık testleri, artık varyansının sabitliğine ilişkin testler ve artıkların normallik incelemesi yapılarak model yeterliliği ile ilgili karar verilir. 4. UYGULAMA Bu bölümde, altın fiyatları verisi kullanılarak SETAR modelleme yöntemi gösterilecektir. Uygulama verisi olarak, 03.01.2005-30.12.2011 dönemini kapsayan 1311 gözlemli serbest piyasadaki günlük altın fiyatları TL cinsinden alınmış ve ( ) işlemi uygulanmıştır. Veri ( ), web üzerinden http://www.iab.gov.tr/ay_veri.asp adresinden derlenmiştir. Sayısal hesaplamalar ve grafikler MATLAB 7.7.0(R2008b) ortamında hazırlanmıştır. Bir zaman serisinde Tsay (1989) in yöntemiyle eşiksel doğrusal olmama testi yapmak için ilk olarak serinin durağan zaman serilerindeki gibi AR sırası belirlenir (Yue ve Xiaonan, 2011). serisi için birim kök araştırması yapılmış ve genişletilmiş Dickey-Fuller (ADF) test istatistiği sonuçları üç model için, Tablo 1 deki gibi elde edilmiştir. Modele dahil edilen gecikme sayısı SIC ile seçilmiştir. Tablo 1. Altın fiyatları serisi için ADF testi sonuçları Kesmeli ve trendli 0.5807 Kesmeli ve trendsiz 0.3155 Kesmesiz ve trendsiz 0.9978 Altın fiyatları verisi birim kök içerdiğinden getiri serisi hesaplanarak işlem yapılacaktır. 8 Ümran M. TEKŞEN KAHRAMAN, Aşır GENÇ

Bu dönüşüm finans ve ekonomi literatüründe standart bir dönüşümdür. Altın fiyatları serisi ve getiri serisinin zamana göre değişimini gösteren grafik Şekil 1 ile verilmiştir. serisi için de ADF testi ile birim kök incelemesi yapılmış ve serinin birim kök içermediği görülmüştür (Tablo 2). Tablo 2. serisi için ADF testi sonuçları Kesmeli ve trendli 0.0001 Kesmeli ve trendsiz 0.0001 Kesmesiz ve trendsiz 0.0001 Serinin kısmi otokorelasyon fonksiyonları Tablo 3 deki gibi hesaplanarak AR sırası olarak belirlenmiştir. Kısmi otokorelasyon grafiği Şekil 2 de yer almaktadır. Tablo 3. serisinin kısmi otokorelasyonları* Sıra PACF Sıra PACF Sıra PACF Sıra PACF Sıra PACF 1 -.065 11 -.006 21 -.028 31 -.015 41.010 2 -.019 12.037 22.005 32 -.001 42 -.007 3 -.026 13 -.003 23 -.049 33.001 43.0151 4 -.025 14 -.014 24 -.028 34.024 44.0104 5.084 15 -.008 25 -.013 35 -.028 45 -.019 6.046 16.025 26 -.013 36.033 46 -.048 7 -.065 17.012 27.046 37 -.001 47 -.012 8.006 18.033 28.001 38.028 48 -.046 9.048 19 -.033 29 -.026 39.021 49.015 10.045 20.004 30-0.01 40.024 50 -.052 *Sınırlar -0.0553 ve 0.0553 tür. Şekil 1. Altın fiyatları serisi ve getiri serisinin zamana göre değişim grafiği Ekonomik Bir Uygulama İle Kendinden Uyarımlı Eşiksel Değişen Varyanslı Otoregresif Model 9

AR sırası belirlendikten sonra kümesi için istatistikleri Tablo 4 deki gibi hesaplanmıştır. tablo değeri olduğundan bir lineer olmama durumunun varlığından söz edilir. için en yüksek istatistiğini veren değeri eşik değeri belirlemede kullanılacaktır. Öncelikle için yinelemeli regresyon artıklarının ve anlamlı çıkan katsayılar için oranlarının rejim değişkenine karşı grafikleri elde edilmiştir (Şekil 3 ve 4). Şekil 2. serisinin PACF grafiği 10 Ümran M. TEKŞEN KAHRAMAN, Aşır GENÇ

Sample Partial Autocorrelations 0.8 0.6 0.4 0.2 0-0.2 0 10 20 30 40 50 Lag Tablo 4. istatistiği değerleri 7 1 4.140 7 2 4.328 7 3 3.067 7 4 2.798 7 5 3.293 7 6 2.449 7 7 3.249 Şekil 3. rejim değişkenine karşı ê saçılım grafiği Şekil 4. Yinelemeli regresyon AR katsayıları t oranlarının değişkenine karşı saçılım grafiği rejim Ekonomik Bir Uygulama İle Kendinden Uyarımlı Eşiksel Değişen Varyanslı Otoregresif Model 11

Rejim değişkeni ye karşı ê artıklarının saçılım grafiği rejim değişkeni konusunda açık bir bilgi vermemektedir. Anlamlı çıkan 1, 5 ve 7. gecikmelerin AR katsayılarının ye karşı grafikleri incelenecek olursa 1. ve 7. gecikme katsayılarının 0 dan önce ve sonra olmak üzere açık bir şekilde yön değiştirdiği görülmektedir. Bu nedenle, iki eşikli ve üç rejimli bir model 12 Ümran M. TEKŞEN KAHRAMAN, Aşır GENÇ

oluşturulmaya çalışılacaktır. İlk eşik değeri için [-0.5,1] aralığından ve ikinci eşik değeri için [0,0.6] aralığından modelin AIC değerini en küçük hale getirecek şekilde seçim yapılmıştır. Birinci ve ikinci eşik değerinin AIC değerini gösteren grafikler Şekil 5 ile verilmiştir. Buna göre, ve olarak belirlenmiştir. Şekil 5. Eşik değerine göre modelin AIC değerleri Eşik değerleri belirlendikten sonra olmak üzere SETAR(3,7,7,7) modelinin artıklarının değerlendirilmesine geçilmiştir. Artıklara ve artık karelerine ilişkin otokorelasyon fonksiyonu değerleri Tablo 5 de verilmiştir. Artıkların otokorelasyon değerleri sınır değerlerin altında kalırken artık kareleri için 4. sıra otokorelasyonunun anlamlı olduğu görülmektedir. Tablo 5. Artıkların ve artık karelerinin otokorelasyon fonksiyonu değerleri* Sıra ACF( ) ACF( ) Sıra ACF( ) ACF( ) 1-0.0092 0.0279 11 0.0402 0.0094 2 0.0081 0.0062 12 0.0323 0.0234 3-0.019 0.0404 13 0.0023 0.0026 4-0.0017 0.0676 14-0.0149 0.0046 5-0.0177 0.0217 15 0.0268 0.0481 6 0.043 0.0055 16 0.018 0.03 7-0.0233 0.0425 17 0.0202-0.0133 8-0.0422 0.0321 18 0.012 0.0536 9-0.0464 0.0066 19-0.0118 0.0072 10-0.0195 0.0091 20-0.0081 0.0609 * Sınırlar -0.0554 ve 0.0554 dür. ( ) = (2, 3, -0.399, 0.544) parametrelerine göre AIC değerini en küçük hale getirecek şekilde rejimlerde AR sıraları güncellenmiş ve ARCH-LM Ekonomik Bir Uygulama İle Kendinden Uyarımlı Eşiksel Değişen Varyanslı Otoregresif Model 13

testi uygulanarak ARCH sırası belirlenmiştir. ARCH-LM testi yalnızca ilk rejim için anlamlı çıkmıştır. İstatistik değeri 11.864 ( ) olarak elde edilmiş ve ARCH sırası da 4 olarak belirlenmiştir. Buna göre SETARCH modeli, olarak elde edilmiştir. Parantez içindeki sayılar parametrelerin standart sapmalarını göstermektedir. Her rejim için gözlem sayıları, ve dir. Hata kareler ortalaması ise sırasıyla 2.917, 1.916 ve 2.671 dir. SETARCH modelin artıklarını incelerken ilk olarak artıkların tanımlayıcı istatistikleri ele alınabilir. Tablo 4 den görüleceği gibi artıklarda hafif sağa çarpık ve sivri bir dağılım gözlenmiştir. Otokorelasyon fonksiyonu ve histogram grafikleri Şekil 7 ile verilmiştir. Tablo 4. Artıkların tanımlayıcı istatistikleri Std. n En küçük En büyük Ortalama Çarpıklık Basıklık Sapma 1303-8.7258 8.3518 0.1273 1.5650 0.1633 3.6307 Artıkların ardışık bağımlılığını incelemek için otokorelasyon fonksiyonları ve Ljung-Box Q test istatistiği kullanılmıştır. Q(30)=23.516 ve Q(60)=44.216 olarak hesaplanmıştır. İstatistikleri kıyaslamak için tablo değerleri =33.92 ve =67.5 olduğundan artıkların ardışık bağımlılık göstermedidiği söylenebilir. Artıkların varyansının sabitliğini test etmek için ise McLeod testi kullanılmıştır. McLeod testi de Ljung-Box Q istatistiği ile aynı tablo değerleri ile karşılaştırılır. Q(30)=39.178 ve Q(60)=102.016 olarak hesaplandığından artıkların varyansının sabit olmadığı söylenir. Artıkların normalliğini sınamak için de Kolmogorov-Smirnov ve Jarque-Bera test istatistikleri kullanılmış ve K-S test istatistiği değeri 2.962 ( ) ve JB test istatistiği de 57.05 olarak elde edilmiştir. Jarque-Bera testi için kritik değer =5.99 dur. Her iki istatistiğe göre de artıklar normal dağılıma uymamaktadır. 14 Ümran M. TEKŞEN KAHRAMAN, Aşır GENÇ

Şekil 7. SETARCH modelinin artıklara ait otokorelasyon fonksiyonu grafiği ve histogram 0.2 ACF of Residuals Sample Autocorrelation 0.1 0-0.1-0.2 0 50 100 150 200 250 300 350 Lag 700 600 500 400 300 200 100 0-10 -5 0 5 10 Tahmin edilen doğrusal zaman serisi modelinin geçerli olabilmesi için modelin artıklarının korelasyonsuz olması ve beyaz gürültü sürecine sahip olması gerekmektedir (Kınacı, 2005). Ancak elde edilen modelin artıkları beyaz gürültü sürecine uymamaktadır. Bu nedenle varyansı modellemek için genelleştirilmiş ARCH (GARCH) model veya diğer ARCH ve GARCH model türevleri kullanılabilir. Bu çalışmada ARCH dışındaki modeller konu dışı olduğundan burada değinilmeyecektir. 5. SONUÇ Zaman serilerinin nasıl bir davranış sergilediğini öngörmek oldukça zordur. Özellikle ekonomik ve finansal zaman serilerini her zaman doğrusal olarak modellemek yetersiz kalabilmektedir. Bu nedenle geliştirilen doğrusal olmayan zaman serisi modellerinden eşiksel modeller, farklı rejimlere izin vermesi açısından faydalıdır. Eşiksel otoregresif modeller ekonomik verilerde getiri serilerinin modellenmesinde oldukça kullanışlı olmaktadır. Ortalama ve varyans için farklı rejimlerde farklı katsayıların oluşturulması otoregresif kalıba daha esnek bir yapı vermektedir. Türkiye de 03.01.2005-30.12.2011 dönemindeki günlük altın fiyatları verisinin doğrusal olmayan bir yapıda olduğu görülmüştür. SETAR tipi doğrusal olmamayı test eden Tsay (1989) in F testine göre eşiksel model uygulanabilir. Altın getirisinin -0.399 dan küçük olması ve 0.544 den büyük olması ile bu iki değer arasında kaldığında farklı modeller ile modellenebileceği görülmüştür. Ekonomik Bir Uygulama İle Kendinden Uyarımlı Eşiksel Değişen Varyanslı Otoregresif Model 15

Ancak artık varyanslarının sabit olmaması ve artıkların beyaz gürültü sürecine uyum göstermemesi açısından varyansın modellenmesi ile ilgili bu çalışmada değinilmeyen diğer modellerin de incelenmesinin fayda getireceği söylenebilir. Alıntı Bu çalışma, Ümran M. Tekşen Kahraman tarafından Selçuk Üniversitesi Fen Bilimleri Enstitüsü İstatistik Bölümüne sunulan Çok Değişkenli Eşiksel Otoregresif Modeller Üzerine Bir Çalışma isimli Doktora tez çalışmasının (Konya, Türkiye, 2012) bir parçasıdır. Çalışma, Selçuk Üniversitesi Bilimsel Araştırma Projeleri (BAP) Koordinatörlüğü tarafından 2011/11201051 proje numarasıyla destek almıştır. 16 Ümran M. TEKŞEN KAHRAMAN, Aşır GENÇ

KAYNAKLAR Baragona, R., Battaglia, F., (2004), Estimating threshold subset autoregressive movingaverage models by generic algorithms, METRON- International Journal of Statistics, vol. LXII, No:1, 39-46. Campenhout B.V., (2006), Modelling trends in food market integration: Method and an application to Tanzanian maize markets, Food Policy, Volume 32, Issue 1. Chen, J., (2012), Crisis, Capital Controls and Covered Interest Parity: Evidence from China in Transformation, Paris-Jourdan Sciences Economiques, CNRS : UMR8545. Clements, M., Smith, J., (2001), Evaluating Forecasts from SETAR Models of Exchange Rates, Journal of International Money and Finance, vol.20, 133-148. Dufrenot, G., Guegan, D., Peguin-Feissolle, A., (2008), Changing-regime volatility: a fractionally integrated SETAR model Applied Financial Economics, Taylor and Francis Journals, vol. 18(7), 519-526. Engle, R.F., (1982), Autoregressive Conditional Heteroscedasticity with Estimates of the Variance of United Kingdom Inflation, Econometrica, Vol. 50, No. 4, 987-1008. Feng, H., Liu, J., (2003), A SETAR model for Canadian GDP: non-linearities and forecast comparisons, Applied Economics, Volume 35, Issue 18. Franses, P.H., Dijk, D., (2000), Nonlinear Time Series Models in Empirical Finance, Cambridge University Press, Cambridge. Galeano, P., Pena, D., (2007), Improved model selection criteria for SETAR time series models, Journal of Statistical Planning and Inference, Volume: 137, Issue: 9, 2802-2814. Gonzalo, J., Wolf, M., (2005), Subsampling inference in threshold autoregressive models, Journal of Econometrics, 127, 201 224. Huang, B.N., Hwang, M.J., Peng, H.P., (2005), The asymmetry of the impact of oil price shocks on economic activities: An application of the multivariate threshold model, Energy Economics, Volume 27, Issue 3. Hutchison, M., Kendall, J., Pasricha, G., Singh, N., (2010), Indian Capital Control Liberalization: Evidence from NDF markets, Munich Personal RePEc Archive. Kajitani, Y., Keith, W.H., Mcleod, A.I., (2005), Forecasting nonlinear time series with feedforward meural networks: a case study of Canadian lynx data, Journal of Forecasting, Volume 24, Issue 2. Kapetanios, G., Shin, Y., (2006), Unit root tests in three-regime SETAR models, The Econometrics Journal, Vol. 9, Issue 2, 252-278. Khadaroo, A.J., (2005), A threshold in inflation dynamics: evidence from emerging countries, Applied Economics, Volume 37, Issue 6. Kınacı, İ., (2005), Lineer Olmayan Zaman Serisi Modelleri, Selçuk Üniversitesi Fen Bilimleri Enstitüsü Doktora Tezi, Konya. Li, C.W., Li, W.K., (1996), On a Double Threshold Autoregressive Heteroscedastic Time Series Model, Journal of applied Econometrics, vol. 11, 253-274. Montgomery, A., Zarnowitz, V., Tsay, R.S., Tiao, G., (1998), Forecasting the US unemployment Rate, Journal of the American Statistical Assosication, vol:93, 478-493. Pinson, P., Christensen, L.E.A., Madsen, H., Sørensen, P.E., Donovan, M.H., Jensen, L.E., (2008), Regime-switching modeling of the fluctuations of offshore wind generation, Journal of Wind Engineering and Industrial Aerodynamics, Volume 96, Issue 12. Seo, M.H., (2008), Unit root test in a threshold autoregression: asymptotic theory and residual-based block bootstrap, Econometric Theory, 24, 1699-1716. Strikholm, B., Teräsvirta, T., (2006), A sequential procedure for determining the number of regimes in a threshold autoregressive model, Econometrics Journal, 9, 472-491. Tekşen Kahraman, Ü.M., (2012), Çok Değişkenli Eşiksel Otoregresif Modeller Üzerine Bir Çalışma, Yayımlanmamış Doktora Tezi, Selçuk Üniversitesi Fen Bilimleri Enstitüsü, Konya. Tong, H. and Lim, K.S., (1980), Threshold Autoregression, Limit Cycles and Cyclial Data, Journal of the Royal Statistical Society, Ser. B, 42, 245-292. Tong, H., (1978), On a threshold model, In Pattern Recognition and Signal Processing (C. H. Chen, ed.) 101--141. Sijthoff and Noordhoff, Amsterdam. Ekonomik Bir Uygulama İle Kendinden Uyarımlı Eşiksel Değişen Varyanslı Otoregresif Model 17

Tong, H., (1990), Non-linear Time Series: A Dynamical System Approach, Oxford University Press, New York. Tsay, R., (1989), Testing and Modelling Threshold Autogressive Processes, Journal of the American Statistical Association, 84: 231-240. Weiss, A.A., (1986), Asymptotic Theory for ARCH Models: Estimation and Testing, Econometric Theory, Vol. 2, No. 1, pp. 107-131. Yang, X.H., Li, Y.Q., (2012), DNA Optimization Threshold Autoregressive Prediction Model and Its Application in Ice Condition Time Series, Hindawi Publishing Corporation Mathematical Problems in Engineering, Volume 2012, Article ID 191902, 10 pages, doi:10.1155/2012/191902. 18 Ümran M. TEKŞEN KAHRAMAN, Aşır GENÇ

KURUMSAL AÇIDAN ALGI VE ALGI YÖNETİMİ İsmail BAKAN *, İlker KEFE ** ÖZET Bilgi çağını yaşadığımız şu günlerde, büyük hızla gelişen teknolojik altyapının yardımıyla insanlar çok kolay ve hızlı bir şekilde bilgiye ulaşma imkanına sahip olmaktadır. Duyu organları sayesinde çevresinde yaşanan olayları algılayan insan, bu sayede çevresini anlama yeteneğine sahip olmaktadır. Bu yeteneğine geçmişte yaşadığı deneyimlerin de katkısı olmaktadır. Algı yönetimi çerçevesinde insanoğlunun çevresini algılama konusu; uluslar, ülkeler, hükümetler, askeri kurumlar ve işletmelerin ilgisini çekmektedir. Bu yapılar, hedefledikleri kitlelere yönelik algı oluşturma ve algı yönlendirme uygulamaları gerçekleştirebilmektedir. Bu çalışma ile, algı ve algı yönetiminin tanımı yapılarak, algı yönetiminin oluşturulması ve algı yönetimine yardımcı araçlar açıklanmaktadır. Aynı zamanda özellikle işletmeler açısından önem taşıyan kurumsal algı yönetimi ve bileşenlerinden bahsedilmektedir. Ayrıca, algı yönetiminin kullanıldığı yerler ve konuya ilişkin gerçekleştirilmiş uygulamalara da yer verilmiştir. Anahtar Kelimeler: Algı, Algı Yönetimi, Kurumsal Algı Yönetimi THE ORGANIZATIONAL PERSPECTIVE OF PERCEPTION AND PERCEPTION MANAGEMENT ABSTRACT Today s information age, people can reach information easily and quickly with the help of rapidly growing technology. People, who perceive the incidents around via sensory organ, are capable of understanding the environment. People s current experiences are contribute this ability. Within the frame of perception management; nations, countries, governments, military organizations and businesses attract the point of mankind s perception of the environment. These structures can implement to create perception management and perception leading activities. In this study, perception and perception management definitions, creating a perception management and perception management tools are explained. At the same time, especially for businesses which are important components of management and corporate perception are discussed. In addition, practices carried out on the issue of perception management, and practices are included. Keywords: Perception, Perception Management, Organizational Perception Management * Prof. Dr., Kahramanmaraş Sütçü İmam Üniversitesi, İİBF, İşletme Bölümü. ** Arş. Gör., Kahramanmaraş Sütçü İmam Üniversitesi, İİBF, İşletme Bölümü. Kurumsal Açıdan Algı ve Algı Yönetimi 19

1. GİRİŞ Günümüzde, teknolojide yaşanan gelişmeler iletişimi etkileyen en büyük etkenlerden birisidir. Bu gelişmeye bağlı olarak insanların bilgiye ulaşma ve bilgi edinme alternatifleri de çoğalmıştır. Örneğin; içinde bulunduğumuz dünyaya ait bilgileri kitap, televizyon, radyo, film, konferans, seyahat ve keşifler ile ediniriz. Bunun dışında dört bir yanı televizyon, telefon ve internet ile çevrelenmiş olan insanlar, kişisel anlamda, etkin ve anlık olarak elektronik ortamda da bilgi bombardımanına maruz kalmaktadırlar (Stupak, 2000: 254; Coren vd., 1993: 4). İnsan bedeni bu yoğun bilgi etkileşimi altında; bilginin alınışı, değerlendirilişi ve geri bildirimini yapacak çok büyük bir haberleşme sistemine sahiptir. Gerçekleştirmiş olduğu iç faaliyetleri ve davranışları bu haberleşme sistemi içerisinde yer almaktadır. İnsan, sahip olduğu bilgi akışını geliştirdiği ve bilgileri işlediği ölçüde diğer insanlardan üstün hale gelir. İnsan, çevresindeki belirli uyaranları seçer ve duyu organları vasıtası ile bilgiyi algılar. Dış dünyada yer alan sayısız bilgi arasından ihtiyacı olan veya ihtiyacı olduğu düşündüğünü seçer (Baltaş ve Baltaş, 2007: 23). Bu seçiminde duyu organları insanlara yardımcı olmaktadır. Duyularımız; görme, duyma, dokunma, tatma ve koklama olup, beynimiz tarafından verilen komutlar ile dünyayı algılarız. Duyularımız olmadan dünyayı algılayamayız. Duyularımızdaki eksiklikler, dünyayı eksik algılamamıza neden olur. Gözlerimizi açarak basit bir görme işlemi gerçekleştirmek ya da bir objeye dokunarak dokunma duyumuzu kullanmak, beynimizin aktiviteleri olup çevremizdekileri algılamamızı sağlar (Coren vd., 1993: 4). Çevremizdeki bilgi yığınını, sahip olduğumuz duyu organlarımız ile hisseder, beynimizde gerçekleşen aktiviteler ile hissettiğimiz objeleri algılarız. Bu şekilde kişinin kendisi dışında var olan dış dünyayı algılaması mümkün olur. Kişinin çevresinde gerçekleşenleri gördüğü, hissettiği, duyduğu, kokladığı ve tattığı herşey, beyinde gerçekleşen bir dizi eylemler sonucu oluşmaktadır. Bunun yanında insan zihni sahip olduğu hesaplama ve kontrol etme yeteneğini, temel bakım ve beslenme ihtiyaçları karşılandığı sürece yaklaşık 100 yıl boyunca muhafaza edebilmektedir. Duygular ve gerçekleştirilen eylemler doğumdan itibaren bireyin yetenekleri ve düşünceleri doğrultusunda gelişmektedir (Godlewski, 2010: 1). Renkleri ayırt etmek, müziğin ritimlerini yorumlamak, dokunduğumuz bir nesnenin ısısının şiddetine karar vermek; duyusal mekanizmaların nasıl kurulduğuna ve bu mekanizmaların ışık, ses, dokunma ve tat duyularına nasıl aracılık ettiği duyusal süreçlerin anlaşılması ile açıklanır (Arkonaç, 1998: 66; Coren vd., 1993: 4). Böylece duyusal süreçlerin anlaşılması, zihnimizde gerçekleşen eylemler sonucu oluşur. Friman (1999), Pepper ın 1967 yılında yapmış olduğu çalışmasını ele alarak, algısal eylemlerin duygular ve çevre arasındaki etkileşimini incelemiş; algının oluşabilmesi için bir nesne ve gözlemcinin gerektiğini belirtmiştir. Bir sandalye görüyorum denildiğinde, sandalye bir nesne, kişi ise gözlemci olmaktadır (Friman, 1999: 4). Burada sandalyeyi görmemizi sağlayan algı, genel bir ifade ile beynimizdeki depolanmış bilgiyi sunar ve sınıflandırılmış, karşılaştırılmış sayısız kararlar arasından bilinçli bir tercih yapmamızı sağlar. Bilinenin aksine görme işlemini gerçekleştiren aslında gözler değildir. Görmeyi sağlayan aslında beyindir ve beynin görmeyi sağlayan bölgesi herhangi bir zarara uğradığı taktirde gözlere gerekli mesajı gönderemez ve gözler göremez. 20 İsmail BAKAN, İlker KEFE

Konu ile ilgili Epicharmus (M.Ö. 450) şunu söylemiştir: Akıl görür, akıl duyar. Aklın dışında kör ve sağırız. (Coren vd., 1993: 4). Duyu organlarımız ile edindiğimiz bilgileri öğrenme süreci iki farklı şekilde gerçekleşmektedir. Bunlardan ilki aşamalı öğrenme olup, bebeklikten yetişkinlik dönemine kadar ki süreci kapsamakta, kalıtsal olarak sahip olunan ve sonradan edinilen özellikler olmaktadır. İkincisi ise, eğitim, din, iş yaşamı, çatışma ve arkadaşlık, dernekler, kahramanlar, liderler ve korkular, arzular, kızgınlıklar gibi çocukluktan yetişkinliğe uzanan asimetrik öğrenme sürecini oluşturmaktadır (Godlewski, 2010: 2; Godlewski, 2009: 29-31). Buradan hareketle öğrenmenin insanın doğuşu ile başladığı, çevresindeki gelişmeler ile şekillendiği ve böylece kişinin öğrenme sürecinin sürekli olduğu söylenebilir. Bu çalışmada, kişilerin dış dünyayı duyu organları yardımıyla nasıl algıladıklarından bahsedilip, algı ve algı yönetimi kavramlarına değinilmiştir. Daha sonra ise, algı yönetimi oluşturma ve algı yönetimine yardımcı araçlar ve konulara yer verilip; kurumsal algı yönetimi ve bileşenleri anlatılmıştır. Çalışmanın son kısımında ise algı yönetiminin kullanıldığı yerler ve algı yönetimi uygulamaları yer almıştır. 2. ALGI KAVRAMI Felsefe alanında sorulan temel sorulardan birisi, gerçeğin ne olduğudur. Sorunun tek bir kesin ve doğru cevabı da yoktur. Sorunun doğru cevabına ilişkin yapılan tartışmalar genellikle duruma göre değişir şeklinde sona erer. Ayrıca sorunun cevabına sosyal yapı ekseninde, görüş birliği ve inanç yapıları temel alınarak ulaşılabileceği de söylenebilir (Friman, 1999: 6). Gerçek kavramından yola çıkarak algının, nesneler ve nesneler arasında gerçekleşen bilinçli deneyimler olduğu söylenebilir (Coren vd., 1993: 17). Bu kapsamda bir kişiye göre doğru olan, farklı durumlarda aynı kişiye doğru gelmeyebilir. Benzer şekilde bir kişi için doğru görülen, bir başkası için doğru olmayabilir. Bu anlamda gerçek kavramının; bölgeden bölgeye, ülkeden ülkeye, hatta kişiden kişiye göre değişiklik gösterdiği için tek bir doğru olmadığı söylenebilir. Bu yüzden kişilerin algıladıkları gerçekler farklılık gösterebilmektedir (Friman, 1999: 6). Bu durum kişilerin olaylara bakış açılarının farklı bölgeler, farklı kültürler ve farklı kişilikler gibi bir takım nedenlerden ötürü farklılaşması sonucunu ortaya koyar. Algı, duyu organlarımızca taşınan duyusal verileri örgütleyip yorumlamaktadır. İnsanların çevresindeki yer alan uyaranlara anlam verme sürecidir (Arkonaç, 1998: 65). Algı ayrıca; dış dünyadan gelen uyarıların, zihinsel olarak yorumlanması olarakta tanımlanabilir. Algılar; ne gördüğümüzü, nasıl yorumladığımızı, neye inandığımızı, nasıl davrandığımızı bize göstermektedir. Algılarımız aynı zamanda zihnimizde değerler yaratmakta, problemler oluşturmakta ve bu problemleri de çözmektedir. Bu kadar güçlü bir özelliğe sahip olan algılarımız, birçok psikolog tarafından, gerçek olarak nitelendirilir (Johansson ve Xiong, 2003: 232; Willimon, 2000: 22). Bu kapsamda, beklentiler ve motivasyonel durumlardan etkilenen algı, kişinin başlangıçta edindiği bilgiyi, diğer kişilerin hareketlerini ve güdülerini zihinde kategorize ederek ve ek bilgiler geldikçe de bu bilgileri güncelleyerek, sosyal algılama faaliyetini gerçekleştirir (Arkonaç, 1998: 107). Bu faaliyetler gerçekleşirken beden dili, kullanılan kelimeler, giyim tarzı, içinde bulunulan Kurumsal Açıdan Algı ve Algı Yönetimi 21