VOLATİLİTE ENDEKSİ (VIX) İLE AR-GE PAYI, SANAYİ ÜRETİMİ VE İŞSİZLİK İLİŞKİSİ: TÜRKİYE ÜZERİNE AMPİRİK BİR ÇALIŞMA

Abstract

Amaç: Bu çalışmanın amacı 1996-2019 yılları arasında Türkiye’de volatilite endeksi ile Ar-Ge harcamalarına ayrılan pay, sanayi üretim endeksi ve işsizlik oranı arasındaki ilişkileri analiz etmektir. Yöntem: Volatilite endeksi (VIX), korku endeksi olarak da ifade edilen bir endeks olup piyasalardaki dalgalanmayı ölçmeye yardımcı olmaktadır. Piyasalardaki dalgalanmaların yüksek olduğu durumlarda volatilite endeksi değer kazanırken tersi durumda bu endeks değer kaybetmektedir. Bulgular: Ekonometrik analizde ADF, PP ve KPSS birim kök testleri ile serilerin durağan olduğu belirlenmiştir. Ayrıca, LM testi ile serisel otokorelasyonun olmadığı, White testi ile değişen varyans sorunu olmadığı ve çarpıklık ve basıklık değerleri ile de değişkenlerin normal dağılıma sahip oldukları belirlenmiştir. Granger nedensellik analizi sonucunda ise VIX, Ar-Ge, sanayi ve işsizlik oranları arasında istatistiki olarak anlamlı bir ilişki bulunmuştur. Özgünlük: Ülkelerin finans piyasalarının hangi değişkenlerden nasıl etkilendiği ve bu değişkenler arasında bir nedensellik ilişkisinin olup olmadığı hem ileriye yönelik politikalar hem de ülke refah düzeyi için büyük bir önem oluşturmaktadır. Türkçe literatür incelendiğinde, verilen değişkenler arasındaki ilişkilerin belirlenmesinde kullanılan yöntem bakımından bu çalışmanın önemli çalışmalardan biri olduğu söylenebilir.

Keywords

• Birim Kök
• Granger Nedensellik Analizi
• İstatistiksel Analiz
• Volatilite Endeksi

Relation of Volatility Index (VIX) and R&D Share, Industrial Production and Unemployment: An Empirical Study on Turkey

Abstract

Purpose: The aim of this study, between the years 1996-2019 volatility index and the share allocated to R&D spending in Turkey is to analyze the relationships between the industrial production index and the unemployment rate. Method: The volatility index (VIX) is an index, also referred to as the fear index, and helps measure the volatility in the markets. In cases where the volatility in the markets is high, the volatility index gains value, on the contrary, this index loses value. Findings: In econometric analysis, it was determined that the series are stationary with ADF, PP and KPSS unit root tests. In addition, it was determined that there was no autocorrelation in the serial with the LM test, there was no variance problem with the White test, and the variables had normal distribution with the values of skewness and kurtosis. As a result of Granger causality analysis, a statistically significant relationship was found between VIX, R&D, industry and unemployment rates. Originality: How the financial markets of countries are affected by which variables and whether there is a causal relationship between these variables are of great importance for both forward-looking policies and the country's welfare level. When the Turkish literature is examined, it can be said that this study is one of the important studies in terms of the method used to determine the relationships between the given variables.

Keywords

• Unit Root
• Granger Causality Analysis
• Statistical Analysis
• Volatility Index

References

1. Aktan, Ç. C., ve Vural, İ. Y. (2004). Rekabetin korunması ve desteklenmesi: rekabet politikası. FMR, 4, 11–56. file:///C:/Users/ASUS/Downloads/rekabet_korunmasi.pdf
2. Altun, Y., İşleyen, Ş., ve Görür, Ç. (2018). Türkiye’de eğitim ve sağlık harcamalarının ekonomik büyümeye etkisi: 1999-2017. Van Yüzüncü Yıl Üniversitesi Sosyal Bilimler Enstitüsü Dergisi, 39, 223–244. https://dergipark.org.tr/tr/download/article-file/666931
3. Arısoy, İ. (2008). Türkiye’de sanayi sektörü–iktisadi büyüme ilişkisinin kaldor hipotezi çerçevesinde test edilmesi (Tartışma Metni 2008/1). Türkiye Ekonomi Kurumu. https://www.econstor.eu/bitstream/10419/81697/1/557531268.pdf
4. Baillie, R. T., & Chang, S. S. (2011). Carry trades, momentum trading and the forward premium anomaly. Journal of Financial Markets, 14, 441–464. https://doi.org/10.1016/j.finmar.2011.01.001
5. Chicago Board Options Exchange, (2020). Volatility index geçmiş verileri [Veri seti]. https://tr.investing.com/indices/volatility-s-p-500-historical-data
6. Çoban, O. (2013). İktisada giriş (3. Baskı). Konya: Atlas Akademi.
7. Dickey, D. A., & Fuller, W. A. (1981). Likelihood ratio statistics for autoregressive time series with a unit root. Econometrica, 49(4), 1057–1072.
8. Eygü, H. (2018a). Enflasyon, İşsizlik ve dış ticaret arasındaki ilişkinin incelenmesi: Türkiye örneği (1990-2017). Kastamonu Üniversitesi İktisadi ve İdari Bilimler Fakültesi Dergisi, 20(2), 96–112. https://dergipark.org.tr/tr/download/article-file/463739

9. Eygü, H. (2018b). Trafik kazalarını etkileyen faktörlerin yapısal eşitlik modeli ile ı̇ncelenmesi̇. Elektronik Sosyal Bilimler Dergisi, 17(66), 838–851. https://doi.org/10.17755/esosder.391299
10. George, D., & Mallery, P. (2010). SPSS for windows step by step: a simple guide and reference, 17.0 update. Boston: Allyn & Bacon.
11. Granger, C. W. J. (1969). Investigating causal relations by econometric models and cross-spectral methods. Econometrica, 37(3), 424–438.
12. Işığıçok, E. (1994). Zaman serilerinde nedensellik çözümlemesi; Türkiye’de para arzı ve enflasyon üzerine amprik bir araştırma. Bursa: UÜ Yayını.
13. İşleyen, Ş., Altun, Y., ve Görür, Ç. (2017). ABD’de yatırım ile faiz oranı ve gelir arasındaki nedensellik ilişkisi: 1965-2016. The Journal of Academic Social Science, 5(60), 146–163. https://asosjournal.com/DergiTamDetay.aspx?ID=13112
14. Jebran, K., Chen, S., Ullah, I., & Mirza, S. S. (2017). Does volatility spillover among stock markets varies from normal to turbulent periods? Evidence from emerging markets of Asia. The Journal of Finance and Data Science, 3, 20–30. https://doi.org/10.1016/j.jfds.2017.06.001
15. Kadılar, C. (2000). Uygulamalı çok değişkenli zaman serileri analizi. Ankara: Hacettepe Üniversitesi.
16. Karakayalı, H. (2002). Makroekonomi genişletilmiş (4. Baskı). Manisa: Emek Matbaası.
17. Koç, Ö. E. (2018). İçsel büyüme/teknoloji̇ yoğun büyüme modelleri̇ kapsamında türki̇ye’de teknoloji geli̇şti̇rme bölgeleri̇ne yöneli̇k vergi̇ uygulamaları. Yönetim ve Ekonomi, 25(2), 477–499. https://doi.org/10.18657/yonveek.387064
18. Kumar, A. S., & Kamaiah, B. (2017). Returns and volatility spillover between asian equity markets: a wavelet approach. Economic Annal, 62(212), 63–83. https://doi.org/10.2298/EKA1712063K
19. Kwiatkowski, D., Phillips, P. C. B., Schmidt, P., & Shin, Y. (1992). Testing the null hypothesis of stationarity against the alternative of a unit root: how sure are we that economic time series have a unit root?. Journal of Econometrics, 54(1-3), 159–178. https://doi.org/10.1016/0304-4076(92)90104-Y
20. Mert, M., ve Çağlar, A. E. (2019). Eviews ve gauss uygulamalı zaman serileri analizi (1. Baskı). Ankara: Detay Yayıncılık.
21. Phillips, P. C. B., & Perron, P. (1988). Testing for a unit root in time series regression. Biometrika, 75(2), 335–346. https://doi.org/10.1093/biomet/75.2.335
22. Qian, P. Y., & Diaz, J. F. (2017). Volatlity integraton of global stock markets with the malaysian stock market: a multvariate GARCH approach. Malaysian Journal of Economic Studies, 54(1), 83–117. https://doi.org/10.22452/mjes.vol54no1.5
23. Sims, C. A. (1980). Macroeconomics and reality. Econometrica, 48(1), 1–48. https://www.jstor.org/stable/1912017?seq=1
24. Sylwester, K. (2001). R&D and economic growth. Knowledge, Technology & Policy, 13(4), 71–84. https://link.springer.com/article/10.1007/BF02693991
25. Tabachnick, B. G., & Fidell, L. S. (2010). Using multivariate statistics (6th ed.). Boston: Allyn & Bacon.
26. Takım, A. (2010). Türkiye’de GSYİH ile ihracat arasındaki ilişki: granger nedensellik testi. Atatürk Üniversitesi Sosyal Bilimler Enstitüsü Dergisi, 14(2), 315–330. https://dergipark.org.tr/tr/download/article-file/487076
27. Türkiye İstatistik Kurumu, (2020). Ar-Ge harcamalarına ayrılan pay, sanayi üretim endeksi ve işsizlik oranı [Veri seti]. http://www.tuik.gov.tr/