Seçilmiş makroekonomik değişkenler arasındaki bağımlılık yapısının kapula yöntemi ile belirlenmesi

Abstract

Makroekonomik değişkenler, belirli bir süre boyunca bir ülkenin genel ekonomik durumunu yansıtmaktadır. Ülkelerin geleceğine ilişkin beklentileri ve ekonomik faaliyetlerini yansıtan bu değişkenler, özellikle bir ülkenin kalkınması, geleceğe dair stratejik planlar yapması ve dolayısıyla uluslararası düzeyde rekabet etmesi için büyük önem taşır. Makroekonomik değişkenler, birbirleri ile ilişkili oldukları varsayıldığından bu değişkenler arasındaki bağımlılık yapısının incelenmesi ülkelerin ekonomik yol haritalarını çizmede önemli rol oynar. Bu araştırmanın temel amacı, makroekonomik değişkenler arasındaki bağımlılık yapısının kapula ile modellenmesidir. Kapula yöntemi, herhangi bir varsayım gerektirmediği ve değişkenler arasındaki bağımlılığı karakterize etmede güçlü bir araç olması sebebiyle ekonomi ve finans alanında kullanımı çok yaygındır. Araştırmada, 2007-2022 yılları arasındaki Tüketici Fiyat Endeksi (TÜFE), Üretici Fiyat Endeksi (ÜFE), döviz Kuru (Dolar/TL) ve faiz oranı (reel faiz) verileri kullanılmıştır. TÜFE, ÜFE, döviz kuru ve faiz oranı değişkenleri arasındaki ikili bağımlılık yapıları, en uygun kopula modeli kullanılarak belirlendi ve elde edilen sonuçlar yorumlandı. Analiz sonuçlarına göre, TÜFE-ÜFE, TÜFE-döviz kurları, ÜFE-döviz kurları ve ÜFE-faiz oranları arasındaki bağımlılığı en iyi modelleyen Joe kapula, TÜFE ile faiz oranları arasındaki bağımlılığı en iyi modelleyen Gaussian kapula ve döviz kurları ile faiz oranları arasındaki bağımlılığı en iyi modelleyen ise Frank kapula olmuştur. Jel Sınıflaması: E30, E31, E44

Keywords

• Kapula
• ÜFE
• TÜFE
• Kur
• Faiz

Determining the Dependency Structure Between Selected Macroeconomic Variables Using the Copula Method

Abstract

Macroeconomic variables reflect the overall economic situation of a country over a specific period. These variables reflect a country’s expectations and economic activities for the future and have great importance, particularly for a country’s development, strategic planning for the future, and international competitiveness. Because macroeconomic variables are assumed to be interrelated, examining the dependency structure among these variables plays a significant role in shaping countries’ economic roadmaps. The main objective of this research is to model the dependency structure between selected macroeconomic variables using the copula method. The copula method is widely used in the fields of economics and finance due to its strength in characterizing dependency among variables without requiring any assumptions. This study uses data from the Consumer Price Index (CPI), Producer Price Index (PPI), exchange rate (USD/TRY), and interest rate (real interest) between 2007-2022. The pairwise dependency structures among the CPI, PPI, exchange rate, and interest rate variables have been determined using the most appropriate copula model, and the results are then interpreted. According to the analysis results, the Joe copula model was found to best model the dependency between the paired variables of CPI and PPI, of CPI and exchange rates, of PPI and exchange rates, and of PPI and interest rates. The Gaussian copula was identified as the most suitable model for capturing the dependency between CPI and interest rates, while the Frank copula was determined to best model the dependency between exchange rates and interest rates. JEL Classification : E30 , E31 , E44

Keywords

• copula
• PPI
• CPI
• exchange rate
• interest rate

References

1. Alhan, A. (2008). Bağımsızlık kapulasını içeren kapula aileleri, kapula tahmin yöntemleri ve İstanbul Menkul Kıymetler Borsasında sektörler arası bağımlılık yapısı. Doktora Tezi, Gazi Üniversitesi Fen Bilimleri Enstitüsü İstatistik Anabilim Dalı, 162, Ankara. google scholar
2. Büyükyılmaz, A. (2016). Some Archimedean Copulas On Producer Price Index And Consumer Price Index: A Case Of Turkey. Mehmet Akif Ersoy Üniversitesi Sosyal Bilimler Enstitüsü Dergisi, 1(13), 206-215. google scholar
3. Çelik, S. Copula ile Portföy Riskinin Hesaplanması: BİST100 ve USD Kuru Üzerine Bir Uygulama. google scholar
4. Eren, B. S., and Erek, M. (2020). The Interdependence of Bitcoin and Financial Markets: A Copula-Garch Approach. Liberal Düşünce Dergisi, 25 (98), 35-63. DOI: 10.36484/liberal.662625 google scholar
5. Evkaya, O. O., Yozgatligil, C., and Selcuk-Kestel, A. S. (2018). Measuring Dependence between Electricity Consumption and Contributing Indicators via Copulas: Turkish Case. Gazi University Journal of Science, 31(4), 1284-1296. google scholar
6. Farnoudkıa, H., and Purutçuoğlu, V. (2020). Application of r-vine copula method in Istanbul stock market data: A case study for the construction sector. Journal of Turkish Operations Management,4(2),509-518. google scholar
7. Gülöksüz, Ç. T. (2015). Dolar kuru ile tüketici fiyat endeksi arasındaki ilişkinin Archimedean Kapula ile modellenmesi. Bankacılık ve Sigortacılık Araştırmaları Dergisi, 2(7), 53-62. google scholar
8. Jowaheer, V., and Ameerudden, N. Z. B. (2012). Modelling the Dependence Structure of MUR/USD and MUR/INR Exchange Rates using Copula. International Journal of Economics and Financial Issues, 2 (1), 27-32. google scholar

9. Karakas, A., and Doğan, M. (2017). With Copula function analysis of structure dependence relation between Exchange rate of dollars and Deposit rate of Turkey. Natural Science and Discovery, 3 (1), 1-12. DOI: 10.20863/nsd.297636. google scholar
10. Karakaş, A., Demir, A., and Çalik, S. (2020). Interdependence of Bitcoin and Other Crypto Money Indicators: CD Vine Copula Approach, Bitlis Eren Üniversitesi Fen Bilimleri Dergisi, c. 9, sayı. 4, ss. 1527-1536. google scholar
11. Meester S. G., and Mackay, J. (1994). A parametric model for cluster correlated categorical data. Biometrics 954-963. google scholar
12. Mishkin, F. S., and Eakins, S. G. (2019). Financial markets. Pearson Italia. google scholar
13. Nelsen, R. B. (2006). Archimedean copulas. An introduction to copulas, 109-155. google scholar
14. Nelsen, R. B. (2007). An introduction to copulas. Springer science & business media. google scholar
15. Ozgur, C., and Sarikovanlik, V. (2021). An application of Regular Vine copula in portfolio risk forecasting: evidence from Istanbul stock exchange. Quantitative Finance and Economics, 5(3), 452-471. google scholar
16. Seyrek, İ., and Mızırak, Z. (2009). Faiz teorileri üzerine bir inceleme: Finansal istikrarsızlık hipotezinin temel dayanağı. Selçuk Üniversitesi Sosyal Bilimler Enstitüsü Dergisi, 22, 383-394. google scholar
17. Trivedi P., and Zimmer D. (2007). Copula modeling: An introduction for practitioners. Foundations and Trends in Econometrics 1(1): 1-111. google scholar
18. TUİK, Türkiye İstatistik Kurumu. Tüketici Fiyat Endeksi, Üretici Fiyat Endeksi, Döviz Kuru, Faiz oranı (10 Mayıs 2022). https://tuik.gov.tr google scholar
19. Ünal, T. (2022). Modelıng the dependence structure of financial data with A copula: Electricity index - an example of the dollar exchange rate.AYBU Business Journal, 2 (1),35-45. google scholar
20. West, K. D., and Cho (1994). The predictive ability of several models of exchange rate volatility. Journal of Econometrics, 69, 367-391. google scholar
21. Woodford, M., and Walsh, C. E. (2005). Interest and prices: Foundations of a theory of monetary policy. Macroeconomic Dynamics, 9(3), 462-468. google scholar
22. Yıldırım Külekci, B., Poyraz, G., Gür, İ. And Evkaya, O. (2023). BIST100 Bankacılık Sektöründeki Bağımlılığın Asma Kopula ile İncelenmesi . İstanbul İktisat Dergisi, 73 (1) , 55-82 . DOI: 10.26650/ISTJECON2022-1229039 google scholar