A DYNAMIC CONNECTEDNESS ANALYSIS OF TURKIYE’S CDS PREMIUM, BIST BANKING, AND BIST INDUSTRIAL INDICES

Abstract

This paper explores the time-varying connectedness among credit default swap (CDS) premiums, the banking sector, and the industrial sector in Türkiye within a time-varying parameter vector autoregression (TVP-VAR) framework. Given that interactions between financial markets and the real sector evolve over time, a dynamic approach is essential to capture the changing nature of these relationships. Accordingly, the study analyzes shock transmission mechanisms through total and directional connectedness measures. The empirical findings reveal a strong and time-varying interaction structure among the variables. Descriptive statistics indicate that even after taking logarithmic differences, the series do not satisfy the normality assumption and exhibit high volatility, skewness, and fat-tailed characteristics. The results of the total connectedness index show that the level of interaction within the system increases significantly, particularly during periods of global and regional uncertainty. This suggests that financial shocks are transmitted more rapidly and intensively during crisis periods. The net spillover results indicate that CDS and the banking sector act as net transmitters of shocks in certain periods, whereas the industrial sector predominantly behaves as a net receiver. Pairwise connectedness analysis further reveals that the banking sector has a stronger and more pronounced shock transmission mechanism toward the real sector. In contrast, CDS premiums function primarily as a guiding financial risk indicator within the system, with relatively limited direct spillover effects. Moreover, recent geopolitical developments and rising global uncertainty appear to have reinforced the degree of connectedness among the variables. Taken together, the findings highlight the existence of a strong, bidirectional, and time-varying interaction between financial and real sectors. These results emphasize the importance of considering sectoral interlinkages in policy design and underline the central role of the banking sector in the transmission of systemic risk. The study provides important implications for policymakers and investors aiming to enhance financial stability and manage risk effectively.

Keywords

• CDS
• TVP-VAR
• Connectedness
• Banking Sector
• Industrial Sector

A DYNAMIC CONNECTEDNESS ANALYSIS OF TURKIYE’S CDS PREMIUM, BIST BANKING, AND BIST INDUSTRIAL INDICES

Abstract

Bu çalışma, Türkiye’nin kredi temerrüt takası (CDS) primi, bankacılık sektörü ve sanayi sektörü arasındaki zamanla değişen bağlılık yapısını zamanla değişen parametreli vektör otoregresif (TVP-VAR) çerçevesinde incelemektedir. Finansal piyasalar ile reel sektör arasındaki etkileşimlerin zaman içerisinde değişim göstermesi nedeniyle, bu ilişkilerin dinamik yapısını ortaya koyabilmek için zamanla değişen bir yaklaşım benimsenmiştir. Bu doğrultuda, toplam bağlılık ve yönlü bağlılık ölçüleri aracılığıyla şok aktarım mekanizmaları analiz edilmiştir. Ampirik bulgular, değişkenler arasında güçlü ve zamanla değişen bir etkileşim yapısının varlığını ortaya koymaktadır. Tanımlayıcı istatistikler, serilerin logaritmik farkları alınmış olmasına rağmen normal dağılım varsayımını sağlamadığını, yüksek oynaklık, çarpıklık ve kalın kuyruk özellikleri sergilediğini göstermektedir. Toplam bağlılık endeksi sonuçları, özellikle küresel ve bölgesel belirsizlik dönemlerinde sistem içerisindeki etkileşim düzeyinin önemli ölçüde arttığını ortaya koymaktadır. Bu durum, kriz dönemlerinde finansal şokların daha hızlı ve daha yoğun bir şekilde yayıldığına işaret etmektedir. Net yayılım sonuçları, CDS primi ve bankacılık sektörünün belirli dönemlerde net şok yayıcı konumunda bulunduğunu, buna karşılık sanayi sektörünün ağırlıklı olarak net şok alıcısı olarak hareket ettiğini göstermektedir. İkili bağlılık analizleri ise bankacılık sektörünün reel sektöre yönelik daha güçlü ve belirgin bir şok aktarım mekanizmasına sahip olduğunu ortaya koymaktadır. Buna karşılık, CDS primleri sistem içerisinde daha çok yönlendirici bir finansal risk göstergesi olarak işlev görmekte ve doğrudan yayılım etkileri görece sınırlı kalmaktadır. Ayrıca, son dönemde yaşanan jeopolitik gelişmeler ve artan küresel belirsizliklerin değişkenler arasındaki bağlılık düzeyini güçlendirdiği gözlemlenmektedir. Genel olarak bulgular, finansal sektör ile reel sektör arasında güçlü, çift yönlü ve zamanla değişen bir etkileşimin varlığını ortaya koymaktadır. Elde edilen sonuçlar, politika tasarımında sektörel bağlantıların dikkate alınmasının önemini vurgularken, sistemik riskin aktarımında bankacılık sektörünün merkezi rolüne de dikkat çekmektedir. Çalışma, finansal istikrarın güçlendirilmesi ve risk yönetiminin etkin şekilde yürütülmesi açısından politika yapıcılar ve yatırımcılar için önemli çıkarımlar sunmaktadır.

Keywords

• CDS
• TVP-VAR
• Bağlantılılık
• Bankacılık Sektörü
• Sınai Sektör

References

1. Akyıldırım, E., Güneş, H., & Çelik, İ. (2022). Türkiye’de finansal varlıklar arasında dinamik bağlantılılık: TVP-VAR modelinden kanıtlar. Gazi İktisat ve İşletme Dergisi, 8(2), 346–363. https://doi.org/10.30855/gjeb.2022.8.2.010
2. Altemur, N., & Kurt Cihangir, Ç. (2025). Yatırımcı duyarlılığı ve ülke kredi riskinin borsa sektör endekslerine etkisi: Kantil-kantil regresyon yöntemi uygulaması. Hitit Sosyal Bilimler Dergisi, 18(3), 722–740. https://doi.org/10.17218/hititsbd.1712472
3. Altuntaş, D., & Ersoy, E. (2020). CDS primi ile BIST 30 endeksi ve BIST Bankacılık Endeksi arasındaki nedensellik ilişkisi. Ekonomi ve Finansal Araştırmalar Dergisi, 2(2), 144–155. https://izlik.org/JA87JS47GY
4. Antonakakis, N., Chatziantoniou, I., & Gabauer, D. (2020). Refined measures of dynamic connectedness based on time-varying parameter vector autoregressions. Journal of Risk and Financial Management, 13(4), Article 84. https://doi.org/10.3390/jrfm13040084
5. Aydın, M. (2025). BİST100 endeksi ile VIX korku endeksi arasındaki dönemsel dinamik ilişkinin incelenmesi: TVP-VAR modeli uygulaması. Ömer Halisdemir Üniversitesi İktisadi ve İdari Bilimler Fakültesi Dergisi, 18(4), 1166–1181. https://doi.org/10.25287/ohuiibf.1632391
6. Aydoğdu, A. (2025). Risk şokları ve Türkiye’deki finansal varlıklar arasındaki yayılım etkisinin TVP-VAR dayalı wavelet uyum analizi ile incelenmesi. Ekonomi Politika ve Finans Araştırmaları Dergisi, 10(1), 303–331. https://doi.org/10.30784/epfad.1595233
7. Balcilar, M., Hammoudeh, S., & Akay Toparli, E. (2018). On the risk spillover across the oil market, stock market, and the oil related CDS sectors: A volatility impulse response approach. Energy Economics, 74, 813–827. https://doi.org/10.1016/j.eneco.2018.07.027
8. Balcilar, M., Gabauer, D., & Umar, Z. (2021). Crude oil futures contracts and commodity markets: New evidence from a TVP-VAR extended joint connectedness approach. Resources Policy, 73, 102219. https://doi.org/10.1016/j.resourpol.2021.102219

9. Bouri, E., de Boyrie, M. E., & Pavlova, I. (2017). Volatility transmission from commodity markets to sovereign CDS spreads in emerging and frontier countries. International Review of Financial Analysis, 49, 155–165. https://doi.org/10.1016/j.irfa.2016.11.001
10. Brown, K., & Moles, P. (2014). Credit risk management. Edinburgh Business School, Heriot-Watt University. https://ebs.online.hw.ac.uk/EBS/media/EBS/PDFs/Credit-Risk-Management.pdf
11. Castrén, O., Fitzpatrick, T., & Sydow, M. (2009). Assessing portfolio credit risk changes in a sample of EU large and complex banking groups in reaction to macroeconomic shocks (Working Paper Series No. 1002). https://www.ecb.europa.eu/pub/pdf/scpwps/ecbwp1002.pdf
12. Değirmenci, N., & Pabuçcu, H. (2016). Borsa İstanbul ve risk primi arasındaki etkileşim: VAR ve NARX model. Akademik Sosyal Araştırmalar Dergisi, 4(35), 248–261. https://doi.org/10.16992/ASOS.7594
13. Demir, S. (2026). The effect of Turkey’s CDS premium on Borsa Istanbul indices from an investor sentiment perspective: A Fourier-based analysis. Fiscaoeconomia, 10(1), 1–11. https://doi.org/10.25295/fsecon.1675560
14. Diebold, F. X., & Yılmaz, K. (2012). Better to give than to receive: Predictive directional measurement of volatility spillovers. International Journal of Forecasting, 28(1), 57–66. https://doi.org/10.1016/j.ijforecast.2011.02.006
15. Doğan, D., & Doğan, Ş. (2026). Küresel tedarik zinciri baskısının finansal piyasalara yansıması: BIST Ulaştırma Endeksi ve CDS üzerine bir inceleme. Maliye ve Finans Yazıları, (125), 222–242. https://doi.org/10.33203/mfy.1831555
16. Fatemi, A. M., & Fooladi, I. (2006). Credit risk management: A survey of practices. Managerial Finance, 32(3), 227–233. https://doi.org/10.1108/03074350610646735
17. Gök, R., Bouri, E., & Gemici, E. (2023). Volatility spillovers between sovereign CDS and futures markets in various volatility states: Evidence from an emerging economy around the pandemic. Research in International Business and Finance, 66, Article 102023. https://doi.org/10.1016/j.ribaf.2023.102023
18. Gomez-Puig, M., Pieterse-Bloem, M., & Sosvilla-Rivero, S. (2023). Dynamic connectedness between credit and liquidity risks in euro area sovereign debt markets. Journal of Multinational Financial Management, 68, Article 100800. https://doi.org/10.1016/j.mulfin.2023.100800
19. Gürbüz, A. (2026). Türkiye’de döviz kuru ve ülke risk priminin bankacılık sektörü getirileriyle kuyruk bağımlılığı: Çapraz kantilogram yaklaşımı. Akademik Araştırmalar ve Çalışmalar Dergisi, 18(1), 1–15. https://doi.org/10.20990/kilisiibfakademik.1834535
20. Gürsoy, S., & Kılıç, E. (2021). Küresel ekonomik politik belirsizliğin Türkiye CDS primi ve BİST Bankacılık Endeksi üzerindeki volatilite etkileşimi: DCC-GARCH modeli uygulaması. Atatürk Üniversitesi İktisadi ve İdari Bilimler Dergisi, 35(4), 1323–1334. https://doi.org/10.16951/atauniiibd.876769
21. İlhan, B., & Bayır, M. (2021). BIST sınai ve BIST mali endeksi ile CDS, faiz, döviz kuru, toplam krediler ve COVID-19 arasındaki dinamik ilişki. Üçüncü Sektör Sosyal Ekonomi Dergisi, 56(4), 3090–3110. https://doi.org/10.15659/3.sektor-sosyal-ekonomi.21.12.1719
22. Investing.com. (2026). CDS premium, BIST Banking Index, and BIST Industrial Index [Data set]. Retrieved March 2026.
23. Kabundi, A., & De Simone, F. N. (2020). Monetary policy and systemic risk-taking in the euro area banking sector. Economic Modelling, 91, 736–758. https://doi.org/10.1016/j.econmod.2019.10.020
24. Kaderli, Y., & İltaş, Y. (2021). Türkiye CDS primi ile borsa sektör endeksleri arasındaki volatilite etkileşimi: Varyansta nedensellik testinden bulgular. Bankacılar Dergisi, 32(118), 3–17.
25. Kamışlı, M., & Sevil, G. (2019). Borsa İstanbul alt sektör endeksleri arasındaki oynaklık yayılımlarının analizi. Business & Management Studies: An International Journal, 6(4), 1015–1032. https://doi.org/10.15295/bmij.v6i4.381
26. Karagöl, V. (2023). How vulnerable is the Turkish stock market to the credit default swap? Evidence from the Markov switching GARCH model. İstanbul İktisat Dergisi–Istanbul Journal of Economics, 73(1), 513–531. https://doi.org/10.26650/ISTJECON2022-1223833
27. Kim, W. J., Jung, G., & Choi, S.-Y. (2020). Forecasting CDS term structure based on Nelson–Siegel model and machine learning. Complexity, 2020, Article 2518283. https://doi.org/10.1155/2020/2518283
28. Koop, G., Pesaran, M. H., & Potter, S. M. (1996). Impulse response analysis in nonlinear multivariate models. Journal of Econometrics, 74(1), 119–147. https://doi.org/10.1016/0304-4076(95)017534
29. Kuzu, M. (2025). 2025 ABD borsa çöküşlerinin Borsa İstanbul ve varlık fiyatlarına olan yayılımı. Premium E-Journal of Social Sciences (PEJOSS), 9(56), 645–660. https://doi.org/10.5281/zenodo.16730323
30. Lim, S.-Y., & Choi, S.-Y. (2024). Dynamic credit risk transmissions among global major industries: Evidence from the TVP-VAR spillover approach. The North American Journal of Economics and Finance, 74, Article 102251. https://doi.org/10.1016/j.najef.2024.102251
31. Mensi, W., Gemici, E., Polat, M., & Kang, S. H. (2025). Markov switching volatility connectedness across international CDS markets. International Review of Economics & Finance, 98, Article 103839. https://doi.org/10.1016/j.iref.2025.103839 Pacelli, V., Di Tommaso, C., Foglia, M., & Povia, M. M. (2025). Spillover effects between energy uncertainty and financial risk in the Eurozone banking sector. Energy Economics, 137, 108082. https://doi.org/10.1016/j.eneco.2024.108082
32. Pesaran, M. H., & Shin, Y. (1998) Generalized impulse response analysis in linear multivariate models. Economics Letters, 58(1), 17–29. https://doi.org/10.1016/S0165-1765(97)00214-0
33. Sadeghzadeh, K. (2019). Borsa endekslerinin ülke risklerine duyarlılığı: Seçilmiş ülkeler için bir panel veri analizi. Atatürk Üniversitesi İktisadi ve İdari Bilimler Dergisi, 33(2), 435–450
34. Şahin, E. E., & Özkan, O. (2018). Kredi Temerrüt Takası, Döviz Kuru ve BİST100 Endeksi İlişkisi [Credit Default Swap, Exchange Rates and BIST100 Index Relationship: Cointegration and Causality Analysis]. Hitit Üniversitesi Sosyal Bilimler Enstitüsü Dergisi, 11(3), 1939–1945
35. Şahinler, A. N. (2025). CDS primleri ve BİST 100 endeksi arasında risk durumunda nedensellik ilişkisi. Iğdır Üniversitesi Sosyal Bilimler Dergisi, (39), 109–128. https://doi.org/10.54600/igdirsosbilder.1617731
36. Sahoo, S., & Srinivasan, P. (2026). Regional financial dynamics: Implied volatility connectedness among equity, currency, gold, and sovereign CDS across the Americas, EMEA, and APAC. International Review of Economics & Finance, 109, Article 105365. https://doi.org/10.1016/j.iref.2026.105365
37. Sönmez, Y., Baydaş, Y., & Kılıç, E. (2023). CDS primleri ile seçili BIST endeksleri arasındaki volatilite yayılımı. Erciyes Üniversitesi İktisadi ve İdari Bilimler Fakültesi Dergisi, (64), 29–34. https://doi.org/10.18070/erciyesiibd.1173962
38. Tamakoshi, G., & Hamori, S. (2016). Time-varying co-movements and volatility spillovers among financial sector CDS indexes in the UK. Research in International Business and Finance, 36, 288–296. https://doi.org/10.1016/j.ribaf.2015.09.027
39. Tekin, B. F., & Şenol, Z. (2025). CDS primleri ile petrol arasındaki bağlantılılık ve portföy stratejileri: Asimetrik TVP-VAR yaklaşımdan kanıtlar. Trends in Business and Economics, 39(2), 231–253. https://doi.org/10.16951/trendbusecon.1576540
40. Topcu, M. (2023). Hisse senedi getirilerinin belirleyicileri: BİST Bankacılık Sektörü üzerine bir inceleme. İnsan ve Toplum Bilimleri Araştırmaları Dergisi, 12(3), 1659–1684. https://doi.org/10.15869/itobiad.1251600
41. Toy, A. (2025). BIST ana sektör endeksleri arasındaki bağlantılılık ilişkileri: TVP-VAR yaklaşımı. Uluslararası Akademik Birikim Dergisi, 8(2), 160–170. https://doi.org/10.5281/zenodo.15069345
42. Zhang, X., & You, H. (2025). Network volatility, contagion, and two-pillar policies: Insights from Chinese financial sector data. The North American Journal of Economics and Finance, 79, Article 102449. https://doi.org/10.1016/j.najef.2025.102449