Türkiye'de Sofralık Zeytin Fiyatlarındaki Dalgalanmalar: ARIMA-GARCH Yaklaşımıyla Volatilite Araştırması

Yıl 2023, Cilt: 33 Sayı: 2, 281 - 295, 29.12.2023

Zekiye Şengül

https://doi.org/10.18615/anadolu.1385394

Öz

Bu çalışmada, Ocak 2008-Aralık 2022 döneminde Türkiye'de sofralık zeytin fiyatlarının volatilitesini analiz etmek amacıyla ARIMA-GARCH modeli kullanılmıştır. Çalışma zeytin piyasasının volatilite dinamiklerini derinlemesine anlamayı ve piyasa katılımcıları için stratejik yaklaşımlar geliştirmeyi hedeflemektedir. ARIMA modeli, finans ve ekonomi literatüründe zaman serilerinin ortalama yapısının tahmin edilmesi için, GARCH modeli ise volatilitenin tahmin edilmesi için sıkça başvurulan metotlardır. Bu iki modelin entegrasyonu hem ortalama hem de volatilitenin kapsamlı bir analizini sağlamaktadır. Analiz sürecinde farklı volatilite modelleme teknikleri kullanılarak optimal model, Akaike (AIC), Schwarz (SIC) Bilgi Kriterleri ve Log likelihood değeri ile belirlenmiştir. Seçilen modelin performansı, gerçekleşen volatilite değerleriyle karşılaştırılarak değerlendirilmiştir. Sonuçlara göre, zeytin fiyatlarında belirgin bir düzeltme eğilimi gözlemlenmiş, bu da piyasa katılımcılarının fiyat hareketlerine hızla tepki verdiğini göstermiştir. Diğer taraftan zeytin piyasasında volatilitenin uzun süre devam edebileceği ve fiyat şoklarının uzun vadeli etkiler yaratabileceği belirlenmiştir. Kısa dönem tahminlerinde (3 ve 6 aylık), tahmin süresine bağlı olarak hata oranlarının arttığı, 1-2 aylık tahmin ufkunda modelin güvenilir sonuçlar verdiği saptanmıştır. Sonuçlara göre 9 aylık dönemde 2 aylık tahminler, orta vadeli planlamalar için güvenilir sonuçlar sunmuştur. 12 aylık tahminlerde ise, modelin uzun vadeli planlamalar için istikrarlı sonuçlar sağladığı belirlenmiştir.

Anahtar Kelimeler

Sofralık zeytin fiyatı, volatilite analizi, ARIMA-GARCH modeli, tahmin performansı

Fluctuations in Table Olive Prices in Türkiye: Volatility Investigation with the ARIMA-GARCH Approach

Öz

This study uses the ARIMA-GARCH model to analyze the volatility of table olive prices in Turkiye during the period 2008M01-2022M12. The ARIMA model is widely used in the finance and economics literature for estimating the mean structure of time series and the GARCH model for estimating volatility. The integration of these two models provides a comprehensive analysis of both mean and volatility. In the analysis process, different volatility modeling techniques are used and the optimal model is determined by Akaike (AIC), Schwarz (SIC) Information Criteria and Log likelihood values. The performance of the selected model is evaluated by comparing it with the realized volatility values. According to the results, there is a significant correction trend in olive prices, suggesting that market participants react quickly to price movements. Volatility in the olive market is likely to persist for a long time and price shocks may have long-term effects. While the model provides reliable results for the 1-2 month forecast horizon, the error rates increase for the 3 and 6 month periods. Especially for the 9-month period, the 2-month forecast horizon is found to be more reliable. In the 12-month period, the model's forecasts were generally stable. This research provides a critical perspective to deeply understand the volatility dynamics of the olive market and to formulate strategic approaches for market participants.

Anahtar Kelimeler

Table olive price, volatility analysis, ARIMA-GARCH model, prediction performance

Kaynakça

• Acar, N. K. 2021. Zeytin ve zeytinyağı piyasa fiyatı oluşumunda etkili olan faktörlerin belirlenmesi: Muğla ili örneği. Yüksek Lisans Tezi. A. Ü. Fen Bil. Ens. Tarım Ekonomisi Bölümü. Bornova- İzmir.
• Aker, Y. 2022. Analysis of price volatility in BIST 100 index with time series: comparison of Fbprophet and LSTM model. Avrupa Bilim ve Teknoloji Dergisi (35): 89-93.
• Çam, S., E. Ballı ve Ç. Sigeze. 2017. Petrol fiyatlarindaki oynakliğin Arch/Garch modelleri ve yapay sinir ağlari algoritmasi ile tahmini. Uluslararası Yönetim İktisat ve İşletme Dergisi 13(13): 588-597.
• Çukur, T. ve F. Çukur. 2021. ARIMA modeli ile Türkiye bal üretim öngörüsü, Tarım Ekonomisi Araştırmaları Dergisi, 7 (1): 31–39.
• Dahal, S. 2020. Seasonal price variability and temporal business opportunities for lime and sweet oranges in Nepal. Economic Affairs 65(3): 323-331.
• Deistler, M., and W. Scherrer. 2022. ARCH and GARCH Models. In: Time Series Models. Lecture Notes in Statistics, vol 224. Springer, Cham.
• Dritsaki, C. 2018. The performance of hybrid ARIMA-GARCH modeling and forecasting oil price. Int. J. Energy Econ. Policy 8: 14-21.
• Gontijo, T. S., A. D. C. Rodrigues, C. F. De Muylder, J. L. L. Falce, and T. H. M. Pereira. 2020. Analysis of olive oil market volatility using the arch and garch techniques. International Journal of Energy Economics and Policy 10(3): 423-428.
• Göksu, E. ve G. Saner. 2021. Çam balı üretici satış fiyatlarının Box-Jenkins modeli ile öngörüsü. Turkish Journal of Forestry 22(2): 111-116.
• Gupta, R., and C. Pierdzioch. 2023. Climate risk and the volatility of agricultural commodity price fluctuations: A prediction experiment. In: D. Bourghelle, P. Grandin, F. Jawadi, P. Rozin (Eds.). Behavioral Finance and Asset Prices. Contributions to Finance and Accounting. Springer, Cham.
• Güler, D. 2021. Tarım sektörü hisse senetlerinden oluşan portföy riskinin Monte Carlo simülasyonu ile hesaplanması. Journal of the Institute of Science and Technology. 11(1): 699-708.
• Güler, D., G. Saner ve Z. Naseri. 2017. Yağlı tohumlu bitkiler ithalat miktarlarının arıma ve yapay sinir ağları yöntemleriyle tahmini Balkan ve Yakın Doğu Sosyal Bilimler Dergisi. 3(1): 60-70.
• IOC. 2022. World Trade in Table Olives. From: https://www.internationaloliveoil.org/world-trade-in-table-olives/#:~:text=MADRID%20%2F%2001,2021 %2F2022
• İlter Küçükçolak, N. 2022. Ürün ihtisas borsacılığının gıda fiyat istikrarına katkısı. Pamukkale Üniversitesi Sosyal Bilimler Enstitüsü Dergisi (49): 325-339.
• Kaplan, M. ve S. Karaöz Arıhan. 2012. Antik çağdan günümüze bir şifa kaynağı: Zeytin ve zeytinyağının halk tıbbında kullanımı. Ankara Üniversitesi Dil ve Tarih-Coğrafya Fakültesi Dergisi 52(2): 1-15.
• Maesano, G., G. Chinnici, G. Falcone, C. Bellia, M. Raimondo, and M. D’Amico. 2021. Economic and environmental sustainability of olive production: A case study. Agronomy 11(9): 1753.
• Mgale, Y. J., and Y. Yunxian. 2021. Price risk perceptions and adoption of management strategies by smallholder rice farmers in Mbeya region, Tanzania. Cogent Food & Agriculture 7(1).
• Mutlu Çamoğlu, S., 2017. Türkiye fındık üretici fiyatlarındaki dalgalanmaların analizi. Ünye İktisadi ve İdari Bilimler Fakültesi Dergisi 1(2): 54-62.
• Ojogho, O., and R. A. Egware. 2014. Price generating process and volatility in the Nigerian agricultural commodities market. Agro-Science 13(2): 1-6.
• Özdemir, F. N., H. Ç. Kaymak, and A. Aksoy. 2022. Prediction of conditional variance volatility of real price of almond, hazelnut, and pistachio by the diagonal BEKK- GARCH (1,1) equation model. Scientific Papers: Management, Economic Engineering in Agriculture & Rural Development 22(4).
• Özden, F. 2006. Türkiye’de zeytinyağı dış ticareti, uygulanan politikalar, karşılaşılan sorunlar ve çözüm önerileri. Yüksek Lisans Tezi. E. Ü. Fen Bil. Ens. Tarım Ekonomisi Bölümü. Bornova- İzmir.
• Özden, Ü. H., 2008. İMKB bileşik 100 endeksi getiri volatilitesinin analizi. İstanbul Ticaret Üniversitesi Sosyal Bilimler Dergisi 7(13): 339-350.
• Pan, Z., and X. Zheng. 2023. Price volatility transmission of perishable agricultural products: evidence from China. Economic Research-Ekonomska Istraživanja 36(1): 2180058.
• Piot-Lepetit, I., and R. M’Barek. 2011. Methods to analyse agricultural commodity price volatility. pp. 1-11. In: Methods to Analyse Agricultural Commodity Price Volatility. Springer. e-ISBN 978-1-4419-7634-5, Chapter 1.
• Rallo, L., C. M. Díez, A. Morales-Sillero, H. Miho, F. Priego-Capote, and P. Rallo. 2018. Quality of olives: A focus on agricultural preharvest factors. Scientia Horticulturae 233: 491-509.
• Ray, S., A. Lama, P. Mishra, T. Biswas, S. S. Das, and B. Gurung. 2023. An ARIMA-LSTM model for predicting volatile agricultural price series with random forest technique. Applied Soft Computing 110939.
• Saner, G., H. Adanacıoğlu, ve Z. Naseri. 2018. Türkiye'de bal arzı ve talebi için öngörü. Tarım Ekonomisi Dergisi 24(1): 43-52.
• Sediqi, S. 2021. Vadeli işlem piyasalarının tarımsal ürün fiyatları üzerinde etkisi. Yüksek Lisans Tezi. İ. K. Ü. İstanbul.
• Sørensen, N. H. 2023. Comparing GARCH and NN for forecasting TTF volatility. Master Thesis. Aalborg University Business School.
• Tempesta, T., and D. Vecchiato. 2019. Analysis of the factors that influence olive oil demand in the Veneto Region (Italy). Agriculture 9(7): 154.
• TEPGE. 2022. Zeytinyağı ve sofralık zeytin ürün raporu. Yayın No: 371. ISBN: 978-625-8451-84-9. 44s.
• Tunalioglu, R., O. O. Ozer, and Z. Bayramoglu. 2013. Effect of volatility in real exchange rates and price changes on Turkey's olive oil export: An empirical study. Actual Problems of Economics 3 (141): 448-458.
• TÜİK. 2023. From: https://biruni.tuik.gov.tr/medas/? kn=92&locale=tr
• Urak, U. R. A. K., G. Bozma ve A. Bilgiç. 2018. Türkiye’de buğday, arpa, benzin reel fiyatlarının ve döviz kurunun koşullu varyanslarındaki oynaklığın VAR (1)–Asimetrik BEKK–GARCH (1, 1) modeli ile tahmin edilmesi. Kahramanmaraş Sütçü İmam Üniversitesi Tarım ve Doğa Dergisi 21(4): 565-579.