Borsa İstanbul'un Finansal Dinamikleri: Eşbütünleşme, Nedensellik ve Etki-Tepki Analizi

Yıl 2026, Cilt: 10 Sayı: 1 , 60 - 84 , 24.04.2026

Hüseyin İşcan , Ayşe Durgun

https://doi.org/10.59293/anadoluiid.1871656

https://izlik.org/JA55UL32KE

Öz

Bu çalışmanın amacı, BIST 100 endeksinin makro-finansal göstergelere karşı duyarlılığını 2002–2024 dönemine ait günlük veriler üzerinden incelemektir. Analizde BIST 100, TLREF, döviz kuru, CDS, Brent petrol, altın ons, VIX, S&P500 ve NASDAQ değişkenleri kullanılmıştır. Johansen eşbütünleşme testi, değişkenler arasında uzun dönemli denge ilişkilerinin varlığını ortaya koymaktadır. Toda–Yamamoto nedensellik sonuçları, TLREF, CDS, döviz kuru ve küresel borsa endekslerinin BIST 100 üzerinde anlamlı ve yönlü etkilerinin bulunduğunu göstermektedir. Etki–tepki analizleri, faiz (TLREF) şoklarının kısa vadeli ve sınırlı süreli etkiler yarattığını, döviz kuru kaynaklı şokların BIST 100 üzerinde kalıcı ve pozitif etkiler oluşturduğunu, ülke risk primindeki artışların sürekli negatif etkiler gösterdiğini; NASDAQ kaynaklı şokların ise ağırlıklı olarak pozitif yönlü bir etki ortaya koyduğunu göstermektedir. Genel olarak bulgular, BIST 100’ün hem iç piyasa dinamiklerinden hem de küresel finansal gelişmelerden yüksek düzeyde etkilendiğini ortaya koymaktadır.

Anahtar Kelimeler

BIST 100 , döviz kuru , CDS primi , faiz oranı , küresel finansal faktörler , Johansen eşbütünleşme.

Financial Dynamics of Borsa Istanbul: Cointegration, Causality, and Impulse Response Analysis

https://izlik.org/JA55UL32KE

Öz

The aim of this study is to examine the sensitivity of the BIST 100 index to macro-financial indicators using daily data from 2002 to 2024. The analysis incorporates the BIST 100, TLREF, exchange rate, CDS, Brent crude oil, gold (in ounces), VIX, S&P 500, and NASDAQ variables. The Johansen cointegration test reveals the existence of long-term equilibrium relationships among the variables. Toda–Yamamoto causality results indicate that TLREF, CDS, exchange rate, and global stock indices have significant and directional effects on the BIST 100. Impulse–response analyses show that interest rate (TLREF) shocks generate short-term and limited effects, exchange rate shocks produce persistent and positive impacts on the BIST 100, increases in the country risk premium exhibit continuously negative effects, and NASDAQ-driven shocks predominantly exert positive influences. Overall, the findings suggest that the BIST 100 is highly responsive to both domestic market dynamics and global financial developments.

Anahtar Kelimeler

BIST 100 Index , exchange rate , CDS spread , interest rate , global financial factors , Johansen cointegration

Kaynakça

• Alper, D., Kara, E. (2017), “Borsa İstanbul’da Hisse Senedi Getirilerini Etkileyen Makroekonomik Faktörler: BIST Sınai Endeksi Üzerine Bir Araştırma”, Süleyman Demirel Üniversitesi İktisadi ve İdari Bilimler Fakültesi Dergisi, 22(3): 713–730.
• Aydın, Z. B., Gündoğdu, E. (2024), “Borsa İstanbul Endekslerinin Dolar, Euro, Altın ve Brent Petrol Değişkenleriyle Birliktelik Analizi”, Uluslararası Sosyal Araştırmalar Dergisi, 17(1): 105–118.
• Bollerslev, T. (1986), Generalized Autoregressive Conditional Heteroskedasticity”, Journal of Econometrics, 31(3): 307-327.
• Box, G. E. P., Jenkins, G. M. (1976), Time Series Analysis: Forecasting and Control. Holden-Day. California, USA.
• Cavanaugh, J. E., Neath, A. A. (2019), “The Akaike Information Criterion: Background, Derivation, Properties, Application, Interpretation, and Refinements. Wiley Interdisciplinary Reviews: Computational Statistics”, 11(3): E1460.
• Cheung, Y.–W., Lai, K. S. (1993), “Finite-Sample Sizes of Johansen’s Likelihood Ratio Tests for Cointegration”, Oxford Bulletin of Economics and Statistics, 55: 313–328.
• Christiano, L. J., Eichenbaum, M., Evans, C. L. (1999), “Monetary Policy Shocks: What Have We Learned and to What End?”, Handbook of Macroeconomics, 1: 65-148.
• Cingöz, F., Kendirli, S. (2019), “Altın Fiyatları, Döviz Kuru ve Borsa İstanbul Arasındaki İlişki”, Finans Ekonomi ve Sosyal Araştırmalar Dergisi, 4(4): 545-554.
• Cleveland, R. B., Cleveland, W. S., Mcrae, J. E., Terpenning, I. (1990), “STL: A Seasonal-Trend Decomposition Procedure Based on Loess”, Journal of Official Statistics, 6(1): 3–73.
• Cont, R. (2007), Volatility Clustering in Financial Markets: Empirical Facts and Agent-Based Models, In Long Memory in Economics (289-309), Springer, Berlin, Germany.
• Cryer, J. D., Chan, K. S. (2008), Time Series Analysis: With Applications in R, Springer, New York, USA.
• Dekking, F. M., Kraaikamp, C., Lopuhaä, H. P., Meester, L. E. (2005), A Modern Introduction to Probability and Statistics, Springer Texts in Statistics, London, UK.
• Dickey, D. A., Fuller, W. A. (1979), “Distribution of Estimators for Autoregressive Time Series with a Unit Root”, Journal of the American Statistical Association, 74(366): 427–431.
• Dickey, D. A., Fuller, W. A. (1981), “Likelihood Ratio Statistics for Autoregressive Time Series with a Unit Root. Econometrica, 49(4): 1057–1072.
• Ding, Z., Granger, C. W., Engle, R. F. (1993), A Long Memory Property of Stock Market Returns and a New Model. Journal of Empirical Finance, 1(1): 83-106.
• Doong, S. C., Yang, S. Y., Wang, A. T. (2005), “The Dynamic Relationship and Pricing of Stocks and Exchange Rates: Empirical Evidence from Asian Emerging Markets”, Journal of American Academy of Business, 7(1): 118–123.
• Enders, W. (2015), Applied Econometric Time Series, 4th Ed., John Wiley & Sons, New Jersey, USA.
• Engle, R. F. (1982), “Autoregressive Conditional Heteroscedasticity with Estimates of the Variance of United Kingdom Inflation”, Econometrica: Journal of the Econometric Society, 1982: 987-1007.
• Engle, R. F., Granger, C. W. J. (1987), “Co-integration and Error Correction: Representation, Estimation, and Testing”, Econometrica, 55(2): 251–276.
• Eyüboğlu, S., Eyüboğlu, K. (2018), “Borsa İstanbul Sektör Endeksleri ile Döviz Kurları Arasındaki İlişkilerin İncelenmesi: ARDL Modeli”, Niğde Ömer Halisdemir Üniversitesi İktisadi ve İdari Bilimler Fakültesi Dergisi, 11(1): 8–28.
• Fisher, L. A., Huh, H.-S., Summers, P. M. (2000), “Structural Identification of Permanent Shocks in VEC Models: A Generalization”, Journal of Macroeconomics, 22(1): 53–68.
• Forbes, K. J., Rigobon, R. (2002), “No Contagion, Only Interdependence: Measuring Stock Market Comovements”, Journal of Finance, 57(5): 2223–2261.
• Gonzalo, J., Ng, S. (2001), “A Systematic Framework for Analyzing the Dynamic Effects of Permanent and Transitory Shocks”, Journal of Economic Dynamics and Control, 25(10): 1527–1546.
• Granger, C. W. J., Huang, B. N., Yang, C. W. (2000), “A Bivariate Causality Between Stock Prices and Exchange Rates: Evidence from Recent Asian Flu”, The Quarterly Review of Economics and Finance, 40: 337–354.
• Groen, J. J. J., Kleibergen, F. (2003), “Likelihood-Based Cointegration Analysis in Panels of Vector Error-Correction Models”, Journal Of Business & Economic Statistics, 21(2): 295-318.
• Hamilton, J. D. (1994), Time Series Analysis, Princeton University Press, New Jersey, USA.
• Hosking, J. R. M. (1980), “The Multivariate Portmanteau Statistic”, Journal of the American Statistical Association, 75(371): 602–608.
• Johansen, S. (1988), “Statistical Analysis of Cointegration Vectors”, Journal of Economic Dynamics and Control, 12(2-3), 231-254.
• Johansen, S. (1991), “Estimation and Hypothesis Testing of Cointegration Vectors in Gaussian Vector Autoregressive Models”, Econometrica, 59: 1551-1580.
• Johansen, S. (1996), Likelihood-based Inference in Cointegrated Vector Autoregressive Models, Oxford University Press, UK.
• Johansen, S., Juselius, K. (1990), “Maximum Likelihood Estimation and Inference on Cointegration: With Applications to the Demand for Money”, Oxford Bulletin of Economics and Statistics, 52(2): 169-210.
• Kharusi, S. A., Başçı, E. S. (2019), “Cointegration and Causality Between the GCC Stock Indices and Gold Indices”, Business and Economic Horizons, 15(1): 60–69.
• King, R. G., Plosser, C. I., Stock, J. H., Watson, M. W. (1991), “Stochastic Trends and Economic Fluctuations”, American Economic Review, 81(4): 819–840.
• Kurt Cihangir, Ç., Uğurlu, E. (2025), “Küresel Ekonomik Politika Belirsizliğine Karşı Sektörel Tepkilerin Zamanla Değişimi: Borsa İstanbul Üzerine DCC-GARCH Analizi”, İşletme Araştırmaları Dergisi, 17(3): 2358–2376.
• 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.
• Lütkepohl, H. (2005), New Introduction to Multiple Time Series Analysis, Springer-Verlag, Bonn, Germany.
• Lütkepohl, H. (2013), Identifying Structural Vector Autoregressions via Changes in Volatility, In T. B. Fomby, D. W. K. Andrews, C. A. Sims (Eds.), VAR Models in Macroeconomics – New Developments and Applications: Essays in Honor of Christopher A. Sims (32: 169–203), Emerald Group. Leeds, England.
• Mandelbrot, B. (1963), “The Variation of Certain Speculative Prices”, Journal of Business, 36(4): 394.
• Mert, M., Çağlar, E. A. (2019), Eviews ve Gauss Uygulamalı Zaman Serileri Analizi, Detay Yayıncılık, Ankara.
• Mert, M., Demir, F. (2014), “Mevsimsel Eşbütünleşme ve Mevsimsel Hata Düzeltme Modeli: İthalat-İhracat Verileri Üzerine Bir Uygulama”, Süleyman Demirel Üniversitesi İktisadi ve İdari Bilimler Fakültesi Dergisi, 19(4): 11-24.
• Mishra, P. K., Das, J. R., Mishra, S. K. (2010), “Gold Price Volatility and Stock Market Returns in India”, American Journal of Scientific Research, 9: 47–55.
• Öruç, E. (2019), “2009 Global Kriz Sonrası Döviz Kurlarındaki Gelişmelerin Borsa İstanbul Üzerine Etkileri”, 3. Uluslararası Yönetim ve Sosyal Bilimler Konferansı İstanbul, Türkiye, 314–327.
• Pagan, A. R., Pesaran, M. H. (2008), “Econometric Analysis of Structural Systems with Permanent and Transitory Shocks”, Journal of Economic Dynamics and Control, 32(10): 3376–3395.
• Perron, P. (1989), “The Great Crash, the Oil Price Shock, and the Unit Root Hypothesis”, Econometrica, 57(6): 1361–1401.
• Phillips, P. C. B. (1987), “Time Series Regression with a Unit Root”, Econometrica, 55(2): 277–301.
• Phillips, P. C. B., Perron, P. (1988), “Testing for a Unit Root in Time Series Regression”, Biometrika, 75(2): 335–346.
• Poyraz, P. E., Tepeli, A. Y. (2015), “Seçilmiş Makro Ekonomik Göstergelerin Borsa İstanbul XU100 Endeksi Üzerindeki Etkisinin Analizi”, Paradoks Ekonomi, Sosyoloji ve Politika Dergisi, 11(2): 102–128.
• Saka Ilgın, K. (2020), “Küresel Finansal Piyasa Göstergelerinin Borsa İstanbul’a Etkisi: Pandemi Öncesi ve Pandemi Dönemi Karşılaştırmalı Analizi”, İ. Cebeci (Ed.), Küresel Finansal Piyasa Göstergelerinin Borsa İstanbul’a Etkisi (137–160), Nobel Yayıncılık, Ankara.
• Shiller, R., Perron, P. (1985), “Testing the Random Walk Hypothesis: Power Versus Frequency of Observation”, Economics Letters, 18: 381-386.
• Sims, C. (1980), “Macroeconomics and Reality”, Econometrica, 48: 1-48.
• Sjaastad, L. A. (2008), “The Price of Gold and the Exchange Rates: Once Again”, Resources Policy, 33(2): 118–124.
• Süslü, C., Gök, M. A. (2021), “Borsa İstanbul Turizm Endeksi Hisse Senedi Fiyatları ile Ekonomik Faktörler Arasındaki İlişkiler Üzerine Bir Araştırma”, Cumhuriyet Üniversitesi İktisadi ve İdari Bilimler Dergisi, 22(1): 45–68.
• Toda, H. Y., Phillips, P. C. B. (1993), “Vector Autoregressions and Causality”, Econometrica, 61: 1367–1393.
• Toda, H. Y., Yamamoto, T. (1995), “Statistical Inference in Vector Autoregressions with Possibly Integrated Processes”, Journal of Econometrics, 66: 225–250.
• Topaloğlu, E. E., Ege, İ. (2020), “Kredi Temerrüt Swapları (CDS) ile Borsa İstanbul 100 Endeksi Arasındaki İlişki: Kısa ve Uzun Dönemli Zaman Serisi Analizleri”, İşletme Araştırmaları Dergisi, 12(2): 1373–1393.
• Wang, Y. S., Chueh, Y. L. (2013), “Dynamic Transmission Effects Between the Interest Rate, the US Dollar, and Gold and Crude Oil Prices”, Economic Modelling, 30: 792–798.
• Zivot, E., Andrews, D. W. K. (1992), “Further Evidence on the Great Crash, the Oil-Price Shock, and the Unit-Root Hypothesis”, Journal Of Business & Economic Statistics, 10(3): 251–270.