INTERACTION AND VOLATILITY SPILLOVER AMONG SELECTED FINANCIAL ASSETS IN TÜRKİYE

Yıl 2025, Cilt: 10 Sayı: 1, 101 - 131, 26.03.2025

Arif Çilek

Öz

This study aims to examine the dynamic relationships and volatility propagation mechanisms among selected financial assets in Türkiye. By analyzing the interactions between the Borsa Istanbul 100 Index (XU100), interest rates, gold prices and the USD/TRY exchange rate, the study assesses how shocks between these assets propagate. Using a time-varying parameter vector autoregression (TVP-VAR) model, the analysis analyzes monthly data for the period 01:2002-10:2024. The findings of the study shed light on the complex and interconnected nature of financial markets. While the XU100 is most affected by its own past shocks, assets such as gold and exchange rates are more exposed to external shocks. Aggregate volatility dispersion analysis reveals that Borsa Istanbul and gold act as net shock emitters, while interest rates and exchange rates act as net shock receivers. These results have important implications for both policymakers and investors. Investors should optimize their portfolio management strategies in line with these dynamics, while policymakers should take measures to minimize economic uncertainties and the effects of external shocks. The study contributes to a more effective and sustainable analysis of Turkish financial markets.

Anahtar Kelimeler

Financial Markets, Volatility, Time-Varying Parameter Vector Autoregressive Models (TVP-VAR), Türkiye

Etik Beyan

Bu çalışmanın tüm hazırlanma süreçlerinde etik kurallara uyulduğunu yazarlar beyan eder. Aksi bir durumun tespiti halinde Akademik İzdüşüm Dergisinin hiçbir sorumluluğu olmayıp, tüm sorumluluk çalışmanın yazarlarına aittir.

Destekleyen Kurum

Bu araştırmanın hazırlanmasında herhangi bir kurumdan destek alınmamıştır.

Türkiye'de Seçilmiş Finansal Varlıklar Arasındaki Etkileşim ve Volatilite Yayılımı

Öz

Bu çalışma, Türkiye’de seçilmiş finansal varlıklar arasındaki dinamik ilişkileri ve volatilite yayılım mekanizmalarını incelemeyi amaçlamaktadır. Araştırma, Borsa İstanbul 100 Endeksi (XU100), faiz oranları, altın fiyatları ve USD/TRY döviz kuru arasındaki etkileşimleri analiz ederek, bu varlıklar arasındaki şokların nasıl yayıldığını değerlendirmektedir. Zamana göre değişen parametreli vektör otoregresyon (TVP-VAR) modeli kullanılarak gerçekleştirilen analizde, 01:2002-10:2024 dönemine ait aylık veriler incelenmiştir. Araştırmanın bulguları, finansal piyasaların karmaşık ve bağlantılı yapısına ışık tutmaktadır. XU100, kendi geçmiş şoklarından en fazla etkilenirken, altın ve döviz kurları gibi varlıkların daha yüksek oranda dış şoklara maruz kaldığı gözlemlenmiştir. Toplam volatilite yayılımı analizleri, Borsa İstanbul ve altının net şok yayıcı olarak, faiz oranları ve döviz kurunun ise net şok alıcı olarak davrandığını ortaya koymaktadır. Bu sonuçlar, hem politika yapıcılar hem de yatırımcılar için önemli çıkarımlar sunmaktadır. Yatırımcıların portföy yönetim stratejilerini bu dinamikler doğrultusunda optimize etmeleri, politika yapıcıların ise ekonomik belirsizlikleri ve dış şokların etkilerini minimize edecek önlemler almaları gerekliliğini vurgulamaktadır. Çalışma, Türkiye finansal piyasalarının daha etkin ve sürdürülebilir bir şekilde analiz edilmesine katkı sağlamaktadır.

Anahtar Kelimeler

Finansal Piyasalar, Volatilite, Değişen Parametreli Vektör Otoregresif (TVP-VAR), Türkiye

Kaynakça

• Adekoya, O. B. & Oliyide, J. A. (2021). How COVID-19 drives connectedness among commodity and financial markets: Evidence from TVP-VAR and causality-in-quantiles techniques. Resources Policy, 70, 101898.
• Akkuş, H. T. & Doğan, M. (2023) Analysis of dynamic connectedness relationships between cryptocurrency. NFT and DeFi assets: TVP-VAR approach. Applied Economics Letters, 1-6.
• 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.
• Antonakakis, N. & Gabauer, D. (2017). Refined measures of dynamic connectedness based on TVP-VAR. MPRA Paper No: 78282. Balcılar, M. & Zeydan, S. (2020). Turkey's Financial Markets and Volatility Dynamics: A Review of the Literature. Turkish Economic Review, 7(2), 129-155.
• Baur, D. G. & McDermott, J. B. (2010). Risk and return in emerging markets. Journal of International Money and Finance, 29(3), 442-457.
• Cao, G. & Xie, W. (2022). Asymmetric dynamic spillover effect between cryptocurrency and China’s financial market: Evidence from TVP-VAR based connectedness approach. Finance Research Letters, 49, 103070.
• Chatziantoniou, I., Floros, C. & Gabauer, D. (2022). Volatility contagion between crude oil and G7 stock markets in the light of trade wars and COVID-19: A TVP-VAR extended joint connectedness approach. In Applications in Energy Finance: The Energy Sector, Economic Activity, Financial Markets and the Environment (pp. 145-168). Cham: Springer International Publishing.
• Dahir, A. M., Mahat, F., Amin Noordin, B. A. & Hisyam Ab Razak, N. (2020). Dynamic connectedness between Bitcoin and equity market information across BRICS countries: Evidence from TVP-VAR connectedness approach. International Journal of Managerial Finance, 16(3), 357-371.
• Diebold, F. X. & Yılmaz, K. (2009). Measuring financial asset return and volatility spillovers, with application to global equity markets. The Economic Journal, 119(534), 158–171.
• 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.
• Diebold, F. X. & Yılmaz, K. (2014). On the network topology of variance decompositions: measuring the connectedness of financial firms. Journal of Econometrics, 182(1), 119-134.