Durum Uzayı Modelleri ile Türkiye’nin Yurtiçi Fiyatları ve Döviz Kuru İlişkisinin Değerlendirilmesi

Öz

Bu çalışmada, Durum Uzayı Modellerinin (State Space Models) tanıtılması amacıyla bir Türkiye iktisadi analizi ele alınmaktadır. Durum Uzayı Modelleri, esnek yapılara ve veri kaybını önleyen bir tahmin yöntemine sahip olması sebebiyle tercih edilen bir modelleme yöntemi sunmaktadır. Bu çalışmanın iktisadi uygulaması olarak, Türkiye’nin 2005-2024 dönemine ait aylık Tüketici Fiyat Endeksi (TÜFE), Dolar/TL ve Euro/TL değişkenleri ile bir analiz yapılmıştır. Analizin ilk aşamasında, yalnızca açıklayıcı değişken içeren bir modelleme yaklaşımı benimsenmiş ve TÜFE, Dolar/TL, Euro/TL gibi ekonomik göstergeler bireysel olarak ele alınarak analiz edilmiştir. Ardından, daha karmaşık bir modelleme sürecine geçilmiştir; bu süreçte yalnızca açıklayıcı değişken içeren modellerin yanı sıra, 2023 yılının Ocak ayından itibaren geçerli olacak bir kukla değişken eklenmiştir. Kukla değişken eklenerek yapılan ikinci modellemede, belirli dönemlerde gerçekleşen yapısal kırılmalar ve politika değişikliklerinin veriler üzerindeki etkisi daha kapsamlı bir şekilde incelenmiştir. Analizde deterministik ve stokastik özellikler de dikkate alınmış ve bu farklı model yapıları Kalman Filtresi (1960) yöntemi kullanılarak tahmin edilmiştir. Bu analizler sonucunda, en iyi model yapısının Dolar/TL ve Euro/TL değişkenleri için Stokastik Seviye ve Açıklayıcı Değişken-Kukla Değişken modeli olduğu sonucuna ulaşılmıştır. Elde edilen sonuçlar, Dolar/TL ve Euro/TL değişkenlerinin TÜFE üzerindeki etkisinin benzer oranda ve pozitif yönde olduğunu göstermektedir. Bununla birlikte TÜFE’nin Dolar/TL ve Euro/TL değişkenlerindeki dalgalanmalara nispeten daha az hassasiyet gösterdiği; başka bir deyişle, Dolar/TL ve Euro/TL değişimlerine göre daha düşük esneklik sergilediği tespit edilmiştir. Ayrıca modelde kukla değişken kullanılması iki dönem arasında yurt içi fiyatlarının karşılaştırılmasına olanak tanımıştır. Buna göre 2023’ün ilk ayı ve sonrasındaki yurtiçi fiyatlarının önceki dönemlere göre daha düşük olduğu çıkarımı yapılmıştır. Bu bulgular, Türkiye’de döviz kuru ve yurt içi fiyatları arasındaki ilişkiyi daha iyi anlamak için önemli çıkarımlar sunmaktadır ve Durum Uzayı Modellerinin iktisadi bir uygulamada kullanımında göstermesi bakımında literatüre katkı sunmaktadır.

Anahtar Kelimeler

• Durum Uzayı Modelleri
• Kalman Filtresi
• Enflasyon
• Tüketici Fiyat Endeksi
• Döviz Kuru

Destekleyen Kurum

Destekleyen kurum yoktur.

Etik Beyan

Etik beyan gerektirecek bir çalışma değildir.

Evaluation of Türkiye’s Domestic Prices and Exchange Rate Relationship with State Space Models

Öz

In this article, an economic analysis of Türkiye is discussed to introduce State Space Models. State Space Models offer a preferred modelling method as they have flexible structures. As an economic application of this study, an analysis is conducted with Türkiye’s monthly Consumer Price Index (CPI), USD/TRY and EUR/TRY for the period 2005-2024. In the first stage, a modelling approach with only explanatory variables is adopted. Subsequently, in addition to the models with only explanatory variables, a dummy variable was added to be valid from January 2023 onwards. Deterministic and stochastic features were considered in the analysis, and these different model structures were estimated. As a result, it is concluded that the best model structure is the Stochastic Level and Explanatory Variable-Dummy Variable model for the USD/TRY and EUR/TRY. The results show that the effects of USD/TRY and EUR/TRY on the CPI are similar and positive. However, the CPI is found to be relatively less sensitive to fluctuations in the USD/TRY and EUR/TRY. In addition, the use of a dummy variable in the model allowed the comparison of domestic prices between the two periods. Accordingly, it is inferred that domestic prices in the first month of 2023 and thereafter are lower than those in the previous periods. These findings have important implications for a better understanding of the relationship between exchange rates and domestic prices in Türkiye and contribute to the literature in terms of demonstrating the use of State Space Models in an economic application.

Anahtar Kelimeler

• State Space Models
• Kalman Filter
• Inflation
• Consumer Price Index
• Exchange Rate

Etik Beyan

Et

Kaynakça

1. Akaike, H. (1974). A new look at the statistical model identification. IEEE Transactions on Automatic Control, 19(6), 716-723. google scholar
2. Akgül, I., & Özdemir, S. (2018). Enflasyon-faiz oranı ve enflasyon-döviz kuru ikilemi: GEG programı döneminde Türkiye gerçeği. Ege Akademik Bakış, 18(1), 153-166. google scholar
3. Altıntaş, H. (2024). Türkiye’de döviz kurunun tüketici fiyatları üzerine geçiş etkisi: ARDL ve NARDL yaklaşımından kanıtlar. Erciyes Üniversitesi İktisadi ve İdari Bilimler Fakültesi Dergisi(67), 1-13. https://doi.org/10.18070/erciyesiibd.1377410.. google scholar
4. Altuntaş, M., Pazarcı, Ş., & Kılıç, E. (2021). Türkiye’de döviz kuru geçiş etkisinin incelenmesi: Dönemler arası bir karşılaştırma. Journal of Social, Humanities and Administrative Sciences, 7(43), 1453-1460. google scholar
5. Amitrano, A., De Grauwe, P., & Tullio, G. (1997). Why has inflation remained so low after the large exchange rate depreciations of 1992? JCMS: Journal of Common Market Studies, 35(3), 329-346. google scholar
6. Aytekin, İ., Bayrakdar, S., & Aksoy, E. (2023). Türkiye’de döviz kuru ile enflasyon arasındaki uzun ve kısa dönemli ilişkinin incelenmesi. Journal of Economic Policy Researches, 10(1), 87-112. https://doi.org/10.26650/JEPR1114402. google scholar
7. Bozkurt, H. (2021). Türkiye’de para politikası-döviz kuru-enflasyon ilişkisinin ampirik analizi. Ordu Üniversitesi Sosyal Bilimler Enstitüsü Sosyal Bilimler Araştırmaları Dergisi, 11(3), 981-994. https://doi.org/10.48146/odusobiad.1000589 google scholar
8. Commandeur, J. J. F., & Koopman, S. J. (2007). An introduction to state space time series analysis. Oxford University Press. google scholar

9. Diks, C., & Panchenko, V. (2006). A new statistic and practical guidelines for nonparametric Granger causality testing. Journal of Economic Dynamics and Control, 30(9), 1647-1669. google scholar
10. Durbin, J., & Koopman, S. J. (2012). Time series analysis by state space methods (2nd ed.). Oxford University Press. google scholar
11. Granger, C. W. J. (1969). Investigating causal relations by econometric models and cross-spectral methods. Econometrica, 37(3), 424-438. google scholar
12. Harvey, A. C. (1989). Forecasting, structural time series models and the Kalman filter. Cambridge University Press. google scholar
13. Hooper, P., & Mann, C. (1989). Exchange rate pass-through in the 1980s: The case of US imports of manufactures. Brookings Papers on Economic Activity, (1), 297-337. google scholar
14. Jarque, C. M., & Bera, A. K. (1987). A test for normality of observations and regression residuals. International Statistical Review, 55(2), 163-172. google scholar
15. Kalman, R. E. (1960). A new approach to linear filtering and prediction problems. Transactions of the ASME—Journal of Basic Engineering, 82(1), 35-45. google scholar
16. Kim, C. J., & Nelson, C. R. (2017). State-space models with regime switching: Classical and Gibbs-sampling approaches with applications. MIT Press. google scholar
17. Koç, S., & Abasız, T. (2012). Türkiye ve seçili AB ülkeleri açısından enflasyon sürekliliğinin analizi. Doğuş Üniversitesi Dergisi, 13(1), 102-113. google scholar
18. Mankiw, N. G. (2001). Principles of economics (2nd ed.). South-Western College Pub. google scholar
19. Mergner, S. (2009). Applications of state space models in finance: An empirical analysis of the time-varying relationship between macroeconomics, fundamentals and Pan-European industry portfolios. Umversitatsverlag Göttingen. google scholar
20. Pesaran, M. H., & Shin, Y. (1998). An autoregressive distributed-lag modelling approach to cointegration analysis. Econometrics and Economic Theory in the 20th Century, 371-413. google scholar
21. Pesaran, M. H., Shin, Y., & Smith, R. J. (2001). Bounds testing approaches to the analysis of level relationships. Journal of Applied Econometrics, 16(3), 289-326. google scholar
22. Shin, Y., Yu, B., & Greenwood-Nimmo, M. (2014). Modelling asymmetric cointegration and dynamic multipliers in a nonlinear ARDL framework. In R. C. Sickles & W. C. Horrace (Eds.), Festschrift in honor of Peter Schmidt: Econometric methods and applications (pp. 281-314). New York, NY: Springer. google scholar
23. Sims, C. A. (1980). Macroeconomics and reality. Econometrica, 48(1), 1-48. google scholar
24. Sözen, Ç., Şeyranlıoğlu, O., & İspiroğlu, F. (2024). Causality analysis between BIST-100, investor risk appetite, exchange rate, inflation, and interest rate in Türkiye economy. Uluslararası Ekonomi, İşletme ve Politika Dergisi, 8(2), 24-37. google scholar
25. Tarı, R., Koç, S., & Abasız, T. (2019). Ekonometri (14. baskı). Kocaeli: Umuttepe Yayınları. google scholar
26. Toda, H. Y., & Yamamoto, T. (1995). Statistical inference in vector autoregressions with possibly integrated processes. Journal of Econometrics, 66(1-2), 225-250. google scholar
27. Türkiye Cumhuriyet Merkez Bankası [TCMB] EVDS. (2024). Türkiye Cumhuriyet Merkez Bankası Elektronik Veri Dağıtım Sistemi piyasa verileri. https://evds2.tcmb.gov.tr. google scholar
28. Türkiye İstatistik Kurumu [TÜİK]. (2024). Enflasyon ve Fiyat İstatistikler. Erişim adresi: https://data.tuik.gov.tr. google scholar