DETERMINATION OF DYNAMIC CONNECTEDNESS WITH THE TVP-VAR METHOD: APPLICATION ON CIVETS COUNTRIES

Öz

In addition to financial theories, the movements of assets traded in the markets are also important for the investment process. Knowing the relationships between markets and financial assets is also important in the investments and decisions to be made. For this purpose, a study was conducted on the benchmark stock markets of the country group called CIVETS, which consists of Colombia, Indonesia, Vietnam, Egypt, Türkiye, and South Africa. The study aims to determine the volatility spread and connectedness relationships between countries. The data between 01.01.2015 and 31.10.2023 were used in the study on countries that are accepted as developing countries. As a method, the Time-Varying Parameter Vector Autoregressive (TVP-VAR) model was used to determine dynamic connectedness. When the results obtained from the study are evaluated, it is found that CIVETS benchmark stock markets are suitable for international portfolio diversification at the dates taken as a sample. In addition, Colombia, Indonesia, and Vietnam benchmark stock markets are found to be volatility spreaders, while Egypt, Türkiye and, South Africa benchmark stock markets are found to be volatility takers. Portfolio diversification will be possible by evaluating the buyer and spreader stock markets obtained in the study.

Anahtar Kelimeler

• CIVETS
• Dynamic Connectedness
• TVP-VAR

TVP-VAR YÖNTEMİ İLE DİNAMİK BAĞLANTILILIK TESPİTİ: CIVETS ÜLKELERİ ÜZERİNE UYGULAMA

Öz

Yatırım süreci için finans teorileri yanında, piyasalarda işlem gören varlıkların hareketleri de önem arz etmektedir. Piyasalar ve finansal varlıklar arasındaki ilişkilerin bilinmesi de gerçekleştirilecek yatırımlarda ve verilecek kararlarda önem taşımaktadır. Bu amaçla Kolombiya, Endonezya, Vietnam, Mısır, Türkiye, Güney Afrika ülkelerinin oluşturduğu ve CIVETS adı verilen ülke grubunun gösterge borsaları üzerine çalışma gerçekleştirilmiştir. Çalışmanın amacı, ülkeler arasındaki volatilite yayılımının ve bağlantılılık ilişkilerinin tespit edilmesidir. Gelişmekte olan statüde kabul edilen ülkeler üzerine gerçekleştirilen çalışmada 01.01.2015-31.10.2023 tarihleri arası veriler kullanılmıştır. Yöntem olarak, dinamik bağlantılılık tespitinin sağlanması amacıyla Zamanla Değişen Parametreli Vektör Otoregresif (TVP-VAR) modeli kullanılmıştır. Çalışmadan elde edilen sonuçlar değerlendirildiğinde, CIVETS gösterge borsalarının, uluslararası portföy çeşitlendirme açısından örneklem olarak alınan tarihlerde uygun olduğu bulgusuna ulaşılmıştır. Bunun yanında; Kolombiya, Endonezya, Vietnam gösterge borsalarının volatilite yayıcısı; Mısır, Türkiye, Güney Afrika gösterge borsalarının ise volatilite alıcısı olduğu sonucu tespit edilmiştir. Çalışmada elde edilen alıcı ve yayıcı borsaların değerlendirilerek portföy çeşitlendirme yapılması mümkün olacaktır.

Anahtar Kelimeler

• CIVETS
• Dinamik Bağlantılılık
• TVP-VAR

Kaynakça

1. Akyıldırım, E., Güneş, H. ve 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. Akdeniz, C. ve Çatık, N. (2019). “Parasal Aktarım Mekanizmalarının İşleyişinde Finansal Koşulların Önemi: TVP-VAR Modellerinden Bulgular”, Pamukkale Üniversitesi Sosyal Bilimler Enstitüsü Dergisi, (34), 73-96. https://doi.org/10.30794/pausbed.421112
3. Akdeniz, C. (2021). “Taylor Kuralının Farklı Para Politikası Rejimleri Altında Geçerliliği: Türkiye Ekonomisi İçin TVP-VAR Modeli Uygulaması. Finansal Araştırmalar ve Çalışmalar Dergisi, 13(25), 293-308. https://doi.org/10.14784/marufacd.975925
4. Altay, E. (2015). Bankacılıkta Risk - Piyasa Riski, Kredi Riski ve Operasyonel Riskin Ölçümü ve Yönetimi. Derin Yayınları, İstanbul.
5. Antonakakis, N., Cunado J., Filis G., Gabauer, D. ve De Gracia F. P. (2019). “Oil and Asset Classes İmplied Volatilities: Dynamic Connectedness And İnvestment Strategies”, Energy Economics Forthcoming. http://dx.doi.org/10.2139/ssrn.3399996
6. Antonakakis, N., Chatziantoniou, I., ve Gabauer, D. (2020). “Refined Measures Of Dynamic Connectedness Based On Time-Varying Parameter Vector Autoregressions”, Journal of Risk and Financial Management, 13(4). https://doi.org/10.3390/jrfm13040084
7. Aytekin, Y. E., ve Aygün, M. (2016). “Finansta Yeni Bir Alan “Davranışsal Finans””. Yüzüncü Yıl Üniversitesi İktisadi ve İdari Bilimler Fakültesi Dergisi (2), 143-156.
8. Bayar, İ. (2022). “Ekonomik Karmaşıklık İndeksi ve Ekonomik Büyüme: CIVETS Ülkelerinden Ampirik Kanıtlar”, Uluslararası İktisadi ve İdari İncelemeler Dergisi, 36, 237-251. https://doi.org/10.18092/ulikidince.1052678

9. Cambazoğlu B. (2020). “Civets Ülkelerinin Karşılaştırmalı Makroekonomik Analizi”, Turkish Studies - Social, 15(2), 77-91. https://dx.doi.org/10.29228/TurkishStudies.40165
10. Ceylan, A., ve Korkmaz, T. (2017). İşletmelerde Finansal Yönetim, Ekin Basım Yayın Dağıtım, Bursa.
11. Çatık A.N. ve Akdeniz C. (2018). “The evolution of the monetary transmission channels in Turkey: evidence from a TVP-VAR model”, Applied Economics Letters, 26(13), 1072-1079, https://doi.org/10.1080/13504851.2018.1537468
12. Diebold, F. X. ve Yılmaz, K. (2009). “Measuring Financial Asset Return and Volatility Spillovers, with Application To Global Equity Markets”, The Economic Journal, 119(534), 158–171. https://doi.org/10.1111/j.1468-0297.2008.02208.x
13. Diebold, F. X. ve Yilmaz, 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
14. Diebold, F. X. ve Yılmaz, K. (2014). “On the Network Topology of Variance Decompositions: Measuring the Connectedness of Financial Firms”, Journal of Econometrics, 182(1), 119-134. Doi: https://doi.org/10.1016/ j.jeconom.2014.04.012
15. Doğru, E. (2023). “Rusya-Ukrayna Savaşının Gıda Fiyatları ile Finansal Piyasalar Arasındaki Bağlantılılık Üzerine Etkisi”, Bingöl Üniversitesi İktisadi ve İdari Bilimler Fakültesi Dergisi, 7(2), 63-83. https://doi.org/10.33399/biibfad.1327746 Erdoğan, B. (2023). “The Volatility Relationship Among Financial Assets: TVP-VAR Model”, International Journal of Business and Economic Studies, 5(4), 225-237. https://doi.org/10.54821/uiecd.1392184
16. Fama, E. (1970) “Efficient Capital Markets: A Review of Theory andEmpirical Work.”, The Journal of Finance, 25(2), 383-417.
17. Göçmen Yağcılar, G. (2021). “Borsa İstanbul’un Bölgesel Piyasalar ile Entegrasyonu: Dinamik Koşullu Korelasyonlar ve Yayılım Endeksinden Kanıtlar”, Gümüşhane Üniversitesi Sosyal Bilimler Enstitüsü Elektronik Dergisi, 12(3), 941-960.
18. Gökgöz, H. ve Kayahan, C. (2023). “Bitcoin ile Gelişmiş Ve Gelişmekte Olan Ülkeler Arasındaki Volatilite Yayılım Etkisinin TVP-VAR ile Analizi”, Hacettepe Üniversitesi İktisadi ve İdari Bilimler Fakültesi Dergisi, 41(1), 109-125. https://doi.org/10.17065/huniibf.1098448
19. Güngör, S. ve Erer, D. (2022). “Türkiye’deki Gıda Fiyatları ile Petrol Fiyatları Ve Döviz Kuru Arasındaki Doğrusal Olmayan İlişkinin İncelenmesi: Zamanla-Değişen Parametreli VAR Modelleri”, Alanya Akademik Bakış, 6(2), 2481-2498. https://doi.org/10.29023/alanyaakademik.1082332
20. Gürsoy, S. (2020). “Investigation of the Relationship Between VIX İndex and BRICS Countries Stock Markets: An Econometric Application”, Mehmet Akif Ersoy Üniversitesi Uygulamalı Bilimler Dergisi, 4(2), 397–413. https://doi.org/10.31200/makuubd.735380
21. Gürünlü, M. (2011). “Finansal Piyasaların Etkinliği Teorisinden Davranışsal Finansa: Finans Teorisinin Evrimi”, Maliye ve Finans Yazıları, 1(92), 31-50.
22. Helmi, H., Çatık A.N., Akdeniz C. (2023). “The impact of central bank digital currency news on the stock and cryptocurrency markets: Evidence from the TVP-VAR model”. Research in International Business and Finance. 65, https://doi.org/10.1016/j.ribaf.2023.101968
23. Höl, A. Ö. (2023). “Covid-19 Döneminde Türkiye’de Finansal Varlıklar Arasındaki Volatilite Yayılımı: TVP-VAR Uygulaması”, İktisadi İdari ve Siyasal Araştırmalar Dergisi (İKTİSAD), 8(21), 339–357
24. Investing (2023). Endeksler. (21.11.2023). https://tr.investing.com/.
25. Kahneman ve Tversky. (1979). “Prospect Theory: An Analysis of Decision under Risk”, Econometrica, 47 (2), 263-291. https://doi.org/10.2307/1914185
26. Kavas, Y. B. ve Çoban, M. N. (2023). “Finansal Gelişmenin Yenilenebilir Enerji Tüketimine Etkisinin Toplamsal Olmayan Sabit Etkili Panel Kantil Yöntemiyle Analizi: CIVETS Ülkelerinden Ampirik Kanıtlar”, Yaşar Üniversitesi E-Dergisi, 18(69), 60-78. https://doi.org/10.19168/jyasar.1174542
27. Kıyılar, M. ve Akkaya, M. (2016). Davranışsal Finans, Literatür Yayıncılık, İstanbul.
28. Koop, Gary, Pesaran, M.H. ve Potter, S.M. (1996). “Impulse Response Analysis in Nonlinear Multivariate Models”, Journal of Econometrics, 74, 119-47. https://doi.org/10.1016/0304- 4076(95)01753-4
29. Koop, G., ve Korobilis, D. (2014). “A New Index of Financial Conditions”, European Economic Review, 71, 101-116. https://doi.org/10.1016/j.euroecorev.2014.07.002
30. Korkmaz, T., Çevik E. ve Atukeren E. (2012). “Return And Volatility Spillovers Among CIVETS Stock Markets”, Emerging Markets Review, 13(2), 230-252. https://doi.org/10.1016/j.ememar.2012.03.003
31. Korkmaz, T., & Ceylan, A. (2017). Semaye Piyasası ve Menkul Değer Analizi, Ekin Basım Yayın Dağıtım, Bursa.
32. Markowitz, H. (1952). “Portfolio Selection”, The Journal of Finance, 7(1), 77- 91.
33. Nakajima J., (2011). “Time-Varying Parameter VAR Model with Stochastic Volatility: An Overview of Methodology and Empirical Applications”, Monetary and Economic Studies, 29, 107-142
34. Pamukçu, A. B. (1999). Finans Yönetimi. Der Yayınları, İstanbul.
35. Pesaran, H. Hashem ve Shin, Y. (1998). “Generalized İmpulse Response Analysis in Linear Multivariate Models”, Economics Letters, 58, 17-29. https://doi.org/10.1016/S0165-1765(97)00214-0
36. Primiceri G.E. (2005). "Time Varying Structural Vector Autoregressions and Monetary Policy", The Review of Economic Studies, 72 (3). 821–852, https://doi.org/10.1111/j.1467-937X.2005.00353.x
37. Saleem, K., Al-Hares, O. ve Ahmed, S. (2016). “Financial İntegration and Portfolio Diversification: Evidence From CIVETS Stock Markets”, Theoretical Economics Letters, 6. 1304-1314. http://dx.doi.org/10.4236/tel.[phone]
38. Sermaye Piyasası Kanunu. (2012). Resmi Gazete, 6362 Nolu Sermaye Piyasası Kanunu. (01.12.2023) https://www.mevzuat.gov.tr/MevzuatMetin/1.5.6362.pdf
39. Şencan, İ. (2022). “CIVETS Borsa Endekslerinin Dinamik Etkileşimi”, Econder International Academic Journal, 6(1), 1-18. https://doi.org/10.35342/econder.943472
40. Şenol, Z. ve Türkay, H. (2020). “Gelişmiş ve Gelişmekte Olan Borsalar Arasındaki Oynaklık Yayılımı”, Marmara Üniversitesi İktisadi ve İdari Bilimler Dergisi, 42(2), 361-385. https://doi.org/10.14780/muiibd.854527