“Kredi Temerrüt Takaslarının (CDS), Kriz Değişkenleriyle İlişkisi

T.C.
İSTANBUL ÜNİVERSİTESİ
Sosyal Bilimler Enstitüsü
İsletme Anabilim Dalı
Finans Bilim Dalı
Yüksek Lisans Tez Özeti
“Kredi Temerrüt Takaslarının (CDS), Kriz
Değişkenleriyle İlişkisi: PIGS Ülkeleri ve Türkiye
Kapsamında bir Araştırma”
Görkem HANCI
2501110573
Prof. Dr. Ahmet KÖSE
İstanbul-2013
“Kredi Temerrüt Takaslarının (CDS), Kriz Değişkenleriyle İlişkisi: PIGS
Ülkeleri ve Türkiye Kapsamında bir Araştırma”
Görkem HANCI
ÖZ
1990’lı yıllarda ortaya çıkan ve 2003 yılından sonra kullanımı yaygınlaşan Kredi
Temerrüt Takasları (KTT), en fazla işlem gören kredi türevlerindendir. KTT, genel
anlamda, kredi veren kuruluşun riski indirgemek adına, olası bir temerrüt olayına
karşın bir yatırımcıdan satın aldığı sigorta olarak tanımlanabilir. KTTler Portekiz,
İtalya, Yunanistan ve İspanya’yı içeren “PIGS” ülkelerine ait bu türeve yönelik baz
puanların aşırı derecede artmasıyla daha da dikkat çekmiştir. Çalışmanın uygulama
kısmında kriz, bahsi geçen Akdeniz ülkeleri ve karşılaştırılma yapılması adına
Türkiye esas alınarak incelenmiştir. Bu beş ülkeye ait “Kredi Temerrüt Takasları”nın
döviz kurları ile volatilitelerine bakılmış ve ardından ana hatlarıyla Maastricht
Kriterleri’ni içeren makroekonomik değişkenler kapsamında granger nedensellikleri
test edilmiştir.
Anahtar kelimeler: Kredi Temerrüt Takası, Maastricht Kriterleri, PIGS Ülkeleri,
GARCH, granger nedensellik
ABSTRACT
Credit Default Swap (CDS), which has been occured in 1990’s and increased after
2003, is the most traded credit derivatives. In general CDS can be described as an
insurance which is traded by creditor to an investor at the aim of the reducing risk,
considering the possibility of credit event. This derivative has been prominent,
because of the rapid increase of CDS basis points of especially Portugal, Italy, Greece
and Spain included PIGS countries. In the part of the methodology, the mentioned
Mediterrrian countries and Turkey has been compared. The relationship of these five
countries’ CDS and foreign exchange rate volatility has been analysed and the
relationship of macroeconomical crisis parameters, based on Maastricht Criteria, and
CDS has been studied in terms of granger causality.
Key words: Credit Default Swap, Maastricht Criteria, PIGS Countries, GARCH,
granger causality.
GİRİŞ
Önceleri riskten korunma amaçlı olarak ortaya çıkan türev ürünler, sonrasında
daha çok yatırım amaçlı kullanılır hale gelmiştir. Kredi türev ürünü olan Kredi
Temerrüt Takasları (KTT) , 1990’lı yıllarda ortaya çıkmış, ancak 2003’den sonra
kullanımı yaygınlaşmıştır ve hala da yükselme trendi sergilemektedir.
Son
zamanlarda en fazla işlem gören türev ürünlerden biridir. Özellikle son yıllarda,
Akdeniz ülkelerine ait KTT baz puanlarının ani bir çıkış göstermesiyle, daha da
dikkat çekici olmuştur. Avrupa Merkez Bankası, KTTleri, “piyasa katılımcılarının
sahip oldukları riski başka katılımcılara aktarmaya veya dağıtmaya yarayan türev
ürün” olarak tanımlamaktadır.
KTT, bir çeşit sigorta olup, bir kurumun başka bir kurumdan kredi almasıyla
başlamaktadır. Kredi alan kurum, borçlu kurumun piyasadaki durumunu gözlemler ve
başka bir yatırımcı kurumdan bu türev ürünü satın alarak, riskini azaltmış olur. Şirket
ya da ülke bazlı incelenebilen KTT baz puanlarla ilgili olarak, bir kurumun ya da
ülkenin KTT baz puanı ne kadar yüksekse, temerrüt riskinin o kadar yüksek olduğu
anlamına gelmektedir.
“Kredi Temerrüt Takasları”nı inceleyen bu çalışma üç ana bölümden
oluşmaktadır. İlk bölümde riskin tanımı ve çeşitlerine giriş yapılmış, ikinci bölümde
KTTler incelenmiş ve üçüncü bölümde ise uygulama kısmına yer verilmiştir.
1. RİSK
Bir yatırım yapıldığında, getiri ve risk arasında bir takas durumu meydana
gelir. Fazla risk alınmışsa, daha fazla para elde etme ihtimali daha olasıdır.
Bahsedilen takas, risk ve beklenen getiri arasındadır; risk ve gerçek getiri arasında
değildir. Bu noktada “beklenen getiri”
kavramını açıklamak gerekir. “Beklenen
getiri” kavramı günlük hayatta, gerçekleşme olasılığı yüksek anlamında kullanılsa da,
olası getirilerin ağırlıklı ortalamasıdır. Olası getiriler ve onların gerçekleşme
olasılıklarına ait veriler ise geçmiş verilerden elde edilir. (Hull, 2012 : 2)
Beklenmedik olumlu ya da olumsuz olaylar olarak tanımlanan risk kavramı
genel anlamda dört ana başlıkta toplanır: firma dışı-firma içi riskler, yönetilebiliryönetilemez riskler, sistematik-sistematik olmayan riskler, finansal- finansal olmayan
riskler (Bolak, 2004). Finansal riskler doğrultusunda ise, piyasa, likidite, operasyonel
ve kredi risklerinden bahsedilebilir (Gregory, 2010 : 2)
Kredi riski söz konusu olduğunda riski tek bir tarafa toplamayıp, birden fazla
yatırımcının üstlenmesiyle riski azaltmak ve yatırımcıların da bu durumdan
faydalanma durumu ortaya çıkar.
Kredi türevleri, hem yatırım hem de riskten korunma amaçlı kullanılmaktadır.
Kredi türevlerinde yaşanan yıllardan beri süre gelen artış, pazardaki katılımcıların
riskle baş etme noktasında bu ürünlerden yararlandığını gösteriyor olabilir. Ticari bir
banka kredi türevlerini verdiği kredilerin riskini indirgemek için kullanabilir, ancak
kredi türevleri kendine ait risk yönetimiyle de baş etmek durumundadır. ( Jing, 2010)
2. Kredi Temerrüt Takası
En temel kredi türevlerinden olan “Kredi Temerrüt Takası”, belirli bir referans
varlığın değeri üzerinden korunma sağlayan, korumayı satın alanın belirli aralıklarla
sabit bir ücret ödediği ve korunmada satıcı tarafın da herhangi bir kredi olayında
ödeme yapacağını taahhüt eden karşılıklı yapılan bir kontrat olarak tanımlanır. Belirli
periyodlarla ödenen ücret genelde, nominal bir değerin baz puanından kote edilir. Bu
takas referans varlık, baz varlık (underlying asset), ya da sepet varlık ile ilişkili
olabilir. (Choudhry, 2006)
Kredi temerrüt takası, olası bir kredi olayına karşı bir çeşit sigortadır. Ancak,
normal bir sigorta mantığına göre sigortayı satın alabilmek için öncelikle o varlığa
sahip olmak gerekir. Kredi Temerrüt Takası’nda ise esas varlığa sahip olmadan da
korumaya sahip olunabilir.
KTT ile ilgili olarak, kredi olayı, Geri kazanım oranı, nakdi/fiziksel teslim,
KTT kupon tarihi, korunmanın süresi gibi kavramlar ortaya çıkmaktadır.
KTT, sepet(basket) KTT, özsermaye, sıralı, portföy, dijital ve öncelikli sepet
olmak üzere pek çok çeşidi vardır.
KTT işleminin gerçekleşebilmesi için, bir borç alma- verme olayının
gerçekleşmesi gerekir. Örneğin, A yatırımcısı (Borçlu), X Bankası’ndan kredi alır.
Vadesinin sonunda hem anaparayı hem de faizi ödeyecektir. Ancak X Bankası, A
yatırımcısının, piyasadaki durumunu gözlemlemiş ve olası bir temerrüt durumuna
karşılık, alacağını garanti altına almak istemektedir. A yatırımcısının borcunu
ödememe ihtimaline karşın oluşacak riski transfer etmiş olacaktır ve amaçla Z
yatırımcısı ile anlaşır. Böylece, X Bankası koruma alıcısı, Z yatırımcısı ise koruma
satıcısı sıfatlarına sahip olurlar. Bu durumda, koruma alıcısı olan X Bankası, koruma
satıcısı olan Z yatırımcısına dönemsel ödemeler yapacaktır. Eğer A yatırımcısının
temerrüdü gerçekleşirse, X Bankası’nın A yatırımcısından olan alacağı, koruma
satıcısı olan Z yatırımcısı tarafından karşılanacaktır. Ancak temerrüt gerçekleşmezse,
koruma satıcısı hiçbir ödeme yapmayacağı gibi, koruma alıcısı da verdiği borcun
tamamını A yatırımcısından karşılayacağı için, ödediği primler koruma satıcısından
geri alınmayacaktır. Bu durumda KTT hem riski indirgemek hem de yatırım amaçlı
kullanılmış olur.
3. Uygulama
Çalışmanın
uygulama
kısmında,
“Kredi
Temerrüt
Takasları”nın
parametrelerinin analiz edilmesi konusunda Maastricht Kriterleri’nden yola çıkılarak,
krizle ilgili değişkenler belirlenmiştir. Genel anlamda, enflasyon oranı, bütçe
açığı/GSYH, kamu borcu/GSYH, uzun dönemli faiz oranları, ülkenin para biriminin
devalüasyonu değişkenlerinin esas alındığı Maastricht Kriterleri’ne ek olarak işsizlik
ve cari açık değişkenleri de modele katılmıştır. GSYH verileri çeyreklik
açıklandığından dolayı, bütçe açığı/GSYH ve kamu borcu/GSYH serileri analize
katılmamıştır. Verilerin bir kısmı günlük incelenirken bir kısmı ise aylık olarak
incelenmiştir. Çalışmanın hem günlük hem aylık olarak incelenmesinin nedeni
kullanılan metotlar kapsamında iki farklı amaca hizmet etmesidir. Kullanılan ilk
yöntem GARCH (Generalized Autoregressive Conditional Heteroskedasticity)’da
veriler günlük alınmıştır. Volatilitenin modellenmesinin hedeflendiği bu metotta
genelde günlük verilerle çalışılır ve bunun yanında bir bağımlı ve bir bağımsız
değişkene ihtiyaç vardır. Uygulamada kullanılan ve bunun da daha sonra ayrıntısına
girilecek olan granger nedensellik testinde ise genelde aylık verilerle çalışılır ve
birden fazla bağımsız değişkene ihtiyaç vardır. Çalışma aralığı günlük verilerde
04.10.2004-31.12.2012, aylık verilerde ise, Ekim 2004-Aralık 2012 tarihleri
belirlenmiştir. İnceleme yapılan ülkeler konusunda şu anda KTT baz puanı yüksek
olan ülkelerden yola çıkılarak krizde olan İtalya, İspanya, Portekiz ve Yunanistan’ı
barındıran
Akdeniz ülkeleri ile kıyaslama yapma açısında Türkiye üzerinde
çalışılmıştır. Yapılan bu çalışmaların genel anlamda amacı, kriz değişkenleri
kapsamında, KTT ile ilişkisi olan makroekonomik değişkenleri saptamak ve hem
yatırım hem de koruma amaçlı gerçekleşen bu türev ürünlerin alım satımıyla ilgili
olarak yatırımcılara yol gösterici nitelikte literatüre katkıda bulunmak olarak
belirlenmiştir.
Günlük Verilerle Yapılan Uygulama
Çalışmanın uygulamaya ait ilk kısmında, Avrupa Birliği üye ülkelerinden
İtalya, İspanya, Portekiz, Yunanistan ve Türkiye’ye ait Kredi Temerrüt Takasları ile
döviz kuru ilişkisini görebilmek amacıyla bu iki değişken arasında volatilite tespit
edilip, bu volatilite modellenmiştir. Analiz zaman aralığı olarak 04.10.2004 ile
31.12.2012 dikkate alınmıştır. Kurlara ait veriler konusunda, Türkiye için dolar/TL
paritesi dikkate alınırken, diğer ülkelerin hepsinde para birimi euro olduğun dolayı
orada
dolar/euro
paritesi
kullanılmıştır.
KTT
baz
puanları
http://www.bloomberght.com/ adresinden elde edilmiştir. Kurların kapanış değerleri
http://tcmb.gov.tr adresinden elde edilmiştir.
Döviz kuru ve KTT baz puanlarına ait volatilitenin modellenmesinin
hedeflenildiği uygulamada veriler zaman serisi özelliği taşıdığından dolayı öncelikle
temel istatistik testiyle normallik testinin yapılmasının ardından durağanlıklarına
bakılmıştır. Sonrasında volatilite modellemesinde kullanılan GARCH yöntemini
uygulamak için modelin doğrusal olmaması gerektiğinden dolayı, doğrusallığı test
etmek adına Ramsey Reset testi yapılmıştır. Daha sonra, GARCH testine geçmeden
önce ise, volatilitenin varlığı ARCH (Autoregressive Conditional Heteroscedasticity)
ve WHITE testleriyle tespit edilmiştir.
olarak kabul edilmiştir.
Bütün çalışmada anlamlılık düzeyi %10
Volatilitenin modellenmesi kısmına geçmeden önce hem zaman serilerinin
hem de yöntemin varsayımlarını karşılamak adına bir takım testler uygulanmıştır. Bu
doğrultuda, durağanlık zaman serileri söz konusu olduğunda, ilk uygulanması gereken
testtir. Eğer değerlerin dağılımı zaman geçtikçe aynı kalıyorsa, ve y ise belirli bir
zaman aralığında çok sapma göstermiyorsa, veriler durağan demektir. Verisetinin
durağan olması için, sabit bir ortalamaya, sabit bir varyansa ve sabit bir otokovaryans
yapıya sahip olması gerekir.
Durağanlığın tespiti için Augmented Dickey Fuller testi uygulanmıştır. Her
bir veriseti için hipotezler şu şekilde kurulmuştur:
H₀= Seride birim kök vardır.
H₁= Seride birim kök yoktur.
Serilerde birim kökün olmaması demek, serilerin durağan olduğu anlamına
gelmektedir. Yani serilerin durağan olması için, seride birim kökün olduğunu iddia
eden, H₀ hipotezinin reddedilmesi gerekmektedir. KTT ve döviz kuruyla ilgili olarak
ham veriler tüm ülkelerde durağan çıkmadığı için, büyüme oranları alınarak ADF
durağanlık testine tabi tutulmuş, ve serilerin her birindeki olasılık değerleri, anlamlılık
seviyesinden
küçük
olması
nedeniyle
H₀
hipotezi
reddedilerek
serilerin
durağanlaştırıldığı sonucuna ulaşılmıştır.
Veriler, durağanlaştırıldıktan sonra, volatilitenin modellenmesi ve GARCH’ın
uygulanıp, uygulanamayacağının karar verilmesi adına modelin doğrusallığına karar
verilmesi gerekmektedir. Modelin doğrusallığı en basit haliyle Ramsey Reset ile test
edilebilir. Böylece yönteme devam edip, edilmeyeceğine karar verilecektir.
Ramsey Reset testi sonucunda F testi olasılık değeri,
belirlenen anlamlılık
düzeyinden küçük olursa H₀ hipotezi reddedilir ve modelin doğrusal olmadığına karar
verilir. Ramsey Reset testinde hipotezler şu şekilde kurulur:
H₀= Değişkenler arasında doğrusal bir ilişki vardır.
H₁= Değişkenler arasında doğrusal bir ilişki yoktur.
Ramsey Reset Test Sonuçları
İTALYA
İSPANYA
PORTEKİZ
TÜRKİYE
YUNANİSTAN
F- testi
0,001718
1,288660
4,002778
6.629712
0,041401
(olasılık
(0,9669)
(0,2564)
(0,0456)
(0.0101)
(0,8388)
değeri)
Buna göre Türkiye’ye ve Portekiz’e ait KTTyi ve kuru barındıran modelde F
istatistiğinin olasılığı, anlamlılık düzeyinden küçük olduğu için H₀ reddedilir ve bu
modellerin doğrusal olmadığına karar verilir. Dolayısıyla, volatilitenin tespitine
yönelik sadece Portekiz ve Türkiye ile analize devam edilecektir.
Modelin doğrusal olmadığına karar verildikten sonra, doğrusal olmayan tek
değişkenli modellerde kullanılan GARCH (Generalized Autoregressive Conditional
Heteroskedasticity) modeli uygulanacaktır. Ancak öncesinde volatilitenin varlığının
tespiti için ARCH ve WHITE testleri yapılacaktır. Her iki testte de hipotezler şu
şekilde kurulur:
H₀= Sabit varyans vardır
H₁= Sabit varyans yoktur
Test sonuçlarına göre, Ki-Kare testinin olasılık değeri, anlamlılık düzeyinden
küçük ise, H₀ reddedilir ve sabit varyansın olmadığı sonucuna varılır, dolayısıyla sabit
varyansın olmaması sonucu serilerdeki volatilitenin varlığına işaret eder.
Portekiz ve Türkiye’ye ait ARCH ve WHITE Testleri Sonuçları
PORTEKİZ
TÜRKİYE
ARCH
1.270621
47,18198
F-statistic
(0.2738)
(0,0000)
WHITE
0.018078
1,71888
F-statistic
(0.9821)
(0,0000)
ARCH ve WHITE testi sonuçlarına göre, Portekiz modelinde volatilite
olmadığına karar verilir. Türkiye örneğine ait ARCH ve WHITE testlerinin sonuçları
incelendiğinde, her ikisine ait Ki-Kare olasılık değerlerinin (0,000)
anlamlılık
düzeyinden olduğu görülür; dolayısıyla H₀ hipotezi reddedilerek, sabit varyansın
olmadığı yani volatilitenin var olduğu sonucu ortaya çıkar.
Volatilitenin varlığının tespitinin ardından, doğrusal olmayan tek değişkenli
modellerin analizinde kullanılan GARCH (Generalized Autoregressive Conditional
Heteroskedasticity) ile volatilite modellenecektir.
Buna göre, ARCH ve WHITE testleriyle volatilitenin varlığı, incelenen
ülkelerden yalnızca Türkiye örneğinde tespit edilmiştir, bu nedenle sadece ona ait
volatilite modellemesi yapılabileceği ortaya çıkmaktadır. Diğer ülkelerde volatilite
olmadığı için, onlarda GARCH uygulanmamıştır.
Türkiye örneğinde, volatilite modellenmesinde ayrı ayrı gecikme aralıkları
denenerek en uygun model bulunmuştur. Buna göre, GARCH (1,2) ve GARCH(3,1)
modellerinden anlamsız katsayılar olduğu için daha ileri gidilmemiş ve GARCH (2,1)
modelinin optimum model olduğuna karar verilmiştir.
Türkiye’ye ait GARCH Modellerinin Değerleri
GARCH(1,1)
GARCH(1,2)
GARCH(2,1)
GARCH(3,1)
C
0.0000
0.0000
0.0000
0.0000
RESID(-1)^2
0.0000
0.0000
0.0000
0.0000
RESID(-2)^2
0.0000
0.0061
0.4295
RESID(-3)^2
0.0002
GARCH(-1)
0.0000
GARCH(-2)
0.1470
0.0000
0.0000
Söz konusu modelde, ARCH diye adlandırılan hata terimlerinin karelerinin
gecikmeleri ile GARCH diye adlandırılan koşullu varyansın gecikmelerine ait
katsayıların toplamı, direnç katsayısını verir. Bu modelde direnç katsayısı, RESID(1)^2+ RESID(-2)^2+ GARCH(-1) katsayıların toplamından elde edilmektedir. İşlem
yapıldığında direnç katsayısı toplamının 0,9771 olduğu görülmektedir. Modelin
volatilite şoklarına gösterdiği direnç, direnç katsayısının 1’e yaklaşmasıyla
ölçülmektedir. Direnç katsayısı 1’e yaklaştıkça, şokların direnci artar ve sonuç olarak
ortalamaya geri dönüşler daha uzun sürede olur. Bu katsayı ne kadar büyük olursa,
çok büyük pozitif ya da negatif getirilerin ileriki tahminlerin varyansı geciktirilmiş
dönem için yüksek olmasına neden olur. Bu durumda, Türkiye’ye ait modele direnç
katsayısı 1’e yakın olduğundan dolayı, meydana gelen şokların dirençli olduğunu ve
ortalamaya geri dönüşlerin zaman aldığını söylenebilir. Direnç katsayısı büyük
olmasına karşın, modelin sabitine ait katsayı oldukça küçüktür.
Aylık Verilerle Yapılan Uygulama
Çalışmanın bu kısmında aylık veriler ile çalışılmıştır. Çalışmaya konu olan ülkelere
ait KTT baz puanları ile işsizlik, uzun dönemli faiz oranları, enflasyon ve cari açık
arasındaki nedensellik ilişkisine bakılmıştır. Bunun için granger-nedensellik yöntemi
kullanılmıştır. Çalışmada, İtalya, İspanya, Portekiz ve Yunanistan için günlük
verilerde kullanılan zaman aralığı (Ekim 2004- Aralık 2012) kullanılmıştır.
Türkiye’de ise uzun dönemli faizin 2005 Aralık ayında başlaması nedeniyle Aralık
2005 ile Aralık 2012 zaman aralığı kullanılmıştır. Değişkenlerden Kredi Temerrüt
Takasına ait veriler yine http://www.bloomberg.com
dönemli faiz, işsizlik ve enflasyon oranları
adresinden alınırken, uzun
http://epp.eurostat.ec.europa.eu
adresinden, cari açıkla ilgili veriler ise http://tradingeconomics.com adresinden
alınmıştır.
Ampirik bulgulara geçmeden önce, zaman serilerinin gereği olan durağanlık testleri
yapılmış, durağan olmayan seriler durağanlaştırılmıştır. Sonrasında granger
nedensellik testi için modelin doğrusal olması şartının aranması nedeniyle Ramsey
Reset testi yapılmıştır.
Ramsey Reset test sonuçları
İtalya
İspanya
Portekiz
Türkiye
Yunanistan
F-istatistiği
0,236691
2,796559
1,393542
1.145835
0,096606
(olasılık
(0,6278)
(0,0979)
(0,2408)
(0.2878)
(0,7566)
değeri)
Buna göre İtalya, Portekiz Türkiye ve Yunanistan ülkeleri için F testine ait
olasılık değerleri, çalışmada anlamlılık düzeyinden büyük olması nedeniyle H₀
hipotezi reddedilemez ve değişkenler arasında doğrusal bir ilişki olduğu sonucuna
varılır. İspanya’da ise F testi olasılık değerinin (0,0979), anlamlılık düzeyi olarak
kabul edilen %10’dan küçük olması nedeniyle H₀ hipotezi reddedilir ve değişkenler
arasında doğrusal bir ilişki olmadığı sonucuna ulaşılır. Böylece İspanya analizden
çıkarılır.
Değişkenler arasındaki ilişkisinin doğrusal olduğu sonucuna ulaşılması,
kurulan model konusunda yol gösterecektir. Bu durumda doğrusal ilişkiler için
kullanılan Granger-Nedensellik testinin uygulanması, değişkenlerimizin yapısı
itibariyle uygun olduğu sonucunu ortaya çıkmaktadır. Ancak granger nedensellik testi
öncesinde VAR (Vektor Autoregressive Model) yöntemiyle optimal gecikme
uzunluğunun (lag) , her model için belirlenmesi gerekmektedir. Bu çalışmada optimal
gecikme uzunluğu Akaike Schwarz Kriteri’ne göre belirlenmiştir. Bütün ülkeler
için,1-7 arası tüm gecikme uzunlukları denenmiş ve bunların arasından en küçük
değere sahip olan belirlenmiştir. Buna göre, İtalya için 2., İspanya için 1, Portekiz için
1, Türkiye için 2, Yunanistan için 1. gecikme uzunlukları, optimal olarak kabul edilir.
Granger- nedensellik testinde, değişkenlerin sadece KTTlerin nedeni olma
durumlarına değil, aynı zamanda birbirleriyle olan granger nedensellik ilişkilerine de
bakılmıştır. Böylece krizi tetikleyen makroekonomik değişkenlerin birbirleriyle olan
etkileşimleri de analiz edilmiştir. Hipotezler şu şekilde kurulmuştur:
Ho: X₁ değişkeni X₂ değişkeninin nedeni değildir.
H₁: X₂ değişkeni X₁ değişkeninin nedenidir.
F-testine ait olasılık değeri, anlamlılık düzeyinden küçükse Ho reddedilir ve
X₁ değişkeninin X₂ değişkeninin nedeni olduğu sonucuna varılır. Ancak eğer tam
tersiyle Ho reddedilemez ve X₁ değişkeninin X₂ değişkeninin nedeni olmadığı
sonucuna varılır.
İtalya için granger nedensellik testi sonuçları
İtalya’nın granger nedensellik testi sonucuna göre, işsizlik uzun dönemli
faizin, uzun dönemli faiz cari açığın, cari açık da enflasyonun granger nedenidir
sonucu ortaya çıkmaktadır.
İtalya’daki işsizlik son dönemde 1992’den beri en yüksek seviyelere
ulaşmıştır. Çalışmanın başlangıç tarihi olarak kabul edilen Ekim 2004’de 7,9 iken,
çalışmanın bitiş tarihinde 11,3’e ulaşarak bu zaman aralığının en yüksek seviyesine
gelmiş bulunmaktadır.
Makroekonomik değişkenlerden büyüme ve işsizlik arasında çok yakın bir
ilişki vardır. Bir ülkede ekonomik büyüme varsa, daha fazla kapasiteyle çalışılacak,
bu durumda da yeni işgücüne ihtiyaç olacak yani istihdam artacak demektir.
Dolayısıyla büyüme ve işsizlik ters orantılıdır. Eğer ülkede büyüme seyretmiyorsa
yeni yatırımlar olmayacak ancak şirketler kapanmayıp sonucunda içi çıkarımları
olmasa bile yeni bir nüfus yetiştiğinden işsizlik oranı yine de artacaktır. Ülke krizde
olduğundan dolayı, borçları kapatmak adına yüksek faiz oranlarına maruz kalmıştır.
Büyüme olmadığından dolayı ihracat istenilen düzeyde yapılamayacak bu da cari
açığın artmasına neden olacaktır. İhracat olmayacağı için de, ülke ihtiyaçlarını ithal
mallarla karşılamaya çalışacak bu da malların fiyatının yükselmesine neden olacaktır.
Böylece enflasyon da yükselecektir.
Portekiz için granger nedensellik testi sonuçları
Portekiz’in granger nedensellik testi sonucuna göre, işsizlik Kredi Temerrüt
Takası’nın ve enflasyonun granger nedenidir sonucu ortaya çıkmaktadır.
Euro
Bölgesi’nde Yunanistan’dan sonra en fazla problem yaşayan ülke olan Portekiz,
1999’da euronun ilk kullanıldığı ülkeler arasında yer almış ve 1990’lı yıllarda da
AB’nin Ekonomik ve Parasal Birliği’ni ifade eden Maastricht Kriterleri çerçevesinde,
ekonomik politikalarını yönlendirmiştir. Bu doğrultuda düşük faiz oranları avantaj
gibi görünürken dezavantaja dönüşmüştür. Tüketici ve iş güvenliği dalgalanma, kredi,
yatırım ve devlet vergi gelirlerinde ise patlama yaşanmıştır. Böylece hayali servet
etkisi oluşmuş ve devlet politikalarını kamu harcamalarını ve yatırımlarını arttırma
yönünde ilerletmiş ve asıl olması gereken yapısal reformlar ötelenmiştir. (Esen, 2011)
Zaten ülkede hali hazırda olan krizin temeli kamu borcuna dayanmaktadır. Zamanında
ülkenin büyümesini sağlayacak sektörlere yatırım yapılmamış, var olan servet kamu
harcamalarına yatırıldığı için, büyüme gerçekleşmemiş, aksine küçülme ya da
firmaların iflası gerçekleşmiştir. Bunun üzerine işten çıkarılmalar artmıştır ve işsizlik
daha da artmıştır. Örneğin çalışmanın başlangıç tarihi olan Ekim 2004’de işsizlik
oranı %7, 8 iken, çalışmanın içerdiği son tarih olan Aralık 2012’de işsizlik bu zaman
aralığında tavan yapmış ve %17,6’ya ulaşmıştır. Portekiz’e ait granger testinin
sonuçlarına göre kötü giden bu ekonomi işsizliği yaratmış ve işsizliğin günden güne
artması ülkenin temerrüde düşme olasılığını arttırdığından Kredi Temerrüt Takasları
da yükselmiştir. Ayrıca büyümenin olmamasının neden olduğu işsizlik ekonominin
zaten kötü olduğuna işaret etmektedir. Portekiz’in durumunda ülkenin kamu borcunu
azaltmaya yönelik yaptığı uygulamalardan bir de fiyatları arttırmaktı bu da
enflasyonun yükselmesine neden oldu. Dolayısıyla işsizlik, enflasyonu getirdi.
Türkiye için granger nedensellik test sonuçları
Türkiye’nin granger nedensellik testi sonucuna göre, KTT, uzun dönemli faiz
ve cari açığın, işsizlik cari açığın, cari açık uzun dönemli faiz oranının, enflasyon
faizin granger nedenidir sonucunun çıkmasının yanı sıra, KTT ile işsizlik arasında ve
enflasyon ile cari açık arasında da çift yönlü granger nedensellik ilişkisi olduğu
gözlenmektedir.
Makroekonomik değişkenlerin aslında bir bütün ve birçoğunun birbiriyle
ilişkisinin olduğu Türkiye örneğinde görülmektedir. Öncelikle KTT baz puanlarında
meydana gelen değişiklik faizlerde meydana gelen değişikliklere de yansımaktadır.
Ülkenin temerrüde düşme durumunun olduğunu belli eden KTT değişkeni eğer
yüksekse, ülkenin ekonomisinin riskli olduğu anlaşılır. Bu durumda ülkenin aldığı
borçları
ödeyememe
ihtimali,
borç
veren
ülkeler
tarafından
daha
fazla
düşünülmektedir. Bu durumda çeşitli nedenlerle bu ülkeye borç verilse de, bu durum
risk taşıdığından faiz yüksek tutulacaktır. Türkiye örneğinde de KTT baz puanlarının
yüksek olması, ekonominin kötü olduğunu ve ülkenin batma riskinin yüksek
olduğunu göstermektedir. Aynı şekilde düşük olması da ülkenin batma riskinin düşük
olduğuna işaret eder. KTT baz puanların düşüşte ya da yükselişte olması, aynı şekilde
uzun dönemli faiz oranlarını etkileyecektir.
Aynı şekilde, KTT baz puanlarında
meydana gelen değişiklik cari açığı etkileyecektir. Ülkede KTT baz puanlarının
yükselmesi, ülkeye olan güveni sarsacağından dolayı; diğer ülkelerin bu ülkeyle
yapacağı ticaret de sekteye uğrayacaktır. Bu da cari açıkta değişiklik meydana
getirecektir. Geçmiş verilere bakıldığında Türkiye’deki hem KTT hem de cari açık
değerleri büyük dalgalanmalar göstermektedir. Bu da birbirlerinden kolayca
etkilenebildiklerine işaret eder. Ayrıca cari açıkta bir değişiklik meydana geldiğinde
bu aynı zamanda uzun dönemli faizleri de etkilemektedir. Türkiye’de uzun yıllardır
aşılmaya çalışılan işsizlik sorunu, yeterince yatırım yapılmadığını göstermektedir.
Yatırım olmazsa, büyüme gerçekleşmez; bu durumda yeni istihdam alanlarına ihtiyaç
ve arkadan gelen nüfusa iş alanları doğmadığından işsizlik artar. KTT baz puanlarının
yüksek olması, ülkenin temerrüde düşme riskinin arttıracağı, ticari ilişkilerin azaldığı
ve ülkede cari açığın artmasının sonucunda, bu ülkeye diğer ülkelerden yatırım da
yapılmaz ve bu nedenle ülke büyüyemeyeceği için işsizlik de artar. Enflasyon ve faiz
ilişkisinde,
hangi
süregelmiştir.
değişken
hangisinin
sonucu
olduğunun
tartışılması
hep
Türkiye’de dönem dönem çift haneli rakamlarla telaffuz edilen
enflasyon, Nisan 2012’den beri büyük gelişme kaydederek son zamanlarda kontrol
altına alınmıştır. Ancak enflasyonda yaşanan değişiklikler ülkedeki uzun dönemli
faizleri de etkilemektedir. Bunun ötesinde aynı şekilde cari açıktaki değişiklikleri de
tetiklemektedir. Türkiye’ye ait modelde, enflasyon ve cari açık arasında çift yönlü bir
ilişkinin olması bu iki değişkenin birbirinden etkilendiğini göstermektedir. Yani
ülkede enflasyonda meydana gelen değişiklik ülkenin ticari ilişkilerini etkilediği gibi,
örneğin KTT baz puanlarında meydana gelen değişiklik nedeniyle ticari ilişkilerin
etkilenmesi sonuncunda da enflasyonda değişiklikler oluşabilmektedir. Son olarak
işsizlik ile KTT ilişkisine değinmek gerekirse, bu iki değişken arasında çift yönlü
nedensellik ilişkisi olduğundan dolayı, biri birinin nedeni denilmekten çok, ikisinin de
birbirinden etkilendiğini söylemek daha doğru olacaktır. Ülkede ekonominin durgun
olması, büyümenin olmamasına dolayısıyla yeni iş sahalarının yaratılamamasına ve
bunun sonucunda da ülkede işsizliğin olmasına neden olacaktır. Ülkede işsizlik varsa
ekonomi daha da kötüye gideceğinden ülkenin temerrüde düşme riski artacak ve bu
da KTT baz puanlarına yansıyacaktır. Aynı şekilde ülkenin ekonomisi kötüye
gidiyorsa KTT baz puanlarına yansıyan ülkede kredi olayının gerçekleşmesine dair
düşünce, bu ülkeye yerli ve yabancılar tarafından yapılan yatırımları etkileyecektir.
Yatırım yapılmaması ise, işsizliğe neden olacaktır.
Yunanistan için Granger nedensellik test sonuçları
Yunanistan’ın granger nedensellik testi sonucuna göre, uzun dönemli faiz
KTTnın, KTT ise işsizliğin granger nedenidir sonucu ortaya çıkmaktadır. Ülkenin
borçlarının artması, çözüm sürecini zorlamayı getirecektir. Ekonomisi kötüye giden
ülke, başka kuruluşlardan borç alarak yeniden yapılanmaya gidecektir. Ancak
borçların alınması da uzun dönemli faizlerin artması sonucunu getirecektir. Bu
durumda ülkenin temerrüde düşmesi konusundaki görüş artacak ve de Kredi Temerrüt
Takasları yükselecektir. Bu durum tam da Yunanistan’ın yaşadığı durumdur. Ülke
borçlarını ödeyememekte ve uzun dönemli faizi artış göstermektedir. Çalışmanın
başlangıç verisi olarak kabul edilen Ekim 2004’de ülkeye ait uzun dönemli faiz %4,11
iken, Haziran 2012’de %27,82 ile tavan yapmış ve çalışmanın son verisi olarak kabul
edilen Aralık 2013’te ise %13,33’e gelmiştir. Aynı şekilde ülkeye ait Kredi Temerrüt
Takaslarının da aylık ortalamaları, Ekim 2004’de 7,414, Aralık 2013’de Uzun
dönemli faizin artması yayınlanan bir rapora göre, 10356, Aralık 2013’de ise 4538
olarak seyretmiştir. Kredi Temerrüt Takaslarının yüksek olması ülkenin yatırımcılar
tarafından kredi olayının gerçekleşeceğine inanılmasına neden olunur ve bu ülkeye
yatırım yapılmaz. Yatırım yapılmadığı zaman ülkede büyüme gerçekleşmez, büyüme
gerçekleşmediği zaman ise işsizlik artar. Bu durumda, Yunanistan’ın durumu granger
nedensellik sonucunu desteklemektedir. Ülkede ekonominin kötü gitmesi, ülkeyi
yeniden yapılanmayla karşı karşıya bırakmış, bu durumda ülkenin uzun dönemli
faizleri artmıştır. Uzun dönemli faizlerin artması da ülkedeki ekonominin kötüye
gittiğini işaret ettiğinden dolayı temerrüt riskini fazlalaştırdığından KTT baz
puanlarının artmasına neden olmuştur. Bu durumda yatırımcılar ülkeyi riskli olarak
değerlendirdiklerinden, ülkeye yeni yatırım yapılmamış aksine birçok işletme
küçülme ve kapanmaya ve hatta iflasa gitmiş bunun üzerine de işsizlik artmıştır.
Tüm Ülkeler Bazında Genel Değerlendirme
Avrupa Birliği’ni tartışmalara sürükleyen krizde büyük rol oynayan AB
ülkelerinden
İtalya,
İspanya,
Portekiz
ve
Yunanistan
ile
Türkiye’nin
karşılaştırılmasını amaçlayan çalışmanın bu kısmında, ülkelerdeki kriz konusunda
temel göstergelerin hem birbirleriyle hem de KTTler ile ilişkisi incelenmiştir. Her
ülkenin ekonomik dinamikleri farklı olduğundan, çıkan sonuçların da her ülkede
farklılık göstermesi şaşırtıcı olmamıştır. Örneğin, en basit haliyle şu anda AB’de
özellikle Akdeniz ülkelerinde süregelen krizin nedeni kamu borcuyken, Türkiye’de
süregelen krizin nedeni reel sektöre ait borçtur. Türkiye’ye ait KTTler çalışmanın
başlangıcı olarak kabul edilen Ekim 2004’den diğer ülkelere göre yüksek seyredip,
sürekli inişli çıkışlı bir grafik çiziyorken, diğer Akdeniz ülkelerinde sürekli artan bir
grafik
çizmiştir.
Nedensellik
testi
sonuçları
doğrultusunda,
aslında
tüm
makroekonomik değişkenlerin birbiriyle ilişkisi olabileceğini, dolayısıyla bunların
trendlerini bir arada incelemek gerekmektedir. Nedensellikler kimilerinde tek yönlü
ortaya çıkarken, kimilerinde de çift yönlü oluşabilmektedir. Bunun nedeni de, daha
önce de belirtildiği gibi, ülkelere ait ekonomik dinamiklerin farklı olduğudur.
Sonuç
Bu çalışmanın amacı, KTTlere etki eden değişkenleri saptamak ve bu yönde
yatırımcıların aldıkları riskin temeline karşı yol gösterici nitelikte literatüre katkıda
bulunmaktır. Bu doğrultuda iki farklı uygulama yapılmıştı
Uygulamanın ilk kısmında, çalışmada kullanılan zaman aralığındaki bahsi
geçen ülkelere ait günlük KTT baz puanları elde edilip, döviz kuruyla olan
volatilitesine bakılması ve eğer varsa bu volatilitenin modellenmesi hedeflenmiştir.
PIGS ülkelerinin hepsi Euro Bölgesi’nde olup euro/dolar paritesi, Türkiye için ise
TL/dolar paritesi kullanılmıştır. Döviz kurlarının KTT ile volatilitesine bakıldığında
PIGS ülkelerinde volatilitenin varlığı tespit edilemediğinden dolayı, ARCH ve
WHITE testleriyle yalnızca Türkiye’de tespit edilen volatilite GARCH ile
modellenmiştir. İncelenen PIGS ülkelerinde volatilitenin var olmadığına dair aynı
sonucun çıkmasının nedeni, ülkelerin para birimlerinin aynı olması ve ülkelere ait
KTT’nın ise aynı yönde, sürekli artan bir davranış sergilemesidir. Türkiye’de döviz
kuru ve KTT ilişkisinde volatilite çıkmasının nedeni ise her iki değişkenin de daha
dalgalı bir yapıya sahip olmasıdır. Bunun nedeni ise, ülkedeki ekonominin daha
hareketli olması olarak açıklanabilir.
Uygulamanın ikinci kısmında ise, yine aynı ülkelere ait KTTler ile enflasyon,
işsizlik, uzun dönemli faiz oranı ve cari açıkla sınırlandırılmış makro ekonomik
değişkenleri arasındaki ilişkiye granger nedensellik testiyle bakılmıştır. Bu kapsamda
bütün ülkelere granger nedensellik testi uygulanmış ve kimi ülkelerin değişkenleri
arasında tek yönlü, kimilerininkinde ise çift yönlü nedensellik saptanmıştır.
Her
ülkenin ekonomik dinamikleri farklı olduğundan, çıkan sonuçların da her ülkede
farklılık göstermesi aslında beklenen sonuçtan çok da farklı değildir. Örneğin, en
basit haliyle şu anda AB’de, özellikle Akdeniz ülkelerinde, süregelen krizin nedeni
kamu borcuyken, Türkiye’de süregelen krizin nedeni özel sektöre ait borçtur.
Türkiye’ye ait KTT’ları çalışmanın başlangıcı olarak kabul edilen Ekim 2004’den
diğer ülkelere göre yüksek seyredip, sürekli inişli çıkışlı bir grafik çiziyorken, diğer
Akdeniz ülkelerinde sürekli artan bir grafik çizmiştir. Nedensellik testi sonuçları
doğrultusunda, aslında tüm makro ekonomik değişkenlerin birbiriyle ilişkisi
olabileceğinden, bunların trendlerini bir arada incelemek gerekmektedir.
Sonuç olarak, Ülkelere ait KTTlere etki eden pek çok unsurun olmasının
yanısıra, her ülkeye ait KTT trendi ülkelerin dinamiklerinde meydana gelen
farklılıklardan dolayı aynı seyretmemektedir ve her ülkede KTTye etki eden unsurlar
farklılık gösterebilmektedir.
Kaynakça
Abid, F., Naifar, N.:
“The Determinants of Credit Default Swap Rates: An
2006
Explanatory Study”, International Journal of Theoretical and
Applied Finance-Sayı 9/1, 23-42
Akçay, M.,B., Kasap,
“Türev Piyasalar ve Yapılandırılmış Ürünler, Scala Yayıncılık
M., Doğuç, T., Kasap, G.
: 2012
Alfonso, A., Gomes, P.,
“Short- and Long- Run Determinants of Sovereign Debt Credit
Rother, P. :2011
Ratings”. International Journal of Finance and Economics, Wiley
Online Library, 16,1-15
Altman, E., Brady, B.,
“The Link Between Default and Recovery Rates: Theory,
Resti, A., Sironi, A.:2005
Empirical Evidence, and Implications”. Journal of Business, Sayı
78/6, 2203-2228..
Arslan, İ. :2006
“Analysis of Credit Default Swaps in Turkey”
Batta, G. : 2011
“The Direct Relevance of Accounting Information for Credit
Default Swap Pricing, Journal of Business Finance&Accounting,
38/9, 1096-1122
Benkert, C. :2004
“Explaining Credit Default Swap Premia”, The Journal of Future
Markets, 24/1, 71-92
Bharath, S., Shumway,
“Forecasting Default with the Merton Distance to Default Model.
T. :2008
Blanco, R., Brennan, S.,
“An Empirical Analysis of the Dynamic Relation between
Marsh, I.W., :2006:
Investment-Grade
Bonds
and
Credit
Default
Swaps”.
International Journal of Finance. 60/5, 2255-2281
Bobersk, D., : 2009
CDS Delivery Option- Better Pricing of Credit Default Swaps”.
Bloomberg Press New York.
Bolak, M.: 2004
“Risk ve Yönetimi”, Birsen Yayınevi,
Brandorf, C., Holmberg,
“Determinants of Sovereign Credit Default Swap spreads for
J., : 2010
PIIGS- A macroeconomic approach”, Lund University Bachelor
Thesis
CAO, C., Yu, F.,
“Pricing Credit Default Swaps with Option- Implied Volatility”,
ZHONG, Z., :2011
Financial Analysis Journal, Sayı: 67/4, 67-76
Choudhry, M., : 2004
“An Introduction to Credit Derivatives”, Elsevier ButterworthHeinmann
Consigli, G.,: 2004
“Credit Default Swaps and Equity Volatility: Theoretical
Modelling and Market Evidence”, Working Paper
Demir, F., Karabıyık,A.,
ABD Mortgage Krizi
Ermişoğlu,E., Küçük,A.:
2008
Doğru, H.,: 2007
Menkul Kıymetleştirme&Mortgage Genel ve Hukuki Esaslar,
Doğru Hukuk Yayınları, 2007, İstanbul. S: 3
Ehlers, P., Schönbucher,
“The Influence of FX Risk on Credit Spreads”,
P.: 2006
Erdönmez P. A., 2006
Aktif Menkul Kıymetleştirmesi, Türkiye Bankalar Birliği,
Bankacılar Dergisi, Sayı 57, 75-84
Ericsson,J., Jacobs, K.
“The Determinants of Dredit Default Swaps Premia”. Stockholm
Oviedo, R. : 2005
Institute for Financial Resarch, Sayı 32, Research Paper
Ersan, i., Günay, S., :
“Kredi Riski Göstergesi Olarak Kredi Temerrüt
2009
Swapları (CDSs) ve Kapatma Davasının Türkiye Riski Üzerine
Etkisine Dair Bir Uygulama, Bankacılar Dergisi- 79
Esen, N., Y., : 2011
“Portekiz Ülke Raporu”, “T.C. Başbakanlık Dış Ticaret
Müsteşarlığı İhracatı Geliştirme ve Etüd Merkezi”, Ankara
Gaillard, N. : 2012
“A Century of Sovereign Ratings”, Springer
GAPEN, M., GRAY, D.,
“Measuring and Analysing Sovereign with Contigent Claims”,
LIM, C. H., XIAO, Y. :
IMF Staff Paper, Sayı: 55, 109-148
2008
Greatrex, C., A.,2009
“Credit Default Swap Market Determinants”, The Journal of
Fixed Income, s: 19-32
Gregory, J. :2010
“Counterparty Credit Risk-The New Challe”, Wiley Finance
Gökgöz, İ., H.: 2012
“ Stochastic Credit Default Swap Pricing”, ODTÜ Yüksek Lisans
Tezi
Göksel, A., Boztosun,
“Avrupa Birliği’ne Aday Ülkelerin Finansal Risk Açısından
D.: 2004
Karşılaştırılıp
Konumlandırılması”,
Üçüncü
Sektör
Kooperatifçilik. Sayı: 93, 77-90
Güven, S., 2008
“Generic Economic Stability Index Generation for Emerging
Markets”
Hakyemez C. :2012
“Menkul Kıymetleştirmede Örnek Ülke Uygulamaları ve Türkiye
için Öneriler”, Yüksek Lisans Tezi
Houweling, P., Vorst T.
“An Empirical Comparison of Default Swap Pricing Models”,
:2002
ERIM Report Series Research in Management.
Hull, J.,C. : 2012
”Risk Management and Financial Institions”, Third Edition,
Willey Finance
Hull, J., Predescu, M.,
The Relationship Between Credit Default Swap Spreads, Bond
White, A. :2004
Yields, and Credit Rating Announcements. Journal of Banking
and Finance.
Hu, Y., Perraudin, W.
The Dependence of Recovery Rates and Defaults, Birkbeck
:2002
College, Working Paper.
Işık, N., Tünen, T.: 2010
“Türev Ürünlerin 2008 Küresel Finansal Krizindeki Rolü”,
Turgut Özal Uluslararsı Ekonomi ve Siyaset Kongresi-1, Küresel
Krizler ve Ekonomik Yönetişim Bildiriler Kitabı, ss: 836-866
Jing, H. : 2010
“Credit Derivatives and Commercial Banks’ Risk Management”
Canadian Social Science, Sayı 6/4, 194-201
Jorion, P., Zhang, G.
Good and Bad Credit Contagion: Evidence from Credit Default
:2007.
Swaps. Journal of Financial Economics
Kırankabeş, M. ,C.: 2006
Ülke Riski Kavramı, Metodolojisi ve Türkiye Değerlendirilmesi.
Mevzuat Dergisi.
Kendall, L. T., Fishmann
“A Primer on Securitization”, MIT Press
M. J. : 2000
Koçak, D., 2007
Konut Finansmanı Kanunu Öncesi ve Sonrası, Türk Uzun Vadeli
Konut Finansman Sisteminde Varlığa Dayalı Menkul Kıymetlerin
Rolü”, Beta Yayınları, s: 68-74
Koçak, D., 2007
“Konut Finansmanı Kanunu Öncesi ve Sonrası, Türk Uzun
Vadeli Konut Finansman Sisteminde Varlığa Dayalı Menkul
Kıymetlerin Rolü”, Beta Yayınları, s: 68-74
Michello, F. A., Deme,
“Communication Failures, Synthetic CDOs and the 2008
M.,: 2012
Financial Crisis”, 16/4, sayfa: 105- 121.
Özkaplan,D., : 2011
“Turkish Credit Default Swap and Relationship with Financial
Indicators”, İstanbul Bilgi Üniversitesi, Yüksek Lisans Tezi
Papaioannou, G. : 2011
Economic and Market Factors versus Credit Rating
Announcements, on Credit Default Swaps. International Journal
of Economics&Finance
Rao, K., Chavali K.,
“Credit Default Swaps: Risk Management”, SCMS Journal of
Gopinath, M., 2012
Indian Management, 102-208.
Küresel Krizin Çıkış Kaynağı, Mortgage Kredileri
Sönmez,C, : 2009
Stulz, R.:2009
Credit Default Swaps and the Credit Crisis. NBER Working
Paper Series.
Tang, D., Y., Yan, H.:
“Market conditions, default risk and credit spreads,”, Journal of
2009
Banking and Finance, Sayı: 34, 743- 753
Türk, M. : 2008
Determining Sovereign Credit Default Swap Spread by Extended
Merton Model in Selected Emerging Markets”, Işık Üniversitesi
Yüksek Lisans Tezi.
Vardareri, D., Dursun,
“Asimetrik
Bilgi
Çerçevesinde
2008
Küresel
Krizinin
G., 2010:
İncelenmesi”, The Journal of Knowlegde Economy&Knowledge
Management, Sayı: 5, 137- 150
Wang, H., Zhou, H.,
“Credit Default Swap Spreads and Variance Risk Premia”,
Zhou, Y. : 2012
Finance
and
Economics
Discussion
Series
Division
of
Research&Statistics and Monetary Affairs Federal Reserve
Board, Washington, D.SC.
Wagner, E., Selvi,Y.:
“Credit Default Swaps and Information Content”, 12. World
2008
Congress of Accountinh Historians, Sayı: III, 2242-2273
Yılmaz, G., :2012
“İpoteğe Dayalı Menkul Kıymetlerin Sermaye Piyasasındaki
Rolü”, Yüksek Lisans Tezi
EKLER
İtalya’nın Granger Nedensellik Test Çıktısı
Pairwise Granger Causality Tests
Date: 04/08/13 Time: 17:02
Sample: 2004M10 2012M12
Lags: 2
Null Hypothesis:
Obs
F-Statistic Prob.
96
0.14112 0.8686
BUY_UNEMP does not Granger Cause BUY_LONINT
2.67149 0.0746
BUY_INF does not Granger Cause BUY_UNEMP
0.06399 0.9381
BUY_LONINT
does
not
Granger
Cause
BUY_UNEMP
96
BUY_UNEMP does not Granger Cause BUY_INF
BUY_CDSORT
does
not
Granger
0.34924 0.7062
Cause
BUY_UNEMP
96
0.21989 0.8030
BUY_UNEMP does not Granger Cause BUY_CDSORT
1.73820 0.1816
CA does not Granger Cause BUY_UNEMP
0.92378 0.4007
96
BUY_UNEMP does not Granger Cause CA
0.17687 0.8382
BUY_INF does not Granger Cause BUY_LONINT 96
0.63111 0.5343
BUY_LONINT does not Granger Cause BUY_INF
0.45781 0.6341
BUY_CDSORT
does
not
Granger
Cause
BUY_LONINT
96
0.31557 0.7302
BUY_LONINT does not Granger Cause BUY_CDSORT
0.19310 0.8247
CA does not Granger Cause BUY_LONINT
1.36508 0.2605
96
BUY_LONINT does not Granger Cause CA
3.94294 0.0228
BUY_CDSORT does not Granger Cause BUY_INF 96
0.04033 0.9605
BUY_INF does not Granger Cause BUY_CDSORT
0.91039 0.4060
CA does not Granger Cause BUY_INF
96
BUY_INF does not Granger Cause CA
2.75602 0.0689
1.57096 0.2134
CA does not Granger Cause BUY_CDSORT
96
BUY_CDSORT does not Granger Cause CA
0.08936 0.9146
1.67108 0.1938
Portekiz’in Granger Nedensellik Test Çıktısı
Pairwise Granger Causality Tests
Date: 04/09/13 Time: 11:41
Sample: 2004M10 2013M01
Lags: 1
Null Hypothesis:
Obs
F-Statistic Prob.
BUY_CDSORT does not Granger Cause BUY_CA 98
0.06339 0.8018
BUY_CA does not Granger Cause BUY_CDSORT
0.04474 0.8329
BUY_INF does not Granger Cause BUY_CA
98
BUY_CA does not Granger Cause BUY_INF
0.00836 0.9273
0.00126 0.9718
BUY_UNEMP does not Granger Cause BUY_CA
98
BUY_CA does not Granger Cause BUY_UNEMP
BUY_LONINT does not Granger Cause BUY_CA
0.20973 0.6480
0.15633 0.6934
98
0.11041 0.7404
BUY_CA does not Granger Cause BUY_LONINT
1.20095 0.2759
BUY_INF does not Granger Cause BUY_CDSORT 98
0.95936 0.3298
BUY_CDSORT does not Granger Cause BUY_INF
0.23878 0.6262
BUY_UNEMP
does
not
Granger
Cause
BUY_CDSORT
98
2.79145 0.0981
BUY_CDSORT does not Granger Cause BUY_UNEMP
0.06291 0.8025
BUY_LONINT
BUY_CDSORT
does
not
Granger
Cause
98
BUY_CDSORT does not Granger Cause BUY_LONINT
0.62708 0.4304
0.23988 0.6254
BUY_UNEMP does not Granger Cause BUY_INF
98
5.10525 0.0261
BUY_INF does not Granger Cause BUY_UNEMP
0.34259 0.5597
BUY_LONINT does not Granger Cause BUY_INF 98
0.07299 0.7876
BUY_INF does not Granger Cause BUY_LONINT
0.45398 0.5021
BUY_LONINT
does
not
Granger
Cause
BUY_UNEMP
98
1.21266 0.2736
BUY_UNEMP does not Granger Cause BUY_LONINT
0.28467 0.5949
Türkiye’nin Granger Nedensellik Test Çıktısı
Pairwise Granger Causality Tests
Date: 04/15/13 Time: 11:58
Sample: 2005M12 2012M12
Lags: 2
Null Hypothesis:
BUY_INTEREST
does
not
Granger
Obs
F-Statistic Prob.
81
0.32384 0.7244
Cause
BUY_CDSORT
BUY_CDSORT does not Granger Cause BUY_INTEREST
BUY_UNEMP
does
not
Granger
13.1336 1.E-05
Cause
BUY_CDSORT
81
3.21623 0.0456
BUY_CDSORT does not Granger Cause BUY_UNEMP
3.39496 0.0387
BUY_CA does not Granger Cause BUY_CDSORT
1.39827 0.2533
81
BUY_CDSORT does not Granger Cause BUY_CA
INF does not Granger Cause BUY_CDSORT
4.38856 0.0157
81
BUY_CDSORT does not Granger Cause INF
BUY_UNEMP
BUY_INTEREST
does
not
Granger
0.24814 0.7809
0.28557 0.7524
Cause
81
1.77028 0.1772
BUY_INTEREST does not Granger Cause BUY_UNEMP
0.37479 0.6887
BUY_CA does not Granger Cause BUY_INTEREST
81
BUY_INTEREST does not Granger Cause BUY_CA
2.52594 0.0867
1.27547 0.2852
INF does not Granger Cause BUY_INTEREST
81
BUY_INTEREST does not Granger Cause INF
4.01646 0.0220
1.47961 0.2342
BUY_CA does not Granger Cause BUY_UNEMP
81
BUY_UNEMP does not Granger Cause BUY_CA
0.78392 0.4603
7.07818 0.0015
INF does not Granger Cause BUY_UNEMP
81
BUY_UNEMP does not Granger Cause INF
1.37085 0.2601
2.12502 0.1265
INF does not Granger Cause BUY_CA
81
BUY_CA does not Granger Cause INF
3.40346 0.0384
3.46153 0.0364
Yunanistan’ın Granger Nedensellik Test Çıktısı
Pairwise Granger Causality Tests
Date: 04/11/13 Time: 18:19
Sample: 2004M10 2012M12
Lags: 1
Null Hypothesis:
Obs
F-Statistic Prob.
BUY_INF does not Granger Cause BUY_CDSORT 97
0.00082 0.9772
BUY_CDSORT does not Granger Cause BUY_INF
0.06771 0.7953
BUY_LONINT
does
not
Granger
Cause
BUY_CDSORT
97
BUY_CDSORT does not Granger Cause BUY_LONINT
BUY_UNEMP
does
not
Granger
BUY_CDSORT
8.13473 0.0053
0.11266 0.7379
Cause
97
0.45683 0.5008
BUY_CDSORT does not Granger Cause BUY_UNEMP
8.27492 0.0050
CA does not Granger Cause BUY_CDSORT
0.72852 0.3955
BUY_CDSORT does not Granger Cause CA
97
0.93834 0.3352
BUY_LONINT does not Granger Cause BUY_INF 97
1.47070 0.2283
BUY_INF does not Granger Cause BUY_LONINT
0.79469 0.3750
BUY_UNEMP does not Granger Cause BUY_INF
97
BUY_INF does not Granger Cause BUY_UNEMP
CA does not Granger Cause BUY_INF
0.05582 0.8137
97
BUY_INF does not Granger Cause CA
BUY_UNEMP
does
not
Granger
BUY_LONINT
0.00688 0.9341
0.12492 0.7245
0.12098 0.7288
Cause
97
2.47205 0.1192
BUY_LONINT does not Granger Cause BUY_UNEMP
0.06739 0.7957
CA does not Granger Cause BUY_LONINT
0.92317 0.3391
97
BUY_LONINT does not Granger Cause CA
CA does not Granger Cause BUY_UNEMP
BUY_UNEMP does not Granger Cause CA
0.40502 0.5261
97
0.19718 0.6580
0.42458 0.5163