Getiri Farkı İle Sanayi Üretimi Arasında Nedensellik Analizi

Abstract

Sanayi üretimi, bir ülkenin gelişmesinde ve uluslararası alanda o ülkeye güç katan önemli bir faaliyettir. Ayrıca GSYH’nın bir birleşeni olup milli gelir büyümesine katkı sağlamakta ve diğer sektörleri de önemli ölçüde etkilemektedir. Getiri farkı veya getiri eğrisi olarak ifade edilen kavram uzun dönem ve kısa dönem faiz oranları arasındaki farktır. Getiri farkı, ekonomik performansın gelecekte nasıl olacağını tahmin etmek için kullanılır. Genel olarak ifade edildiğinde uzun vadede bir varlığın getirisinin, kısa vadeli varlığın getirisinin üstünde yer aldığı, başka bir ifade ile pozitif getiri eğrisinin olduğu durumlarda bir sonraki döneme ilişkin milli gelirde bir artış beklenilmekte, negatif getiri eğrisi olduğunda ise sonraki dönemlerde milli gelirde bir daralma yaşanabileceği beklenilmektedir. Çalışmadaki amaç, getiri farkının, sanayi üretimini etkileyip etkilemediğini, etkilemişse ne yönde etkilediğini test etmektir. Analiz verileri, Mart 2006- Ağustos 2020 dönemine ilişkin olup aylık bazda 174 adet veriden oluşmaktadır. Getiri farkını hesaplamak için uzun dönemde 5 yıllık tahvil faizi alınmış olup, kısa dönem olarak da 2 yıllık tahvil faizi kullanılmıştır. Sanayi üretimi verisi, mevsimsel arındırılmış sanayi üretimi alınarak analize dahil edilmiştir. Oluşturulan analizde ilk önce VAR modeli kurulmuş olup daha sonra Granger Nedelsellik Analizi yapılmıştır. Analizde, etki tepki grafiklerine bakılmıştır. Yapılan analizler sonucunda getiri farkıyla sanayi üretimi arasında tek yönlü nedensellik sonucuna varılmıştır. Getiri farkından sanayi üretimine doğru tek yönlü nedenselliğin olması sanayi üretiminin uzun vadede ve kısa vadede tahvil faizlerinden etkilendiğini ortaya koymaktadır.

Full text

107 19 Mayıs Sosyal Bilimler Dergisi
ISSN: 2717-736X
Cilt: 2 Sayı: 1
Makale geliĢ tarihi : 19/01/21
Makale kabul tarihi : 26/02/21
GETĠRĠ FARKI ĠLE SANAYĠ ÜRETĠMĠ ARASINDA NEDENSELLĠK ANALĠZĠ
Doç. Dr. Sibel FETTAHOĞLU
Kocaeli Üniversitesi ĠĠBF-ĠĢletme Bölümü,
stopdemir@kocaeli.edu.tr
ORCID: 0000 0003 0783 9776
Aydın ATEġ
Yüksek Lisans Öğrencisi
Kocaeli Üniversitesi, Sosyal Bilimler Enstitüsü, ĠĢletme Bölümü, Muhasebe ve Finansman
aydnates1@gmail.com
ORCID: 0000 0001 6234 6291
Öz
Sanayi üretimi, bir ülkenin geliĢmesinde ve uluslararası alanda o ülkeye güç katan önemli bir
faaliyettir. Ayrıca GSYH’nın bir birleĢeni olup milli gelir büyümesine katkı sağlamakta ve
diğer sektörleri de önemli ölçüde etkilemektedir. Getiri farkı veya getiri eğrisi olarak ifade
edilen kavram uzun dönem ve kısa dönem faiz oranları arasındaki farktır. Getiri farkı,
ekonomik performansın gelecekte nasıl olacağını tahmin etmek için kullanılır. Genel olarak
ifade edildiğinde uzun vadede bir varlığın getirisinin, kısa vadeli varlığın getirisinin üstünde
yer aldığı, baĢka bir ifade ile pozitif getiri eğrisinin olduğu durumlarda bir sonraki döneme
iliĢkin milli gelirde bir artıĢ beklenilmekte, negatif getiri eğrisi olduğunda ise sonraki
dönemlerde milli gelirde bir daralma yaĢanabileceği beklenilmektedir. ÇalıĢmadaki amaç,
getiri farkının, sanayi üretimini etkileyip etkilemediğini, etkilemiĢse ne yönde etkilediğini test
etmektir. Analiz verileri, Mart 2006- Ağustos 2020 dönemine iliĢkin olup aylık bazda 174
adet veriden oluĢmaktadır. Getiri farkını hesaplamak için, (Akkoç, 2020) makalesinde olduğu
gibi uzun dönemde 5 yıllık tahvil faizi alınmıĢ olup, kısa dönem olarak da 2 yıllık tahvil faizi
kullanılmıĢtır. Sanayi üretimi verisi, mevsimsel arındırılmıĢ sanayi üretimi alınarak analize
dahil edilmiĢtir. OluĢturulan analizde ilk önce VAR modeli kurulmuĢ olup daha sonra
Granger Nedelsellik Analizi yapılmıĢtır. Analizde, etki tepki grafiklerine bakılmıĢtır. Yapılan
analizler sonucunda getiri farkıyla sanayi üretimi arasında tek yönlü nedensellik sonucuna
varılmıĢtır. Getiri farkından sanayi üretimine doğru tek yönlü nedenselliğin olması sanayi
üretiminin uzun vadede ve kısa vadede tahvil faizlerinden etkilendiğini ortaya koymaktadır.
Anahtar kelimler: Getiri farkı, Sanayi üretimi, VAR analizi
Jel kodu: E43, G10

FETTAHOĞLU & ATEġ Causality Analysis Between Yield Curve And Industrial Production
19 Mayıs Journal of Social Sciences 108
CAUSALITY ANALYSIS BETWEEN YIELD CURVE AND INDUSTRIAL
PRODUCTION
Abstract
Industrial production is an important activity that strengthens a country in its development
and in the international arena. It is also a component of GDP and contributes to the growth of
national income and affects other sectors significantly. The concept expressed as a yield
differential or yield curve is the difference between long-run and short-run interest rates. The
yield difference is used to predict how economic performance will be in the future. Generally
expressed that a positive yield curve in other words the return of an asset in the long term is
above the return of the short term assets causes an increase in the national income for the next
period. Additionally it is expected that there may be a contraction in the national income in
the following periods when there is a negative yield curve. The purpose of the study is to test
whether the difference in income affects industrial production, and if so, in what way. The
analysis data is for the period of March 2006 - August 2020 and consists of 174 data on a
monthly basis. In order to calculate the yield difference, as in the article (Akkoç, 2020), 5-
year bond interest was taken in the long term, and 2-year bond interest was used as the short
term.Industrial production data were included in the analysis by taking seasonally adjusted
industrial production. In the created analysis, first the VAR model was established and then
Granger causality analysis was performed. Impact response graphs were examined. As a
result of the analysis, one-way causality between the difference in return and industrial
production has been concluded. The unidirectional causality from the difference in yield to
industrial production reveals that industrial production is affected by bond rates in the long
and short term.
Keywords: Yield curve, Industrial production, VAR analysıs
JEL Code: E43, G10
GĠRĠġ
Getiri eğrisi, hem gelecekteki faiz oranlarının seviyesi hem de enflasyon oranları gibi diğer
ekonomik göstergeler açısından piyasa beklentilerinin anlık bir görüntüsünü oluĢturur. Getiri
eğrisinin Ģekli ve seviyesi göz önünde bulundurularak, piyasanın geliĢimi hakkında sonuçlar
çıkarılabilir. Bu nedenle bugünkü getiri eğrisinin Ģekli gelecekte faiz oranlarının, enflasyonun
ve para politikasının yönünü ifade etmektedir. Getiri eğrisi hem piyasalar hem de merkez
bankaları tarafından takip edilen önemli bir unsurdur.
Getiri eğrisi ile ekonomik aktivite arasında bağlantı olduğu hem teorik hem de ampirik
bilgiler ve bulgularda yer almakta ve getiri eğrisinin reel ekonomik aktiviteyi tahmin gücü
konusunda farklı görüĢler yer almaktadır. GeliĢmiĢ ekonomilerde veya para piyasalarında
getiri eğrisinin ekonomik aktivite için geliĢmemiĢ ülkelere göre daha iyi sonuçlar verdiği yer
almaktadır. GeliĢmekte olan ülkelerin piyasaya müdahaleci bir yaklaĢım göstermeleri
sebebiyle pek çok ekonomik gösterge gibi faiz oranları da piyasanın öngörülen koĢullarını

FETTAHOĞLU & ATEġ Getiri Farkı Ġle Sanayi Üretimi Arasında Nedensellik Analizi
109 19 Mayıs Sosyal Bilimler Dergisi
göstermemekte, bu nedenle faiz oranları ile ekonomik aktivite arasındaki bağ zayıf
kalmaktadır (Akyıldız, 2003:5).
Getiri eğrisinin Ģekillenmesinde para politikasının etkisi olduğu savunulmaktadır. Bir ülkede
sıkı para politikasına geçildiği dönemlerde, kısa dönemli faiz oranlarının yükselmesi uzun
dönemli faiz oranlarına göre daha yüksek olduğunda getiri farkının azaldığı ve bu farkınında
negatif olduğu görülmektedir. Bununla birlikte yüksek faiz oranları olduğunda, faiz esnekliği
yüksek olması sektörlerde harcamaların azalmasını ve ekonomik daralmaya neden olmaktadır.
Bu nedenle getiri farkının negatife dönmesi gelecekte ekonomik bir daralmanın olabileceğini
göstermektedir. Ayrıca getiri farkı ekonomik büyüme konusundaki piyasa beklentisini de
göstermektedir. Uzun dönem faiz oranlarının kısa dönem faiz oranlarına göre yükselmesi
getiri eğrisinin dikleĢmesine neden olacaktır. Getiri eğrisinin dikleĢmesi gelecekteki
ekonomik aktivitenin yükselmesine neden olacaktır (Akyıldız, 2003:7). Böylelikle ekonomik
aktivitenin yükselmesi sanayi üretiminin artmasına neden olacaktır.
Bu çalıĢmanın amacı, getiri eğrisinin sanayi üretimi üzerindeki etkisini ve nedenselliğin ne
yönde olduğunu incelemektir. Yatırımcılar gelecekteki ekonomik aktivitede bir artıĢın olacağı
beklentisi içindeyse diğer yatırımlarının daha iyi performans göstermesini beklediklerinden
uzun vadeli tahviller için daha yüksek beklenti oluĢmaktadır. Yatırımcılar, ekonomide
resesyon beklentisi içindeyse riskten daha fazla kaçar. Uzun vadeli tahvillere talep artar, getiri
azalır ve getiri eğrisi düzleĢir hatta ters getiri eğrisi oluĢur. Bu nedenle hem yatırımcılar hem
para politikasını belirleyenler bu eğrilerin aldığı biçimlenmeyi dikkate alarak karar alırlar.
Bu çalıĢma üç bölümden oluĢmaktadır. Ġlk bölümde konuyla ilgili kavramlar açıklanmıĢ ve
kullanım alanlarından bahsedilmiĢtir. Ġkinci bölümde ise literatür taraması yapılmıĢ olup bu
alanda yapılan çalıĢmalardan bahsedilmiĢtir. Üçüncü bölümde ise yapılan model ve analiz
sonuçları yorumlanmıĢ ve sonuçlar değerlendirilmiĢtir.
1. KAVRAMSAL ÇERÇEVE
Getiri eğrisi ile ekonomik aktivite arasında bir bağlantı olup olmadığını incelemeden önce
birtakım temel kavramların incelenmesi gerekmektedir. Bu bölümde, getiri eğrileri ve türleri
ile getiri eğrilerinin kullanım alanlarından bahsedilmektedir.
1.1 Getiri Eğrileri ve Türleri
Getiri eğrileri, borçlanma araçlarının (devlet tahvili, hazine bonosu..vb) belli bir vadeye
kadar, sağladığı getirinin elde edilerek oluĢturduğu grafiktir. Farklı vadelerin olması menkul
değerlerde farklı getirilere neden olmaktadır. Getiri eğrileri risksiz bonoların getirileri ile bu
getirilere karĢılık gelen vadeler arasındaki iliĢkiyi ortaya koyan fonksiyondur. Bu bağlamda
getiri eğrileri üzerinde yapılan çalıĢmalar zamana bağlı fiyatlamayı ortaya koymaktadır. Getiri
eğrileri genel olarak her türlü borç sözleĢmesine dayanarak oluĢturulabilir fakat daha çok
devlet tahvili faizine dayanarak oluĢturulur (John, 2019:1). Getiri eğrileri genellikle yukarı
doğru eğimlidir. Aynı zamanda getiri eğrileri zaman zaman düzleĢir veya tersine döner. Cox
vd. (1985)’ne göre getiri eğrileri vadelerine göre farklılık gösteren temerrütsüz menkul

FETTAHOĞLU & ATEġ Causality Analysis Between Yield Curve And Industrial Production
19 Mayıs Journal of Social Sciences 110
kıymet getileri arasındaki iliĢkiyi ölçmektedir.Ayrıca, tahvil fiyatının belirlenmesinde
beklentiler, riskten kaçınma, yatırım seçenekleri ve tercihler önemli rol oynar.
Getiri eğrisi, piyasada yer alan enflasyondaki değiĢimler, reel getiri ve risk oranlarındaki
beklentilerinin toplamı olduğundan iki durumdan etkilenir: Getiri eğrisini ilk olarak uzun
dönemde etkileyen piyasa koĢullarıdır. Ġkincisi, para politikasını ve fon oranını belirleyerek
kısa vadeyi kontrol eden merkez bankasıdır. Politika faiz oranı, getiri eğrisinin tüm Ģeklini
etkilese de uzun vadedeki etkisi kısa vadeye göre daha düĢüktür. Bu sebeple, politika faiz
oranlarındaki çok hızlı bir artıĢ getiri eğrisinin tersine çevrilmesine neden olabilir. Getiri
eğrisi ile ekonomi arasındaki diğer bir iliĢki ise, gelecekte beklenilen peĢin (spot) faiz
oranlarının bugünkü vadeli faiz oranlarına eĢit olduğunu düĢündüren beklenti teorisidir.
Getiri eğrileri literatürde üç Ģekilde gösterilir: Normal, düz ve ters getiri eğrileridir. Bunun
yanında S Ģeklinde veya kambur getiri eğrisi de bulunmaktadır. Bu eğriler ġekil 1’deki gibi
gösterilmiĢtir.
Normal getiri eğrisi pozitif eğime sahiptir. Enflasyon ve büyüme oranlarında önemli bir
değiĢiklik beklenmediği, normal ekonominin olduğu durumlarda uzun dönemdeki faizlerin
kısa dönemdeki faizlerden yüksek olması durumu beklenilmektedir. Vadenin süresi uzadıkça
artan faiz riski, belirsizlik ve likidite tercihinden dolayı artan risk primi ile faiz oranları
marjinal azalan bir Ģekilde yükselir (Özcan, 2011:37). Sonuç olarak getiri eğrisinin yukarı
yönlü eğimli olmasını sağlamaktadır. Bu getiri eğrisinin yukarı yönlü olmasının temel sebebi
uzun dönemli borçlanma araçlarının kısa dönemli borçlanma araçlarına göre daha yüksek risk
primi sağlamasıdır.
Farklı vadelerdeki bono ve tahvil faizlerinin aynı olması ile birlikte getiri eğrisi düz bir seyir
izler. BaĢka bir değiĢle uzun dönem ile kısa dönem arasındaki getirilerin aynı olduğu getiri
grafiği düz getiri eğrisidir.
Kırk aylık bir bono piyasasındaki faiz oranları ile otuz aylık bono faizlerinden daha düĢük
olması durumunda eğri aĢağı yönlü eğimli veya ters getiri eğrisi Ģeklini almıĢ olur. Ters getiri
eğrisi genel olarak ekonomide durgunluk dönemlerinden önce merkez bankalarının
ekonomiyi canlı tutmak için faiz indirileceği beklentisi ile kısa vadeli bonoların satılması,
uzun vadeli bonoların alınması, kısa vadeli faiz oranlarındaki değiĢim, uzun vadeli faiz
oranlarındaki değiĢimi geçmesidir (Özcan, 2011:38). Getiri eğrisinin ters yönlü olmasının
nedenleri likidite durumunda yaĢanan problemler, enflasyon, sıkı para politikası olabilir. Bu
faktörlerin ekonomi üzerinde etkisi olduğu gibi tahvil ve bono piyasası üzerinde de olumsuz
etkileri görülmektedir.
S Ģeklinde getiri eğrisi, normal verim eğrisine sahiptir, fakat gövdesinde dıĢbükey ve içbükey
eğriler içermektedir. Ġlk büküme kadar dıĢbükey bir eğriye sahiptir ve bükümden sonra bir
içbükey eğrisi görülmektedir. Bu tür bir eğri, yatırımcıların ekonomik durgunluktan sonra
mevcut kısa faiz oranların çok düĢük olacağını ve ekonominin beklenen durumundan daha
hızlı büyüyeceğini ve aynı zamanda enflasyonun beklenmedik bir Ģekilde artacağını ifade
etmektedir (Öz, 2010:12).

FETTAHOĞLU & ATEġ Getiri Farkı Ġle Sanayi Üretimi Arasında Nedensellik Analizi
111 19 Mayıs Sosyal Bilimler Dergisi
1.2 Getiri Eğrilerinin Kullanıldığı Alanlar
Getiri eğrisi ekonomistler, sermaye piyasasındaki katılımcılar, merkez bankaları ve
yatırımcılar tarafından çeĢitli alanlarda kullanılmaktadır. Bu alanda çalıĢma yapanlar getiri
eğrisinin Ģu anki Ģekli ve düzeyi ile bu bilgilerin gelecek için ne anlama geldiği ile
ilgilenmektedir. Kullanım alanları aĢağıda açıklanmıĢtır:
Gelecekteki getiri seviyelerini göstermek için kullanılır. Getiri eğrisi, gelecekteki faiz
oranlarının piyasa beklentilerine yanıt olarak belirli Ģekiller almaktadır. Tahvil piyasası
katılımcıları, piyasa faiz oranlarının gelecekteki yönüne iliĢkin sonuçları belirlemek amacıyla
getiri eğrisinin mevcut Ģeklini analiz etmektedir. Bu durum getiri eğrisinin en önemli
fonksiyonlarından biridir. Getiri eğrisi, yalnızca tahvil ile iĢlem yapan kiĢiler ve fon
yöneticileri tarafından değil, aynı zamanda proje değerlendirme sürecinin bir parçası olarak
kurumsal finansçılar tarafından bilgi içeriği açısından incelenmektedir. Merkez bankaları ve
devlet hazine birimleri de beklenen enflasyon düzeylerine iliĢkin bilgi içeriği için getiri
eğrisini analiz etmektedir (Choudhry, 2018:278). Getiri eğrileri yatırımcılar tarafından farklı
vade çeĢitlerinde getiri farklılıklarını görmek ve arbitraj fırsatı olup olmadığını tespit etmek
için kullanılır.
ġekil 1: Getiri Eğrilerinin ġekli

FETTAHOĞLU & ATEġ Causality Analysis Between Yield Curve And Industrial Production
19 Mayıs Journal of Social Sciences 112
Uzun vade ve kısa vade için verimlerdeki farklılıklar (örneğin: 10 yıl 3 ay verim farklılıkları)
hükümetin para politikasının sıkılığını gösterebilir. Bu fark izlenebilir ve gelecek yıllarda
oluĢabilecek durgunluk tahmin edilebilir. Yukarı doğru eğimli bir getiri eğrisi, ucuz bir para
politikası ve yüksek enflasyon oranı nedeniyle yüksek faiz getirisi anlamına gelir. AĢağı
doğru eğimli verim eğrisi, sıkı bir para politikası anlamına gelir; yani, kredi olanakları çok
düĢüktür ve düĢük enflasyon oranları nedeniyle düĢük faiz oranlarıdır. Durgunluk
zamanlarında aĢağı doğru eğimli veya tersine çevrilmiĢ verim eğrileri görülebilir (Teker ve
Gümüssoy, 2004).
Türevlerin fiyatı getiri eğrisinin etrafında dönmektedir. Kısa vadede vadeli döviz sözleĢmeleri
(FRA) gibi ürünler vadeli iĢlem eğrisinden fiyatlandırılır, fakat vadeli iĢlem oranları piyasanın
vadeli 3 aylık nakit mevduat faizlerine iliĢkin görüĢünü yansıtır. Uzun vadede, faiz oranı
swapları getiri eğrisinden fiyatlandırılırken, konvertibiller ve çağrılabilir tahviller gibi bir
opsiyon özelliği içeren hibrit araçlar da mevcut getiri eğrisi seviyelerini yansıtır. Opsiyon
fiyatlamasında kullanılan parametrelerden biri olan “risksiz” faiz oranı, her ikisi de para
piyasası getiri eğrisini oluĢturan T-bonosu veya kısa vadeli devlet repo faizidir (Choudhry,
2018:279).
Bankalar ve büyük ölçekli Ģirketlerin finansman departmanlarında hazine tarafında ihraç ettiği
bonoların, iĢlem gördüğü ikincil piyasalarda, getiri eğrisindeki oluĢan fiyat, bilançonun aktif
ve pasif yönetiminde, risk yönetiminde, ileriye dönük borçlanma, portföy seçimi ve tahvil
alımının belirlenmesinde ve menkul kıymete dayalı kredilerin fiyatlanmasında kullanılır
(Özcan, 2011c:27)
2. LĠTERATÜR
Yapılan teorik ve ampirik çalıĢmalar sonucunda getiri eğrisi ile reel ekonomik aktivite
arasında bir iliĢki olduğu belirlenmiĢtir. Ancak yapılan bu çalıĢmaların sonuçları ekonomik
rejimlere ve ülkelerin yapılarına göre değiĢiklik göstermektedir. GeliĢmiĢ ve derinliği olan
ekonomilerde getiri farkının ekonomik aktiviteyi tahmin etmede geliĢmekte olan ülkelere göre
bir gösterge olduğu görülmektedir.
Estrella ve Mishkin (1998), Amerika’daki bazı resesyon dönemlerinde uzun dönemdeki faiz
oranlarının kısa dönemdeki faiz oranlarından daha az getiri sağladığı gözlemlenmiĢtir. Bunun
bir sonucu olarak ters bir getiri eğrisi oluĢmuĢtur. Getiri eğrisi ve ekonomik büyüme
arasındaki iliĢkiyi açıklayan (Stock ve Watson, 1989) çalıĢmaları literatürdeki ilk çalıĢmaların
baĢında yer almaktadır. (Stock ve Watson, 1989) çalıĢmasında öncü gösterge endekslerini
(para ve kredi, iĢsizlik, tüketim vd.) modern zaman serileri araçlarını kullanarak açıklamaya
çalıĢmıĢlardır. Bu öncü göstergeler endeksi arasında yer alan özel sektör tahvili ve devlet
tahvili; uzun dönem ve kısa dönem devlet tahvili getiri farkından elde edilen eğriyi
eklemiĢlerdir. Getiri eğrisinin reel ekonomik aktiviteyi tahmin etme gücünü detaylı bir Ģekilde
araĢtıran ve istatistiki olarak desteklenen (Estrella ve Hardouvelıs, 1991), (Nelson ve Plosser,
1982), (Plosser ve Rouwenhorst, 1994), (Davis ve Fagan, 1997) (Bernard ve Gerlach, 1998)
ilk çalıĢmalar arasında yer almaktadır.

FETTAHOĞLU & ATEġ Getiri Farkı Ġle Sanayi Üretimi Arasında Nedensellik Analizi
113 19 Mayıs Sosyal Bilimler Dergisi
Bernard ve Gerlach (1998), 1972-1993 dönemi boyunca sekiz geliĢmiĢ ülkede (Belçika,
Kanada, Fransa, Almanya, Japonya, Hollanda, BirleĢik Krallık ve Amerika
BirleĢik) durgunlukları tahmin etmeye çalıĢmıĢlardır. ÇalıĢmada, getiri eğrisinin gelecekteki
durgunlukların gerçekleĢme olasılığı olduğu söylenmektedir. Probit modelini uygulayan
yazarlar ABD ve Almanya'daki getiri eğrisinin diğer G7 ülkelerin içinde yer alan Ġngiltere ve
Japonya’daki durgunlukları önemli ölçüde tahmin etmeye yardımcı olduğunu sonucuna
varılmıĢtır.
Akyıldız (2003), çalıĢmasında en küçük kareler yöntemi ve probit model kullanarak, getiri
farkının Türkiye’deki reel ekonomik aktivite için bir öncü göstergesi olup olmayacağını
sanayi üretimini kullanarak test etmiĢtir. ÇalıĢmanın sonucunda yapılan analizler diğer ülkeler
için geçerli olan iliĢkiyi Türkiye için de doğrulamıĢtır.
Mehl (2009), bu çalıĢmada geliĢmekte olan ekonomilerde getiri eğrisinin eğiminin enflasyon
ve büyümeyi öngörüp öngörmediğini test etmektedir. GeliĢmekte olan ekonomilerdeki getiri
eğrisinin gelecekteki enflasyon ve büyüme için bilgi içerdiğini ve ülkeler arasındaki
farklılıkların görünüĢte piyasa likiditesiyle bağlantılı olduğunu ortaya koymaktadır. ABD ve
Euro bölgesi getiri eğrilerinin, geliĢmekte olan ekonomilerdeki gelecekteki enflasyon ve
büyüme hakkında bilgi içerdiği bulunmuĢtur.
Özcan (2011), çalıĢmasında Türkiye ekonomisin nasıl etkilendiğini belirlemede getiri eğrisi
ve ekonomik büyüme nedenselliği ile açıklamaya çalıĢmıĢtır. Getiri eğrisi, bir yıllık ve bir
aylık hazine bonosu faiz, farkı alınıp en küçük kareler yöntemi ile analiz edilerek
oluĢturulmuĢtur. Yapılan araĢtırmada analiz sonuçları, yapılan çalıĢmaların aksine getiri
eğrisinin ekonomik büyümeği açıklamadığı sonucuna ulaĢılmıĢtır.
Nath vd (2012)’nin çalıĢmasında analiz Hindistan ekonomisi için yapılmıĢtır.. Getiri eğrisinin
eğimi genellikle önde gelen bir ekonomik gösterge olarak kabul edilmektedir. ÇalıĢma, 10
yıllık faiz oranı ve 3 aylık spot faiz oranlarındaki farkla ölçülen getiri eğrisinin, sanayi üretim
endeksi açısından ekonomik aktiviteyi tahmin etme gücüne sahip olduğunu
göstermektedir. 1997-2011 yıllarına ait getiri eğrisi verileri kullanılarak getiri eğrisi
dağılımının gelecekteki ekonomik aktiviteyi tahmin etmek için kullanılabileceği
belirlenmiĢtir.
Møller (2014), verim yapısından gelen bilgileri kullanarak GSYĠH büyümesinin tahmin
edilebilirliğini incelemektedir. Önceki çalıĢmaların aksine, çalıĢmada verim eğrisinin
eğriliğinin verim eğrisinin eğiminden çok daha fazla tahmin gücüne katkıda bulunduğu ifade
edilmektedir. Verim eğriliği, tahvil getirilerini de tahmin ederek, beklenen tahvil getirilerinde
ve beklenen GSYĠH büyümesinde zamana bağlı olarak değiĢkenlik göstermektedir.
Boukhatem ve Sekouhia (2017), çalıĢmasın da Tunus’un tahvil getiri yapısını Probit modelleri
kullanarak aylık veriler bazında incelemiĢ ve Tunus’un ekonomisindeki durgunlukları tahmin
etmek için üç lineer olamayan model kullanılmıĢtır. Sonuç olarak getiri farkının ekonomik

FETTAHOĞLU & ATEġ Causality Analysis Between Yield Curve And Industrial Production
19 Mayıs Journal of Social Sciences 114
durgunluğu iyi açıkladığı ve bu eklenen değiĢkenlerde bu durumu daha da iyi yansıttğını
göstermektedir.
Sowmyaa ve Prasannab (2018), çalıĢmalarında Asya devlet tahvil piyasalarındaki getiri eğrisi
ve makro ekonomik faktörler arasındaki etkileĢimi incelemektedir. Asya ekonomilerinde
getiri eğrisi ile makro ekonomik faktörler arasında çift yönlü bir iliĢkinin varlığını belirlediler.
Akkoç (2020), çalıĢmasında Türkiye’nin 2006-2020 dönemindeki getiri farkı ve sanayi
üretimi arasındaki bağlatıyı incelemiĢtir. Getiri farkını hesaplamada 2 ve 5 yıllık tahvil
faizleri ele alınmıĢtır. OluĢturulan probit modelin sonuçlarına göre, getiri eğrisi ile sanayi
üretiminde yaĢanan durgunluklar ile negatif bir iliĢki olduğu sonucuna varılmıĢtır.
Kalkavan vd (2020) çalıĢmalarında 1980-2018 dönem aralığındaki yıllık veriler kullanılarak
Türkiye’deki ekonomik büyüme, bankacılık sektörü ve sanayi üretimi arasındaki iliĢkiyi
araĢtırdılar. Analizi yaparken Vektör Otoregresyon (VAR) Modeli kullanılmıĢtır. Sonuç
olarak, ekonomik büyüme ve banka kredileri arasında karĢılıklı bir iliĢki olduğu tespit
edilmiĢtir.
3. YÖNTEM ve BULGULAR
ÇalıĢmada, VAR yöntemi ile Türkiye’deki sanayi üretimi ve 2-5 yıllık tahvillerin getiri farkı
alınarak nedensellik analizi yapılmıĢtır. Bu bölümde, çalıĢmada kullanılan verilerin hangi
dönem aralığını kapsadığı ve nereden temin edildiği ve daha sonra, çalıĢmanın analiz
kısmında kullanılan yöntem açıklanarak elde edilen analiz sonuçları değerlendirilecektir.
3.1 Veri Seti ve Yöntem
ÇalıĢmanın amacı, mevsimlikten arındırılmıĢ sanayi üretim endeksi ile getiri farkı arasındaki
iliĢkiyi incelemektir. Veri seti, 2006 Mart ayından- 2020 Eylül ayına kadar geçen periyottaki
174 aylık veriyi içermektedir. 2-5 yıllık tahvil fiyatlarına investing.com web sitesinden,
mevsimlikten arındırılmıĢ sanayi üretim endeksine de tuik.gov.tr web adresinden ulaĢılmıĢtır.
Tahvil getirileri logaritmik olarak hesaplanmıĢtır. Getiri farkı, diğer bir ifade ile getiri
eğrisinin eğimi, ise 5 yıllık tahvil ile 2 yıllık tahvil getirisi arasındaki farkı alınarak aĢağıdaki
gibi hesaplanmıĢtır:
   (1)
DeğiĢkenler arasında anlamlı bir iliĢkiyi sağlamak için serilerin durağan olması koĢulunu
sağlanması gerekmektedir. Bu analizde ADF birim kök testi yapılarak durağanlığı tespit
edilmeye çalıĢılmıĢtır. Bu teste 3 farklı model yer almaktadır. Bunlar: (Yıldırım, 2007)
1. Sabitsiz ve trendsiz model
2. Sabitli model
3. Sabitli ve trendli model
AĢağıda bu üç modelin sırasıyla denklemleri yer almaktadır;
   

   (2)

FETTAHOĞLU & ATEġ Getiri Farkı Ġle Sanayi Üretimi Arasında Nedensellik Analizi
115 19 Mayıs Sosyal Bilimler Dergisi
  

    (3)
   

   (4)
Ayrıca 2. formül sabitsiz ve trendsiz modeli, 3. formül ise sabitli modeli ve 4. formül ise
sabitli ve trendli modeli göstermektedir. Hipotezlerin kurulumu;      ve   
 Ģeklinde gösterilmektedir. Bu durumda, sıfır hipotezin reddedilmesi durumunda serinin
birim kök taĢımadığı sonucuna varılmaktadır (Dickey ve Fuller, 1979).
Sims (1980) tarafından geliĢtirilen Vektör Otoregresif Model (VAR) tek değiĢkenli
otoregresif (AR) modelinin çok değiĢkenli halidir. VAR analizinde her bir zaman serisinin
endojen (içsel) olarak sistem içeresinde yer aldığı ve zaman serisinin p gecikmelerine kadar
bağımsız değiĢkenler olarak yer aldığı vektörel denklem sisteminin tahmin edilmesidir. VAR
modelinin en önemli unsurlarından birisi zaman serilerin durağan olma koĢuludur. VAR
analizinde ilk olarak birim kök testine bakılıp zaman serisinin durağan olup olmadığına karar
verilmedir. Durağan olmayan zaman serisi ise birinci farklarını alarak durağanlaĢtırılır (Mert
ve Çağlar, 2019:215).
VAR modelini diğer yapısal modellerden ayıran üç temel farkı vardır: (Kaplan ve Dayıoğlu,
2016:585)
 VAR modelinde değiĢkenlerin hepsi içsel olarak kabul edilmektedir.
 Sıfır kısıtlaması yoktur.
 Modelin kurulmasında güçlü bir iktisat teorisi bulunmamaktadır.
k tane durağan zaman serine ait p gecikmeli VAR(p) modeli aĢağıdaki gibidir: (Mert ve
Çağlar, 2019:216)
        (5)
    , k x 1 boyutlu içsel değiĢkenler vektörü,
  , d x 1 boyutlu dıĢsal değiĢkenler vektörü,
, k x k boyutlu, gecikmeli değiĢkenlere ait katsayılar matrisleri
C, k x d boyutlu dıĢsal değiĢkenlere ait katsayılar matrisi
    


    olan k x 1 boyutlu
temiz dizi özelliği gösteren hata vektörüdür.
Formül 5’te denklemin sağ tarafında sadece gecikmeli değiĢkenler bulunduğunda (standart
var olarak adlandırılmaktadır) burada EKK tahmincisi tutarlı olmakta ve denklem sistemi
EKK ile tahmin edilmektedir.
Formül 5’de VAR(p) modeli daha iyi bir Ģekilde göstermek için k=2 ve p=1 olarak
alındığında 2 değiĢken VAR (1) modeli;
    (6)

FETTAHOĞLU & ATEġ Causality Analysis Between Yield Curve And Industrial Production
19 Mayıs Journal of Social Sciences 116
      (7)
denklem sistemi olarak gösterilir. Bu denklemi matris olarak gösterildiğinde ise;

  
 
  
  
 (8)
biçiminde yazılacaktır.
Nedensellik kavramı (Granger, 1969) çalıĢmasıyla birlikte literatüre katkı sağlamıĢtır.
ÇalıĢmadaki temel amaç, bir değiĢkenin cari dönemdeki değeri açıklanırken baĢka bir
değiĢkenin gecikmeli değeri bu değiĢkeninin açıklamasına katkı sağlıyorsa bu değiĢkenler
arasında nedensellik iliĢkisi olduğu ifade edilir. Daha sonra (Sims, 1980) çalıĢmasında VAR
analiz ile Granger nedensellik yeni bir boyut kazandırarak literatüre önemli ölçüde katkılar
sağlamıĢtır. (bütün değiĢkenlerin içsel olarak kabul edilmesi) x ve y gibi iki değiĢken için
granger nedensellik denklemi aĢağıdaki gibidir (Mert ve Çağlar, 2019:340).
 

  

    (9)
 

 

   (10)
Eğer 3 ve 4. förmülde   nedensellik modeli geçerli olacaktır. Bu modeli
sağlamayan ise anlık nedensellik modelleri olacaklardır (Granger, 1969). Burada, sıfır
hipotezi 

   ise “ ’nin nedeni değildir” Ģeklinde ifade edilecektir. Alternatif
hipotez olarakta “   

 ise  ’nin nedenidir Ģeklinde” açıklanacaktır. Ġki değiĢken
için dört farklı sonuç gösterilmektedir. AĢağıda maddeler halinde sıralanmıĢtır (Mert ve
Çağlar, 2019:340).
 x, y’nin Granger nedenidir.
 y, x’nin Granger nedenidir.
 x ve y arasında Granger nedesellik yoktur.
 x ve y arasında çift yönlü Granger nedellik vardır.
3.2 Bulgular
Analize geçmeden önce ġekil 2’de incelenen dönemde sanayi üretimi ile getiri farkları yer
almaktadır. ġekil 2’ye bakıldığında getiri farkının negatif olduğu dönemler oldukça fazla
görülmektedir. Bu nedenle sanayi üretimi ile getiri farkı arasında bazı dönemlerde ters yönlü
bir iliĢkinin olduğunu ifade etmektedir.

FETTAHOĞLU & ATEġ Getiri Farkı Ġle Sanayi Üretimi Arasında Nedensellik Analizi
117 19 Mayıs Sosyal Bilimler Dergisi
ġekil 2: Sanayi Üretimi ve Getiri Farkı
VAR analizi yapmadan önce serinin durağanlığını tespit etmek için Augmented Dickey-Fuller
(ADF) testi yapılmıĢtır. ADF birim kök testi sonuçlarına Tablo 1’de yer almaktadır.
Durağanlık analizi yapıldığında, değiĢkenlere ait olasılık değerlerine (p değerleri)
bakılmaktadır. Söz konusu değerin 0.05’ten küçük olması değiĢkene ait serinin durağan
olduğunu göstermektedir. ADF testi yapılırken Schwarz bilgi kriteri kullanılmıĢ olup gecikme
uzunluğu 13 olarak alınmıĢtır. Tablo 1’e bakıldığında serilerin birinci düzeyinde durağan
olduğu görülmektedir. Ayrıca Philips-Perron testi uygulanmıĢtır. Bu testin sonuçlarına göre
birinci düzeyde durağandır.
Tablo 1: ADF Birim Kök Testi Sonuçları
S
GF
Sabitli
t-Statistic
-141.251
-54.317
Olasılık
0.0000
0.0000
***
***
Sabitli ve Trendli
t-Statistic
-140.849
-57.418
Olasılık
0.0000
0.0000
***
***
Sabitsiz ve Trendsiz
t-Statistic
-0.3355
-23.536
0
20
40
60
80
100
120
140
-5
-4
-3
-2
-1
0
1
2
3
4
Mar.06
Eki.06
May.07
Ara.07
Tem.08
Şub.09
Eyl.09
Nis.10
Kas.10
Haz.11
Oca.12
Ağu.12
Mar.13
Eki.13
May.14
Ara.14
Tem.15
Şub.16
Eyl.16
Nis.17
Kas.17
Haz.18
Oca.19
Ağu.19
Mar.20
Getiri Farkı Sanayi üretimi

FETTAHOĞLU & ATEġ Causality Analysis Between Yield Curve And Industrial Production
19 Mayıs Journal of Social Sciences 118
Olasılık
0.5631
0.0184
hayır
**
*, **, *** sırasıyla, %10, %5, %1 anlamlığını göstermektedir.
Tablo 2: Philips-Perron Testi
S
GF
Sabitli
t-Statistic
-141.028
-53.552
Olasılık
0.0000
0.0000
***
***
Sabitli ve Trendli
t-Statistic
-140.638
-57.589
Olasılık
0.0000
0.0000
***
***
Sabitsiz ve Trendsiz
t-Statistic
-25.330
-44.472
Olasılık
0.0113
0.0000
**
***
*, **, *** sırasıyla, %10, %5, %1 anlamlığını göstermektedir.
VAR modeli için bir diğer adım ise, uygun gecikme uzunluğunun belirlenmesidir. Uygun
gecikme uzunluğunun belirlenmesinde, temel olarak LR (LR test istatistiği), FPE (Final
kestirim hatası), AIC (Akaike bilgi kriteri), SC (Schwarz bilgi kriteri) ve HQ (Hannan-Quinn
bilgi kriteri) bilgi kriterleri dikkate alınmaktadır. Bu çalıĢmada aylık veriler kullanılmasından
dolayı, maksimum gecikme uzunluğu 10 olarak alınmıĢtır. Elde edilen sonuçlar Tablo 3’te
gösterilmiĢtir Tablo 3’e bakıldığında, LR, FPE, AIC ve HQ bilgi kriterlerine göre en ideal
gecikme uzunluğu “6” olarak belirlenmiĢtir.
Tablo 3: VAR Gecikme Uzunluğunu Belirleme Kriteri
Gecikme
LogL
LR
FPE
AIC
SC
HQ
0
-517,0796
NA
2,070262
6.403.410
6,554623
6,464797
1
-450,0176
129,2170
0,959515
5.634.361
5,861181*
5,726442*
2
-448,5704
2,753347
0,989944
5.665.492
5,967918
5,788266
3
-442,8101
10,817980
0,969064
5.644.026
6,022059
5,797493
4
-438,4917
8,004987
0,965521
5.640.142
6,093781
5,824303
5
-434,4913
7,317727
0,965815
5.640.138
6,169383
5,854992
6
-427,9298
11,84278*
0,936497
5.608.900
6,213752
5,854447
7
-423,7033
7,525141
0,934410*
5.606138*
6,286596
5,882378
8
-421,6613
3,585968
0,957626
5.630.016
6,386081
5,936950
9
-420,6273
1,790683
0,993706
5.666.186
6,497857
6,003813
10
-418,9839
2,805781
1,023680
5.694.925
6,602203
6,063246

FETTAHOĞLU & ATEġ Getiri Farkı Ġle Sanayi Üretimi Arasında Nedensellik Analizi
119 19 Mayıs Sosyal Bilimler Dergisi
Durağanlık analizi ve gecikme uzunluğu belirlendikten sonra, değiĢkenlerde otokorelasyon ve
eĢvaryanslı olup olmaması durumuna bakılması gerekmektedir. DeğiĢkenlerin sınanmasında
otokorelasyon testi için LM istatistiği ve eĢvaryanslılık analizi için White testi kullanılmıĢtır.
LM testinde, VAR modelinde elde edilen hata terime ait gecikme değerlerinin korelasyon
analizi sonuçlarını dikkate alınır. Analizin yorumlanmasında, elde edilen korelasyonlara ait
olasılık değerleride yer almaktadır. Elde edilen VAR modelinde otokorelasyon olmaması için,
gecikmeye ait olasılık değerlerinin 0,05’ten büyük olması gerekmektedir. Altıncı gecikmeye
bakıldığında herhangi bir otekorelasyon sorunu yoktur. Bazı kaynaklarda ise bu oran 0,01’den
büyük olması gerektiği belirtilmektedir ÇalıĢmada yer alan LM testi analizi sonuçları Tablo
4’de yer almaktadır
Tablo 4: LM Testi Sonuçları
Gecikme
LM Testi
Olasılık
1
2,001033
0,7356
2
3,522149
0,4745
3
5,648907
0,2269
4
5,281209
0,2596
5
4,794893
0,3090
6
7,328676
0,1195
7
9,336505
0,0532
EĢvaryans analizi için kullanılan White testinde, değiĢkenlerin varyanslarının eĢit olup
olmadığına yönelik olasılık değeri de yer almaktadır. Bu değer, 0.05’in altında olması
durumunda varyansların eĢit olmadığını göstermektedir. VAR modelinin kurulabilmesi için,
bu değerin 0.05’ten büyük olması gerekmektedir. White testi sonuçları Tablo 5’te
gösterilmiĢtir.
Tablo 5: White Testi sonuçları
Ki-Kare
Serbestlik Derecesi
Olasılık
78,28482
81
0,5648
Tablo 5’e bakıldığında olasılık değerinin (0,5648) de 0.05’in üstünde olması, kurulan model
için varyans problemi olmadığını göstermektedir.
VAR modelinin kurulmasından sonra test edilmesi gereken baĢka bir konu da oluĢturulan
modelin durağan olup olmadığıdır. VAR modelinin durağan olabilmesi için, bu modelin
katsayı matrisinin özdeğerlerinin 1’den büyük olmaması ve birim çemberin içerisinde yer
almasın gerekmektedir. Bu koĢulu sağlamayan VAR Modeli durağan değildir. Bu durum
neticesinde, model yetersiz kalmıĢ olacaktır. ÇalıĢmada yer alan VAR modelinin katsayı

FETTAHOĞLU & ATEġ Causality Analysis Between Yield Curve And Industrial Production
19 Mayıs Journal of Social Sciences 120
matrisine ait özdeğerler ġekil 3’de gösterilmiĢtir. ġekil 3’e bakıldığında özdeğerler çemberin
içinde olduğu için Var modeli durağan olarak görülmektedir.
-1.5
-1.0
-0.5
0.0
0.5
1.0
1.5
-1.5 -1.0 -0.5 0.0 0.5 1.0 1.5
ġekil 3:Var Modeli Durağanlık Grafiği
Birim çember üzerinde ve dıĢında noktaların yer almaması ve bu koĢullar sağlandığından
VAR modeli üzerinden Granger Nedensellik testi yapılmıĢ ve sonuçlar Tablo 6’da
gösterilmiĢtir.
Tablo 6: Granger Nedensellik Sonuçları
Bağımlı DeğiĢken S
Excluded
Ki-kare
Serbestlik Derecesi
Olasılık
GF
1.762.114
6
0.0073
Bağımlı DeğiĢken TF
Excluded
Ki-kare
Serbestlik Derecesi
Olasılık
S
6.173.768
6
0.4040
Bütün sonuçlar incelendiğinde Sanayi (S) ile getiri farkı (GF) arasında tek yönlü nedensellik
olduğu görülmektedir.

FETTAHOĞLU & ATEġ Getiri Farkı Ġle Sanayi Üretimi Arasında Nedensellik Analizi
121 19 Mayıs Sosyal Bilimler Dergisi
0.0
0.4
0.8
1.2
2 4 6 8 10 12 14 16 18 20
Response of S to S
0.0
0.4
0.8
1.2
2 4 6 8 10 12 14 16 18 20
Response of S to GF
.0
.2
.4
.6
.8
2 4 6 8 10 12 14 16 18 20
Response of GF to S
.0
.2
.4
.6
.8
2 4 6 8 10 12 14 16 18 20
Response of GF to GF
ġekil 4: Etki Tepki Grafikleri
Etki ve tepki grafikleri uygun VAR modeli karar verildikten sonra seriye herhangi bir Ģok
verildiğinde bu Ģoktan nasıl etkilendiğine söylemektedir. Yukarıda dört adet etki tepki grafiği
görülmektedir. Grafiklerde sıfır çizgisi tepkinin söndüğü ve yok olduğunu göstermektedir. Ġki
kesikli eğri (kırmızı kesikli çizgiler) tepkinin 0,95 güven aralığının alt ve üst sınırlarını
göstermektedir. Mavi çizgi ise tepkinin eğrisini göstermektedir. Grafikte X ekseni dönemleri
Y ekseni ise tepkinin Ģiddetini göstermektedir.
Sol üstteki grafik sanayi üretiminin kendisine olan tepkisini göstermektir. Ġlk ay sanayi
üretimine verilen Ģok pozitif yönde sonuç yaratmıĢtır. Daha sonraki aylarda iniĢli çıkıĢlı
eğriler çizmiĢtir. ġokların ondördüncü aydan sonra yok olduğu görülmektedir.Sağ üst köĢede
yer alan grafik getiri farkına verilen bir Ģokun sanayi üretiminin verdiği tepkiyi
göstermektedir. Ġlk dört ay pozitif, altı ve yedinci aylarda negatif etki, daha sonraki
dönemlerde pozitif etkilemiĢtir.ġoklar onsekizinci aydan sonra yok olmaktadır. Sol alt
köĢedeki grafik ise sanayi üretimine verilen bir Ģokun getiri farkına verdiği tepkiyi
göstermektedir. Getiri farkı, verilen Ģoklardan pozitif etkilenmiĢtir. Altınca ayda negatif etki
görülmektedir. ġoklar tam anlamıyla yok olmasa da hala gözlemlenmektedir. Sağ alt köĢede
ise getiri farkına verilen Ģokun kendisi üzerindeki etkisini göstermektedir. Grafikte de
görüldüğü gibi Ģoklardan pozitif yönde etkilendiği ve Ģokların da devam ettiği görülmektedir.
Getiri farkının eğimi de ters yönlü olduğu görülmektedir.

FETTAHOĞLU & ATEġ Causality Analysis Between Yield Curve And Industrial Production
19 Mayıs Journal of Social Sciences 122
SONUÇ
Bu çalıĢma Türkiye’deki getiri farkı ile sanayi üretimi arasındaki iliĢkiyi analiz etmektedir.
Uzun ve kısa dönemdeki tahvillerin faiz oranları arasındaki fark olarak hesaplanan getiri
farkının, sanayi üretiminin nedeni olup olmadığını VAR modeli kurularak nedelsellik analizi
yapılmıĢtır. Sonuç olarak getiri farkından sanayi üretimine doğru tek yönlü bir nedensellik
vardır.
Likidite Teorisi, uzun vadeli borçlanma araçlarının getirisinin kısa vadeli olanlarınkinden
daha yüksek olması gerektiğini savunur. Uzun vadeli yatırımlar genel olarak kısa vadeli
yatırımlardan daha risklidir. Bunun nedeni, uzun vadeli borçlanmalarda borçlunun borcunu
ödeyememe riskinin artmasıdır (Lee, 1981). Beklentiler Teorisine göre uzun vadeli faizler,
kısa vadeli beklenen faizlerin ağırlıklı ortalamasıdır. Faiz oranlarının gelecekteki değerinin
bono ve/veya tahvil sahiplerinin beklentilerinin belirlediği varsayımına dayanır (Bolgün ve
Akçay, 2003:247). Risk iĢtahı, yatırımcıların riske girme eğilimi, gönüllülüğü olarak ifade
edilebilir. Riskten kaçınan bir yatırımcının bir varlıktan beklediği fayda düzeyi ile güvenceli
varlıktan elde ettiği fayda düzeyi arasındaki fark risk primi olarak ifade edilir. Risksiz,
güvenceli yatırımdan farklı bir yatırım yapmak için rasyonel yatırımcı, katlanacağı risk
ölçütünde bir prim beklentisinde olacaktır (Fettahoğlu, 2019).
Yatırımcılar gelecekte yüksek ekonomik aktivite beklentisi içinde ise diğer yatırımlarının iyi
performans göstermesini beklediklerinden uzun vadeli tahviller için daha yüksek getiri
beklentisi içinde olacaklardır. Eğer ekonomide resesyon beklentisi varsa yatırımcılar riskten
daha fazla kaçar. Uzun vadeli tahvillere talep artar, getiri azalır ve getiri eğrisi düzleĢir hatta
ters getiri eğrisi oluĢur. Bunun nedeni finansal piyasalarda Merkez Bankası’nın kredi
talebindeki yavaĢlama ve düĢüĢe yanıt vereceği beklentisidir. Para otoritesi ekonomiyi
canlandırmak için faiz oranlarını düĢürecek parasal sıkılaĢtırmadan gevĢemeye geçecek ve
getiri eğrisini yeniden dengeleyecektir. Ters getiri eğrisi, finansal piyasaların ekonomide kısa
vadede orta(uzun) vadeden çok daha kötü olacağı beklentisini yansıtır (Martins, 2020). Wu
(2003)’e göre faiz oranlarındaki artıĢın, kısa vadeli faizler üzerinde uzun vadeli faizlerden
daha yüksek bir etkisi olmakta bu da yatırımı ve tüketimi caydırarak ters faiz yapısı eğrisine
neden olmaktadır (Wu, 2003). Ayrıca Merkez Bankalarının enflasyona verdiği agresif tepki
nedeniyle para politikası, makroekonomi ve getiri eğrisi dinamikleri Ģekillenmektedir.
Türkiye’nin getiri farkı grafiği incelendiğinde 2006 Mart – 2020 Agustos ayları arasındaki
dönemin belirli bölümlerinde getiri farkının negatif değerlerde olduğu gözlemlenmektedir. Bu
dönemlerde getiri eğrisinin negatif olması, uzun dönemdeki faizlerin kısa dönemdeki
faizlerden düĢük olduğundan dolayı getiri eğrisinin ters faiz eğrisi olduğunu ifade
etmektedir.YaĢanan bu negatif ayrıĢma, yüksek enflasyon varken faizlerin düĢürülmeye
çalıĢılması ve Merkez Bankası’nın piyasanın beklentisinin aksine olması gerekenden daha da
düĢük faiz oranı belirlemesinden kaynaklanmaktadır. Getiri farkının negatif olmasının baĢka
bir nedeni ise uygulanan sıkı para politikasıdır. Bu durum gelecekte Türkiye ekonomisinde
daralma sinyalleri olarak gözlemlenmektedir. Ayrıca piyasada yaĢanılan volatilitenin de
kontrol altına alınması gerekmektedir.

FETTAHOĞLU & ATEġ Getiri Farkı Ġle Sanayi Üretimi Arasında Nedensellik Analizi
123 19 Mayıs Sosyal Bilimler Dergisi
4. KAYNAKÇA
Akkoç, U. (2020). Getiri Farkı Resesyonu Tahmin Edebilir Mi? Türkiye Sanayi Üretimi
Örneği. Journal Of Ekonomi, 16-21.
Akyıldız, K. (2003). Getiri Farkı Ekonomik Aktivitenin Tahmininde Öncü Gösterge ĠĢlevi
Görebilir Mi? Türkiye Örneği. Hazine Dergisi, 16, 1-20.
Bernard, H. ve Gerlach, S. (1998). Does The Term Structure Predict Recessions? The
International Evidence. International Journal Of Finance And Economics, 3 (3),
195-215.
Bolgün, E. ve Akçay, B. (2003). Risk Yönetimi. Ġstanbul: Scala Yayıncılık.
Boukhatem, J. ve Sekouhia, H. (2017). What Does The Bond Yield Curve Tell Us About
Tunisian Economic Activity? Research In International Business And Finance,
36, 295- 303.
Choudhry, M. (2018). Past, Present And Future Principles Of Banking And Finance. USA.
Wiley Editorial Offices .
Cox, J. C., Ingersoll Jr, J. E., & Ross, S. A. (1985). A theory of the term structure of interest
rates. Econometrica,53(2), 385-407.
Davis, E. ve Fagan, P. (1997). Are Financial Spreads Useful Indicators Of Future Inflation
And Output Growth In Eu Countries? Journal Of Applıed Econometrıcs,12(6),
701-714.
Dickey, D. A. ve Fuller, W.A. (1979). Distribution of the Estimators for Autoregressive Time
Series with a Unit Root, Journal of the American Statistical Association, 74.
Estrella, A. ve Hardouvelıs, G. (1991). The Term Structure As A Predictor Of Real Economic
Activity. The Journal Of Finance, 46(2), 555-576.
Estrella, A. ve Mishkin, F. (1998). The Predictive Power Of The Term Structure Of Interest
Rates In Europe And The United States: Implications For The European Central
Bank. European Economic Review, 41(7), 1375-1401.
Fettahoğlu, S. (2019). Relationship Between Credit Default Swap Premium and Risk Appetite
Accoring To Types Of Investors: Evidence From Turkish Stock Exchange.
Muhasebe Ve Finansman Dergisi, 84 , 265-278 .
Granger, C. W. (1969). Investigating Causal Relations By Econometric Models and Cross-
Spectral Methods. Econometrica, 37(3), 424-438.
John, N. (2019). The Yield Curve As A Stock Market Timing Indicator – Empirical Analysis
Of International Stock Markets. (YayınlanmamıĢ Yüksek Lisans Tezi).
HochschuleFür Wirtschaft und Rech Berlin. Berlin.

FETTAHOĞLU & ATEġ Causality Analysis Between Yield Curve And Industrial Production
19 Mayıs Journal of Social Sciences 124
Kalkavan, H. Eti, S. Yüksel, S. (2020). Türkiye’deki Bankacılık Sektörü, Sanayi GeliĢimi ve
Ekonomik Büyüme Arasındaki ĠliĢkinin VAR Analizi Ġle Ġncelenmesi. Akademik
Araştırmalar ve Çalışmalar Dergisi, 12(22), 56-74.
Kaplan, E. A. ve Dayıoğlu, M. R. (2016). Ġhracatın Ekonomik Ve Politik Belirleyicileri:
Türkiye Ġçin Var Analizi Uygulaması. Balkan Sosyal Bilimler Dergisi, 578 - 597.
Lee, J. ( 1981). The Pricing Of Corporate Debt: A Note. The Journal Of Finance, 36(5),
1187-1188. .
Martins, F. O. (2020). The Predictive Power Of The Yield Curve: The Portuguese Case. Nova
School Of Business And Economics, Proje ÇalıĢması.
Mehl, A. (2009). The Yield Curve As A Predictor And Emerging Economies. Open
Economies Review, 20(5), 683–716.
Mert Ve Çağlar, M. M. (2019). Eviews ve Gauss Uygulamalı Zaman Serileri Analizi. Ankara:
Detay Yayıncılık.
Møller, S. V. (2014). GDP Growth And The Yield Curvature. Finance Research Letters,
11(1), 1-7.
Nath, G. C. Dalvi, M. Singh, S. (2012). Predicting Power Of Yield Curve – A Study Of
Indian Sovereign Yield Spread. SSRN, 1-
24 http://dx.doi.org/10.2139/ssrn.2078920
Nelson, C. ve Plosser, R. (1982). Trends And Random Walks Ġn Macroeconomic Time Series:
Some Evidence And Ġmplications. 10 (2), 139-162.
Öz, E. (2010). Can Relative Yield Curves Predict Exchange Rate Movements? Example From
Turkish Fınancial Market. (YayınlanmamıĢ Yüksek Lisans Tezi). Orta Doğu
Teknik Üniversitesi Sosyal Bilimler Enstitüsü, Ankara.
Özcan, H. (2011). Getiri Eğrisi Ve Reel Aktivite. (YayınlanmamıĢ Yüksek Lisans Tezi).
Ankara Üniversitesi /Sosyal Bilimler Üniveristesi, Ankara .
Plosser C. ve Rouwenhorst, I. (1994). International Term Structures And Real Economic
Growth. Journal Of Monetary Economics, 33(1), 133-155.
Sims, C. (1980). Macroeconomics And Reality. Econometrica, 48(1), 1-48.
Sowmyaa, S. ve Prasannab, K. (2018). Yield Curve Interactions With The Macroeconomic
Factors During Global Financial Crisis Among Asian Markets. International
Review Of Economics & Finance, 54, 178- 192.
Stock, J. ve Watson, M. (1989). New Indexes Of Coincident And Leading Indicators. NBER,
4, 351-93.
Teker, S. ve GümüĢsoy, L. (2004). Faiz Oranı Eğrisi Tahmini: T.C. Hazine Bonosu ve
Eurobonds Üzerine Uygulama. VII. Ulusal Finans Sempozyumu,4.

FETTAHOĞLU & ATEġ Getiri Farkı Ġle Sanayi Üretimi Arasında Nedensellik Analizi
125 19 Mayıs Sosyal Bilimler Dergisi
Wu, T. (2003). What Makes The Yield Curve Move? Federal Reserve Bank Of San Francisco
Economic Letter, 15.
Yıldırım, D. Ç. (2007). Türkiye’de Parasal Aktarım Mekanizmasının Döviz Kuru Kanalı: Var
Modeli Analizi.(YayınlanmamıĢ Yüksek Lisans Tezi). Kocaeli Üniversitesi
/Sosyal Bilimler Enstitüsü, Kocaeli.
Ġnternet Kaynakları
https://tr.investing.com/rates-bonds/turkey-5-year-bond-yield: (31/08/2020)
https://tr.investing.com/rates-bonds/turkey-2-year-bond-yield: (31/08/2020)
https://data.tuik.gov.tr/Kategori/GetKategori?p=Sanayi-114: (31/08/2020)
http://dx.doi.org/10.2139/ssrn.2078920: (12/06/2020)