Covid-19 Pandemisine Yönelik Devlet Müdahalelerinin BİST Sektör Endeksleriyle İlişkisi

Abstract

In this study, the sectoral effects of government interventions to prevent or reduce the effects of the Covid-19 pandemic in Turkey have been investigated. In this context, the causality effect of the OxCGRT indices covering the measures, restrictions and policies taken against the Covid-19 pandemic in Turkey on the selected 21 Borsa İstanbul(BİST) sector index was examined. As a result of binary tests performed with Toda Yamamoto causality analysis using daily data between 07.04.2020-30.12.2020, it was observed that there were statistically significant relationships between variables. As a result of the study, it has been observed that OxCGRT indices are in a causality relationship with service-based and capital-intensive industry indexes, but not with manufacturing-based industries.

Full text

39
GÜMRÜK
Enes Burak ERGÜNEY*
Rümeysa MANİSA****
Ahmet Burak DEMİR***Rabia MANİSA**
İNCELEME
Covid-19 Pandemisine Yönelik Devlet
Müdahalelerinin BİST Sektör Endeksleriyle
İlişkisi*****
Özet
Bu çalışmada, Covid-19 pandemisinin Türkiye’deki etkilerini engellemeye veya indirgemeye yönelik alınan devlet
müdahalelerinin, iş sektörleriyle arasındaki nedensellik ilişkisi araştırılmıştır. Bu kapsamda Türkiye’de Covid-19
pandemisine karşı alınan önlem, kısıtlama ve politikaları kapsayan OxCGRT endekslerinin seçili 21 Borsa İstanbul
(BİST) sektör endeksine nedensellik ilişkisi incelenmiştir. 07.04.2020-30.12.2020 dönemleri arasında günlük veriler
kullanılarak yapılan Toda Yamamoto nedensellik analizi ile yapılan İkili testler sonucunda değişkenler arasında
istatistiksel olarak anlamlı ilişkilerin olduğu gözlemlenmiştir. Çalışma sonucunda, OxCGRT endekslerinin daha çok
hizmete dayalı ve sermaye yoğun sektör endeksleri ile nedensellik ilişkisi içerisinde olduğu, imalata dayalı sektörler ile
anlamlı bir ilişki olmadığı gözlemlenmiştir.
Anahtar Kelimeler: Covid-19, Devlet Müdahaleleri, BİST Sektör Endeksi, OxCGRT.
JEL Sınıama Kodları: C3, E44, H5, I10
Abstract
In this study, the sectoral eects of government interventions to prevent or reduce the eects of the Covid-19 pande-
mic in Turkey have been investigated. In this context, the causality eect of the OxCGRT indices covering the measu-
res, restrictions and policies taken against the Covid-19 pandemic in Turkey on the selected 21 Borsa İstanbul(BİST)
sector index was examined. As a result of binary tests performed with Toda Yamamoto causality analysis using daily
data between 07.04.2020-30.12.2020, it was observed that there were statistically signicant relationships between
variables. As a result of the study, it has been observed that OxCGRT indices are in a causality relationship with ser-
vice-based and capital-intensive industry indexes, but not with manufacturing-based industries.
Keywords:
Covid-19, Government Response, BİST Sector Index, OxCGRT.
JEL Codes:
C3, E44, H5, I10
Impact of State Interventions Towards Covid-19
Pandemic on BİST Sector Indices
Gümrük Ticaret Dergisi • Aralık 2021 • 8(26) • 39-51
Başvuru | 2 Temmuz 2021
Kabul | 13 Aralık 2021
* Uluslararası Ticaret ve Gümrük İşletme Tezli Yüksek Lisans Öğrencisi, Burdur Mehmet Akif Ersoy Üniversitesi, Sosyal Bilimler Enstitüsü,
Gümrük İşletme Ana Bilim Dalı, enesburakergney@gmail.com
** Uluslararası Ticaret ve Gümrük İşletme Tezli Yüksek Lisans Öğrencisi, Burdur Mehmet Akif Ersoy Üniversitesi, Sosyal Bilimler Enstitüsü,
Gümrük İşletme Ana Bilim Dalı, rabiamanisa@outlook.com
*** Uluslararası Ticaret ve Gümrük İşletme Tezli Yüksek Lisans Öğrencisi, Burdur Mehmet Akif Ersoy Üniversitesi, Sosyal Bilimler Enstitüsü,
Gümrük İşletme Ana Bilim Dalı, burakdemir@mit.tc
**** Uluslararası Ticaret ve Gümrük İşletme Tezli Yüksek Lisans Öğrencisi, Burdur Mehmet Akif Ersoy Üniversitesi, Sosyal Bilimler Enstitüsü,
Gümrük İşletme Ana Bilim Dalı, rumeysa.manisa@outlook.com
***** Bu çalışmanın özeti 1.Uluslararası Gümrük ve Ticaret Kongresi’nde sunulmuştur.

40 Sayı:26 Yıl:2021
Giriş
Dünya tarihinde insanlık çiçek hastalığı, İspanyol gribi, kolera ve veba gibi birçok salgın hastalıklarla karşı
karşıya gelmiştir. Bu salgın hastalıkların sonuncusu olan Covid-19, Aralık 2019 tarihinde ilk kez Çin’de
ortaya çıkarak kısa sürede bütün dünyayı sarmış ve küresel ölçekte bir risk ortamı oluşturmuştur. 15 Şubat
2021 itibariyle dünya çapında kayıt altına alınan vaka sayısı 108.579.352, ölü sayısı ise 2.396.408 olarak
gerçekleşmiştir (WHO, 25 Şubat 2021).
Covid-19 pandemisi insanların yaşamlarında birçok değişikliği beraberinde getirmiştir. Birleşmiş Milletler’e
bağlı Uluslararası Çalışma Örgütü’nün (ILO) raporuna göre salgın nedeniyle kamu ve sosyal hayata getirilen
kısıtlamalar 2020 yılında küresel toplam iş saati süresinde yüzde 8,8’lik bir azalmaya neden olmuştur. Örgüt
bunun, 114 milyon kayıtlı işsiz dahil toplam 255 milyon tam zamanlı işin kaybı anlamına geldiğini ve işsizliğin
küresel olarak yüzde 1,1 ya da 33 milyon kişi artarak 220 milyona çıktığını belirtmiştir. (ILO, 25 Ocak 2021)
Bu ifadeler pandeminin sosyo-ekonomik etkilerini ortaya koymaktadır. Dünya genelinde birçok ülkenin
Covid-19 pandemisinin yayılımını önlemek, sağlık sistemlerini kontrol altında tutmak ve toplum sağlığını
korumak için aldığı çeşitli önlem ve tedbirlerin; ülkelerin ticari faaliyetleri üzerinde etkili olduğu, bunun
getirisi olarak da söz konusu sosyo-ekonomik etkilerin ortaya çıktığı gözlemlenmektedir.
Dünya genelinde birçok hükümet tarafından Covid-19 pandemisine karşı önlemler, Oxford Üniversitesi
projesi kapsamında Hale vd. (2020) tarafından Oxford Covid-19 Devlet Müdahale İzleyicisi (OxCGRT) başlığı
altında incelenmiş; yapılan çalışma ile önlem ve politikaların farklı boyutlarını ele alan endeksler geliştirilmiştir.
Oxford Covid-19 Devlet Müdahale İzleyicisi (OxCGRT) ülkelerin kısıtlama ve kapanma politikalarını temel
alan bir Sıkılık endeksinden, ülkelerin sağlık politikalarını temel alan bir Sağlık Sistemi endeksinden, ülkelerin
ekonomik teşvik ve destek politikalarını temel alan bir Ekonomik Tepki endeksinden ve bu endekslerinin
tümünü kapsayan bir Hükümet Tepkisi endeksinden oluşmaktadır. Tablo 1’de endeksler ve kapsadıkları
boyutları detaylı belirtilmektedir.
Tablo 1. Oxford Covid-19 Devlet Müdahale İzleyicisi
Kimlik Boyut Endeksler
Muhafaza ve kapatma Sıkılık Sağlık
Sistemleri
Ekonomik
Tepki
Hükümet
Tepkisi
C1 Okul kapanışı ü ü ü
C2 İşyerlerinin kapanışı ü ü ü
C3 Genel etkinliklerin iptali ü ü ü
C4 Toplanma boyutu ile ilgili kısıtlamalar ü ü ü
C5 Toplu taşımanın kapanışı ü ü ü
C6 Sokağa çıkma kısıtlamaları ü ü ü
C7 Şehirlerarası seyahat kısıtlamaları ü ü ü
C8 Uluslararası seyahat kısıtlamaları ü ü ü
Ekonomik Tepki
E1 Gelir desteği ü ü
E2 Haneler için borç/kira yardımı ü ü
Sağlık Sistemleri
H1 Kamu bilgilendirme kampanyaları ü ü ü
H2 Test politikası ü ü
H3 Filyasyon ü ü
H4 Yüz kaplamaları ü ü
H5 Aşılama politikası ü ü
Kaynak: (Hale vd. 2020)

41
GÜMRÜK
Enes Burak ERGÜNEY & Rabia MANİSA & Ahmet Burak DEMİR & Rümeysa MANİSA
Covid-19 Pandemisine Yönelik Devlet Müdahalelerinin BİST Sektör Endeksleriyle İlişkisi
Bu çalışmanın amacı, Türkiye’de Covid-19
pandemisinin etkilerini engellemeye veya
indirgemeye yönelik uygulanan politika, kısıtlama
ve önlemler ile iş sektörleri arasındaki nedensellik
ilişkisini araştırmaktır. Amaç doğrultusunda 2.
bölümde konuya ilişkin literatür özetlenmiş, 3.
bölümde ise metodolojiye yer verilmiştir.
1. Literatür
Literatürde yapılan incelemelerde Covid-19
pandemisine karşı alınan önlemler ve sektörler
arasındaki ilişkeye yönelik bir çalışmaya
rastlanmamıştır. Bununla birlikte Covid-19
pandemisinin sektörel etkileri üzerine yapılan
çalışmaların genel olarak günlük vaka ve ölüm
sayıları ile incelendiği, bu kapsamda elde edilen
genel bulguların ise Covid-19 pandemisinin
sektörler üzerinde kısa dönemde negatif bir etki
yaratırken, uzun dönemde pozitif bir etki yarattığı
yönündedir. Ayrıca Covid-19 pandemisine
karşı alınan önlemlerin önde gelen küresel
nansal piyasalar üzerine etkisinin araştırıldığı
çalışmalardaki genel bulgulara göre, koronavirüse
karşı alınan önlemlerin nansal piyasalar üzerinde
çeşitli etkilerinin olduğu gözlemlenmektedir.
Contuk (Yıldız Contuk, 2021) yaptığı çalışmada,
Covid-19 salgınının Borsa üzerindeki etkilerini
incelemiştir. Çalışmada 11 Mart-16 Haziran 2020
tarihleri arası günlük veriler BİST toplam işlem
hacmi ve günlük doğrulanmış Covid-19 pozitif
vaka sayıları ile ARDL sınır testi yöntemi ile Covid-
19’un yayılmasının işlem hacmi üzerindeki kısa
ve uzun vadeli ekonomik etkileri analiz edilmiştir.
Sonuç olarak, Covid-19’un Borsayı kısa vadede
negatif etkilediği uzun vadede ise pozitif olarak
etkilediği tespit edilmiştir.
Kılıç (2020) çalışmasında, Borsa İstanbul
Covid-19 etkisini incelemiştir. Çalışmada Borsa
İstanbul Sektör endekslerine (XUSIN, XGIDA,
XTEKS, XKAGT, XKMYA, XTAST, XMANA, XMESY,
XUHIZ, XELKT, XULAS, XTRZM, XTRCRT,
XUMAL, XBANK, XSGRT, XFINK) ait 02.01.2018-
30.04.2020 tarihleri arasında günlük kapanış
verileri olay etüdü yöntemi ile analiz edilmiştir.
Bu analiz sonuçlarında en fazla düşüş turizm ve
tekstil sektörlerinde görülmüştür. Marketlere ve
gıda sektörüne olan talebin artması ile ticaret
sektöründe pozitif etkiler gözlemlenmiştir.
Korkut vd.(Korkut, Eker, Zeren ve Altunişik, 2020)
çalışmasında, Covid-19’dan en fazla etkilenen
sektörlerden biri olan turizm üzerindeki etkisini
incelemişlerdir. Bu durum ile beraber 11 Mart
2020- 2 Temmuz 2020 tarihleri arasında günlük
veriler kullanılarak Covid-19 günlük vaka ve günlük
ölüm sayılarının Borsa İstanbul Turizm Endeksi
(AYCES, AVTUR, MAALT, MARTI, PKENT, TEKTU,
ULAS, UTPYA) üzerindeki etkisi, ARDL sınır testi
aracılığı ile incelenmiştir. İncelemeler sonucunda
Covid-19 pandemisinin ilk çıktığı sıralarda turizm
endeksini negatif olarak etkilemiş olduğunu, ama
normalleşme sürecine geçildiği zaman negatif
etkilerin ortadan kalktığını ve pozitife döndüğünü
tespit etmişlerdir.
Ölmez ve Ekinci (ÖLMEZ ve EKİNCİ, 2020)
çalışmalarında, Covid-19 pandemisinin ilk
görüldüğü günü başlangıç kabul ederek BİST100
üzerinde nasıl bir etkiye yol açtığını incelemişlerdir.
Çalışmada 6 Ocak 2020 tarihinden 24 Temmuz
2020 tarihine kadar BİST100 endeksinin kapanış
verileri olay çalışması ve zaman serisi GARCH
yöntemleri olmak üzere iki farklı analiz kullanılmıştır.
Sonuç olarak beklenmedik bir durum ve belirsiz
olaylar ile karşılaşılması halinde piyasaların hızlı bir
şekilde tepki verdiği görülmüştür.
Özdemir (2020) çalışmasında, Covid-19
pandemisinin BİST sektör endekslerine etkisini
incelemiştir. Çalışmasında 12 Mart 2020’den 31
Ağustos 2020’ye kadar olan döneme ait günlük
veriler, Covid-19 vaka ve vefat sayıları ile sektör
endeksleri arasındaki ilişki; nedensellik ilişkisi,
Hatemi-J asimetrik nedensellik testi ile tespit
edilmiştir. Yapılan analizler sonuncunda, Covid-19
pandemisinin dünya borsalarındaki olumsuz
etkileri Borsa İstanbul’da da görülmüştür. BİST
sektör endekslerinin çoğu Covid-19’dan olumsuz
etkilenirken, bu durumdan olumlu etkilenen
sektörler de görülmüştür.

42 Sayı:26 Yıl:2021
Tayar vd. (TAYAR, GÜMÜŞTEKİN, DAYAN ve
MANDİ, 2020) yaptıkları çalışmada, Covid-19
pandemisinin Türkiye’deki sektörler üzerine
etkilerini incelemişlerdir. Bu kapsamda 17 Mart
2020-28 Nisan 2020 tarihleri arasında günlük
veriler kullanılarak; vaka sayılarındaki değişim
oranı ile seçili BİST sektör endeksleri (XELKT,
XGIDA, XTCRT, XTEKS, XTRZM, XUHIZ, XULAS,
XUMAL, XUSIN, XUTEK) arasındaki ilişkiyi
incelemek için Basit Lineer Regresyon analizi
gerçekleştirilmiştir. Yapılan analiz sonucunda,
Covid-19 salgınından elektrik, ulaştırma, mali,
sınai ve teknoloji sektörlerinin ekonomik bakımdan
anlamlı etkilere maruz kaldığı; ticaret sektörü
hariç, diğer sektörlerin ekonomik olarak salgından
olumsuz etkilendiği sonucuna ulaşılmıştır.
Özcan (ÖZCAN, 2021) çalışmasında, Covid-19
pandemisi ile ilgili istatistiklerin BİST Finansallar
sektör endeksinin değeri, getirisi ve hacim
verisi ile ilişkisini incelemişlerdir. Çalışmada 25
Ağustos 2019-20 Eylül 2020’ye kadar haftalık
zaman serisi verilerini ve BİST Finansallar sektör
endeksine ilişkin değişkenleri ele almışlardır. Bu
değişkenler endeksin değeri, getirisi ve hacmidir.
Çoklu regresyon modeli ile bu değişkenler bağımlı
alınarak diğer hastalık istatistikleri ve VIX korku
endeksi ile ilişkilendirmişlerdir. Sonuç olarak,
nansallar sektör endeksinin hacmi üzerine
anlamlı bulgular olmasına dayanılarak dünya
çapında meydana gelen vaka sayısı istatistiklere
az miktarda etkiye yol açarken Türkiye’deki ölüm
sayılarının endeks hacmi üzerine daha güçlü
etki yaptığı görülmüştür. Aynı durumda, VIX
korku endeksi de endeks hacmi üzerine diğer
değişkenlere oranla ters yönlü bir etki oluşturduğu
belirtilmiştir.
Zaremba vd. (Zaremba, Kizys, Aharon ve Demir,
2020) yaptıkları çalışmada; koronavirüsün
yayılımını önlemek için alınan hükümet
müdahalelerinin borsa oynaklığı üzerindeki
etkisini araştırmışlardır. Bu kapsamda, 01.01.2020
– 03.04.2020 tarihleri arasındaki günlük veriler
kullanılarak; Sıkılık endeksi (SI) ve OxCGRT
endeksinin 67 ülkenin borsa oynaklığı üzerindeki
etkisini incelemek için havuzlanmış regresyon
modeli kullanılmıştır. Yapılan analiz sonucunda,
devlet müdahalelerinin uluslararası hisse senedi
piyasalarındaki oynaklığı, önemli ölçüde ve güçlü
bir şekilde artırdığı gözlemlenmiştir. Bu etkideki
en büyük faktörlerin ise koronavirüse karşı
düzenlenen bilgilendirme kampanyaları ve halka
açık etkinliklerin iptali olduğu belirtilmiştir.
Bickley vd. (Bickley, Brumpton, Chan, Colthurst
ve Torgler, 2020) çalışmalarında, koronavirüs ve
koronavirüse karşı alınan önlemlerin, borsalar
üzerindeki etkisini araştırmışlardır. Bu kapsamda
01.01.2020 – 16.06.2020 tarihleri arasındaki
günlük veriler kullanılarak OxCGRT endeksinin
alt bileşenlerinden evde kalma politikaları,
Google nüfus hareketliliği, koronavirüs ölüm
ve doğrulanmış vaka sayılarının, 28 ülkenin
önde gelen borsalarının günlük işlem değerleri
üzerindeki etkisi incelenmiştir. Multifraktal
Detrended Dalgalanma Analizi (MFDFA) ile
yapılan incelemenin sonucunda, evde kalma
politikalarının, borsalarda volatiliteye sebep
olduğu gözlemlenmiştir.
Alexakis vd. (Alexakis, Eleftheriou ve Patsoulis,
2021) çalışmalarında, koronavirüs ve
koronavirüse karşı alınan önlemlerin, borsalar
üzerindeki etkisini araştırmışlardır. Bu kapsamda
02.01.2020 – 08.04.2020 tarihleri arasında günlük
veriler kullanılarak; OxCGRT endeksi ve vaka
oranlarının, 45 büyük borsa endeksinin günlük
getirileri üzerindeki etkisi incelenmiştir. Dinamik
Mekansal Durbin Modeli (DSDM) ile yapılan analiz
sonucunda borsa getirileri ile OxCGRT endeksinin
alt bileşenlerinden evde kalma politikalarının
olumsuz yönde ilişkili olduğu saptanmıştır.
Ashraf (Ashraf, 2020) çalışmasında, koronavirüs
ve koronavirüse karşı alınan önlemlerin, borsa
getirileri üzerindeki etkisini incelemiştir. Bu
kapsamda 22.01.2020 – 17.04.2020 tarihleri
arasında günlük veriler kullanılarak; OxCGRT
endeksi ve vaka oranlarının, 77 ülkenin günlük
borsa getirileri üzerindeki etkisi incelenmiştir. Panel

43
GÜMRÜK
Enes Burak ERGÜNEY & Rabia MANİSA & Ahmet Burak DEMİR & Rümeysa MANİSA
Covid-19 Pandemisine Yönelik Devlet Müdahalelerinin BİST Sektör Endeksleriyle İlişkisi
regresyon modeli ile yapılan analiz sonucunda,
sosyal mesafe politikalarının borsa getirilerinde
doğrudan olumsuz etkiye neden olduğu; yeni
vaka oranlarındaki azalmanın ise dolaylı bir
olumlu etkiye neden olduğu gözlemlenmiştir.
Ayrıca kısıtlama, sağlık politikaları ve gelir destek
paketlerinin, hisse senedi getirileri üzerinde
doğrudan olumlu etkisi olduğu saptanmıştır.
Baig vd. (Baig, Butt, Haroon ve Rizvi, 2020)
yaptıkları çalışmada, koronavirüs ve koronavirüse
karşı alınan önlemlerin ABD borsasındaki etkilerini
incelemişlerdir. Bu kapsamda 13.01.2020 –
17.04.2020 tarihleri arasında günlük veriler
kullanılarak; USDWT (ABD mobilite eğilimleri
raporu), SI (Sıkılık endeksi), ABD’nin koronavirüs
vaka ve ölüm sayıları, GSENT (koronavirüs
dünya çapında duyarlılık endeksi) ile GTREND
(“koronavirüs ölümleri” kelimesi aramasına
dayanan Google trend verileri) değişkenlerinin;
S&P 500 endeksinin bileşenleri üzerindeki etkisi
incelenmiştir. OLS regresyon modeliyle yapılan
analiz sonucunda, kısıtlama ve evde kalma
politikalarının piyasalarda istikrarsızlığa neden
olduğu gözlemlenmiştir.
İbrahim vd. (Ibrahim, Kamaludin ve Sundarasen,
2020) çalışmalarında, Asya-Pasik bölgesindeki 11
gelişmiş ve gelişmekte olan ülkenin koronavirüse
karşı aldığı önlemlerin, borsa volatilitelerine
etkisini araştırmışlardır. Bu kapsamda 15.02.2020
– 30.05.2020 tarihleri arasında günlük veriler
kullanılarak; OxCGRT endeksinin, seçili ülkelerin
en kapsamlı borsa endekslerindeki volatilitesine
etkisi incelenmiştir. Sürekli dalgacık dönüşümü
(CWT) analizi ile GJR-GARCH modeliyle
yapılan analizi sonucunda, borsa volatilitelerinin
koronavirüse karşı alınan politikalardan etkilendiği
saptanmıştır. Örnek ülkelerin çoğunda, hükümet
önlemlerinin yerel hisse senedi piyasalarındaki
piyasa volatilitesini önemli ölçüde azalttığı
gözlemlenmiştir.
Kizys vd. (Kizys, Tzouvanas ve Donadelli,
2021) yaptıkları çalışmada, koronavirüs
pandemisine hükümetin tepkisinin, uluslararası
borsalarda yatırımcı gütme davranışını haetip
haetemeyeceğini araştırmışlardır. Bu kapsamda
01.01.2020 – 31.03.2020 tarihleri arasında
günlük veriler kullanılararak; OxCGRT ve Sıkılık
(SI) endekslerinin gelişmiş ve gelişmekte olan
ekonomilere ait 72 borsa endeksine etkisini
incelenmiştir. Panel veri yöntemiyle yapılan analiz
sonucunda, devlet politikalarının çok boyutlu
belirsizliği azaltarak yatırımcıların sürü davranışını
haettiği saptanmıştır.
Zaremba vd. (Zaremba, Aharon, Demir, Kizys ve
Zawadka, 2021) yaptıkları çalışmada, koronavirüse
karşı devlet politikalarının küresel borsa likiditesi
üzerindeki etkisini araştırmışlardır. Bu kapsamda
01.01.2020 – 03.04.2020 tarihleri arasında günlük
veriler kullanılarak; koronavirüs vaka ve ölüm
sayıları ile OxCGRT endeksinin, 49 ülke hisse
senedi piyasasına etkisi incelenmiştir. Panel
regresyon modeli ile yapılan analiz sonucunda,
politikaların etkisinin sınırlı olduğu, gelişmiş
hisse senedi piyasalarında likiditeyi bozmadığı
saptanmıştır. Ayrıca işyeri ve okul kapanışları,
gelişmekte olan piyasalardaki likiditeyi bozarken
koronavirüs ile ilgili bilgilendirme kampanyalarının
ticaret faaliyetlerini kolaylaştırdığı gözlemlenmiştir.
2. Metodoloji
2.1. Araştırmanın Amacı ve Yöntemi
Bu çalışmanın amacı, Türkiye’de Covid-19
pandemisinin etkilerini engellemeye veya
indirgemeye yönelik uygulanan politika, kısıtlama
ve önlemler ve iş sektörleri arasındaki nedensellik
ilişkisini araştırmaktır. Amaç doğrultusunda
Hale vd. (Hale ve diğerleri, 2020) tarafından
oluşturulan OxCGRT (Oxford Covid-19 Devlet
Müdahalesi Takibi) endekslerinin; BİST’de işlem
gören 21 sektör endeksi ile çift yönlü nedensellik
ilişkisi incelenmiştir. OxCGRT; ülkelerin kısıtlama
ve kapanma politikalarını temel alan bir Sıkılık
endeksinden, ülkelerin sağlık politikalarını temel
alan bir Sağlık sistemi endeksinden, ülkelerin
ekonomik teşvik ve destek politikalarını temel
alan bir Ekonomik Tepki endeksinden ve bu

44 Sayı:26 Yıl:2021
endekslerinin tümünü kapsayan bir Hükümet Tepkisi endeksinden oluşmaktadır. Söz konusu değişkenlerin
arasındaki ilişkiyi incelemek için; yapısal kırılmaları ve trendi dikkate alan Zivot-Andrews (Zivot ve Andrews,
1992) birim kök testi ile serilerin durağanlık analizi gerçekleştirilmiştir. Farklı seviyelerde durağan hale gelen
seriler için optimal gecikme uzunluğunu test eden Schwarz (Schwarz, 1978) Bilgi Kriteri dikkate alınarak
seriler arasında herhangi bir nedenselliğin varlığı ve nedensellik var ise yönünün tespit edilebilmesi için
Toda-Yamamoto (Toda ve Yamamoto, 1995) nedensellik analizi kullanılmıştır.
2.2. Veri Seti
Çalışmada kullanılan değişkenler Tablo 2’de belirtilmiş. Söz konusu değişkenler 07.04.2020-30.12.2020
dönemi aralığında günlük verilerden oluşmaktadır. Söz konusu dönemin başlangıç tarihi, Türkiye’de ilk
sokağa çıkma kısıtlamasının başladığı 11.04.2020 tarihinin hemen öncesine tekabül etmektedir.
Tablo 2. Veri Seti
Değişken Değişken Açıklaması Dönem Kaynak
XBANK BİST Banka Endeksi 07.04.2020-
30.12.2020
tr.investing.com
XMANA BİST Basit Metaller Endeksi
XELKT BİST Elektrik Endeksi
XUMAL BİST Finansallar Endeksi
XGMYO BİST GMYO Endeksi
XUHİZ BİST Hizmet Endeksi
XHOLD BİST Holding ve Yatırımlar Endeksi
XKMYA BİST Kimyasal, Petrol, Plastik Endeksi
XFİNK BİST Leasing ve Faktoring Endeksi
XTAST BİST Metal Harici Mineral Ürünler Endeksi
XMESY BİST Metal Ürünleri ve Makineler Endeksi 07.04.2020-
30.12.2020
tr.investing.com
XKAGT BİST Odun, Kâğıt ve Baskı Endeksi
XSGRT BİST Sigorta Endeksi
XUSİN BİST Sanayi Endeksi
XSPOR BİST Spor Endeksi
XUTEK BİST Teknoloji Endeksi
XTEKS BİST Tekstil, Deri Endeksi
XTCRT BİST Toptan Satış, Perakende Ticaret Endeksi
XTRZM BİST Turizm Endeksi
XULAS BİST Ulaştırma Endeksi
XGİDA BİST Yiyecek ve İçecek Endeksi
SIKILIK Oxford Covid-19 Devlet Müdahalesi Takibi Sıkılık Endeksi 07.04.2020-
30.12.2020
bsg.ox.ac.uk
SAĞLIK Oxford Covid-19 Devlet Müdahalesi Takibi Sağlık Sistemi
Endeksi
EKONOMİK
TEPKİ
Oxford Covid-19 Devlet Müdahalesi Takibi Ekonomik Tepki
Endeksi
HÜKÜMET
TEPKİSİ
Oxford Covid-19 Devlet Müdahalesi Hükümet Tepkisi Endeksi

45
GÜMRÜK
Enes Burak ERGÜNEY & Rabia MANİSA & Ahmet Burak DEMİR & Rümeysa MANİSA
Covid-19 Pandemisine Yönelik Devlet Müdahalelerinin BİST Sektör Endeksleriyle İlişkisi
2.3. Zivot-Andrews Birim Kök Testi
Zivot ve Andrews (1992) çalışmalarında, Perron (Phillips ve Perron, 1988)’un geliştirdiği serilerdeki kırılma
noktasının dışsal olarak belirlenmesi varsayımını rasyonaliten uzak olduğunu belirterek buna karşılık yeni
bir birim kök testi ortaya koymuşlardır. Geliştirdikleri Zivot-Andrews (ZA) birim kök testi alternatif hipotez
altında serilerin yapısındaki belirli kırılma noktalarını hem düzeyde hem de trendde dikkate almaktadır. Zivot-
Andrews (ZA) durağanlık testi 3 modelden oluşmaktadır. Bu modeller; düzeyde tek kırılmaya izin veren
Model A, eğimde tek kırılmaya izin veren Model B ve hem eğimde hem de düzeyde tek kırılmaya izin veren
Model C’den oluşmaktadır. Söz konusu modellerin denklemleri şu şekildedir;
Modelde verilen DU değişkeni düzeyde, DT değişkeni trendde kırılmayı ifade eden kukla değişkenlerdir.
Modellerdeki, t=1,2,...,T zamanı, TB kırılma tarihini ifade etmek üzere, λ= TB / T kırılma noktasını vermektedir.
Öncelikle her bir seri için, j = 2 / T ve j = (T -1) / T aralığında yer alan λ= TB / T kırılma noktası ile (1),
(2) ve (3) denklemleri en küçük kareler yöntemi kullanılarak tahmin edilmektedir. Kırılma tarihi, en küçük t
istatistiğinin olduğu tarih olarak seçilir (Zivot ve Andrews, 1992: 255) Seçilen t istatistiği, Zivot ve Andrews
(1992) tarafından belirlenen kritik değerden küçükse serilerde birim kökün varlığını ifade eden temel hipotez
kabul edilmektedir.
2.4. Toda-Yamamoto Nedensellik Analizi
Toda ve Yamamoto (1995) çalışmalarında, Engle-Granger nedensellik testinin eksik yönlerini ele almış
ve eksikleri gidermeye yönelik Toda-Yamamoto testini geliştirmişlerdir. Toda-Yamamoto testi ile farklı
seviyelerde durağanlaşan ve aralarında eş bütünleşme olmayan zaman serilerinin arasındaki nedensellik
ilişkisini inceleme imkânı sağlanmıştır. Granger nedensellik testlerinde kullanılan VAR modelinin tahmini
gerçekleştirilerek gecikme uzunluğunun belirlenmesine dayanmaktadır (Toda ve Yamamoto, 1995). Toda-
Yamamoto (1995)’nun geliştirdiği VAR modelinin denklemleri aşağıdaki gibidir (Aksoy, Teker, Mazak ve
Kocabıyık, 2020).

46 Sayı:26 Yıl:2021
Denklem (4) ve (5)’de kurgulanan VAR modelinde k maksimum gecikme uzunluğunu, dmax maksimum
bütünleşme seviyesini belirtmektedir. Kurgulanan denklemlerde X değişkeninden Y değişkenine doğru
nedensellik ilişkisi ve Y değişkeninden X değişkenine doğru nedensellik ilişkisi geçerlilik
hipotezleri wald testi ile test edilmektedir.
Bu çalışmada veri setini oluşturan değişkenler arasında herhangi bir nedensellik ilişkisinin varlığını ortaya
çıkartmak için Toda-Yamamoto analizi kullanılmış ve hipotezler aşağıdaki şekilde kurulmuştur.
: X değişkeninden Y değişkenine Granger nedensellik yoktur.
: X değişkeninden Y değişkenine Granger nedensellik vardır.
2.5. Bulgular
2.5.1. Zivot-Andrews Birim Kök Testi Sonuçları
Çalışmada durağanlık tespiti için Zivot-Andrews (ZA) birim kök testi kullanılmış ve trend ve kırılmalar
bulunan serilerin olmasından dolayı C modeli uygun model olarak belirlenmiştir. Düzey değerlerinde durağan
hale gelmeyen serilerin birinci farkları ile ZA birim kök testi tekrar edilmiştir. Ulaşılan sonuçlar Tablo 3’te
belirtilmiştir.
Tablo 3.Zivot-Andrews Birim Kök Testi Sonuçları
Değişken
Düzey Düzeyin Kırılma
Tarihi Kritik Değer*
1. Fark 1.Farkın Kırılma
Tarihi
Kritik
Değer*
Test
İstatistiği Test
İstatistiği
XBANK -4.19 09.11.2020 -5.08 -6.29* 07.04.2020 -5.08
XMANA -4.67 26.10.2020 -5.08 -14.83* 30.10.2020 -5.08
XELKT -4.38 28.07.2020 -5.08 -13.69* 08.07.2020 -5.08
XUMAL -4.58 28.07.2020 -5.08 -13.77* 02.11.2020 -5.08
XGMYO -4.66 04.08.2020 -5.08 -12.96* 08.07.2020 -5.08
XUHİZ -5.28* 28.01.2020 -5.08 - - -5.08
XHOLD -4.69 28.07.2020 -5.08 -14.62* 02.11.2020 -5.08
XKMYA -4.38 26.10.2020 -5.08 -15.09* 03.11.2020 -5.08
XFİNK -4.78 04.08.2020 -5.08 -9.67* 22.10.2020 -5.08
XTAST -4.55 28.07.2020 -5.08 -14.23* 08.07.2020 -5.08
XMESY -4.29 04.08.2020 -5.08 -9.35* 04.08.2020 -5.08
XKAGT -3.96 04.08.2020 -5.08 -9.23* 27.10.2020 -5.08
XSGRT -4.72 30.07.2020 -5.08 -14.63* 23.10.2020 -5.08
XUSİN -4.31 28.07.2020 -5.08 -14.67* 02.11.2020 -5.08
XSPOR -4.83 26.08.2020 -5.08 -11.01* 10.09.2020 -5.08
XUTEK -4.76 26.10.2020 -5.08 -6.74* 23.10.2020 -5.08
XTEKS -4.58 28.07.2020 -5.08 -14.59* 02.11.2020 -5.08
XTCRT -5.58* 28.07.2020 -5.08 - - -5.08
XTRZM -5.66* 04.08.2020 -5.08 - - -5.08
XULAS -4.11 09.11.2020 -5.08 -7.03* 02.11.2020 -5.08
XGİDA -4.41 22.09.2020 -5.08 -11.68* 19.10.2020 -5.08
SIKILIK -5.84* 09.09.2020 -5.08 - - -5.08
SAĞLIK -5.43* 09.09.2020 -5.08 - - -5.08
EKONOMİK TEPKİ -10.87* 01.06.2020 -5.08 - - -5.08
HÜKÜMET TEPKİSİ -5.25* 09.09.2020 -5.08 - - -5.08
*: %5 seviyesinde anlamlıdır.

47
GÜMRÜK
Enes Burak ERGÜNEY & Rabia MANİSA & Ahmet Burak DEMİR & Rümeysa MANİSA
Covid-19 Pandemisine Yönelik Devlet Müdahalelerinin BİST Sektör Endeksleriyle İlişkisi
2.5.2. Toda-Yamamoto Nedensellik Testi Sonuçları
Borsa İstanbul sektör endeksleri ve OxCGRT endeksleri arasında muhtemel bir nedensellik ilişkisinin
varlığını tespit edebilmek için değişkenler arasında ikili testler şeklinde Toda-Yamamoto nedensellik analizi
uygulanmıştır. Serilerin Schwarz Bilgi Kriteri (SC)’ne göre belirlenen maksimum gecikme uzunluğu (k) ve
Zivot-Andrews (ZA) birim kök testine göre belirlenen maksimum bütünleşme derecesi ( ) ile belirtilmiş; k
gecikmeli değerlere Wald istatistiği uygulanarak nedensellik ilişkisinin varlığı sınanmıştır.
Sıkılık endeksi ve sektör endeksleri arasında uygulanan Toda-Yamamoto analizinin sonuçları Tablo 4’te
belirtilmiştir. Elde edilen bulgulara göre Sıkılık endeksinden XSPOR endeksine %1; XFİNK, XHOLD, XUTEK
endekslerine %5; XGMYO endeksine %10 anlamlılık düzeyinde nedensellik ilişkisi gözlemlenmiştir.
Tablo 4. Sıkılık Endeksi ve BİST Sektör Endeksleri Toda-Yamamoto Analizi Sonuçları
Bağımlı
Değişkenler
Bağımsız
Değişkenler
Dmax KKi-kare Test
İstatistiği
Ki-kare
Probability
Değeri
İlişki ve Yönü
XBANK SIKILIK 1 1 1.09 0.57 YOK
XMANA 1 1 1.31 0.51 YOK
XELKT 1 1 3.37 0.18 YOK
XUMAL 1 1 3.76 0.15 YOK
XGMYO 1 1 4.71 0.09*** SIKILIK→XGMYO
XUHİZ 0 1 4.22 0.12 YOK
XHOLD 1 1 6.39 0.04** SIKILIK→XHOLD
XKMYA 1 1 0.88 0.64 YOK
XFİNK 1 1 7.72 0.02** SIKILIK→XFİNK
XTAST 1 1 2.69 0.25 YOK
XMESY 1 1 0.89 0.63 YOK
XKAGT 1 1 2.07 0.35 YOK
XSGRT 1 1 3.76 0.15 YOK
XUSİN 1 1 2.33 0.31 YOK
XSPOR 1 1 12.56 0.00* SIKILIK→XSPOR
XUTEK 1 1 8.65 0.01** SIKILIK→XUTEK
XTEKS 1 1 4.09 0.12 YOK
XTCRT 0 1 1.25 0.53 YOK
XTRZM 0 1 2.12 0.34 YOK
XULAS 1 1 1.79 0.40 YOK
XGİDA 1 1 0.96 0.61 YOK
*: %1 düzeyinde anlamlılığı, **: %5 düzeyinde anlamlılığı, ***: %10 düzeyinde anlamlılığı ifade etmektedir.
Sağlık sistemi endeksi ve sektör endeksleri arasında uygulanan Toda-Yamamoto analizinin sonuçları Tablo
5’te belirtilmiştir. Elde edilen bulgular Sağlık sistemi endeksinden XSPOR endeksine %1; XHOLD, XUHİZ
ve XUTEK endeksine %5; XFİNK, XGMYO ve XUMAL endekslerine %10 anlamlılık düzeyinde nedensellik
ilişkisi bulunduğunu göstermektedir. Bununla birlikte XKMYA endeksinden Sağlık Sistemi endeksine %10
anlamlılık düzeyinde nedensellik ilişkisi tespit edilmiştir.

48 Sayı:26 Yıl:2021
Tablo 5. Sağlık Sistemi Endeksi ve BİST Sektör Endeksleri Toda-Yamamoto Analizi Sonuçları
Bağımlı
Değişkenler
Bağımsız
Değişkenler
Dmax KKi-kare Test
İstatistiği
Ki-kare
Probability
Değeri
İlişki ve Yönü
XBANK SAĞLIK 1 1 2.84 0.24 YOK
XMANA 1 1 0.77 0.67 YOK
XELKT 1 1 3.55 0.16 YOK
XUMAL 1 1 4.87 0.08*** SAĞLIK→XUMAL
XGMYO 1 1 4.65 0.09*** SAĞLIK→XGMYO
XUHIZ 0 1 6.15 0.04** SAĞLIK→XUHIZ
XHOLD 1 1 6.62 0.03** SAĞLIK→XHOLD
XKMYA 1 1 4.76 0.09*** XKMYA→SAĞLIK
XFINK 1 1 5.36 0.06*** SAĞLIK→XFINK
XTAST 1 1 3.55 0.16 YOK
XMESY 1 1 1.95 0.37 YOK
XKAGT 1 1 2.68 0.26 YOK
XSGRT 1 1 3.21 0.20 YOK
XUSİN 1 1 3.29 0.19 YOK
XSPOR 1 1 11.38 0.00* SAĞLIK→XSPOR
XUTEK 1 1 8.40 0.01** SAĞLIK→XUTEK
XTEKS 1 1 3.17 0.20 YOK
XTCRT 0 1 2.55 0.27 YOK
XTRZM 0 1 4.00 0.13 YOK
XULAS 1 1 1.45 0.48 YOK
XGİDA 1 1 0.78 0.67 YOK
*: %1 düzeyinde anlamlılığı, **: %5 düzeyinde anlamlılığı, ***: %10 düzeyinde anlamlılığı ifade etmektedir.
Ekonomik Tepki endeksi ve BİST sektör endeksleri arasında uygulanan Toda-Yamamoto analizinin sonuçları
Tablo 6’da belirtilmiştir. Elde edilen bulgulara göre söz konusu değişkenler arasında herhangi bir anlamlı
nedensellik ilişkisine rastlanılmamıştır.

49
GÜMRÜK
Enes Burak ERGÜNEY & Rabia MANİSA & Ahmet Burak DEMİR & Rümeysa MANİSA
Covid-19 Pandemisine Yönelik Devlet Müdahalelerinin BİST Sektör Endeksleriyle İlişkisi
Tablo 6. Ekonomik Tepki Endeksi ve BİST Sektör Endeksleri Toda-Yamamoto Analizi Sonuçları
Bağımlı
Değişkenler
Bağımsız
Değişkenler
Dmax KKi-kare Test
İstatistiği
Ki-kare
Probability
Değeri
İlişki ve Yönü
XBANK EKONOMİK TEPKİ 1 1 0.31 0.85 YOK
XMANA 1 1 0.74 0.68 YOK
XELKT 1 1 0.16 0.91 YOK
XUMAL 1 1 1.20 0.54 YOK
XGMYO 1 1 0.70 0.70 YOK
XUHİZ 0 1 0.00 0.99 YOK
XHOLD 1 1 5.46 0.11 YOK
XKMYA 1 1 0.39 0.82 YOK
XFİNK 1 1 1.70 0.42 YOK
XTAST 1 1 0.41 0.81 YOK
XMESY 1 1 0.64 0.72 YOK
XKAGT 1 1 0.58 0.74 YOK
XSGRT 1 1 1.55 0.46 YOK
XUSİN 1 1 1.15 0.56 YOK
XSPOR 1 1 0.82 0.66 YOK
XUTEK 1 1 6.31 0.11 YOK
XTEKS 1 1 1.61 0.44 YOK
XTCRT 0 1 2.83 0.24 YOK
XTRZM 0 1 0.18 0.91 YOK
XULAS 1 1 0.41 0.81 YOK
XGİDA 1 1 0.16 0.92 YOK
*: %1 düzeyinde anlamlılığı, **: %5 düzeyinde anlamlılığı, ***: %10 düzeyinde anlamlılığı ifade etmektedir.
Hükümet Tepkisi endeksi ve BİST sektör endeksleri arasında uygulanan Toda-Yamamoto analizinin sonuçları
Tablo 7’de belirtilmiştir. Elde edilen bulgulara göre Hükümet Tepkisi endeksinden XSPOR endeksine %1;
XUHİZ endeksine %5; XFİNK, XTRZM ve XUTEK endekslerine %10 anlamlılık düzeyinde nedensellik ilişkisi
bulunmaktadır.

50 Sayı:26 Yıl:2021
Tablo 7. Hükümet Tepkisi Endeksi ve BİST Sektör Endeksleri Toda-Yamamoto Analizi Sonuçları
Bağımlı
Değişkenler
Bağımsız
Değişkenler
Dmax KKi-kare Test
İstatistiği
Ki-kare
Probability
Değeri
İlişki ve Yönü
XBANK HÜKÜMET
TEPKİSİ
1 1 2.84 0.24 YOK
XMANA 1 1 0.79 0.67 YOK
XELKT 1 1 3.14 0.20 YOK
XUMAL 1 1 3.97 0.13 YOK
XGMYO 1 1 3.94 0.13 YOK
XUHİZ 0 1 6.94 0.03** HÜKÜMET TEPKİSİ→XUHIZ
XHOLD 1 1 4.08 0.12 YOK
XKMYA 1 1 2.79 0.24 YOK
XFİNK 1 1 5.24 0.07*** HÜKÜMET TEPKİSİ→XFINK
XTAST 1 1 3.17 0.20 YOK
XMESY 1 1 2.07 0.35 YOK
XKAGT 1 1 3.47 0.17 YOK
XSGRT 1 1 2.34 0.30 YOK
XUSİN 1 1 2.93 0.23 YOK
XSPOR 1 1 11.62 0.00* HÜKÜMET TEPKİSİ→XSPOR
XUTEK 1 1 5.30 0.07*** HÜKÜMET TEPKİSİ→XUTEK
XTEKS 1 1 2.23 0.32 YOK
XTCRT 0 1 3.80 0.14 YOK
XTRZM 0 1 4.99 0.08*** HÜKÜMET TEPKİSİ→XTRZM
XULAS 1 1 0.58 0.76 YOK
XGİDA 1 1 0.58 0.74 YOK
*: %1 düzeyinde anlamlılığı, **: %5 düzeyinde anlamlılığı, ***: %10 düzeyinde anlamlılığı ifade etmektedir.
Sonuç
Elde edilen bulgular, Sıkılık endeksi ve sermaye yoğun sektörler arasında istatistiksel olarak anlamlı bir
nedensellik ilişkisi olduğunu, Sağlık Sistemi endeksinin ise hem sermaye yoğun sektörler hem de hizmete
dayalı sektörler ile nedensellik ilişkisi içerinde olduğunu göstermektedir. Ayrıca bileşenlerinde çeşitli ilaç
ve medikal şirketlerinin bulunduğu, BİST Kimya Petrol Plastik (XKMYA) endeksinden Sağlık Sistemleri
endeksine gözlemlenen anlamlı nedensellik, alınan sağlık politikaları ile düşük düzeyde ilişkisi olduğunu
göstermektedir.
Bir bütün olarak değerlendirildiğinde Türkiye’de Covid-19 ‘un etkilerini indirgemeye yönelik politikaların
bazı istisnalar dışında BİST’de işlem gören hizmete dayalı ve sermaye yoğun sektörlerin endeksleriyle
nedensellik ilişkisi olduğu; bununla birlikte imalata dayalı sektörlerin endeksleriyle ilişkisi bulunmadığı
sonucuna ulaşılmaktadır. Söz konusu duruma istisnaların ise hem sektörlerin yapısından hem de BİST’in iç
dinamiklerinden kaynaklanabileceği düşünülmüştür.
Covid-19 pandemisinin etkilerini engellemeye yönelik uygulanan önlemler düzenlenirken en az toplum
sağlığı kadar ekonomik etkilerinin de değerlendirilmesi gerektiği; ulaşılan sonuç kapsamında, söz konusu

51
GÜMRÜK
Enes Burak ERGÜNEY & Rabia MANİSA & Ahmet Burak DEMİR & Rümeysa MANİSA
Covid-19 Pandemisine Yönelik Devlet Müdahalelerinin BİST Sektör Endeksleriyle İlişkisi
önlemler düzenlenirken özellikle sermaye
yoğun sektörleri ve hizmet sektörüne etkileri
üzerinde durulması ve bu sektörlere etkilerinin
minimalize edilmesi elzemdir. Nitekim bu
etkilerin azaltılmaması ya da tedbir alınmaması
halinde, sektörel etkilerin bir çıktısı olarak sosyo-
ekonomik etkiler gözlemlenmesi de muhtemeldir.
Bu öngörüler politika yapıcılar, araştırmacılar ve
gelecek çalışmalar için tavsiye niteliğindedir.
Kaynaklar/ References
• Dergiler:
• Aksoy, E., Teker, T., Mazak, M. ve Kocabıyık, T. (2020). Kripto
Paralar ve Fiyat İlişkileri Üzerine Bir Analiz: Toda-Yamamoto
Nedensellik Analizi ile Bir İncelemer. Süleyman Demirel
Üniversitesi Sosyal Bilimler Enstitüsü Dergisi, 2(37), 110–129.
• Alexakis, C., Eleftheriou, K. ve Patsoulis, P. (2021).
COVID-19 containment measures and stock market returns:
An international spatial econometrics investigation. Journal
of Behavioral and Experimental Finance, 29, 100428.
doi:10.1016/j.jbef.2020.100428
• Ashraf, B. N. (2020). Economic Impact of Government
Actions to Control COVID-19 Pandemic: Evidence from
Financial Markets. SSRN Electronic Journal, 1–25.
doi:10.2139/ssrn.3628693
• Baig, A. S., Butt, H. A., Haroon, O. ve Rizvi, S. A. R. (2020).
Deaths, panic, lockdowns and US equity markets: The case
of COVID-19 pandemic. Finance Research Letters, 38,
101701. doi:10.1016/j.frl.2020.101701
• Bickley, S. J., Brumpton, M., Chan, H. F., Colthurst, R. ve
Torgler, B. (2020). EconStor: Turbulence in the nancial
markets: Cross-country dierences in market volatility in
response to COVID-19 pandemic policies ( No: No. 2020-
15). Zürich. https://www.econstor.eu/handle/10419/225557
adresinden erişildi.
• Hale, T., Angrist, N., Cameron-Blake, E., Hallas, L., Kira, B.,
Majumdar, S., … Webster, S. (2020). Variation in government
responses to COVID-19. Blavatnik okulu. www.bsg.ox.ac.uk/
covidtracker adresinden erişildi.
• Ibrahim, I., Kamaludin, K. ve Sundarasen, S. (2020).
COVID-19, Government Response, and Market
Volatility: Evidence from the Asia-Pacic Developed and
Developing Markets. Economies, 8(4), 105. doi:10.3390/
economies8040105
• Kizys, R., Tzouvanas, P. ve Donadelli, M. (2021). From
COVID-19 herd immunity to investor herding in international
stock markets: The role of government and regulatory
restrictions. International Review of Financial Analysis, 74,
101663. doi:10.1016/j.irfa.2021.101663
• Kılıç, Y. (2020). Borsa İstanbul’da COVID - 19 (Koronavirüs)
Etkisi. Journal Of Emerging Economies And Policy, 5(1),
66–77.
• Korkut, Y., Eker, M., Zeren, F. ve Altunışık, R. (2020).
Covid-19 Pandemisinin Turizm Üzerindeki Etkileri : Borsa
İstanbul Turizm Endeksi Üzerine Bir İnceleme The Impact Of
Covid- 19 Pandemic On Tourism : A Study On Borsa İstanbul
Tourism Indices. Gaziantep University Journal Of Social
Sciences, (71), 71–86.
• Ölmez, U. ve Ekinci, A. A. (2020). Koronavirüs (Covid-19)
Salgınının Hisse Senedi Piyasasına Etkisi: BIST 100 Örneği.
Ekonomi, Politika & Finans Araştırmaları Dergisi, 5, 225–239.
doi:10.30784/epfad.811636
• Özcan, M. (2021). COVİD 19 Pandemisinin Turizm ve
Ulaştırma İşletmelerinin Finansal Performansına Etkisi
Impact of COVİD - 19 Pandemic on Financial Performance
of Tourism and Transportation Enterprises Abstract.
Uluslararası Toplum Araştırmaları Dergisi, 17(Pandemi Özel
Sayısı), 145–170. doi:10.26466/opus.879224
• Özdemir, L. (2020). Asymmetric Eects of Covid - 19
Pandemic on Bist. Finans Ekonomi ve Sosyal Araştırmalar
Dergisi, 546–556.
• Phillips, P. ve Perron, P. (1988). Testing for a unit root in time
series regression. Biometrika, 75(2), 335–346. doi:10.1093/
biomet/75.2.335
• Schwarz, G. (1978). Estimating the Dimension of a Model.
The Annals of Statistics, 6(2), 461–464. doi:10.2307/2958889
• Tayar, T., Gümüştekin, E., Dayan, K. ve Mandi, E. (2020).
Covid-19 Krizinin Türkiye’deki Sektörler Üzerinde Etkileri:
Borsa İstanbul Sektör Endeksleri Araştırması. Yüzüncü
Yıl Üniversitesi Sosyal Bilimler Enstitüsü Dergisi, (Salgın
Hastalıklar Özel Sayısı), 293–320.
• Toda, H. Y. ve Yamamoto, T. (1995). Statistical inference
in vector autoregressions with possibly integrated
processes. Journal of Econometrics, 66(1–2), 225–250.
doi:10.1016/0304-4076(94)01616-8
• Yıldız Contuk, F. (2021). Covid -19’un Borsa İstanbul
Üzerindeki Etkisi: Bir ARDL Sınır Testi Modeli. Muhasebe
ve Finansman Dergisi, 852088(89), 101–112. doi:10.25095/
mufad.852088
• Zaremba, A., Aharon, D. Y., Demir, E., Kizys, R. ve Zawadka,
D. (2021). COVID-19, government policy responses, and
stock market liquidity around the world: A note. Research
in International Business and Finance, 56, 101359.
doi:10.1016/j.ribaf.2020.101359
• Zaremba, A., Kizys, R., Aharon, D. Y. ve Demir, E. (2020).
Infected Markets: Novel Coronavirus, Government
Interventions, and Stock Return Volatility around the Globe.
Finance Research Letters, 35, 101597. doi:10.1016/j.
frl.2020.101597
• Zivot, E. ve Andrews, D. W. K. (1992). Further Evidence on
the Great Crash, the Oil-Price Shock, and the Unit-Root
Hypothesis. Journal of Business & Economic Statistics,
10(3), 270. doi:10.2307/1391541