Bankac›l›k Krizleri ve Erken Uyar› Sistemleri: Türk Bankac ... · çok say›da ülkeyi analiz eden, yaz›n taramas› veya ekonometrik tahmin teknikleriyle inceleme yapan

BDDK Bankac›l›k ve Finansal PiyasalarCilt:4, Say›:1, 2010

Bankac›l›k Krizleri ve Erken Uyar›Sistemleri: Türk Bankac›l›k Sektörü ‹çin

Bir Model Önerisi

Bankac›l›k Krizleri ve Erken Uyar›Sistemleri: Türk Bankac›l›k Sektörü ‹çin

Bir Model ÖnerisiK. Batu TUNAY*

ÖÖzzeettBu çal›flma Türkiye’de olas› bankac›l›k krizlerini öngörmekte kullan›labilecek bir erken

uyar› modeli gelifltirilmesini hedeflemektedir. Bankac›l›k krizleri konusunda yap›lm›fl çok

say›da deneysel çal›flman›n bulgular› ›fl›¤›nda, Türkiye’ye özgü bir model gelifltirilmifltir. Söz

konusu model do¤rusal ve parametrik olmayan bir tahmin yöntemi olan MARS (multivariate

adaptive regression splines) ile tahmin edilmifltir. Tahmin sonuçlar› istatistik anlaml›l›k ve

aç›klama gücü aç›lar›ndan son derece baflar›l›d›r. Bulgular, Türkiye’de banka krizlerinin büyük

oranda d›fl kaynakl› de¤iflkenlerden ileri geldi¤ini göstermektedir. Bu ba¤lamda, sistemik

finansal krizlerin, döviz aç›k pozisyonunun ve ihracat›n ithalat› karfl›lama oran› önemli etken-

ler oldu¤u gözlenmifltir. Ayr›ca, sermaye yeterlili¤i, faiz riski, piyasa riski gibi etkenlerin de

önemli oldu¤u belirlenmifltir.

Anahtar Kelimeler: Bankac›l›k Krizleri, Erken Uyar› Modelleri ve Sistemleri, MARS Modelleri

JEL S›n›flamas›: G01, G21, G33, C13, C14, C51.

AAbbssttrraacctt -- BBaannkkiinngg CCrriisseess aanndd EEaarrllyy WWaarrnniinngg SSyysstteemmss:: AA MMooddeell SSuuggggeessttiioonn ffoorr TTuurrkkiisshh BBaannkkiinngg SSeeccttoorr

This study aims to evolve a model used in foreseeing possible banking crises in Turkey.

In the light of many empirical studies’ findings, a specific model for Turkey is developed. This

model is estimated by using multivariate adaptive regression splines (MARS) which is a

non-linear and non-parametric estimation method. Estimation results show that significance

and explanation levels of model are strongly high. According to model’s findings, banking

crises can be predominantly attributed to external factors. Systemic financial crises,

exchange rate open position, and terms of trade are observed to be main determinants.

Besides these factors, the study shows that capital adequacy, interest rate risk, and market

risk are the other important factors.

Keywords: Banking Crises, Early Warning Models and Systems, MARS Models

JEL Classification: G01, G21, G33, C13, C14, C51

* Doç. Dr., Y›ld›z Teknik Üniversitesi, Meslek Yüksekokulu, Bankac›l›k ve Sigortac›l›k Program›

9

10 K. Batu Tunay

1. GiriflSon yirmi y›lda, hem geliflmifl hem de geliflmekte olan ekonomilerde bafl göste-

ren finansal s›k›nt›larda ve krizlerde büyük bir art›fl yaflanm›flt›r. Bu olaylar›n önemlibir bölümü, ulusal boyutlarda kalmam›fl, aksine ciddi bir yay›lma göstermifl ve büyükuluslararas› maliyetler do¤urmufltur. Yaflanm›fl finansal krizlerin detayl› bir kronoloji-sini yapan Caprio ve Klingebiel’e (2003) göre; çeflitli ülkelerde yaflanm›fl 117 krizden,93 tanesi 1970’den sonra meydana gelmifl ve bunlar›n 51 tanesi baflka ülkelere ya-y›lma e¤ilimi göstermifltir. Dolay›s›yla, hükümetlerin, yasal otoritelerin, uluslararas› fi-nansal örgütlerin ve yat›r›mc›lar›n bu konudaki endiflelerini anlamak mümkündür. Fi-nansal sistem, giderek beklenmeyen ani sorunlar›n geliflti¤i yüksek ölçüde belirsiz biryap›ya bürünmektedir.

Söz konusu s›k›nt›lar›n ve krizlerin önemli bir bölümü bankac›l›k sistemi kaynakl›-d›r. Bankalar›n kaynak tahsisi sürecindeki önemli rollerinden ötürü, banka krizlerininekonomik faaliyetler üzerindeki olumsuz etkileri kuflkusuz çok büyük olmaktad›r. Bu-na karfl›l›k, yaz›nda para krizlerine daha çok de¤inildi¤i de bir gerçektir. Baz› yazar-lar bu durumu, banka krizleri için iyi bir tahmin sistemi olmas›n›n öneminin yeterin-ce anlafl›lamam›fl olmas›na ba¤lamaktad›rlar. Baz› yazarlarsa uygulamal› çal›flmalaratemel teflkil edecek veri setlerinin yetersizli¤inin bu soruna yol açt›¤›n› ifade etmek-tedir. Ancak alt› çizilmesi gereken konu, banka krizlerinin maliyetlerinin bu deneyi-min yafland›¤› ülkelerin birço¤unda GSY‹H’nin neredeyse %10’una ulaflabildi¤idir.

Para krizlerini ele alan kadar olmasa da, geliflmekte olan ülkelerdeki banka krizle-rini konu alan yaz›n yine de çok genifltir. Bu ba¤lamda, tek bir ülkeyi analiz eden,çok say›da ülkeyi analiz eden, yaz›n taramas› veya ekonometrik tahmin teknikleriyleinceleme yapan çal›flmalardan bahsedilebilir. Çal›flmalar›n türü ne olursa olsun he-men hepsi banka krizlerinin nedenlerini tespit etmek, bunlar› olmadan önce belirle-mek ve gerekli tedbirleri almak amac›ndad›r. Daha aç›k bir deyiflle, ortak aray›fl kriz-ler için bir erken uyar› sisteminin gelifltirilmesidir. Dolay›s›yla, banka krizlerinin tahmi-nine yönelik modeller gündeme gelmektedir. Krizlerin tahmini için gelifltirilen ekono-metrik modeller, erken uyar› sistemlerinin çekirdek unsurunu oluflturmaktad›r ve ilgi-li yaz›ndaki çal›flmalar›n ço¤u bu konuya odaklanmaktad›r. Ekonometrik tahmin yön-temleri bak›m›ndan, bankac›l›k krizlerini analiz etmek için çok çeflitli parametrik veparametrik olmayan yöntemler kullan›lmaktad›r. Ancak bunlardan üçü di¤erlerininönüne geçmektedir. Bunlar; sinyal verme yaklafl›m›, s›n›rland›r›lm›fl ba¤›ml› de¤iflkenregresyonu yaklafl›m› ve son y›llarda ikili a¤aç yaklafl›m›d›r. Bu yaklafl›mlar›n avantaj-lar› ve dezavantajlar› söz konusudur. Çal›flman›n amaçlar›ndan bir tanesi, söz konu-su avantajlar› artt›r›rken dezavantajlar› azaltacak alternatif bir tahmin yönteminin be-lirlenmesi ve de¤erlendirilmesidir.

Bankac›l›k krizleri için erken uyar› sistemi tasar›m›, sistemin tahmin ufkunun belir-lenmesini gerektirir. Ancak sistemin tasar›m›, münferit banka baflar›s›zl›¤›n› veya tüm

11Bankac›l›k Krizleri ve Erken Uyar› Sistemleri: Türk Bankac›l›k Sektörü ‹çin Bir Model Önerisi

bankac›l›k sisteminin finansal s›k›nt›lar›n› tahmin etmeye yönelik olup olmad›¤›na gö-

re de¤iflecektir. Belirlenen ufuk çerçevesinde, erken uyar› sistemi krizin ve banka ba-

flar›s›zl›¤›n›n tam bir tan›m›n› içermelidir. Öte yandan; aç›klay›c› de¤iflkenler seti be-

lirlenmeli, sistemin gerekli ve potansiyel ç›kt›lar›n›n ne oldu¤u gibi unsurlara da aç›k-

l›k getirilmelidir. Bu çal›flman›n bir baflka amac›, ilgili yaz›n› inceleyerek bu çok önem-

li teknik sorulara cevaplar verebilmektir. Çünkü bu sorular›n cevaplar›, tasarlanacak

bir erken uyar› modelinin de ipuçlar›n› içerecektir.

Çal›flman›n nihai amac› ise; Türkiye’deki bankac›l›k krizlerini di¤er ülkelerin dene-

yimlerini de dikkate alarak tüm yönleriyle analiz etmek ve etkili bir erken uyar› siste-

minde kullan›labilecek bir model gelifltirilmesine katk›da bulunmakt›r. Türkiye’de

bankac›l›k krizlerini ele alan belli bafll› çal›flmalar; Çilli ve Temel (1988), Aktafl (1992),

Atan (2001), Y›lmaz (2001), Duman (2002), Seçil (2003), Alt›ntafl (2004), Esen

(2005), Tosuner (2005), Gerni v.d. (2005), Ural ve Acar-Balaylar (2007), Erdo¤an

(2008), Ökte (2009), Çinko ve Ak (2009) olarak s›ralanabilir. Bunlardan Çilli ve Te-

mel (1988), Tosuner (2005), Gerni v.d. (2005), Alper ve Kaplan (2005), Ural ve Acar-

Balaylar (2007) çal›flmalar› Türk Bankac›l›k sistemi için alternatif ekonometrik yön-

temlerle erken uyar› modelleri gelifltirmek üzerine yo¤unlaflm›flt›r. Di¤er çal›flmalar

ise, bankalar›n baflar›s›zl›k nedenleri, olas› bankac›l›k krizlerini önlemek için al›nmas›

gereken tedbirleri ve kriz yaflanan ülkelerin deneyimlerini ele almaktad›r. Aç›kt›r ki;

ülkemizde bankac›l›k krizlerini ve erken uyar› modellerini deneysel olarak ele alan ye-

terince çal›flma oldu¤u söylenemez. Çal›flman›n ana itici gücü de bu tespit olmufltur.

Bu ba¤lamda, analitik bir bak›fl aç›s›yla genifl bir yaz›n taramas› yap›lm›fl ve bir

banka krizinin olas› tüm dinamiklerini içeren fonksiyonel iliflkiler araflt›r›lm›flt›r. Söz

konusu fonksiyonel iliflkilerden hareketle tahmini yap›lacak model oluflturulmufl ve al-

ternatif ekonometrik yöntemlerin üstünlüklerini bünyesinde toplad›¤›na inan›lan

MARS yöntemi kullan›larak bu model tahmin edilmifltir. Yirmi y›la yak›n bir geçmifli

olmas›na ra¤men MARS yöntemi uygulamac›lar aras›nda fazla tan›nmamaktad›r. An-

cak baflar›l› performans› bilim çevrelerinde iyi bilinmektedir. Bu yöntem banka krizle-

ri gibi ikili ba¤›ml› de¤iflkenlerin tahmininde kullan›labilir esnek bir yap›dad›r.

Girifl ve sonuç hariç befl ana bölümden meydana gelen çal›flman›n ilk bölümü ban-

ka krizlerinin tan›mlanmas›na, neden ve sonuçlar›n›n aç›klanmas›na ve yaz›ndaki ça-

l›flmalar›n bulgular›n›n paylafl›lmas›na ayr›lm›flt›r. ‹kinci bölümde, Türkiye’de bu konu-

da yap›lm›fl çal›flmalara ve bunlar›n bulgular›na de¤inilmektedir. Üçüncü bölümde,

yurtd›fl› ve yurtiçi çal›flmalar ›fl›¤›nda gelifltirilen erken uyar› modeli sunulmaktad›r.

Dördüncü bölümde, MARS yöntemi ana hatlar›yla tan›t›lmaktad›r. Son bölümde ise,

tahmin sonuçlar› sunulmakta ve de¤erlendirilmektedir.

12 K. Batu Tunay

2. Teorik Çerçeve

2.1. Kriz Tan›m› ve Temel Dinamiklerin Belirlenmesi

Sistemik banka krizlerinin tahminine yönelik modeller ile erken uyar› modellerini

birbirlerinden kesin çizgilerle ay›rmak mümkün de¤ildir. Asl›nda krizlerin tahmin edil-

mesi çabalar›, onlar›n makul bir süre önceden öngörülmesi ve tedbir al›nmas› aray›fl-

lar›n›n bir ürünüdür. Dolay›s›yla baz› araflt›rmac›lar›n iflaret ettikleri gibi (Duttagupta

ve Cashin, 2008; Ray v.d., 2009); sistemik banka krizlerinin tahmininde kullan›lan

modeller erken uyar› sistemlerinin çekirdek unsurunu oluflturmakta ve ilgili yaz›nda

ço¤unlukla bunlar birlikte ele al›nmaktad›r.

Bankac›l›k krizleri için erken uyar› sistemi tasar›m›, sistemin tahmin ufkunun belir-

lenmesini ve baz› yönteme iliflkin unsurlar›n tan›mlanmas›n› gerektirir. Sistemin mün-

ferit banka baflar›s›zl›¤›n› veya tüm bankac›l›k sisteminin finansal s›k›nt›lar›n› tahmin

etmeye yönelik olup olmad›¤›na göre tasar›m› de¤iflecektir. Belirlenen ufuk çerçeve-

sinde, erken uyar› sistemi krizin ve banka baflar›s›zl›¤›n›n tam bir tan›m›n› içermelidir.

Ayr›ca; sistemin gerekli ve potansiyel ç›kt›lar›n›n ne oldu¤u, bankac›l›k sektörünün s›-

k›nt›s›n›n veya olas› krizlerin bir iflaretinin gerekip gerekmedi¤i, krizin zamanlamas›

ve fliddetinin öngörülebilece¤i bir sistemin olup-olmad›¤› hususlar› da tan›mlanmal›-

d›r.

Bankac›l›k krizlerinin yap›s› ve geliflimleri incelendi¤inde; banka firmas› temelli

mikro ekonomik nedenler, makro ekonomik nedenler ve d›fl kaynakl› nedenler ola-

rak temelde üç grup kaynaktan bahsedilebilir. Mikro ekonomik nedenler; kredi port-

föyünde gözlenen orant›s›z art›fllar, vadesi geçmifl ya da ödenmemifl kredilerin say›-

s›ndaki art›fl, birbiriyle yak›n iliflki içinde olan kredilerin say›s›ndaki art›fl, banka faali-

yetlerini güçlü flekilde etkileyen riskler (faiz, piyasa, kredi ve likidite riskleri) olarak s›-

ralanabilir (Trigo ve Costanzo, 2007; Gaytan ve Johnson, 2002). Makro ekonomik

nedenlerin bafl›nda ekonomik istikrars›zl›k gelir. Bu ba¤lamda; ekonomik döngülerin

tesirlerini yans›tan büyüme h›z›nda gözlenen de¤iflmeler, ç›kt› miktar›, tüketim ve ya-

t›r›m harcamalar›ndaki hareketler ile bütçe dengesizlikleri ve fiyat istikrars›zl›klar›

önemlidir (Trigo ve Costanzo, 2007). Öte yandan; finansal sistemdeki düzenlemele-

rin gevfletilmesi ve bu çerçevede banka sistemini düzenleyen kurum ve kurallar›n et-

kinliklerinin azalt›lmas› önemli bir kriz etkenidir (Demirgüç-Kunt ve Detragiache,

1998a; Kaminsky ve Reinhart, 1995 ve 1999). Krizlerin ekonominin geniflleme döne-

minin sona ermesiyle ortaya ç›kt›¤› ve kriz öncesinde para talebinde büyük düflüfller

gözlendi¤i gibi tespitler de söz konusudur (Trigo ve Costanzo, 2007).

Banka krizleri d›fl kaynakl› unsurlardan da ciddi flekilde etkilenmektedir. Hatta kü-

reselleflme düzeyindeki art›fltan ötürü, d›fl kaynakl› unsurlar›n giderek bask›n hale gel-

di¤i söylenebilir. Bu anlamda, sistemik risk d›fl kaynakl› en önemli kriz unsuru olarak

gösterilmektedir (Trigo ve Costanzo, 2007). Kur hareketleri, yurtd›fl› faiz oranlar›nda-


ki de¤iflmeler, petrol gibi önemli girdilerin fiyatlar›ndaki de¤iflmeler di¤er önemli et-

kenlerdir. (Demirgüç-Kunt ve Detragiache 1998a ve 2005; Duttagupta ve Cashin,

2009).

2.2. Deneysel Çal›flmalar Ifl›¤›nda AlternatifModelleme ve Tahmin Yöntemlerinin De¤erlendirilmesi

‹statistiksel yöntemlerle bankac›l›k krizlerinin tahmini için yeterince kriz gözlemi

içeren bir örneklemin bulunmas› gerekir. Ancak birçok ülkede banka krizleri s›kça gö-

rülmedi¤inden, analizlerde ço¤u zaman ciddi bankac›l›k sorunlar› yaflanan farkl› ülke-

lerin verilerini kapsayan karma bir örneklem kullan›lmaktad›r. Bununla birlikte, bir ül-

kede belirli süre içerisinde yeterli say›da banka krizi deneyimi yaflanm›flsa, münferit

ülkeler konu al›narak da tahminler yap›labilir. Her ülkenin kendine has yap› ve özel-

likleri oldu¤u dikkate al›nd›¤›nda, bu tür tahminlerin daha baflar›l› sonuçlar vermesi

olas›d›r.

Yaz›nda sistemik banka krizlerinin erken uyar› sistemleri yöntemsel aç›dan flu fle-

kilde tasnif edilmektedir: 1) Kalitatif göstergeler yaklafl›m› (qualitative indicators ap-

proach), 2) Sinyal verme yaklafl›m› (signal extraction approach), 3) S›n›rl› ba¤›ml› de-

¤iflken yaklafl›m› (limited dependent variable approach), 4) ‹kili yinelemeli s›n›fland›r-

ma a¤ac› yaklafl›m› (binary recursive classification tree approach). De¤inilen yöntem-

lerle yap›lan deneysel çal›flmalar ile kullan›lan yöntemlerin üstünlükleri ve yetersizlik-

leri Tablo 1’de özetlenmektedir.

14 K. Batu Tunay

TTaabblloo 11:: DDeenneeyysseell ÇÇaall››flflmmaallaarrddaa KKuullllaann››llaann YYöönntteemmlleerriinn KKaarrflfl››llaaflfltt››rr››llmmaass››

Yöntem óON�.XOODQDQODU�\D�GD�*HOLöWLUHQOHU %X�<|QWHPGHQ�+DUHNHWOH�<DSÖODQ�'LõHU�'HQH\VHO�dDOÖöPDODU

I) Kalitatif Göstergeler Yak. Honohan (1997) --

Yöntemin Üstünlükleri: ��.ROD\�DQODöÖODELOLU�YH�NROD\�X\JXODQDELOLU�

<|QWHPLQ�6RUXQODUÖ�*|VWHUJHOHU�NLöLVHO�\DUJÖODU�oHUoHYHVLQGH�GHõHUOHQGLULOLU��.UL]�X\DUÖVÖQÖQ�QH�ROGXõX�V�EMHNWLIWLU��

,,��6LQ\DO�9HUPH�<DNODöÖPÖ .DPLQVN\�YH�5HLQKDUW��YH�� .DPLQVN\��YH��.DPLQVN\��/L]RQGR�YH�5HLQKDUW��*ROGVWHLQ��.DPLQVN\�YH�5HLQKDUW��(GLVRQ��%RULR�YH�/RZH��%RULR�YH�'UHKPDQQ��

Yöntemin Üstünlükleri:

5DVVDO�|QJ|U�OHUH�RUDQOD�GDKD�L\L�ELU�SHUIRUPDQV�VDõODU��.UL]LQ�öLGGHWL�\ROX\OD��ONHOHULQ�VÖUDODQPDVÖQGD�EDöDUÖOÖGÖU�.UL]�RODVÖOÖNODUÖQÖQ�WDKPLQLQGH�|QHPOL�\HUL�RODQ�NRPSR]LW�HQGHNVOHULQ�WDKPLQ��RODVÖOÖNODUÖQGD�EDöDUÖOÖGÖU�

<|QWHPLQ�6RUXQODUÖ�

'HõLöNHQOHULQ�VHoLPL�NH\ILGLU�YH�EXQODUÖQ�NUL]OHULQ�WDKPLQLQH�RODQ�PDUMLQDO�NDWNÖODUÖQÖ��|OoPHQLQ�ELU�\ROX�\RNWXU�+HUKDQJL�ELU�HQGHNV�WDVDUÖPÖ��EX�HQGHNVWH�\HU�DODFDN�KHU�ELU�GHõLöNHQLQ�P�QIHULW��NDWNÖODUÖ�LOH�DõÖUOÖNODQGÖUÖODPDGÖõÖ�]DPDQ�NH\IL�RODFDNWÖU��'HõLöNHQOHULQ�J�U�OW��VLQ\DO�RUDQODUÖ�\ROX\OD�DõÖUOÖNODQGÖUÖOPDVÖ��EX�GHõLöNHQOHULQ�NUL]OHUH�UHHO�NDWNÖODUÖ�NRQXVXQGD�ELOJL�YHUPH]�%DQNDFÖOÖN�VÖNÖQWÖODUÖQÖQ�öLGGHWLQL�LQFHOHPH\H�RODQDN�YHUPH]��%|OJHVHO�IDUNOÖOÖNODUÖQ�GLNNDWH�DOÖQPDVÖ�P�PN�Q�GHõLOGLU��gUQHNOHP�LoLQGHNL�ED]Ö�NUL]OHUL�WDKPLQ�HGHELOPHVLQH�UDõPHQ�ELUoRN�NUL]L�WDKPLQ��HWPHNWH�EDöDUÖVÖ]GÖU��g]HOOLNOH��|UQHNOHP�GÖöÖ�|QJ|U�OHU�DoÖVÖQGDQ�oRõXQOXNOD�EDöDUÖVÖ]GÖU�.UL]LQ�]DPDQÖ�NRQXVXQGD�SHUIRUPDQVÖ�G�ö�NW�U��

,,,��6ÖQÖUODQGÖUÖOPÖö�%DõÖPOÖ�'HõLöNHQ�<DNODöÖPÖ��/RJLW��3URELW��dRN�'HõLöNHQOL�YH�dRNOX�'HõHU�$ODQ�/RJLW�0RGHOOHU

)UDQNHO�YH�5RVH��'HPLUJ�o�.XQW�YH�'HWUDJLDFKH��D�YH��E��(LFKHQJUHQ�YH�5RVH��+DUG\�YH�3D]DUEDöÖRõOX��

+XWFKLQVRQ�YH�0F'LOO��%RQJLQL��&ODHVVHQV�YH�)HUUL��'HPLUJ�o�.XQW�YH�'HWUDJLDFKH��%XVVLHUH�YH�)UDW]VFKHU��-DFRSV�YG��'HPLUJ�o�.XQW�YH�'HWUDJLDFKH��)RQWHQOD�YH�*RQ]DOH]��'DYLV�YH�.DULP·LQ��D��6KHG]DG�YH�'H�+DDQ��=DUURXN�YH�$\DFKL��

Yöntemin Üstünlükleri:

'�ö�N�IUHNDQVOÖ�YHULOHU�WHPLQ�HGLOGLõLQGH�WDKPLQ�YH�NHVWLULP�SHUIRUPDQVÖ�WDWPLQNDUGÖU��+HU�GHõLöNHQLQ�NUL]OH�RODQ�LOLöNLVLQLQ�YH�PRGHOH�PDUMLQDO�NDWNÖVÖQÖQ�KHVDSODQPDVÖ��P�PN�QG�U�=DPDQD�YH�\HUH�J|UH�NDWVD\ÖODU�GHõLöPHGLõLQGHQ��P�QIHULW�GHõLöNHQOHULQ�|QHPL�WHVW��HGLOHELOLU�6LQ\DO�YHUPH�\DNODöÖPÖ�LOH�ELUOHöWLULOGLõLQGH�HöLNOHULQ�WHVW�HGLOPHVLQH�RODQDN�YHULU��

<|QWHPLQ�6RUXQODUÖ�

%X�\DNODöÖPGD�NUL]�G|QHPL��NUL]LQ�PH\GDQD�JHOGLõL�\ÖO�RODUDN�NDEXO�HGLOPHNWHGLU��$QDOL]OHUGH�\ÖOOÖN�YHULOHU�NXOODQÖOGÖõÖQGD�EX�NUL]�WDQÖPODPDVÖ�WDKPLQOHULQ�HWNLQOLõLQL�G�ö�UPHNWHGLU�<XUWGÖöÖ�ND\QDNOÖ�GHõLöNHQOHULQ�KDULo�WXWXOPDVÖQD�GD\DOÖ�LoVHOOLN�VRUXQODUÖ�YDUGÖU��<ÖOOÖN�YHULOHU�NXOODQÖOGÖõÖQGD�NUL]OHUOH�Hö�]DPDQOÖ�RODUDN�ELUoRN�GHõLöNHQ�\DSD\�ELU��öHNLOGH�GHõLöPHNWHGLU�<ÖOOÖN�YHULOHUOH�|QJ|U��\DSÖOPDVÖ�YH�ELU�HUNHQ�X\DUÖ�VLVWHPL�RODUDN�NXOODQÖOPDVÖ�LPNDQÖ��]D\ÖIWÖU�

�,9��óNLOL�6ÖQÖIODQGÖUPD�$õDFÖ�<DNODöÖPÖ

'XWWDJXSWD�YH�&DVKLQ�� .DULP��'DYLV�YH�.DULP·LQ��E�

Yöntemin Üstünlükleri:*HQHO�DQODPGD�EDöDUÖOÖ�ELU�\|QWHP�ROPDVÖQD�UDõPHQ��EX�WHNQLNOH�\DSÖODQ�GHQH\VHO��oDOÖöPDODU�oRN�D]GÖU�YH�GLõHU�\DNODöÖPODUD�RUDQOD��VW�Q�ROXS�ROPDGÖõÖ�VDõOÖNOÖ�ELU�öHNLOGH�GHõHUOHQGLULOHPH]�

<|QWHPLQ�6RUXQODUÖ�)D]OD�ELOLQHQ�ELU�\|QWHP�ROPDGÖõÖQGDQ��\|QWHPL�HWNLQ�ELU�öHNLOGH�NXOODQPDN�YH�JHUHNOL��\D]ÖOÖPÖ�WHPLQ�HWPHN�]RU�RODELOLU�


Bu tasnifte yer almayan baflka kalitatif ve kantitatif yaklafl›mlar da söz konusudur.

Vlaar (2000) taraf›ndan gelifltirilen “kriz endeksi yaklafl›m›” (index of crises), Kolari

v.d. (2000) taraf›ndan kullan›lan ve parametrik olmayan istatistiksel bir teknik olan

“tehdit tan›ma modeli” (treat recognition model) bunlardan baz›lar›d›r. Ayr›ca, gelifl-

mifl ülkelerin denetleme ve düzenleme otoriteleri taraf›ndan kullan›lan erken uyar› ve

tahmin yöntemleri de söz konusudur. Bunlar, münferit banka baflar›s›zl›klar›na odak-

lanm›fl sistemlerdir. Temel mant›klar›, s›k›nt›daki bankalar› tespit edip, gerekli önlem-

leri alarak bunlar›n bankac›l›k sektöründe neden olacaklar› sistemik riski düflürmek-

tir. Ço¤unlukla CAMEL yaklafl›m›n› temel alan bu sistemlerin baz›lar› oran analizi ba-

z›lar› ise istatistiksel analiz temellidir. Bilindi¤i gibi CAMEL yaklafl›m›; sermaye yeterli-

li¤i (capital adequacy / C), aktif kalitesi (asset quality / A), yönetim yeterlili¤i (mana-

gement adequacy / M), kazanç durumu (earnings / E) ve likidite (liquidity / L) kav-

ramlar›n›n bir bileflimidir ve bunlar›n ilk harflerinden oluflturulmufltur.1

Honohan (1997), kredi patlamalar›, döngüde gözlenen k›r›lmalar gibi olgular›

yans›tacak temel makro göstergeleri ve banka sistemi göstergelerinin izlenmesiyle

krizlerin önceden tespit edilebilece¤ini savunmufltur. Kalitatif göstergeler yaklafl›m›

bu anlay›fl›n bir ürünüdür. Kalitatif göstergeler yaklafl›m› ile yak›ndan iliflkili olan, ama

sistematik bir istatistiksel süreci içeren “sinyal verme” (signal extraction) yaklafl›m›,

Diebold ve Rudebusch (1989) ile Stock ve Watson’un (1989) öncü göstergeler için

gelifltirdikleri yöntemi temel alan Kaminsky ve Reinhart (1995) taraf›ndan ortaya at›l-

m›flt›r. Kaminsky ve Reinhart (1999), sinyal verme yaklafl›m›n› para ve banka krizleri

odakl› bir öncü göstergeler yaklafl›m› haline getirmifltir. Parametrik olmayan bir ista-

tistiksel yöntem olan sinyal verme yaklafl›m›, bir kriz öncesinde ve sonras›ndaki eko-

nomik göstergelerin davran›fllar›n› inceler ve belirli eflik de¤erleri geçen sinyaller kri-

zin habercisi olarak kabul edilir.

Bir krizin meydana gelmesi ya da gelmemesi teknik aç›dan bak›ld›¤›nda, “ikili ke-

sikli” (binary discrete) bir olay olarak tan›mlanabilir. Bu takdirde krizin tekrarlanma

oran›n›n tahmin edilmesinde “s›n›rland›r›lm›fl ba¤›ml› de¤iflken yaklafl›m›” (limited de-

pendent variable approach) ya da daha iyi bilinen adlar›yla logit ve/veya probit mo-

delleri kullan›labilir. Logit ve probit modeller ile onlar›n daha geliflkin türleri (çoklu ba-

¤›ml›, çok de¤iflkenli veya panel veri logit gibi), parametrik tahmin teknikleridir ve s›-

n›rl› ba¤›ml› de¤iflkenin bir dizi aç›klay›c› de¤iflken ile regresyona tabi tutulmas› esa-

s›na dayan›rlar. Yöntemin önemli avantajlar›ndan birisi, her bir de¤iflkenin krizi aç›k-

lamaktaki katk›s›n›n de¤erlendirilebilmesi ve istatistiksel testler yard›m›yla genel de

olsa bir anlam ç›kart›labilmesidir. Frankel ve Rose (1996), s›n›rland›r›lm›fl ba¤›ml› de-

¤iflken modellerinin krizlere uygulanmas›n›n öncüsüdür. Yöntemin sistemik banka

1 Geliflmifl ülkelerde kullan›lan erken uyar› sistemleri konusunda daha detayl› bilgi için Gaytan veJohnson, 2002; Jagtiani v.d., 2003 çal›flmalar› incelenebilir.

16 K. Batu Tunay

krizlerine iliflkin ilk uygulamalar› ise, Demirgüç-Kunt ve Detragiache (1998a), Eichen-green ve Rose (1998) ve Hardy ve Pazarbafl›o¤lu’nun (1999) çal›flmalar›d›r.

‹kili s›n›fland›rma a¤ac› (binary classification tree) ya da di¤er ad›yla ikili yineleme-li a¤aç (binary recursive tree) yaklafl›m›, parametrik olmayan istatistiksel bir yöntem-dir. ‹kili sonuçlar›n, (“bir banka krizinin olmas› ya da olmamas›”gibi) tahmin edilme-sine yard›m edecek de¤iflkenler aras›ndaki önemli etkileflimleri belirlemekte kullan›-lan bir tekniktir. Bütün örneklem veya “ana dü¤üm” (parent node) ile bafllanarak,banka krizini aç›klayabilecek tüm aday de¤iflkenlerin tüm olas› eflik de¤erlerinin kar-fl›laflt›r›lmas› ve örneklemi alt örneklemlere (veya homojen yavru dü¤ümler) ay›rmagücü en yüksek göstergenin seçilmesi söz konusudur (Duttagupta ve Cashin (2008),Karim (2008) ile Davis ve Karim’in (2008b)).

3. Önerilen Erken Uyar› ModeliTürkiye için önerilen erken uyar› sisteminin fonksiyonel yap›s› konusundaki aç›ka-

lamalara geçmeden önce, söz konusu yaklafl›m›n teorik temellerine de¤inilmesi ye-rinde olacakt›r. Bu ba¤lama, sistemik krizler ve asimetrik bilgilenme kavramlar› ilebanka sistemine has risklere de¤inilmesi gerekmektedir.

3.1. Sistemik Krizler ve Asimetrik Bilgilenme

Gerek yurtiçi gerekse yurtd›fl› kaynakl› olsun bankac›l›kta sistemik risk, genel an-lamda kurumlar›n olumsuz performanslar› aras›ndaki etkileflimi yans›t›r. Banka krizle-rinin tümüyle kendi kendine meydana gelmesi (self fulfilling), yani olas› bir ödemegüçlü¤ünün bankalar aras›nda bulafl›c› hale gelmesi yoluyla krizin do¤mas› olas›l›¤›vard›r. Diamond ve Dybwig (1983), münferit banka baflar›s›zl›klar›n›n asimetrik bilgi-lenmeden kaynaklanan bulafl›c›l›k olgusu nedeniyle yay›labilece¤ine ve sistemik ban-ka krizlerinin kendi kendilerini besleyerek fliddetlenebilece¤ine iflaret etmifltir. Sonra-lar› yap›lan birçok ampirik çal›flma Diamond ve Dybwig’in bu tespitlerini destekler ni-teliktedir (Kaufman (2000), De Bandt ve Hartmann (2000), Ergüngör ve Thompson(2005), Demirgüç-Kunt ve Detragiache (2005), Fontenla ve Gonzalez (2007), Leavenve Fabian (2008)).

George (1998), sistemik riskin bankalar› do¤rudan birbirine ba¤layan finansal po-zisyonlar›ndan do¤du¤unu ileri sürmüfltür. fiayet bu risk yeterince yüksekse ya dateknik bir ifadeyle münferit bankalar›n riskleri aras›ndaki korelasyon çok yüksekse,kriz tetiklenebilecektir. Dolay›s›yla, bankalar aras› hak taleplerinin do¤mas› olas›d›r.

Bugüne kadar erken uyar› sistemleri, kendi kendini besleyen kriz olas›l›klar›n› gözard› etmifl ve krizlerin basit anlamda benzer nedenlerden ileri geldikleri kabulü temelal›nm›flt›r. Bankac›l›k krizleri incelendi¤inde, bunlar›n büyük bölümünün finansal du-rumlar› görülenden ya da ifade edilenden kötü bankalardan kaynakland›¤› söylene-bilir. Bu duruma dikkat çeken Borio, Furfine ve Lowe (2001); önemli banka sorunla-r›n›n asimetrik bilgilenmeden ileri geldi¤ini ifade etmektedir. Öte yandan Kaufman


ve Scott’a (2003) göre; sistemik bir banka krizi de¤inilen türde bir asimetrik bilgilen-me sonucunda mudilerin yayg›n sistemik risk do¤uran benzer finansal yap›daki ban-kalar›n durumlar›n› gerekti¤i gibi de¤erlendirememelerinden do¤maktad›r. Asimetrikbilgilenme ve bankac›l›k sorunlar› aras›ndaki iliflkiye dikkati çeken çok say›da çal›flmayap›lm›flt›r (Bkz. Dowd (1999), Corbett ve Mitchell (2000), Knutson (2001), Ovideo(2004), Sinn (2008), Anderson (2009) ve Ökte (2009)).

3.2. Banka Sistemi ‹çin Özel Sorunlar Yaratabilecek Riskler

Asimetrik bilgilenme ve bunun yol açt›¤› sistemik riskin banka krizlerinde merke-zi bir rolü oldu¤u söylenebilir. Buna ba¤l› olarak, bankac›l›k sistemine özel sorunlaryaratan makro ekonomik kökenli risklerin; yani faiz oran›, kredi, likidite ve piyasa risk-lerinin son yirmi y›lda gerçekleflen tüm banka krizlerinin ana bileflenleri oldu¤u görül-mektedir (Ergüngör ve Thompson, 2005).

Kuflkusuz belirtilen risklerin en önemlisi faiz oran› riskidir. Yap›lan pek çok çal›fl-ma, reel faiz oranlar› ile banka krizleri aras›nda pozitif bir korelasyon oldu¤unu aç›k-ça göstermektedir. (Demirgüç-Kunt ve Detragiache (1998), Hardy ve Pazarbafl›o¤lu(1998), Kaminsky ve Reinhart (1999), Gourinchas, Valdes ve Landerretche (2001)).

fiayet faiz oran› riskine karfl› bankalar›n korunma kabiliyetleri düflükse, banka sis-temi daha k›r›lgan hale gelecek ve sistemin net de¤eri tehlike alt›nda olacakt›r (Da-vis ve Dilruba, 2008). Öte yandan Ovideo (2004), faiz oranlar›n›n “ters döngüselli¤i-ne” (counter-cyclicality) dikkati çekmifltir. Faiz oranlar›, döngüsel hareketlerin tersinehareket etme e¤ilimindedir. Geniflleme dönemlerinde gözlenen faizlerdeki düflüfl e¤i-limi, süreleri eflleflmeyen uzun dönemli projeler için ifltah› artt›racak ve faiz oran› ris-kinin ekonomi geniflleme döneminde olmas›na ra¤men güçlenmesine yol açacakt›r.

Krizlerin di¤er bir belirtisi, artan kredi riski veya di¤er bir deyiflle borçlular›n öde-me güçlü¤üne düflme olas›l›klar›d›r ve kredi riski de¤erlemesinin yetersizli¤ine ba¤la-nabilir. Belki en önemli nedeni, kredilerin ve di¤er aktif fiyatlar›n›n “döngüye-öncü”(procyclical) hareketidir. Aktif fiyatlar› ekonomik döngülerle etkileflim içindedir ve ge-nellikle aktif fiyatlar› döngünün bir sonraki aflamas›na iliflkin bilgileri bar›nd›rmaktaveya bir baflka deyiflle ona öncülük etmektedir. Büyüme dönemlerinde, banka yöne-ticileri piyasada kredi verme yönündeki genel e¤ilime ve coflkuya yenilirler. Böylece,teknik olarak “e¤ilimli” (biased) bilgilere dayan›larak yeni krediler aç›l›r ve kararlar al›-n›r. Özetle, banka yöneticileri yüksek ödememe olas›l›klar›n› göz ard› ederler (Davisve Dilruba, 2008; Repullo v.d., 2009; Jokivuolle v.d., 2009; Gruss ve Sgherri, 2009).

Geniflleme dönemlerinde bankalar›n büyük bölümü belirli bir sektöre kredi vermee¤ilimi sergiledi¤inde; kredi riski önemli oranda yüksek ve bankalar aras›ndaki kore-lasyon, dolay›s›yla krizin bulafl›c›l›¤› güçlü olabilir. Dolay›s›yla, bankalar›n kredi açt›¤›sektördeki dalgalanmalar büyüyecek ve finansal istikrar bozulacakt›r. (Bkz. Herringve Wachter (1998), Borio, Furfine ve Lowe (2001), Davis ve Zhu (2004 ve 2005)).

18 K. Batu Tunay

Genellikle piyasa riski de kredi riskine efllik etmektedir. Piyasa riski, bankalar›n net

de¤erlerini etkileyen belirli aktiflerin fiyat oynakl›¤› olas›l›klar›n› yans›tmaktad›r. Bu

tür fiyat hareketleri, umulmayan döngüsel daralmalar olmas› halinde piyasa beklen-

tilerindeki de¤iflmelerden ileri gelir. Ayr›ca, belirli aktif gruplar› özel niteliklerinden

ötürü de önem kazanabilir. Siyasi nedenlerle petrol fiyatlar›nda gözlenen oynakl›klar

bunun güzel bir örne¤idir. Piyasa riskinin çeflitlendirilebilmesine ra¤men, bu anlam-

da portföylere dahil edilebilecek aktif türlerini s›n›rland›ran yasal düzenlemeler etkin

bir çeflitlendirmeyi engelleyecektir. Afl›r› piyasa riski ekonominin geniflleme dönemle-

rinde bile ortaya ç›kabilir (Davis ve Dilruba, 2008a; Gonzales-Hermosillo, 1999a ve

1999b; ve Craig v.d., 2005).

Krizlerin analizinde likidite riski de dikkate al›nmal›d›r. Bu risk, likit olmayan aktif-

lerin likit aktiflere oran› afl›r› yüksek oldu¤unda ortaya ç›kar. Eskiden beri, likidite ris-

kinin ele al›nan bankaya özgü oldu¤u ve mudilerin durgunluk veya aktif piyasas› çö-

küfllerine iliflkin bilgiler ›fl›¤›nda bankalarda sistemik likidite sorunlar›yla karfl›laflt›¤›

düflünülmektedir (Diamond ve Dybvig, 1983; Chari ve Jagannathan, 1988). Di¤er

yandan, düflük aktif de¤erleri gösteren bilginin veya bir bankan›n performans›n›n kö-

tü oldu¤una dair haberlerin yay›nlanmas›n›n likidite riski yaratabilece¤i ve likidite ye-

tersizliklerine dayal› olarak ortaya ç›kan banka baflar›s›zl›klar›n›n ciddi bir bulafl›c›l›k

gösterdi¤i gibi düflünceler de yayg›nd›r (Gorton, 1988; Jacklin ve Bhattacharya,

1988; Santos, 2000; Diamond ve Rajan, 2003). Kredi riski, ödeme gücü zorluklar› ve

likidite riski etkilefliminin önemi de vurgulanmaktad›r (De Grauwe, 2008).

Finansal serbestleflme, sistemik riskin di¤er bir kayna¤›d›r. Serbestleflme ve krizler

aras›ndaki ba¤lant›y› ispatlayan çok say›da uygulamal› çal›flma söz konusudur. Bun-

lar›n en önemlileri kuflkusuz Kaminsky ve Reinhart (1999) ile Demirgüç-Kunt ve Det-

ragiache’nin (1998a ve 1998b) ünlü çal›flmalar›d›r. Bu araflt›rmac›lar, kriz yaflanm›fl

ülkelerde serbestleflme düzenlemelerini takiben banka krizlerinin meydana gelme

olas›l›klar›n›n büyük ölçüde artt›¤›n› belirlemifllerdir. Ayr›ca serbestleflmenin neden ol-

du¤u k›r›lganl›¤›n zamanla sürekli hale geldi¤i sonucuna da varm›fllard›r.

Di¤er yandan Honohan (2000), yüksek reel faizlerdeki ve bunlar›n oynakl›¤›ndaki

art›fl›n, özellikle geliflmekte olan ülkelerde finansal serbestleflmenin tipik sonuçlar› ol-

du¤una iflaret etmifltir. Serbestleflme düzeyinin yüksek oldu¤u ekonomilerde, k›ran

k›rana rekabet sistemik faiz oran› riskinin artmas› sonucunu do¤urabilir. Arka plan›n-

da da, faiz oranlar›nda bafl gösterecek yüksek oynakl›k yer alacakt›r. Serbestleflme-

nin bir di¤er etkisi de kredi riskindeki art›flt›r. Finansal serbestleflme bir tüketim pat-

lamas›n› tetikleyerek döngüye-öncü aktif fiyatlar›n› fliflirmekte, risk de¤erlemesindeki

esnekliklerden ötürü serbestleflmeyi takiben kredi riski artmaktad›r (Borio, Furfine ve

Lowe, 2002; Craig v.d., 2005).


3.3. Önerilen Modelin Fonksiyonel Yap›s›

Bir erken uyar› modeli, tahmin edilecek olaylar›n ve tahmin ufkunun aç›kça tan›m-lanmas›na ek olarak, bir aç›klay›c› de¤iflkenler setini ve tahmin yapmakta kullan›lacaksistematik bir yöntemi içermelidir. De¤iflkenlerin seçimi, ekonomi teorisinin rehberli-¤inde yap›lmal›d›r ve bankalar›n ortak fonksiyonlar›ndan do¤abilecek finansal k›r›l-ganl›k kaynaklar› dikkate al›nmal›d›r. Bu ba¤lamda, Gonzales-Hermosillo (1996) veHonohan (1997); bir banka krizi modelinde likidite riskinin, kredi riskinin, piyasa ris-kinin, makro ekonomik floklar›n, finansal serbestleflme düzeyinin aç›klay›c› de¤iflkenolarak yer almas› gerekti¤ini ifade ederler. Ayr›ca, yeterli kapsam ve uzunlukta bir ve-ri seti oluflturulmas›n›n önemine de iflaret ederler. Bu unsurlar, krizleri öngörmeye yö-nelik olarak gelifltirilen modellerin belkemi¤ini oluflturmaktad›r.

Yaz›nda önemli yeri olan, Kaminsky ve Reinhart (1999) ve Demirgüç-Kunt ve Det-ragiache (1998a ve 2005) gibi araflt›rmac›lar›n çal›flmalar› incelendi¤inde de, Gonza-lez-Hermosillo ve Honohan’›n iflaret ettikleri yukar›daki unsurlara vurgu yap›ld›¤› gö-rülebilir. Ayr›ca; hem kredi riski, hem piyasa riski hem de ekonomik döngülerle yak›n-dan iliflkili olan faiz oran› riskinin aç›klay›c› de¤iflkenler setinde yer almas› gerekti¤ide belirtilmelidir. Kaminsky ve Reinhart (1999), Demirgüç-Kunt ve Detragiache(1998a ve 2005), Ergüngör ve Thompson (2005), Davis ve Dilruba (2008a) gibi arafl-t›rmac›lar, faiz oran› riskinin aç›klay›c› gücünün önemine dikkati çekmektedir.

Kaminsky ve Reinhart (1999); M2 çarpan›, yurtiçi kredilerin GSY‹H’ye oran›, reelfaiz oran›, kredi faizlerinin mevduat faizlerine oran›, at›l M1 mevcutlar›, M2’nin re-zervlere oran›, banka mevduatlar›, ihracat, ithalat, d›fl ticaret haddi, reel döviz kuru,rezervler, reel faiz oran› diferansiyeli, ç›kt›, hisse fiyatlar› gibi genelde parasal ya damakro ekonomik de¤iflkenleri krizleri aç›klamakta kullanm›fllard›r. Goldstein, Ka-minsky ve Reinhart’›n (2000) çal›flmas›nda ise; s›ralanan de¤iflkenlere ek olarak büt-çe aç›¤›n›n GSY‹H’ye oran›na da yer verilmifltir. Asl›nda de¤inilen her iki çal›flmadaköklerini Kaminsky’nin (1998) genifl kapsaml› çal›flmas›ndan almaktad›r. Kaminsky(1998); üstte s›ralanan tüm de¤iflkenlere ek olarak yurtiçi ve yurtd›fl› finansal serbest-leflme, dünya reel faiz oran›, d›fl borçlar ve sermaye kaç›fl› gibi de¤iflkenlere de yervermifltir.

Öte yandan Demirgüç-Kunt ve Detragiache (1998a); GSY‹H’nin reel büyüme ora-n›, d›fl ticaret haddinin de¤iflim oran›, devalüasyon (kurun de¤iflimi), reel faiz oranla-r›, enflasyon, bütçe aç›¤›n›n GSY‹H’ye oran›, M2’nin rezervlere oran›, özel sektöreaç›lan yurtiçi kredilerin GSY‹H’ye oran›, banka likiditesi (likit aktiflerin toplam aktifle-re oran›), reel yurtiçi kredilerin art›fl oran›, mevduat sigortas›n›n varl›¤› (gölge de¤ifl-ken), kifli bafl›na reel GSY‹H, yasal yapt›r›mlar›n kalitesi endeksi gibi aç›klay›c› de¤ifl-kenler kullanm›fllard›r. Demirgüç-Kunt ve Detragiache (2005)’te ise, daha az say›daaç›klay›c› de¤iflken kullan›lm›flt›r ve bunlar›n hepsi bir önceki çal›flmada yer alan de-¤iflkenlerle ayn›d›r.

20 K. Batu Tunay

Dikkatle incelendi¤inde; gerek Kaminsky ve Reinhart’›n gerekse Demirgüç-Kunt

ve Detragiache’nin çal›flmalar› ve devam niteli¤indeki çal›flmalarda makro temelli

aç›klay›c› veri setlerinin kullan›ld›klar› görülür. Ayr›ca, banka sistemine özgü de¤iflken-

lerin s›n›rl› say›da oldu¤u da dikkati çeker. Kuflkusuz bu durum, sözü geçen çal›flma-

lar›n çok say›da ülkeyi ele almalar›n›n ve birçok ülkede yeterli veri setlerinin buluna-

mamas›n›n bir sonucudur. Dolay›s›yla, ister istemez bu çal›flmalarda kullan›lan de¤ifl-

kenler bu alandaki pek çok uygulamal› çal›flmada temel de¤iflken seti halini alm›flt›r.

Ancak baflka çal›flmalar›n bu de¤iflkenlere ek olarak önerdikleri farkl› de¤iflkenler

de vard›r. Bu ilave de¤iflkenlerin önemli bir bölümü mikro temellidir ve krizleri aç›k-

lama güçleri de önemli oranda yüksektir. Hardy ve Pazarbafl›o¤lu (1998 ve 1999); tü-

ketimin büyüme oran›, yat›r›mlar›n büyüme oran›, sermaye ç›kt› oran› gibi reel sek-

tör de¤iflkenlerini ve özel sektöre aç›lan krediler, brüt yurtd›fl› yükümlülükler gibi bi-

lanço temelli de¤iflkenleri ve reel ithalat art›fl›n› kullanm›flt›r. Hutchinson ve McDill

(1999), merkez bankas› ba¤›ms›zl›¤›n›n, mevduat sigortas› sisteminin varl›¤›n›n, ah-

laki tehlikenin önemli de¤iflkenler oldu¤unu ortaya koymufltur. Bongini v.d. (1999);

aktifler üzerinden sa¤lanan getiri (ROA), kredi karfl›l›klar›n›n sermayeye oran›, kredi-

lerin d›fl kaynaklara oran› gibi finansal sa¤laml›k göstergelerinin önemini göstermifl-

lerdir. Edison (2000); k›sa vadeli borçlar›n rezervlere oran› ve petrol fiyatlar› gibi aç›k-

lay›c› de¤iflkenlerin tahminlerde baflar›l› sonuçlar verdi¤ini belirtmifllerdir.

Barell v.d. (2009); krizleri aç›klamak için Demirgüç-Kunt ve Detragiache (2005) ile

Davis ve Karim’in (2008a) çal›flmalar›nda reel GSY‹H büyüme oran›, reel faiz oran›,

enflasyon, mali aç›klar›n GSY‹H’ye oran›, genifl paran›n (M2) döviz rezervlerine ora-

n›, reel yurtiçi kredi büyümesi de¤iflkenlerini temel alm›flt›r. Barel v.d.; a¤›rl›kland›r›l-

mam›fl sermaye yeterlili¤i, likidite oran› ve reel konut fiyatlar›ndaki büyüme oran› ila-

ve aç›klay›c› de¤iflkenler olarak kullan›lm›flt›r. Onlar›n kulland›klar› logit modeli serma-

ye yeterlili¤i, likidite ve emlak fiyatlar›n›n banka krizleri üzerinde güçlü etkileri oldu-

¤unu ortaya koymaktad›r. Bu konuda yap›lan ço¤u çal›flma, bankalar›n sermaye ye-

terlili¤i ve emlak fiyatlar›na iliflkin yeterli zaman serisi verisi olmayan yükselen piyasa-

lar› ele almaktad›r. Barell v.d. (2009), söz konusu veri setlerinin sa¤l›kl› bir flekilde bu-

lunabildi¤i OECD ülkelerini incelemifltir. Dolay›s›yla onlar›n bulgular›, bu alanda yeni

ufuklar açacak derecede önemlidir.

Duttagupta ve Cashin (2009) ise; di¤er de¤iflkenlere ek olarak döviz kuru rejimi-

nin kat›l›¤›, pasif para ikamesi ve döviz aç›k pozisyonu gibi üç yeni de¤iflkeni kullan-

m›flt›r. Bulgular bu de¤iflkenlerin banka krizlerini aç›klamakta önemli olabilece¤ini

göstermektedir. Tüm bu tespit ve de¤erlendirmelerin ›fl›¤›nda, bankac›l›k krizlerini

aç›klayan ve erken uyar› amaçl› olarak kullan›labilecek bir modelin fonksiyonel yap›s›

afla¤›daki gibi ifade edilebilir:

BKRZ = f (σ2F, σ

2Krd, σ

2P, σ

2L, Krl, AK, SY, ∆Krd, ∆Mvd,

Banka Sistemine Özgü Mikro Ekonomik De¤iflkenler

Bym, Enf, BD, Çkt, ∆Tük, ∆Yat, (1)

Mikro Ekonomik De¤iflkenler

‹‹KO, SRK, DÖG, Dev, DAP, UPSG, ∆YF, ∆PF, σ2PF, FINKR, SEÇM)

Yurtd›fl› Etkenler ve D›fl fioklara Aç›kl›k Kategorik De¤iflkenler

(1) numaral› modelde üç ana bileflen söz konusudur: Bankalara özgü mikro eko-

nomik de¤iflkenler, genel makro ekonomik de¤iflkenler ve yurtd›fl› etkenler, özellikle

de d›fl floklara aç›kl›kt›r. Mikro ekonomik de¤iflkenler, banka sisteminin sa¤laml›¤›n›n

ölçütleridir. Bu ba¤lamda; faiz riski, kredi riski, piyasa riski, likidite riski, karl›l›k, aktif

kalitesi, sermaye yeterlili¤i, kredilerin ve mevduatlar›n art›fl h›zlar› dikkate al›nmakta-

d›r. Makro de¤iflkenler ise, ekonominin yap›s›n›, yani iç çevresel koflullar› yans›tmak-

tad›r. Büyüme, enflasyon, bütçe aç›¤›, ç›kt›, tüketimin ve yat›r›m›n art›fl h›zlar› model-

deki makro de¤iflkenler olarak belirlenmifltir. Yurtd›fl› de¤iflkenler ise, banka sektörü-

nün d›fl çevre koflullar›n› tasvir eder. Bu manada, d›fl floklar›n özel bir anlam› vard›r.

Reel ekonomi kanal›yla tesirini gösterebilecek arz floklar› önemli bir flok grubudur.

Kaminsky ve Reinhart’›n (1999) “ikiz kriz” betimlemesi çerçevesinde, para krizleri ile

banka krizlerinin yak›n etkileflimi anlam›nda finansal floklar›n da önemli bir etken ol-

du¤u kuflkusuzdur. Ayr›ca uluslararas› piyasalardaki aktif fiyatlar›n›n dalgalanmas› ve

faiz oran› oynakl›klar› da önemli etkenlerdir. Dolay›s›yla, ihracat›n ithalat› karfl›lama

oran›, sermaye kaç›fl›, d›fl ödeme gücü, devalüasyon oran›, döviz aç›k pozisyonu, ulu-

sal paran›n savunma gücü ve yurtd›fl› faiz hareketleri yurtd›fl› de¤iflkenler olarak se-

çilmifltir. Modelde yer alan de¤iflkenlerin tan›mlamalar› ve nas›l hesapland›klar› Tab-

lo 2’de gösterilmektedir. Kimi deneysel çal›flmalar, beklenmeyen ekonomik ve siyasi

olaylar›n etkilerinin bu tür modellerde dikkate al›nmas›n›n önemli olabilece¤ini gös-

termifltir (Tunay, 2001a). Bu ba¤lamda d›fl finansal krizler ve ülkede yap›lan seçimler

(yerel ve genel) kategorik de¤iflkenler olarak modele eklenmifltir.

(1) numaral› eflitli¤in tahmin edilebilmesi için katsay›lar eklenerek aç›k bir fonksi-

yon fleklinde yeniden yaz›lmas› gerekecektir. Ba¤›ml› de¤iflken bankac›l›k krizlerini

yans›tmas› gerekti¤inden, “ikili kesikli” bir seri olarak yani kriz dönemleri 1 di¤er dö-

nemler 0 fleklinde tan›mlanabilir. Dolay›s›yla, krizin meydana gelme olas›l›¤› veya tek-

rarlanma oran› logit veya probit modelleme anlay›fl› içinde tahmin edilmelidir ve (1)

numaral› eflitli¤in katsay›larla geniflletilmifl ifadesi flöyle olacakt›r:


1444444424444443

1444444442444444443

144442444443

14243

Pr(BKRZt) = c+α1σ2F,1+α2σ

2Krd,1+α3σ

2P,t+α4σ

2L,t+α5Krl+α6AKt+α7SYt+α8∆Krdt+α9∆Mvdt


+β1Bymt + β2Enft + β3BDt + β4Çktt + β5∆Tükt + β6∆Yatt (2)Mikro Ekonomik De¤iflkenler

+φ1‹‹KOt+φ2SRKt+φ3DÖGt+φ4Devt+φ5DAPt+φ6UPSGt+φ7∆YFt+φ8∆PFt+φ9σ2PF,

Yurtd›fl› Etkenler ve D›fl fioklara Aç›kl›k

+θ1FINKR+θ2SEÇM+εt

Kategorik De¤iflkenler

Modellerde yer verilen aç›klay›c› de¤iflkenlerin kullan›m nedenlerine de k›saca de-¤inilmesi gerekir. Reel faiz oranlar›, faiz oran› riskinin do¤rudan bir göstergesi olarakkullan›lmaktad›r. Reel faiz oranlar›nda gözlenen oynakl›k riski yans›tacakt›r. Kriz ön-cesi dönemlerde reel kredi büyümesinin h›zlanmas› beklenir, dolay›s›yla özel sektörkredilerinin GSY‹H’ye oran› artacak ve kredi riski yükselecektir. Kredilere olan talebinartmas›, faiz oranlar›n›n ve mevduatlar›n h›zla yükselmesine yol açabilir. Ancak faiz-lerin yükselmesi kredi ve mevduat faizleri aras›ndaki fark› daraltabilir, karl›l›k düflebi-lir. Artan kredi talebi aktif kalitesinin düflmesine neden olabilir. Bu geliflmelerin sonu-cu olarak, sermaye yeterlili¤i azalabilir.

Döngüye-öncü finansal istikrars›zl›k, GSY‹H art›fl›n›n döngünün geniflleme ve çö-küfl aflamalar›n› kapsamas›na ba¤l›d›r. Banka nakitleri ve karfl›l›klar› toplam›n›n ban-ka aktiflerine oran› olarak ölçülen likidite riski çok önemlidir. Bu oran düfltükçe, sis-temik likidite riski artacakt›r. Enflasyon, aktif fiyatlar›nda büyük art›fllara yol açabile-ce¤inden ciddi bir piyasa riskine de neden olabilir. Erken uyar› modellerinde, piyasariskinin yaklafl›k bir ölçütü olarak emlak gibi aktif fiyatlar›n›n do¤rudan kullan›m›,OECD ülkeleri d›fl›nda önemli veri eksikliklerinden dolay› s›n›rl›d›r ve döviz kuru temel-li piyasa riski, ticaret haddinin ve ulusal paradaki de¤er kay›plar›n›n yaklafl›k bir ölçü-tü olabilir (Davis ve Dilruba, 2008a).

Özetle banka krizleri ile faiz oran›, kredi, piyasa ve likidite risklerinin pozitif; karl›-l›k, aktif kalitesi, sermaye yeterlili¤inin negatif bir iliflki içinde olmas› beklenebilir. Kre-di ve mevduatlar›n de¤iflim oranlar› faiz oynakl›lar›na ba¤l› olarak artaca¤›ndan, ban-ka krizleriyle bunlar›n pozitif iliflkili olmas› olas›d›r.

Büyüme, döngüye öncü hareketlerin etkilerinin analiz edilmesinde birincil unsur-dur ve krizler ile ters bir etkileflim içerisindedir. Ç›kt› düzeyi de büyüme ile yak›ndaniliflkili oldu¤undan benzer bir ifllevi ve krizlerle benzer bir etkileflimi vard›r. Tüketimve yat›r›m harcamalar›n de¤iflim oranlar› da bu çerçevede de¤erlendirilmelidir. Bun-

22 K. Batu Tunay

14444444444442444444444443

144444444444244444444444443

144444444244444444443

1442443

lar da, döngünün hangi safhas›nda olundu¤unun belirlenmesinde önem tafl›r. Krizle-rin öncesinde, tüketim ve yat›r›m harcamalar›nda düflüfl olmas› döngüye öncü birdavran›fl olarak kendini gösterebilir. Enflasyon, bankalar›n kredi maliyetlerinde, yaninominal faiz oranlar›nda art›fla neden oldu¤undan yanl›fl politikalara iflaret etmekte-dir.

Faiz oran› oynakl›¤› ile ba¤lant›l› olarak, faiz oran› riski de dikkate al›nmal›d›r. Yan-l›fl politikalar, mali aç›klar›n GSY‹H’ye oranlanmas›yla temsil edilebilir. Demirgüç-Kuntve Detragiache (1998a ve 1998b), bu de¤iflkeni k›r›lgan bankac›l›k sistemlerinin ye-niden yap›land›r›lmas› için devlet ya da hükümetlerin gönülsüzlü¤ünün göstergesiolarak kullanm›fllard›r. Onlara göre, kamu aç›klar› baflar›l› bir finansal serbestleflmeyiönlemektedir. Dahas›, yap›sal bir ekonomik büyüme ölçütü olarak kifli bafl›na GSY‹Hdüzeyini kullanm›fllard›r. Bu de¤iflkenin, bankac›l›k düzenlemelerinin kalitesiyle olaniliflkisinin pozitif olmas› gerekti¤ini ileri sürmektedirler. Özetle, banka krizleriyle büyü-menin, bütçe dengesinin, ç›kt›n›n, tüketim ve yat›r›m harcamalar›n›n de¤iflim oranla-r›n›n negatif; enflasyonun ise pozitif bir iliflki sergilemesi beklenebilir.


24 K. Batu Tunay

TTaabblloo 22:: DDee¤¤iiflflkkeennlleerriinn TTaann››mmllaammaallaarr››

'HõLöNHQ 7DQÖPÖ +HVDSODQPD�ôHNOL

%DõÖPOÖ�'HõLöNHQ�

BKRZ Banka Krizleri .UL]�RODQ�G|QHPOHU��ROPD\DQ�G|QHPOHU��RODFDN�öHNLOGH�ELU�J|OJH�EDõÖPOÖ�GHõLöNHQ�GL]LVL�

%DQND�6LVWHPLQH�g]J��0LNUR�(NRQRPLN�'HõLöNHQOHU�

m2F

)DL]�5LVNL %DQNDODU�DUDVÖ�SL\DVDGD�JHFHOLN�IDL]OHULQ�$5&+��PRGHOLQLQ�WDKPLQL\OH�HOGH�HGLOHQ�YDU\DQV�VHULVL��

m2Krd

.UHGL�5LVNL 5HHO�EDQND�NUHGLOHULQLQ�GHõLöLP�RUDQÖQÖQ�$5&+��PRGHOLQLQ�WDKPLQL\OH�HOGH�HGLOHQ�YDU\DQV�VHULVL��

m2P

3L\DVD�5LVNL 8OXVDO�DNWLI�IL\DWODUÖQÖ�WHPVLOHQ�KLVVH�VHQHGL�IL\DWODUÖ��ó0.%��HQGHNVL��$5&+��PRGHOOHULQLQ�WDKPLQL\OH�HOGH�HGLOHQ�YDU\DQV�VHULVL��

m2L

/LNLGLWH�5LVNL /LNLW�$NWLIOHU��7RSODP�$NWLIOHU�RUDQÖQÖQ�$5&+��PRGHOLQLQ�WDKPLQL\OH�HOGH�HGLOHQ�YDU\DQV�VHULVL��

Krl .DUOÖOÖN $NWLI�NDUOÖOÖõÖ� �1HW�.DU��7RSODP�$NWLIOHU

AK $NWLI�.DOLWHVL 3ODVPDQ�NDUOÖOÖõÖ� �1HW�.DU��.UHGLOHU

SY 6HUPD\H�<HWHUOLOLõL 6HUPD\H��7RSODP�$NWLIOHU

¨Krd .UHGLOHULQ�$UWÖö�2UDQÖ �Krdt – Krd

t-1��Krd

t

¨Mvd 0HYGXDWODUÖQ�$UWÖö�2UDQÖ ��Mvdt – Mvd

t-1��Mvd

t

0DNUR�(NRQRPLN�'HõLöNHQOHU�

Bym %�\�PH�2UDQÖ ��*6<ó+t�²�*6<ó+

t-1��*6<ó+

t

Enf (QIODV\RQ�2UDQÖ ��TÜFE – TÜFEt-1��TÜFE

t

BD %�WoH�'HQJHVL %�WoH�$oÖõÖ��*6<ó+

Çkt dÖNWÖ�'�]H\L 6DQD\L�hUHWLP�(QGHNVL

¨Tük 7�NHWLPLQ�$UWÖö�2UDQÖ +DUFDPD�\|QWHPL\OH�KHVDSODQDQ�*6<ó+�VHULVL�LoLQGH�\HU�DODQ�g]HO�1LKDL�7�NHWLP�+DUFDPDODUÖ�NDOHPLQLQ�GHõLöLP�RUDQÖ�

¨Yat <DWÖUÖPÖQ�$UWÖö�2UDQÖ +DUFDPD�\|QWHPL\OH�KHVDSODQDQ�*6<ó+�VHULVL�LoLQGH�\HU�DODQ�*D\UL�6DIL�6DELW�6HUPD\H�2OXöXPX�NDOHPLQLQ�GHõLöLP�RUDQÖ�

<XUWGÖöÖ�(WNHQOHU�YH�'Öö�ôRNODUD�$oÖNOÖõÖ�<DQVÖWDQ�'HõLöNHQOHU�

óó.2 óWKDODWÖQ�óKUDFDWÖ�.DUöÖODPD�2UDQÖ óKUDFDW��óWKDODW

SRK 6HUPD\H�.DoÖöÖ 3DVLI�SDUD�LNDPHVL�ROJXVXQX�\DQVÖWÖU��'|YL]�7HYGLDW�+HVDSODUÖ��5H]HUYOHU

DÖG 'Öö�gGHPH�*�F� .ÖVD�9DGHOL�%RUoODU��5H]HUYOHU

Dev 'HYDO�DV\RQ $�%�'��'RODUÖ�NXUXQXQ�GHõLöLP�RUDQÖ

DAP '|YL]�$oÖN�3R]LV\RQX %DQND�6LVWHPLQLQ�1HW�'|YL]�$NWLIOHUL��*6<ó+

UPSG 8OXVDO�3DUDQÖQ�6DYXQPD�*�F� 0��5H]HUYOHU

¨<) <XUWGÖöÖ�)DL]�+DUHNHWOHUL $�%�'��SDUD�SL\DVDVÖ�IDL]OHULQLQ�GHõLöLP�RUDQÖ�

¨3) 3HWURO�)L\DW�+DUHNHWOHUL +DP�SHWURO�YDULO�IL\DWÖQÖQ�GHõLöLP�RUDQÖ

m2PF

'Öö�.D\QDNOÖ�3L\DVD�5LVNL 8OXVODUDUDVÖ�DNWLI�IL\DWODUÖQÖ�WHPVLOHQ�SHWURO�IL\DWODUÖQÖQ�JHWLULVLQLQ�$5&+��PRGHOLQLQ�WDKPLQL\OH�HOGH�HGLOHQ�YDU\DQV�VHULVL��

.DWHJRULN�'HõLöNHQOHU

FINKR )LQDQVDO�.UL]OHU�*|OJHVL .�UHVHO�VLVWHPLN�ILQDQVDO�NUL]OHULQ�HWNLVLQL�\DQVÖWDQ�J|OJH�GHõLöNHQ�

SEÇM 6HoLPOHU�*|OJHVL <HUHO�YH�JHQHO�VHoLPOHUL�\DQVÖWDQ�J|OJH�GHõLöNHQ

(*) ARCH modellerinin sonuçlar› istendi¤inde yazardan temin edilebilir.


Döngüsel inifllerin tetikledi¤i d›fl floklar, özellikle küçük ekonomilerde ticaret had-dinde ve ulusal parada neden olaca¤› olumsuz tesirlerden ötürü flüpheli kredilerinyükselmesine yol açacakt›r (Davis ve Dilruba, 2008a). Ödeme gücü zay›f ve dövizaç›k pozisyonu fazla oldu¤unda, söz konusu olumsuz tesirler güçlenecektir. Dolay›-s›yla, para krizlerine karfl› k›r›lganl›k artacakt›r. Genellikle M2 ile ölçülen genifl para-n›n döviz rezervlerine oran› düfltü¤ünde, ulusal paran›n savunma gücü zay›flayacak-t›r. Devalüasyon, sermaye kaç›fllar›n›n h›zlanmas› gibi de¤iflkenler de bunlara efllikedecektir. Yurt d›fl› faiz hareketleri de bankac›l›k sistemi için önemli bir d›flsal k›r›lgan-l›k kayna¤›d›r. Bu ba¤lamda, banka krizleri ile ihracat›n ithalat› karfl›lama oran›, d›flödeme gücü ve ulusal paran›n savunma gücünün negatif; sermaye kaç›fl›, devalüas-yon, döviz aç›k pozisyonu, yurtd›fl› faiz hareketleri, petrol fiyat hareketleri, d›fl kay-nakl› piyasa riski gibi de¤iflkenlerin ise pozitif etkileflim içinde olmas› beklenmektedir.

Beklenmeyen nitelikteki d›fl kaynakl› krizler ile zaman zaman ekonomik k›r›lmala-ra kaynakl›k edebilen yerel ve genel seçimlerin krizlerle pozitif bir etkileflim sergile-mesi beklenebilir.

Yap›lan aç›klamalar çerçevesinde (1) numaral› eflitlikte yer alan de¤iflkenlerin ban-ka krizleri üzerindeki fonksiyonel tesirleri afla¤›daki gibi özetlenebilir:

4. Ekonometrik Analiz ve Elde Edilen Bulgular

Bu bölümde 3 numaral› alt bölümde aç›klanan ve 26 aç›klay›c› de¤iflkenden mey-dana gelen modelin MARS yöntemiyle tahmini yap›lm›flt›r. Bulgulara ve de¤erlendir-melere geçilmeden önce, banka krizi serisinin tan›mlamas› yap›lacak ve veri kaynak-lar› konusunda bilgiler verilecektir.

4.1. Türkiye’de Banka Krizlerinin Tan›mlanmas›

Von Hagen ve Ho (2004) ile Laeven ve Valencia’n›n (2008) çal›flmalar› çerçevesin-de Türkiye’de 1982, 1991, 1994 ve 2000-2001 y›llar›nda yaflanan krizler bankac›l›kkrizi olarak kabul edilmifltir. Caprio ve Klingebiel (2002) ise; 1982 krizinin sistemik di-

BKRZ = f (σ2F, σ

2Krd, σ

2P, σ

2L, Krl, AK, SY, ∆Krd, ∆Mvd,


Bym, Enf, BD, Çkt, ∆Tük, ∆Yat, (1’)

Mikro Ekonomik De¤iflkenler

‹‹KO, SRK, DÖG, Dev, DAP, UPSG, ∆YF, ∆PF, σ2PF, FINKR, SEÇM)

Yurtd›fl› Etkenler ve D›fl fioklara Aç›kl›k Kategorik De¤iflkenler

1444444424444443

1444444442444444443

144442444443

14243

+ + + + - - - + +

- + - + + - + + +

- + - - - -

+ +

¤erlerinin 1994 yurtiçi ve küçük hacimli oldu¤unu ileri sürmüfl, 1991 ve 2000-2001krizlerine ise de¤inmemifltir. 1986 sonras› verilere ulafl›labildi¤inden; incelenen dö-nemde 1991, 1994 ve 2000-2001 olmak üzere üç kriz olay› ele al›nm›flt›r. Sözü edi-len dönemlerdeki kriz olaylar› bir s›radan dönemler ise s›f›rla belirtilerek kriz serisi ta-n›mlanm›flt›r.

4.2. Kullan›lan Veri Seti

Modelde kullan›lan ve detayl› tan›mlamalar› Tablo2’de sunulan verilerin önemlibir bölümü TCMB’nin resmi web sitesinde yer alan Elektronik Veri Da¤›t›m Sistemin-den temin edilmifltir. Kategorik yap›daki “uluslararas› finansal krizler” Caprio ve Klin-gebiel’den (2002); Türkiye’deki yerel ve genel seçimler ise kamuya aç›k kaynaklardantemin edilmifltir. Ham petrol fiyatlar› dizisi, A.B.D. Enerji Bilgi ‹daresi (Energy Infor-mation Administration / EIA) istatistiklerinden al›nm›flt›r. Yurtd›fl› faiz oran› hareket-lerine temel teflkil eden ABD para piyasas› faiz oranlar› ise ABD Merkez Bankas› res-mi web sitesinden elde edilmifltir. Krizleri temsil eden ba¤›ml› de¤iflken; krizin mey-dana geldi¤i y›llar›n üçer ayl›k dönemlerinin tamam›nda bir de¤erini almaktad›r. Ay-n› yaklafl›m kategorik uluslararas› finansal kriz serilerinde de kullan›lm›flt›r. Bu yakla-fl›m›n benimsenmesinin temel nedeni, gerek ulusal banka krizleri gerekse uluslarara-s› finansal krizlerin bafllang›ç ve bitifl tarihlerinin y›ll›k olarak temin edilebilmifl olma-s›d›r. Oysa seçimleri yans›tan kategorik de¤iflken serisi sadece seçimin yap›ld›¤› üçayiçin 1 o y›l›n di¤er üç ayl›k dönemlerinde ise 0 de¤eri verilerek oluflturulmufltur. Ana-lizlerin yap›ld›¤› örneklem, 1986:I-2009:III dönemini kapsayan üç ayl›k verilerden (95gözlem) meydana gelmifltir.2

Modelde ba¤›ml› de¤iflken olarak kullan›lan risk serilerinin nas›l hesapland›¤›na daaç›kl›k getirilmelidir. Faiz oran›, kredi, piyasa ve likidite risklerinin hesaplanmas›ndaEngle (1982 ve 1983) taraf›ndan gelifltirilen “ard›fl›k ba¤lan›ml› koflullu de¤iflen var-yans modelleri” ya da daha bilinen ad›yla ARCH modelleri kullan›lm›flt›r. Bilindi¤i gi-bi söz konusu modellerin çok çeflitli türleri (GARCH, E-GARCH, T-GARCH v.b.) ekono-metrik analizlerde kullan›lmaktad›r. Hangi türün analizde kullan›laca¤›, kullan›m yeri-ne, amac›na ve en önemlisi gözlem say›s› ve bunun frekans›na ba¤l›d›r. Bu çal›flma-da oldu¤u gibi üç ayl›k düflük frekansl› ve 95 gözlem gibi nispeten k›sa bir örneklem-de ARCH türü modellerin en yal›n hali olan ARCH(1)’in kullan›lmas› yerinde olacak-t›r.3

26 K. Batu Tunay

2 Analizde kullan›lan baz› de¤iflkenler mevsimsellik içerebilir. Yap›lan analizde ciddi bir soruna yol aç-mayaca¤›ndan, bu durum göz ard› edilmifltir.

3 Konunun nedenleri için; Hwang ve Pereira (2006) baflta olmak üzere Engle (1982 ve 1983), Engleve Kraft (1983), Bollerslev (1986) gibi birçok temel çal›flmaya bak›labilir. Analiz aflamas›nda yap›lanARCH-LM testlerinin sonuçlar› uygun model kal›b›n›n ARCH(1) oldu¤unu göstermifltir. Gözlem say›-s›n›n düflük olmas› göz önüne al›nd›¤›nda, daha fazla gecikme içeren modellerin neden kullan›lama-d›¤› anlafl›labilir.

4.3. Ekonometrik Yöntem: MARS

Bankac›l›k krizlerini öngörmekte kullan›lan ekonometrik yöntemlerin oldukça faz-la olmas›na karfl›n, en s›k kullan›lanlar›n sinyal verme yaklafl›m›, s›n›rl› ba¤›ml› de¤ifl-ken yaklafl›m› ve ikili a¤aç yaklafl›m› oldu¤u görülür. S›n›rl› ba¤›ml› de¤iflken yaklafl›-m›, yani logit ve probit modeller ile bunlar›n daha geliflkin türleri parametrik yöntem-lerdir. Öte yandan, gerek sinyal verme gerekse ikili a¤aç yöntemleri parametrik yön-temler de¤ildir. Tüm bu yöntemlerin kendilerine göre üstünlükleri ve sorunlar› vard›r.Ancak parametrik ve parametrik olmayan özellikleri bünyesinde bar›nd›ran alternatifbir yöntem; söz konusu üstünlükleri artt›r›rken sorunlar› da büyük oranda azaltacak-t›r. MARS modelleri, geleneksel regresyon modelleri ile parametrik olmayan ça¤daflmodellerin üstünlüklerini baflar›yla birlefltiren ve krizler gibi “ikili” yap›daki kategorikba¤›ml› de¤iflkenlere rahatl›kla uygulanabilen yap›s› ile ciddi avantajlar getirmektedir(Bkz Shepton, 2001). Durgunluklar da krizler gibi ikili ba¤›ml› de¤iflkenler olduklar›n-dan, MARS yönteminin krizlerin tahmininde baflar›yla kullan›lmas› olas›d›r. MARSyönteminin kriz araflt›rmalar›nda yeni ufuklar açabilecek potansiyeli vard›r.

1990’lar›n bafl›nda Jerome H. Friedman (1991) taraf›ndan gelifltirilen “Çok De¤ifl-kenli Uyumlu Regresyon Uzan›mlar›” (Multivariate Adaptive Regression Splines /MARS) yöntemi, bir ba¤›ml› de¤iflken ile bir tahmin ediciler seti aras›ndaki olas› ilifl-kiyi belirlemekte “düzlefltirme uzan›mlar›” (smoothing splines) kullan›lmas› esas›nadayanmaktad›r. Yöntemin geleneksel yöntemlere karfl› önemli üstünlükleri vard›r.Ancak, gerek fazla tan›nmamas› ve gerekse belirli ölçüde teknik bilgi gerektirmesi gi-bi nedenlerle bu yöntemle yap›lan çal›flmalar›n say›s› oldukça azd›r. Yap›lm›fl çal›flma-lar›n bir bölümü, yöntemin matematiksel ve istatistiksel aç›dan de¤erlendirilmesi (ör-ne¤in Taylan ve Weber, 2007; Kriner, 2007), bir bölümü ise çeflitli araflt›rmalardaanaliz arac› olarak kullan›lmas› fleklindedir (örne¤in Shepton, 2001; Tunay, 2001b;Leathwick v.d. 2005; Bolder ve Rubin 2007 gibi). Yap›lan çal›flmalar›n pek az bir bö-lümü, ekonomi alan›ndad›r (Shepton, 2001; Tunay, 2001b ve Bolder ve Rubin 2007).Bunlar›n içinde Shepton’un (2001) çal›flmas›; MARS yöntemini ikili ba¤›ml› de¤iflken-lere uygulamas›yla di¤erlerinden ayr›lmaktad›r. Shepton, ekonomik durgunluklar›hem geleneksel probit hem de MARS yöntemiyle tahmin etmifl ve gerek tahmin ge-rekse kestirim performans› aç›s›ndan MARS yönteminin çok üstün oldu¤unu ortayakoymufltur.

MARS, de¤iflkenlerin tek tek mi yoksa kombinasyon halinde mi modele girilece¤itan›mland›¤›nda, düflük ve yüksek dereceli modellerin karfl›laflt›r›lmas›na olanak ve-rir. Friedman (1991), “düzeltilmifl R2”yi bir karfl›laflt›rma ölçütü olarak önermektedir.fiöyle ki; etkileflim terimleri içeren bir model sadece düzeltilmifl R2 önemli ölçüde yük-sekse tercih edilebilmektedir. Di¤er taraftan, MARS; modelde yer alan her bir aç›kla-y›c› de¤iflkenin nispi katk›s›n› da belirleyebilmektedir. De¤iflkenlerin katk›s›, belirli birANOVA fonksiyonu (de¤iflken) modelden soyutlanarak, modelin düzeltilmifl R2’si


tahmin edilerek belirlenmektedir. Bu, her bir ANOVA fonksiyonunun (elbette de¤ifl-kenin) anlaml›l›¤›n› yorumlamaya imkan vermektedir.

Çal›flmadaki ekonometrik analizler, Salford Systems taraf›ndan gelifltirilen MARSpaket program› kullan›larak yap›lm›flt›r.

4.4. Tahmin Sonuçlar› ve Bulgular

(2) numaral› modelin MARS tahmini hem bütün model için hem de analiz kolay-l›¤› ve de¤iflkenlerin krizleri aç›klama performanslar›n›n de¤erlendirilmesi için iki altmodel çerçevesinde yap›lm›flt›r. Önce de de¤inildi¤i gibi ana model “banka sistemi-ne özgü mikro ekonomik de¤iflkenler”, “makro ekonomik de¤iflkenler”, “yurtd›fl› et-kenler ve d›fl floklara aç›kl›k”, “kategorik de¤iflkenler” olarak dört grup de¤iflkendenmeydana gelmektedir. Bununla birlikte, sözü edilen de¤iflkenler temin edildikleri kay-na¤a dayal› olarak “yurtiçi mikro ve makro de¤iflkenler” ile “yurtd›fl› de¤iflkenler” flek-linde iki grupta toplanabilir. Böylece ana modele ek olarak, iki alt model halinde ana-liz edilebilirler. Çal›flmada bu yaklafl›mla, bir ana model ve iki alt modelin MARS tah-mini yap›lm›flt›r.

Ana model, tüm aç›klay›c› de¤iflkenlerin birlikte yer ald›¤› bir yap›dad›r ve denk-lem sabiti hariç 26 aç›klay›c› de¤iflken söz konusudur. MARS yöntemi, bu de¤iflken-lerin münferiden ve birbirleri aras›ndaki etkileflimleri dikkate alarak ba¤›ml› de¤iflke-ni en iyi aç›klayan modeli otomatik olarak belirler. Bu ba¤lamda, gözlem ve de¤iflkensay›lar› dikkate al›narak en yüksek temel fonksiyon say›s› 80, de¤iflkenler aras›ndakien yüksek etkileflim say›s› 3, dü¤ümler aras›ndaki minimum gözlem say›s› 2 olaraktercih edilmifltir. Modelin do¤ruluk düzeyini artt›rmak için h›z faktörü olarak 1 seçil-mifl ve böylece optimizasyon en düflük düzeyde tutulmufltur. Modele ilave edilen de-¤iflkenler için de herhangi bir “ceza” (penalty) uygulanmam›flt›r. Finansal krizler veseçimler olmak üzere modelde yer alan iki kategorik aç›klay›c› de¤iflken özel dönü-flüme tabi tutulmufltur.

Modeldeki aç›klay›c› de¤iflkenin birbirleriyle çeflitli düzeylerde etkileflimleri vard›r.Bu etkileflimler, bilindi¤i gibi geleneksel regresyon modellerinde “çoklu do¤rusal ba¤-lant›” (multicolinearity) gibi baz› sorunlara neden olmaktad›r. MARS modelleri, de¤ifl-kenler aras› etkileflimleri bir sorundan avantaja çevirmekte, de¤iflken etkileflimlerinitemel fonksiyonlar fleklinde modele ekleyerek araflt›rmac›y› çok say›da ba¤lant›l› de-¤iflkenle çal›flma konusunda özgür k›lmaktad›r. Dolay›s›yla, tüm de¤iflkenler birbirle-riyle etkileflimli olarak modele dahil edilmifltir. De¤iflkenlerin tümüne otomatik dönü-flümler yap›lmas›na da izin verilmifltir.

28 K. Batu Tunay

TTaabblloo 33:: TTüümm AAçç››kkllaayy››cc›› DDee¤¤iiflflkkeennlleerrii ‹‹ççeerreenn MMAARRSS MMooddeellii ((AAnnaa MMooddeelliinn)) TTaahhmmiinn SSoonnuuççllaarr››

MARS otomatik olarak 35 model tahmin etmifl, GCV de¤eri en düflük ve GCV R2

de¤eri en yüksek olan model “en iyi model” olarak di¤erlerinden ayr›lm›flt›r. Bu mo-

delin tahmin sonuçlar› Tablo 3’de sunulmufltur. Tüm katsay›lar %1 düzeyinde anlam-

l›d›r, R2 ve düzeltilmifl R2 de¤erleri %99 gibi çok yüksek bir orandad›r. S›radan bir reg-

resyon modeli için afl›r› say›labilecek ve bir soruna iflaret edebilecek bu durum, MARS

modelleri için ola¤and›r. Bu yöntemle yap›lan tahminler baflar›l› olduklar›nda çok yük-

sek bir aç›klay›c› güce eriflebilmektedir. Öte yandan, GCV R2 de¤eri de 0.98 oran›n-

dad›r ve di¤er iki de¤erle tutarl› bir flekilde yüksektir. Gerek katsay›lar›n istatistik an-

laml›l›klar› gerekse modelin çok yüksek aç›klay›c› gücü en az›ndan örneklem içi an-

'HõLöNHQ 'HõLöNHQ�7DQÖPÖ .DWVD\Ö 6WG�+DWD W�7HVWL S�GHõHUL

Sabit -0.702 0.019 -36.703 0.000

Temel Fonksiyon 1 �PD[��óó.2�� -2.674 �� -16.768 0.000

Temel Fonksiyon 2 �PD[��óó.2�� 2.313 0.044 �� 0.000

7HPHO�)RQNVL\RQ�� = max(0, m2 F�� 7)� 0.292 �� 0.000

Temel Fonksiyon 11 �PD[��óó.2�� 7)� -0.029 0.007 -4.294 0.000

7HPHO�)RQNVL\RQ�� PD[��$.�� 7)� 14.177 1.369 �� 0.000

Temel Fonksiyon 16 �PD[��6<�� 7)�� 997.666 �� 0.000

Temel Fonksiyon 17 �PD[��6<�� 7)�� -6.342 0.000

Temel Fonksiyon 18 �PD[��'HY�� 7)� 1.876 0.036 �� 0.000

Temel Fonksiyon 20 �PD[��%<�� 7)�� -13.497 0.201 �� 0.000

Temel Fonksiyon 21 �PD[��7�N�� 7)� 0.010 0.000 �� 0.000

Temel Fonksiyon 24 �PD[��¨3)�� 7)�� -0.090 0.028 -3.276 0.002

7HPHO�)RQNVL\RQ�� PD[��836*�� 7)�� 0.010 0.002 4.327 0.000

Temel Fonksiyon 26 �PD[��836*�� 7)�� 0.268 �� 0.000

Temel Fonksiyon 29 �PD[��'HY�� 7)� 10.787 0.406 �� 0.000

Temel Fonksiyon 31 ��<DW�!�� 7)�� 12.396 �� 0.000

Temel Fonksiyon 33 �PD[��<DW�� 7)�� 9.640 �� 0.000

Temel Fonksiyon 34 �PD[��<DW�� 7)�� -203.386 �� 0.000

7HPHO�)RQNVL\RQ�� PD[��óó.2�� 2.307 0.070 �� 0.000

Temel Fonksiyon 37 �PD[��.UO�� 7)�� 934.697 68.930 �� 0.000

Temel Fonksiyon 38 �PD[��.UO�� 7)�� -209.701 �� -24.419 0.000

Temel Fonksiyon 40 �PD[��'$3�� 7)�� 0.001 -84.167 0.000

*|]OHP�6D\ÖVÖ� �� 2UWDODPD�.DUH��

R2�� 0.998 0$56�*&9� 0.002

'�]��52�� 0.997 )�7HVWL� 1486.242

*&9�52�� 0.986 S�'HõHUL� 0.000


lamda banka krizlerini baflar›yla tahmin edebilece¤ini göstermektedir. Grafik 1 ince-

lenirse, modelin banka krizleri serisini büyük bir baflar›yla tahmin etti¤i gözlenebilir.

GGrraaffiikk 11:: AAnnaa MMooddeell ÇÇeerrççeevveessiinnddee TTüürrkkiiyyee’’ddee BBaannkkaa KKrriizzlleerriinniinn MMAARRSS TTaahhmmiinnii

Bu modelleme ve tahmin yaklafl›m›n›n en önemli avantaj› aç›klay›c› de¤iflkenlerin

modeldeki nispi önemlerini belirlemek mümkün olmas›d›r. Genelde MARS modelinin

yorumu da de¤iflkenlerin nispi önemleri incelenerek yap›lmaktad›r. Tablo 4’de ana

modelde her de¤iflkenin nispi önemleri en yüksekten en düflü¤e do¤ru s›ralanm›flt›r.

Ayr›ca yine bu tabloda hesaplanan temel fonksiyonlar›n tan›mlar›na da yer verilmek-

tedir. Banka krizleri üzerinde s›ras›yla d›fl kaynakl› finansal krizlerin, döviz aç›k pozis-

yonunun, ihracat›n ithalat› karfl›lama oran›n›n, büyüme oran›n›n, tüketimin art›fl ora-

n›n›n, devalüasyonlar›n, ulusal paran›n savunma gücünün, aktif kalitesinin, karl›l›¤›n,

yat›r›mlar›n art›fl oran›n›n, mevduatlar›n art›fl oran›n›n, sermaye yeterlili¤inin ve pet-

rol fiyatlar›ndaki hareketlerin önemli oldu¤u görülmektedir. Di¤er de¤iflkenlerin de

belirli ölçüde etkileri olmas›na ra¤men, bu etkiler ihmal edilebilecek ölçüde küçük gö-

rünmektedir.

Özellikle ilk üç de¤iflkenin modelde belirleyici bir rolleri oldu¤u ve bunlar›n model

d›fl›nda b›rak›lmalar› halinde krizlerin öngörülemeyece¤i ifade edilmelidir. Anlafl›l-

maktad›r ki; Türkiye’deki bankac›l›k krizlerinde yurtd›fl› kaynakl› kontrol edilemez ni-

telikteki de¤iflkenlerin pay› çok büyüktür. Bu ba¤lamda, sistemik küresel finansal kriz-

ler, döviz aç›k pozisyonuyla somutlaflan kur oynakl›klar›na ve s›cak para hareketleri-

ne karfl› k›r›lganl›k, cari ifllemler dengesini yans›tan ihracat›n ithalat› karfl›lama oran›

en önemli kriz etkenleridir. MARS tahmini, finansal krizler, döviz aç›k pozisyonu ara-

s›nda önemli bir karfl›l›kl› etkileflimin varl›¤›n› göstermektedir. Temel fonksiyon 40’›n

30 K. Batu Tunay

yüzey grafi¤i olan Grafik 2’nin A paneli bu güçlü etkileflimi sergilemektedir. Finansalkrizler, devalüasyon, ihracat›n ithalat› karfl›lama oran› aras›nda da karfl›l›kl› etkileflimsöz konusudur. Grafik 2’nin A panelinde bu durum gözlenmektedir. Ancak bu, gra-fikten de görülebilece¤i gibi ilki kadar güçlü bir etkileflim de¤ildir.

TTaabblloo 44:: AAnnaa MMooddeelliinn AAçç››kkllaayy››cc›› DDee¤¤iiflflkkeennlleerriinn NNiissppii ÖÖnneemmlleerrii vvee TTeemmeell FFoonnkkssiiyyoonnllaarr››nn TTaann››mmllaarr››

$oÖNOD\ÖFÖ�'HõLöNHQOHULQ�1LVSL�gQHPOHUL

'HõLöNHQ 0RGHOGHQ�$WPDQÖQ�0DOL\HWL

'HõLöNHQLQgQHPL

0RGHOGH�'RõUXGDQ�\DGD�'ROD\OÖ�2ODUDN�.XOODQÖODQ�7HPHO�)RQNVL\RQODUÖQ�7DQÖPODUÖ

FINKR 0.209 100.000 TF1 �PD[��óó.2��

DAP 0.142 82.313 TF2 �PD[��óó.2��

óó.2 0.110 �� TF3 ��),1.5� �� 7)�

BY 0.091 �� TF4 ��),1.5� �� 7)�

Tük 0.090 �� 7)� = max(0, m2 F�� 7)�

Tük_mis 0.090 �� 7)� ��7�N�!��

Dev �� TF9 �PD[��7�N�� 7)�

UPSG 0.068 �� TF10 �PD[��óó.2�� 7)�

AK 0.061 �� TF11 �PD[��óó.2�� 7)�

m2 F

0.060 �� TF13 �PD[��¨0YG�� 7)�

Krl 0.018 �� 7)�� PD[��$.�� 7)�

Yat 0.008 �� TF16 �PD[��6<�� 7)��

¨0YG �� 16.390 7)�� PD[��6<�� 7)��

Yat_mis �� 16.390 TF18 �PD[��'HY�� 7)�

SY �� 12.108 TF20 �PD[��%<�� 7)��

¨3) 0.002 0.694 TF21 �PD[��7�N�� 7)�

m2 Krd

0.002 0.000 TF24 �PD[��¨3)�� 7)��

m2 P

0.002 0.000 7)�� PD[��836*�� 7)��

m2 L

0.002 0.000 TF26 �PD[��836*�� 7)��

¨.UG 0.002 0.000 TF29 �PD[��'HY�� 7)�

Enf 0.002 0.000 TF31 ��<DW�!�� 7)��

BD 0.002 0.000 TF33 �PD[��<DW�� 7)��

Çkt 0.002 0.000 TF34 �PD[��<DW�� 7)��

SRK 0.002 0.000 7)�� PD[��óó.2��

DÖG 0.002 0.000 7)�� PD[��.UO�� 7)��

¨<) 0.002 0.000 TF38 �PD[��.UO�� 7)��

6(&0 0.002 0.000 TF40 �PD[��'$3�� 7)�

m2 PF

0.002 0.000


GGrraaffiikk 22:: AAnnaa MMooddeelliinn EEttkkiilleeflfliimmllii DDee¤¤iiflflkkeennlleerriinniinn GGrraaffiikklleerriiPPaanneell --AA-- PPaanneell --BB--Temel Fonksiyon 29: Finansal Krizler, Temel Fonksiyon 40: Finansal Krizler, Döviz Devalüasyon ve ‹.‹.K.O. Etkileflimi Aç›k Pozisyonu ve ‹.‹.K.O. Etkileflimi

TTaabblloo 55:: YYuurrttiiççii MMiikkrroo vvee MMaakkrroo AAçç››kkllaayy››cc›› DDee¤¤iiflflkkeennlleerrii ‹‹ççeerreenn MMAARRSS MMooddeellii TTaahhmmiinn SSoonnuuççllaarr››

‹kinci planda; ekonomik büyüme, tüketim art›fl oran› gibi döngüye öncü göster-gelerle, devalüasyon ve ulusal paran›n savunma gücü gibi de¤iflkenler dikkati çek-mektedir. Aktif kalitesi, faiz oran› riski, karl›l›k mevduatlar›n art›fl h›z› sermaye yeter-lili¤i gibi mikro de¤iflkenlerin nispi önemleri oldukça düflüktür. Hatta birçok mikro vemakro de¤iflken önemsiz görünmektedir. Son dönemde artan makro ekonomik istik-rar, yap›lan s›k› sermaye piyasas› düzenlemelerine dayal› olarak ulusal banka sistemi-nin sa¤laml›¤›n›n artmas› söz konusu de¤iflkenlerin öneminin düflük görünmesine yolaçm›fl olabilir.


Sabit -0.064 0.039 -1.629 0.107Temel Fonksiyon 1 = max(0, Enf + 0.004) 11.486 1.153 9.958 0.000Temel Fonksiyon 2 = max(0, AK + 0.188) * TF1 -76.266 9.892 -7.710 0.000Temel Fonksiyon 4 = max(0, m2

F - 139.634) * TF1 0.032 0.005 6.194 0.000

Temel Fonksiyon 13 �PD[��¨.UG�� 7)� 245.277 63.100 3.887 0.000Temel Fonksiyon 14 �PD[��¨.UG�� 7)� -120.827 22.950 -5.265 0.000Temel Fonksiyon 15 �PD[��¨.UG�� 7)� -155.704 21.975 -7.086 0.000Temel Fonksiyon 17 = max(0, 0.087 - m2

P ) * TF15 -1847.155 324.738 -5.688 0.000

Temel Fonksiyon 18 = max(0, BD + 347.787) * TF2 0.098 0.019 5.111 0.000Temel Fonksiyon 22 �PD[��¨.UG�� 7)� 714.362 124.807 5.724 0.000Temel Fonksiyon 24 �PD[��¨.UG�� 7)� -0.216 0.068 -3.164 0.002Temel Fonksiyon 25 �PD[��¨.UG�� 7)� 6.403 0.775 8.264 0.000Temel Fonksiyon 32 = max(0, SY - 0.037) * TF28 114330.434 23938.638 4.776 0.000

*|]OHP�6D\ÖVÖ�� 95 2UWDODPD�.DUH�� 0.037R2�� 0.730 0$56�*&9�� 0.072'�]��52�� 0.691 )�7HVWL�� 18.509*&9�52�� 0.400 S�'HõHUL�� 0.000

32 K. Batu Tunay

Ana modelde, nispi önemi yüksek de¤iflkenlerin büyük bölümü d›fl kaynakl›d›r. Altmodeller de bu tespiti ve yukar›da yapt›¤›m›z de¤erlendirmeleri desteklemektedir.Yurtiçi ve yurtd›fl› de¤iflkenler ayr› modellerde topland›¤›nda, modellerin performans-lar›n›n büyük farkl›l›klar gösterdi¤i gözlenmektedir. Yurtiçi mikro ve makro de¤iflken-leri kapsayan ilk alt modelin tahmin sonuçlar› Tablo 5’de ve yurtd›fl› de¤iflkenleri kap-sayan ikinci alt modelin tahmin sonuçlar› da Tablo 7’de sunulmufltur. Yurtiçi de¤ifl-kenler banka krizlerini yaklafl›k %70’lik R2 ve düzeltilmifl R2 de¤eriyle ve %40’l›k GCVR2 ile aç›klamaktad›r. Oysa yurtd›fl› kaynakl› de¤iflkenlerle banka krizleri yaklafl›k%97’lik R2 ve düzeltilmifl R2 de¤eriyle ve %82’lik GCV R2’si ile aç›klanmaktad›r. Heriki alt modelin katsay›lar›n›n istatistik anlaml›l›klar› oldukça yüksek olmas›na karfl›n,d›fl de¤iflkenleri içeren model krizleri aç›klamakta çok daha baflar›l›d›r. Bu genel mo-deldeki de¤iflkenlerin nispi önemleriyle de örtüflmektedir.

TTaabblloo 66:: YYuurrttiiççii MMiikkrroo vvee MMaakkrroo AAçç››kkllaayy››cc›› DDee¤¤iiflflkkeennlleerriinn NNiissppii ÖÖnneemmlleerrii vvee TTeemmeell FFoonnkkssiiyyoonnllaarr››nn

TTaann››mmllaarr››

E¤er alt modeller ayr› ayr› incelenirse, yurtiçi ve yurtd›fl› de¤iflkenlerin kriz üzerin-deki önem düzeyleri de gözlenebilir. Bu ba¤lamda, Tablo 6’da yurtiçi mikro ve mak-ro de¤iflkenlerin nispi önemleri sunulmufltur. Enflasyonun, aktif kalitesinin, faiz ora-n› riskinin, kredilerin art›fl oran›, piyasa riski, bütçe dengesi, karl›l›k, sermaye yeterlili-



'HõLöNHQLQgQHPL


Enf 0.119 100.000 TF1 = max(0, Enf + 0.004)AK 0.118 98.506 TF2 = max(0, AK + 0.188) * TF1m2 F

0.116 96.464 TF4 = max(0, m2 F - 139.634) * TF1

¨.UG 0.110 90.078 TF5 = max(0, 139.634 - ) * TF1m2 P

0.093 66.712 TF13 �PD[��¨.UG�� 7)�BD 0.088 57.993 TF14 �PD[��¨.UG�� 7)�.UO 0.085 52.765 TF15 �PD[��¨.UG�� 7)�SY 0.085 52.765 TF17 = max(0, 0.087 - ) * TF15¨0YG 0.085 52.765 TF18 = max(0, BD + 347.787) * TF2m2 Krd

0.072 0.000 TF22 �PD[��¨.UG�� 7)�m2 L

0.072 0.000 TF24 �PD[��¨.UG�� 7)�BY 0.072 0.000 TF25 �PD[��¨.UG�� 7)�Çkt 0.072 0.000 TF26 �PD[��¨0YG��¨7�N 0.072 0.000 TF28 �PD[��¨.UG�� 7)��¨<DW 0.072 0.000 TF32 = max(0, SY - 0.037) * TF286(d0 0.072 0.0007�NBPLV 0.072 0.000<DWBPLV 0.072 0.000


¤i ve mevduatlar›n art›fl oran› s›ras›yla önemli de¤iflkenlerdir. Bunlardan; enflasyon,aktif kalitesi, faiz oran› riski ve kredilerin art›fl oran› aç›klama güçleri aç›s›ndan di¤er-lerinden daha üstündür.

TTaabblloo 77:: YYuurrttdd››flfl›› AAçç››kkllaayy››cc›› DDee¤¤iiflflkkeennlleerrii ‹‹ççeerreenn MMAARRSS MMooddeelliinniinn TTaahhmmiinn SSoonnuuççllaarr››

Tablo 8’de de yurtd›fl› de¤iflkenlerin ilgili alt modeldeki nispi önemleri sunulmufl-

tur. Ulusal paran›n savunma gücü ve d›fl ödeme gücü d›fl›ndaki tüm de¤iflkenler az

ya da çok banka krizlerini aç›klamakta önemli görünmektedir. Yabanc› faiz hareket-

leri d›fl›ndaki tümünün nispi önemi bir hayli yüksektir. Sistemik finansal krizler, ihra-

cat›n ithalat› karfl›lama oran› ve petrol fiyat› hareketleri, sermaye kaç›fl›, devalüasyon

belirgin ölçüde önemlidir. MARS d›fl de¤iflkenleri kapsayan modelde dört karfl›l›kl› et-

kileflim belirlemifltir. Bunlar Grafik 3’de görülmektedir. ‹lki Grafik 3’ün A panelinde


Sabit -0.034 0.011 -3.251 0.002Temel Fonksiyon 1 �PD[��óó.2�� 11.232 1.011 11.110 0.000Temel Fonksiyon 2 �PD[��óó.2�� 1.062 �� 0.000Temel Fonksiyon 3 ��),1.5� �� 7)� �� -12.038 0.000Temel Fonksiyon 5 �PD[��¨3)�� 7)� -66.411 �� -18.002 0.0007HPHO�)RQNVL\RQ�� PD[��¨3)�� 7)� 55.445 4.820 11.504 0.000Temel Fonksiyon 11 �PD[��'HY�� 7)�� -11.883 0.000Temel Fonksiyon 12 �PD[��'HY�� 7)�� 34.445 �� 0.000Temel Fonksiyon 15 �PD[��'HY�� 7)� �� 0.0007HPHO�)RQNVL\RQ�� PD[��'HY�� %)�� 0.000Temel Fonksiyon 18 �PD[��'HY�� 7)� �� 8.346 �� 0.0007HPHO�)RQNVL\RQ�� PD[��¨3)�� 7)� �� 5.636 �� 0.000Temel Fonksiyon 20 �PD[��¨3)�� 7)� -43.852 3.801 �� 0.000Temel Fonksiyon 21 = max(0, m2

PF�� 7)� 8.253 2.330 3.542 0.001

Temel Fonksiyon 22 = max(0, 0.026 - m2 PF�� 7)� �� 5.323 0.000

Temel Fonksiyon 23 �PD[��¨3)�� 7)� �� 11.204 -12.361 0.000Temel Fonksiyon 25 �PD[��¨3)�� 7)� 100.584 �� 0.0007HPHO�)RQNVL\RQ�� PD[��'$3�� 7)�� -0.101 �� -14.588 0.000Temel Fonksiyon 28 �PD[��'$3�� 7)�� 0.006 -15.545 0.000Temel Fonksiyon 30 �PD[��¨<)�� 7)� 10.204 1.431 �� 0.000Temel Fonksiyon 31 �PD[��65.�� 7)� �� 0.016 �� 0.000Temel Fonksiyon 32 �PD[��65.�� 7)� �� 0.044 �� 0.000Temel Fonksiyon 33 �PD[��¨<)��(�� 7)� 32.641 �� 0.000

*|]OHP�6D\ÖVÖ�� 2UWDODPD�.DUH�� 0.004R2�� 0$56�*&9�� 0.022'�]��52�� )�7HVWL�� 136.236*&9�52�� 0.821 S�'HõHUL�� 0.000

34 K. Batu Tunay

sunulan finansal krizlerle ihracat›n ithalat› karfl›lama oran› aras›nda pozitif etkileflim-dir, ikincisi ayn› grafi¤in B panelinde görülen finansal krizlerle ithalat›n ihracat› karfl›-lama oran› ve d›fl kaynakl› piyasa riski (petrol fiyatlar›ndaki oynakl›k) aras›ndad›r.Üçüncüsü finansal krizler, Grafik 3’ün C panelinde görülen petrol fiyat hareketleri veihracat›n ithalat› karfl›lama oran› aras›ndaki karfl›l›kl› etkileflimdir. Bu etkileflim di¤er-lerinden önemli oranda güçlüdür. Zaten bu nispi önem s›ralamas›yla da örtüflmekte-dir. Dördüncü etkileflim, yine Grafik 3’ün D panelinde finansal krizler, yurtd›fl› faiz ha-reketleri ve ihracat›n ithalat› karfl›lama oran› aras›ndad›r. Özellikle B ve C panellerin-de sunulan etkileflimlerin; yani “finansal krizlerle ithalat›n ihracat› karfl›lama oran› ved›fl kaynakl› piyasa riski” ve “finansal krizler, petrol fiyat hareketleri ve ihracat›n itha-lat› karfl›lama oran›” etkileflimlerinin daha güçlü oldu¤u gözlenmektedir.

TTaabblloo 88:: YYuurrttdd››flfl›› AAçç››kkllaayy››cc›› DDee¤¤iiflflkkeennlleerriinn NNiissppii ÖÖnneemmlleerrii vvee TTeemmeell FFoonnkkssiiyyoonnllaarr››nn TTaann››mmllaarr››



'HõLöNHQLQgQHPL


FINKR 0.117 100.000 TF1 �PD[��óó.2��óó.2 �� 7)� �PD[��óó.2��¨3) 0.093 �� TF3 ��),1.5� �� 7)�SRK �� 7)� ��),1.5� �� 7)�Dev 0.090 �� 7)� �PD[��¨3)�� 7)�'$3 0.076 �� TF7 �PD[��'HY��¨<) �� TF9 �PD[��¨3)�� 7)�m��3)

�� TF10 �PD[��¨3)�� 7)�DÖG �� 0.000 TF11 �PD[��'HY�� 7)��836* �� 0.000 7)�� PD[��'HY�� 7)��

7)�� PD[��'HY�� 7)�TF17 �PD[��'HY�� 7)�TF18 �PD[��'HY�� 7)�TF19 �PD[��¨3)�� 7)�7)�� PD[��¨3)�� 7)�7)�� = max(0, m��

3)�� 7)�

7)�� PD[��m��3)�� 7)�

7)�� PD[��¨3)�� 7)�7)�� PD[��¨3)�� 7)�7)�� PD[��'$3�� 7)��7)�� PD[��'$3�� 7)��TF30 �PD[��¨<)�� 7)�TF31 �PD[��65.�� 7)�7)�� PD[��65.�� 7)�TF33 �PD[��¨<)��(�� 7)�


GGrraaffiikk 33:: YYuurrttdd››flfl›› DDee¤¤iiflflkkeennlleerrii ‹‹ççeerreenn MMooddeelliinn EEttkkiilleeflfliimmllii DDee¤¤iiflflkkeennlleerriinniinn GGrraaffiikklleerrii

PPaanneell --AA-- PPaanneell --BB--

Temel Fonksiyon 3: Finansal Krizler ve Temel Fonksiyon 22: Finansal Krizler, D›fl Piyasa

‹.‹.K.O. Etkileflimi Riski (Petrol) ve ‹.‹.K.O. Etkileflimi

PPaanneell --CC-- PPaanneell --DD--

Temel Fonksiyon 25: Finansal Krizler, Petrol Temel Fonksiyon 30: Finansal Krizler, Yurtd›fl›

Fiyat Hareketleri ve ‹.‹.K.O. Etkileflimi Faiz Hareketleri ve ‹.‹.K.O. Etkileflimi

5. Sonuç

Bu çal›flma, banka krizlerinin nedenlerini ve krize yol açabilecek etkenleri belirle-

yerek, Türkiye’de meydana gelecek bankac›l›k krizlerini öngörebilecek etkili bir erken

uyar› modeli gelifltirme çabalar›n›n ürünüdür. 1980 sonras› dönemde, Türkiye’de ba-

z› kaynaklara göre üç baz›lar›na göre de dört bankac›l›k krizi meydana gelmifltir. Yi-

ne ayn› kaynaklara göre, bunlar›n bir bölümü küresel sistemik krizlerle ba¤lant›l› bir

bölümü ise iç ekonomik ve finansal dinamiklerin bir sonucudur. Kökeni ne olursa ol-

sun 30 y›ll›k bir süreçte dört bankac›l›k krizinin yaflanm›fl olmas› dünyada ayn› dene-

yimi yaflam›fl ülkeler aras›nda Türkiye’yi üst s›ralara ç›kartmakta ve ülke ekonomisinin

k›r›lganl›¤› aç›s›ndan ciddi bir risk potansiyeline iflaret etmektedir.

Konunun önemine karfl›n, yurtiçi yaz›nda Türkiye üzerine yap›lan bilimsel çal›flma-

lar›n ve özellikle bankac›l›k krizine karfl› erken uyar› modeli önerilerinin say›s› olduk-

ça azd›r. Bunlar›n içinde ekonometrik modellerin tahminine dayanan uygulamal› ça-

l›flmalar›n say›s› daha da azd›r. Bu büyük ölçüde veri yetersizliklerine ba¤lanabilir.

36 K. Batu Tunay

Yurtd›fl› yaz›nda ise, Türkiye’yi de ele alan çok say›da uygulamal› çal›flmalara rastla-mak mümkündür. Ancak bunlar, genellikle çok say›da ülkede yaflanan banka krizle-rini kapsayan genifl bir örneklemin bir parças› olarak Türkiye’yi incelemekte ve ülke-mizin kendine özgü koflullar›n› pek de fazla hesaba katmaks›z›n belirli say›da de¤ifl-kenle krizlerin genel dinamiklerini analiz etmektedir. Kuflkusuz söz konusu yap›lar›y-la, Türkiye’ye özgü bankac›l›k sorunlar›n›n ve olas› krizlerin analiz edilmesinde kulla-n›m kabiliyetleri k›s›tl›d›r.

Yine de sözü edilen uluslararas› çal›flmalar›n bulgular›ndan ve kulland›klar› ça¤daflekonometrik analiz yöntemlerinden önemli oranda yararlan›labilir ve Türkiye için ç›-karsamalar yap›labilir. Bu çal›flman›n da ana ekseni, detayl› bir yaz›n taramas› yapa-rak, genifl banka krizi yaz›n›ndaki teorik ve uygulamal› çal›flmalar›n bulgular› ›fl›¤›ndaTürkiye için özgün bir erken uyar› modeli denemesi yapmakt›r. Kuflkusuz, bu ba¤lam-da kullan›lacak modelleme ve tahmin yöntemi de önemli bir konudur. ‹lgili yaz›n in-celendi¤inde, çok say›da yöntem aras›nda üçünün öne ç›kt›¤› görülmektedir. Bunlar;sinyal verme yaklafl›m›, ikili ba¤›ml› de¤iflkenler (logit ve probit modeller) yaklafl›m› veson dönemde s›kça kullan›lmaya bafllanan ikili a¤aç yaklafl›m›d›r. Bunlardan ikili ba-¤›ml› de¤iflkenler yaklafl›m› parametrik, di¤erleri ise parametrik olmayan yöntemler-dir. Oysa yap›lan çal›flmalarda görülmüfltür ki; hem parametrik hem de parametrikolmayan tahmin tekniklerinin önemli avantajlar› ve dezavantajlar› bulunmaktad›r.Söz konusu avantajlardan yararlan›rken, dezavantajlar› da azaltacak bir yönteminönemi aç›kt›r. Bu ba¤lamda, çal›flmam›z›n etkinli¤i yüksek bir tahmin yöntemi aray›fl-lar›n›n bir ürünü oldu¤u da söylenebilir.

Tüm bu tespit ve de¤erlendirmeler çerçevesinde; Türkiye’de banka krizlerinin yur-tiçi ve yurtd›fl› dinamiklerini kapsayan 26 aç›klay›c› de¤iflkenden meydana gelen birmodel gelifltirilmifltir. Söz konusu de¤iflkenler, yurtiçi kaynakl› temel mikro ve makroekonomik unsurlara ek olarak yurtd›fl› kaynakl› ve sistemik risk potansiyeli içeren un-surlardan meydana gelmektedir. Ancak bu kadar genifl bir aç›klay›c› de¤iflkenler se-tinin getirdi¤i, örneklem sorunlar› (gözlem say›s› azl›¤› gibi) ve tahmine dayal› sorun-lar (çoklu do¤rusal ba¤lant› gibi) do¤mas› kaç›n›lmazd›r. Öte yandan, yukar›da da de-¤inildi¤i gibi kullan›lacak tekni¤in parametrik ve parametrik olmayan tekniklerinavantajlar›n› örtüfltürmesi de önemlidir. Bu kayg›larla az bilinen ama etkinli¤i de bi-lim çevrelerinde kan›tlanm›fl MARS yöntemi kullan›lm›flt›r. MARS yönteminin enönemli avantaj› geleneksel modellerde oldu¤u gibi aç›klay›c› de¤iflkenlerin sadecemünferit etkilerini dikkate almakla kalmay›p, bunlar›n karfl›l›kl› etkileflimlerini hesap-layarak ilave bir de¤iflken olarak modele dahil etmesidir. Yöntemin önemli bir üstün-lü¤ü de, modeldeki aç›klay›c› de¤iflkenlerin nispi önemlerini belirlemeye imkân ver-mesi ve araflt›rmac›y› uygun de¤iflkenler konusunda bilgilendirmesidir. Veri seti ola-rak da 1986:I-2009:III dönemini kapsayan üç ayl›k veriler (95 gözlem) kullan›lm›flt›r.

Biri ana di¤er ikisi ise alt model olmak üzere üç MARS modeli oluflturulmufl ve tah-


min edilmifltir. Bu modellerde ba¤›ml› de¤iflken olan banka krizleri logit ve probit mo-dellerde oldu¤u gibi “ikili” bir yap›dad›r. Aç›klay›c› de¤iflkenler seti ise, büyük orandanicel de¤iflkenlerden oluflmakla birlikte küresel finansal krizler ve seçimler gibi iki ni-tel (kategorik) de¤iflkeni de kapsamaktad›r. Tahmin sonuçlar› son derece baflar›l›d›r.Bir erken uyar› modeli olarak kullan›lmas› hedeflenen ana model, ele al›nan dönem-de meydana gelen banka krizlerini büyük bir baflar›yla tahmin etmifltir. Elde edilenbulgular, baflta d›fl kaynakl› finansal krizler olmak üzere döviz aç›k pozisyonu, ithala-t›n ihracat› karfl›lama oran› gibi yurtd›fl› ekonomik iliflkileri yans›tan göstergelerinmünferit ve müflterek aç›klay›c› güçlerinin di¤erlerinden fazla oldu¤unu ortaya koy-mufltur. Kuflkusuz sermaye yeterlili¤i, faiz riski gibi baz› yurtiçi de¤iflkenlerin de mo-delde önemli yerleri vard›r. Ancak bunlar d›fl kaynakl› de¤iflkenlerden önemli ölçüdeazd›r. Bu durum, al›nan önlemlerle banka sisteminin finansal yap›s›n›n 1999 y›l› son-ras›nda giderek güçlenmesinden kaynaklan›yor olabilir. Bilindi¤i gibi; sistemde yeralan mali bünyesi zay›f bankalar›n ay›klanmas›, yüksek sermaye yeterlili¤i koflullar› uy-gulanmas› gibi mikro önlemler ve fiyat istikrar›n›n sa¤lanmas›, mali disiplin gibi mak-ro önlemler yurtiçi kaynakl› k›r›lganl›klar› önemli oranda azaltm›flt›r. Buna karfl›l›k,yurtd›fl› kaynakl› k›r›lganl›klara karfl› al›nabilecek tedbirler daha az ve s›n›rl› güçte ola-bilmektedir.

Ana model yurtiçi ve yurtd›fl› aç›klay›c› de¤iflkenler bak›m›ndan iki alt modele bö-lünmüfltür. Bundan amaçlanan, krizin öngörülmesi olmay›p hangi iç ya da d›fl kay-nakl› de¤iflkenlerin krizler üzerinde di¤erlerinden önemli oldu¤unun belirlenmesidir.Genel olarak, ana modelin bulgular›yla örtüflür nitelikte, yurtiçi de¤iflkenleri kapsa-yan alt modelin krizleri aç›klama gücü yurtd›fl› de¤iflkenleri içeren alt modelinkininönemli oranda gerisinde kalm›flt›r. Yurtiçi de¤iflkenleri içeren alt model incelendi¤in-de; s›ras›yla enflasyonun, aktif kalitesinin, faiz riskinin ve kredilerin büyüme oran›n›nbanka krizlerini aç›klayan en önemli de¤iflkenler olduklar› gözlenmifltir. Öte yandan,piyasa riski, bütçe dengesi, karl›l›k, sermaye yeterlili¤i ve mevduatlar›n art›fl oran› gi-bi de¤iflkenler de krizler üstünde etkili bulunmufl, fakat bunlar›n nispi etkilerinin dü-flük oldu¤u görülmüfltür. Yurtd›fl› de¤iflkenleri içeren alt model incelendi¤inde ise; s›-ras›yla d›fl finansal krizlerin, ihracat›n ithalat› karfl›lama oran›, petrol fiyatlar›ndaki de-¤iflmelerin ve sermaye kaç›fl›n›n önemli kriz etkenleri oldu¤u belirlenmifltir. Kur hare-ketleriyle vücut bulan örtük devalüasyon, döviz aç›k pozisyonu, yurtd›fl› faiz hareket-leri ve petrol fiyatlar›na ba¤l› olarak hesaplanan d›fl kaynakl› piyasa riski de kriz etke-ni olmakla birlikte, bu etkiler nispeten düflüktür.

Elde edilen bulgular birlikte de¤erlendirildi¤inde; Türk bankac›l›k sisteminin k›r›l-ganl›¤›n›n ve kriz oluflma potansiyelinin büyük oranda yurtd›fl› kaynakl› de¤iflkenler-den ileri geldi¤i aç›kça görülmektedir. Bununla birlikte, yurtiçi mikro ve makro de¤ifl-kenlerin bu anlamda tümden önemsiz oldu¤u da söylenemez. Ancak özellikle son ony›ll›k dönemde makro ekonomik istikrar›n sa¤lanmas› ve banka sisteminin sa¤laml›-

38 K. Batu Tunay

¤›n›n artm›fl olmas›, yurtiçi etkenlerin nispi tesirlerini ve kriz potansiyellerini düflürmüflgibi görünmektedir. Bir yandan nispeten daha kontrol edilebilir yap›daki yurtiçi de-¤iflkenlerin istikrar›n›n sürdürülmesi, di¤er yandan d›fl kaynakl› floklar›n neden olabi-lece¤i k›r›lganl›klara karfl› etkin önlemler al›nmas› gelecekte oluflabilecek krizleri ön-leyebilir. MARS modelinin yaflanm›fl krizleri ve olas› önemli kriz etkenlerini belirlemek-teki baflar›s›, olas› krizleri kestirim amaçl› daha ileri çal›flmalar için cesaret verici nite-liktedir.


Kaynakça

1. Aktafl, R. (1992). Çok Boyutlu Erken Uyar› Sistemi. K.H.O. Dergisi, 2(1): 60-72.

2. Alt›ntafl, H. (2004). Bankac›l›k Krizleri, Nedenleri ve Ekonomik Maliyetleri. Erci-yes Üniversitesi ‹.‹.B.F. Dergisi, 22(Ocak-Haziran): 39-61.

3. Anderson, R.G. (2009). Resolving a Banking Crisis, The Nordic Way. Federal Re-serve Bank of St. Louis, Economic Synopses, No: 10.

4. Atan, M. (2001). Risk Yönetimi ve Türkiye Bankac›l›k Sektörü ‹çin Erken Uyar›Modelleri. Ankara: Türkiye Vak›flar Bankas› T.A.O.

5. Barrel, R. – Davis, E.P., Karim, D. ve Liadze, I. (2009). Bank Regulation, PropertyPrices and Early Warning Systems for Banking Crises in OECD Countries. NIESRDiscussion Paper, No: 330, (http://www.niesr.ac.uk/pdf/dp330.pdf).

6. Berg, A. - Borensztein, E., Milesi-Ferretti, G.M. ve Pattillo, C.A. (1999). Anticipa-ting Balance of Payments Crises-The Role of Early Warning Systems. IMF Occa-sional Papers, No: 186.

7. Berg, A. ve Pattillo, C. (1998). Are Currency Crises Predictable: A Test. IMF Wor-king Papers, No:WP/98/154.

8. Berg, A. ve Pattillo, C. (1999). Are Currency Crises Predictable: A Test. IMF StaffPapers, 46(2): 107-138.

9. Bolder, D.J. ve Rubin, T. (2007). Optimization in a Simulation Setting: Use ofFunction Approximation in Debt Strategy Analysis. Bank of Canada Working Pa-pers, No: 2007-13.

10. Bollerslev, T. (1986). Generalized Autoregressive Conditional Heteroskedasti-city. Journal of Econometrics, 31(3): 307-327.

11. Bongini, P.A. - Claessens, S. ve Ferri, G. (2000). The Political Economy of Dis-tress in East Asian Financial Institutions. World Bank Policy Research Papers, No:2265.

12. Bordo, M.D. (1998). Currency Crisis (and Banking Crisis) in Historical Perspecti-ve. EHF Research Report, No: 10.

13. Borio, C. ve Drehmann, M. (2009). Assessing the Risk of Banking Crises – Revi-sited. BIS Quarterly Review, March: 29-46.

14. Borio, C. – Furfine, C. ve Lowe, P. (2001). Procyclicality of the Financial Systemand Financial Stability: Issues and Policy Options. BIS Papers No: 1, BIS.

15. Borio, C. ve Lowe, P. (2002). Assessing the Risk of Banking Crises. BIS QuarterlyReview, December: 43–54.

16. Bussiere, M. ve Fratzscher, M. (2002). Towards A New Early Warning Systemof Financial Crises. ECB Working Papers, No: 145.

17. Caprio, G. ve Klingebiel, D. (1999). Episodes of Systemic and Borderline Finan-cial Crises. Finance Research Data Set-1, World Bank (http://go.worl-dbank.org/5DYGICS7B0).

18. Caprio, G. ve Klingebiel, D. (2002). Episodes of Systemic and Borderline Finan-cial Crises. Finance Research Data Set-2, World Bank (http://go.worl-dbank.org/5DYGICS7B0).

40 K. Batu Tunay

19. Chari, V.V. ve Jagannathan, R. (1988). Banking Panics, Information, and Ratio-nal Expectations Equilibrium, Journal of Finance, 43(3): 749-761.

20. Çinko, L. ve Ak, R. (2009). Küreselleflen Ekonomilerde Yaflanan Bankac›l›k Kriz-lerinin Anatomisi. Maliye Finans Yaz›lar›, Say›: 83(Nisan): 59-83.

21. Corbett, J. ve Mitchell, J. (2000). Banking Crises and Bank Rescues: The Effectof Reputatio. University of Michigan, William Davidson Institute Working Pa-pers, No: 290, January.

22. Craig, R.S. – Davis, E.P. ve Pascual, A.G. (2005). Sources of Procyclicality in EastAsian Financial Systems, Procyclicality of Financial Systems in Asia içinde, (Eds.)S. Gerlach ve P. Gruenwald, New York: Palgrave McMillan, 55-123.

23. Craven, P. ve Wabha. G. (1979). Smoothing Noisy Data with Spline Functions– Estimating the Correct Degree of Smoothing by Method of GeneralizedCross-Validation. Numerische Mathematik, 31(4): 317-403.

24. Çilli, H. ve Temel, T. (1988). Türk Bankac›l›k Sistemi ‹çin Bir Erken Uyar› Mode-li. TCMB Araflt›rma, Planlama ve E¤itim Genel Müdürlü¤ü, Tart›flma Tebli¤i, No:8814.

25. Davis, E.P. ve Karim, D. (2008a). Comparing Early Warning Systems for BankingCrises, Journal of Financial Stability, 4(2): 89-120.

26. Davis, E.P. ve Karim, D. (2008b). Could early warning systems have helped topredict the subprime crisis? National Institute Economic Review, 206(1): 35-47.

27. Davis, E.P. ve Zhu, H. (2004). Bank Lending and Commercial Property Cycles:Some Cross Country Evidence. BIS Working Paper, No: 150.

28. Davis, E.P. ve Zhu, H. (2005). Commercial Property Prices and Bank Performan-ce. BIS Working Paper, No: 175.

29. De Bandt, O. ve Hartmann, P. (2000). Systemic Risk: A Survey. ECB Working Pa-per, No: 35, November.

30. De Grauwe, P. (2008). The Banking Crisis: Causes, Consequences and Remedi-es. CEPS Policy Brief, No: 178, November.

31. Demirgüç-Kunt, A. ve Detragiache, E. (1998a). The Determinants of BankingCrises in Developing and Developed Countries. IMF Staff Papers, 45(1): 81-109.

32. Demirgüç-Kunt, A. ve Detragiache, E. (1998b). Financial Liberalization and Fi-nancial Fragility. IMF Policy Research Working Papers, No: 1917.

33. Demirgüç-Kunt, A. ve Detragiache, E. (2000). Monitoring Banking Sector Fragi-lity: A Multivariate Logit Approach. Worldbank Economic Review, 14(2): 287-307.

34. Demirguc-Kunt, A. ve Detragiache, E. (2002). Does deposit insurance increasebanking system stability?An empirical investigation. Journal of Monetary Eco-nomics, 49(7): 1373-1406.

35. Demirgüç-Kunt, A. ve Detragiache, E. (2005). Cross-Country Empirical Studiesof Systemic Bank Distress: A Survey, IMF Working Paper, No: WP/05/96.

36. Diamond, D.W. ve Dybvig P.H. (1983). Bank Runs, Deposit Insurance and Liqui-dity. Journal of Political Economy, 91(3): 401-419.


37. Diamond, D.W. ve Dybvig P.H. (2000). Bank Runs, Deposit Insurance and Liqui-dity, Federal Reserve Bank of Minneapolis Quarterly Review, 24(1): 14-23.

38. Diamond, D.W.ve Rajan, R.G. (2003). Liquidity Shortages and Banking Crises,NBER Working Papers, No: 10071.

39. Diebold, F.X. ve Rudebusch, G.D. (1989). Scoring the Leading Indicators. Jour-nal of Business, 62(3): 369-391.

40. Dowd, K. (1999). Does Asymmetric Information Justify Bank Capital AdequacyRegulation? Cato Journal, 19(1): 39-47.

41. Duman, K. (2002). Finansal Kriz ve Bankac›l›k Sektörünün Yeniden Yap›land›r›l-mas›. Akdeniz Üniversitesi ‹.‹.B.F. Dergisi, 4: 132-145.

42. Duttagupta, R. ve Cashin, P. (2008). The Anatomy of Banking Crises. IMF Wor-king Papers, No: WP/08/93.

43. Edison, H.J. (2000). Do Indicators of Financial Crises Work? An Evaluation of anEarly Warning System. Board of Governors of the Federal Reserve System, In-ternational Finance Discussion Papers, No: 675.

44. Eichengreen, B. ve Rose, A. (1998). Staying Afloat When the Wind Shifts: Ex-ternal Factors and Emerging-Market Banking Crises. NBER Working Papers, No:6370.

45. Engle, R.F. (1982). Autoregressive Conditional Heteroskedasticity with Estima-tes of the Variance of UK Inflation, Econometrica, 50(4): 987-1007.

46. Engle, R.F. (1983). Estimates of the Variance of U.S. Inflation Based upon theARCH Model. Journal of Money, Credit and Banking, 15(3): 286-301.

47. Engle, R.F. ve Kraft, D. (1983), “Multiperiod Forecast Error Variances of Inflati-on Estimated From ARCH Models.” A. Zellner (ed.), Applied Time Series Analy-sis of Economic Data içinde, Washington D.C.: Bureau of the Census, 293-302.

48. Erdo¤an, B.E. (2008). Bankruptcy Prediction of Turkish Commercial Banks UsingFinancial Ratios. Applied Mathematical Sciences, 2(60): 2973-2982.

49. Ergüngör, E.O. ve Thomson, J.B. (2005). Systemic Banking Crises. Federal Re-serve Bank of Clevland, Policy Discussion Papers, No: 9, February.

50. Esen, O. (2005). Bankac›l›k Krizleri, Yeniden Yap›land›rma Programlar› ve TürkBankac›l›k Sektörü. ES‹AD Siyasa Dergisi, 1(1): 1-21.

51. Fontenla, M. ve Gonzalez, F. (2007). Self-fulfilling and Fundamental BankingCrisis: A Multinomial Logit Approach. Economics Bulletin, 6(17): 1-11.

52. Frankel, J.A. ve Rose, A.K. (1996). Currency Crashes in Emerging Markets: Em-pirical Indicators. CEPR Discussion Papers, No: DP-1349.

53. Friedman, J.H. (1991). Multivariate Adaptive Regression Splines. Annals of Sta-tistics, 19(1): 1-67.

54. Gavin, M. ve Hausman, R. (1996). The Roots of Banking Crises: the Macroeco-nomic Context. Inter-American Development Bank RES Working Papers, No:4026.

55. Gaytan, A. ve Johnson, C.A. (2002). A Review of the Literature on Early War-

42 K. Batu Tunay

ning Systems for Banking Crises. Central Bank of Chile Working Papers, No:183.

56. Gerni, C. - Emsen, S. ve De¤er, K. (2005). Erken Uyar› Sistemleri Yoluyla Türki-ye’deki Ekonomik Krizlerin Analizi. Ekonometri ve ‹statistik, Say›.2: 39-62.

57. Goldstein, M. (2000). NBER Conference on IMF Structural Programs., 19-21 Oc-tober.

58. Goldstein, M. - Kaminsky, G.L. ve Reinhart, C. (2000). Assessing Financial Vul-nerability: An Early Warning System for Emerging Markets, Washington: Insti-tute for International Economics.

59. González-Hermosillo, B. (1996). Banking Sector Fragility and Systemic Sourcesof Fragility. IMF Working Papers, No:WP/96/12.

60. González-Hermosillo, B. (1999a). Determinants of Ex-Ante Banking System Dis-tress: A Macro-Micro Empirical Exploration of Some Recent Episodes. IMF Wor-king Papers, No: WP/99/33.

61. Gonzalez-Hermosillo, B. (1999b). Developing Indicators to Provide Early War-nings of Banking Crises. Finance and Development, 36(2): 1-6.

62. Gorton, G. (1988). Banking Panics and Business Cycles, Oxford Economic Pa-pers, 40(4): 751-781.

63. Gourinchas, P.O. - Valdes, R. ve Landerretche, O. (2001). Lending Booms: LatinAmerica and the World. NBER Working Papers, No: 8249.

64. Gruss, B. ve Sgherri, S. (2009). The Volatility Costs of Procyclical Lending Stan-darts: An Assesment Using a DSGE Model. IMF Working Paper, No: WP/09/35.

65. Gujarati, D.N. (1999). Temel Ekonometri, (Çev. Ümit fienesen ve Gülay Günlükfienesen), ‹stanbul: Literatür Yay›nc›l›k.

66. Gürler, A. ve Kaplan, D. (2005). Türkiye ‹çin Erken Uyar› Endeksi Önerileri. VII.Ulusal Ekonometri ve ‹statistik Sempozyumu, 26-27 May›s 2005, ‹stanbul Üni-versitesi.

67. Hardy, D. ve Pazarbafl›o¤lu, C. (1998). Leading Indicators of Banking Crises:Was Asia Different? IMF Working Papers, No: WP/98/91.

68. Hardy, D. ve Pazarbasioglu, C. (1999). Determinants and Leading Indicators ofBanking Crises: Further Evidence. IMF Staff Paper, 46(3): 247-258.

69. Herring, R.J. ve Wachter, S.M. (1998). Real Estate Cycles and Banking Crises:An International Perspective. Wharton School Zell/Lurie Center Working Pa-pers, No: 298.

70. Honohan, P. (1997). Banking System Failures in Developing and Transition Co-untries: Diagnosis and Prediction. BIS Working Papers, No: 39.

71. Honohan, P. (2000). How Interest Rates Changed under Financial Liberalizati-on: A Cross-Country Review, World Bank Policy Research Working Papers, No:2313.

72. Hwang, S. ve Pereira, P.L.V. (2006), “Small Sample Properties of GARCH Esti-mates and Persistence”, The European Journal of Finance, 12(6-7), 473-494.


73. Jacklin, C.J. ve Bhattacharya, S. (1988). Distinguishing Panics and Information-Based Bank Runs: Welfare and Policy Implications. Journal of Political Economy,96(3): 568-592.

74. Jacops, J.P.A.M. – Kuper, G.H. ve Lestano, L. (2004). Currency Crises in Asia: AMultivariate Logit Approach. EconWPA International Finance Papers,No:0409005.

75. Jagtiani, J. – Kolari, J., Lemieux, C. ve Shin, H. (2003). Early Warning Modelsfor Bank Supervision: Simpler Could Be Beter. Federal Reserve Bank of ChicagoEconomic Perspectives, No. Q3: 49-60.

76. Jokivuolle, E. – Kiema, I. ve Vesala, T. (2009). Credit Allocation, Capital Requ-irements and Procyclicality. Bank of Finland, Research Discussion Papers, No:23-2009.

77. Kaminsky, G.L. (1998). Currency and Banking Crises: The Early Warnings of Dis-tress. Board of Governors of the Federal Reserve System, International FinanceDiscussion Papers, No: 629.

78. Kaminsky, G.L. (1999). Currency and Banking Crises: The Early Warnings of Dis-tress. IMF Working Papers, No: WP/99/178.

79. Kaminsky, G.L. - Lizondo, S. ve Reinhart, C.M. (1998). Leading Indicators of Cur-rency Crises. International Monetary Fund Staff Papers, 45(1): 1-48.

80. Kaminsky, G. ve Reinhart, C. (1995). The Twin Crises: The Causes of Bankingand Balance-of-Payments Problems. Board of Governors of the Federal ReserveSystem, International Finance Discussion Papers, No: 544.

81. Kaminsky, G. ve Reinhart, C. (1999). The Twin Crises: The Causes of Bankingand Balance-of-Payments Problems. American Economic Review, 89(3): 473-500.

82. Karim, D. (2008). The Optimal Treshold for Banking Crisis Prevention and theConsequences of Regulatory Forbearence, Brunell University Economics and Fi-nance Working Papers, No: 08-19.

83. Kaufman, G.G. (2000). Banking and Currency Crises and Systemic Risk: Lessonsfrom Recent Events. Federal Reserve Bank of Chicago, Economic Perspectives,September: 9-28.

84. Kaufman, G.G. ve Scott, K.E. (2003). What Is Systemic Risk and Do Bank Regu-lators Retard or Contribute to It? The Independent Review, 7(3): 371-391.

85. Kolari, J. - Glennon, D., Shin, H. ve Caputo, M. (2000). Predicting LargeU.S.Commercial Bank Failures. Economic and Policy Analysis Working Paper,No: 2000-1.

86. K›z›lsu, S.S. - Aksoy S. ve Kasap R. (1999). Finansal Zaman Dizilerinde De¤iflenVaryansl›l›¤›n ‹ncelenmesi. Marmara Üniversitesi ‹statistik ve Ekonometri Araflt›r-ma ve Uygulama Merkezi Dergisi, Say› 1999-I: 47-69.

87. Knutsen, S. (2001). Financial Fragility or Information Asymmetry? The Inter-warBanking Crises in Norway. Information Asymmetries in the Financial Industry,EBHA Conference 2001, July.

44 K. Batu Tunay

88. Kriner, M. (2007), Survival Analysis with Multivariate Adaptive Regression Spli-nes, Universitat München, Faculty of Mathematic, Informatic and Statistics,Doctorate Dissertation.

89. Laeven, L. ve Valencia, F. (2008). Systemic Banking Crises: A New Database.IMF Working Paper, No: WP/08/224.

90. Ovideo, M.P. (2004). Macroeconomic Risk and Banking Crises in Emerging Mar-ket Countries: Business Fluctuations with Financial Crashes. Emerging Marketsand Macroeconomic Volatility: Lessons from a Decade of Financial Debacles, Fe-deral Reserve Bank of San Francisco Conference, June 4-5, 2004.

91. Ökte, K.S. (2009). Türkiye Ekonomisinde Kas›m 2000 ve fiubat 2001 Krizleri:Asimetrik Enformasyon Yaklafl›m› Aç›s›ndan Bir De¤erlendirme. Finans Politik veEkonomik Yorumlar, 46(527): 15-38.

92. Repullo, R. – Saurina, J. ve Trucharte, C. (2009). Mitigating the Procyclicality ofBasel II. Macroeconomic Stability and Financial Regulation: Key Issues fort heG20 içinde, (Eds.) M. Dewatripont, X. Freixas ve R. Portes, London: Centre forEconomic Policy Research (CEPR), 105-112.

93. Rojas-Suarez, L. (2001). Rating Banks in Emerging Markets: What Credit RatingAgencies Should Learn from Financial Indicators, Institute for International Eco-nomics, Peterson Institute Working Paper Series, No: WP01–6.

94. Rossi, M. (1999). Financial Fragility and Economic Performance in DevelopingCountries: Do Capital Controls, Prudential Regulation and Supervision Matter?IMF Working Papers, No: WP/99/66.

95. Leathwick, J.R. - Rowe, D.; Richardson, J.; Elith, J. ve Hastie, T. (2005). UsingMultivariate Adaptive Regression Splines to Predict the Distributions of NewZealand’s Freshwater Diadromous Fish. Freshwater Biology, 50: 2034-2052.

96. Salford Systems. (2001). MARS User Guide, San Diego: Salford Systems.

97. Santos, J. (2000). Bank Capital Regulation in Contemporary banking Theory: AReview of the Literature. BIS Working Papers, No: 90.

98. Sephton, P. (2001). Forecasting Recessions: Can We Do Better on MARS? Fe-deral Reserve Bank of St. Louis Review, 83(2): 39-49.

99. Shehzad, C.T. ve De Haan, J. (2009). Financial Liberalization and Banking Cri-ses. Risk Management and Financial Crisis, 2nd International Financial ResearchForum, Paris March 19-20, 2009.

100.Sinn, H-W. (2008). Why Banking Crises Happen: The Role of Bad Accountingand Moral Hazard Missteps. The International Economy, Summer: 60-61.

101.Stock, J.H. ve Watson, M.W. (1989). New Indices of Coincident and LeadingEconomic Indicators. National Bureau of Economic Research MacroeconomicsAnnual 1989 içinde, (Eds.) O.J. Blanchard ve S. Fischer, Cambridge, MA: MITPress, 351-409.

102.Taylan, P. ve Weber, G-W. (2007). Multivariate Adaptive Regression Spline andContinuous Optimization for Modern Applications in Science, Economy andTechnology. METU Institute of Applied Mathematics, Preprints, No: 2007-09.


103.Tosuner, A. (2005). Finansal Krizler ve K›r›lganl›k: Türkiye ‹çin Bir Erken Uyar› Sis-temi Denemesi. ‹ktisat, ‹flletme ve Finans Dergisi, 20(235): 42-61.

104.Trigo, L. ve Costanzo, S. (2007). An Early Warning System for Bankruptcy Pre-diction: Lessons from the Venezuelan Bank Crisis. arXiv Paper, No:0708.3465v1.

105.Tunay, K.B. (2001a). Türkiye’de Beklenmeyen Ekonomik ve Siyasal Olaylar›nEnflasyon Üzerindeki Etkileri. M.Ü. Sosyal Bilimler Enstitüsü, Öneri Dergisi,5(17): 211-217.

106.Tunay, K.B. (2001b). Türkiye’de Paran›n Gelir Dolafl›m H›zlar›n›n MARS Yönte-miyle Tahmini. ODTÜ Geliflme Dergisi, 28(3-4): 431-454.

107.Tunay, K.B. (2009). Türk Bankac›l›k Sektöründe Rekabet ve K›r›lganl›k. TürkiyeBankalar Birli¤i, Bankac›lar Dergisi, Say› 68, (Haziran): 30-55.

108.Tunay, N. ve Tunay, K.B. (2009). Türk Sigorta Sektöründe K›r›lganl›k: KrizlerinEtkilerini Öngörmek ve Korunabilmek. M.Ü. B.S.Y.O. Finansal Araflt›rmalar veÇal›flmalar Dergisi, 1(1): 251-264.

109.Ural, M. ve Acar-Balaylar N. (2007). Bankac›l›k Sektöründe Yüksek Risk Al›m› veBask› ‹ndeksleri. Finans Politik ve Ekonomik Yorumlar, 44(509): 47-57.

110.Uyar, S. (2003). Bankac›l›k Krizleri. Ankara.

111.Vlaar, P.J.G. (2000). Early Warning Systems for Currency Crises. International Fi-nancial Markets and the Implications for Monetary and Financial Stability, 25-26 October 1999, BIS Conference Papers No:8.

112.Von Hagen, J. ve Ho, T-K. (2004). Empirical Links Between Twin Crises in the1980s and 1990s: Were There Differences? Sovereign Risk and Financial Crisesiçinde, (Ed.) M. Frankel, Heidelberg – New York: Springer, 177-190.

113.Y›lmaz, R. (2001). Bankac›l›k Krizleri, Makro Ekonomik ‹stikrar ve Ahlaki Tehli-ke. ‹ktisat, ‹flletme ve Finans, 16(180): 52-61.

114.Y›lmaz, R. – Kabasakal, A. ve Koyuncu, J.Y. (2009). Foreign Bank Presence andBanking Crises in Transition Economies. EconAnadolu 2009: Anadolu Interna-tional Conference in Economics, Eskiflehir June 17-19, 2009.

115.Zarrouk, H. ve Ayachi, S. (2009). Regulatory Environment and Banking Crises:Case of Developing Countries. European Journal of Economics, Finance and Ad-ministrative Sciences, 15(1): 18-31.

46 K. Batu Tunay

Documents

Bankac›l›k Krizleri ve Erken Uyar› Sistemleri: Türk Bankac ... · çok say›da ülkeyi analiz eden, yaz›n taramas› veya ekonometrik tahmin teknikleriyle inceleme yapan