Döviz Kurlarının OSB Firmalarının Yatırım Kararlarına Etkisi

Organize Sanayi Bölgeleri (OSB) ile ilgili olarak ilk mevzuat düzenlemesi 2000 yılında uygulamaya giren 4562 sayılı OSB Kanunudur. Bu kanuna göre Organize Sanayi Bölgeleri (OSB), verimliliğe dayalı olarak elektrik, su, doğalgaz, yol, telekomünikasyon ve diğer altyapı hizmetleriyle donatılmış organize bir yapı içerisinde ağırlıklı olarak mal üretiminin yanında hizmet üretiminin de gerçekleştirildiği bölgelerdir. Bu yasal düzenlemenin ardından OSB Kanunu’nun uygulama usul ve esaslarını gösteren OSB Uygulama Yönetmeliği 2002 yılında yürürlüğe girmiştir. Yasal düzenlemelere göre Sanayi ve Teknoloji Bakanlığı (STB), OSB’lerden sorumlu olup, OSB’ler, özel hukuk tüzel kişiliği haiz örgütsel yapılardır. OSB’ler, faaliyet gösterdiği konu alanlarına göre üç gruba ayrılmaktadır:

  1. Karma OSB’ler: Farklı sektör grubundaki firmaların içerisinde faaliyet gösterdiği OSB’lerdir.
  2. İhtisas OSB’ler: Aynı sektör grubundaki firmaların içerisinde faaliyet gösterdiği OSB’lerdir.
  3. Islah OSB’ler: 01/06/2017 tarihinden önce inşaa edilen sanayi tesislerinin bulunduğu OSB’lerdir. Bu OSB’ler ıslah şartlarını sağladıktan sonra ıslah statüsü kaldırılarak karma veya ihtisas OSB’lere dönüşürler.

Ekonomik gelişim bölgelerinden biri olan OSB’lerin amaç ve hedefleri şöyle özetlenebilir:

  • Organize bir yapı içerisinde firmaların sanayi faaliyetlerini yürütmesine mekânsal ortam sağlayarak ve kaynakların rasyonel kullanımına aracılık ederek sürdürülebilir yatırım ortamının oluşturulmasına katkıda bulunmak.
  • Gelişmemiş bölgelerde sanayiyi teşvik ederek bölgesel gelişmişlik farklılıklarını azaltmak.

Mevcut durumda yaklaşık 1.900.000 istihdam sağlayan OSB’ler, içerisindeki bütün sanayi parselleri firmalara tahsis edildiğinde yaklaşık 2.500.000 istihdam oluşturması öngörülmektedir. Dolayısıyla bu ölçekte ekonomik ve sosyal bir katma değer oluşturan OSB’lerin karşılaştığı yatırım engellerinin ortaya konulması üreten, tüketen ve türev piyasa tarafında iyileştirici politika tedbirlerinin alınması açısından büyük önem arz etmektedir. Bu amaçla “2018 Türkiye Organize Sanayi Bölgeleri Yatırım Engelleri Araştırması”  yapılmıştır. İki aşamadan oluşan araştırmanın birinci aşaması, 23 Ekim ile 21 Kasım 2018 tarihleri arasında 59 il’de faaliyet gösteren 139 OSB’de üretimde bulunan 847 firmanın doğrudan katılımı ile gerçekleştirilmiştir. Ulusal düzeyde bir örneklem araştırması olan bu araştırmayla Sanayi ve Teknoloji Bakanlığı’nın ve OSB’lerin veriye dayalı politika geliştirmesine katkıda bulunulması amaçlanmıştır.

Bu yazımda OSB’lerdeki firmaların karşılaştığı yatırım engellerini ve yatırım engellerinin boyutunu kapsamlı bir şekilde ortaya koyan bu araştırmada firmaların karşılaştığı yatırım engellerinden sadece birisi olan döviz kurları ele alınmıştır.Döviz kurlarının işletme aşamasındaki firmaların yatırım kararlarına etkisine ilişkin bulgular, 23 Ekim ile 21 Kasım 2018 tarihleri arasında araştırmaya katılan firmalara “Döviz kurlarının şu anki durumu OSB içindeki firmanızın yatırım kararlarını nasıl etkiliyor?” sorusuna verilen cevaplardan oluşmaktadır.

Ulusal Ölçekte Döviz Kurlarının Firmalara Etkisi

Ülke düzeyinde döviz kurlarının OSB’lerde işletme aşamasındaki firmaların yatırım kararlarına etkisi, Şekil 1’de sunulmuştur. Bulgular, 821 firmanın yanıtlardan oluşmakta olup, Şekil 1’e göre öne çıkan bulgular şöyledir:

  • Döviz kurları, firmaların % 5,3’ünün yatırım kararlarını olumlu,  % 87,1’inin yatırım kararlarını ise olumsuz etkilemiştir. Diğer taraftan, döviz kurlarından yatırım kararları “Çok Olumsuz” (% 55,4) etkilenen firmaların oranı, yatırım kararları “Çok Olumlu” (% 1,3) etkilenen firmaların oranından yaklaşık 43 kat daha yüksektir.

Şekil 1. Döviz kurlarının işletme aşamasındaki firmaların yatırım kararlarına etkisi

Kaynak: 2018 Türkiye Organize Sanayi Bölgeleri Yatırım Engelleri Araştırması

Döviz Kurlarının OSB Türüne Göre Etkisi

Döviz kurlarının işletme aşamasındaki firmaların yatırım kararlarına etkisi, firmaların faaliyette bulunduğu OSB türüne göre Tablo 1’de sunulmuştur. Bulgular, 821 firmanın cevaplarından olup, Tablo 1’e göre döviz kurları;

  • OSB türü ıslah olan OSB’lerdeki firmaların % 85,4’ünün,
  • OSB türü ihtisas olan OSB’lerdeki firmaların % 86,1’inin,
  • OSB türü karma olan OSB’lerdeki firmaların ise % 88,5’inin

yatırım kararını olumsuz etkilemiştir.

Tablo 1. OSB Türüne Göre Döviz Kurları

Kaynak: 2018 Türkiye Organize Sanayi Bölgeleri Yatırım Engelleri Araştırması

Döviz Kurlarının Sektörlere Göre Etkisi

Bütün sektörler ve imalat sektörü ayrımına göre döviz kurlarının OSB’lerde işletme aşamasındaki firmaların yatırım kararlarına etkisi, Tablo 2’de sunulmuştur. Bulgular, bütün sektörlerde faaliyet gösteren 780 ve imalat sektöründe faaliyet gösteren 650 firmanın cevaplarından oluşmakta olup, Tablo 2’ye göre öne çıkan bulgular şöyledir:

  • Döviz kurları, bütün sektörlerdeki firmaların % 87,1’inin, imalat sektöründeki firmaların ise 86,6’sının yatırım kararını olumsuz etkilemiştir.

Tablo 2. SektörlereGöre Döviz Kurları

Bütün sektörler ve imalat sektörüne göre döviz kurlarının işletme aşamasındaki firmaların yatırım kararlarına etkisi

Kaynak: 2018 Türkiye Organize Sanayi Bölgeleri Yatırım Engelleri Araştırması

Döviz Kurlarının İmalat Sanayi Teknoloji Sınıflamasına Göre Etkisi

İmalat sanayi teknoloji sınıflamasına göre döviz kurlarının OSB’lerde işletme aşamasındaki firmaların yatırım kararlarına etkisi, Tablo 3’te sunulmuştur. Bulgular, 649 firmanın cevaplarından oluşmakta olup, Tablo 3’e göre döviz kurları;

  • Düşük teknoloji sınıfında üretim yapan firmaların % 87,3’ünün,
  • Orta-düşük teknoloji sınıfında üretim yapan firmaların % 85,6’sının,
  • Orta-yüksek teknoloji sınıfında üretim yapan firmaların ise % 88’inin

yatırım kararını olumsuz etkilemiştir. Bu bulgulardan döviz kurlarının bütün teknoloji sınıflarında üretim yapan her 10 firmadan yaklaşık 9’unun yatırım kararını olumsuz etkilediği anlaşılmaktadır. Diğer taraftan, döviz kurlarından yatırım kararları olumsuz etkilenen firmaların oranının en yüksek olduğu teknoloji sınıfı, % 88 ile orta-yüksek iken, yatırım kararları “Olumlu” etkilenen firmaların oranının en yüksek olduğu teknoloji sınıfı ise % 6,4 ile düşük’tür.

Tablo 3. İmalat Sanayi Teknoloji Sınıflamasına Göre Döviz Kurları

İmalat sanayi teknoloji sınıflamasına göre döviz kurlarının işletme aşamasındaki firmaların yatırım kararlarına etkisi

*Vaka sayısı 25’in altında olanlar yorumlanmamıştır (HÜNEE, 2014).
Kaynak: 2018 Türkiye Organize Sanayi Bölgeleri Yatırım Engelleri Araştırması

Özetle, karar alıcı konumundaki Sanayi ve Teknoloji Bakanlığı’nın ve OSB’lerin veri dayalı politika geliştirmesine katkı sunmayı amaçlayan “2018 Türkiye Organize Sanayi Bölgeleri Yatırım Engelleri Araştırması” ile OSB’lerde faaliyet gösteren firmalarımızın karşılaştığı yatırım engellerinin ve yatırım engellerinin boyutunun çok yönlü olarak bir röntgeni çekilmiştir. Yatırım engellerinden biri olan döviz kurları ise bu yatırım engellerinden sadece birini oluşturmaktadır.

Çalışma kapsamında ortaya konulan bulgular araştırmaya katılan işletme aşamasındaki her 10 firmadan yaklaşık 9’unun döviz kurlarından olumsuz etkilendiğini göstermektedir. Yatırım kararları olumsuz etkilenen firmaların oranın en yüksek olduğu OSB türü ise karma’dır. Diğer taraftan,  yatırım kararları olumsuz etkilenen firmaların oranının en yüksek olduğu imalat sanayi teknoloji sınıfı, “Orta-yüksek” tir.

Farkındalık oluşturması dileğiyle.

Bilimle ve teknolojiyle kalınız.

Yararlanılan Kaynaklar

  • Bulut, T. (2019). “2018 Türkiye Organize Sanayi Bölgeleri Yatırım Engelleri Araştırması”. Organize Sanayi Bölgeleri Üst Kuruluşu (OSBÜK), Ankara, Türkiye.
  • Bulut, T. (2019). Organize Sanayi Bölgelerindeki Firmalar Üzerinde Posta ve İnternet Veri Toplama Yöntemlerinin Karşılaştırılması. Hacettepe Üniversitesi, Nüfus Etütleri Enstitüsü, Sosyal Araştırma Yöntemleri Anabilim Dalı, Yüksek Lisans Tezi (İngilizce).
  • Resmi Gazete. (2000). Organize Sanayi Bölgeleri Kanunu (OSB Kanunu). Kanun Sayısı: 4562. Resmi Gazete Tarihi: 15 Nisan 2000, Madde 3. Ankara.
  • Resmi Gazete. (2019). Organize Sanayi Bölgeleri Yönetmeliği (OSBUY). Yönetmelik Sayısı: 30674, Resmi Gazete Tarihi: 2 Şubat, 2019, Madde 3. Ankara.
  • Türkiye Cumhuriyeti Sanayi ve Teknoloji Bakanlığı (STB). (2019). Kurumiçi Veri Tabanı, Ankara. Ulaşım Tarihi: 15 Nisan 2019.
  • Türkiye Cumhuriyeti Sanayi ve Teknoloji Bakanlığı (STB). (2019). Sanayi Bölgeleri Genel Müdürlüğü, https://kss.sanayi.gov.tr, Ulaşım Tarihi: 24 Nisan 2019.
  • Hacettepe Üniversitesi Nüfus Etütleri Enstitüsü (HÜNEE). (2014). 2013 Nüfus ve Sağlık Araştırması. Ankara.

Dolar Kurundaki Dalga Boylarının Hesaplanmasına Yönelik Yöntem Önerileri: Wt ve Ct Yöntemleri

Giriş

Gelişmekte olan ülke ekonomilerinde döviz kuru dalgalanmaları iç veya dış kaynaklı olarak daha sık yaşanmaktadır. Bunun altında esasen birçok neden olmakla birlikte öne çıkabilecek bir kaç sebep sayılabilir; Bunlardan ilki reel üretiminin düşük veya yetersiz olması, diğer bir deyişle, dışarıya bağımlı bir ülke ekonomisinin hakim olması ve üretimden ziyade tüketime odaklı ekonomik yapının ağırlık kazanmasıdır. İkincisi, katma değeri düşük hizmet ana sektörü altındaki alt sektörlerin yaygın olmasıdır. Son olarak, reel üretiminin yeterli olmasına rağmen para politikası,  maliye politikasının ve ithalata dayalı üretim ekonomisinin döviz kurlarında dalgalanmaya sebebiyet vermesidir. Bütün bu sayılanlar aslında ekonominin kırılgan bir ekonomik yapıya sahip olduğunu da göstermektedir.

Bu çalışmanın amacı, T.C. Merkez Bankası veri tabanından alınan Dolar döviz alış kurunun geliştirilen formülle aylık ve yıllık zaman dilimlerine dayalı olarak dalga boylarının, diğer bir ifadeyle, döviz şoklarının spektrumunu (etki alanını) hesaplayarak ortaya koymaktır. Öncü ekonomik göstergelerinden biri olan döviz kurundaki dalga boylarının hesaplanması, ekonomideki şokların ve krizlerin olumsuz etkilerinin boyutunun ortaya konulması açısından önemli bir yere sahiptir. Yapılan çalışma, alanı içerisinde özgün bir çalışma niteliği taşımasının yanı sıra döviz kurlarının keşifsel veri analizine yeni bir bakış açısı da getirmektedir. Bu çalışmayla birlikte mevcut durumun bilimsel bir zeminde ortaya konulmasının yanında benzer fakat odağı farklı yapılacak diğer çalışmalara da ışık tutulacaktır.

Metodoloji

Araştırmada kullanılan veri seti, 24.04.2019 tarihinde TC. Merkez Bankasının veri tabanından indirilmiştir. Veri seti, dolar alış kuru için 4 değişken ve orjinal 9915 gözlemden oluşmaktadır. 40 yıllık zaman serisini içinde barındıran veri seti 1980 yılı ile 24.04.2019 tarihleri arasında Merkez Bankası işlem günlerindeki günlük Dolar döviz alış kuru (TL) verilerinden oluşmaktadır (Merkez Bankası, 2019). Bu yıldan başlanılmasının nedeni, 1980 öncesine ait günlük zaman serisi temelinde veri elde edilememesinden kaynaklanmaktadır. 2005 yılından geçerli olmak üzere TL’den 6 sıfır atıldığı için, karşılaştırma sağlanabilmesi adına bu yıldan önceki zaman serilerine ait veriler de ağırlıklandırılmıştır (Türkiye Cumhuriyeti Devletinin Para Birimi Hakkında Kanun, 2004). Diğer bir deyişle, 2005 öncesi Dolar döviz alış kurlarına karşılık gelen TL tutarları 1 milyona oranlanarak indirgenmiştir.

Veri seti, analize uygun hale getirilmeden önce ve analiz sırasında Microsoft Excel 2016 ve R programlama dili kullanılmıştır. Alınan bu veri setinin keşifsel veri analizi yapılarak döviz alış kurlarının aylık ve yıllık olarak dalga boyları ortaya konulmuştur. Dalga boyu hem fark olarak hem de yüzdesel fark olarak sunulmuştur. Aylık fark hesaplamaları, döviz alış kurunun ait olduğu aydaki en küçük değeri ile ait olduğu aydaki en büyük değerin farkının hesaplanması esasına dayanmaktadır. Bu hesaplamalar geliştirilen yalın bir eşitlik (1)’deki formüller yardımıyla yapılmaktadır.

Eşitlik 1’de wt belirli bir zaman serisi içerisindeki döviz kurunun dalga boyunu göstermektedir. Maxi, ilgili döviz kurunun ait olduğu aylık veya yıllık zaman serisi içerisindeki en yüksek döviz alış kur değerini, Mini ise ilgili döviz kurunun ait aylık veya yıllık zaman serisi içerisindeki en düşük döviz alış kur değerini ifade etmektedir. ct ise zaman serisi içerisinde Maxi ile Mini arasındaki farkın Mini değerine göre yüzdesel değişimini göstermektedir. Buradaki geliştirilen formüllerle döviz kuru dalga boyları, aylık ve yıllık zaman serisi bağlamında hesaplansa da haftalık, günlük veya istenilen zaman serilerine göre de hesaplanabilir.

Aylık % fark, diğer bir ifadeyle, aylık dalga boyu ise maksimum değerin minimum değere göre yüzdesel değişimini göstermektedir. Benzer şekilde, yıllık fark hesaplamalarında ise döviz alış kurunun ait olduğu yıldaki en küçük değeri ile ait olduğu yıldaki en büyük değer arasındaki fark hesaplanmıştır. Yıllık % fark, diğer bir ifadeyle, yıllık dalga boyu ise maksimum değerin minimum değere göre yüzdesel değişimini göstermektedir.

Bulgular

İlk olarak yıllık olarak 1980’den 2019 yılının 24.4.2019 tarihine kadar olan zaman serisi içinden dolar alış kuruna göre dalga boyu en yüksek yıllar büyükten küçüğe doğru sunulmuştur. Dolar alış kuruna göre elde edilen yıllık dalga boylarına ilişkin büyükten küçüğe doğru ilk 25 gözlem Tablo 1’de sunulmuştur. Tablo 1’e göre kur dalga boyunun en yüksek olduğu yıl 2001 yılıdır. Bu yılı sırasıyla 2018 ve 1999 yılları izlemektedir.

Tablo 1: Dolar Alış Kurundaki Yıllık Dalga Boyları

Tablo 1’de sunulan yıllık dalga boylarının grafiksel gösterimine ilişkin R kod bloğu aşağıda verilmiştir.

R Kod Bloğu: Dolar Alış Kurundaki Yıllık Dalga Boyları

#Dolar Alış Kurundaki Yıllık Dalga Boyları için grafik kod bloğu
library(ggplot2)
x_max<-max(dizaynR$Percent)
x_min<-min(dizaynR$Percent)
yillik_dalga_boyu<-ggplot(dizaynR, 
       aes(x=Percent, 
           y=reorder(Yıl, Percent))) +
  geom_point(color="red", 
             size = 2) +
  geom_segment(aes(x = 40, 
               xend = Percent, 
               y = reorder(Yıl, Percent), 
               yend = reorder(Yıl, Percent)),
               color = "lightgrey") +
  labs (x = "Dalga Boyu (%)",
        y = "Yıl",
        title = "Şekil 1: Dolar Alış Kurundaki Yıllık Dalga Boyları",
        subtitle = "", caption = "By Tevfik Bulut")+
theme(
  plot.title = element_text(hjust=.5, size = 14, face = "bold"),
  plot.caption = element_text(face = "italic")
)+
 theme(
  panel.grid.major = element_blank(),
  panel.grid.minor = element_blank()
)+
    theme(axis.text.x = element_text(face="bold", color="black", 
                           size=8),
          axis.text.y = element_text(face="bold", color="black", 
                           size=8))+
 theme(axis.title.x = element_text(face="bold", color="black", 
                           size=12),
       axis.title.y = element_text(face="bold", color="black", 
                           size=12))+
  scale_x_continuous(breaks = c(x_min, x_min))+
  scale_x_continuous(breaks=seq(30, x_max, 30))+
  theme(axis.line = element_line(size = 3, colour = "grey80"))+
  theme(axis.ticks = element_line(size = 2))+
  theme(panel.background = element_rect(fill = "white"))
yillik_dalga_boyu

# PNG formatında grafiği almak için
ggsave("yillik dalga.png", plot = yillik_dalga_boyu)

Yıllık dalga boyuna ilişkin yukarıdaki R kod bloğunun çalıştırılmasından sonra elde edilen grafik Şekil 1’de verilmiştir.

Dalga boylarının yıllara göre büyükten küçüğe doğru tüm listesini aşağıdaki linkten indirebilirsiniz.

Döviz alış kurlarına göre yıllık dalga boyları ortaya konulduktan sonra hangi yılın hangi ayında dalga boyunun en yüksek olduğu analiz edilecektir. Buna göre döviz alış kuruna göre dalga boyunun en yüksek olduğu aylar bulunduğu yılı da gösterecek şekilde ilk 25 gözlem Tablo 2’de verilmiştir. İlk olarak Tablo 2’de Dolar alış kuruna göre aylık dalga boyu en yüksek ilk 25 gözlem sunulmuştur.

Tablo 2: Dolar Alış Kurundaki Aylık Dalga Boyları

Tablo 2’de sunulan aylık dalga boylarının grafiksel gösterimine ilişkin R kod bloğu aşağıda verilmiştir.

R Kod Bloğu: Dolar Alış Kurundaki Aylık Dalga Boyları

#Dolar Alış Kurundaki Aylık Dalga Boyları için grafik kod bloğu
library(ggplot2)
x_max<-max(d_ay$Percent)
x_min<-min(d_ay$Percent)
Aylik_Dalga_Boyu<-ggplot(d_ay, 
       aes(x=Percent, 
           y=reorder(Ay, Percent))) +
  geom_point(color="red", 
             size = 2) +
  geom_segment(aes(x = 40, 
               xend = Percent, 
               y = reorder(Ay, Percent), 
               yend = reorder(Ay, Percent)),
               color = "lightgrey") +
  labs (x = "Dalga Boyu (%)",
        y = "Ay",
        title = "Şekil 2: Dolar Alış Kurundaki Aylık Dalga Boyları",
        subtitle = "", caption = "By Tevfik Bulut")+
theme(
  plot.title = element_text(hjust=.5, size = 14, face = "bold"),
  plot.caption = element_text(face = "italic")
)+
 theme(
  panel.grid.major = element_blank(),
  panel.grid.minor = element_blank()
)+
    theme(axis.text.x = element_text(face="bold", color="black", 
                           size=8),
          axis.text.y = element_text(face="bold", color="black", 
                           size=8))+
 theme(axis.title.x = element_text(face="bold", color="black", 
                           size=12),
       axis.title.y = element_text(face="bold", color="black", 
                           size=12))+
  scale_x_continuous(breaks = c(x_min, x_min))+
  scale_x_continuous(breaks=seq(10, x_max, 30))+
  theme(axis.line = element_line(size = 3, colour = "grey80"))+
  theme(axis.ticks = element_line(size = 2))+
  theme(panel.background = element_rect(fill = "white"))
Aylik_Dalga_Boyu

# PNG formatında grafiği almak için
png("aylik_dalga_boyu.png")
print(Aylik_Dalga_Boyu)
dev.off()

Aylık dalga boyuna ilişkin yukarıdaki R kod bloğunun çalıştırılmasından sonra elde edilen grafik Şekil 2’de verilmiştir.

Tablo 2’ye göre dalga boyunun en yüksek olduğu ay, 1980 yılının 1. ayı olduğu görülmektedir. Bu yılın ayını sırasıyla 1994 yılının 4. ayı ve 2001 yılının 2. ayı izlemektedir. Dalga boylarının aylara göre büyükten küçüğe doğru tüm listesini aşağıdaki linkten indirebilirsiniz.

Sonuç

Çalışmayla geliştirilen formüllerle döviz alış kurlarına ilişkin aylık ve yıllık olarak dalga boyları veya döviz şoklarının spektrumu hesaplanarak geçerli ve güvenilir sonuçların ortaya konulmasına yönelik deneysel bir çalışma yapılması amaçlanmıştır. Döviz kurları ülke ekonomilerinde öncü göstergelerden biri olduğu için döviz kurundaki dalga boylarının hesaplanması, ekonomideki kriz dönemlerinin belirlenmesi ve döviz şoklarının olumsuz etkilerinin boyutunun ortaya konulması açısından büyük önem arz etmektedir.

Dolar alış kuruna göre dalga boyunun en yüksek olduğu yıl 1994 yılıdır. Bu yılı sırasıyla 1980 ve 2001 yılları izlemektedir. Dolar kurunda dalga boyunun en yüksek olduğu ay ise, 1980 yılının 1. ayı’dır. Bu yılın ve ayını sırasıyla 1994 yılının 4. ayı ve 2001 yılının 2. ayı takip etmiştir.

Geliştirilen bu formüllerle aylık ve yıllık dalga boylarının hesaplanması yanında daha kısa zaman dilimlerini içine alan zaman serilerinde de dalga boyları ortaya konulabilecektir. Bu çalışmadan elde edilen bulgular ve çalışma kapsamında geliştirilen formül, döviz kurlarının mevcut durumunun analizi olduğu kadar öngörüsel analitik çalışmalara ve benzer fakat odağı farklı diğer çalışmalara da ışık tutacaktır.

Ayrıca ihtiyaç duyulması halinde işlenmiş veri setinin tamamına ve aylık zaman serisi temelinde döviz alış kurlarının yıllara göre göstermiş olduğu dalga boylarına aşağıdaki linklerden ulaşabilirsiniz.

Faydalı olması ve farkındalık oluşturması dileğiyle.

Saygılarımla

Not: Emeğe saygı adına, yapılan çalışmanın başka bir mecrada ya da ortamda paylaşılması halinde kaynak gösterilmeden alıntı yapılmamasını önemle rica ederim.

Yararlanılan Kaynaklar

T.C. Merkez Bankası:https://evds2.tcmb.gov.tr/index.php?/evds/serieMarket/#collapse_2. Ulaşım Tarihi: 19/02/2019.

Türkiye Cumhuriyeti Devletinin Para Birimi Hakkında Kanun,
Kanun No: 5083, Resmi Gazete Tarihi: 31/01/2004, Resmi Gazete Sayısı: 25363 http://www.resmigazete.gov.tr/eskiler/2004/01/20040131.htm#3.Ulaşım Tarihi: 19/02/2019.

Tukey, J. W. (1993). Exploratory Data Analysis: Past, Present, and Future. Princeton University, Department of Statistics, Technical Report No:302. https://apps.dtic.mil/dtic/tr/fulltext/u2/a266775.pdf. Ulaşım Tarihi: 19/02/2019.

Döviz Kurlarındaki Dalga Boylarının Hesaplanmasına Yönelik Yöntem Önerileri: Wt ve Ct Yöntemleri: https://tevfikbulut.com/2019/02/24/21-yillik-doviz-verisinin-kesifsel-analizi/

https://www.r-project.org/

2018 Türkiye Organize Sanayi Bölgeleri Yatırım Engelleri Araştırması (Elekronik Versiyon): 2018 Turkey Organized Industrial Zone Investment Barriers Survey (Electronik Version)

Hazırlıklarına 2016 yılında başladığım ulusal düzeyde örneklem araştırması olan 2018 Türkiye Organize Sanayi Bölgeleri Yatırım Engelleri Araştırması, araştırma raporunun yazımıyla birlikte 2019 yılında tamamlanmıştır.

847 firmanın katılımıyla gerçekleştirilen araştırmayla;

  • Organize Sanayi Bölgeleri (OSB’ler)’ndeki firmaların teknoloji düzeyi,
  • OSB’nin pazara olan mesafesi, OSB’nin altyapı tamamlanma durumu ve OSB’nin ulaşım merkezlerine olan mesafesinin firmaların OSB’lerdeki ilk kuruluş kararlarına etkisi,
  • OSB’lerin firmaların yatırım yeri tercihlerine etkisi,
  • Firmaları kuruluş ve işletme aşamasında olumlu etkileyen en önemli faktörler,
  • Firmaların kuruluş ve işletme aşamasında karşılaştığı en önemli yatırım engelleri,
  • Firmaların 4. sanayi devrimine hazırlık durumu,
  • OSB’nin bulunduğu ilin güvenlik ortamının firmaların yatırım kararlarına etkisi,
  • OSB’nin bulunduğu ilin sosyo-ekonomişlik gelişmik durumunun firmaların yatırım kararlarına etkisi,
  • Suriye’den Türkiye’ye gelen göçmenlerin firmaların yatırım kararlarına etkisi,
  • Makroekonomik faktörlerin firmaların yatırım kararlarına etkisi,
  • Ülkenin genel siyasi ortamının firmaların yatırım kararlarına etkisi,
  • Firmaların kullandığı finansman metotları,
  • Finansmana erişim olanaklarının firmaların ilk kuruluş kararlarına etkisi,
  • Bürokratik iş ve işlemlerin firmaların yatırım kararlarına etkisi,
  • Hammadde, ara malı, enerji gibi girdi maliyetleri ile iş gücü maliyetlerinin firmalara etkisi,
  • Kalifiye personel eksikliğinin firmalara etkisi,
  • Teşvik ve vergi mevzuatları ile Avrupa Birliği mevzuatına uyum çalışmalarının firmalara etkisi,
  • Firmaların ilk kuruluş kararlarını olumsuz etkileyen faktörlerin karşılaştırması

hakkında bulgular ortaya konulmuştur. Araştırmanın bulguları genel olarak;

  • Cevaplayıcıların ve firmanın özelliklerine,
  • Türkiye ölçeğine,
  • Firmaların faaliyette bulunduğu OSB türüne,
  • Firmanın faaliyet gösterdiği ana sektörlere,
  • İmalat sanayi teknoloji sınıflamasına,
  • Düzey 1 (NUTS1) bölge sınıflamasına

göre olabildiğince yalın bir şekilde sunulmuştur.

Araştırma yayınıyla Sanayi ve Teknoloji Bakanlığının ve OSB’lerin veriye dayalı politika geliştirmesine ve gelecek araştırmalar için araştırma altyapısının oluşturulmasına katkı sağlanması hedeflenmektedir. Yapılan çalışma, konu alanları itibariyle ilk, güncel ve en geniş kapsamlı çalışma niteliği taşımaktadır.

Kitabın basımı 600 adet olarak Organize Sanayi Bölgeleri Üst Kurulu (OSBÜK) tarafından yapılmıştır. Söz konusu kitabın dağıtımı da OSBÜK tarafından ücretsiz yapılmıştır. Dağıtım yapılan kurum ya da kuruluşlar şöyledir:

  • Sanayi ve Teknoloji Bakanlığı Merkez Teşkilatı
  • Organize Sanayi Bölgeleri

Bütün kesimlerin adı geçen araştırma yayınına ücretsiz ulaşılmasını sağlamak adına araştırma yayınının dijital ortamda pdf olarak paylaşılması için Kültür ve Turizm Bakanlığı’ndan basılı olan baskıdan farklı olarak dijital ortamda yayınlanması için ayrı bir ISBN numarası alınmıştır.

Dijital baskıya aşağıdaki linkten doğrudan erişebilirsiniz.

Not: 1. Baskıya ait kitap stoku tükenmiştir.

Ortaya konulan bu araştırma yayınının karar verici ve politika belirleyici konumundaki kurum, kuruluşlara ve akademik camiaya faydalı olmasını dilerim.

Saygılarımla.

Tevfik Bulut

2018 Türkiye Organize Sanayi Bölgeleri Yatırım Engelleri Araştırması: 2018 Turkey Organized Industrial Zone Investment Barriers Survey

Hazırlıklarına 2016 yılında başladığım ulusal düzeyde örneklem araştırması olan 2018 Türkiye Organize Sanayi Bölgeleri Yatırım Engelleri Araştırması, araştırma raporunun yazımıyla birlikte 2019 yılında tamamlanmıştır.

Bu çalışmada sunulan bulgular, “Organize Sanayi Bölgelerindeki Firmalar Üzerinde Posta ve İnternet Veri Toplama Yöntemlerinin Karşılaştırılması” adlı metodolojik örneklem araştırmasının birinci aşamasına katılan firmaların cevaplarına dayanmaktadır. 847 firmanın katılımıyla gerçekleştirilen araştırmayla;

  • Organize Sanayi Bölgeleri (OSB’ler)’ndeki firmaların teknoloji düzeyi,
  • OSB’nin pazara olan mesafesi, OSB’nin altyapı tamamlanma durumu ve OSB’nin ulaşım merkezlerine olan mesafesinin firmaların OSB’lerdeki ilk kuruluş kararlarına etkisi,
  • OSB’lerin firmaların yatırım yeri tercihlerine etkisi,
  • Firmaları kuruluş ve işletme aşamasında olumlu etkileyen en önemli faktörler,
  • Firmaların kuruluş ve işletme aşamasında karşılaştığı en önemli yatırım engelleri,
  • Firmaların 4. sanayi devrimine hazırlık durumu,
  • OSB’nin bulunduğu ilin güvenlik ortamının firmaların yatırım kararlarına etkisi,
  • OSB’nin bulunduğu ilin sosyo-ekonomişlik gelişmik durumunun firmaların yatırım kararlarına etkisi,
  • Suriye’den Türkiye’ye gelen göçmenlerin firmaların yatırım kararlarına etkisi,
  • Makroekonomik faktörlerin firmaların yatırım kararlarına etkisi,
  • Ülkenin genel siyasi ortamının firmaların yatırım kararlarına etkisi,
  • Firmaların kullandığı finansman metotları,
  • Finansmana erişim olanaklarının firmaların ilk kuruluş kararlarına etkisi,
  • Bürokratik iş ve işlemlerin firmaların yatırım kararlarına etkisi,
  • Hammadde, ara malı, enerji gibi girdi maliyetleri ile iş gücü maliyetlerinin firmalara etkisi,
  • Kalifiye personel eksikliğinin firmalara etkisi,
  • Teşvik ve vergi mevzuatları ile Avrupa Birliği mevzuatına uyum çalışmalarının firmalara etkisi,
  • Firmaların ilk kuruluş kararlarını olumsuz etkileyen faktörlerin karşılaştırması

hakkında bulgular ortaya konulmuştur. Araştırmanın bulguları genel olarak;

  • Cevaplayıcıların ve firmanın özelliklerine,
  • Türkiye ölçeğine,
  • Firmaların faaliyette bulunduğu OSB türüne,
  • Firmanın faaliyet gösterdiği ana sektörlere,
  • İmalat sanayi teknoloji sınıflamasına,
  • Düzey 1 (NUTS1) bölge sınıflamasına

göre olabildiğince yalın bir şekilde sunulmuştur.

Araştırma yayınıyla Sanayi ve Teknoloji Bakanlığının ve OSB’lerin veriye dayalı politika geliştirmesine ve gelecek araştırmalar için araştırma altyapısının oluşturulmasına katkı sağlanması hedeflenmektedir. Yapılan çalışma, konu alanları itibariyle ilk, güncel ve en geniş kapsamlı çalışma niteliği taşımaktadır.

Kitabın basımı 600 adet olarak Organize Sanayi Bölgeleri Üst Kurulu (OSBÜK) tarafından yapılmıştır. Söz konusu kitabın dağıtımı da OSBÜK tarafından ücretsiz yapılacaktır. Dağıtım yapılması planlanan kurum ya da kuruluşlar şöyledir:

  • Sanayi ve Teknoloji Bakanlığı Merkez Teşkilatı
  • Türkiye Odalar ve Borsalar Birliği (TOBB)
  • Organize Sanayi Bölgeleri

Ortaya koyulan bu çalışmanın başta ülkemizde karar verici konumdaki kişi, kurum ya da kuruluşlara faydalı olmasını dilerim.

İlerleyen zaman diliminde okuyucuların adı geçen araştırma yayınına ücretsiz ulaşılmasını sağlamak için araştırma yayınının tarafımca dijital ortamda pdf olarak paylaşılması planlanmaktadır.

Not: 1. Baskıya ait kitap stoku tükenmiştir.

Saygılarımla.

DÖVİZ KURLARINDAKİ DALGA BOYLARININ HESAPLANMASINA YÖNELİK YÖNTEM ÖNERİLERİ: Wt VE Ct YÖNTEMLERİ

GİRİŞ

Gelişmekte olan ülke ekonomilerinde döviz kuru dalgalanmaları iç veya dış kaynaklı olarak daha sık yaşanmaktadır. Bunun altında esasen birçok neden olmakla birlikte öne çıkabilecek bir kaç sebep sayılabilir; Bunlardan ilki reel üretiminin düşük veya yetersiz olması, diğer bir deyişle, dışarıya bağımlı bir ülke ekonomisinin hakim olması ve üretimden ziyade tüketime odaklı ekonomik yapının ağırlık kazanmasıdır. İkincisi, katma değeri düşük hizmet ana sektörü altındaki alt sektörlerin yaygın olmasıdır. Son olarak, reel üretiminin yeterli olmasına rağmen para politikası,  maliye politikasının ve ithalata dayalı üretim ekonomisinin döviz kurlarında dalgalanmaya sebebiyet vermesidir. Bütün bu sayılanlar aslında ekonominin kırılgan bir ekonomik yapıya sahip olduğunu da göstermektedir.

Bu çalışmanın amacı, T.C. Merkez Bankası veri tabanından alınan Dolar ve Euro döviz alış kurlarının geliştirilen formülle aylık ve yıllık zaman dilimlerine dayalı olarak dalga boylarının, diğer bir ifadeyle, döviz şoklarının spektrumunu (etki alanını) hesaplayarak ortaya koymaktır. Döviz kurundaki dalga boylarının hesaplanması, ekonomideki şokların olumsuz etkilerinin boyutunun ortaya konulması açısından önemli bir yere sahiptir. Yapılan çalışma, alanı içerisinde özgün bir çalışma niteliği taşımasının yanı sıra döviz kurlarının keşifsel veri analizine yeni bir bakış açısı da getirmektedir. Bu çalışmayla birlikte mevcut durumun bilimsel bir zeminde ortaya konulmasının yanında benzer fakat odağı farklı yapılacak diğer çalışmalara da ışık tutulacaktır.

TÜRKİYEDEKİ DÖVİZ ALIŞ KURU HAREKETLERİ

Metodoloji kısmına geçmeden önce Dolar ve Euro döviz alış kurlarının aylık ve yıllık olarak izlediği seyrin keşifsel veri analizi ile ortaya konulmasının yerinde bir karar olacağı düşünülmektedir (Tukey, 1993). Bu amaçla, ilk olarak döviz alış kurunun izlediği seyir ilk olarak yıllık, sonra aylık olarak verilmiştir. Sunulan zaman serisine ait ham veriler, 01.01.1999-18.02.2019 tarih aralığındaki T.C. Merkez Bankasının veri tabanından elde edilen döviz alış kur verilerini kapsamaktadır (Merkez Bankası, 2019). Döviz alış kurunun izlediği günlük seyri içeren verilerin tamamı Dolar ve Euro bazında yıllık olarak verilerek vakaların seyrinin bir röntgeninin çekilmesi amaçlanmıştır. Şekil 1’de Dolar ve Euro bazında döviz alış kurlarının seyri 21 yılı içerecek şekilde yıllara göre verilmiştir. Daha gerçekçi ve daha güvenilir bir resmin ortaya konulması adına, döviz alış kurlarının ortalaması alınarak sunulması yoluna gidilmemiştir. Bunun nedeni, ortalamalardan yola çıkıldığında döviz kurundaki sapmaların görülemiyor olmasıdır. Şekil 1, içerisinde yer aldığı yıl boyunca döviz alış kurlarının izlediği bütün hareketleri yansıtmaktadır. Buna göre, izlenen döviz kuru hareketlerinden;

  • Euro ve Dolar alış kurlarının birbirine paralel ve zamana bağlı olarak sürekli bir artış gösterdiği görülmektedir.
  • Hem Euro ve Dolar alış kurunda 2001 ve 2018 yıllarında büyük bir dalgalanma olduğu, ancak bu dalgalanmanın 2019 yılı içerisinde dengelenme seyrine girdiği görülmektedir.

Şekil 1: Yıllara Göre Döviz Alış Kurunun Seyri


Şekil 2’de ise aylara göre Dolar ve Euro bazında döviz alış kurlarının seyri verilmiştir. Şekil 2, içerisinde yer aldığı ilgili ay boyunca döviz alış kurlarının izlediği bütün hareketlerin bir röntgenini ortaya koymaktadır. Buna göre, izlenen döviz kuru hareketlerinden;

  • Euro ve Dolar alış kurlarının aylık zaman serisi içerisinde birbirine paralel bir seyir izlediği tespit edilmiştir.
  • Hem Euro ve Dolar alış kurunda Ocak ve Şubat aylarında dalga boyu yükseldikten sonra yaklaşık 4 aylık bir durgun seyirden sonra Ağustos, Eylül ve Ekim aylarında Ocak ve Şubat aylarında daha yüksek bir dalga boyuna ulaştığı görülmektedir. 11 ve 12. aylarda ise bu yükseliş trendi yerini daha durağan bir seyre bıraktığı tespit edilmiştir.

Şekil 2: Aylara Göre Döviz Alış Kurunun Seyri

Şekil 1 ve Şekil 2’de verilen grafikler her ne kadar döviz alış kurlarının izlediği seyrin röntgenini ortaya koysa da, yıllık ve aylık olarak bütün zaman serisi içerisinde ne kadarlık bir dalga boyuna sahip olduğunu tam olarak ortaya koymamaktadır. Bu nedenle, aylık ve yıllık döviz alış kurlarının dalga boylarının, diğer bir deyişle, döviz şoklarının spektrumunun hesaplanmasına ihtiyaç duyulmaktadır. Bu amaçla, bu ihtiyacın giderilmesine yönelik olarak metodoloji kısmında da bahsedileceği üzere dalga boylarının geçerli ve güvenilir bir şekilde hesaplanmasına yönelik yöntemler geliştirilmiştir.

METODOLOJİ

Örnek uygulama yapılacak veri seti, 19.02.2019 tarihinde TC. Merkez Bankasının veri tabanından indirilmiştir. Veri seti, 4 değişken ve her bir döviz alış kuru için 5067 gözlemden oluşmaktadır. 21 yıllık zaman serisini içinde barındıran veri seti 1999 yılı ile 18.02.2019 tarihleri arasında Merkez Bankası işlem günlerindeki günlük Dolar ve Euro döviz alış kuru (TL) verilerinden oluşmaktadır (Merkez Bankası, 2019). Bu yıldan başlanılmasının nedeni, eşit zaman serisi elde edilerek karşılaştırma yapılmak istenmesinden kaynaklanmaktadır. 2005 yılından geçerli olmak üzere TL’den 6 sıfır atıldığı için, karşılaştırma sağlanabilmesi adına bu yıldan önceki zaman serilerine ait veriler de ağırlıklandırılmıştır (Türkiye Cumhuriyeti Devletinin Para Birimi Hakkında Kanun, 2004). Diğer bir deyişle, 2005 öncesi döviz kurlarına karşılık gelen TL tutarları 1 milyona bölünerek indirgenmiştir.

Veri seti, analize uygun hale getirilmeden önce ve analiz sırasında Microsoft Excel 2016 ve R programlama dili kullanılmıştır. Alınan bu veri setinin keşifsel veri analizi yapılarak döviz alış kurlarının aylık ve yıllık olarak dalga boyları ortaya konulacaktır. Dalga boyu hem fark olarak hem de yüzdesel fark olarak sunulmuştur. Aylık fark hesaplamaları, döviz alış kurunun ait olduğu aydaki en küçük değeri ile ait olduğu aydaki en büyük değerin farkının hesaplanması esasına dayanmaktadır. Bu hesaplamalar geliştirilen eşitlik (1)’deki formüller yardımıyla yapılmaktadır.

Eşitlik 1’de wt belirli bir zaman serisi içerisindeki döviz kurunun dalga boyunu göstermektedir. Maxi, ilgili döviz kurunun ait olduğu aylık veya yıllık zaman serisi içerisindeki en yüksek döviz alış kur değerini, Mini ise ilgili döviz kurunun ait aylık veya yıllık zaman serisi içerisindeki en düşük döviz alış kur değerini ifade etmektedir. ct ise t belirli bir zaman serisi içerisinde Maxi ile Mini arasındaki farkın Mini değerine göre yüzdesel değişimini göstermektedir. Buradaki geliştirilen formüllerle döviz kuru dalga boyları, aylık ve yıllık zaman serisi bağlamında hesaplansa da haftalık, günlük veya istenilen zaman serilerine göre de hesaplanabilir.

Aylık % fark, diğer bir ifadeyle, aylık dalga boyu ise maksimum değerin minimum değere göre yüzdesel değişimini göstermektedir. Benzer şekilde, yıllık fark hesaplamalarında ise döviz alış kurunun ait olduğu yıldaki en küçük değeri ile ait olduğu yıldaki en büyük değer arasındaki fark hesaplanmıştır. Yıllık % fark, diğer bir ifadeyle, yıllık dalga boyu ise maksimum değerin minimum değere göre yüzdesel değişimini göstermektedir.

BULGULAR

İlk olarak yıllık olarak 1999’dan 2019 yılının 18.2.2019 tarihine kadar olan zaman serisi içinden dolar alış kuruna göre dalga boyu en yüksek yıllar büyükten küçüğe doğru sunulmuştur. Dolar alış kuruna göre elde edilen yıllık dalga boyuna ilişkin sonuçlar Tablo 1’de sunulmuştur. Buna göre kur dalga boyunun en yüksek olduğu yıl 2001 yılıdır. Bu yılı sırasıyla 2018 ve 1999 yılları izlemektedir.

Tablo 1: Dolar Alış Kurundaki Yıllık Dalga Boyları

Benzer şekilde, Euro alış kurunun yıllık olarak dalga boyları ise büyükten küçüğe doğru Tablo 2’de verilmiştir. Euro alış kuruna göre ise kur dalga boyunun en yüksek olduğu yıl dolar kurunda olduğu gibi 2001 yılıdır. Bu yılı sırasıyla 2018 ve 2002 yılları izlemektedir.

Tablo 2: Euro Alış Kurundaki Yıllık Dalga Boyları

Döviz alış kurlarına göre yıllık dalga boyları ortaya konulduktan sonra hangi yılın hangi ayında dalga boyunun en yüksek olduğu analiz edilecektir. Buna göre döviz alış kuruna göre dalga boyunun en yüksek olduğu aylar bulunduğu yılı da gösterecek şekilde ilk 25 gözlem aşağıdaki tablolarda verilmiştir. İlk olarak Tablo 3’te Dolar alış kuruna göre aylık dalga boyu en yüksek ilk 25 gözlem sunulmuştur.

Tablo 3: Dolar Alış Kurundaki Aylık Dalga Boyları

Tablo 3’e göre dalga boyunun en yüksek olduğu ay, 2001 yılının 2. ayı olduğu görülmektedir. Bunu sırasıyla 2018 yılının 8. ayı ve 2008 yılının 10 ayı izlemektedir. Dalga boylarının aylara göre büyükten küçüğe doğru tüm listesini aşağıdaki linkten indirebilirsiniz.

Dolar alış kuruna göre dalga boyu en yüksek ilk 25 gözlem sunulduktan sonra Tablo 4’te Euro alış kuruna göre aylık dalga boyu en yüksek ilk 25 gözlem verilmiştir.

Tablo 4: Euro Alış Kurundaki Aylık Dalga Boyları

T

Euro alış kuruna göre de en yüksek dalga boyunun olduğu aylar, büyükten küçüğe doğru bulunduğu yıla göre ilk 25 kayıt Tablo 4’te verilmiştir. Buna göre dalga boyunun en yüksek olduğu ay, 2001 yılının 2. ayı olduğu görülmektedir. Bunu sırasıyla 2018 yılının 8. ayı ve 2001 yılının 4. ayı izlemektedir. Euro alış kuru dalga boylarının aylara göre büyükten küçüğe doğru tüm listesini ise aşağıdaki linkten indirebilirsiniz.

SONUÇ

Yapılan çalışmayla veri seti üzerinde ilk olarak keşifsel veri analizi yapılmıştır. Bunun ardından ilk kez geliştirilen formüllerle döviz alış kurlarına ilişkin aylık ve yıllık olarak dalga boyları veya döviz şoklarının spektrumu hesaplanarak geçerli ve güvenilir sonuçların ortaya konulması amaçlanmıştır. Döviz kurundaki dalga boylarının hesaplanması ekonomideki şokların olumsuz etkilerinin boyutunun ortaya konulması açısından büyük önem arz etmektedir.

Dolar alış kuruna göre dalga boyunun en yüksek olduğu yıl 2001 yılıdır. Bu yılı sırasıyla 2018 ve 1999 yılları izlemektedir. Dolar kurunda dalga boyunun en yüksek olduğu ay ise, 2001 yılının 2. ayı’dır. Bunu sırasıyla 2018 yılının 8. ayı ve 2008 yılının 10 ayı izlemektedir.

Euro alış kuruna dalga boyunun en yüksek olduğu yıl dolar kurunda olduğu gibi 2001 yılıdır. Bu yılı sırasıyla 2018 ve 2002 yılları izlemektedir. Euro kurunda dalga boyunun en yüksek olduğu ay, 2001 yılının 2. ayı olduğu görülmektedir. Bunu sırasıyla 2018 yılının 8. ayı ve 2001 yılının 4. ayı izlemektedir.

Geliştirilen bu formüllerle aylık ve yıllık dalga boylarının hesaplanması yanında daha kısa zaman dilimlerini içine alan zaman serilerinde de dalga boyları ortaya konulabilecektir. Bu çalışmadan elde edilen bulgular ve çalışma kapsamında geliştirilen formül, döviz kurlarının mevcut durumunun analizi olduğu kadar öngörüsel analitik çalışmalara ve benzer fakat odağı farklı diğer çalışmalara da ışık tutacaktır.

Ayrıca ihtiyaç duyulması halinde işlenmiş veri setinin tamamına ve aylık olarak döviz alış kurlarının yıllara göre göstermiş olduğu dalga boylarına aşağıdaki linklerden ulaşabilirsiniz.

Faydalı olması ve farkındalık oluşturması dileğiyle.

Saygılarımla

Not: Emeğe saygı adına, yapılan çalışmanın başka bir mecrada ya da ortamda paylaşılması halinde kaynak gösterilmeden alıntı yapılmamasını önemle rica ederim.

Kaynaklar

T.C. Merkez Bankası:https://evds2.tcmb.gov.tr/index.php?/evds/serieMarket/#collapse_2. Ulaşım Tarihi: 19/02/2019

Türkiye Cumhuriyeti Devletinin Para Birimi Hakkında Kanun,
Kanun No: 5083, Resmi Gazete Tarihi: 31/01/2004, Resmi Gazete Sayısı: 25363 http://www.resmigazete.gov.tr/eskiler/2004/01/20040131.htm#3.Ulaşım Tarihi: 19/02/2019

Tukey, J. W. (1993). Exploratory Data Analysis: Past, Present, and Future. Princeton University, Department of Statistics, Technical Report No:302. https://apps.dtic.mil/dtic/tr/fulltext/u2/a266775.pdf. Ulaşım Tarihi: 19/02/2019

Küme Analizleri Üzerine Bir Vaka Çalışması (A Case Study on Cluster Analysis)

Kümeleme analizine geçmeden önce temel kavramları açıklamak konunun anlaşılması açısından önem taşıdığından ilk olarak kısaca bu kavramlara yer verilecektir.

Küme, benzer özellikleri içinde barındıran topluluk olarak tanımlanabilir. Bu topluluk insan topluluğu olabileceği gibi nesnelerin oluşturduğu topluluk da olabilir. Benzer özellikler taşıyan bu topluluklar diğer kümelerden farklılaşır.

Kümeleme analizini ise benzer özelliklere sahip toplulukları gruplara ayırma olarak açıklayabiliriz. Bu analizle bir nevi gruplama yapılmaktadır. Bu analiz türü aynı zamanda yapay zeka öğrenme türlerinden biri olan denetimsiz öğrenme (unsupervised learning)’nin denetimsiz sınıflama (unsupervised classification) başlığı altında değerlendirilir. Çünkü denetimli öğrenme (supervised learning)’de veri önceden tanımlanmış değildir veya önceden sınıflama (denetimli sınıflama) durumu bu analiz türünde söz konusu değildir. Küme analizi bir çok alanda kullanılabilmekle birlikte öne çıkan alanlar şöyle özetlenebilir;

  • Sigorta
  • Pazarlama
  • Arazi kullanımı
  • Şehir planlama

Kümele Analiz Metodları

  • Herüstik yaklaşımlar
    1. K-Ortalama (k-means) Küme Analiz Metodu: Her bir küme, kümenin merkez noktasıyla temsil edilir.
    2. K-Medoidler (k-medoids) veya PAM Küme Analiz Metodu: Her bir küme, kümedeki nesnelerden biri tarafından temsil edilir.

Küme analizinin kalitesi, sınıf içi benzerlikleri yüksek ve kümeler arası benzerliklerin düşük kümelerin elde edilmesine bağlıdır.

Kısaca bunlardan bahsedildikten sonra örnek uygulamaya geçiş yapabiliriz. Örnek uygulama yapılacak veri, 19.02.2019 tarihinde TC. Merkez Bankasının veri tabanından indirilmiştir. Veri seti, yapılacak analizler için işlenerek analize uygun duruma getirilmiştir. Veri seti, 4 değişken ve 5067 gözlemden oluşmaktadır. Bu veri, 1999 yılı ile 18.02.2019 tarihleri arasında Merkez Bankası işlem günlerindeki günlük Dolar ve Euro döviz alış kuru (TL) içeren 5067 gözlemden oluşmaktadır. Bu yıldan başlanılmasının nedeni, eşit zaman serisi elde edilerek karşılaştırma yapılmak istenmesinden kaynaklanmaktadır. 2005 yılından geçerli olmak üzere TL’den 6 sıfır atıldığı için, karşılaştırma sağlanabilmesi adına bu yıldan önceki zaman serilerine ait veriler de ağırlıklandırılmıştır. Diğer bir deyişle, 2005 öncesi döviz kurlarına karşılık gelen TL tutarları 1 milyona bölünmüştür.

Veri setinin küme analizlerine geçmeden dilerseniz
önce veriyi biraz koklayalım :). Veri setini yükledikten sonra ilk olarak tanımlayıcı istatistikleri vererek işe başlayalım. Verinin işlenmesi ve analiz aşamasında R Programlama dili kullanılmıştır.

Yapılan uygulamaları ve analizleri daha iyi görebilmek adına işlenmiş veri setini aşağıdaki linkten indirebilirsiniz.

#Veri yolunu yazmak ve veriyi yüklemek için
library(readxl)
 doviz <- read_excel("C:/Users/Tevfik Bulut/Desktop/doviz.xlsx", 
     col_types = c("numeric", "numeric", "numeric", 
         "numeric"))
 View(doviz) 
#Grafik ve tablo oluşturma için kurulumu yapılacak paketler
library(tidyverse)
library(gridExtra)
#İlk 12 Kaydı tablo olarak getirmek için
y<-head(doviz,20)
grid.arrange(tableGrob(y))
Tablo 1: Döviz Alış Kuruna Göre İlk 12 Kayıt
#Son 12 Kaydı tablo olarak getirmek için
z<-tail(doviz,12)
grid.arrange(tableGrob(z))
Tablo 2: Döviz Alış Kuruna Göre Son 12 Kayıt
#Veri hakkında özetleyici tanımlayıcı istatistikler elde etmek ve değerlerin ondalık kısmını 2 haneli göstermek için;

install.packages("pastecs")
library(pastecs)
grid.arrange(tableGrob(round(stat.desc(doviz),2)))

Tablo 3: Tanımlayıcı İstatistikler

#Kurulumu yapılacak grafik paketleri
library(tidyr)
library(dplyr)
library(ggplot2)

#Grafik kod bloğu (Yıllara göre Dolar Alış Kurunun dalga boyuna göre gösterimi için)
ggplot(doviz, aes(Yıl, USD_Alis))+
  geom_line(size=1.5, col="Red")+
scale_x_continuous(breaks=seq(1999, 2019, 2))+
  ggtitle("Yıllara Göre Dolar Döviz Alış Kuru") +
           xlab("Yıl") + ylab("Dolar Alış Kuru")+
  labs(caption = "Source: By Tevfik Bulut")+
  theme(plot.title = element_text(family = "Trebuchet MS", face="bold", size=16, hjust=0.5)) +
theme(axis.title = element_text(family = "Trebuchet MS", face="bold", size=12))
#Aylık Dolar Alış Kurunun dalga boyuna göre gösterimi için
ggplot(doviz, aes(Ay, USD_Alis))+
  geom_line(size=1.5, col="blue")+
  geom_line() +
    facet_wrap(Ay~. )+
  theme_bw()+
  ggtitle("Aylara Göre Dolar Döviz Alış Kuru") +
           xlab("") + ylab("Dolar Alış Kuru")+
  labs(caption = "Source: By Tevfik Bulut")+
  theme(plot.title = element_text(family = "Trebuchet MS", face="bold", size=16, hjust=0.5)) +
theme(axis.title = element_text(family = "Trebuchet MS", face="bold", size=12))
#Aynı anda aylara göre dolar alış kurunun gösterimi için; bu grafik ile bir nevi aylara göre dolar alış kurunun izlediği seyrin röntgenini çekmiş oluyoruz.

ggplot(doviz, aes(Ay, USD_Alis, col=USD_Alis))+
  geom_point(size=1)+
  geom_jitter()+
scale_x_continuous(breaks=seq(1, 12, 1))+
  ggtitle("Aylara Göre Dolar Döviz Alış Kuru") +
           xlab("Ay") + ylab("Dolar Alış Kuru")+
  labs(caption = "Source: By Tevfik Bulut")+
  theme(plot.title = element_text(family = "Trebuchet MS", face="bold", size=16, hjust=0.5)) +
theme(axis.title = element_text(family = "Trebuchet MS", face="bold", size=12))

Şimdi aynı grafikleri bir de Euro alış kuru için sırasıyla yapalım.

#Grafik kod bloğu (Yıllara göre Euro Alış Kurunun dalga boyuna göre gösterimi için)
ggplot(doviz, aes(Yıl, EURO_Alis))+
  geom_line(size=1.5, col="Brown")+
scale_x_continuous(breaks=seq(1999, 2019, 2))+
  ggtitle("Yıllara Göre Euro Döviz Alış Kuru") +
           xlab("Yıl") + ylab("Euro Alış Kuru")+
  labs(caption = "Source: By Tevfik Bulut")+
  theme(plot.title = element_text(family = "Trebuchet MS", face="bold", size=16, hjust=0.5)) +
theme(axis.title = element_text(family = "Trebuchet MS", face="bold", size=12))
#Aylık Euro Alış Kurunun dalga boyuna göre gösterimi için
ggplot(doviz, aes(Ay, EURO_Alis))+
  geom_line(size=1.5, col="green")+
  geom_line() +
    facet_wrap(Ay~. )+
  theme_bw()+
  ggtitle("Aylara Göre Euro Döviz Alış Kuru") +
           xlab("") + ylab("Euro Alış Kuru")+
  labs(caption = "Source: By Tevfik Bulut")+
  theme(plot.title = element_text(family = "Trebuchet MS", face="bold", size=16, hjust=0.5)) +
theme(axis.title = element_text(family = "Trebuchet MS", face="bold", size=12))
#Aynı anda aylara göre Euro döviz alış kurunun gösterimi için; bu grafik ile bir nevi aylara göre Euro alış kurunun izlediği seyrin röntgenini çekmiş oluyoruz.

ggplot(doviz, aes(Ay, EURO_Alis, col=EURO_Alis))+
  geom_point(size=1)+
  geom_jitter()+
scale_x_continuous(breaks=seq(1, 12, 1))+
  ggtitle("Aylara Göre Euro Döviz Alış Kuru") +
           xlab("Ay") + ylab("Euro Alış Kuru")+
  labs(caption = "Source: By Tevfik Bulut")+
  theme(plot.title = element_text(family = "Trebuchet MS", face="bold", size=16, hjust=0.5)) +
theme(axis.title = element_text(family = "Trebuchet MS", face="bold", size=12))

Döviz Alış Kurlarının Yıllık ve Aylık Ortalamalara Göre Sunumu

#Dolar Alış Kurunun Yıllık ortalamalara göre sunumu
m_yil<-as.data.frame(aggregate(x = doviz, by = list(doviz$Yıl), FUN = "mean"))
m_yil
ggplot(m_yil, aes(Yıl, USD_Alis))+
  geom_line(size=1.5, col="Red")+
scale_x_continuous(breaks=seq(1999, 2019, 2))+
  ggtitle("Yıllık Ortalamalara Göre Dolar Döviz Alış Kuru") +
           xlab("Yıl") + ylab("Dolar Alış Kuru")+
  labs(caption = "Source: By Tevfik Bulut")+
  theme(plot.title = element_text(family = "Trebuchet MS", face="bold", size=16, hjust=0.5)) +
theme(axis.title = element_text(family = "Trebuchet MS", face="bold", size=12))
#Euro Alış Kurunun Yıllık ortalamalara göre sunumu
m_yil<-as.data.frame(aggregate(x = doviz, by = list(doviz$Yıl), FUN = "mean"))
m_yil
ggplot(m_yil, aes(Yıl, EURO_Alis))+
  geom_line(size=1.5, col="Brown")+
scale_x_continuous(breaks=seq(1999, 2019, 2))+
  ggtitle("Yıllık Ortalamalara Göre EURO Döviz Alış Kuru") +
           xlab("Yıl") + ylab("Euro Alış Kuru")+
  labs(caption = "Source: By Tevfik Bulut")+
  theme(plot.title = element_text(family = "Trebuchet MS", face="bold", size=16, hjust=0.5)) +
theme(axis.title = element_text(family = "Trebuchet MS", face="bold", size=12))
#Dolar Alış Kurunun Aylık ortalamalara göre sunumu
m_ay<-as.data.frame(aggregate(x = doviz, by = list(doviz$Ay), FUN = "mean"))
m_ay
ggplot(m_yil, aes(Ay, USD_Alis))+
  geom_line(size=1.5, col="red")+
scale_x_continuous(breaks=seq(1, 12, 1))+
  ggtitle("Aylık Ortalamalara Göre Dolar Döviz Alış Kuru") +
           xlab("Ay") + ylab("Dolar Alış Kuru")+
  labs(caption = "Source: By Tevfik Bulut")+
  theme(plot.title = element_text(family = "Trebuchet MS", face="bold", size=16, hjust=0.5)) +
theme(axis.title = element_text(family = "Trebuchet MS", face="bold", size=12))
#Euro Alış Kurunun Aylık ortalamalara göre sunumu
m_ay<-as.data.frame(aggregate(x = doviz, by = list(doviz$Ay), FUN = "mean"))
m_ay
ggplot(m_ay, aes(Ay, EURO_Alis))+
  geom_line(size=1.5, col="dark blue")+
scale_x_continuous(breaks=seq(1, 12, 1))+
  ggtitle("Aylık Ortalamalara Göre Euro Döviz Alış Kuru") +
           xlab("Ay") + ylab("Euro Alış Kuru")+
  labs(caption = "Source: By Tevfik Bulut")+
  theme(plot.title = element_text(family = "Trebuchet MS", face="bold", size=16, hjust=0.5)) +
theme(axis.title = element_text(family = "Trebuchet MS", face="bold", size=12))

Yukarıda gösterimi yapılan grafikler tek bir döviz cinsi üzerinden ayrı ayrı olarak yapılmıştı. Şimdi de dilerseniz bu iki döviz türünü aynı grafik içinde sunalım.Grafik sunumunda alış kurlarına ilişkin bütün gözlemler dikkate alınmıştır.

# Dolar ve Euro döviz alış kurunun aylara göre birlikte gösterimi: Izgara Tip Grafik Gösterimi
ggplot(doviz_sistematik, aes("", TL,col=Döviz))+
  geom_point(size=1)+
  geom_jitter()+
  facet_wrap(Ay~.)+
  facet_grid(Döviz ~ Ay)+
  theme_bw()+
  ggtitle("Aylara Göre Döviz Alış Kuru") +
           xlab("") + ylab("Alış Kuru (TL)")+
  labs(caption = "Source: By Tevfik Bulut")+
  theme(plot.title = element_text(family = "Trebuchet MS", face="bold", size=16, hjust=0.5)) +
theme(axis.title = element_text(family = "Trebuchet MS", face="bold", size=12))
# Dolar ve Euro döviz alış kurunun aylara göre birlikte gösterimi: Çizgi Grafik Gösterimi
ggplot(doviz_sistematik, aes(as.factor(Ay), TL,col=Döviz))+
  geom_line(size=1.5)+
  scale_x_discrete(breaks=seq(1, 12, 1))+
  theme_bw()+
  ggtitle("Aylara Göre Döviz Alış Kuru") +
           xlab("") + ylab("Alış Kuru (TL)")+
  labs(caption = "Source: By Tevfik Bulut")+
  theme(plot.title = element_text(family = "Trebuchet MS", face="bold", size=16, hjust=0.5)) +
theme(axis.title = element_text(family = "Trebuchet MS", face="bold", size=12))
# Dolar ve Euro döviz alış kurunun yıllara göre birlikte gösterimi: Izgara Tip Grafik Gösterimi
ggplot(doviz_sistematik, aes("", TL,col=Döviz))+
  geom_point(size=1)+
  geom_jitter()+
  facet_wrap(Yıl~.)+
  facet_grid(Döviz ~ Yıl)+
  theme_bw()+
   theme(strip.text.x = element_text(size=8, angle=90))+
  ggtitle("Yıllara Göre Döviz Alış Kuru") +
           xlab("") + ylab("Alış Kuru (TL)")+
  labs(caption = "Source: By Tevfik Bulut")+
  theme(plot.title = element_text(family = "Trebuchet MS", face="bold", size=16, hjust=0.5)) +
theme(axis.title = element_text(family = "Trebuchet MS", face="bold", size=12))
# Dolar ve Euro döviz alış kurunun yıllara göre birlikte gösterimi: Çizgi Grafik Gösterimi
ggplot(doviz_sistematik, aes(as.factor(Yıl), TL,col=Döviz))+
  geom_line(size=1.5)+
  scale_x_discrete(breaks=seq(1999, 2019, 2))+
  theme_bw()+
  ggtitle("Yıllara Göre Döviz Alış Kuru") +
           xlab("") + ylab("Alış Kuru (TL)")+
  labs(caption = "Source: By Tevfik Bulut")+
  theme(plot.title = element_text(family = "Trebuchet MS", face="bold", size=16, hjust=0.5)) +
theme(axis.title = element_text(family = "Trebuchet MS", face="bold", size=12))

Küme Analizleri

#Kurulumu Yapılacak Paketler
 library(tidyverse)  # veri manipulasyonu için
 library(cluster)    # kümeleme algoritmaları
 library(factoextra) # kümelerin görselleştirilmesi
 library(dendextend) # dendogramların karşılaştırılması
#Veriyi yüklemek için
library(readxl)
doviz <- read_excel("C:/Users/Tevfik Bulut/Desktop/doviz.xlsx", 
    col_types = c("numeric", "numeric", "numeric", 
        "numeric"))
View(doviz)

Optimal Küme Sayısını Belirleme

Optimal küme sayısını belirlemek için sırasıyla Ortalama Silüet Metodu, Elbow Metodu ve Gap İstatistik Metodları kullanılmıştır.

#Veriyi ölçeklendirmek için
scale_veri<- scale(doviz[,-2])
#Optimal küme sayısını hesaplamak için (Biraz uzun sürebilir sabırlı olunuz:). 
#İlk olarak Ortalama Silüet Metodu (Average Silhouette Method) kullanılarak optimal küme sayısı K-Ortalamalar ve PAM Kümeleme Metodları özelinde verilecektir.

##PAM Küme Analizi için optimal küme sayısı
fviz_nbclust(scale_veri, FUN = pam, method = "silhouette")
##K-Ortalamalar Küme Analizi için optimal küme sayısı
fviz_nbclust(scale_veri, FUN = kmeans, method = "silhouette")

##Hiyerarşik Küme Analizi için optimal küme sayısını belirlemek için Elbow Metodu kullanılmıştır.
fviz_nbclust(scale_veri, FUN = hcut, method = "wss")
PAM Küme Analizi için optimal küme sayısı
K-Ortalamalar Küme Analizi Optimal Küme Sayısı

Hiyerarşik Küme Analizi Optimal Küme Sayısı

Optimal küme sayısı belirleme metodlarından biri olan Gap İstatistik Metodu kullanılarak toplam küme içi varyans da ortaya konulur. Burada, optimal küme sayıları GAP istatistiğini maksimize eder.

# GAP istatistikleri
## Hiyerarşik Kümeleme Metodu İçin
gap_stat <- clusGap(scale_veri, FUN = hcut, nstart = 25, K.max = 10, B = 50)
fviz_gap_stat(gap_stat)
## K-Ortalamalar Metodu İçin
gap_stat <- clusGap(scale_veri, FUN = kmeans, nstart = 25, K.max = 10, B = 50)
fviz_gap_stat(gap_stat)
Hiyerarşik Kümeleme Metodu Gap İstatistiği

K-Ortalamalar Kümeleme Metodu Gap İstatistiği

PAM Metodu

#PAM Küme Analiz Metodu sonuçları için (3 küme belirlenmiştir.)
pam.cluster <- pam(scale_veri, 3)
 # Visualize pam clustering
fviz_cluster(pam.cluster, geom = "point", ellipse.type = "convex") #Alternatif 1
fviz_cluster(pam.cluster, geom = "point", ellipse.type = "euclid",labelsize = 9) #Alternatif 2
fviz_cluster(pam.cluster, geom = "point", ellipse.type = "norm") #Alternatif 3

Alternatif 1: PAM Metodu
Alternatif 2: PAM Metodu

Alternatif 3: PAM Metodu

CLARA Metodu

clara(scale_veri, 3, samples = 100, pamLike = TRUE)

K-Ortalamalar Metodu

k_ortalama <-  kmeans(scale_veri, 3, nstart = 25)
 # Görselleştirmek için
fviz_cluster(k_ortalama, data =scale_veri , geom = "point", ellipse.type = "convex") #Alternatif 1
fviz_cluster(k_ortalama, data =scale_veri , geom = "point", ellipse.type = "norm") #Alternatif 2
fviz_cluster(k_ortalama, data =scale_veri , geom = "point", ellipse.type = "euclid") #Alternatif 3

Alternatif 1: K-Ortalamalar Metodu

Alternatif 2: K-Ortalamalar Metodu

Alternatif 3: K-Ortalamalar Metodu

Hiyerarşik Küme Analiz Metodu

Öklidyen_uzaklık <- dist(scale_veri, method = "euclidean")
hiyerarsik <- hclust(Öklidyen_uzaklık, method = "ward.D2" )
plot(hiyerarsik, cex = 0.6, hang = -1) #Küme dendrogramı
Ward D2 Metodu Kullanarak Hiyerarşik Küme Analizi
manhattan_uzaklık <- dist(scale_veri, method = "manhattan")
hiyerarsik <- hclust(manhattan_uzaklık, method = "centroid" )
plot(hiyerarsik, cex = 0.6, hang = -1) #Küme dendrogramı

Centroid” (UPGMC) Metodu Kullanarak Hiyerarşik Küme Analizi

Yapılan bu çalışmayla döviz alış kurları veri setinden yola çıkılarak keşifsel veri analizi yapılarak veriye yönelik farklı bir bakış açısı kazandırılmak istenmiştir. Bunun yanında küme analizlerinin farklı küme analiz metodlarına göre ortaya konulmasıyla da bu alanda çalışma yapan veya yapacak kişi yada kurumlara önemli bir katkı sunulması amaçlanmıştır.

Faydalı olması dileğiyle…

Not: Emeğe saygı adına, yapılan çalışmanın başka bir mecrada ya da ortamda paylaşılması ve kullanılması halinde alındığı yer adının belirtilmesini rica ederim.

Saygılarımla.

Yararlanılan Kaynaklar

Türkiye Cumhuriyeti Devletinin Para Birimi Hakkında Kanun,
Kanun No: 5083, Resmi Gazete Tarihi: 31/01/2004, Resmi Gazete Sayısı: 25363 http://www.resmigazete.gov.tr/eskiler/2004/01/20040131.htm#3

https://evds2.tcmb.gov.tr/index.php?/evds/serieMarket/#collapse_2

https://tutorials.iq.harvard.edu/R/Rgraphics/Rgraphics.html

Kaufman, Leonard, and Peter Rousseeuw. (1990). Finding Groups in Data: An Introduction to Cluster Analysis. https://leseprobe.buch.de/images-adb/5c/cc/5ccc031f-49c1-452f-a0ac-22babc5e252e.pdf

http://www.stat.columbia.edu/~madigan/W2025/notes/clustering.pdf

http://web.stanford.edu/~hastie/Papers/gap.pdf

https://www.datanovia.com/en/lessons/determining-the-optimal-number-of-clusters-3-must-know-methods/

Charrad, Malika, Nadia Ghazzali, Véronique Boiteau, and Azam Niknafs. 2014. “NbClust: An R Package for Determining the Relevant Number of Clusters in a Data Set.” Journal of Statistical Software 61: 1–36. http://www.jstatsoft.org/v61/i06/paper.