Kredi Büyümesi Tahminine Yönelik Yeni Bir Yaklaşım: Gözlenemeyen Bileşenler Modeli

Kredi büyümesi tahmini; iktisadi faaliyetin finansmanı, para politikası aktarım mekanizması ve finansal koşullar göz önünde bulundurulduğunda politika yapıcılar için önem arz etmektedir. Literatürdeki bazı çalışmalarda kredi büyüme oranlarının kendi dinamiklerinin geleceğe ilişkin önemli bilgi değeri taşıması sebebiyle zaman serisi yöntemleri ile tahminler üretilmiştir. Ancak, kredi büyümesi oranlarının iktisadi faaliyetin seyri ile ilişkili olarak çevrimsel hareketler göstermeleri dikkate alındığında çevrim hareketlerini de kapsayan modellerin kullanılmasının faydalı olacağı değerlendirilmektedir. Bu çerçevede, çalışmada kredi büyüme oranlarının tahminine ilişkin çevrimsel hareketleri stokastik bir biçimde ele alan Gözlenemeyen Bileşenler (UC) modeli kullanılarak Türk bankacılık sektörünün yıllık kredi büyüme oranı ile ticari ve tüketici kredi büyüme oranları için tahminler üretilmiştir. Ampirik bulgular, UC modellerinin tek değişkenli zaman serileri modellerine göre daha düşük tahmin hataları verdiğini ve bu durumun tüm kredi türleri için geçerli olduğunu göstermektedir. Bu nedenle, UC modelleri kullanılarak üretilen kredi büyümesi çevrimsel hareketlerine dair bulguların politika yapıcılar tarafından zamanlı tedbirler alınması açısından faydalı olabileceği değerlendirilmektedir.

A New Approach to Forecasting Loan Growth: Unobserved Components Model

Forecasting loan growth has importance for policymakers taking the financing of economic activity, monetary transmission mechanism and the concept of financial conditions into consideration. Some works in the literature have utilized time series methods to forecast the loan growth as its own dynamics provide valuable information regarding the future movements of credit. However, due to the cyclical movements displayed by the loan growth rates, it would be useful to benefit from the methodologies that consider such tendencies. In this context, this study utilizes Unobserved Components (UC) model, which approaches the cyclical movements with stochastic perspective, to forecast the credit growth using annual total, commercial and consumer loan growth rates for Turkish banking system. Empirical results show that UC models have lower forecast errors than baseline univariate time series model in all loan categories. Hence, it is argued that the evidence related to the cyclical movements of loan growth derived from the UC model can be informative for policymakers in order to take timely measures.

___

  • Vitek, F. (2006). An Unobserved Components Model of the Monetary Transmission Mechanism in a Small Open Economy. Yayımlanmamış Çalışma.
  • Startz, R., ve Tsang, K. P. (2010). An Unobserved Components Model of the Yield Curve. Journal of Money, Credit and Banking, 42(8), 1613-1640.
  • Shcherbakov, M. V., Brebels, A., Shcherbakova, N. L., Tyukov, A. P., Janovsky, T. A., ve Kamaev, V. A. E. (2013). A Survey of Forecast Error Measures. World Applied Sciences Journal, 24, 171- 176.
  • Schularick, M., ve Taylor, A. M. (2012). Credit Booms Gone Bust: Monetary Policy, Leverage Cycles, And Financial Crises, 1870-2008. American Economic Review, 102(2), 1029-61.
  • Proietti, T., ve Luati, A. (2013). Maximum Likelihood Estimation of Time Series Models: The Kalman Filter And Beyond. Handbook of Research Methods and Applications in Empirical Macroeconomics, 334.
  • Öğünç, F., ve Sarıkaya, ç. (2015). Enflasyonu Açıklamada Kredilerin Bilgi Değeri. TCMB Ekonomi Notları (No. 1512). Araştırma ve Para Politikası Genel Müdürlüğü. Türkiye Cumhuriyet Merkez Bankası.
  • Öğünç, F. (2006). Estimating the Neutral Real Interest Rate for Turkey by Using an Unobserved Components Model. Orta Doğu Teknik Üniversitesi, İstatistik Bölümü, Yayımlanmamış Yüksek Lisans Tezi, Ankara.
  • Ozsuca, E. A., ve Akbostanci, E. (2012). An Empirical Analysis of the Bank Lending Channel in Turkey. Middle East Technical University ERC Working Papers in Economics, 12(05), 1-33.
  • Mutluer Kurul, D. (2011). Türkiye’de Kredi Arzı: Kredi Eğilim Anketi Göstergeleri Kredi Büyümesi Ve Ekonomik Faaliyet İçin Bilgi Verici Mi?. İktisat İşletme ve Finans, 26(307), 9-30.
  • Louzis, D. (2014). Macroeconomic and Credit Forecasts in a Small Economy During Crisis: A Large Bayesian VAR Approach, No 184, Working Papers, Bank of Greece.
  • Koopman, S., ve Ooms, M. (2011). Forecasting Economic Time Series Using Unobserved Components Time Series Models.
  • Kayacan, E. Y., ve Birecikli, Ş. Ü (2018). Türkiye Çıktı Açığının Filtreleme ve Ayrıştırma Yöntemleriyle Tahmini. Uluslararası İktisadi ve İdari İncelemeler Dergisi, 325-338.
  • Kara, A. H., ve Tiryaki, S. T. (2013). Kredi İvmesi ve Iktisadi Konjonktur. TCMB Ekonomi Notları (No. 1310). Araştırma ve Para Politikası Genel Müdürlüğü, Türkiye Cumhuriyet Merkez Bankası.
  • Kara, A. H., Ozlu, P., ve Unalmis, D. (2012). Financial Conditions Indices for The Turkish Economy. CBRT Research Notes in Economics (No. 1231). Research and Monetary Policy Department, Central Bank of the Republic of Turkey.
  • Kara, H., Küçük, H., Tiryaki, S. T., ve Yüksel, C. (2014). In Search of a Reasonable Credit Growth Rate For Turkey. Central Bank Review, 14(1),1.
  • International Monetary Fund (2017), “Turkey: Financial Sector Assessment Program: Financial System Stability Assessment”, 25 Nisan 2018 tarihinde https://www.imf.org/en/Publications/CR/Issues/2017/02/03/Turkey-Financial-Sector-Assessment- Program-Financial-System-Stability-Assessment-44617 adresinden erişildi.
  • Harvey, A., ve Koopman, S. J. (2009). Unobserved Components Models in Economics and Finance. IEEE Control Systems, 29(6).
  • Harvey, A. (2011). Modelling the Phillips Curve with Unobserved Components. Applied Financial Economics, 21(1-2), 7-17.
  • Harvey, A. (2006). Forecasting With Unobserved Components Time Series Models. Handbook of Economic Forecasting, 1, 327-412.
  • Harvey, A. C. (1989). Forecasting, Structural Time Series Models and the Kalman Filter. Cambridge: Cambridge University Press.
  • Günay, M., ve Yavuz, A. A. (2017). Milli Gelir Verilerindeki Güncelleme Sonrası Kısa Dönemli Tahmin Modellerinin Yenilenmesi. TCMB Ekonomi Notları (No. 1708). Araştırma ve Para Politikası Genel Müdürlüğü, Türkiye Cumhuriyet Merkez Bankası.
  • Friedman, B. M. (1986). Money, Credit, and Interest Rates in The Business Cycle. In the American Business Cycle: Continuity and Change (pp. 395-458). University of Chicago Press.
  • Dinçer, H., Gencer, G., Orhan, N., ve Şahinbaş, K. (2011). A Performance Evaluation of the Turkish Banking Sector After the Global Crisis via CAMELS Ratios. Procedia-Social and Behavioral Sciences, 24, 1530-1545.
  • Dell’Ariccia, G., Igan, D., ve Laeven, L. U. (2012). Credit Booms And Lending Standards: Evidence From The Subprime Mortgage Market. Journal of Money, Credit and Banking, 44(2Ǧ3), 367-384.
  • De Bonis, R., ve Silvestrini, A. (2014). The Italian Financial Cycle: 1861–2011. Cliometrica, 8(3), 301- 334.
  • Bulut, U. (2016). Do Financial Conditions Have A Predictive Power on Inflation in Turkey?. International Journal of Economics and Financial Issues, 6(2).
  • Binici, M., Hacıhasanoğlu, Y. S., ve Kütük, S. (2016). Turkiye’de Finansal Çevrimler ve İş Çevrimleri: Ne Kadar Farklı, Ne Kadar Bağlantılı? TCMB Ekonomi Notları (No. 1626). Araştırma ve Para Politikası Genel Müdürlüğü. Türkiye Cumhuriyet Merkez Bankası.
  • Brooks, P. K. (2007). Does The Bank Lending Channel Of Monetary Transmission Work İn Turkey? (No. 07/272). International Monetary Fund.
  • Bernanke, B. S., ve Gertler, M. (1995). Inside The Black Box: The Credit Channel of Monetary Policy Transmission. Journal of Economic Perspectives, 9(4), 27-48.
  • Apostoaie, C. M., ve Percic, S. (2014). Credit Cycles And Business Cycles in Twenty EU Economies. Procedia Economics and Finance, 15, 1055-1064.
  • Andersson, J., ve Lauvsnes, S. O. (2007). “Forecasting Stock Index Prices and Domestic Credit: Does Cointegration Help?”. Tartu University Institute of Technology Conference, Tartu.
  • Albulescu, C. (2010). "Forecasting Credit Growth Rate In Romania: From Credit Boom To Credit Crunch? Romanian Economic Business Review, Romanian-American University, 5(1), 62-75.
  • Akkoç, U (2018). Recent Measurement Methods of The Output Gap: An Application For Turkey. Güncel Yöntemlerle Çıktı Açığının Hesaplanması: Türkiye Uygulaması. Current Debates in Economics & Econometrics. 2, 357.
  • Akdoğan, K., Başer, S., Chadwick, M. G., Ertuğ, D., Hülagü, T., Kösem, S.ve Tekatlı, N. (2013). Short- Term Inflation Forecasting Models for Turkey and a Forecast Combination Analysis. Economic Modelling, 33, 312-325.
  • Akar, C. ve Çiçek, S. (2007). Türkiye’de Bankacılık Sektörünün Merkezileşmesi. Marmara Üniversitesi İİBF Dergisi. XXIII, 2: 167-184.