Türkiye’de Kredi Faizlerini Etkileyen Faktörlerin Belirlenmesi: MARS Yöntemiyle Bir Analiz

BankalarÕn ticari kredilere uyguladÕklarÕ faiz oranÕ artÕú e÷ilimi göstermektedir. Ticari kredi faizi 2018 Eylül’de %36’ya ulaúmÕú olup bu oran 2004’ten beri en görülen yüksek seviyedir. Ticari kredi faizi 2018 yÕlÕnÕ ise %28 seviyesinde tamamlamÕútÕr. Türkiye’de piyasa fonlamasÕnÕn büyük kÕsmÕ kredi kanalÕyla sa÷landÕ÷Õ için ticari kredi faizindeki artÕú e÷ilimi ekonomik aktörler için risk oluúturmaktadÕr. Bu nedenle, Türkiye’de sürdürülebilir ekonomik büyümenin sa÷lanmasÕ için ticari kredi faizinin düúürülmesi önem taúÕmaktadÕr. Bu kapsamda, öncelikle ticari kredi faizini etkileyen faktörlerin belirlenmesi gerekmektedir. Bu amaçla, 2006/1-2018/9 arasÕndaki üçer aylÕk veriler ile 8 adet ba÷ÕmsÕz de÷iúken ve Çok De÷iúkenli Uyumlu Regresyon UzanÕmlarÕ (MARS) yöntemi kullanÕlarak Türkiye’de ticari kredi faizini etkileyen faktörler incelenmiútir. ÇalÕúma sonucunda, sÕrasÕyla mevduat faizinin, dÕú ticaret dengesinin, merkez bankasÕ rezervlerinin, Dolar/TL kurunun, M2 büyüklü÷ünün ve enflasyonun ticari kredi faizi üzerinde etkili oldu÷u belirlenmiútir. Türkiye’de ticari kredi faizinin düúürülmesi için söz konusu faktörlerin olumsuz etkilerinin azaltÕlmasÕna yönelik tedbir alÕnmasÕ gerekmektedir.

Determination of Influencing Factors of Credit Interest Rates in Turkey: An Analysis with MARS Method

Commercial credit interest rate of banks has been increasing. Commercial credit interest rate has reached 36% as of 2018 September which is the highest level since 2004. Commercial credit interest has completed 2018 at the level of 28%. Upward trend in commercial credit interest rate constitutes risks for all economic actors due to most of the funding are provided by bank channel in Turkey. Therefore, decreasing commercial credit interest rate has importance in order for providing sustainable growth. In this context, affecting factors of commercial credit interest rate should be determined firstly. With this aim, quarterly data for the period 2006/1-2018/9, 8 explanatory variables and Multivariate Adaptive Regression Splines (MARS) method is used in order to determine which factors affect commercial credit interest rates in Turkey. As a result of the study, it is determined that deposit interest rate, foreign trade balance, central bank reserves, USD/TL exchange rate, M2 volume, and inflation affect commercial credit interest rate in Turkey respectively. Necessary precautions should be taken in order to decrease negative effects of affecting factors on commercial credit interest rate in order to decrease commercial credit interest rate in Turkey,

Kaynakça

Akgay, O. C., Alper, C. E. & Ozmucur, S. (2018). Budget Deficit, Inflation and Debt Sustainability: Evidence from Turkey, 1970-2000. Chapter 4, in Inflation and Disinflation in Turkey (83-102). Routledge. AkÕncÕ, M. & YÕlmaz, Ö. (2016). Enflasyon-Faiz OranÕ TakasÕ: Fisher Hipotezi Ba÷lamÕnda Türkiye Ekonomisi øçin Dinamik En Küçük Kareler Yöntemi. Sosyoekonomi, 24(27), 33-56. AL-Qinani, I. H. (2016). Multivariate Adaptive Regression Splines (MARS) Heuristic Model: Application of Heavy Metal Prediction. International Journal of Modern Trends in Engineering and Research, 3(8), 223-229. Assandri, G., Bogliani, G., Pedrini, P. & Brambilla, M. (2017). Land-Use and Bird Occurrence at the Urban Margins in the Italian Alps: Implications for Planning and Conservation. North-Western Journal of Zoology, 13(1), 77-84. Atgür, M. & Altay, N. O. (2015). Enflasyon ve Nominal Faiz OranÕ øliúkisi: Türkiye Örne÷i (2004-2013). Celal Bayar Üniversitesi øktisadi ve ødari Bilimler Fakültesi Dergisi, 22(2), 521-533. Aytaç, D. & Sa÷lam, M. (2014). Kamu AçÕklarÕ øç Borç ve Faiz OranÕ øliúkisi: Türkiye Örne÷i. Eskiúehir Osmangazi Üniversitesi øktisadi ve ødari Bilimler Dergisi, 9(1), 131-148. BankacÕlÕk Düzenleme ve Denetleme Kurumu. (2019). TBS Temel Göstergeler Raporu, http://www.bddk.org.tr/Veriler/TBS-Temel-Gostergeler-Raporu/14, 05.01.2019.

Berument, H. & MalatyalÕ, K. (2001). Determinants of Interest Rates in Turkey. Russian & East European Finance and Trade, 37(1), 5-16. Bolder, J. & Rubin, T. (2007). Optimization in a Simulation Setting: Use of Function Approximation in Debt Strategy Analysis. Bank of Canada Working Paper, 1-92. Borsa østanbul. (2019). Piyasa De÷erleri, https://www.borsaistanbul.com/veriler/verileralt/aylikkonsolide-veriler, 05.01.2019. Bulut, C. & Canbolat, Y. B. (2003). Türkiye Ekonomisinde Artan Kamu AçÕklarÕnÕn Enflasyon, Faiz OranÕ ve Döviz Kuru Üzerindeki Etkileri. Journal of Qafqaz University, (12), 13-28. Çelik, S. & YÕlmaz, O. (2018). Prediction of Body Weight of Turkish Tazi Dogs using Data Mining Techniques: Classification and Regression Tree (CART) and Multivariate Adaptive Regression Splines (MARS). Pakistan J. Zool, 50(2), 575-583. Depren, Ö., Kartal, M. T. & KÕlÕç Depren, S. (2018). Borsalarda OynaklÕk Üzerine YayÕnlanmÕú Akademik ÇalÕúmalarÕn Bibliyometrik Analizi. BankacÕlÕk ve Sermaye PiyasasÕ AraútÕrmalarÕ Dergisi, 2(6), 1-15. Desroches, B. & Francis, M. (2006). Global Savings, Investment, and World Real Interest Rates. Bank of Canada Review, 2006 (Winter), 3-17. Do÷an, B., Ero÷lu, Ö. & De÷er, O. (2016). Enflasyon ve Faiz OranÕ ArasÕndaki Nedensellik øliúkisi: Türkiye Örne÷i. ÇankÕrÕ Karatekin Üniversitesi øøBF Dergisi, 6(1), 405-425. Do÷rul, H. G. & Soytaú, U. (2010). Relationship between Oil Prices, Interest Rate and Unemployment:

Evidence from An Emerging Market. Energy Economics, 32(2010), 1523-1528. Durgut, D. (2010). Macroeconomic Factors Influencing Interest Rate: An Empirical Analysis for Turkey. Zonguldak Karaelmas University, Master Thesis.

Ekinci, E. B. M., Alhan, A. & Ergör, Z. B. (2016). Parametrik Olmayan Regresyon Analizi: Faiz oranÕ, Enflasyon ve Döviz Kuru ArasÕndaki øliúkinin øncelenmesi Örne÷i. BankacÕlÕk ve SigortacÕlÕk AraútÕrmalarÕ Dergisi, 2(9), 28-37.

Eyduran, E., Akkus, O., Kara, M. K., Tirink, C. & Tariq, M. M. (2017, May). Use of Multivariate Adaptive Regression Splines (MARS) in Predicting Body Weight from Body Measurements in Mengali Rams. In Proceedings of the International Conference on Agriculture, Forest, Food Sciences and Technologies, 1-5.

Friedman, J. (1991). Multivariate Adaptive Regression Splines. The Annals of Statistics, 19, 1-141.

Goh, A. T. C., Zhang, Y., Zhang, R., Zhang, W. & Xiao, Y. (2017). Evaluating Stability of Underground Entry-Type Excavations Using Multivariate Adaptive Regression Splines and Logistic Regression. Tunnelling and Underground Space Technology, 70, 148-154.

Gupta, P. & Goyal, A. (2015). Impact of Oil Price Fluctuations on Indian Economy. OPEC Energy Review, 141-162.

Gül, E., Ekinci, A. & Özer, M. (2007). Türkiye’de Faiz OranlarÕ ve Döviz Kuru ArasÕndaki Nedensellik øliúkisi: 1984-2006. øktisat øúletme ve Finans, 22(251), 21-31.

Güneú, M. & Tulçal, R. (2002). Faiz OranlarÕnÕ Etkileyen Faktörlerin Regresyon Analizi øle Tespiti Üzerine Bir Uygulama. Trakya Üniversitesi Bilimsel AraútÕrmalar Dergisi, C Serisi, 2(1), 49-56.

Hol, S. (2006). Determinants of Long-term Interest Rates in the Scandinavian Countries. Discussion Papers No. 469, Statistics Norway, Research Department.

Holston, K., Laubach, T. & Williams, J. C. (2017). Measuring the Natural Rate of Interest: International Trends and Determinants. Journal of International Economics, 108, 59-75.

Kandel, S., Ofer, A. R. & Sarig, O. (1996). Real Interest Rates and Inflation: An Ex-Ante Empirical Analysis, The Journal of Finance, 51(1), 205-225.

Kartal, M. T., KÕlÕç Depren, S. & Depren, Ö. (2018). Türkiye’de Döviz KurlarÕnÕ Etkileyen Makroekonomik Göstergelerin Belirlenmesi: MARS Yöntemi øle Bir ønceleme. MANAS Sosyal AraútÕrmalar Dergisi, 7(1), 209-229.

Kaynak Göster