Türkiye’de Kartla Yapılan Harcama Davranışları ve Covid-19’un Etkisi

COVID-19 salgınının sosyo-ekonomik etkileri literatürde tartışılmaya başlanmıştır. Bu çalışmada, Türkiye’deki kartlı harcamalar üzerinde salgının etkileri sektörel ayrıntıda incelenmiştir. Sektörler arasındaki senkronizasyon üzerinde salgının etkileri, haftalık veri kullanılarak 07-03-2014 ile 24-04-2020 arasındaki dönem için analiz edilmiştir. Öncelikle, zamana bağlı değişen (dinamik) koşullu korelasyonlar AR-DCC-GARCH yöntemi ile tahmin edilerek, kartla yapılan harcamalarda sektörel senkronizasyonun varlığı ortaya konulmuştur. Salgının bu senkronizasyon üzerindeki etkileri, dört farklı etki tipi varsayımıyla regresyon modeli kullanılarak ölçülmeye çalışılmıştır. Elde edilen bulgular, Türkiye’de birçok sektör arasında kartla yapılan harcamalar açısından bir senkronizasyonun var olduğunu ve sektörlere göre senkronizasyon seviyelerinin farklı olduğunu göstermiştir. Salgının sektörleri etkileme şekline bakıldığında, en fazla “Kalıcı” etkinin etkili olduğu, “önce panik sonra derinleşen” ve “önce panik sonra kalıcı” etkilerin de ağırlıklı olduğu tespit edilmiştir. Market ve alışveriş sektörünün salgın döneminde diğer sektörlerden ayrıştığı, buna karşın başta kumarhane/içkili yerler, yemek ve havayolları sektörleri olmak üzere diğer tüm sektörlerin düşüş eğilimini paylaştığı gözlemlenmiştir.

Card Payment Behavior In Turkey and The Effect of Covid-19

Nowadays, the socio-economic effects of the COVID-19 outbreak have been discussing in the literature. In this study, the effects of outbreak on the card payments in Turkey is examined in the sectoral detail. The effects of outbreak on synchronization between sectors are analyzed for the period between 07-03-2014 and 24- 04-2020 using weekly data. Firstly, the time-varying (dynamic) conditional correlations are estimated by AR-DCC-GARCH method and the existence of sectoral synchronization among card payments is revealed. The effects of outbreak on this synchronization are tried to be measured regression model estimation using the assumption of four different types of outbreak’s effect. The findings point out there is a synchronization in terms of card payments across many sectors in Turkey, and the levels of synchronization are differed by sector. Regarding the effect of outbreak by sectors, it is determined that the most common effect is “permanent”, and “first panic then deepening” and “first panic then permanent” effects are also dominant. It is observed that the market and shopping sector differentiated from other sectors during the outbreak period, whereas other sectors, particularly the casino / distillery, food and airline sectors shared the downward trend.

PDF

___

Al Dahdah, M., Guérin, I., Ferry, M., & Venkatasubramanian, G. (2020). The Covid-19 Crisis in India: A Nascent Humanitarian Tragedy. Faces of the Pandemic, https://booksandideas.net/The-Covid- 19-Crisis-in-India.html , Erişim: 20.06.2020.
Acar, Y. (2020). Yeni Koronavirüs (Covid-19) Salgını Ve Turizm Faaliyetlerine Etkisi. Güncel Turizm Araştırmaları Dergisi, 4(1), 7-21.
Ahmad, T., Haroon, H., Baig, M., ve Hui, J. (2020). Coronavirus Disease 2019 (Covid-19) Pandemic and Economic Impact. Pakistan Journal of Medical Sciences, 36, COVID19-S4, 73-78.
Akça, M. (2020). COVID-19’un Havacılık Sektörüne Etkisi. Avrasya Sosyal ve Ekonomi Araştırmaları Dergisi, 7(4): 45–64.
Antonakakis, N. (2012). Business cycle synchronization during US recessions since the beginning of the 1870s. Economics Letters, 117(2):467–472.
Battistini, N. ve Stoevsky, G. (2020). Alternative scenarios for the impact of the COVID-19 pandemic on economic activity in the euro area. Economic Bulletin Boxes, 3, European Central Bank.
CSSE. (2020).COVID-19 Dashboard. Center for Systems Science and Engineering, https://gisanddata.maps.arcgis.com/apps/opsdashboard/index.html#/bda7594740fd4029942346 7b48e9ecf6 , Johns Hopkins University, Erişim: 06-05-2020.
Engle, R. (2002). Dynamic Conditional Correlation: A Simple Class of Multivariate Generalized Autoregressive Conditional Heteroskedasticity Models. Journal of Business & Economic Statistics 20 (3): 339–350.
Engle, R. F. (1982). Autoregressive Conditional Heteroscedasticity with Estimates of the Variance of United Kingdom Inflation. Econometrica 50 (4): 987–1007.
Hosking, J. R. M. (1980). The Multivariate Portmanteau Statistic. Journal of the American Statistical Association 75 (371): 602–608.
Mason, C. (2020). The Coronavirus Economic Crisis: Its Impact on Venture Capital and High Growth Enterprises. Documentation. Luxembourg: Publications Office of the European Union. DOI:10.2760/408017.
Özatay, F. ve Sak, G. (2020a). COVID-19 Nedeniye Sokağa çıkma Yasağı Uygulanırsa. TEPAV Politika Notu, No. 202005.
Özatay, F. ve Sak, G. (2020b). COVID-19 Salgını bir değil birkaç çeyrek sürerse ne olur?.TEPAV Politika Notu, no. 202005.
Özatay, F. ve Sak, G. (2020c). COVID-19’un Ekonomik Sonuçlarını Yönetebilmek İçin Ne Yapılabilir?. TEPAV Politika Notu, no. 202005.
TEPAV (2020). COVID-19’un Tüketici Harcamalarına Etkisi - 10 Nisan 2020. TEPAV Haberler Serisi,2.
Üstün, Ç., ve Özçiftçi, S. (2020). COVID-19 Pandemisinin Sosyal Yaşam Ve Etik Düzlem üzerine Etkileri: Bir Değerlendirme çalışması. Anatolian Clinic the Journal of Medical Sciences. Hayat Sağlık ve Sosyal Hizmetler Vakfı, 25, Special Issue on COVID 19, 142-153.
Yavuz, K. (2020). COVID-19 Salgınının Sosyal Politikanın Geleceği üzerine Etkileri. Sosyal Bilimler Dergisi, 45, 181–193.