BİTCOİN FİYATINA ETKİ EDEN FAKTÖRLERİN MARS METODU İLE BELİRLENMESİ / Determination Of Factors Affecting Bitcoin Price By MARS Method

Blockchain teknolojisinin aracısız veri/para transferi gerçekleştirmesi ile tüm çevrelerin gündemine gelen Bitcoin, birçok yatırımcının ilgi odağı olmuş ve Bitcoin ’in popüler olması ile birçok kripto para piyasaya sürülmüştür. Kripto paralarda fiyat volatilitesinin yüksekliği hızlı para kazanma arzusu içinde olan ve risk iştahı yüksek olan yatırımcıları fiyat tahminlemesi ve fiyatları etkileyen değişkenlerin belirlenmesi noktasında analiz yapmaya itmiştir. Bu çalışmanın amacı Aralık 2017 itibari ile değeri yaklaşık 20.000 ABD Dolara ulaşan ve yüksek volatilitesi ile yatırımcıların sürekli gündeminde olan Bitcoin fiyatına etki eden faktörlerin belirlenmesidir. Bu amaçla çalışmada literatürde kullanılan değişkenlere (Altın ve ABD Dolar) ek olarak küresel risklerin (Finansal Baskı Endeksi ve Jeopolitik Risk Endeksi) etkisi de ölçülmeye çalışılmıştır. Çalışama da Bitcoin fiyatı üzerine etki etmesi muhtemel değişkenler Çok Değişkenli Uyarlanabilir Regresyon Uzanımları-MARS yöntemi ile analiz edilmiştir. Çalışmada kullanılan veriler 2012/1-2019/11 yılları arasında aylık verilerden oluşmaktadır. Çalışmanın sonucunda kullanılan tüm bağımsız değişkenlerin belirli şartlar altında Bitcoin fiyatına etki edebileceği sonucuna ulaşılmıştır. 

DETERMINATION OF FACTORS AFFECTING BITCOIN PRICE BY MARS METHOD / Bitcoin Fiyatına Etki Eden Faktörlerin Mars Metodu İle Belirlenmesi

Bitcoin, which has come to the agenda of all circles with the mediation of data/money transfer by Blockchain technology, has been the focus of interest of many investors and many cryptocurrencies have been launched with the popularity of Bitcoin. The high price volatility of the cryptocurrencies has prompted investors with a desire to make fast money and with high risk appetite to analyze the price estimation and the determination of the variables affecting the prices. The aim of this study is to determine the factors that affect the price of Bitcoin, which has a value of approximately 20.000 US Dollars as of December 2017 and which is on the agenda of investors with its high volatility. For this purpose, in addition to the variables used in the literature (Gold and US Dollar), the effect of global risks (Financial Pressure Index and Geopolitical Risk Index) was also measured. Variables likely to affect Bitcoin price in the study were analyzed by Multivariate Adaptive Regression Extensions-MARS method. The data used in the study consisted of monthly data between 2012 and 1- 2019/11. As a result of the study, it is concluded that all the independent variables used may affect the Bitcoin price under certain conditions.

___

  • Antonopoulos, A. (2014). Mastering Bitcoin: Unlocking Digital Cryptocurrencies. O'Reilly Media Inc. Erişim adresi: https://www.bortzmeyer.org/mastering-bitcoin.pdf.
  • Atik, M. Köse, Y. Yılmaz, B. ve Sağlam, F. (2015). Kripto Para: Bitcoin ve Döviz Kurları Üzerine Etkileri. Bartın Üniversitesi İİBF Dergisi, 6(11), 247-261.
  • Baek, C. ve Elbeck, M. (2015). Bitcoins as an Investment or Speculative Vehicle? A first look. Applied Economics Letters, 22(1), 30-34. Erişim adresi: https://doi.org/10.1080/13504851.2014.916379.
  • Bouoiyour, J. ve Selmi, R. (2015). What Does Bitcoin Look Like?. Annals of Economics and Finance, 16(2), 449-492.
  • Chu J, Nadarajah S, Chan S (2015). Statistical Analysis of the Exchange Rate of Bitcoin. Erişim adresi: https://doi.org/10.1371/journal.pone.0133678.
  • Ciaian, P. Rajcaniova, M. ve Kancs, D. A. (2016). The Economics of Bitcoin Price Formation. Applied Economics, 48(19),1799-1815. Erişim adresi: https://doi.org/10.1080/00036846.2015.1109038.
  • Craven, P. ve Wahba, G. (1978). Smoothing Noisy Data with Spline Functions. Numerische Mathematik, 31(4), 377-403.
  • Dirican, C. ve Canoz, İ. (2017). Bitcoin Fiyatları ile Dünyadaki Başlıca Borsa Endeksleri Arasındaki Eşbütünleşme İlişkisi: ARDL Modeli Yaklaşımı İle Analizi. Journal of Economics, Finance and Accounting (JEFA), 4(4), 377-392.
  • Dyhrberg, A. H. (2016). Hedging Capabilities of Bitcoin. Is it the Virtual Gold?. Finance Research Letters, 16, 139-144. Erişim adresi: https://doi.org/10.1016/j.frl.2015.10.008.
  • Friedman, J. H. (1991). Multivariate Adaptive Regression Splines. The Annals of Statistics, 19(1), 1-67. Erişim adresi: http://doi:10.1214/aos/1176347963.
  • Friedman, J. H. ve Roosen, C. B. (1995). An Introduction to Multivariate Adaptive Regression Splines. Erişim adresi: https://doi.org/10.1177/096228029500 400303 Glaser, F. Zimmermann, K. Haferkorn, M., Weber, M. C., ve Siering, M. (2014). Bitcoin-Asset or Currency? Revealing Users' Hidden Intentions. Revealing Users' Hidden Intentions. Erişim adresi: https:// doı: 10.17714/ gumusfenbil.311188.
  • https://coinmarketcap.com/tr/
  • https://evds2.tcmb.gov.tr/
  • https://www.ecb.europa.eu/pub/pdf/other/virtualcurrencyschemes201210en.pdf
  • https://www.policyuncertainty.com/financial_stress.html
  • https://www2.bc.edu/
  • Kartal, M. Depren, S. K. ve Depren, Ö. (2018). Türkiye’de Döviz Kurlarını Etkileyen Makroekonomik Göstergelerin Belirlenmesi: MARS Yöntemi İle Bir İnceleme. MANAS Sosyal Araştırmalar Dergisi, 7(1), 209-229.
  • Kuhn, Thomas S. (1995). Bilimsel Devrimlerin Yapısı. (4. Basım). Çev.Nilüfer Kuyaş. İstanbul: Alan Yayıncılık.
  • Lim, S. J. ve Masih, M. (2017). Exploring Portfolio Diversification Opportunities in Islamic Capital Markets through Bitcoin: Evidence from MGARCH-DCC and Wavelet Approaches. Munich Personal RePEc Archive. Erişim adresi: https://mpra.ub.uni-muenchen.de/79752/1/MPRA_paper_79752.pdf
  • Nacar, S. Kankal, M., ve Hınıs, M. A. (2018). Çok Değişkenli Uyarlanabilir Regresyon Eğrileri (ÇDURE) ile Günlük Akarsu Akımlarının Tahmini-Haldizen Deresi Örneği. Gümüşhane Üniversitesi Fen Bilimleri Enstitüsü Dergisi, 8(1), 38-47.
  • Nadarajah, S. ve Chu, J. (2017). On the Inefficiency of Bitcoin. Economics Letters, 150, 6-9. Erişim adresi: https://doi.org/10.1016/j.econlet.2016.10.033.
  • Nakamoto, S. (2008). Bitcoin: A Peer-to-Peer Electronic Cash System. Erişim adresi: https://bitcoin.org/bitcoin.pdf.
  • Oktar, S. ve Yüksel, S. (2016). Bankaların Türev Ürün Kullanımını Etkileyen Faktörler: Mars Yöntemi ile Bir İnceleme. Finans Politik & Ekonomik Yorumlar Dergisi, 53(620), 31.
  • Öztürk, M. B. Arslan, H., Kayhan,T., ve Uysal, M.(2018). Yeni Bir Hedge Enstrümanı Olarak Bitcoin: Bitconomi. Ömer Halis Demir Üniversitesi İktisadi ve İdari Bilimler Fakültesi Dergisi, 11(2), 217-232. Erişim adresi: http://DOI: 10.25287/ohuiibf.415713.
  • Şahi̇n, E. E. (2018). Crypto Money Bitcoin: Price Estimation with ARIMA and Artificial Neural Networks. Fiscaoeconomia, Erişim adresi: https://doi.org/ 10.25295 /fsecon.2018.02.005.
  • Şahin, E. E. ve Özkan, O. (2018). Asimetrik Volatilitenin Tahmini: Kripto Para Bitcoin Uygulaması. Bilecik Şeyh Edebali Üniversitesi Sosyal Bilimler Enstitüsü Dergisi, 3(2), 240-247.
  • Urquhart, A. (2016). The Inefficiency of Bitcoin. Economics Letters, 148, 80-82. Erişim adresi: https://doi.org/10.1016/j.econlet.2016.09.019.
  • Üzer, B. (2017). Sanal Para Birimleri. Uzmanlık Tezi. Ankara. Erişim Adresi: https://www.tcmb.gov.tr/wps/wcm
  • Vigna P. ve Casey J. (2015). Kripto Para Çağı. (2. Baskı). Ankara: Buzdağı Yayın Evi.
  • Xiong, R. ve Meullenet, J. F. (2004). Application of Multivariate Adaptive Regression Splines (MARS). Journal of Food Science, 69(4), Erişim adresi: https://doi.org/10.1111/j.1365-2621.2004.tb06353.x.
  • Yermack, D. (2015). Is Bitcoin a Real Currency? An Economic Appraisal. In Handbook of Digital Currency (pp. 31-43). Academic Press. Erişim adresi: https://doi.org/10.1016/B978-0-12-802117-0.00002-3.
  • Yüksel, S. ve Zengin, S. (2016). Leading Indicators of 2008 Global Crisis: An Analysis with Logit and MARS Methods. Finansal Araştırmalar ve Çalışmalar Dergisi, 8(15), 495-518.
Uluslararası Ekonomi İşletme ve Politika Dergisi-Cover
  • Başlangıç: 2017
  • Yayıncı: Ali Rıza SANDALCILAR
Sayıdaki Diğer Makaleler

YÜKSEK TEKNOLOJİLİ ÜRÜN İHRACATINI ETKİLEYEN FAKTÖRLERİN ANALİZİ: OECD ÖRNEĞİ / Analysis Of Factors Affecting High Technology Product Export: OECD Case

Gizem YAVUZ, Özgür UYSAL

IMPOSING RESERVE TAX TO TURKISH FINANCIAL INSTITUTIONS FOR STRENGTHENING RESERVES OF THE CENTRAL BANK OF THE REPUBLIC OF TURKEY / Türkiye Cumhuriyet Merkez Bankası Rezervlerinin Güçlendirilmesi İçin Türk Finansal Kurumlarına Rezerv Vergisi Uygulanması

Mustafa Tevfik KARTAL, Ömer Faruk TAN

YENİ BİR VERİ KAYNAĞI OLARAK GOOGLE TRENDS: GELECEK YÖNELİMİ ENDEKSİ İLE İLGİLİ BİR DEĞERLENDİRME / Google Trends As A New Data Source: An Evaluation Of The Future Orientation Index

Büşra AYAN

BORÇ ÖDEME GÜCÜNÜN ÖLÇÜLMESİNDE GELENEKSEL ORANLAR İLE NAKİT AKIŞ ORANLARININ KARŞILAŞTIRILMASI: İMALAT SEKTÖRÜ ÖRNEĞİ / Comparison Of Traditional Ratios And Cash Flow Ratios In Measurement Of Debt Payment: A Case Of Manufacturing Sector

Feyza DEREKÖY

EDUCATION AND POVERTY LEVEL: A GENDER ANALYSIS OF KOHIMA AND LONGLENG DISTRICTS OF NAGALAND, INDIA / Education and Poverty Level: A Gender Analysis of Kohima and Longleng Districts of Nagaland, India

Chubakumzuk JAMİR

A LITERATURE REVIEW FOR EXPERIMENTAL STUDIES OF BANK RUNS / Banka Hücumlarına İlişkin Deneysel Çalışmalara Ait Bir Literatür Taraması

Elmas YALDİZ HANEDAR

BİTCOİN FİYATINA ETKİ EDEN FAKTÖRLERİN MARS METODU İLE BELİRLENMESİ / Determination Of Factors Affecting Bitcoin Price By MARS Method

Eyyüp Ensari ŞAHİN

THE EFFECT OF GENDER AND INCOME ON CONSUMER STYLES / Cinsiyet Ve Gelirin Tüketici Tarzına Etkisi

Gülçin BİLGİN TURNA, Lale BABUŞ

SAĞLIK ÇALIŞANLARININ MOTİVASYON DÜZEYLERİNİN SOSYODEMOGRAFİK DEĞİŞKENLER AÇISINDAN İNCELENMESİ / Investigation Of Motivation Levels Of Health Workers In Terms Of Sociodemographic Variables

Ümit NALDÖKEN, Sinem SARIÇOBAN

AB’NİN SERBEST TİCARET ANLAŞMALARININ ASİMETRİK ETKİSİ VE TÜRKİYE / Asymmetric Effects Of The EU’s Free Trade Agreements And Turkey

Gökhan AKTAŞ, Zeynep KAPLAN