Ülke Kredi Notlarını Etkileyen Faktörlerin Çeşitli Sınıflandırma Analizleri ile İncelenmesi

Ayşe Mine Örender () and Selay GİRAY Yakut ()
Additional contact information
Ayşe Mine Örender: Marmara Üniversitesi, Sosyal Bilimler Enstitüsü, İstatistik Tezli Yüksek Lisans Programı, İstanbul, Türkiye
Selay GİRAY Yakut: Marmara Üniversitesi, İktisat Fakültesi, Ekonometri Bölümü, İstatistik Anabilim Dalı, İstanbul, Türkiye

EKOIST Journal of Econometrics and Statistics, 2019, vol. 31, issue 0, 77-93

Abstract: Kredi derecelendirmeleri, Standard and Poor’s Corporation, Moody’s Yatırımcı Servisi ve Fitch Ratings gibi uluslararası derecelendirme kuruluşları tarafından sağlanan kredi riskinin alfabetik göstergeleridir. Kredi notları hükümetlerin kamu borcunu zamanında geri ödeme kabiliyetinin ve istekliliğinin bir değerlendirmesi olduğundan, yatırımcılar, borç veren kuruluşlar ve ilgili piyasa katılımcıları, yayınlanan raporlar doğrultusunda yatırım kararları alabilmektedir. Bu nedenle verilen notlar oldukça önemlidir. Bu çalışmada, 85 ülkenin 2017 yılına ait verisi için lojistik regresyon analizi ve yapay sinir ağları tekniklerinden yararlanılarak Moody’s kredi derecelendirme kuruluşunun ülke kredi notlarını verirken baskın olarak hangi faktörleri ele aldığı belirlenmiş ve verilen kredi notlarına göre ülkeler yatırım yapılabilirlik durumuna göre sınıflara ayrılmıştır. Analiz sonucunda, kişi başına düşen gayrisafi yurtiçi hasıla (GSYİH), enflasyon, genel hükümet faiz dışı dengesi / GSYİH, devlet borcu, dış ödemeler ve resmi Forex rezervleri değişkenleri istatistiksel olarak anlamlı bulunmuş, lojistik regresyon modelinin doğru sınıflandırma oranının %90,6 ve yapay sinir ağları modelinin doğru sınıflandırma oranının %88 olduğu sonucuna varılmıştır. Türkiye zaman zaman yatırım “yapılabilir ülkeler” kategorisinde yer alsa da, kredi derecelendirme kuruluşu Moody’s, 2018 Ağustos ayında Türkiye’nin kredi notunu Ba2’den Ba3’e, 2019 Haziran ayında ise B1’e düşürerek not görünümünü durağandan negatife düşürmüştür. Analiz sonucunda da buna paralel olarak kredi notları açısından Türkiye’nin “yatırım yapılamaz” sınıfına dahil edildiği belirlenmiştir.

Keywords: Ülke kredi notu; lojistik regresyon analizi; yapay sinir ağları (search for similar items in EconPapers)
Date: 2019
References: View references in EconPapers View complete reference list from CitEc
Citations:

Downloads: (external link)
https://dergipark.org.tr/tr/download/article-file/910229 (application/pdf)
https://dergipark.org.tr/tr/pub/ekoist/issue/50720/667771 (text/html)

Related works:
This item may be available elsewhere in EconPapers: Search for items with the same title.

Export reference: BibTeX RIS (EndNote, ProCite, RefMan) HTML/Text

Persistent link: https://EconPapers.repec.org/RePEc:ist:ekoist:v:31:y:2019:i:0:p:77-93

DOI: 10.26650/ekoist.2019.31.0019

Access Statistics for this article

EKOIST Journal of Econometrics and Statistics is currently edited by Aycan HEPSAĞ

More articles in EKOIST Journal of Econometrics and Statistics from Istanbul University, Faculty of Economics Contact information at EDIRC.
Bibliographic data for series maintained by Istanbul University Press Operational Team (Ertuğrul YAŞAR) ().