Journals / Rahva Teknik ve Sosyal Araştırmalar Dergisi / 2026 / Cilt: 6 Sayı: 1

Eras of Uncertainty in the Turkish Economy: Evidence from Modeling of the Economic Country-Specific Uncertainty (ECSU) Index for Türkiye

Türkiye Ekonomisinde Belirsizlik Dönemleri: Türkiye’ye Özgü Ekonomik Belirsizlik (ECSU) Endeksinin Modellenmesi Üzerinden Kanıtlar

Şiyar Canpolat(BİTLİS EREN ÜNİVERSİTESİ)0000-0002-6022-2882
Pages
1–14
Publication Date
2026-06-30
DOI
—
🏛️Bibliographic metadata and full text access for this article are provided via DergiPark.
DergiPark Record ↗
✨

AI Summary & Key Takeaways

AI Insight
⚡ TL;DR(Too Long; Didn't Read)

The findings reveal that the ECSU index can be best modeled with the ARMA(0,4)-GARCH(1,1) model.

📌 3 Key Takeaways

🎯
Objective & Hypothesis:This study has two main objectives: Firstly, we aim to find the best-fitting time series model for the economic country-specific uncertainty (ECSU) index for Türkiye for the period January 2006-December 2024.
📊
Key Findings & Data:Secondly, through this modeling, we aim to guide policymakers on the policies they can implement by revealing eras of increases in uncertainty in the Turkish economy and the events that occurred during these eras.
💡
Conclusion & Impact:The findings reveal that the ECSU index can be best modeled with the ARMA(0,4)-GARCH(1,1) model.
🔬Design:Modeling & Simulation
📍Scope:2006 Verileri
⚙️Variables:ECSU endeksi · Ekonomi politikaları · Ekonomik belirsizlik

Abstract

This study has two main objectives: Firstly, we aim to find the best-fitting time series model for the economic country-specific uncertainty (ECSU) index for Türkiye for the period January 2006-December 2024. Secondly, through this modeling, we aim to guide policymakers on the policies they can implement by revealing eras of increases in uncertainty in the Turkish economy and the events that occurred during these eras. In this study, we use symmetric (ARCH, ARCH-M, GARCH, GARCH-M) and asymmetric (EGARCH, TARCH, PARCH) conditional heteroscedasticity models along with ARMA models. The findings reveal that the ECSU index can be best modeled with the ARMA(0,4)-GARCH(1,1) model. The conditional variance series (CV-ECSU) obtained after this modeling is expressed as a new variable showing the increases in economic uncertainty in Türkiye during the eras of December 2008, October 2010, May 2011, November 2011, January 2012, April 2013, September 2013, April 2015, April 2020, February 2022, and June 2022. We identify February 2022 as the era with the greatest increase in uncertainty, followed by April 2020, June 2022, and January 2012, respectively. Therefore, it can be said that the developments that have increased uncertainty the most in the Turkish economy are, respectively, i) Russia's invasion of Ukraine and increasing the volatility in oil prices, ii) the Covid-19 (coronavirus) pandemic, iii) the disagreement between TÜİK (Turkish Statistical Institute) and ENAG (Inflation Research Group) regarding the level of inflation, and iv) the European debt crisis (Euro crisis); high volatility in inflation, interest rates and exchange rates; elections; terrorist attacks. In conclusion, it can be stated that the most important step policymakers in Türkiye need to take in the economy is to reduce uncertainty. The way to reduce uncertainty is primarily by correctly identifying the source of that uncertainty (domestic & foreign). It can be said that the effectiveness of monetary, fiscal, and other policies implemented by policymakers depends on this. Otherwise, an incorrect assessment could lead to further uncertainty, resulting in undesirable consequences for the economy.

Özet

Bu çalışmada iki temel amaç güdülmüştür: Birincisi, Ocak 2006-Aralık 2024 dönemine ait Türkiye’ye özgü ekonomik belirsizlik (ECSU) endeksine en uygun zaman serisi modelini bulmak. İkincisi, bu modelleme yoluyla Türkiye ekonomisinde belirsizliğin arttığı dönemleri ve bu dönemlerde yaşanan olayları ortaya koyarak politika yapıcılara uygulayabilecekleri politikalar hususunda yol gösterici olmak. Çalışmada ARMA modelleri ile birlikte simetrik (ARCH, ARCH-M, GARCH, GARCH-M) ve asimetrik (EGARCH, TARCH, PARCH) koşullu değişen varyans modelleri kullanılmıştır. Elde edilen bulgular, ECSU endeksinin en iyi ARMA(0,4)-GARCH(1,1) modeliyle modellenebileceğini ortaya koymuştur. Bu modelleme sonrası elde edilen koşullu varyans serisi (CV-ECSU), Türkiye’de Aralık 2008, Ekim 2010, Mayıs 2011, Kasım 2011, Ocak 2012, Nisan 2013, Eylül 2013, Nisan 2015, Nisan 2020, Şubat 2022 ve Haziran 2022 dönemlerinde ekonomideki belirsizlik artışlarını gösteren yeni bir değişken olarak ifade edilmiştir. Bu tarihler içerisinde belirsizliğin en fazla arttığı dönem olarak Şubat 2022; sonrasında sırasıyla Nisan 2020, Haziran 2022 ve Ocak 2012 gösterilmiştir. Dolayısıyla, Türkiye ekonomisinde belirsizliği en fazla arttıran gelişmelerin sırasıyla; i) Rusya’nın Ukrayna’yı işgali ve petrol fiyatlarında oynaklığın artması, ii) Covid-19 (koronavirüs) pandemisi, iii) TÜİK ve ENAG arasında enflasyonun düzeyi konusundaki anlaşmazlık ve iv) Avrupa borç krizi (Euro krizi); enflasyon, faizler ve döviz kurlarında oynaklığın artması; seçimler; terör saldırıları olduğu söylenebilir. Sonuç olarak, Türkiye’de politika yapıcıların ekonomide atmaları gereken en önemli adımın belirsizliği azaltmak olduğu ifade edilebilir. Belirsizliği azaltabilmenin yolu, öncelikle belirsizliğin kaynağını (yurtiçi & yurtdışı) doğru tespit etmekten geçmektedir. Politika yapıcıların uygulayacağı para, maliye vb. politikalarının sonuç alıcı olabilmesinin buna bağlı olduğu söylenebilir. Aksi halde, yanlış bir tespit belirsizliğin daha da artmasına sebebiyet vererek ekonomide istenmeyen sonuçlara yol açabilir.

🔖

Cite This Article

Canpolat, Ş. (2026). Eras of Uncertainty in the Turkish Economy: Evidence from Modeling of the Economic Country-Specific Uncertainty (ECSU) Index for Türkiye. Rahva Teknik ve Sosyal Araştırmalar Dergisi, Cilt: 6 Sayı: 1, 1–14. https://ajindex.com/articles/1620474

📄 Full Text PDF Viewer

📄

PDF görüntüleyici hazırlanıyor...

References (20)

  1. Alp, İ.A. (2013). Terörün ekonomik etkileri. Uluslararası Güvenlik ve Terörizm Dergisi, 4(1), 1-19.
  2. Baker, S.R., Bloom, N. & Davis, S.J. (2016). Measuring economic policy uncertainty. The Quarterly Journal of Economics, 131(4), 1593–1636.
  3. Bollerslev, T. (1986). Generalized autoregressive conditional heteroskedasticity. Journal of Econometrics, 31, 307-327.
  4. Box, G.E.P. & Jenkins, G.M. (1976). Time Series Analysis Forecasting and Control. Gözden Geçirilmiş Baskı. Holden-Day.
  5. Çakaş, C.Ö. (2019). Euro krizinin nedenleri ve sonuçları üzerine bir inceleme. Alanya Akademik Bakış, 3(1), 73-84. https://doi.org/10.29023/alanyaakademik.481252
  6. Çetinkaya, A.T. (2015). Euro krizinin AB ve Türkiye üzerindeki etkileri: 2008 küresel krizi bağlamında bir değerlendirme. Ufuk Üniversitesi Sosyal Bilimler Enstitüsü Dergisi, 7, 87-108.
  7. Çil Yavuz, N. (2015). Finansal Ekonometri. 2. Basım. DER Yayınları. Ding, Z., Granger, C.W.J. & Engle, R.F. (1993). A long memory property of stock market returns and a new model. Journal of Empirical Finance, 1, 83-106. Eğilmez, M. (2019). Türkiye Ekonomisi. 2. Basım. Remzi Kitabevi.
  8. Eğilmez, M. (2024, 3 Ocak). Enflasyonun gerçekliği ve para politikası üzerine. Kendime Yazılar. https://www.mahfiegilmez.com/2024/01/enflasyonun-gercekligi-ve-para.html
  9. Engle, R. (1982). Autoregressive conditional heteroskedasticity with estimates of the variance of United Kingdom inflation. Econometrica, 50, 987-1007.
  10. Engle, R.E., Lilien, D.M. & Robins, R.P. (1987). Estimating time varying risk premia in the term structure: The ARCH-M model. Econometrica, 55(2), 391-407. Glosten, L.R., Jagannathan, R. & Runkle, D.E. (1993). On the relation between the expected value and the volatility of the nominal excess return on stocks. The Journal of Finance, 48(5), 1779-1801.
  11. Kilic, I. & Balli, F. (2024). Measuring economic country-specific uncertainty in Türkiye. Empirical Economics, 67, 1649–1689. https://doi.org/10.1007/s00181-024-02594-z
  12. Nelson, D.B. (1991). Conditional heteroskedasticity in asset returns: A new approach. Econometrica, 59(2), 347-370.
  13. Özen Atabey, A. (2025). Türkiye’deki ekonomik belirsizlik ile döviz kuru ve enflasyon oynaklıklarının girişimcilik faaliyetlerine etkisi: Dalgacık koherens analizi. İşletme Araştırmaları Dergisi, 17(3), 2338-2357. https://doi.org/10.20491/isarder.2025.2099
  14. Policy Uncertainty. (2025). Türkiye economic uncertainty index [Dataset]. https://www.policyuncertainty.com/turkiye_index.html Sarıkovanlık, V., Koy, A., Akkaya, M., Yıldırım, H.H. & Kantar, L. (2019). Finans Biliminde Ekonometri Uygulamaları Kavram-Uygulama-Analiz. Seçkin Yayınları.
  15. Sevüktekin, M. & Çınar, M. (2014). Ekonometrik Zaman Serileri Analizi EViews Uygulamalı. Genişletilmiş 4. Baskı. Dora Yayıncılık.
  16. Şahin, A. (2025). The interaction between economic uncertainties and financial cycles in Türkiye: Frequency domain symmetric and asymmetric causality analysis. Ekonomi, Politika & Finans Araştırmaları Dergisi, 10(2), 484-501. https://doi.org/10.30784/epfad.1666589
  17. Ünüvar, İ. & Aktaş, H. (2022). Dünya’da ve Türkiye’de Covid-19 pandemisinin ekonomik etkileri. Selçuk Üniversitesi Sosyal Bilimler Meslek Yüksekokulu Dergisi, 25(1), 124-140.
  18. Yıldırım, H.H. & Yıldırım, C.Y. (2025). Rusya’nın Ukrayna işgalinin BIST endeksleri üzerindeki etkisi. Uluslararası Bankacılık, Ekonomi ve Yönetim Araştırmaları Dergisi, 8(2), 1-21. https://doi.org/10.52736/ubeyad.1791489
  19. Yıldız, B. (2025a). Ekonomik belirsizlik altında sermaye piyasası ile bileşik öncü göstergeler arasındaki ilişki: BIST üzerine bir inceleme. Maliye ve Finans Yazıları, 124, 395-424. https://doi.org/10.33203/mfy.1746671
  20. Yıldız, B. (2025b). Vergi gelirleri ile mali piyasaların etkileşiminin ekonomik belirsizlik koşullarında incelenmesi: Türkiye örneği. Vergi Sorunları Dergisi, 445, 30-54.