KaydedilenlerDerginizi ekleyin

Dergiler / Ekonomi Politika ve Finans Araştırmaları Dergisi / 2026 / Cilt: 6 Sayı: 1

Temiz Enerji Sektörü, Teknoloji Sektörü ve Ham Petrol Arasındaki Yayılım İlişkisi

Spillover Between Clean Energy Sector , Crude Oil and Technology Sector

Ahmet Galip Gençyürek(MUNZUR ÜNİVERSİTESİ, İKTİSADİ VE İDARİ BİLİMLER FAKÜLTESİ)0000-0002-5842-7942
Ramazan Ekinci(İZMİR BAKIRÇAY ÜNİVERSİTESİ)0000-0001-7420-9841
Sayfa
60–81
Yayın Tarihi
2021-04-30
🏛️Bu makalenin bibliyografik verileri ve tam metin bağlantısı DergiPark üzerinden sağlanmıştır.
DergiPark Kaydı ↗
✨

Yapay Zeka Hızlı Bakış & Çıkarımlar

AI Insight
⚡ TL;DR(1 Cümlede Hızlı Çıkarım)

Temiz enerji sektörü, teknoloji sektörü ve petrol piyasası sırasıyla Willderhill Endeksi (ECO), ArcaTech Endeksi ve WTI tarafından temsil edilmektedir. 2004-2019 döneminin analiz edildiği çalışma sonucunda ortalamada temiz enerji sektöründen petrol piyasasına doğru, varyansta ise; petrol piyasasından temiz enerji sektörüne doğru Granger nedenselliğin olduğu tespit edilmiştir.

📌 3 Maddede Bu Makale

🎯
Amaç & Hipotez:Küresel ısınmanın sonucu olarak ortaya çıkan iklim değişikliği yenilenebilir enerjiye diğer bir ifadeyle temiz enerjiye olan ilgiyi artırmıştır.
📊
Temel Bulgular & Veri:Gelişen teknolojiyle birlikte verimliliğin artması ve maliyetlerin azalması sonucunda da yenilenebilir enerji tüketimi hızlanmıştır.
💡
Sonuç & Katkı:Temiz enerji sektörü, teknoloji sektörü ve petrol piyasası sırasıyla Willderhill Endeksi (ECO), ArcaTech Endeksi ve WTI tarafından temsil edilmektedir. 2004-2019 döneminin analiz edildiği çalışma sonucunda ortalamada temiz enerji sektöründen petrol piyasasına doğru, varyansta ise; petrol piyasasından temiz enerji sektörüne doğru Granger nedenselliğin olduğu tespit edilmiştir.
🔬Tür:Araştırma Makalesi
📍Kapsam:2001 Verileri
⚙️Değişkenler:Yenilenebilir Enerji · Petrol Piyasası · Teknoloji Sektörü

Özet

Küresel ısınmanın sonucu olarak ortaya çıkan iklim değişikliği yenilenebilir enerjiye diğer bir ifadeyle temiz enerjiye olan ilgiyi artırmıştır. Gelişen teknolojiyle birlikte verimliliğin artması ve maliyetlerin azalması sonucunda da yenilenebilir enerji tüketimi hızlanmıştır. Petrol piyasasının yenilenebilir enerjinin ikamesi olması, teknolojinin de yenilenebilir enerjinin önemli bir girdisi olması nedeniyle teoride yenilenebilir enerjinin her iki değişkenden etkilendiği düşünülmektedir. Yapılan çalışma ile teoride ileri sürülen bu görüş hem ortalamada hem de varyansta nedensellik ilişkisinin tespitine olanak sağlayan Hong (2001) yöntemiyle incelenmek istenmektedir. Temiz enerji sektörü, teknoloji sektörü ve petrol piyasası sırasıyla Willderhill Endeksi (ECO), ArcaTech Endeksi ve WTI tarafından temsil edilmektedir. 2004-2019 döneminin analiz edildiği çalışma sonucunda ortalamada temiz enerji sektöründen petrol piyasasına doğru, varyansta ise; petrol piyasasından temiz enerji sektörüne doğru Granger nedenselliğin olduğu tespit edilmiştir. Kappa-1 yöntemiyle belirlenen varyans kırılma tarihlerinin dikkate alınması sonrasında nedensellik ilişkilerinin varlığında herhangi bir değişim gözlemlenmemiştir. Elde edilen sonuçların araştırmacılara, politika yapıcılara ve yatırımcılara önemli bilgiler sunacağı düşünülmektedir.

Abstract

Climate change resulting from global warming has increased the interest in renewable energy (clean energy). The consumption of renewable energy has accelerated as a result of increasing efficiency and decreasing costs due to the developing technology. In theory, renewable energy is thought to be affected by the oil market and technology sector, since the oil market is a substitute for renewable energy and technology sector is an important input of renewable energy. This view which is claimed in theory is aimed to be analyzed by the Hong (2001) method that allows the determination of causality both mean and variance. The clean energy sector, the technology sector, and the oil market are represented by the Willderhill Index (ECO), ArcaTech Index, and WTI respectively. As a result of the study that is span from 2004-2019, it has been determined that there is causality in mean from the oil market to the clean energy sector; and there is causality in variance from the clean energy sector to the oil market. After considering the variance breaking dates determined by the Kappa-1 method, no change was observed in the presence of causality. It is believed that the result obtained from the study, provide information to researches, policymakers and investors.

🔖

Bu Makaleye Atıf Yap

Gençyürek, A. G., Ekinci, R. (2021). Temiz Enerji Sektörü, Teknoloji Sektörü ve Ham Petrol Arasındaki Yayılım İlişkisi. Ekonomi Politika ve Finans Araştırmaları Dergisi, Cilt: 6 Sayı: 1, 60–81. https://doi.org/10.30784/epfad.798974

📄 Tam Metin PDF Okuyucu

📄

PDF görüntüleyici hazırlanıyor...

Kaynakça (33)

  1. Ahmad, W. (2017). An analysis of directional spillover between crude oilprices and stock prices of clean energy and technology companies. Research in International Business and Finance, 47, 376-389. https://doi.org/10.1016/j.ribaf.2017.07.140
  2. Baruník, J. and Křehlík, T. (2018). Measuring the frequency dynamics of financial connectedness and systemic risk. Journal of Financial Econometrics, 16(2), 271-296. https://doi.org/10.1093/jjfinec/nby001
  3. Bollerslev, T. (1986). Generalized autoregressive conditional heteroskedasticity. Journal of Econometrics, 31(3), 307-327. https://doi.org/10.1016/0304-4076(86)90063-1
  4. Bondia, R., Ghosh, S. and Kanjilal, K. (2016). International crude oil prices and the stock prices of clean energy and technology companies: Evidence from non-linear cointegration tests with unknown structural breaks. Energy, 101,558-565. https://doi.org/10.1016/j.energy.2016.02.031
  5. BP. (2018). BP Statistical Review of World Energy 67th Edition. Retrieved from https://www.bp.com/content/dam/bp/en/corporate/pdf/energy-economics/statistical-review/bp-stats-review-2018-oil.pdf
  6. Cheung, Y-W. and Ng, L. K. (1996). A causality-in-variance test and its application to financial market. Prices. Journal of Econometrics, 72(1-2), 33-48. https://doi.org/10.1016/0304-4076(94)01714-X
  7. Dawar, I., Dutta, A., Bouri, E. and Saeed, T. (2020). Crude oil prices and clean energy stock indices: Lagged and asymmetric effects with quantile regression. Renewable Energy, 163, 288-299. https://doi.org/10.1016/j.renene.2020.08.162
  8. De Pooter, M. and Van Dijk, D. (2004). Testing for changes in volatility in heteroskedastic time series-a further examination (No. EI 2004-38). Retrieved from https://repub.eur.nl/pub/1627/
  9. Ding, Z., Granger, C. W. J. and Engle, R. F. (1993). A long memory property of stock market returns and a new model. Journal of Emprical Finanace, 1, 83-106. https://doi.org/10.1016/0927-5398(93)90006-D
  10. Dutta, A. (2017). Oil price uncertainty and clean energy stock returns: New evidence from crude oil volatility index. Journal of Cleaner Production, 164, 1157-1166. https://doi.org/10.1016/j.jclepro.2017.07.050
  11. EIA. (2019). International Energy Outlook with projections to 2050. Retrieved from https://www.eia.gov/outlooks/ieo/
  12. Engle, R. F. (1982). Autoregressive conditional heteroscedasticity with estimates of the variance of United Kingdom inflation. Econometrica: Journal of the econometric society, 987-1007. https://doi.org/10.2307/1912773
  13. Ferrer, R., Shahzad, S. J. H., Lopez, R. and Jareno, F. (2018). Time and frequency dynamics of connectedness between renewable energy stocks and crude oil prices. Energy Economics, 76, 1-20. https://doi.org/10.1016/j.eneco.2018.09.022
  14. Henriques, I. and Sadorsky, P. (2008). Oil prices and the stock prices of alternative energy companies. Energy Economics, 30, 998-1010. https://doi.org/10.1016/j.eneco.2007.11.001
  15. Hong, Y. (2001). A test for volatility spillover with application to exchange rates. Journal of Econometrics, 103, 183-224. https://doi.org/10.1016/S0304-4076(01)00043-4
  16. Kocaarslan, B. and Soytaş, U. (2019). Dynamic correlations between oil prices and the stock prices of clean energy and technology firms: The role of reserve currency (US dollar). Energy Economics, 84, 1-11. https://doi.org/10.1016/j.eneco.2019.104502
  17. Korkmaz, T. ve Çevik, E. İ. (2009). Zımni volatilite endeksinden gelişmekte olan piyasalara yönelik volatilite yayılma etkisi. BDDK Bankacılık ve Finansal Piyasalar, 3(2), 87-105. Erişim adresi: https://dergipark.org.tr/tr/pub/bddkdergisi
  18. Kumar, S., Managi, S. and Matsuda, A. (2012). Stock prices of clean energy firms, oil and carbon markets: A vector autoregressive analysis. Energy Economics, 34, 215-226. https://doi.org/10.1016/j.eneco.2011.03.002
  19. Maghyereh, A. I., Awartani, B. and Abdoh, H. (2019). The co-movement between oil and clean energy stocks: A wavelet based analysis of horizon associations. Energy, 169, 895-913. https://doi.org/10.1016/j.energy.2018.12.039
  20. Managi, S. and Okimoto, T. (2013). Does the price of oil interact with clean energy prices in the stock market?. Japan and the World Economy, 27, 1-9. https://doi.org/10.1016/j.japwor.2013.03.003
  21. Mandelbrot, B. (1963). The variation of certain speculative prices. The Journal of Business, 36(4), 394-419. doi: 10.1086/294632
  22. Nasreen, S., Tiwari, A. K., Eizaguirre, J. C. and Wohar, M. E. (2020). Dynamic connectedness between oil prices and stock returns of clean energy and technology companies. Journal of Cleaner Production, 260, 1-21. https://doi.org/10.1016/j.jclepro.2020.121015
  23. Nelson, D. (1991). Conditional heteroskedasticity in asset returns: a new approach. Econometrica, 59(2), 347-370. https://doi.org/10.2307/2938260
  24. Painuly, P. I. and Wohlgemuth, N. (2020). Economics of renewable energy. U. Soytaş and R. Sarı (Eds.), Handbook of Energy Economics (pp.68-84). NY: Routledge.
  25. Pham, L. (2019). Do all clean energy stocks respond homogeneously to oil price?. Energy Economics, 81, 355-379. https://doi.org/10.1016/j.eneco.2019.04.010
  26. Reboredo, J. C. and Ugolini, A. (2018). The impact of energy prices on clean energy stock prices. A multivariate quantile dependence approach. Energy Economics, 76, 136-152. https://doi.org/10.1016/j.eneco.2018.10.012
  27. Reboredo, J. C., Rivera-Castro, M. A. and Ugolini, A. (2017). Wavelet-based test of co-movement and causality between oil and renewable energy stock prices. Energy Economics, 61, 241-252. https://doi.org/10.1016/j.eneco.2016.10.015
  28. Sadorsky, P. (2012). Correlations and volatility spillovers between oil prices and the stock prices of clean energy and technology companies. Energy Economics, 34, 248-255. https://doi.org/10.1016/j.eneco.2011.03.006
  29. Sanso, A., Arago, V. and Silvestre, J. (2004). Testing for changes in the unconditional variance of financial time series. Revista de Economia Financiera, 4(1), 32-53. Retrieved from https://dspace.uib.es/
  30. Song, Y., Ji, Q., Du, Y-J. and Geng, J-B. (2019). The dynamic dependence of fossil energy, investor sentiment andrenewable energy stock markets. Energy Economics, 84, 1-15. https://doi.org/10.1016/j.eneco.2019.104564
  31. Terasvirta, T. (2009). An introduction to univariate Garch models. In T. G. Andersen, R A. Davis, J-P. Kreib and T. Mikosch (Eds.), Handbook of Financial Time Series (pp. 17-42). Berlin: Springer.
  32. Yıldırım, D. Ç., Çevik, E. İ. and Esen, Ö. (2020). Time-varying volatility spillovers between oil prices and precious metal prices. Resources Policy, 68, 1-14. https://doi.org/10.1016/j.resourpol.2020.101783
  33. Painuly, P. I. and Wohlgemuth, N. (2020). Economics of renewable energy. U. Soytaş and R. Sarı (Eds.), Handbook of Energy Economics (pp.68-84). NY: Routledge.