KaydedilenlerDerginizi ekleyin

Dergiler / Alanya Akademik Bakış / 2026 / Cilt: 10 Sayı: 3

Energy Transportation Uncertainty and Global Risk Spreads: Evidence From The TVP-VAR Model

Levent Sezal(Kahramanmaraş Sütçü İmam Üniversitesi Sosyal Bilimler Meslek Yüksek Okulu)0000-0002-8873-7335
Sayfa
835–849
Yayın Tarihi
2026-09-29
🏛️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)

Bulgular, değişkenler arasında orta düzeyde ancak zaman içinde değişen bir bağlantılılık yapısına işaret etmekte ve küresel kriz dönemlerinde yayılım etkilerinin belirgin biçimde arttığını göstermektedir.

📌 3 Maddede Bu Makale

🎯
Amaç & Hipotez:Bu çalışma, enerji taşımacılığı belirsizliği (ETU), jeopolitik risk (GPR), küresel belirsizlik (WUI), navlun piyasaları, enerji fiyatları ve finansal piyasa oynaklığı arasındaki dinamik yayılım etkilerini zamanla değişen parametreli VAR (TVP-VAR) modeli çerçevesinde incelemektedir.
📊
Temel Bulgular & Veri:ETU, enerji taşımacılığı ve lojistiğe ilişkin belirsizlikleri yansıtan haber temelli bir endeks olarak oluşturulmakta ve GPR ile WUI gibi daha genel belirsizlik göstergelerinden farklı olarak sektör-özel bir risk kanalı olarak ele alınmaktadır. 2008:01–2025:11 dönemine ait aylık verilerin kullanıldığı analizde, değişkenlerin zaman serisi özellikleri tahmin öncesinde incelenmiş; BDI serisi, küresel navlun piyasası koşullarına ilişkin ekonomik yorumunu ve uzun dönemli bilgiyi korumak amacıyla düzey değerleriyle modele dâhil edilmiştir.
💡
Sonuç & Katkı:Bulgular, değişkenler arasında orta düzeyde ancak zaman içinde değişen bir bağlantılılık yapısına işaret etmekte ve küresel kriz dönemlerinde yayılım etkilerinin belirgin biçimde arttığını göstermektedir.
🔬Tür:Modelleme & Sayısal Simülasyon
📍Kapsam:2008 Verileri
⚙️Değişkenler:Enerji Taşımacılığı Belirsizliği · Jeopolitik Risk · Küresel Belirsizlik

Özet

Bu çalışma, enerji taşımacılığı belirsizliği (ETU), jeopolitik risk (GPR), küresel belirsizlik (WUI), navlun piyasaları, enerji fiyatları ve finansal piyasa oynaklığı arasındaki dinamik yayılım etkilerini zamanla değişen parametreli VAR (TVP-VAR) modeli çerçevesinde incelemektedir. ETU, enerji taşımacılığı ve lojistiğe ilişkin belirsizlikleri yansıtan haber temelli bir endeks olarak oluşturulmakta ve GPR ile WUI gibi daha genel belirsizlik göstergelerinden farklı olarak sektör-özel bir risk kanalı olarak ele alınmaktadır. 2008:01–2025:11 dönemine ait aylık verilerin kullanıldığı analizde, değişkenlerin zaman serisi özellikleri tahmin öncesinde incelenmiş; BDI serisi, küresel navlun piyasası koşullarına ilişkin ekonomik yorumunu ve uzun dönemli bilgiyi korumak amacıyla düzey değerleriyle modele dâhil edilmiştir. Bulgular, değişkenler arasında orta düzeyde ancak zaman içinde değişen bir bağlantılılık yapısına işaret etmekte ve küresel kriz dönemlerinde yayılım etkilerinin belirgin biçimde arttığını göstermektedir. Yönsel bağlantılılık sonuçları, ETU’nun pandemi sonrası dönemde özellikle navlun piyasaları ve enerji fiyatları üzerinde net şok yayıcı konuma geçtiğini, finansal oynaklığın ise çoğunlukla net şok alıcı olduğunu ortaya koymaktadır. Elde edilen bulgular, sektör-özel belirsizliklerin makro-finansal dinamikler üzerindeki önemini vurgulamaktadır.

Abstract

This study investigates the dynamic spillover effects among energy transportation uncertainty (ETU), geopolitical risk (GPR), global uncertainty (WUI), freight markets, energy prices and financial market volatility within a time-varying parameter VAR (TVP-VAR) framework. ETU is constructed as a news-based index that captures uncertainty related to energy transportation and logistics, representing a sector-specific risk channel distinct from broader uncertainty measures such as GPR and WUI. Using monthly data for the period 2008:01–2025:11, the time-series properties of the variables are examined prior to estimation, and the BDI is retained in levels to preserve its economic interpretation and the long-term information embedded in global freight market conditions. The empirical results reveal a moderate but time-varying connectedness structure, with spillover effects intensifying during periods of global stress such as the global financial crisis and the COVID-19 pandemic. Directional connectedness findings indicate that ETU becomes a net transmitter of shocks in the post-pandemic period, particularly influencing freight markets and energy prices, while financial volatility generally acts as a net receiver. These findings underscore the importance of sector-specific uncertainty channels in shaping macro-financial dynamics and provide implications for energy security and risk management policies.

🔖

Bu Makaleye Atıf Yap

Sezal, L. (2026). Energy Transportation Uncertainty and Global Risk Spreads: Evidence From The TVP-VAR Model. Alanya Akademik Bakış, Cilt: 10 Sayı: 3, 835–849. https://doi.org/10.29023/alanyaakademik.1905836

📄 Tam Metin PDF Okuyucu

📄

PDF görüntüleyici hazırlanıyor...

Kaynakça (47)

  1. Ahir, H., Bloom, N., & Furceri, D. (2018). The World Uncertainty Index (mimeo).
  2. Ahir, H., Bloom, N., & Furceri, D. (2022). The World Uncertainty Index. NBER Working Paper No. 29763. https://www.nber.org/papers/w29763
  3. Akyıldırım, E., Güneş, H., & Çelik, İ. (2022). Türkiye'de finansal varlıklar arasında dinamik bağlantılılık: TVP-VAR modelinden kanıtlar. Gazi İktisat ve İşletme Dergisi, 8(2), 346–363. https://doi.org/10.30855/gjeb.2022.8.2.010
  4. Aydoğdu, A. (2025). Risk şokları ve Türkiye'deki finansal varlıklar arasındaki yayılım etkisinin TVP-VAR dayalı wavelet uyum analizi ile incelenmesi. Ekonomi Politika ve Finans Araştırmaları Dergisi, 10(1), 303–331. https://doi.org/10.30784/epfad.1595233
  5. Alptürk, Y., & Orhan, M. A. (2025). Baltık kuru yük endeksi’nin finansal piyasalar, emtia fiyatları ve kripto paralar üzerindeki etkisinin wavelet uyum analizi ile incelenmesi. Malatya Turgut Özal Üniversitesi İşletme ve Yönetim Bilimleri Dergisi, 6(1), 88–100.
  6. Antonakakis, N., Gabauer, D., & Gupta, R. (2019). International monetary policy spillovers: evidence from a time-varying parameter vector autoregression. International Review of Financial Analysis, 65, 101382. https://doi.org/10.1016/j.irfa.2019.101382
  7. Antonakakis, N., Chatziantoniou, I., & Filis, G. (2014). Dynamic spillovers of oil price shocks and economic policy uncertainty. Energy Economics, 44, 433–447. https://doi.org/10.1016/j.eneco.2014.05.007
  8. Baker, S. R., Bloom, N., & Davis, S. J. (2016). Measuring economic policy uncertainty. The Quarterly Journal of Economics, 131(4), 1593–1636. https://doi.org/10.1093/qje/qjw024
  9. Baruník, J., & Křehlík, T. (2018). Measuring the frequency dynamics of financial connectedness and systemic risk. Journal of Financial Econometrics, 16(2), 271–296.
  10. Baumeister, C., & Peersman, G. (2013). Time-varying effects of oil supply shocks on the US economy. American Economic Journal: Macroeconomics, 5(4), 1–28. https://doi.org/10.1257/mac.5.4.1
  11. Benigno, G., di Giovanni, J., Groen, J. J. J., & Noble, A. I. (2022). The GSCPI: A new barometer of global supply chain pressures. Federal Reserve Bank of New York Staff Reports, No. 1017.
  12. Bloom, N. (2009). The impact of uncertainty shocks. Econometrica, 77(3), 623–685. https://doi.org/10.3982/ECTA6248
  13. Bloom, N. (2014). Fluctuations in uncertainty. Journal of Economic Perspectives, 28(2), 153–176. https://doi.org/10.1257/jep.28.2.153
  14. Caldara, D., & Iacoviello, M. (2022). Measuring geopolitical risk. American Economic Review, 112(4), 1194–1225. https://doi.org/10.1257/aer.20191823
  15. Caldara, D., Iacoviello, M., Molligo, P., Prestipino, A., & Raffo, A. (2020). The economic effects of trade policy uncertainty. Journal of Monetary Economics, 109, 38–59.
  16. Carter, C. K., & Kohn, R. (1994). On Gibbs sampling for state space models. Biometrika, 81(3), 541–553. https://doi.org/10.1093/biomet/81.3.541
  17. Cunado, J., Gupta, R., Lau, C. K. M., & Sheng, X. (2020). Time-varying impact of geopolitical risks on oil prices. Defence and Peace Economics, 31(6), 692–706.
  18. Diebold, F. X., & Yılmaz, K. (2012). Better to give than to receive: Predictive directional measurement of volatility spillovers. International Journal of Forecasting, 28(1), 57–66.
  19. Diebold, F. X., & Yılmaz, K. (2014). On the network topology of variance decompositions: Measuring the connectedness of financial firms. Journal of Econometrics, 182(1), 119–134. https://doi.org/10.1016/j.jeconom.2014.04.012
  20. Diebold, F. X., Liu, L., & Yılmaz, K. (2017). Commodity connectedness (NBER Working Paper No. 23685). National Bureau of Economic Research.
  21. Fernández-Villaverde, J., Guerrón-Quintana, P., Rubio-Ramírez, J. F., & Uribe, M. (2011). Risk matters: The real effects of volatility shocks. American Economic Review, 101(6), 2530–2561. https://doi.org/10.1257/aer.101.6.2530
  22. Hamilton, J. D. (1983). Oil and the macroeconomy since World War II. Journal of Political Economy, 91(2), 228–248. https://doi.org/10.1086/261140
  23. Hamilton, J. D. (2009). Causes and consequences of the oil shock of 2007–08. Brookings Papers on Economic Activity, 40(1), 215–283.
  24. Herrera, A. M., & Pesavento, E. (2009). Oil price shocks, systematic monetary policy, and the “Great Moderation”. Macroeconomic Dynamics, 13(1), 107–137.
  25. Jurado, K., Ludvigson, S. C., & Ng, S. (2015). Measuring uncertainty. American Economic Review, 105(3), 1177–1216. https://doi.org/10.1257/aer.20131193
  26. Kamışlı, M. (2025). Merkez bankası dijital para birimleri belirsizliği ve finansal piyasalara oynaklık yayılımları. Hitit Journal of Social Sciences, 18(3), 968–985. https://doi.org/10.17218/hititsbd.1769030
  27. Kang, W., & Ratti, R. A. (2013). Oil shocks, policy uncertainty and stock market return. Journal of International Financial Markets, Institutions and Money, 26, 305–318. https://doi.org/10.1016/j.intfin.2013.07.001
  28. Kang, W., Ratti, R. A., & Yoon, K.-H. (2015). Time-varying effect of oil market shocks on the stock market. Journal of Banking & Finance, 61(Suppl. 2), S150–S163.
  29. Kara, E., & Gök, R. (2023). Time-varying and quantile-based relationship among geopolitical risks, oil and gold prices. Ekonomika, 101(2), 125–142. https://doi.org/10.15388/Ekon.2022.101.2.8
  30. Kilian, L. (2009). Not all oil price shocks are alike: Disentangling demand and supply shocks in the crude oil market. American Economic Review, 99(3), 1053–1069. https://doi.org/10.1257/aer.99.3.1053
  31. Kilian, L., & Murphy, D. P. (2014). The role of inventories and speculative trading in the global market for crude oil. Journal of Applied Econometrics, 29(3), 454–478. https://doi.org/10.1002/jae.2322
  32. Kilian, L., & Zhou, X. (2018). Modeling fluctuations in the global demand for commodities. Journal of International Money and Finance, 88, 54–78. https://doi.org/10.1016/j.jimonfin.2018.07.001
  33. Kim, S., Shephard, N., & Chib, S. (1998). Stochastic volatility: Likelihood inference and comparison with ARCH models. Review of Economic Studies, 65(3), 361–393. https://doi.org/10.1111/1467-937X.00050
  34. Koop, G., & Korobilis, D. (2010). Bayesian multivariate time series methods for empirical macroeconomics. Foundations and Trends in Econometrics, 3(4), 267–358. https://doi.org/10.1561/0800000013
  35. Koop, G., Pesaran, M. H., & Potter, S. M. (1996). Impulse response analysis in nonlinear multivariate models. Journal of Econometrics, 74(1), 119–147. https://doi.org/10.1016/0304-4076(95)01753-4
  36. Lin, A. J., Chang, H.-Y., & Hsiao, J. L. (2019). Does the Baltic Dry Index drive volatility spillovers in the commodities, currency or stock markets? Transportation Research Part E: Logistics and Transportation Review, 127, 265–283.
  37. Lin, F., & Sim, N. C. S. (2013). Trade, income and the Baltic Dry Index. European Economic Review, 59, 1–18. https://doi.org/10.1016/j.euroecorev.2012.12.004
  38. Liu, J., Ma, F., Tang, Y., & Zhang, Y. (2019). Geopolitical risk and oil volatility: A new insight. Energy Economics, 84, 104548.
  39. Lubik, T. A., & Matthes, C. (2015). Time-varying parameter vector autoregressions: Specification, estimation, and an application. Economic Quarterly, 101(4), 323–352.
  40. Mei, D., Ma, F., Liao, Y., & Wang, L. (2020). Geopolitical risk uncertainty and oil future volatility: Evidence from MIDAS models. Energy Economics, 86, 104624. https://doi.org/10.1016/j.eneco.2019.104624
  41. Morão, H. (2025). The economic effects of tensions in energy transportation. Research in Transportation Economics. https://doi.org/10.1016/j.retrec.2025.101598
  42. Nakajima, J. (2011). Time-varying parameter VAR model with stochastic volatility: An overview of methodology and empirical applications. Monetary and Economic Studies, 29, 107–142.
  43. Pesaran, H. H., & Shin, Y. (1998). Generalized impulse response analysis in linear multivariate models. Economics Letters, 58(1), 17–29. https://doi.org/10.1016/S0165-1765(97)00214-0
  44. Primiceri, G. E. (2005). Time varying structural vector autoregressions and monetary policy. The Review of Economic Studies, 72(3), 821–852. https://doi.org/10.1111/j.1467-937X.2005.00353.x
  45. Qian, L., Zeng, Q., & Li, T. (2022). Geopolitical risk and oil price volatility: Evidence from Markov-switching model. International Review of Economics & Finance, 81, 29–38. https://doi.org/10.1016/j.iref.2022.05.002
  46. Siow, X. Y., & Tsen, W. H. (2025). The interplay between economic policy, oil price and economic growth in Malaysia. Ekonomika, 104(2), 59–77. https://doi.org/10.15388/Ekon.2025.104.2.4
  47. Yang, T., (et al.). (2023). Geopolitical risks, oil price shocks and inflation: Evidence from a TVP–SV–VAR model. Energy Economics, 127.