KaydedilenlerDerginizi ekleyin

Dergiler / Muhasebe ve Finans İncelemeleri Dergisi / 2025 / Cilt: 8 Sayı: 2

TÜRKİYE’DE DÜŞÜK VE YÜKSEK ENFLASYON REJİMLERİNDE KREDİ KARTI TAKİBE DÜŞME ORANLARINDAKİ OYNAKLIKLARIN MODELLENMESİ

MODELING VOLATILITY IN CREDIT CARD DEFAULT RATES IN LOW AND HIGH INFLATION REGIMES IN TURKEY

K. Batu Tunay(Marmara Üniversitesi Finansal Bilimler Fakültesi)0000-0002-9040-5831
Sayfa
386–405
Yayın Tarihi
2025-10-01
🏛️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)

Yüksek enflasyon rejimleri nispeten kısa sürmesine rağmen, takibe düşen kredi kartlarının oynaklığını arttırdığı görülmektedir.

📌 3 Maddede Bu Makale

🎯
Amaç & Hipotez:Bu çalışmada, Türkiye’de enflasyon oranlarındaki artışın kredi kartlarının takibe düşme oranlarına etkileri Markov rejim değişimi modelleriyle analiz edilmiştir. 2003-2024 dönemini kapsayan ve aylık verilerle yapılan analizlerde, enflasyona bağlı rejim değişimlerinin takibe düşen kredi kartlarına etkisi araştırılmış, egzojen değişkenler olarak faiz oranı ve döviz kurunun etkileri dikkate alınmıştır.
📊
Temel Bulgular & Veri:Farklı varyans tanımlamalarıyla alternatif modeller test edilmiş, MS-GARCH modelinin alternatiflerine göre daha başarılı bir tahmin performansı sunduğu belirlenmiştir.
💡
Sonuç & Katkı:Yüksek enflasyon rejimleri nispeten kısa sürmesine rağmen, takibe düşen kredi kartlarının oynaklığını arttırdığı görülmektedir.
🔬Tür:Modelleme & Sayısal Simülasyon
📍Kapsam:2003-2024 Verileri
⚙️Değişkenler:Kredi Kartları · Takibe Düşme Oranları · Enflasyon

Özet

Bu çalışmada, Türkiye’de enflasyon oranlarındaki artışın kredi kartlarının takibe düşme oranlarına etkileri Markov rejim değişimi modelleriyle analiz edilmiştir. 2003-2024 dönemini kapsayan ve aylık verilerle yapılan analizlerde, enflasyona bağlı rejim değişimlerinin takibe düşen kredi kartlarına etkisi araştırılmış, egzojen değişkenler olarak faiz oranı ve döviz kurunun etkileri dikkate alınmıştır. Diğer yandan, rejime bağlı gecikmeler ve deterministik terimler de modellere dahil edilmiştir. Farklı varyans tanımlamalarıyla alternatif modeller test edilmiş, MS-GARCH modelinin alternatiflerine göre daha başarılı bir tahmin performansı sunduğu belirlenmiştir. Elde edilen sonuçlar, takibe düşen kredi kartlarının tüketici kredisi faizlerindeki değişimden ve kendi gecikmeli değerlerinden güçlü bir şekilde etkilendiğini göstermiştir. Ama döviz kurunun anlamlı bir etkisi olduğu belirlenememiştir. Yüksek enflasyon dönemlerinde artan faiz oranları, kartla yapılan kredili harcamaları azaltmakta ve bu değişkenlerin kredi kartı temerrütlerine negatif etki yapmasına neden olmaktadır. Diğer yandan, kredi kartı temerrüt şoklarının kalıcılığının yüksek olduğu saptanmıştır. Yüksek enflasyon rejimleri nispeten kısa sürmesine rağmen, takibe düşen kredi kartlarının oynaklığını arttırdığı görülmektedir.

Abstract

This study analyzes the effects of increasing inflation rates on credit card default rates in Turkey using Markov regime-switching models. The analysis, covering the period from 2003 to 2024 and based on monthly data, investigates the impact of inflation-related regime changes on non-performing credit card debt, taking into account interest rates and exchange rates as exogenous variables. Additionally, regime-dependent lags and deterministic terms are included in the models. Alternative models with different variance specifications are tested, and the MS-GARCH model is found to provide superior estimation performance than the alternatives. The results show that non-performing credit card debt is strongly affected by changes in consumer credit interest rates and its own lagged values. However, the exchange rate is not found to have a significant effect. In periods of high inflation, increasing interest rates reduce credit card-based borrowing, which in turn has a negative impact on credit card defaults. On the other hand, credit card default shocks are found to have high persistence. Although high inflation regimes are relatively short-lived, they appear to increase the volatility of non-performing credit card debts.

🔖

Bu Makaleye Atıf Yap

Tunay, K. B. (2025). TÜRKİYE’DE DÜŞÜK VE YÜKSEK ENFLASYON REJİMLERİNDE KREDİ KARTI TAKİBE DÜŞME ORANLARINDAKİ OYNAKLIKLARIN MODELLENMESİ. Muhasebe ve Finans İncelemeleri Dergisi, Cilt: 8 Sayı: 2, 386–405. https://doi.org/10.32951/mufider.1684492

📄 Tam Metin PDF Okuyucu

📄

PDF görüntüleyici hazırlanıyor...

Kaynakça (54)

  1. Akça, N. ve Sönmez, S. (2017). Üniversite öğrencilerinin kredi kartı kullanımına ilişkin tutumlarının finansal iyilik hali üzerine etkisi. Akademik Bakış Dergisi, 64, 1-18. https://dergipark.org.tr/tr/pub/abuhsbd/issue/35995/403882
  2. Alam, T.M., Shaukat, K., Hameed, I.A., Luo, S., Sarwar, M.U., Shabbir, S., Li, J., ve Khushi, M. (2020). An investigation of credit card default prediction in the imbalanced datasets. IEEE Access, 8, 201173-201198. https://doi.org/0.1109/ACCESS.2020.3033784
  3. Arora, S., Bindra, S., Singh, S., ve Nassa, V.K. (2022). Prediction of credit card defaults through data analysis and machine learning techniques. Materials Today: Proceedings, 51, 110-117. https://doi.org/10.1016/j.matpr.2021.04.588
  4. Arslan, B. (2015). Kredi kartı kullanımının kompulsif satın almaya etkisi. Online Academic Journal of Information Technology, 5(20), 27-40. https://doi.org/10.5824/1309‐1581.2015.3.002.x
  5. Aslan, M. (2023). Benlik saygısı ve kontrolsüz kredi kartı kullanımının çevrimiçi alışveriş bağımlılığı üzerine etkisi. Bağımlılık Dergisi, 24(1), 1-11. https://doi.org/10.51982/bagimli.1102018
  6. Aşan, Z. (2007). Kredi kartı kullanan müşterilerin sosyo-ekonomik özelliklerinin kümeleme analiziyle incelenmesi. Dumlupınar Üniversitesi Sosyal Bilimler Dergisi, 17, 1-12. https://dergipark.org.tr/tr/pub/dpusbe/issue/4759/65384
  7. Ataman, E. ve Yıldırım, D. (2022). Kredi kartı kullanımı, kompülsif satın alma, borca karşı tutum ve finansal refah ilişkisi. Dicle Üniversitesi İİBF Dergisi, 12(23), 159-184. https://doi.org/10.53092/duiibfd.1029910
  8. Ayla D., Öder, D., Pilatin, A. ve Bayrak A. Z. (2020). Kredi kartı kullanımını etkileyen faktörlerin analizi: Doğu karadeniz örneği. Gümüşhane Üniversitesi Sosyal Bilimler Enstitüsü Elektronik Dergisi, 11(2), 245-265. https://dergipark.org.tr/tr/pub/gumus/issue/55299/647336
  9. Bardiya, A.A. (2022). Credit card defaulters using machine learning. International Journal for Research in Applied Science & Engineering Technology, 10(5), 4543-4547. https://doi.org/10.22214/ijraset.2022.43255
  10. Başaran, B., Budak, G.S., ve Yılmaz, H. (2012a). Kredi kartlarına olan bireysel tutum farklılıklarının analizi. Uluslararası Alanya İşletme Fakültesi Dergisi, 4(1), 61-72. https://dergipark.org.tr/tr/pub/uaifd/issue/21593/231860
  11. Başaran, B., Budak, G.S., ve Yılmaz, H. (2012b). Kredi kartlarının rasyonel kullanımını etkileyen bireysel faktörler. Eskişehir Osmangazi Üniversitesi İİBF Dergisi, 7(2), 67-93. https://dergipark.org.tr/tr/pub/oguiibf/issue/5716/76514
  12. Bellotti, T. ve Crook, J. (2012). Loss given default models incorporating macroeconomic variables for credit cards. International Journal of Forecasting, 28, 171-182. https://doi.org/10.1016/j.ijforecast.2010.08.005
  13. Bellotti, T. ve Crook, J. (2013). Forecasting and stress testing credit card default using dynamic models. International Journal of Forecasting, 29, 563-574. http://dx.doi.org/10.1016/j.ijforecast.2013.04.003
  14. Bollerslev, T. (1986). Generalized autoregressive conditional heteroskedasticity. Journal of Econometrics, 31(3), 307-327. https://doi.org/10.1016/0304-4076(86)90063-1
  15. Butaru, F., Chen, Q., Clark, B., Das, S., Lo, A.W., ve Siddique, A. (2016). Risk and risk management in the credit card industry. Journal of Banking and Finance, 72, 218-239. https://doi.org/10.1016/j.jbankfin.2016.07.015
  16. Cai, J. (1994). A Markov model of switching-regime ARCH. Journal of Business & Economic Statistics, 12(3), 309-316. https://doi.org/10.2307/1392087
  17. Crook, J. ve Moreira, F. (2011). Checking for asymmetric default dependence in a credit card portfolio: A copula approach. Journal of Empirical Finance, 18, 728-742. https://doi.org/10.1016/j.jempfin.2011.05.005
  18. Crook, J., ve Bellotti, T. (2012). Asset correlations for credit card defaults. Applied Financial Economics, 22, 87-95. https://doi.org/10.1080/09603107.2011.603689
  19. Gao, J., Sun, W., ve Sui, X. (2021). Research on default prediction for credit card users based on XGBoost-LSTM model. Discrete Dynamics in Nature and Society, 2021, 1-13. https://doi.org/10.1155/2021/5080472
  20. Girginer, N., Çelik, A.E. ve Uçkun, N. (2011). Kredi kartı tutum ölçeği üzerine bir yapısal eşitlik modeli uygulaması. Eskişehir Osmangazi Üniversitesi Sosyal Bilimler Dergisi, 12(1), 17-30. https://dergipark.org.tr/tr/pub/ogusbd/issue/10999/131628
  21. Gray, F. S. (1996). Modeling the conditional distribution of interest rates as a regime-switching process. Journal of Financial Economics, 42(1), 27-62. https://doi.org/10.1016/0304-405X(96)00875-6
  22. Hamilton, J.D. (1989). A new approach to the economic analysis of nonstationary time series and the business cycle. Econometrica, 57(2), 357-384. https://doi.org/10.2307/1912559
  23. Hamilton, J.D. ve Susmel, R. (1994). Autoregressive conditional heteroskedasticity and changes in regime. Journal of Econometrics, 64(1-2), 307-333. https://doi.org/10.1016/0304-4076(94)90067-1
  24. Huang, S. (2018). A research on the default risk of credit card clients in Thailand. UMT Poly Journal, 2562, 254-264.
  25. Kabaklarlı, E. (2015). Türkiye’de kredi kartı kullanımının para politikasındaki rolü ve etkileri. Sosyoekonomi, 23(26), 119-138. https://doi.org/10.17233/se.90476
  26. Karamustafa, K. ve Biçkes, D.M. (2003). Kredi kartı sahip ve kullanıcılarının kredi kartı kullanımlarını değerlendirmeye yönelik bir araştırma: Nevşehir örneği. Erciyes Üniversitesi Sosyal Bilimler Enstitüsü Dergisi, 1(15), 91-113. https://dergipark.org.tr/tr/pub/erusosbilder/issue/23748/253009
  27. Klaassen, F. (2002). Improving GARCH volatility forecasts with regime-switching GARCH. Empirical Economics, 27, 363-394. https://doi.org/10.1007/s001810100100
  28. Konaç, D. (2016). Para ve kredi kartına ilişkin tutumların internet üzerinden yapılan alışverişle ilişkisi. Uluslararası Türkçe Edebiyat Kültür Eğitim Dergisi, 5(1), 469-487. https://doi.org/10.7884/teke.601
  29. Köylüoğlu, A.S. ve Doğan, M. (2020). Tüketicilerin kredi kartına yönelik tutumu ile finansal okuryazarlık düzeyi arasındaki ilişki. Finans Ekonomi ve Sosyal Araştırmalar Dergisi, 5(4), 770-778. https://doi.org/10.29106/fesa.806964
  30. Kutlu, M., Gün, M. ve Karamustafa, O. (2015). Kredi kartı kullanımında satın alma isteğinin kontrolü: Rize örneği. Maliye ve Finans Yazıları, 104, 131-144. https://dergipark.org.tr/tr/pub/mfy/issue/16277/170740
  31. Leow, M., ve Crook, J. (2016). A new Mixture model for the estimation of credit card Exposure at Default. European Journal of Operational Research, 249, 487-497. https://doi.org/10.1016/j.ejor.2015.10.001
  32. Li, Y., Li, Y., ve Li, Y. (2019). What factors are influencing credit card customer’s default behavior in China? A study based on survival analysis. Physica A, 526, 120861. https://doi.org/10.1016/j.physa.2019.04.097
  33. Linares-Zegarra, J. ve Wilson, J., (2014). Credit card interest rates and risk: new evidence from US survey data. The European Journal of Finance. 20 (10), 892-914. https://doi.org/10.1080/1351847x.2013.839461
  34. Liu, R. (2018). Machine learning approaches to predict default of credit card clients. Modern Economy, 2018, 1828-1838. https://doi.org/10.4236/me.2018.911115
  35. Ma, Y. (2020). Prediction of default probability of credit-card bills. Open Journal of Business and Management, 8, 231-244. https://doi.org/10.4236/ojbm.2020.81014
  36. Oktay, E., Özen, Ü. ve Alkan, Ö. (2009). Kredi kartı sahipliğinde etkili olan faktörlerin araştırılması: Erzurum örneği. Dokuz Eylül Üniversitesi İktisadi ve İdari Bilimler Fakültesi Dergisi, 24(2), 1-22. https://dergipark.org.tr/tr/pub/deuiibfd/issue/22736/242681
  37. Özkul, F.U. ve Tapşın, G. (2010). Kredi kartı kullanımı ile kullanılabilir gelirin tüketim üzerindeki etkisi ve Türkiye ekonomisi üzerine ampirik bir çalışma. Muhasebe ve Finansman Dergisi, 47, 138-153. https://dergipark.org.tr/tr/pub/mufad/issue/35626/395981
  38. Platin, A. (2021). Tüketicilerin kredi kartı kullanımını etkileyen faktörler: Ordu ili örneği. Kahramanmaraş Sütçü İmam Üniversitesi Sosyal Bilimler Dergisi, 18(2), 1400-1426. https://doi.org/10.33437/ksusbd.739952
  39. Seah, Y., So, M.C., ve Thomas, L.C. (2014). Stress testing credit card portfolios: An application in South Africa. Journal of the Operational Research Society, 65(3), 351-362. https://doi.org/10.1057/jors.2013.75
  40. Soh, W. (2019). Non-performing loan and economic determinants in asia pacific countries: evidence from credit card debt. International Journal of Recent Technology and Engineering., 7(6S5), 1609-1614.
  41. Sönmezler, G., Gündüz, İ.O. ve Torun, M. (2019). Türkiye’de kredi kartı harcamaları ile tüketici güven endeksi ve enflasyon arasındaki ilişki üzerine ampirik bir çalışma. Ç.Ü. Sosyal Bilimler Enstitüsü Dergisi, 28(1), 17-29. https://dergipark.org.tr/tr/pub/cusosbil/issue/44782/556489
  42. Şahin, C. (2014). Kredi kartı temerrüdü ile sosyo-ekonomik etkenler arasındaki ilişkiyi incelemeye yönelik bir uygulama: Eskişehir kent merkezi örneği. Akademik Bakış Dergisi, 45, 1-15. https://dergipark.org.tr/tr/pub/abuhsbd/issue/32938/365917
  43. Şen, H., Çemrek, F. ve Özaydın, Ö. (2006). Bireylerin kredi kartına bakış açıları ve sosyo-ekonomik nitelikleri bakımından karşılaştırılmasına yönelik uygulama çalışması. Eskişehir Osmangazi Üniversitesi Sosyal Bilimler Dergisi, 7(1), 2-30. https://dergipark.org.tr/tr/pub/ogusbd/issue/10988/131502
  44. Taghiyeh, S., Lengacher, D.C., ve Handfield, R.B. (2021). Loss rate forecasting framework based on macroeconomic changes: Application to US credit card industry. Expert Systems With Applications. 165, 113954. https://doi.org/10.1016/j.eswa.2020.113954
  45. Tuğay, O. ve Başgül, N. (2007). Önemli bir finansman kaynağı olarak kredi kartları: kredi kartlarının kart sahiplerinin harcamaları üzerindeki etkisini belirlemeye yönelik Burdur ilinde bir araştırma. Süleyman Demirel Üniversitesi İktisadi ve İdari Bilimler Fakültesi, 12(3), 215-226. https://dergipark.org.tr/tr/pub/sduiibfd/issue/20835/223248
  46. Tunay, K.B. ve Tunay, N. (2023). Kredi kartlarının temerrüde düşmesini etkileyen makro ekonomik değişkenler: Türkiye üzerine ekonometrik bir analiz. Avrasya İşletme ve İktisat Dergisi, 32, 17-33. https://doi.org/10.17740/eas.econ.2023-V32-02
  47. Wattanawongwan, S., Mues, C., Okhrati, R., Choudry, T., So, M.C. (2023). Modelling credit card exposure at default using vine copula quantile regression. European Journal of Operational Research 311, 387–399. https://doi.org/10.1016/j.ejor.2023.05.016
  48. Yeniçeri, T. ve Akturan, U. (2007). Kredi kartını bilinçli kullanan ve kullanmayan tüketicileri ayırmada kullanılabilecek temel belirleyiciler üzerine bir pilot araştırma. H.Ü. İktisadi ve İdari Bilimler Fakültesi Dergisi, 25(2), 243-266. https://dergipark.org.tr/tr/pub/huniibf/issue/7873/103451
  49. Yıldırım, M. ve Demir, H.U. (2021). Kredi kartı harcamalarını etkileyen makroekonomik faktörler ve Covid-19 pandemi dönemi üzerine bir inceleme. Ekonomi, Politika & Finans Araştırmaları Dergisi, 6(1), 159-180. https://doi.org/10.30784/epfad.830559
  50. Yılmaz, H., Budak, G.S. ve Başaran, B. (2013). Kredi kartı kullanım alışkanlıklarında kategorik değişkenler arasındaki ilişkiler ve bireylerin davranışsal eğilimleri: Bilecik örneği. Uluslararası Yönetim İktisat ve İşletme Dergisi, 9(19), 31-50. http://dx.doi.org/10.11122/ijmeb.2013.9.19.335
  51. Yılmaz, V., Aktaş, C. ve Arslan, M.S.T. (2009). Müşterilerin kredi kartına olan tutumlarının çoklu regresyon ve faktör analizi ile incelenmesi. Balıkesir Üniversitesi Sosyal Bilimler Enstitüsü Dergisi, 12(22), 127-139. https://dergipark.org.tr/tr/pub/baunsobed/issue/50240/648076
  52. Zhao, Y. (2023). A credit card default prediction method based on CatBoost. Proceedings of the 2023 2nd International Conference on Artificial Intelligence, Internet and Digital Economy (ICAID 2023), 178-184. https://doi.org/10.2991/978-94-6463-222-4_17
  53. Zhao, Y., Zhao, Y., ve Song, I. (2006). A Dynamic Model for Repayment Behaviors of New Customers in the Credit Card Market. Conference Paper, November. https://hdl.handle.net/1783.1/13225
  54. Zhao, Y., Zhao, Y., ve Song, I. (2009). Predicting new customers’ risk type in the credit card market. Journal of Marketing Research, 46, 506-517. https://doi.org/10.1509/jmkr.46.4.506