Determination of spot wheat prices under climate impact using copula approach


Tezin Türü: Yüksek Lisans

Tezin Yürütüldüğü Kurum: Orta Doğu Teknik Üniversitesi, Uygulamalı Matematik Enstitüsü, Aktüerya Bilimleri Anabilim Dalı, Türkiye

Tezin Onay Tarihi: 2022

Tezin Dili: İngilizce

Öğrenci: İlayda Kayapınar

Asıl Danışman (Eş Danışmanlı Tezler İçin): Ayşe Sevtap Kestel

Eş Danışman: Bükre Yıldırım Külekci

Açık Arşiv Koleksiyonu: AVESİS Açık Erişim Koleksiyonu

Özet:

İklim bileşenleri, tarımsal ürünlerin arzı üzerinde iki şekilde önemli bir etkiye sahiptir. İlk olarak, iklim koşulu tarımın verimliliğini ve hasat edilen ürünün hacmini etkiler. İkinci olarak, ürünlerini hasat eden çiftçiler, arzın sınırlı olduğu sezonda ürünlerini daha yüksek fiyattan satmayı tercih edeceklerdir. Dolayısıyla iklim koşullarının tarım ürünlerinin fiyatını belirlediği söylenebilir. Dağılımları aynı olmayan mevsimsel değişkenlerin modellenmesi ve tarımsal ürünler arasındaki bağımlılığın analiz edilmesi, tarım piyasaları ve risk teorisinde büyük ilgi ve öneme sahiptir. Bu çalışmadaki ana motivasyon, iklim bileşeninin etkisi altında spot buğday fiyatlarını tahmin etmektir. Bu amaçla, İstanbul Takas ve Saklama Bankası A.Ş. ile takası yapılan buğday işlemlerine ait Konya'nın aylık düzeltilmiş ağırlıklı ortalama fiyatları ve iklim bileşenleri için zaman serisi analizi yapılmıştır. Daha sonra, tahminleri iyileştirmek için iklim parametrelerinin etkisi altında t-copula kullanılarak enflasyona karşı düzeltilmiş spot fiyatlar yeniden şekillendirilmektedir. Sıcaklık, bağıl nem ve yağış için en iyi modeller seçilir ve bu modellerden elde edilen artıklar asma yapısını belirlemek için kullanılır. Asma ağaçları, diğer değişkenlerle bağımlılık yapısına sahip çekirdek bir iklim bileşeni olup olmadığını anlamamıza yardımcı olur. Sonrasında, enflasyona karşı düzeltilmiş spot buğday fiyatları, asma yapısının çıktısına göre simüle edilir. Sonuç olarak, t-kopula ile simüle edilmiş düzeltilmiş buğday fiyatlarının bize zaman serisi analizindeki tahminlerden daha doğru bir tahmin verdiğini görüyoruz.