Coğrafi bilgi sistemi tabanlı ekonomik ve finansal risk analizi: Avrupa ve Orta Asya örneği

Abstract

Çalışmanın amacı; ICRG rating kuruluşunun belirlediği ekonomik ve finansal riski oluşturan her bir faktörü farklı bir sınıflandırma tekniği kullanarak risk sınıflandırması yapmak ve bu sınıflandırmaya göre ülkerin tematik haritalarını oluşturarak karşılaştırmaktır. Diğer amaç ise ICRG rating kuruluşunun belirlediği ekonomik ve finansal risk faktörlerine göre ülkelerin, Coğrafi Bilgi Sistemi (CBS) analiz tekniklerinden biri olan coğrafi ağırlıklı regresyon yöntemini kullanarak dinamik ve görsel sonuçlar ortaya koyacak şekilde ekonomik ve finansal risk haritalarını oluşturmaktır.Bu amaç doğrultusunda International Country Risk Guide (ICRG) derecelendirme kuruluşunun ülke riski modeline göre ülke riski kategorilerinden ekonomik ve finansal riskin içinde yer alan 10 faktör kullanılmıştır. Ekonomik riski belirleyen faktörler; kişi başına düşen GSYİH, reel GSYİH artışı, enflasyon oranı, GSYİH'nın % olarak bütçe dengesi, GSYİH'nın % olarak cari hesap değişkenleri kullanılmıştır. Finansal riski belirleyen faktörlerde ise GSYİH'nın % olarak dış borç, mal ve hizmet ihracatının % olarak dış borç, mal ve hizmet ihracatının % olarak cari hesap, ithalat yapıldığı aylarda net uluslararası likidite, döviz kuru istikrarı değişkenleri kullanılmıştır. Çalışmada 2018 ve 2019 yıllarını kapsayacak şekilde Avrupa ve Orta Asya'daki 48 ülke belirlenmiştir. Çalışmada bu parametreler kullanılarak Avrupa ve Orta Asya'daki 48 ülkenin 2018 ve 2019 yılları için ekonomik ve finansal risk haritaları, coğrafi ağırlıklı regresyon (CAR) analizi ile oluşturulmuştur. CAR analizi için ArcGIS 10.8 programından yararlanılmıştır.Araştırma kapsamında yer alan değişkenler CAR analizi yapılmadan önce mekansal otokorelasyonun temel ölçümü olarak Moran's Indeks analizi yapılmış ve ekonomik ve finansal risk bağımlı değişkenlerinin p-değerleri 0,05 anlamlılık düzeyinden küçük olması nedeniyle istatiksel açıdan anlamlı ve pozitif otokorelasyona yani mekansal bağımlılığa sahip olduğu görülmüştür. Ayrıca kurulan modellerin performansını gösteren düzeltilmiş R2 değerlerinin hem 2018 hem de 2019 yıllarında 0,999 olduğu ve bağımsız değişkenlerin bağımlı değişkenleri %99,9 gibi yüksek bir oranda açıkladığı tespit edilmiştir. CAR analizi sonuçlarına göre incelenen ülkelerin risk düzeyi beş sınıfa (çok yüksek risk, yüksek risk, orta düzey risk, düşük risk ve çok düşük risk) ayrılmış ve CAR analizi sonucunda elde edilen ekonomik ve finansal risk puanalarının tahmini (predicted) değerlerine göre risk haritaları oluşturularak daha dinamik, anlamlı ve görsel sonuçlar ortaya konmuştur. Çalışmada elde edilen CAR analizi sonuçlarının ekonomi ve finans alanında CBS tabanlı uygulamaların kullanılabileceği görülmüş ve bu doğrultuda ülkelerin ekonomik ve finansal riskini belirlemede literatüre disiplinler arası yeni bir bakış açısı kazandırılmıştır.

The aim of the study; It is to classify each factor that constitutes the economic and financial risk determined by the ICRG rating agency by using a different classification technique and to compare them by creating thematic maps of the countries according to this classification. The other purpose is to create economic and financial risk maps of countries according to the economic and financial risk factors determined by the ICRG rating agency, using the geographically weighted regression method, which is one of the Geographical Information System (GIS) analysis techniques, in a way that will reveal dynamic and visual results.For this purpose, 10 factors included in economic and financial risk, which are among the country risk categories, were used according to the country risk model of the International Country Risk Guide (ICRG). GDP per capita, real GDP growth, inflation rate, budget balance as % of GDP, current account as % of GDP variables are used as factors determining economic risk. In the factors that determine the financial risk, foreign debt as % of GDP, foreign debt as % of exports of goods and services, current account as % of exports of goods and services, net international liquidity in months of import, exchange rate stability variables are used. In the study, 48 countries in Europe and Central Asia were determined to cover the years 2018 and 2019. In the study, using these parameters, economic and financial risk maps of 48 countries in Europe and Central Asia for the years 2018 and 2019 were created by geographically weighted regression (CAR) analysis. ArcGIS 10.8 program was used for CAR analysis.Before the CAR analysis of the variables included in the research, Moran's Index analysis was performed as the basic measurement of spatial autocorrelation and it was observed that the economic and financial risk dependent variables had statistically significant and positive autocorrelation, that is, spatial dependence, since the p-values of the dependent variables were less than 0,05 significance level. In addition, it was determined that the adjusted R2 values showing the performance of the established models were 0,999 in both 2018 and 2019, and the independent variables explained the dependent variables at a high rate of % 99,9.According to the results of the CAR analysis, the risk level of the countries examined was divided into five classes (very high risk, high risk, medium risk, low risk and very low risk), and risk maps were created according to the predicted values of the economic and financial risk scores obtained as a result of the CAR analysis, and more dynamic, meaningful and visual results were revealed. It has been seen that the CAR analysis results obtained in the study can be used in GIS-based applications in the field of economy and finance, and in this direction, a new interdisciplinary perspective has been brought to the literature in determining the economic and financial risk of countries.