Journal of Current Researches on Business and Economics

(1)

doi: 10.26579/jocrebe-8.2.18

Journal of Current Researches

on Business and Economics

(JoCReBE)

ISSN: 2547-9628

http://www.jocrebe.com

New Approaches to the Measurement of Market Efficiency and

Market Efficiency Analysis of Crypto Currencies

Namık Kemal ERDOĞAN1 Keywords Efficent Markets Hypothesis, Crypto Currencies, Measure of Capital Market Efficiency. Abstract

The aim of the study is to examine the efficient market hypothesis by using the capital market efficiency of Crypto currencies. The efficient market hypothesis is generally used by reducing it to the weak form since the semi-strong form or strong form is difficult to test. In order to determine market efficiency, EI and CMEE efficiency indices are used. According to the EI efficiency index, Bitcoin, Ethereum and Bitcoin cash of Crypto currencies are close to strong form efficiency while Riple Crypto currency is close to weak form. However, CMEE efficiency index, Bitcoin, Ethereum, Bitcoin cash and Riple have semi-strong form. Article History Received 17 Nov, 2018 Accepted 30 Dec, 2018

Piyasa Etkinliğinin Ölçülmesinde Yeni Yaklaşımlar ve Kripto

Paraların Piyasa Etkinlik Analizi

Anahtar Kelimeler Etkin Piyasalar Hipotezi, Kripto Paralar, Para Piyasalarının Etkinlik Ölçümü. Özet

Bu çalışmanın amacı etkin piyasa hipotezini test eden araçları kullanılarak Kripto paraların piyasa etkinliğini belirlemektir. Etkin piyasa hipotezinin sınanması için kullanılan yarı-güçlü form veya güçlü formu belirlemenin zor olması nedeniyle genellikle zayıf forma indirgenerek analiz yapılır. Çalışmada piyasa etkinliğini belirlemek için EI ve CMEE etkinlik indeksleri kullanılmıştır. EI etkinlik indeksine göre Bitcoin, Ethereum ve Bitcoin cash kripto paralarının güçlü etkinliğe yakın olduğu Riple kripto paranın zayıf etkinliğe yakın olduğu bulunmuştur. Ancak, CMEE etkinlik indeksine göre ise Bitcoin, Ethereum, Bitcoin cash and Riple kripto paralarının orta etkin piyasa olduğu söylenebilir.

Makale Geçmişi Alınan Tarih 17 Kasım 2018 Kabul Tarihi 30 Aralık 2018 1. Giriş

Kripto paralar, açık kaynaklı bir kod olarak yayınlanan ve blok zinciri (blockchain) teknolojisine dayanan para birimidir. Blok zinciri, şifrelenmiş işlem takibi sağlayan bir dağıtık veri tabanı olarak tanımlanabilir. Kriptopara, şifreleme bilimine dayanmaktadır. Şifreleme, paranın yaratımında ve yapılan işlemlerin güvenilirliğini sağlamada kullanılmaktadır. Günümüzde piyasada bulunan tüm kriptopara birimlerinin alt yapısını oluşturan teknik sistem ise 2008 yılı sonlarında Nakamoto olarak bilinen bir kişi ya da grup tarafından kurulmuştur. Nakamoto (2008) kelimesinin dört Asya teknoloji devinin baş harflerinden oluştuğu

1_{Corresponding Author. ORCID: 0000-0002-3630-1660. Doç. Dr., Anadolu Üniversitesi, İşletme}

Fakültesi, nkerdoga@anadolu.edu.tr Year: 2018

Volume: 8 Issue: 2

For cited: Erdoğan, N. K. (2018). New Approaches to the Measurement of Market Efficiency and Market Efficiency Analysis of Crypto Currencies. Journal of Current Researches on Business and Economics, 8 (2), 289-300. Research Article/Araştırma Makalesi

(2)

290 Erdoğan, N. K. (2018). New Approaches to the Measurement of Market Efficiency and Market Efficiency Analysis of Crypto Currencies

düşünülmektedir. Kriptopara şifreleme teknolojisini kullanan dijital veya sanal olarak tanımlanabilecek bir paradır. Ekonomistlere göre kriptopara, paranın sağlaması gereken özelliklerden; tanınma, değişim aracı olma, taklit edilememe, transfer edilebilme, değer saklama ve homojenlik özelliklerinin tamamını taşımaktadır. Kripto para transfer işlemleri doğrudan olarak alıcı ile satıcı arasında ve güvenli bir şekilde gerçekleştirebilmektedir. Kripto para birimlerinin avantajı, merkezi olmayan yapılar olması ve bu sayede merkez bankalarına ihtiyaç duymayıp işlem maliyetlerinin az olmasıdır (Kayacan ve Anavatan, 2018: s.136). Ülkelerin para biriminin değerini belirlediği merkezi bankaların aksine, hiçbir ülkenin kripto paralar üstünde kontrolü yoktur.

İlk kripto para, Bitcoin’dir. Daha sonraki dönemlerde Ripple, Ethereum vb. gibi pek çok kripto para birimleri de ortaya çıkmıştır. Şekil 1’de görüldüğü üzere pazar payı en yüksek olan kripto para birimi Bitcoin’dir.

Şekil 1: Kripto Paraların Pazar Payları

Kripto paralarda sık sık aşırı fiyat hareketleri oluşmaya başladı. Kripto paralardaki fiyat dalgalanmaları ve belirsizlik yüksek oynaklık olduğu göstermektedir. Bu nedenle piyasa oyuncuları bir kripto paranın gerçek değeri hesaplarken nasıl karar verecektir. Burada piyasanın etkinliği araştırmak gerekecektir.

Bu çalışmanın amacı etkin piyasa hipotezini test eden araçları kullanılarak Kripto paraların piyasa etkinliğini incelemektir. Çalışmada piyasa etkinliğini belirleyebilmek amacıyla EI ve CMEE etkinlik indeksleri kullanılmıştır. EI etkinlik indeksine göre Bitcoin, Ethereum ve Bitcoin cash kripto paralarının güçlü etkinliğe yakın olduğu Riple kripto paranın zayıf etkinliğe yakın olduğu bulunmuştur. CMEE etkinlik indeksine göre ise Bitcoin, Ethereum, Bitcoin cash and Riple kripto paralarının orta-etkin piyasa olduğu söylenebilir.

Çalışmanın planı şu şekildedir; İlk olarak piyasa etkinlik hipotezleri tanıtılmış, ikinci olarak ilgili literatür taranmış, üçüncü olarak yöntem, uygulama ve sonuç verilmiştir. 52,28 10,19 9,5 4,65 1,44 21,94 0 10 20 30 40 50 60

Toplam pazar payı yüzdesi

(3)

Journal of Current Researches on Business and Economics, 2018, 8 (2), 289-300. 291

2. Piyasa Etkinlik Hipotezleri

Etkin Piyasa Hipotezi (EPH), finansal piyasaların bilgi açısından etkin çalıştığını, bu yüzden finansal varlıkların mevcut bütün veriyi yansıttığını ve yeni bilgiye mümkün olan en yüksek hızla tepki verdiğini savunan tezdir. Buna göre yeni bilgi, şu an için bilinmeyen fakat gelecekte rassal olarak ortaya çıkan veri olarak tanımlanır.

Bilginin derecesine göre üç çeşit etkinlik göz önünde bulundurulur. Bilgi sadece geçmiş fiyatları içeriyorsa zayıf formda etkin; geçmiş fiyatların yanı sıra kamuya açık bilgileri içermesi durumunda ise yarı güçlü formda etkin ve eğer geçmiş fiyatları, kamuya açık veya özel tüm bilgileri içerir ise tam güçlü etkin piyasa şeklinde tanımlanır.

Etkin Piyasa Hipotezi’nin teorik temelleri Fama (1970) yılında yapmış olduğu çalışmaya dayanır. Etkin piyasa hipotezinin ortaya atıldığı günden bu yana bu hipotezi destekleyen destekleyen veya eleştiren birçok teorik ve ampirik çalışma yapılmıştır. Özellikle etkin bir piyasanın temel varsayımı olan simetrik bilgi ortamının gerçek hayatta ütopya olduğu konusunda önemli eleştiriler bulunmaktadır. Piyasa elemanlarının firmalar ya da finansal varlıklar hakkında fiyatları etkileyebilecek bilgileri önceden öğrenebildiği durumların oluşması, tam simetrik bir bilgi ortamından söz edilememesine neden olabilmektedir. Hipoteze getirilen bir diğer önemli eleştiri ise rassal yürüyüş süreci konusundadır. Gerçek hayatta piyasadaki verinin oluşmasında insan davranışlarının önemli rolünün bulunması fiyatların geçmişten bağımsız, rassal bir şekilde oluştuğu yönündeki varsayımı zorlamaktadır.

Piyasaların etkin piyasa hipotezine göre hareket etmediği ifade eden Fraktal piyasalar hipotezi (FPH), Peters (1994)’ın etkin piyasa hipotezine eleştirisine karşın FPH'nin temel argümanı yatırımcıların heterojen olduğunun ileri sürmesidir. Buna ilaveten, bu hipotez likidite ve yatırımcıların davranışlarına odaklanır.

Fraktal piyasa hipotezinin temelinde etkin piyasa hipotezinde bulunmayan iki temel bileşene dayanır. Bunlar; piyasa likiditesi ve bilgidir. Piyasa likiditesi, yatırımcıların birbirileriyle ticaret yapma isteğidir ve genel anlamda yatırımcıların alım ve satım işlemleri sonucu ortaya çıkmaktadır. Piyasa likiditesinin uluşabilmesi için yatırımcıların bir menkul kıymetin değeri üzerinde farklı görüşleri olması gerekir. Bu durum iki nedenle ortaya çıkabilir. Birincisi, bir yatırımcının menkul kıymete ilişkin değer üzerinde bilgisi varken, diğer yatırımcının bilgiye ulaşması mümkün olmayabilir ya da henüz bilgiye erişim sağlamamış olmasıdır. Yatırımcının piyasaya henüz sunmadığı bilgi üzerinden işlem yapmasına olanak tanıyan içerden bilgi edinme göz önüne alındığında, bu durum bazı yatırımcıların diğerlerinden önce menkul kıymetin temel değerini etkileyen bilgiye ulaşması halinde ortaya çıkmaktadır. İkincisi ise, iki yatırımcının eş zamanlı olarak bilgiye erişmelerinin yanısıra, yatırım yaptıkları farklı zaman dilimi süresince bilgiye farklı ağırlık vermeleridir (Anderson ve Noss, 2013).

Fraktal Piyasa Hipotezi (FPH), tam olarak bu noktada finansal zaman serilerinin geçmişten bağımsız hareket edemeyeceği ve bir hafızaya sahip olabileceğini ortaya

(4)

koymaktadır (Peters, 1991). Ayrıca, neredeyse tüm finansal modelleme yöntemlerinde kullanılan normal dağılım varsayımını da eleştirmektedir.

Bu çalışmada piyasa etkinliğini ölçmek için EPH ve FPH için geliştirilen yöntemler kullanılarak etkin piyasaya olan uzaklığı ifade eden ölçüm yöntemi ele alınacaktır. Kripto paraların etkin piyasaya olan uzaklıkları incelenecektir.

3. Literatür Taraması

Kripto para piyasası sadece birkaç yıldır varlığını sürdürüyor ve bu nedenle bu piyasa üzerinde çok az çalışma yapılmıştır. Urquhart (2016), Hurst üsteli kullanılarak, Bitcoin getiri serisinin rassal yürüyüşe uymadığını ifade etmiştir. Şensoy (2018) çalışmasında Bitcoin’nin gün içi fiyat hareketlerinin zayıf formda etkin olup olmadığı permütasyon entropi ile test etmiştir. Bitcoin gün içi fiyatlarının bilgi entropi açısından etkin olduğunu ifade etmiştir. Öğet ve Kanat (2018) çalışmalarında Bitcoin ile Türkiye ve G7 ülke borsaları arasındaki uzun ve kısa dönemli ilişkiler araştırmıştır. Analiz sonuçlarına göre Bitcoin ile borsalar arasında uzun dönemli ilişkileri gösteren Eşbütünleşme analizi sonuçlarına göre bir ilişkinin varlığı tespit edilse de bu ilişkinin denge içerisinde olmadığı ve uzun dönem için Bitcoin fiyatlarının borsalardan bağımsız bir şekilde hareket ettiği görülmüştür. Kayacan ve Anavatan (2018) çalışmalarında korelasyon boyutu analizi ile de serinin kaotik davranışa sahip olduğu doğrulanmıştır. yöntemi kullanılarak hesaplanan Hurst üsteline göre serinin uzun belleğe sahip olduğu sonucuna ulaşmışlardır. Caporale vd. (2018), analizi ile dört kripto para biriminin (Bitcoin, Litecoin, Riple ve Dash) etkinliğini incelemiş ve etkin olmadığını göstermişlerdir.

4. Yöntem

Piyasa etkinliği ölçülmesi ile çalışmalardan biri Kristoufek ve Vosvrda (2013) araştırmasıdır. Bu çalışmada yeni bir sermaye piyasası etkinliği ölçüsü öne sürmüşlerdir. Bunun için, fraktal boyut, Hurst üsteli ve yaklaşık entropi kullanmışlardır. Çalışmada piyasanın etkin piyasaya uzaklığını ifade eden bir ölçüm geliştirmişler. Diğer bir ölçüm yöntemini Camelia vd. (2017) geliştirmişlerdir. Fraktal boyut, Hurst üsteli, run test, korelasyon katsayısı ve Shannon Entropi kullanarak piyasanın etkin piyasaya uzaklığını ifade eden bir ölçüm geliştirmişler.

Etkin piyasanın sınanması genellikle zayıf forma indirgenerek yapılır. Çünkü yarı-güçlü forma veya yarı-güçlü formda anlamlı test oldukça güçtür. Ekofizik literatüründe etkin piyasa analizi için uzun dönemli bağımlılık, entropi, likidite, fraktallık gibi test araçları ile yapılır. Kristoufek ve Vosvrda (2014) fraktal boyut, entropi, kısa ve uzun dönemli korelasyona göre yeni ölçüm yöntemi ortaya atmışlardır. Yöntem, Fama (1970) ve Samuelson (1965)’in benimsedikleri piyasaların rassal yürüyüşe göre hareket ettiği duruma yaklaşım şeklinde ifade edilir. Etkinlik indeksi (EI) olarak ifade edilen değer, etkin piyasa durumundan uzaklığı ifade edecektir. EI indeksinin genel tanımı,

(5)

n : yapılan ölçüm sayısını : i. ölçümün değeri

: i. Ölçümün beklenen değeri

: i.ölçümün ölçüm aralığı bu değer standartlaştırılarak 1 olarak alınır.

şeklindedir. EI etkinlik indeksi, n boyutlu bir vektör olarak düşünülürse, EI değeri vektörün normu olacaktır. Buna göre EI değeri, etkin piyasa olan uzaklığı temsi eder. ise etkin market, en az etkinlik durumu olur. iki ölçüm yöntemi kullanılıyorsa, arasında değer alır.

Camelia vd. (2017) tarafından önerilen etkinlik indeksi (CMEE), fraktal boyut, Hurst üsteli, run test, uzun dönemli korelasyon katsayısı ve Shannon Entropi değerlerinin beklenen değerlerinden farklarının karelerinin toplamının karekökü olarak tanımlanır.

: Shannon entropi değeri (beklenen değeri 1) : Run test (beklenen değeri 0)

: R/S yöntemiyle hesaplanan Hurst üsteli (beklenen değeri 0,5) : Korelasyon katsayısı (beklenen değeri 0)

: Fraktal boyut (beklenen değeri 2)

CMEE aldığı değere göre piyasa etkinliği değerlendirmesi şöyledir: ise piyasa yüksek etkin, ise piyasa orta etkin, ise piyasa zayıf etkindir.

4.1. Entropi

Entropi, bir sistemdeki karmaşıklık ve düzensizliğin ölçüsüdür. Termodinamiğin ikinci yasasıdır. Enerjinin düzenliden düzensize doğru ve tek yönlü olarak dönüştüğü ifade eder. Her şeyin tersinemez ve durdurulamaz bir şekilde yıprandığını ve bozulma eğiliminde olduğu ifade eder (Tutar, 2013 :s.200 ). Düzensizlik bir sistemin bulunacağı durumlar olarak adlandırılır. Bilgi teorisi açısından entropi, bir durumun belirsizliğini ortadan kaldırmak için gerekli bilgi açığı olarak tanımlanmaktadır. Shannon (1948), bilgi ve entropinin aynı madalyonun farklı yüzleri olduğu fikrini ortaya atmıştır.

Entropi istatiksel olarak bir zaman serisindeki düzensizliği ve serideki dalgalanmaların öngörülemezliğini ifade eder. Yüksek entropi olan sistemde

(6)

hiçbir bilgi olmadığını ve dolayısıyla sistemin rasgele hareket ettiğini gösterir. Düşük entropi ise ile sistemin deterministik olarak belirlendiği ifade eder.

sayıda değişken ile ilgili sayıda gözlem yapıldığını varsayalım. Her değişken boyutlu bir uzayda bir vektör olarak gösterilebilir. Vektörlerin bu uzaydaki konumlarının mutlak değil, ancak olasılıkla belirlenmiş olacağı açıktır. Vektörlerin (yani değişkenlerin) uzaydaki, şekillenmeleri için iki uç durum düşünülebilir. İlk olarak bütün vektörlerin bu uzayda hiçbir ilişki ifade etmeyecek şekilde dağıldığı tam bir düzensizlik ve rastgelelik durumudur, yani maksimum entropi, ikinci olarak da bütün vektörlerin birkaç noktada yoğunlaştığı tam bir belirlenme hali, yani düşük entropi durumudur. İlk durumda değişkenlerle ilgili düzensizliğin en fazla olduğu, ikinci durumda ise düzensizliğin en aza indiği söylenebilir. Gerçekte rastlanan durumlar ise bu iki uç halin arasında yer alır (Çetinkaya , 1986: s.326). Etkin piyasa açısından maksimum entropi piyasanın çok etkin, düşük Entropi ise piyasanın daha az etkin olduğunu gösterir.

4.1.1. Shannon Entropi

Shannon Entropi bir finansal zaman serisinde, getirilerdeki bilgi miktarını ölçmek için kullanılır. Öncelikle finansal zaman serisi getiri serine dönüştürülür daha sonra sembolik seriye dönüştürülür. Bunun aşağıdaki adımlar uygulanır ( Camelia vd. , 2017: s.1673)

Adım 1: Verilen zaman serisi getiri serisine dönüştürülür.

Adım 2: getiri serisi, sembolik sembolik serisine

dönüştürülür. Eğer getiri negatif ise 0, pozitif veya sıfır ise 1 değeri atanır.

Adım 3: p negatif getirilerin olasılığı, 1-p pozitif getirilerin olasılığını göstermek üzere

Sahnon entropisi,

şeklindedir. olasılığında maksimum değerini alır. veya olasılığında ise minimum değerini alır. Beklenen değeri ise bir ’ dir. 4.1.2. Yaklaşık Entropi

Medikal verilerdeki düzensizliğin miktarını belirlemek için Pincus (1991) tarafından geliştirilmiştir. Daha sonra finans, psikoloji vb. gibi bir çok alanda uygulanmaya başlamıştır. Bir zaman serisindeki düzensizliğin miktarını ölçmek için aşağıdaki adımlar takip edilir (Pincus , 1991:s.2298)

zaman serisi verilsin.

Adım 1: pozitif tamsayı ve pozitif bir gerçel sayısı seçilir. sayısı karşılaştırılan veri akışının uzunluğunu gösterir, sayısı filtreleme seviyesini

(7)

gösterir. (Pincus ve Huang, 2007) ve alınabileceğini ifade etmiştir. Burada zaman serisinin standart sapmasıdır (Pincus ve Huang, 2007: s.3065).

Adım 2: uzayında tanımlı vektörleri oluşturulur.

Bu vektörler arasında uzaklık fonksiyonu, olmak üzere

karekteristik fonksiyonu olşuturulur. Burada

dir. Adım 3:

Adım 4: Yaklaşık entropi ApEn= elde edilir.

Yaklaşık entropi değeri ile arasında değer alır. ise sistem deterministik bir süreçtir. ise sistem tamamen belirsiz bir süreçtir. 4.2. Hurst Üsteli

analizi, Mandelbrot (1972) tarafından ortaya atılmıştır. Hurst üstelinin analizi ile hesaplamadan önce verilen seri kısa zaman aralıklarına bölünür ve her aralıktaki ortalama ölçek hesaplanır. X uzunluğu n olan bir zaman serisi ve

serinin bir alt serisi olsun. alt serinin ortalaması ve standart sapması olmak üzere ölçeklendirme değeri,

(1)

şeklinde hesaplanır. (1) nolu denklemde, genel olarak zaman zaman serisi gibi alt aralıklara bölünür. ile arasında ilişkisi vardır.

Hurst üsteli ’nin tahmin edilebilmesi için her iki tarafın da logaritmasının alınması yeterli olur. Bu eşitlik yardımıyla dönüştürülmüş genişlik değerleri

ile gözlem sayısı ( ) arasında regresyon denklemi kurulur. Regresyondan elde edilen doğrunun eğimi, Hurst üstelidir. Aralıkların bölünmesi 10’dan az ise Hurst üsteline değerine ilişkin kesin sonuçlar elde edilemez ( Demireli, 2009: s.240).

iken süreç ortalamaya dönüşlüdür. Yüksek getiriler düşük getirileri tarafından takip edilmektedir. Tersi de geçerlidir.

(8)

olduğunda sürecin ortalamadan sapmaları bağımsız ve rassaldır. Bu durum rassal yürüyüşe karşılık gelmektedir.

olması sürecin sapmalarının ısrarcı olduğunu yani bir bağımlılık, uzun bellek yapısı olduğunu göstermektedir.

4.3. Fraktal Boyut

Fraktal boyut bir serideki pürüzlülüğü ifade eder ve ile gösterilir. Serinin yerel olarak davranışı hakkında bilgi verir. Hurst üsteli ile arasında ilişkisi vardır. ise ise serinin yerel olarak trend içermediği anlamına gelir.

ise seride yerel olarak korelasyon olduğunu ifade eder. ise serinin yerel olarak ters korelasyon olduğunu gösterir. Fraktal boyutun beklenen değeri ’dir (Kristoufek, 2014:s.163).

4.4 Run Testi

Run testi parametrik olmayan istatiksel bir tekniktir. Finansal bir zaman serisinde pozitif ve negatif getirilerden oluşan iki serinin rassal yürüyüş hipotezine uygunluğunu test eder.

Run teste sıfır hipotezi serinin normal dağılıma uyduğu şeklindedir. Buna göre serinin ortalaması, standart sapması ve dağılımı aşağıdaki şekildedir.

Burada n gözlem sayısı, ortalamanın üstündeki gözlem sayısını, ortalamanın altındaki gözlem sayısıdır. Buna göre Z test istatistiği

ise sıfır hipotezi reddedilir. p anlamlılık düzeyi %5 dir ( Phan ve Zhou , 2014: s.66).

4.5. Uzun Dönemli Korelasyon Katsayısı

Gözlemler arasındaki korelasyonu ölçmek için korelasyon katsayısından yararlanılır. Serideki Korelasyon katsayı ile Hurst üsteli arasındaki ilişki

şeklindedir. H=0,5 için olur ve seride korelasyon olmadığını ifade eder, yani seri tamamen rassaldır. EI ve CMEE etkinlik ölçümlerinde korelasyon katsayısının hesaplamasındaki Hurst üstelini yerel Whittle yöntemi ve GPH yöntemi ile elde edilecektir. Bu yöntemlerin kısa zamanlı serilerde daha uygun olduğu gösterilmiştir (Kristoufek, 2018: s.260).

5. Uygulama ve Sonuç

Kripto paralarla ilgili fiyatları Amerikan doları cinsinden

https://coinmarketcap.com/currencies/bitcoin/historical-data/ adresinden elde edilmiştir. İlk piyasaya sürülen dijital para Bitcoindir. Daha sonra Etherum, Riple, Bitcoin Cash ve diğer kripto para birimi geliştirilmiştir. Yaklaşık 2080 cyrpto para vardır. Bu çalışmada dört ana kripto parası en çok işlem göre Bitcoin, Bitcoin Cash, Etherum ve Riple kripto paralarının etkinlik indeksleri hesaplanacaktır. EI indeksi hesaplanırken Hurst üsteli , yaklaşık entropi, fraktal boyut ve korelasyon katsayısı dikkate alınacaktır. CMEE indeksinde ise Hurst üsteli , Shannon entropi, run test, fraktal boyut ve korelasyon katsayısı alınacaktır.

(9)

Tablo 1: Kripto Paraların Test Sonuçları Hurst Üsteli ApEn Yaklaşık Entropi Shanon Entropi Run Test Fraktal Boyut Korelasyon sayısı Bitcoin 0,54 0,6810 0,9839 0,6020 1,8518 0,05701 Ethereum 0,59 0,6970 0,9986 0,1574 1,6949 0,1323 Riple 0,60 0,6511 0,9865 1,3121 1,6666 0,1486 Bitcoin Cash 0,58 0,6772 0,9963 0,9447 1,7241 0,1172

Tablo 2: Kripto Paraların Etkinlik İndeks Değerleri

El CMEE

Bitcoin 0,358573 2,038628

Ethereum 0,458801 1,88825

Riple 0,514751 2,286849

Bitcoin Cash 0,447724 2,117543

EI etkinlik indeksinde Hurst üsteli, Yaklaşık entropi, Fraktal boyut ve Korelasyon katsayısı alınmıştır. Etkinlik indeksi, aralığında değer alır. Buna göre Bitcoin, Ethereum ve Bitcoin Cash kripto paraların güçlü etkin piyasaya daha yakın olduğu, Riple kripto paranın ise zayıf etkin piyasaya yakın olduğu söylenebilir.

CMEE etkinlik indeksinde ise Hurst üsteli, Shanon entropi, Run test, Fraktal boyut ve Korelasyon katsayısı alınmıştır. Her bir kripto para için CMEE etkinlik indeksi,

koşulu sağlandığına göre (Bitcoin, Ethereum, Riple ve Bitcoin cash) orta etkin piyasa olduğu ifade edilebilir.

Kaynakça

Anderson N. ve Noss J. (2013). The Fractal Market Hypothesis and Its Implications for the Stability of Financial Markets, Bank of England Financial Stability Paper No. 23, August, ss.1-22.

Camelia O., Cristina T. ve Amelia B., (2017), A New Proposal for Efficiency Quantification of Capital Markets in the Context of Complex Non-Linear Dynamics and Chaos, Economic Research-Ekonomska Istraživanja, Volume 30, Issue 1, ss. 1669-1692.

Caporale, G.M. , Alana, L.G. ve Plastun, A. (2018), Persistence in the Cryptocurrency Market, Research in International Business and Finance, Volume 46, ss. 141–148

Çetinkaya, O.Z., (1986), Belirsizliğin Ölçülmesi ve Entropi, İstanbul Üniversitesi İktisat Fakültesi Mecmuası, ss. 323-335

Demireli E. ve Ural M.(2009), Hurst Üstel Katsayısı Aracılığıyla Fraktal Yapı Analizi ve İMKB’de Bir Uygulama, Atatürk Üniversitesi İktisadi ve İdari Bilimler Dergisi, Cilt: 23, Sayı: 2, ss. 243-255.

(10)

Fama, E. F. (1970), Efficient Capital Markets: A Review of Theory and Empirical Work, The Journal of Finance, Volume 25, Issue 2, ss. 383–417.

https://coinmarketcap.com/tr/charts/#dominance-percentage

Islam, S. M. N., Watanapalachaikul, S., ve Clark, C. (2007), Are Emerging Financial Markets Efficient? Some Evidence from the Models of the Thai Stock Market, Journal of Emerging Market, Volume 6, Issue3, ss. 1–16.

Kayacan, E.Y. ve Anavatan, A. (2018), Bitcoin Getirilerinin Kaotik Yapısının İncelenmesi, Avrasya Sosyal ve Ekonomi Araştırmaları Dergisi (ASEAD), Cilt 5, Sayı 7, ss. 135-142.

Kristoufek, L. ve Vosvrda, M. (2013), Measuring Capital Market Efficiency: Global and Local Correlations Structure, Physica A: Statistical Mechanics and its Applications, Volume 392, Issue 1, ss.184–193.

Kristoufek, L. (2018), On Bitcoin Markets (in) Efficency and Its Evolution, Physica A: Statistical Mechanics and its Applications, Volume 503, ss.257–262. Kristoufek, L.. ve Vosvrda, M. (2014b), Measuring Capital Market Efficiency:

Long-Term Memory, Fractal, Dimension and Approximate Entropy, The European Physical Journal B, 87: 162, ss.1-9.

Mandelbrot, B. B. (1972). Statistical Methodology for Non-Periodic Cycles: From the Covariance to R/S Analysis, Annals of Economic and Social Measurement, Volume 1, Number 3, ss. 259–290.

Nakamoto, S. (2008), Bitcoin: A Peer-to-Peer Electronic Cash System, www.bitcoin.org

Öğet, E. ve Kanat, E. (2018), Bitcoin ile Türkiye ve G7 Ülke Borsaları Arasındaki Uzun ve Kısa Dönemli İlişkilerin İncelenmesi, Finans Ekonomi ve Sosyal Araştırmalar Dergisi (FESA), Cilt 3, Sayı 3, ss. 601-614.

Peters, E.E. (1994), Fractal Market Analysis, Applying Chaos Theory to Investment and Economics, John Wiley&Sons Inc., Newyork.

Phan K.C. ve Zhou J. (2014), Market Efficiency in Emerging Stock Markets: A Case Study of the Vietnamese Stock Market, IOSR Journal of Business and Management , Volume 16, Issue 4, ss. 61-73.

Pincus, S.M. (1991), Approximate Entropy as a Measure of System Complexity, Proceedings of National Academy of Sciences of the United States of America, Volume 88, Issue 6, ss. 2297-2301.

Pincus S. M. ve Huang W.M. (2007), Approximate Entropy: Statistical Properties and Applications, Communications in Statistics, Theory and Methods, Volume 21, Issue 11, ss. 3061-3077.

R Core Team (2015), R: A Language and Environment For Statistical Computing, R Foundation for Statistical Computing, Vienna, Austria, URL https://www.R-project.org/.

Samuelson, P.A. (1965), Proof that Properly Anticipated Prices Fluctuate Randomly, Industrial Management Review, Volume 6, Issue 2, ss. 41-49.

(11)

Shannon C.E. (1948). A Mathematical Theory of Communication, The Bell System Technical Journal, Volume27, Issue3, ss. 379–423.

Şensoy A.(2018), The Inefficiency of Bitcoin Revisited: A High-Frequency Analysis with Alternative Currencies, Finance Research Letters, Elsevier.

Urquhart, A. (2016). The inefficiency of Bitcoin, Economics Letters, Volume 148, ss. 80-82.

Tutar, H. (2013), İşletme ve Yönetim Terimleri Ansiklopedik Sözlük, Detay Yayıncılık, Ankara.

Ek : Kripto Paraları Getiri Eğrileri

Şekil 2.a: Bitcoin Getiri Grafiği

(12)

Şekil 2.c: Riple Getiri Grafiği

Şekil 2.d: Bitcoin Cash Getiri Grafiği

E-ISSN:

of Strategic Research Academy and its content may not be copied or emailed to multiple sites or posted to a listserv without the copyright holder's express written permission. However, users may print, download, or email articles for individual use.