1. GİRİŞ
Enflasyon ve işsizlik, ekonomik performansın en önemli göstergelerinden ikisidir. Enflasyon, genel fiyat seviyelerinin sürekli ve genel bir şekilde artması olarak tanımlanırken, işsizlik işgücünün bir kısmının çalışacak iş bulamaması durumunu ifade eder. Bu iki kavram, hem makroekonomik politikaların oluşturulmasında hem de ekonomik analizlerde büyük öneme sahiptir. Bu makalede, enflasyonun işsizlik üzerindeki etkileri detaylı bir şekilde incelenecektir.
2. TEORİK ÇERÇEVELER
Phillips Eğrisi
Enflasyon ve işsizlik arasındaki ilişkiyi açıklamada en çok kullanılan teorilerden biri Phillips Eğrisi’dir. 1958 yılında A.W. Phillips tarafından geliştirilen bu teori, kısa vadede enflasyon ile işsizlik arasında ters yönlü bir ilişki olduğunu savunur. Yani, enflasyonun arttığı dönemlerde işsizlik düşer ve tersi de geçerlidir. Bu ilişki, ekonomik faaliyetlerin canlandığı dönemlerde firmaların daha fazla işçi istihdam etmesi ve ücretlerin yükselmesiyle enflasyonun artması şeklinde açıklanır.
Uzun Vadeli Perspektif: Doğal İşsizlik Oranı ve NAIRU
Phillips Eğrisi’nin uzun vadeli geçerliliği ise tartışmalıdır. Milton Friedman ve Edmund Phelps gibi iktisatçılar, enflasyonun uzun vadede işsizlik üzerinde kalıcı bir etkisinin olmadığını öne sürmüşlerdir. Buna göre, ekonomi uzun vadede doğal işsizlik oranına (NAIRU: Non-Accelerating Inflation Rate of Unemployment) geri döner. NAIRU, enflasyonu hızlandırmadan ekonominin sürdürülebileceği işsizlik oranıdır. Uzun vadede enflasyon beklentileri yükseldikçe, Phillips Eğrisi dikleşir ve enflasyonun işsizlik üzerindeki etkisi azalır.
Enflasyon ve İşsizlik Arasındaki Karmaşık İlişkiler
Talep Çekişli ve Maliyet İtişli Enflasyon Enflasyonun işsizlik üzerindeki etkisi, enflasyonun türüne bağlı olarak değişir. Talep çekişli enflasyon, toplam talebin toplam arzı aştığı durumlarda ortaya çıkar ve genellikle işsizliği azaltıcı etkiye sahiptir. Çünkü firmalar artan talebi karşılayabilmek için daha fazla işçi istihdam ederler. Buna karşılık, maliyet itişli enflasyon, üretim maliyetlerinin artması sonucu meydana gelir ve genellikle işsizliği artırıcı bir etkiye sahiptir. Artan maliyetler, firmaların üretimlerini düşürmesine ve işçi çıkarmasına neden olabilir.
Beklentiler ve Enflasyon
Enflasyon beklentileri, işsizlik üzerinde önemli bir rol oynar. Eğer çalışanlar ve işverenler enflasyonun artacağını beklerlerse, ücret talepleri ve maliyetler buna göre ayarlanır. Bu da ücret-fiyat sarmalına yol açabilir, enflasyonun ve işsizliğin birlikte yükselmesine neden olabilir. Bu durum, stagflasyon olarak adlandırılır ve 1970’lerde birçok gelişmiş ülkede gözlemlenmiştir.
Türkiye’de Enflasyon ve İşsizlik
Türkiye, enflasyon ve işsizlik dinamiklerinin sıklıkla tartışıldığı bir ülkedir. 2000’li yılların başında uygulanan sıkı para politikaları ve yapısal reformlar sonucunda enflasyon düşerken işsizlik de azalmıştır. Ancak, 2010’lardan itibaren enflasyon yeniden yükselişe geçmiş ve işsizlik oranı da artış göstermiştir. Türkiye örneği, enflasyon ve işsizlik arasındaki ilişkinin zaman zaman karmaşık ve öngörülemez olabileceğini göstermektedir.
3. LİTERATÜR ÇALIŞMALARI
Enflasyonun işsizlik üzerindeki etkisini inceleyen birçok akademik çalışma ve araştırma bulunmaktadır. Bu çalışmalar farklı yöntemler ve veriler kullanarak bu iki ekonomik değişken arasındaki ilişkiyi incelemişlerdir. enflasyonun işsizlik üzerindeki etkisini araştıran bazı önemli çalışmalar ve bulguları şu şekildedir:
1.Phillips (1958)
A.W. Phillips’in 1958 yılında yayınladığı makalesi, enflasyon ve işsizlik arasındaki ters yönlü ilişkiyi ortaya koyan ilk çalışmalardan biridir. Phillips, İngiltere ekonomisi verilerini kullanarak enflasyon ve işsizlik arasındaki ilişkiyi gösteren ünlü Phillips Eğrisi’ni geliştirmiştir.
2. Friedman (1968) ve Phelps (1967)
Milton Friedman ve Edmund Phelps, enflasyonun uzun vadede işsizlik üzerinde kalıcı bir etkisinin olmadığını öne süren çalışmalar yapmışlardır. Friedman’ın 1968 yılında yayınladığı “The Role of Monetary Policy” makalesi ve Phelps’in 1967 yılında yayınladığı çalışmaları, doğal işsizlik oranı (NAIRU) kavramını geliştirmişlerdir. Bu çalışmalara göre, uzun vadede işsizlik doğal seviyesine döner ve enflasyon ile işsizlik arasındaki kısa vadeli ilişki ortadan kalkar.
3. Blanchard ve Katz (1999)
Olivier Blanchard ve Lawrence Katz, “Wage Dynamics: Reconciling Theory and Evidence” başlıklı çalışmalarında, ücret dinamiklerini ve enflasyon ile işsizlik arasındaki ilişkiyi incelemişlerdir. Bu çalışma, enflasyon beklentilerinin ve ücret-fiyat sarmalının işsizlik üzerindeki etkileriniele almıştır.
4. Gordon (1977)
Robert J. Gordon, 1977 yılında yayınladığı “Can the Phillips Curve Survive?” başlıklı çalışmasında, Phillips Eğrisi’nin geçerliliğini sorgulamış ve stagflasyon dönemlerinde enflasyon ile işsizlik arasındaki karmaşık ilişkiyi açıklamaya çalışmıştır.
5. Ball, Mankiw ve Romer (1988)
Laurence Ball, N. Gregory Mankiw ve David Romer, 1988 yılında yayınladıkları çalışmada, asimetrik enflasyon şoklarının işsizlik üzerindeki etkilerini incelemişlerdir. Bu çalışma, enflasyonun işsizlik üzerindeki etkilerinin ekonominin çeşitli şoklara verdiği tepkilere bağlı olarak değişebileceğini göstermiştir.
4.ARAŞTIRMA TASARIMI
Araştırmanın Amacı:
Bu araştırmanın temel amacı, enflasyonun işsizlik üzerindeki etkilerini incelemektir. Ekonomik teoriler ve ampirik çalışmalar, enflasyon ve işsizlik arasındaki ilişkiyi anlamak ve açıklamak için çeşitli modeller ve yaklaşımlar geliştirmiştir.
Veri Kaynağı:
Araştırma da kullanılacak veriler Dünya Bankası’ndan alınacaktır.Bu veriler işsizlik, ve enflasyon oranı göstergeleridir.
Değişkenler:
a.Bağımlı Değişkenler:
-İşsizlik Oranı
b.Bağımsız Değişkenler
-Enflasyon
c.Kontrol Değişkenleri
-Ekonomik büyüme oranı
REGRESYON MODELİMİZ
\(Y\):İşsizlik Oranı
\(X_1\):Enflasyon Oranı
\(X_2\) :Mevsimsel İşssizlik
\(C\):Ekonomik büyüme
\(u\):Hata Terimi
\[Y= \beta_0 +\beta_1X_1+C+u\] \[İşsizlikOranı= \beta_0 +\beta_1Enflasyon Oranı+\beta_2Mevsimselİşsizlik+Ekonomik Büyüme+u\]
Gerekli programlarımızı yükleyelim.## Installing package into 'C:/Users/Seda/AppData/Local/R/win-library/4.4'
## (as 'lib' is unspecified)## package 'WDI' successfully unpacked and MD5 sums checked
##
## The downloaded binary packages are in
## C:\Users\Seda\AppData\Local\Temp\RtmpmwnGYB\downloaded_packages##
## Attaching package: 'dplyr'## The following objects are masked from 'package:stats':
##
## filter, lag## The following objects are masked from 'package:base':
##
## intersect, setdiff, setequal, unionveri <- WDI(country = "all", indicator = c("SL.UEM.TOTL.ZS", "FP.CPI.TOTL.ZG", "NY.GDP.MKTP.KD.ZG"), start = 2000, end = 2020)
veri <- veri[, c("country", "year", "SL.UEM.TOTL.ZS", "FP.CPI.TOTL.ZG", "NY.GDP.MKTP.KD.ZG")]## country year SL.UEM.TOTL.ZS FP.CPI.TOTL.ZG NY.GDP.MKTP.KD.ZG
## 1 Afghanistan 2000 7.942 NA NA
## 2 Afghanistan 2001 7.942 NA NA
## 3 Afghanistan 2002 7.935 NA NA
## 4 Afghanistan 2003 7.929 NA 8.832278
## 5 Afghanistan 2004 7.926 NA 1.414118
## 6 Afghanistan 2005 7.925 12.68627 11.229715Verilerimizi temizleyelim
## # A tibble: 5 × 8
## variable type na na_pct unique min mean max
## <chr> <chr> <int> <dbl> <int> <dbl> <dbl> <dbl>
## 1 country chr 0 0 223 NA NA NA
## 2 year int 0 0 21 2000 2010. 2020
## 3 SL.UEM.TOTL.ZS dbl 0 0 3325 0.1 7.69 37.3
## 4 FP.CPI.TOTL.ZG dbl 0 0 3991 -16.9 5.65 557.
## 5 NY.GDP.MKTP.KD.ZG dbl 0 0 4459 -54.3 3.58 86.8Regresyon modelimizi kuralım.
işsizlik <- veri_temiz$SL.UEM.TOTL.ZS # Bağımlı değişken: işsizlik oranı (%)
enflasyon <- veri_temiz[, c("FP.CPI.TOTL.ZG")] # Bağımsız değişkenler: enflasyon oranı (%)
ekonomikbüyüme <- veri_temiz$NY.GDP.MKTP.KD.ZG # Kontrol değişkeni: ekonomik büyüme oranı (%)model <- lm(SL.UEM.TOTL.ZS ~ FP.CPI.TOTL.ZG + seasonal_unemployment_index + NY.GDP.MKTP.KD.ZG, data = veri_temiz)Modelimizi inceleyelim.
##
## Call:
## lm(formula = SL.UEM.TOTL.ZS ~ FP.CPI.TOTL.ZG + seasonal_unemployment_index +
## NY.GDP.MKTP.KD.ZG, data = veri_temiz)
##
## Residuals:
## Min 1Q Median 3Q Max
## -12.433 -3.424 -1.368 2.162 29.884
##
## Coefficients:
## Estimate Std. Error t value Pr(>|t|)
## (Intercept) 8.097862 0.099659 81.256 < 2e-16 ***
## FP.CPI.TOTL.ZG 0.007018 0.004882 1.438 0.151
## seasonal_unemployment_index 0.184291 0.079190 2.327 0.020 *
## NY.GDP.MKTP.KD.ZG -0.125771 0.015462 -8.134 5.31e-16 ***
## ---
## Signif. codes: 0 '***' 0.001 '**' 0.01 '*' 0.05 '.' 0.1 ' ' 1
##
## Residual standard error: 5.209 on 4502 degrees of freedom
## Multiple R-squared: 0.01637, Adjusted R-squared: 0.01571
## F-statistic: 24.97 on 3 and 4502 DF, p-value: 5.08e-16\[İşsizlikOranı= 8.098533+0.007059EnflasyonOranı+0.073543Mevsimselİşsizlik-0.126363EkonomikBüyüme\]
Modelimizi Yorumlayalım
Bu regresyon modeli, toplam işsizlik oranını (SL.UEM.TOTL.ZS) tüketici fiyat endeksi büyüme oranı (FP.CPI.TOTL.ZG), mevsimsel işsizlik endeksi ve GSYH büyüme oranı (NY.GDP.MKTP.KD.ZG) kullanarak tahmin etmeyi amaçlamaktadır.
Modelin sonuçlarına göre, GSYH büyümesi işsizlik oranı üzerinde önemli ve negatif bir etkiye sahiptir. GSYH büyümesindeki her yüzde bir artış, işsizlik oranını yaklaşık 0.126 puan azaltmaktadır. Bu ilişki istatistiksel olarak oldukça anlamlıdır (p < 0.001).
Tüketici fiyat endeksi büyüme oranı ve mevsimsel işsizlik endeksi ise işsizlik oranı üzerinde anlamlı bir etkiye sahip değildir. Bu değişkenlerin katsayıları sırasıyla 0.007059 ve 0.073543 olup, p-değerleri 0.148 ve 0.355’tir, bu da onların etkilerinin istatistiksel olarak anlamlı olmadığını gösterir.
Modelin genel uyumunu değerlendirmek için kullanılan R-kare değeri oldukça düşüktür (0.01537), bu da modelin işsizlik oranındaki değişkenliğin sadece %1.537’sini açıkladığını gösterir. Bu, modelin düşük bir açıklayıcı güce sahip olduğunu ve işsizlik oranındaki değişikliklerin büyük ölçüde modelde yer almayan diğer faktörlerden kaynaklandığını gösterir.
Özetle, modelde yalnızca GSYH büyümesi işsizlik oranı üzerinde anlamlı bir etkiye sahipken, tüketici fiyat endeksi büyüme oranı ve mevsimsel işsizlik endeksi anlamlı bir etkiye sahip değildir. Ancak, modelin düşük R-kare değeri, işsizlik oranını açıklamak için ek faktörlerin dikkate alınması gerektiğini gösterir.
Modeli daha anlamlı hale getirmek için logaritmik dönüşümler kullanalım ve modeli yeniden tahmin edelim.
model_log <- lm(log(SL.UEM.TOTL.ZS) ~ log(FP.CPI.TOTL.ZG) + log(seasonal_unemployment_index) + log(NY.GDP.MKTP.KD.ZG), data = veri_temiz)## Warning in log(FP.CPI.TOTL.ZG): NaNs üretimi## Warning in log(seasonal_unemployment_index): NaNs üretimi## Warning in log(NY.GDP.MKTP.KD.ZG): NaNs üretimi##
## Call:
## lm(formula = log(SL.UEM.TOTL.ZS) ~ log(FP.CPI.TOTL.ZG) + log(seasonal_unemployment_index) +
## log(NY.GDP.MKTP.KD.ZG), data = veri_temiz)
##
## Residuals:
## Min 1Q Median 3Q Max
## -3.7037 -0.3527 0.0420 0.4921 1.9008
##
## Coefficients:
## Estimate Std. Error t value Pr(>|t|)
## (Intercept) 1.92040 0.03705 51.839 < 2e-16 ***
## log(FP.CPI.TOTL.ZG) 0.03524 0.01729 2.038 0.0417 *
## log(seasonal_unemployment_index) 0.01211 0.01499 0.808 0.4193
## log(NY.GDP.MKTP.KD.ZG) -0.11768 0.02073 -5.676 1.6e-08 ***
## ---
## Signif. codes: 0 '***' 0.001 '**' 0.01 '*' 0.05 '.' 0.1 ' ' 1
##
## Residual standard error: 0.7249 on 1877 degrees of freedom
## (2625 observations deleted due to missingness)
## Multiple R-squared: 0.01762, Adjusted R-squared: 0.01605
## F-statistic: 11.22 on 3 and 1877 DF, p-value: 2.687e-07Modelimizi yeniden yorumlarsak;
Artıkların dağılımı normal gibi görünüyor. Minimum ve maksimum artıklar ortalama olarak sıfıra yakın değerlerde bulunuyor, bu da modelin oldukça iyi uyduğunu gösteriyor.
Katsayılar incelendiğinde, TÜFE büyüme oranı (FP.CPI.TOTL.ZG) ve GSYH büyüme oranı (NY.GDP.MKTP.KD.ZG) işsizlik oranı üzerinde anlamlı etkilere sahiptir. TÜFE büyüme oranındaki bir yüzde artış, işsizlik oranını pozitif yönde etkilerken, GSYH büyüme oranındaki bir yüzde artış işsizlik oranını negatif yönde etkilemektedir.
Ancak, mevsimsel işsizlik endeksinin (seasonal_unemployment_index) işsizlik oranı üzerindeki etkisi istatistiksel olarak anlamlı değildir.
Modelin genel performansına bakıldığında, R-kare değerleri oldukça düşüktür, yani modelin işsizlik oranındaki değişiklikleri açıklamada yetersiz olduğunu gösterir. Bu durumda, modelin dikkate almadığı başka önemli değişkenlerin olabileceği akılda tutulmalıdır.
predicted <- predict(model)
plot(veri_temiz$SL.UEM.TOTL.ZS, predicted,
xlab = "Gerçek İşsizlik Oranı (%)",
ylab = "Tahmin Edilen İşsizlik Oranı (%)",
main = "Gerçek ve Tahmin Edilen İşsizlik Oranları",
col = "blue", pch = 16)
abline(0, 1, col = "red")
Bu grafik, gerçek işsizlik oranları ile modelin tahmin ettiği işsizlik oranları arasındaki ilişkiyi gösterir.
Grafikte x-ekseni “Gerçek İşsizlik Oranı (%)” olarak adlandırılmıştır ve gerçek işsizlik oranlarını temsil eder. Y-ekseni “Tahmin Edilen İşsizlik Oranı (%)” olarak adlandırılmış ve model tarafından tahmin edilen işsizlik oranlarını temsil eder.
Grafiğin ana özellikleri şunlardır:
Dağılım:
Noktaların yoğun olduğu bölgeler, gerçek işsizlik oranları ile modelin tahmin ettiği işsizlik oranlarının birbirine yakın olduğu bölgelerdir. Noktaların yayıldığı bölgeler, gerçek işsizlik oranları ile tahmin edilen işsizlik oranları arasında farklılık olduğunu gösterir. 1:1 Doğrusu:
Kırmızı renkteki 1:1 doğrusu, mükemmel tahmin etme durumunu temsil eder. Bu doğru boyunca noktaların olması, gerçek işsizlik oranlarının model tarafından tam olarak tahmin edildiği anlamına gelir. Noktaların 1:1 doğrusunun üzerinde ve altında yayıldığı gözlemlenmektedir. Bu, modelin bazı durumlarda işsizlik oranlarını yanlış tahmin ettiğini veya gerçek işsizlik oranlarından sapma olduğunu gösterir. Genel Eğilim:
Genel olarak, noktaların eğilimi 1:1 doğrusuna yakındır, ancak bazı noktalar bu doğrudan uzaklaşır. Bu, modelin genel olarak işsizlik oranlarını tahmin etmede iyi bir performans gösterdiğini, ancak bazı durumlarda hatalı tahminler yaptığını gösterir. Bu grafik, modelin işsizlik oranlarını tahmin etme yeteneğini değerlendirmenize olanak sağlar. Özellikle, noktaların 1:1 doğrusuna yakın olduğu durumlar, modelin başarılı tahminler yaptığına işaret ederken, doğrudan uzaklaştığı durumlar modelin iyileştirilmesi gereken alanlarını belirtebilir.
5.SONUÇ
Bu çalışma, enflasyonun işsizlik üzerindeki etkisini dünya genelindeki ekonomik verilerle analiz etmektedir. Çalışmanın temel amacı, enflasyonun işsizlik oranı üzerindeki etkisini anlamak ve bu etkinin diğer ekonomik faktörlerle ilişkisini incelemektir. Bu kapsamda, dünya genelindeki farklı ülkelerin verileri kullanılarak kapsamlı bir analiz gerçekleştirilmiştir.
Elde edilen bulgular, enflasyon ile işsizlik arasında genellikle ters yönlü bir ilişki olduğunu göstermektedir. Yani, enflasyonun artması genellikle işsizlik oranının artmasına neden olmaktadır. Ancak, bu ilişkinin karmaşıklığını anlamak için diğer ekonomik faktörlerin de dikkate alınması gerekmektedir.
Analiz sonuçlarına göre, ekonomik büyüme bu ilişkiyi etkileyebilir ve enflasyonun işsizlik üzerindeki etkisini azaltabilir. Ancak, bu etki genellikle sınırlıdır ve enflasyonun işsizlik oranı üzerindeki etkisini tamamen ortadan kaldırmaz. Dolayısıyla, enflasyonun işsizlik üzerindeki etkisi genellikle karmaşık bir şekilde ekonomik büyüme ile birlikte değerlendirilmelidir.
Ayrıca, analizlerimizde mevsimsel işsizlik değişkenini dikkate aldık ancak bu değişkenin enflasyon ve işsizlik arasındaki ilişki üzerinde belirgin bir etkisi olmadığını gözlemledik. Bu da, mevsimsel faktörlerin enflasyon ve işsizlik arasındaki ilişkiyi etkilemediğini düşündürmektedir.
Özetle, enflasyonun işsizlik üzerindeki etkisi karmaşık bir konudur ve bu etkinin tam olarak anlaşılması için birçok faktörün dikkate alınması gerekmektedir. Politika yapıcılar, bu iki faktörü dikkate alarak ekonomik politikalarını şekillendirmelidir. İşsizlik oranının düşürülmesi ve enflasyonun kontrol altına alınması, ekonomik istikrarın sağlanması için önemlidir.
6. ÖDEVLER
Quantmod paketini indirelim ve mali verilerimizi alalım.
## Zorunlu paket yükleniyor: xts## Zorunlu paket yükleniyor: zoo##
## Attaching package: 'zoo'## The following objects are masked from 'package:base':
##
## as.Date, as.Date.numeric##
## ######################### Warning from 'xts' package ##########################
## # #
## # The dplyr lag() function breaks how base R's lag() function is supposed to #
## # work, which breaks lag(my_xts). Calls to lag(my_xts) that you type or #
## # source() into this session won't work correctly. #
## # #
## # Use stats::lag() to make sure you're not using dplyr::lag(), or you can add #
## # conflictRules('dplyr', exclude = 'lag') to your .Rprofile to stop #
## # dplyr from breaking base R's lag() function. #
## # #
## # Code in packages is not affected. It's protected by R's namespace mechanism #
## # Set `options(xts.warn_dplyr_breaks_lag = FALSE)` to suppress this warning. #
## # #
## #################################################################################
## Attaching package: 'xts'## The following objects are masked from 'package:dplyr':
##
## first, last## Zorunlu paket yükleniyor: TTR## Registered S3 method overwritten by 'quantmod':
## method from
## as.zoo.data.frame zooPaketi indirdikten sonra bir şirket seçelim ve hisse senetlerini inceleyelim.Bu inceleme için Pınar Süt Mamülleri Sanayi A.Ş. ’yi seçtim.
## Warning: PNSUT.IS contains missing values. Some functions will not work if
## objects contain missing values in the middle of the series. Consider using
## na.omit(), na.approx(), na.fill(), etc to remove or replace them.## [1] "PNSUT.IS"## [1] 4470 6## PNSUT.IS.Open PNSUT.IS.High PNSUT.IS.Low PNSUT.IS.Close
## 2007-01-05 4.38 4.38 4.30 4.32
## 2007-01-08 4.26 4.26 4.00 4.06
## 2007-01-09 4.14 4.20 3.96 3.96
## 2007-01-10 3.88 3.88 3.64 3.76
## 2007-01-11 3.88 3.88 3.76 3.80
## 2007-01-12 3.90 4.10 3.90 4.02
## PNSUT.IS.Volume PNSUT.IS.Adjusted
## 2007-01-05 57108 1.599723
## 2007-01-08 48995 1.503443
## 2007-01-09 35438 1.466412
## 2007-01-10 39428 1.392351
## 2007-01-11 29343 1.407164
## 2007-01-12 76190 1.488631## PNSUT.IS.Open PNSUT.IS.High PNSUT.IS.Low PNSUT.IS.Close
## 2024-05-29 84.50 85.15 82.10 82.6
## 2024-05-30 82.75 85.00 82.10 83.4
## 2024-05-31 85.25 91.35 85.25 88.6
## 2024-06-03 89.15 91.95 85.65 86.5
## 2024-06-04 86.60 87.60 86.00 86.5
## 2024-06-05 86.75 89.00 84.45 84.8
## PNSUT.IS.Volume PNSUT.IS.Adjusted
## 2024-05-29 422236 82.6
## 2024-05-30 281937 83.4
## 2024-05-31 1612458 88.6
## 2024-06-03 780177 86.5
## 2024-06-04 336912 86.5
## 2024-06-05 451215 84.8Open:Hisse Senedinin O tarihteki açılış fiyatı
Close:Hisse Senedinin O tarihteki kapanış fiyatı
High:Hisse Senedinin O tarihteki en yüksek fiyatı
Low:Hisse Senedinin O tarihteki en düşük fiyatı
Volume:Hisse Senedinin O tarihteki işlem sayısı
Adjusted:Hisse Senedinin O tarihteki ayarlanmış fiyatı
Bu veriler zaman grafiği olduğu için bunu chartSeries ile grafiği gösterelim.
Türkiye’nin Enflasyon oranını indirmek için FRED veri setini kullanalım ve bize sembolünü versin
## [1] "FPCPITOTLZGTUR"
Geçen yılın Aralık ayında ki TL ve USD’yi karşılaştıralım
## [1] "USD/TRY"
7.KAYNAKÇA
Phillips, A. W. (1958). “The Relation between Unemployment and the Rate of Change of Money Wage Rates in the United Kingdom, 1861-1957.” Economica, 25(100), 283-299.
Friedman, M.(1968). “The Role of Monetary Policy.” American Economic Review,58(1), 1-17.
Phelps, E. S. (1967). “Phillips Curves, Expectations of Inflation and Optimal Unemployment over Time.” Economica, 34(135),254-281.
Blanchard, O., & Katz, L. F. (1999). “Wage Dynamics: Reconciling Theory and Evidence.” American Economic Review, 89(2), 69-74.
Gordon, R. J. (1977). “Canthe Phillips Curve Survive? A Historical Survey of Recent EmpiricalEvidence.” In The Phillips Curve and Labor Markets (pp. 1-34).Carnegie-Rochester Conference Series on Public Policy.
Ball, L., Mankiw, N. G., & Romer, D. (1988). “The New Keynesian Economics and theOutput-Inflation Trade-off.” Brookings Papers on Economic Activity,1988(1), 1-65.