GOOGLE TRENDS “ALTIN” ARAMALARI İLE ALTIN FİYATLARI ARASINDAKİ İLİŞKİNİN ANALİZİ

Year 2022, , 1425 - 1438, 31.07.2022

Muhammed Fatih Yürük , Zekayi Kaya

https://doi.org/10.21547/jss.1069407

Abstract

Bilişim teknolojilerinin hızlı gelişimi ile birlikte internet ağının kapsama alanı da büyümektedir. Bilişim teknolojilerinin gelişimi beraberinde “büyük veri” kavramını meydana getirmiştir. Bu verileri kullananlar rakiplerine göre avantajlı duruma gelecektir. Büyük verilerin kullanımı bilimden sanayiye, özel sektörde kamuya kadar artık birçok alanda önem arz etmektedir. Bu çalışmada da Google arama motorunda aranan anahtar kelimesinin arama sıklığı sunan Google Trends’den elde edilen veriler kullanılarak altın fiyatlarının seyrinin nedensellik bağlantısı incelenmiştir. Veri seti, 01.01.2004-01.12.2021 tarihleri arasındaki aylık verileri içermektedir. Çalışma kapsamı Türkiye sınırları içinde Google arama motorunda “altın” anahtar kelimesinin arama sıklığı üzerinedir. Çalışmada verilerin durağanlık durumu analiz edilmiş, sonrasında değişkenler arasındaki uzun dönem dengesinin tespiti için Johansen Koentegrasyon testi yapılmıştır. En son aşama Granger Nedensellik analizi yapılmıştır. Çalışma sonucunda altından aramaya doğru tek yönlü Granger nedensellik tespit edilmiştir.

Keywords

Google, Google Trends, Büyük Veri, Granger

GOOGLE TRENDS “ALTIN” ARAMALARI İLE ALTIN FİYATLARI ARASINDAKİ İLİŞKİNİN ANALİZİ

Abstract

With the rapid development of information technologies, the coverage area of the internet network is also growing. The development of information technologies has brought with it the concept of "big data". Those who use this data will have an advantage over their competitors. Use of big data; From science to industry, from the private sector to the public, it is now important in many fields. In this study, the causality connection of the course of gold prices was examined by using the data obtained from Google Trends, which presents the search frequency of the keyword searched in the Google search engine. The data set includes monthly data between 01.01.2004-01.12.2021. The scope of the study is on the search frequency of the "gold" keyword in the Google search engine within the borders of Turkey. In the study, the stationarity of the data was analyzed, and then the Johansen cointegration test was used to determine the long-term balance between the variables. The last step was Granger Causality Analysis. As a result of the study, one-way Granger causality towards gold prospecting was determined.
Keywords: Google, Google Trends, Big Data, Granger

Keywords

Google, Google Trends, Büyük Veri, Granger

References

• Aguilera, A. M., Fortuna, F., Escabias, M. ve Di Battista, T. (2021). Assessing Social Interest in Burnout Using Google Trends Data. Social Indicators Research, 156(2), 587-599. doi: 10.1007/s11205-019-02250-5
• Anil Seth (2007) “Granger causality”, Scholarpedia, 2(7):1667.
• Ayan, B. (2020). Yeni Bir Veri Kaynağı Olarak Google Trends: Gelecek Yönelimi Endeksi İle İlgili Bir Değerlendirme, Uluslararası
• Ekonomi, İşletme ve Politika Dergisi International Journal of Economics, Business and Politics, 4 (1), 61-78.
• Baur D.G., Dimpfl T., (2016). Googling gold and mining bad news, Resources Policy, 50 306–311.
• Boone, T., Ganeshan, R., Hicks, R. L. ve Sanders, N. R. (2018). Can Google Trends Improve Your Sales Forecast? Production and Operations Management, 27(10), 1770-1774. doi: https://doi.org/10.1111/poms.12839
• Çiçekdağı, M. (2021). GOOGLE TRENDS VERİLERİNE GÖRE TURİZMDE TANINMIŞLIK VE TALEP TAHMİNİ. Çatalhöyük Uluslararası Turizm ve Sosyal Araştırmalar Dergisi(6), 140-157.
• Cui, R., Gallino, S., Moreno, A. ve Zhang, D. J. (2018). The Operational Value of Social Media Information. Production and Operations Management, 27(10), 1749-1769. doi: https://doi.org/10.1111/poms.12707
• Dickey, D. A., & Fuller, W. A. (1979). Distribution of the estimators for autoregressive time series with a unit root. Journal of the American statistical association, 74(366a), 427-431.
• Doğan, K. ve Arslantekin, S. (2016). Büyük veri: önemi, yapısı ve günümüzdeki durum. Ankara Üniversitesi Dil ve Tarih-Coğrafya Fakültesi Dergisi, 56(1).
• Engle, R. F., & Granger, C. W. (1987). Co-integration and error correction: representation, estimation, and testing. Econometrica: journal of the Econometric Society, 251-276.
• Ilgar , G. (2020). Dünya’daki 10 En İyi Arama Motoru 2020. https://seowpclub.com/dunyadaki-10-en-iyi-arama-motoru-2020/
• Jain, A. ve Biswal, P. C., (2019). Does internet search interest for gold move the gold spot, stock and exchange rate markets? A study from India, Resources Policy, 61, 501–507.
• Kocabıyık, T., Teker, T. ve Aksoy, E. (2020). Google Trends ‘Dolar’Aramaları ile Dolar Kuru Arasındaki İlişkinin Keşfi. IBAD Sosyal Bilimler Dergisi(6), 258-271.
• Kutlar, A.(2017). “Eviews ile Uygulamalı Çok Denklemli Zaman Serileri”, Umuttepe Yayınları,Ankara, ,2017.
• Martínez, R.G., Orden-Cruz, C,, Román C.P., (2021). Google Trends As Predictor of Grain Prices, Economics of Agriculture, Year 68, No. 1, (pp. 203-211).
• Miao, M., Khaskheli A., Raza, S.A. ve Yousufi S.Q., (2022). Using internet search keyword data for predictability of precious metals prices: Evidence from non-parametric causality-in-quantiles approach, Resources Policy, 75, 102478, 1-10.
• Nurdan, T. ve Duygun, A. (2021). E-TİCARET SİTELERİNİN GOOGLE TRENDS ARAMA SONUÇLARINA GÖRE ANALİZİ: COVID-19 PANDEMİSİ ÖNCESİ DÖNEM VE PANDEMİ DÖNEMİ. Kapadokya Akademik Bakış, 5(2), 21-42.
• Ozdemir, O. (2020). Google Trends’ te Muhasebe Terimlerinin Arama Sonuçları Üzerine Bir Araştırma. Iktisadi ve Idari Bilimlerde Teori ve Arastirmalar, 357-380.
• Philip Chen, C. L. ve Zhang, C.-Y. (2014). Data-intensive applications, challenges, techniques and technologies: A survey on Big Data. Information Sciences, 275, 314-347. doi: https://doi.org/10.1016/j.ins.2014.01.015
• Salisu, A., Ogbonna, A. ve Adewuyi, A. (2020). Google trends and the predictability of precious metals. Resources Policy, 65(C), S0301420719307408.
• Samirkas, M. C. (2020). GOOGLE ARAMALARI İLE BITCOIN FİYATI ARASINDAKİ İLİŞKİNİN TESPİTİ. PressAcademia Procedia, 11(1), 67-72. Venkataraman M., Panchapagesan V., and Jalan E., (2018). Does internet search intensity predict house prices in emerging markets? A case of India, Property Management, Vol. 36 No.1. pp. 103-118
• Yıldırım, Ç. (2020). GOOGLE TRENDS “BİTCOİN” ARAMALARI İLE BİTCOİN/USD FİYATLARI ARASINDAKİ İLİŞKİNİN ANALİZİ: ARDL SINIR TESTİ. Bilgi Ekonomisi ve Yönetimi Dergisi, 15(2), 99-113.
• Yıldırım , H. (2019). GOOGLE TRENDS HACİM ENDEKSİ VERİLERİNİN 2008 FİNANSAL KRİZİ ÜZERİNDEKİ ETKİSİ. AKADEMİK ÇALIŞMALAR-2019/2, 141.
• Yıldız , M. S. (2018). GOOGLE ARAMA TRENDLERİ: TÜRKİYE’DE SAĞLIK HİZMETLERİ İLE İLİŞKİLİ ARAMALAR İÇİN BİR UYGULAMA. Uluslararası Sağlık Yönetimi Ve Stratejileri Araştırma Dergisi, 4(2), 168-179.