After most recent 2008 Global Recession, the interest in early crisis warning (EWS) system has been rekindled. Majority of existing EWS literature has short-run implications and it mainly focuses on currency crashes and financial crises that represent nominal aspects of the economy. It neglects real aspects of the economy and other types of imbalances such as macroeconomic crises, speculative bubbles and crashes, international financial crises, and wider economic crises. Moreover majority of existing EWS models failed to predict 2008 Global recession which leaves plenty rooms for research studies.In this respect, this thesis attempt to establish a brand-new EWS system that improves existing ones in several patterns. First, it offers more generalized outlook by accounting various types of financial, economic, banking, and currency crises by using a set of real and nominal macroeconomic indicators. Second, it considers the largest sample size for EWS by covering 41 countries from developed, emerging, and frontier markets. While the existing literature mainly studies few developed countries such as the US, the UK, and the EU. Third, the existing literature largely uses static models that ignore long-run implications. This thesis employs more robust methodology of Distributed Lag Logit technique (DLL) under Almon's (1965) approach in multivariate logit framework that wields dynamics aspects as well. This specific methodology helps us to capture cumulative and delayed effects of all indicators accurately. In other words, it integrates often neglected long-run impacts of leading indicators on crisis. Fourth, the study takes into account most prominent leading indicators alongside with few new indicators that have not been used before. The selection of appropriate leading indicators of economic and financial turmoil also plays a crucial role in modelling EWS. However, the selection mainly depends on how the term `crisis` is defined. Unlike the literature that often defines the crisis using self-built indexes, the thesis considers it as shrinks in real output straight-forwardly. In this respect, it attempts to integrate real and nominal variables in the EWS model by utilizing empirically proven macroeconomic relations such as Phillips Curve and Okun's Law. We show that these empirical relations emerge early signals for upcoming imbalances. In other words, notional behaviour of the Phillips curve and Okun's law changes during two states of economy: Tranquil periods, when economic fundamentals are largely sound and sustainable; and Recessionary periods, when economic variables go through an adjustment process before reaching a more sustainable level or growth path.Fifth, the thesis also offers two brand-new techniques for optimal threshold selection, namely, False-to-True ratio (ϕ) and Risk Aversion rate (Ω) due problems in existing threshold techniques. The literature largely uses KLR Noise-to-Signal ratio as a threshold selection technique in order to gauge signals. However, it fails to distinguish consequences of `false alarms` (type II error - cost of taking pre-emptive action in response to a false alarm for non-crisis events) and `missed alarms` (type I error - cost of missed alarm for upcoming actual crisis). Therefore, we regard noise-to-signal ratio as risky threshold technique. Moreover, when probability of type II error is zero, the KLR's noise-to-signal ratio will derive zero notwithstanding to probability of type I error (there will be no difference whether it is 0.01 or 0.99). In other words, the noise-to-signal technique prefers to undertake more missed signal rates for the sake of nulling false signal rate. Thus, this technique does not primarily aim to predict and prevent potential crisis, but aims to minimize false alarms for non-crisis events. This is not in line with objectives of EWS models. A proper threshold selection technique should help EWS model to minimize missed crisis events (or maximize predicted crisis events). In this respect, we evaluate our DLL EWS model under four different threshold techniques comparatively including our two newly proposed techniques. As a result, we show that performance of our model can be optimized with our new threshold selection techniques which derive better prediction rates comparing to existing techniques. Averagely, our model correctly predicts 96.36% (1271 crisis quarters) of 1319 total crisis events (quarters) in advance, while issuing only 12.32% (492 tranquil quarters) false signals during 3995 tranquil periods.

Yakın geçimişinizdeki 2008 Global Resesyonundan sonra erken kriz uyarıcı sistemlere (EWS) olan ilgi yeniden alevlendi. Mevcut EWS literatürünün çoğunluğu ekonominin nominal yönlerini temsil eden parasal kur krizlerine ve finansal krizlerine odaklı olup genel olarak kısa vadeli etkileşimlere yoğunlaşır. Bu literatürler ekonominin reel faktörlerini dikkate almaz iken makroekonomik durgunluklar, spekulatif ataklar, varlık balonları ve uluslararası finansal resesyonlar gibi diğer çeşit krizleri de ihmal ederler. Daha önemlisi ise, literatürdeki mevcut EWS sistemlerin çoğu 2008 Global Resesyonu tahmin etmekte yetersiz kalmışlardır. Bu da bu alanda daha geniş araştırmalar yapmılması gerektiğini ortaya koymuştur.Bu bağlamda, bu tez, mevcut EWS sistemlerini birçok yönden geliştiren ve güçlendiren yepyeni bir model ortaya koymayı amaçlamaktadır. İlk olarak, bu tez birçok reel ve nominal makroekonomik göstergelerin etkileşimlerini de kullanarak çeşitli finansal, ekonomik, bankacılık ve döviz krizlerini dikkate alan daha genel görünümlü bir EWS modeli sunar.İkincisi, bu tez yeni ortaya konulan EWS modelini mevcut literatürdeki çalışmaların çoğunluğunda olduğu gibi yalnızca ABD, İngiltere ve AB gibi az sayıdaki ülkeler üzerinde değil, aksine 41 gelişmiş, gelişmekte olan ve az gelişmiş ülkelerden oluşan en büyük örneklem üzerinde test etmektedir. Üçüncüsü, mevcut literatür büyük ölçüde uzun dönem sonuçları dikkate almayan statik özelliklerdeki modelleri kullanır. Bu tez ise bunu Almon'un (1965) yaklaşımı altında Gecikmesi Dağıtılmış Logit Tekniğini (DLL) kullanarak aşmaktadır. Bu tekniği çok değişkenli logit çerçevesinde kullanarak EWS modeline dinamik özellikler katarak daha güçlü bir model ortaya koymaktadır. Bu özel teknik, tüm göstergelerin kümülatif ve gecikmeli etkilerini doğru şekilde ele almamıza yardımcı olmaktadır. Başka bir deyişle, bu teknik literatürde sıkça ihmal edilen krizin öncü göstergelerinin uzun vadeli etki ve etkileşimini de hesaba katmaktadır.Dördüncüsü, bu çalışma literatürde sıkça kullanılan göstergelerin yanı sıra daha önce hiç kullanılmamış birkaç yeni göstergeleri de kullanmaktadır. EWS'nin modellenmesinde ekonomik ve finansal krizler için öncü göstergelerin belirlenmesi kritik rolü oynar. Ancak bu göstergelerin belirlenmesi esas olarak `kriz`in nasıl tanımlandığına bağlı olarak değişmektedir. Krizleri indekslerle tanımlayan mevcut literatürden farklı olarak, bu tez krizi doğrudan reel çıktılarda daralma/küçülme olarak ele almaktadır. Bu bağlamda, bu çalışma Phillips Curve ve Okun Kanunu gibi ampirik olarak kanıtlanmış makroekonomik ilişkileri de kullanarak reel ve nominal göstergelerin etkileşimlerini de EWS modeline entegre etmeye çalışır. Biz bu tezde bu ampirik ilişkilerin yaklaşmakta olan krizler için erken sinyaller veren öncü göstergeler olarak kullanılabileceklerini de ortaya koyuyoruz. Başka bir deyişle, Phillips eğrisi ve Okun yasasının kavramsal/teorik davranışları ekonominin iki ayrı ortamında değişmektedir: (1) Ekonomik temellerin büyük ölçüde sağlam ve sürdürülebilir olduğu sakin dönemlerde; ve (2) Ekonomik değişkenlerin daha sürdürülebilir bir seviyeye veya büyüme yoluna ulaşmadan önce bir ayarlama sürecinden geçtiği durgunluk dönemlerinde.Beşincisi, EWS modellerinin performansını ölçme konusunda eşik değeri belirleme tekniği büyük rol oynar. Mevcut literatürde bu alandaki eksikliklerden ötürü, bu tez aynı zamanda optimal eşik değerinin belirlenmesi için iki yeni teknik de sunmaktadır: (1) Sahte-Gerçek oranı (ϕ) ve (2) Riskten Kaçınma oranı (Ω).Mevcut literatürde eşik belirleme tekniği olarak sıkça kullanılan KLR Gürültü-Sinyal oranının iki noktada yetersiz kalmaktadır. İlk olarak, bu teknik `yanlış alarmlar` (tip II hata –gerçekleşmeyecek bir sahte kriz için verilen yanlış/sahte alarm sonucunda önleyici eylemlerde bulunma maliyeti) ve `kaçırılan alarmlar` (tip I hata –yaklaşmakta olan gerçek kriz için verilmeyen alarm sonucunda oluşan maliyet) arasında ayırım yapmadan her iki maliyeti de eşit değerde görür. Bu nedenle, biz KLR Gürültü-Sinyal oranını riskli eşik tekniği olarak görüyoruz. Ayrıca, bu tekniğe göre tip II hata olasılığı sıfır olduğu zamanlarda, tip I hata olasılığının hiç bir önemi kalmayacaktır. Çünkü KLR Gürültü-Sinyal oranı bu durumlarda sıfır değerini alacaktır (tip I hata olasılığı 0.01 veya 0.99 olmasını ayırt edemeyecektir). Başka bir deyişle, bu teknik, sahte/yanlış alarmları sıfırlamak uğruna daha fazla gerçek alarmı kaçırmayı göze alır. Bu nedenle, bu teknik öncelikli olarak potansiyel krizi öngörmeyi ve önlemeyi amaçlamamaktadır, ancak kriz dışı olaylar için sahte/yanlış alarmları en aza indirmeyi amaçlamaktadır. Bu ise, EWS modellerinin amaçlarına uygun değildir. Uygun bir eşik değeri belirleme tekniği, EWS modelinin kaçırılan kriz olaylarını en aza indirmesine (veya öngörülen/tahmin edlien kriz olaylarını en üst düzeye çıkarmasına) yardımcı olmalıdır. Bu bağlamda, DLL EWS modelimizi, iki yeni önerilen tekniğimiz de dahil olmak üzere dört farklı eşik deperi belirleme tekniği altında karşılaştırmalı olarak analiz ediyoruz. Sonuç olarak, ortaya koyduğumuz bu iki yeni eşik belirleme tekniği mevcut tekniklere kıyasla daha iyi tahmin oranlarını sunduğunu ve EWS modelimizin genel performansını daha da optimize edilebileceğimizi gösteriyoruz. Ortalama olarak, modelimiz toplam 1319 kriz dönemlerin % 96,36'sını (1271 kriz dönemi) önceden tahmin ederken, toplam 3995 sakin ekonomik dönemlerin yalnızca %12,32'sinde (492 sakin dönem) yanlış/sahte alarm vermiştir.