BİST Şehir Endeksleri Oynaklığının DCCGARCH Model İle Analizi

Yıl 2018, Cilt: 16 Sayı: 31, 287 - 308, 01.02.2018

Verda Davaslıgil Atmaca

Öz

Yatırımcıların şehir bazlı performans değerlendirmesine olanak sağlayan Borsa
İstanbul (BİST) şehir endeksleri mikro ölçekli analizler bakımından önem taşımaktadır. Borsada işlem gören şehir endeksleri diğer endekslerde olduğu gibi ham
petrol ve döviz piyasasından etkilenebilmektedir. Bu çalışmanın amacı, BİST şehir
endekslerine ait oynaklık süreçlerinin çok değişkenli GARCH model ile analiz edilmesidir. Bu amaçla 05.01.2009-31.12.2015 dönemine ait BİST şehir endeksi, ham
petrol, Türk Lirası ve Avro döviz kuru getiri serisi verileri kullanılarak kalın kuyruk DCC-GARCH modeli tahmin edilmiştir. Amerikan Dolarına karşı Türk Lirası
ve Avro döviz kuru getiri serileri modele dışsal değişken olarak dahil edilmiştir.
Elde edilen bulgulara göre, her bir modelde tahmin edilen şehir endekslerine ait
ARCH ve GARCH etkileri istatistiki olarak anlamlıdır. Ham petrol ve şehir endeksi piyasalarında oynaklık kalıcı özelliklere sahiptir. Antalya şehir endeksi dışındaki
tüm endeksler ham petrol serisi ile pozitif korelasyonludur. 

Anahtar Kelimeler

Şehir Endeksleri, Oynaklık

Kaynakça

• Bayramoğlu, F., ve Pekkaya, M., ‘İMKB Tarafından Hesaplanan Endekslerde Yeni Gelişmeler ve İMKB Şehir Endeksleri’. Journal of Accounting and Finance, Vol:45, 2010, s.200- 215. Bauwens, L, Laurent, S., and Rombouts, J.V.K., ‘Multivariate GARCH Models: A Survey’,. Journal of Applied Econometrics,Vol: 21, No:1, 2006, s. 79-109. BIST, Şehir Endeksleri. http://www.borsaistanbul.com/endeksler/bist-pay-endeksleri/sehir-endeksleri, (Erişim Tarihi:15.05.2016). BIST, BIST Pay Endeksleri Temel Kuralları. http://www. borsaistanbul.com/endeksler/bistpay-endeksleri, (Erişim Tarihi:15.05.2016). Bollerslev, T. ‘Generalized Autoregressive Conditional Heteroskedasticity’. Journal of Econometrics, Vol:31, No:3, 1986, s.307-327. Christodoulakis, G.A., and Satchell, S.E., ‘Correlated ARCH (CorrARCH): Modelling The Time-Varying Conditional Correlation Between Financial Asset Returns’, European Journal of Operational Research, Vol:139, 2002, s. 351-370. Engle, R. F. ‘Autoregressive Conditional Heteroscedasticity with Estimates of the Variance of United Kingdom Inflation’. Econometrica, Vol:50, No:4, 1982, s. 987-1007. Engle, R.F., and Sheppard, K.. ‘Theorical and Empirical Properties of Dynamic Conditional Correlation Multivariate GARCH’, University of California at San Diego, NBER Working Paper, No:8554. National Bureau of Economic Research, 2001 Engle, R., ‘Dynamic Conditional Correlation: A Simple Class of Multivariate Generalized Autoregressive Conditional Heteroskedasticity Models’, Journal of Business & Economic Statistics, Vol: 20, No:3, 2002, s. 339-350. Hammoudeh, S., Yuan, Y., McAleer, M., and Thompson, M.A., ‘Precious Metals-Exchange Rate Volatility Transmissions and Hedging Strategies’,. International Review of Economics and Finance, Vol:19, 2010, s.633–647. KAP, Endeksler, https://www.kap.gov.tr/sirketler/islem-goren-sirketler/endeksler.aspx, (Erişim Tarihi: 10.05.2016). Orskaug, E. ‘Multivariate DCC-GARCH Model with Various Error Distributions’. Norwegian University of Science and Technology. Department of Mathematical Science, Oslo. 2009. Su, W., Huang, Y. Comparison of Multivariate GARCH Models with Application to Zero-Coupon Bond Volatility.Lund University. Department of Statistics, 2010. Tse, Y. K., ‘A Test for Constant Correlations in a Multivariate GARCH Models’. Journal of Econometrics, Vol: 98, 2000, s.107–127. Tse, Y.K., and Tsui, A. K. C., ‘A Multivariate Generalized Autoregressive Conditional Heteroscedasticity Model with Time Varying Correlations. Journal of Business & Economic Statistics. Vol: 20, No. 3, 2002, s.351-362.