RİSKE MARUZ DEĞER ANALİZİ ÜZERİNE BİR UYGULAMA: TÜRKİYEDEN BULGULAR

Year 2019, Volume: 6 Issue: 1, 269 - 279, 30.01.2019

Onur Bayram , Zakayo Samson Kisava

Abstract

Belirli bir zaman
diliminde bir portföyün değerinde meydana gelebilecek en büyük kaybın
belirlenmesi işletmeler ve yatırımcılar açısından büyük bir öneme sahiptir. Finansal
piyasalardaki hızlı büyüme ve küreselleşme olgularıyla beraber risk yönetimi
ciddi bir konu haline gelmiştir. Son yıllarda geliştirilen risk ölçüm
yöntemlerinin en önemlilerinden birisi Riske Maruz Değer (RMD) yöntemidir. Bu
çalışmada, BIST 30 endeksi içerisinde yer alan 5 şirketin hisse senetlerinden
oluşan 100,000 TL tutarındaki varsayımsal bir portföy 2015, 2016 ve 2017
yılları için sabit varyans esasına dayanan RMD tekniklerinden Parametrik,
Tarihsel Simülasyon ve Monte Carlo Simülasyonu yöntemleri ile incelenmiştir.
Elde edilen sonuçlara göre en küçük RMD tutarı, geçmiş koşulların gelecekte de
geçerli olacağına dayanan ve serilerin istatistiksel dağılımları ile ilgili
herhangi bir varsayımda bulunmayan Tarihsel Simülasyon yöntemi ile elde
edilmiştir. Geriye dönük test kapsamında uygulanan Z Testi, her üç yıl için de
Parametrik yöntemin uygun olduğunu işaret ederken, sapma zamanları arasındaki
bağımlılığı dikkate alan Karma Kupiec Testi yöntemin yalnızca 2017 yılı için
uygun olmadığı sonucunu ortaya koymaktadır.

Keywords

Riske Maruz Değer, Simülasyon, Geriye Dönük Test

AN APPLICATION ON VALUE AT RISK ANALYSIS: EVIDENCE FROM TURKEY

Abstract

Determining the maximum loss that occurs in the value of a portfolio
in a given period of time has a great importance in terms of firms and investors.
Risk management has become a serious issue with the rapid growth in financial
markets and globalization phenomena. One of the most important risk measurement
methods developed in recent years is the Value at Risk (VaR) method. In this
study, a hypothetical portfolio amounting to 100,000 TL consisting of the
shares of 5 companies in the BIST 30 index was analyzed by Parametric, Historical
Simulation and Monte Carlo Simulation methods from VaR techniques based on
constant variance for 2015, 2016 and 2017 years. According to the results, the
smallest amount of VaR is obtained by the Historical Simulation method which
does not have any assumptions about the statistical distributions of the series
and based on past conditions to be valid in the future. Z Test which is used
for backtesting indicates that the parametric method has been appropriate for
all three years, while the Mixed Kupiec Test, which takes into account the
dependence between the deviation times, reveals that the method is not suitable
only for 2017.

Keywords

Value at Risk, Simulation, Backtesting

References

• Akan, N., Oktay, L., & Tüzün, Y. (2003). Parametrik Riske Maruz Değer Yöntemi Türkiye Uygulaması. Bankacılar Dergisi(45), 29-39.
• Akın, Y., & Akduğan, U. (2012). Finansal Piyasalarda Risklerin Belirlenmesinde Riske Maruz Değer Yöntemine İlişkin Bir Uygulama. Trakya Üniversitesi Sosyal Bilimler Dergisi, 14(1), 225-236.
• Avşarlıgil, N., Demir, Y., & Doğru, E. (2015). Riske Maruz Değer Ölçüm Yöntemleri Aracılığıyla BIST’te İşlem Gören Spor Kulüpleri Üzerine Bir Uygulama. Eskişehir Osmangazi Üniversitesi Sosyal Bilimler Dergisi, 16(1), 81-107.
• Demireli, E., & Taner, B. (2009). Risk Yönetiminde Riske Maruz Değer Yöntemleri ve Bir Uygulama. Süleyman Demirel Üniversitesi İktisadi ve İdari Bilimler Fakültesi Dergisi, 14(3), 127-148.
• Dowd, K. (1998). Beyond Value at Risk: The New Science of Risk Management. Chichester: John&Wiley & Sons.
• Dowd, K. (2002). Measuring Market Risk, 1st Edition, John Wiley & Sons Inc., Chichester
• Gürsakal, S. (24-25 Mayıs 2007). İmkb 30 Endeksi Getiri Serisinin Riske Maruz Değerlerinin Tarihi Simülasyon ve Varyans-Kovaryans Yöntemleri ile Hesaplanması. 8. Türkiye Ekonometri ve İstatistik Kongresi (s. 1-13). Malatya: İnönü Üniversitesi.
• Haas, M. (2001). New Methods in Backtesting. Financial Engineering Research Center, Working Paper.
• Jackson, P., Maude, D., & Perraudin, W. (1997). Bank Capital and Value at Risk. The Journal of Derivatives, 4(3), 73-89.
• Jorion P. (2000). Value at Risk: The New Benchmark for Managing Financial Risk, 2nd Edition, McGraw-Hill Inc., New York
• Korkmaz, T., & Bostancı, A. (2011). RMD Hesaplamalarında Volatilite Tahminleme Modellerinin Karşılaştırılması ve Basel II Yaklaşımına Göre Geriye Dönük Test Edilmesi: IMKB 100 Endeksi Uygulaması. Business and Economics Research Journal, 2(3), 1-17.
• Kupiec, P. (1995). Techniques for Verifying The Accuracy of Risk Management Models. Journal of Derivatives, 3(2), 73-84.
• Mentel, G. (2013). Parametric or Non-Parametric Estimation of Value-at-Risk. International Journal of Business and Management, 8(11), 103-112.
• Oppong, S., Asamoah, D., & Oppong, E. (2016). Value at risk: historical simulation or monte carlo simulation. International Conference On Management, Communication and Technology (ICMCT), 4(1), 45-51.
• Ural, M., & Adakale, T. (2009). Beklenen kayıp yöntemi ile riske maruz değer analizi. Akdeniz İ.İ.B.F. Dergisi, 9(17), 23-39.
• Ural, M. (2010). Yatırım fonlarının performans ve risk analizi. Ankara: Detay Yayıncılık.
• Vlaar, P. (2000). Value at risk models for dutch bond portfolios. Journal of Banking & Finance, 24(7), 1131-1154.
• Yıldırım, H., & Çolakyan, A. (2014). Finansal yatırım araçlarında riske maruz değer uygulaması. Dokuz Eylül Üniversitesi İktisadi ve İdari Bilimler Fakültesi Dergisi, 29(1), 1-24.