Bitcoin ve Euro Arasındaki Volatilite Etkileşiminin Analizi

Year 2021, Volume: 7 Issue: 4, 1 - 13, 05.10.2022

Süreyya İmre

Abstract

Bu çalışmada popülerliği son yıllarda artan kripto paralar sınıfında değerlendirilen Bitcoin ile Euro getirileri arasındaki volatilite etkileşimini incelemek için 02.02.2014-28.02.2021 dönemine ait günlük veriler kullanılmıştır. Değişkenlere ait getirilerin zaman içindeki hareketini incelemek için oluşturulan grafiklerden volatilite kümelenmesi tespit edilmiş ve çok değişkenli GARCH modelleri kullanılmıştır. Modellerden elde edilen sonuçlar karşılaştırılarak log-olabilirlik değeri en küçük(negatif olarak) bulunan BEKK-GARCH modeli uygun model kabul edilerek Euro ile Bitcoin arasında çift yönlü volatilite etkileşimi bulunmuştur. Ayrıca DCC-GARCH modeli sonuçlarına göre ise iki getiri arasında asimetri ilişkisi ve oranında pozitif, güçlü bir dinamik korelasyon tespit edilmiştir.

Keywords

Çok Değişkenli GARCH Modelleri, Volatilite Etkileşimi, Bitcoin, DCC-GARCH Modeli, BEKK-GARCH Modeli, CCC-GARCH Modeli

References

• Baur, D. G., & Dimpfl, T. (2017, January). Realized Bitcoin Volatility. Researchgate: https://www.researchgate.net/publication/317994265_Realized_Bitcoin_Volatility
• Bollerslev, T. (1986). Generalized autoregressive conditional heteroskedasticity. Journal of Econometrics, 307-327.
• Bollerslev, T. (1990). Modelling the coherence in short-run nominal exchange rates: A multivariate generalized ARCH model. Review of Economics and Statistics, 498-505.
• Bollerslev, T. R. (1988). A Capital Asset Pricing Model with Time-Varying Covariances. The Journal of Political Economy, 116-131.
• Bouri, E., Azzi, G., & Dyhrberg, A. H. (2016). On the Return-volatility Relationship in the Bitcoin Market Around the Price Crash of 2013. Economic Discussion Paper.
• Coşkun, İ. O. (2011). Türkiye Turizm Endüstrisinde Talep Oynaklıklarının Çok Değişkenliği GARCH (MGARCH) Modelleri ile Analizi. Anadolu Üniversitesi Sosyal Bilimler Enstitüsü, Doktora Tezi.
• Dajčman, S., & Festić, M. (2015). Interdependence between the Slovenian and European Stock Markets – A DCC-Garch Analysis. Economic research-Ekonomska istraživanja, 379-395.
• Ding, L., & Vo, M. (2012). Exchange rates and oil prices: A multivariate stochastic volatility analysis. The Quarterly Review of Economics and Finance, 15-37.
• Dirican, C., & Canoz, İ. (2017). The Coıntegratıon Relatıonshıp Between Bitcoin Prices And Major World Stock Indices: An Analysis With ARDL Model Approach. Journal of Economics,Finance and Accounting, 377-392.
• Dwyer, G. (2015). The economics of Bitcoin and similar private digital currencies. Journal of Financial Stability, 81-91.
• Engle, R. F. (1982). Autoregressive Conditional Heteroscedasticity with Estimates of the Variance of United Kingdom Inflation. Econometrica, 987-1007.
• Engle, R. F. (1995). Multivariate Simultaneous Generalized ARCH. Econometric Theory, 122-150.
• Engle, R. F. (2002). Dynamic Conditional Correlation: A Simple Class of Multivariate Generalized Autoregressive Conditional Heteroskedasticity Models. Journal of Business and Economic, 339-350.
• Erdoğan, S., & Bozkurt, H. (2009). Türkiye’de cari açığın belirleyicileri: MGARCH modelleri ile bir inceleme. Maliye ve Finans Yazıları, 135-172.
• Goeij, P. d., & Marquering, W. (2009). Stock and bond market interactions with level and asymmetry dynamics: An out-of-sample application. Journal of Empirical Finance, 318-329.
• Gök, İ. Y., & Kalaycı, Ş. (2013). Türkiye ve ABD Pay Piyasaları Arasında Getiri ve Volatilite Yayılımı: Çok Değişkenli GARCH Analizi ile Ampirik Bir Araştırma. Finans Politik & Ekonomik Yorumlar, 39-58.
• Harman, B. (2017). Petrol Fiyatlarındaki Oynaklığın Doğalgaz Fiyatları Üzerindeki Etkilerinin Çok Değişkenli GARCH Analizi İle İncelenmesi. Cumhuriyet Üniversitesi Sosyal Bilimler, Yüksek Lisans Tezi.
• Hepsağ, A., & Yaşar Akçalı, B. (2016). Analysis of Volatility Spillovers Between the Bank Stocks Traded In Istanbul Stock Exchange and New York Stock Exchange. Eurasian Econometrics, Statistics & Emprical Economics Journal, 54-72.
• Koçoğlu, Ş., Çevik, Y. E., & Tanrıöven, C. (2016). Bitcoin Piyasalarının Etkinliği, Likiditesi ve Oynaklığı. İşletme Araştırmaları Dergisi, 77-97.
• Koutmos, G., & Booth, G. G. (1995). Asymmetric Volatility Transmission in International Stock Markets. Journal of International Money and Finance, 747-762.
• Lahrech, A., & Sylwester, K. (2011). U.S. and Latin American stock market linkages. Journal of International Money and Finance, 1341-1357.
• Nakamoto, S. (2008). Bitcoin: A Peer-to-Peer Electronic Cash System. Çevrimiçi: https://bitcoin.org/bitcoin.pdf
• Plassaras, N. A. (2013). Regulating Digital Currencies: Bringing Bitcoin within the Reach of the IMF. Chicago Journal of International Law, 377-407.
• Sadorsky, P. (2012). Correlations and Volatility Spillovers Between Oil Prices and The Stock Prices of Clean Energy and Technology Companies. Energy Economics, 248-255.
• Sattary, A. (2014). Petrol Fiyatları İle Hisse Senedi Getirileri Arasında Oynaklık Geçişkenliginin Analizi Ve Portföy Yönetimine Yansımaları. Atatürk Üniversitesi Sosyal Bilimler Dergisi, Yayınlanmamış Doktora Tezi.
• Savva, C. S. (2009). International stock markets interactions and conditional correlations. Journal of International Financial Markets, 645-661.
• Song, Y. (2016). “A Study of Bitcoin Price's Relationship With Local Currency Exchange Rate and Stock Market Index in Emerging Economies Using VECM. ETD Collection for Fordham: https://fordham.bepress.com/dissertations/AAI10246887
• Tse, Yiu Kuen, Tsui, Albert K. C. (2002). A Multivariate Generalized Autoregressive Conditional Heteroscedasticity Model with Time-Varying Correlations. Journal of Business and Economic Statistics , 351-362.
• Tuncel, M. B., & Gürsoy, S. (2020). Korku Endeksi (VIX), Bitcoin Fiyatları ve Bist100 Endeksi Arasındaki Nedensellik İlişkisi Üzerine Ampirik Bir Uygulama. Elektronik Sosyal Bilimler Dergisi, 1999-2011.
• Wang, P., & Moore, T. (2008). Stock Market Integration For The Transition Economies: Time‐Varying Conditional Correlation Approach. The Manchester School, 116-133.