THE TIME-VARYING BEHAVIOR OF TURN-OF-THE-MONTH AND FIRST-DAY-OF-THE-MONTH ANOMALIES IN BORSA ISTANBUL INDICES: AN ANALYSIS OF THE 1995–2024 PERİOD

Öz

The purpose of this article is to examine the existence and evolution of the turn-of-the-month and first-day-of-the-month anomalies in Borsa Istanbul over the period 1995–2024. Although calendar anomalies have been widely discussed in the literature, long-term and comprehensive analyses in emerging markets remain limited. The study employs daily returns of the BIST 100 (XU100), BIST 50 (XU050), BIST 30 (XU030), BIST All Shares (XUTUM), BIST Banks (XBANK), BIST Holding and Investment (XHOLD), BIST Services (XUHIZ) and BIST Industrials (XUSIN) indices. Ordinary Least Squares (OLS) regression is applied to test differences in average returns, while the Generalized Autoregressive Conditional Heteroskedasticity (GARCH) (1,1) model is used to account for volatility clustering. Analyses are conducted for the full 30-year period as well as three separate 10-year subperiods. The results show that turn-of-the-month anomalies were strong in the early years but gradually weakened and disappeared in recent periods. Although the OLS findings reveal that first-day-of-the-month anomalies have become particularly pronounced over the past decade, this significance disappears once volatility clustering is taken into account through GARCH analyses. Overall, the study contributes to the literature by providing a long-term perspective on calendar anomalies in Borsa Istanbul. The findings suggest that such anomalies diminish over time, reflecting an increase in market efficiency in the long run.

Anahtar Kelimeler

• : Turn-of-the-Month Anomaly
• First-Day-of-the-Month Anomaly
• Calendar Anomalies
• Borsa Istanbul (BIST)

BORSA İSTANBUL ENDEKSLERİNDE AY DÖNÜMÜ VE AYIN İLK GÜNÜ ANOMALİLERİNİN ZAMAN İÇİNDEKİ DEĞİŞİMİ: 1995–2024 DÖNEMİ İNCELEMESİ

Öz

Bu makalenin amacı, Borsa İstanbul’da 1995–2024 dönemi için ay dönümü ve ayın ilk günü anomalilerinin varlığını ve zaman içindeki seyrini incelemektir. Takvim anomalileri literatürde geniş biçimde tartışılmış olsa da gelişmekte olan piyasalarda uzun vadeli ve kapsamlı analizler sınırlıdır. Çalışmada BİST 100 (XU100), BİST 50 (XU050), BİST 30 (XU030), BİST Tüm (XUTUM), BİST Banka (XBANK), BİST Holding ve Yatırım (XHOLD), BİST Hizmetler (XUHIZ) ve BİST Sınai (XUSIN) endekslerinin günlük getirileri kullanılmıştır. Ortalama getiri farklarını test etmek için En Küçük Kareler (OLS) regresyon modeli uygulanmış, volatilite kümelenmesini dikkate almak amacıyla ise Genelleştirilmiş Otoregresif Koşullu Değişen Varyans (GARCH) (1,1) modeli tercih edilmiştir. Analizler hem otuz yıllık dönem hem de üç ayrı on yıllık alt dönem için gerçekleştirilmiştir. Sonuçlar, ay dönümü anomalilerinin ilk dönemlerde güçlü biçimde var olduğunu ancak zamanla zayıflayarak son dönemde ortadan kalktığını göstermektedir. OLS bulguları, ayın ilk günü anomalilerinin özellikle son on yılda belirginleştiğini ortaya koysa da GARCH analizleri ile volatilite kümelenmesi dikkate alındığında bu anlamlılığın kaybolduğu görülmektedir. Çalışma, Borsa İstanbul’da takvim anomalilerinin uzun dönemli yapısını ortaya koyarak literatüre katkı sunmaktadır. Bulgular, takvim anomalilerinin zamanla zayıflayarak kaybolduğunu ve piyasa etkinliğinin uzun vadede güçlendiğini göstermektedir.

Anahtar Kelimeler

• Ay Dönümü Anomalisi
• Ayın İlk Günü Anomalisi
• Takvim Anomalileri
• Borsa İstanbul

Kaynakça

1. [1] Ariel, R. A. (1987). A monthly effect in stock returns. Journal of Financial Economics, 18(1), 161–174.
2. [2] Aygün, D. F. (2021). Sermaye piyasalarındaki takvim anomalilerinin Borsa İstanbul'da test edilmesi [Yayımlanmamış yüksek lisans tezi, İstanbul Üniversitesi Sosyal Bilimler Enstitüsü].
3. [3] Aygün, D. F., & Altay, E. (2023). Borsa İstanbul’da takvim anomalilerinin varlığının zaman içindeki gelişiminin analizi. İstanbul Gelişim Üniversitesi Sosyal Bilimler Dergisi, 10(1), 33–72.
4. [4] Bildik, R. (2004). Are calendar anomalies still alive? Evidence from Istanbul Stock Exchange. SSRN Electronic Journal. https://doi.org/10.2139/ssrn.598904
5. [5] Bollerslev, T. (1986). Generalized autoregressive conditional heteroskedasticity. Journal of Econometrics, 31(3), 307–327.
6. [6] Brooks, C. (2014). Introductory econometrics for finance (3rd ed.). Cambridge, England: Cambridge University Press.
7. [7] Chen, H., & Chua, A. (2011). The turn-of-the-month anomaly in the age of ETFs: A reexamination of return-enhancement strategies. Journal of Financial Planning, 24(4), 62–67.
8. [8] Dickey, D. A., & Fuller, W. A. (1981). Likelihood ratio statistics for autoregressive time series with a unit root. Econometrica, 49(4), 1057–1072.

9. [9] Engle, R. F. (1982). Autoregressive conditional heteroscedasticity with estimates of the variance of United Kingdom inflation. Econometrica, 50(4), 987–1007.
10. [10] Eyüboğlu, K., & Eyüboğlu, S. (2016). BİST sektör ve alt sektör endekslerinde ay içi, ay dönümü ve yıl dönümü anomalilerinin araştırılması. Eskişehir Osmangazi Üniversitesi İktisadi ve İdari Bilimler Fakültesi Dergisi, 11(2), 143–158.
11. [11] Fama, E. F. (1965). The behavior of stock-market prices. The Journal of Business, 38(1), 34–105.
12. [12] Fama, E. F. (1970). Efficient capital markets: A review of theory and empirical work. The Journal of Finance, 25(2), 383–417.
13. [13] Jarque, C. M., & Bera, A. K. (1987). A test for normality of observations and regression residuals. International Statistical Review, 55(2), 163–172.
14. [14] Kayacetin, V., & Lekpek, S. (2016). Turn-of-the-month effect: New evidence from an emerging stock market. Finance Research Letters, 18, 142–157.
15. [15] Kayral, İ. E., & Tandoğan, N. Ş. (2019). BİST şehir endekslerinde ay içi ve ay dönümü anomalilerinin incelenmesi. İnsan ve Toplum Bilimleri Araştırmaları Dergisi, 8(4), 3114–3133.
16. [16] Kıyılar, M., & Akkaya, M. (2020). Davranışsal finans. İstanbul: Literatür Yayınları.
17. [17] Kunkel, R. A., Compton, W. S., & Beyer, S. (2003). The turn-of-the-month effect still lives: The international evidence. International Review of Financial Analysis, 12(2), 207–221.
18. [18] Kurtuluş, Y. (2022). Borsa İstanbul’da piyasa anomalilerinin varlığının incelenmesi [Yayımlanmamış yüksek lisans tezi, İstanbul Üniversitesi Sosyal Bilimler Enstitüsü].
19. [19] Lakonishok, J., & Smidt, S. (1988). Are seasonal anomalies real? A ninety-year perspective. The Review of Financial Studies, 1(4), 403–425.
20. [20] MacKinnon, J. G. (1996). Numerical distribution functions for unit root and cointegration tests. Journal of Applied Econometrics, 11(6), 601–618.
21. [21] McConnell, J. J., & Xu, W. (2008). Equity returns at the turn of the month. Financial Analysts Journal, 64(2), 49–64.
22. [22] Ogden, J. P. (1990). Turn-of-the-month evaluations of liquid profits and stock returns: A common explanation for the monthly and January effects. The Journal of Finance, 45(4), 1259–1272.
23. [23] Oguzsoy, B. C., & Güven, S. (2003). Stock returns and the day-of-the-week effect in Istanbul Stock Exchange. Applied Economics, 35(8), 959–971.
24. [24] Phillips, P. C. B., & Perron, P. (1988). Testing for a unit root in time series regression. Biometrika, 75(2), 335–346.