BİST Altın Endeksi Volatilitesinin Otoregresif Koşullu Heteroskedastisite Modelleriyle Analizi

Year 2024, Volume: 13 Issue: 3, 1256 - 1276, 30.09.2024

İpek Yurttagüler

https://doi.org/10.15869/itobiad.1390321

Abstract

Altın tüm zamanların en çok kabul gören ve güvenilir yatırım araçlarından biridir. Hem asırlardır süren önemi hem de günümüzdeki popülaritesi göz önüne alındığında iktisat literatüründe çalışmalara konu olmuş bir varlıktır. Özellikle merkantilist süreçle birlikte altın başta olmak üzere değerli madenlerin artan önemi günümüze kadar devam etmiş ve günümüz finans piyasalarında oldukça önemli bir yer edinmiştir. Merkantilist süreç altın ve gümüş madenlerinin varlığının bir zenginlik ölçütü olarak kabul edildiği bir dönemdir. Korumacı iktisat politikalarının uygulandığı bu dönemde, uygulanan iktisat politikalarıyla birlikte ülke içerisine ne kadar çok değerli maden girerse zenginliğin o kadar fazla olduğu kabul edilmektedir. Merkantilist sürecin sona ermesinin ardından da altının önemi devam etmiştir. Gerek altın standardı sistemi, gerekse de Bretton Woods dönemleri yine altının önemli bir yatırım enstrümanı olduğu dönemlerdir. Günümüzde de altın, gerek güvenli bir yatırım enstrümanı olması gerekse de değer saklama aracı olarak kullanılması nedenleriyle kriz dönemlerinde sıklıkla başvurulan bir varlık olarak karşımıza çıkmaktadır. Bu bağlamda, altın fiyatlarındaki oynaklığın ampirik olarak ölçülmesi ve tahmin edilmesi, temel makroekonomik değişkenler üzerindeki ekonomik etkileri nedeniyle önem taşımaktadır. Ancak, teorik ve ampirik bir literatüre zemin hazırlasa da görece olarak sınırlı bir araştırma alanı bulunduğu göze çarpmaktadır. Bu çalışma, 2005-2023 yılları arasında Türkiye altın fiyatı verileriyle ARCH-GARCH-EGARCH ve TGARCH modelleme tekniklerini kullanarak volatiliteyi tahmin etmektedir. Oynaklık kavramının modellenmesi noktasında, ARCH ve GARCH modelleri ailesine başvurulmasının önemli bir sebebi bulunmaktadır. Bu modeller, zaman serilerindeki oynaklık değişimlerini modellemek için kullanılan istatistiksel modellerdir. Bu modeller ile birlikte, zaman serilerindeki oynaklığın zaman içinde nasıl değiştiğini anlamak ve tahmin etmek mümkün olmaktadır. Bu çalışma, altın piyasası volatilitesine ilişkin sınırlı sayıdaki literatüre katkı sağlamayı amaçlamaktadır. Çalışmanın bulguları, Türkiye için altın fiyatlarındaki oynaklığı tahmin etmek için en uygun modelin GARCH(1,1) olduğunu göstermektedir.

Keywords

Oynaklık, Altın Fiyatları, BIST Altın Endeksi, ARCH, GARCH

Analysis of BIST Gold Index Volatility With Autoregressive Conditional Heteroscedasticity Models

Abstract

Gold is one of the most accepted and reliable investment instruments of all time. On the other hand, its importance in today's financial markets is indisputable. The increasing importance of precious metals, especially gold, which started with the mercantilist process, continues until today. The mercantilist process was a period in which the existence of gold and silver mines was accepted as a measure of wealth. In this period when protectionist economic policies were implemented, it was accepted that the more precious metals entered into the country with the economic policies implemented, the greater the wealth. The importance of gold continued after the end of the mercantilist process. Both the gold standard system and the Bretton Woods periods were also periods when gold was an important investment instrument. Today, gold appears as an asset that is frequently used in times of crisis, both because it is a safe investment instrument and because it is used as a store of value. In this context, empirically measuring and predicting volatility in gold prices is important due to its economic effects on key macroeconomic variables. However, although it lays the groundwork for a theoretical and empirical literature, it stands out that it has a relatively limited research area. This study estimates volatility using ARCH-GARCH-EGARCH and TGARCH modeling techniques with Türkiye gold price data between 2005-2023. These models are statistical models used to model volatility changes in time series. With these models, it is possible to understand and predict how volatility in time series changes over time. At this point, the study aims to contribute to the relatively small literature on gold market volatility. The findings of the study show that the most appropriate model to estimate the volatility in gold prices for Türkiye is GARCH(1,1).

Keywords

Volatility, Gold Price, BIST Gold Index, ARCH, GARCH

References

• Akel, V. and Gazel, S. (2015). Finansal Piyasa Riski Ve Altın Yatırımı: Türkiye Örneği. Çukurova Üniversitesi Sosyal Bilimler Enstitüsü Dergisi, 24 (1) , 335-350.
• Arduç, Ü. (2006). Bankacılık Sektöründeki Dalgalanmaların Otoregresif Koşullu Değişen Varyans Modelleri ile İncelenmesi. (Yayımlanmamış yüksek lisans tezi), Marmara Üniversitesi.
• Bams, W. F. M., Blanchard, G., Honarvar Gheysary, I., and Lehnert, T. (2017). Does oil and gold price uncertainty matter for the stock market?. Journal of Empirical Finance, 44, 270-285. https://doi.org/10.1016/j.jempfin.2017.07.003
• Beckmann J.,Berger T. and Czudaj R., (2019). Gold price dynamics and the role of uncertainty. Quantitative Finance, Taylor & Francis Journals, vol. 19(4), 663-681.
• Bentes, Sonia R. (2015). Forecasting volatility in gold returns under the GARCH, IGARCH and FIGARCH frameworks: New evidence. Physica A: Statistical Mechanics and its Applications, Elsevier, vol. 438(C), 355- 364.
• Bollerslev, T. (1986). Generalized auto regressive conditional heteroskedasticity. Journal of Econometrics, 31, 307-327. https://doi.org/10.1016/0304-4076(86)90063-1
• Ding, Q., Huang, J., Gao, W., and Zhang, H. (2022). Does Political Risk Matter for Gold Market Fluctuations? A Structural VAR Analysis. Research in International Business and Finance, 60, Article ID: 101618, 1-15.
• Ejap, I.N.N., Azmi, N.N.K., Ariff, N.H.M. and Abdullah, N.H.A. (2022). Modelling and Forecasting Gold Price Return and Its Volatility. Applied Mathematics and Computational Intelligence, Volume 11, No.1, 399-411.
• Enders, W. (2004). Applied econometric time series (Second ed.). John Wiley, New York.
• Engle, R. F. (1982). Autoregressive conditional heteroscedasticity with estimates of the variance of United Kingdom inflation. Econometrica, 50(4), 987-1007. https://doi.org/10.2307/1912773
• Fang, L., Chen, B., Yu, H., and Qian, Y. (2018). The Importance Of Global Economic Policy Uncertainty in Predicting Gold Futures Market Volatility: A Garch-Midas Approach. Journal of Future Markets, 38 (3), 413– 422.
• Gencer, Gaye H. and Musoglu, Z. (2014). Volatility Modeling and Forecasting of Istanbul Gold Exchange (IGE). International Journal of Financial Research, Vol. 5, No. 2; 2014, http://dx.doi.org/10.5430/ijfr.v5n2p87
• Giannellis, N., and Koukouritakis, M. (2019). Gold price and exchange rates: A panel smooth transition regression model for the G7 countries. The North American Journal of Economics and Finance, 49, 27-46.
• Gujarati, D.N. (2009). Basic econometrics (Fifth ed.). New York: McGraw-Hill/Irwin.
• Gürsakal, S. (2009). Varyans kırılması gözlemlenen serilerde garch modelleri: döviz kuru oynaklığı örneği. Erciyes Üniversitesi İktisadi ve İdari Bilimler Fakültesi Dergisi, 0 (32) , 319-337.
• Hasanah, P., Nasir, S.Q. and Subchan (2019). Gold Return Volatility Modeling Using Garch. Indonesian Journal of Mathematics Education, Vol. 2, No. 1, 20-26.
• Hossain, N., Troskie, C. G. and Guo, R., (2005). Comparisons of The Ex Post Efficient Portfolios Under GARCH(1,1) Modeling and GARCH Model Extensions. Proceedings of the 10th Annual International Conference on Industrial Engineering– Theory, Applications and Practice Clearwater, Florida, 419-425.
• Karabacak, M. , Meçik, O. and Genç, E. (2014). Koşullu değişen varyans modelleri ile BİST 100 endeks getirisi ve altın getiri serisi volatilitesinin tahmini. Uluslararası Alanya İşletme Fakültesi Dergisi, 6 (1) , 79-90.
• Kayral, İ. E. (2017). Estimating The Volatility of Turkey’s Gold Market Index With Conditional Heteroscedasticity Models. Journal of Management and Economics Research, 15 (2) , 163-181. DOI: 10.11611/yead.264024
• Korkmaz, T. and Çevik, E. (2009). Reel Kesim Güven Endeksi ile İMKB 100 Endeksi arasındaki dinamik nedensellik ilişkisi. İstanbul Üniversitesi İşletme Fakültesi Dergisi, 38 (1) , 24-37.
• Kurt Cihangir, Çiğdem, and Uğurlu, E. (2017). Altın Piyasasında Asimetrik Oynaklık: Türkiye İçin Model Önerisi. İşletme Araştırmaları Dergisi, 9(3), 284–299.
• Kutan, A. M. and T. Aksoy, (2004). Public Information Arrival and Gold Market Returns in Emerging Markets: Evidence from the Istanbul Gold Exchange. Scientific Journal of Administrative Development,2/1.
• Li, X., Guo, Q., Liang, C. and Umar, M., (2023). Forecasting gold volatility with geopolitical risk indices. Research in International Business and Finance, vol. 64, 1-16.
• Mapa, Dennis S., (2004), A Forecast Comparison of Financial Volatility Models: GARCH (1,1) is not Enough. The Philippine Statistician, Vol. 53, Nos. 1-4, 1-10.
• Nargeleçekenler, M. (2011). Euro kuru satış değerindeki volatilitenin arch ve garch modelleri ile tahmini. İstanbul Üniversitesi İktisat Fakültesi Mecmuası, 54 (2), 153-179.
• Nelson, D. B. (1991). Conditional heteroskedasticity in asset returns: a new approach. Econometrica, 59(2), 347-370. https://doi.org/10.2307/2938260
• Özden, Ü. H. (2008). İMKB bileşik 100 endeksi getiri volatilitesinin analizi. İstanbul Ticaret Üniversitesi Sosyal Bilimler Dergisi, 7(13), 339-350.
• Qian, Y., Ralescu, D. A. and Zhang, B., (2019). The analysis of factors affecting global gold price. Resources Policy, Elsevier, vol. 64, 1-9.
• Sermaye Piyasası Kanunu, (1993). https://borsaistanbul.com/files/Kiymetli_Madenler_Borsalarinin_Kurulus_ve_Calisma_Esaslari_Hakkinda.p df .
• Songül, H. (2010). Otoregresif Koşullu Değişen Varyans Modelleri: Döviz Kurları Üzerine Uygulama. (Uzmanlık Yeterlilik Tezi.) Türkiye Cumhuriyet Merkez Bankası Araştırma ve Para Politikası Genel Müdürlüğü, Ankara.
• Sopipan, N., Sattayatham, P. and Premanode, B. (2012). Forecasting volatility of gold price using markov regime switching and trading strategy. Journal of Mathematical Finance, 2, 121-131.
• Swain Anil Kumar and Samal Gouri Prava. (2017). Price Volatility In The Indian Gold Spot Market: An Econometric Analysis. International Journal of Advanced Research, 5 (Jan). 1932-1947. DOI: http://dx.doi.org/10.21474/IJAR01/2963
• Şencan, İ. (2017). BİST Altın Endeksi Oynaklığı Analizi ve Performans Ölçümü. Maliye ve Finans Yazıları, 1 (107) , 10-24 . DOI: 10.33203/mfy.307170
• Şengül, Z. (2023). Comparison of GARCH and SVRGARCH models: Example of gold return. Journal Of Applied Microeconometrics, 3(1), 23–35. https://doi.org/10.53753/jame.2068
• Tokat, H. (2013). Altın, Döviz ve Hisse Senedi Piyasalarında Oynaklık Etkileşimi Mekanizmasının Analizi. İstanbul Üniversitesi Siyasal Bilgiler Fakültesi Dergisi, 0 (48) , 151-162.
• Vengesai E., Rupande L., Tinotenda Muguto H. and Muzindutsi P. F., (2022). Country risk and the interaction between gold price and gold stock index return volatilities: evidence from the South African market. International Journal of Trade and Global Markets, vol. 15(1), 32-41.
• Zakoian, J. (1994). Threshold Heteroskedastic Models. Journal of Economic Dynamics and Control, 18, 931- 955.