BIST 100 ENDEKS VOLATİLİTESİNİN KOŞULLU DEĞİŞEN VARYANS MODELLERİ İLE İNCELENMESİ

Year 2023, Issue: 11, 39 - 52, 19.05.2023

İlknur Ülkü Armağan

https://doi.org/10.46236/jovosst.1265004

Abstract

Ülke ekonomilerinin gelişiminin ve ekonomik kalkınmanın sağlanabilmesi için önemli göstergelerden biri finansal piyasalardır. Finansal piyasalar fon arz eden ve fon talep eden ekonomik birimleri finansal aracılar yardımıyla bir araya getirerek fon akışını gerçekleştirmektedir. Fon fazlası olan tasarruf sahipleri tasarruflarını değerlendirerek getiri kazanmakta, fon ihtiyacı olanlar da finansal piyasalardan borçlanarak yatırımlarını veya tüketimlerini gerçekleştirebilmektedir. Dolayısıyla finansal piyasaların etkin çalışması ve istikrarı ülke ekonomileri için önem kazanmaktadır. Fakat finansal piyasalarda yaşanan krizler, anomaliler ve fiyat dalgalanmaları piyasaların işleyişini etkilemektedir. Piyasalarda görülen fiyat dalgalanmaları finansal varlık fiyatlarının ortalama değerinden ani sapması, volatilite olarak tanımlanmaktadır. Volatilite bir anlamda finansal varlık fiyatlarının risk seviyesini ifade etmektedir. Bu nedenle varlık fiyatlarında görülen volatilitenin izlenmesi ve modellenmesi gerekmektedir. Böylece piyasalarda risk yönetimi sağlanmakta, piyasa aktörlerine daha güvenli bir yatırım ortamı sunulabilmekte, piyasaların istikrarı sağlanabilmektedir. Çalışmada, Borsa İstanbul 100 Endeksinin 03.02.1986 ve 30.12.2022 tarihleri arasındaki günlük verileri kullanılarak geniş bir data seti ile volatilitesi modellenmektedir. Daha önceki benzer çalışmalar incelendiğinde Endeks getirilerinin volatilitesi üzerine yapılan analizler bulunmaktadır. Fakat veri setleri dikkate alındığında endeksin başlangıcından 2022 yılı sonuna kadar, geniş bir zaman aralığında volatilitenin koşullu değişen varyans modelleriyle incelendiği çalışmanın literatüre katkı sağlaması amaçlanmaktadır. Araştırmada değişen varyans sorunu için farklı modeller oluşturulmakta, seçim kriterleri değerlendirildiğinde incelenen döneme en uygun model olarak GARCH(2,1) modeli tercih edilmektedir.

Keywords

Finansal Piyasalar, Borsa İstanbul, Volatilite, Koşullu Değişen Varyans, ARCH GARCH Modelleri

References

• Akgiray, V. (1989). “Conditional Heteroscedasticity in Time Series of Stock Returns: Evidence and Forecast”, Journal of Business, 62, 55-80.
• Al-Najjar, D. (2016). “Modelling and Estimation of Volatility Using ARCH/GARCH Models in Jordan’s Stock Market”, Asian Journal of Finance & Accounting, 8(1).
• Apergis, N., Eleptheriou, S., (2001). “Stock Returns and Volatility: Evidence from the Athens Stock Market Index”, Journal of Economics and Finance, 25, 1.
• Atakan, T. (2009). “İstanbul Menkul Kıymetler Borsası’nda Değişkenliğin (Volatilitenin) ARCH-GARCH Yöntemleri ile Modellenmesi”, Yönetim Dergisi, 62, 48-61.
• Aydın, K. (2003). Riske Maruz Değer Hesaplamalarında EWMA ve GARCH Metodlarının Kullanılması: İMKB-30 Endeks Uygulaması, Yayımlanmamış Yüksek Lisans Tezi, Karaelmas Üniversitesi, Sosyal Bilimler Enstitüsü.
• Aydın, S. (2004). Faiz Oranları Oynaklığının Modellenmesinde Koşullu Değişen Varyansın Rolü, Türkiye Cumhuriyet Merkez Bankası Piyasalar Genel Müdürlüğü, Uzmanlık Yeterlilik Tezi, Ankara.
• Bollerslev, T. (1986). “Generalized Autoregressive Conditional Heteroscedasticity”, Journal of Econometrics, 31, 307-327.
• Butler, C. (1999), Matering Value at Risk, Financial Times, Great Britan: Prentice Hall.
• Bühlmann, P., McNeill, A. J. (2002). “An Algorithm for Nonparametric GARCH Modelling”, Computational Statistics and Data Analysis, 40(4), 665-683.
• Campbell, J.Y., Hentschel, L. (1992). “No News is Good News: An Asymmetric Model of Changing Volatility in Stock Returns”, Journal of Financial Economics, 31, 281-318.
• Chong, C. W., Ahmad, M. I., Abdullah, M. Y. (1999). “Performance of GARCH Models in Forecasting Stock Market Volatility", Journal of Forecasting, 18(5), 333-343.
• Costa, F. J. M. (2017). Forecasting Volatility Using GARCH Models, Master in Finance Thesis, Department of Social Sciences, University of Minho.
• Çağıl, G., Okur, M. (2010). “2008 Küresel Krizinin İMKB Hisse Senedi Piyasası Üzerindeki Etkilerinin GARCH Modelleri ile Analizi”, Marmara Üniversitesi İ.İ.B.F. Dergisi, 28(1), 573-585.
• Engle, R. F., Lilien, D. M., Robins, R. P. (1987). “Estimating Time Varying Risk Premia in The Term Structure: The Arch-M Model”, Econometrica, 55(2), 391-407.
• Engle, R. F., Bollerslev, T. (1986). “Modelling the Persistence of Conditional Variances”, Econometric Reviews, 5(1), 1-50.
• Engle, R. F. (1982). “Autoregressive Conditional Heteroscedasticity with Estimates of the Variance of U.K.”,Inflation, Econometrica, 50, 987-1008.
• Er, Ş., Fidan, N. (2013). “Modeling Istanbul Stock Exchange-100 Daily Stock Returns: A Nonparametric Garch Approach”, Journal of Business Economics and Finance, 2(1), 36-50.
• Glosten, L. R., Jagannathan, R., Runkle, D. E. (1993). “On the Relation between the Expected Value and the Volatility of the Nominal Excess Return on Stocks”, The Journal of Finance, 48(5), 1779-1801.
• Gökcan, S. (2000). “Forecasting Volatility of Emerging Stock Markets: Linear versus Non-linear GARCH Models”, Journal of Forecasting, 19, 499-504.
• Gökçe, A. (2001). “İstanbul Menkul Kıymetler Borsası Getirilerindeki Volatilitenin ARCH Teknikleri ile Ölçülmesi”, İ.İ.B.F. Dergisi, Gazi Üniversitesi, 1, 35-58.
• Güneş, H., Saltoğlu, B. (1998). “İMKB Getiri Volatilitesinin Makroekonomik Konjonktür Bağlamında İrdelenmesi”, İMKB Yayınları, 109-110
• Hamilton, J. B. (1994). Time Series Analysis. NJ:Princeton University Press.
• Hartavi, İ.H. (2013). Reconsidering The Best Volatility Estimation Model for BIST-100 Index With Recent Data: A Comparison of Volatility Models, Queen Mary University of London- Yurtdışı Enstitü, Yüksek Lisans Tezi.
• Işıklar, Z. E. (2016). “İMKB Ulusal 100 Endeksi Getiri Volatilitesinin Analizi Üzerine Bir Araştırma”, Selçuk Üniversitesi Sosyal ve Teknik Araştırmalar Dergisi, 12, 245-260.
• Karahanoğlu, İ. ve Ercan, H. (2015). “BNK10 Endeksindeki Kaldıraç Etkisinin Genelleştirilmiş Otoregresif Koşullu Varyans Modeli ile Analiz Edilmesi”, Uluslararası Alanya İşletme Fakültesi Dergisi, 7(3), 169-181.
• Kıyılar, M., Akkaya, M. (2016). Davranışsal Finans, İstanbul, Literatür Yayıncılık.
• Köksal, B. (2009). “A Comparison of Conditional Volatility Estimators”, Journal of Economic and Social Research for the ISE National 100 Index Returns, 11(2), 1-28.
• Kutlar, A. ve Torun, P. (2013). “İMKB 100 Endeksi Günlük Getirileri İçin Uygun Genelleştirilmiş Farklı Varyans Modelinin Seçimi”, Erciyes Üniversitesi İktisadi ve İdari Bilimler Fakültesi Dergisi, 42, 1-24.
• Kutlar, A., Dönek, E., (2001). “Selecting the Appropriate Generalized Conditional Heteroscedastic Model for The Daily IMKB Index Return”, Capital Markets: Market Microstructure eJournal.
• MacKinnon, J. G. (1991). Critical Values For Cointegration Tests, Chapter 13 in Long-Run Economic Relationships: Readings in Cointegration, editor R. F. Engle and C. W. J. Granger. Oxford: Oxford University Press.
• Miron, D., Tudor, C. (2010). “Asymmetric Conditional Volatility Models: Empirical Estimation and Comparison of Forecasting Accuracy”, Romanian Journal of Economic Forecasting, 3, 74-92.
• Nelson, D. B. (1991). “Conditional Heteroskedasticity in Asset Returns: A New Approach”, Econometrica, 59(2), 347-370.
• Nofsinger, J.R., (2014), The Psychology of Investing (Yatırım Psikolojisi), Ankara, Nobel Yayınları.
• Olowe, R. A. (2009). “Stock Return, Volatility and The Global Financial Crisis in An Emerging Market: The Nigerian Case”, International Review of Business Research Papers, 5(4), 426-447.
• Özden, Ü.H. (2008). “İMKB Bileşik 100 Endeksi Getiri Volatilitesinin Analizi”, İstanbul Ticaret Üniversitesi Sosyal Bilimler Dergisi, 13, 339-350.
• Payaslıoğlu, C. (2001). “Testing Volatility Asymmetry In Istanbul Stock Exchange”, The ISE Review, 5(18), Nisan/Mayıs/Haziran, 1-11.
• Phillips, P. C. B. (1986). “Understanding Spurious Regressions in Econometrics”, Journal of Econometrics, 33, 311-340.
• Pritamani, M., Singal, V., (2001). “Return Predictability Following Large Price Changes and Information Releases”, Journal of Banking & Finance, 25, 631-656.
• Sarıoğlu, S. (2006). Değişkenlik Modelleri ve İMKB Hisse Senetleri Piyasası’nda Değişkenlik Modellerinin Kesitsel Olarak İrdelenmesi, Yayımlanmış Doktora Tezi, Ünal Aysal Tez Değerlendirme Yarışma Dizisi.
• Schwert, G. W. (1989). “Tests for Unit Roots: A Monte Carlo Investigation”, Journal of Business and Economic Statistics, 7, 147-160.
• Sevüktekin, M., Nargeleçekenler, M. (2006). “İstanbul Menkul Kıymetler Borsasında Getiri Volatilitesinin Modellenmesi ve Ön raporlanması”, Ankara Üniversitesi SBF Dergisi, 61(4), 243-265.
• Sharma, N. (1998). “Forecasting Oil Price Volatility”, Thesis, Master of Arts in Economics, Faculty of the Virginia Polytechnic Institute and State University.
• Timothy J. Brailsford ve Robert W. Faff, “Modelling Australian Stock Market Volatility”, Australian Journal of Management, 18, 1993, 109-132.
• Tsay, R. S. (2005). Analysis of Financial Time Series, Second Edition, USA: John Wiley and Sons Inc. Tuna, K. ve İsabetli, İ. (2014). “Finansal Piyasalarda Volatilite ve BIST-100 Örneği”, Kocaeli Üniversitesi Sosyal Bilimler Dergisi, 27, 21-31.
• Yu, J. (2002). “Forecasting Volatility in The New Zeland Stock Market”, Applied Financial Economics, 12, 193-202. Zakoian, J.M. (1994). “Threshold Heteroskedastic Models”, Journal of Economic Dynamics and Control, Volume 18, 931-55.