VOLATILITY PREDICTION IN STOCK MARKETS: AN APPLICATION ON BORSA ISTANBUL FINANCIAL AND INDUSTRIAL INDEXES

Year 2019, Volume: 6 Issue: 3, 618 - 633, 31.12.2019

İlhan Ege Tuğba Nur Topaloğlu

https://doi.org/10.30798/makuiibf.525838

Abstract

In this study, it is aimed to estimate the
volatility of BIST Financial and Industrial Indices by considering the weekly
logarithmic returns for the period of 07.01.2007-03.02.2019. In the study,
symmetric and asymmetric conditionally varying variance models were used. In
this context, firstly the most suitable ARMA model for the series was
determined and the volatility structure of the indices was investigated by
using the symmetrical model GARCH and the asymmetric model APGARCH model. As a
result of the study, the most appropriate estimation model for BIST Financial
Index is GARCH (1,1) and the most appropriate estimation model for BIST
Industrial Index is APGARCH (1,1). The leverage parameter 𝛾1 was positive and significant in the APGARCH (1,1) model for BIST industrial
index. This situation shows the existence of leverage effect for negative
returns in BIST Industrial Index. Therefore, it can be said that the negative
shocks in the BIST Industrial Index will have more impact on the index than the
positive shocks of the same size.

Keywords

Volatility, Stock Market, Borsa İstanbul

PAY PİYASALARINDA VOLATİLİTE TAHMİNLEMESİ: BORSA İSTANBUL MALİ VE SINAİ ENDEKSLERİ ÜZERİNE BİR UYGULAMA

Abstract

Bu çalışmada, Borsa İstanbul (BIST) Mali (XUMAL)
ve Sınai (XUSIN) Endekslerinin 07.01.2007-03.02.2019 dönemine ilişkin haftalık
logaritmik getirileri ele alınarak volatilite tahminlemesi yapılması
amaçlanmıştır. Çalışmada simetrik ve asimetrik koşullu değişen varyans
modelleri kullanılmıştır. Bu kapsamda ilk olarak serilere ilişkin en uygun ARMA
modeli belirlenerek simetrik model olan GARCH ve asimetrik model olan APGARCH
ile endekslerin volatilite yapısı araştırılmıştır. Çalışmanın sonucunda BIST
Mali endeksi için en uygun tahmin modeli GARCH (1,1), BIST Sınai endeksi için
en uygun tahmin modeli ise APGARCH(1,1) olarak belirlenmiştir. BIST Sınai
endeksine ilişkin APGARCH (1,1) modelinde kaldıraç parametresi 𝛾₁ pozitif ve anlamlı bulunmuştur. Bu durum BIST
Sınai endeksinde negatif getiriler için kaldıraç etkisinin varlığını
göstermektedir. Dolayısıyla BIST Sınai endeksinde meydana gelecek negatif
şoklar, endeks üzerinde aynı büyüklükteki pozitif şoklardan daha fazla etki
yarattığı söylenebilmektedir.

Keywords

Volatilite, Pay Piyasaları, Borsa İstanbul, Volatilite Modellemesi

References

• ATAKAN, T. (2009), İstanbul Menkul Kıymetler Borsasında Değişkenliğin (Volatilitenin) ARCH-GARCH Yöntemleri İle Modellenmesi, İstanbul Üniversitesi İşletme Fakültesi İşletme İktisadi Enstitüsü Dergisi, 62, 48-61.
• BAHADUR, S. (2008), Volatility Analysis of Nepalese Stock Market, The Journal of Nepalese Business Studies, 5(1), 76.
• BANUMATHY K., AZHAGAIAH R. (2015), Modelling Stock Market Volatility: Evidence from India. Managing globaltransitions, 13(1),27-42.
• BAYKUT, E., KULA V. (2018), Borsa İstanbul Pay Endekslerinin Volatilite Yapısı: BİST-50 Örneği (2007-2016 Yılları), Afyon Kocatepe Üniversitesi Sosyal Bilimler Dergisi,20(1), 279-303.
• BOLLERSLEV, T. (1986), Generalized Autoregressive Conditional Heteroskedasticity, Journal of Econometrics, 37, 307-327.
• ENGLE, R.F. (1982), Autoregressive Conditional Heteroskedasticity with Estimates of the Variance of the United Kingdom Inflation, Econometrica, 50(4), 987-1007.
• GABRIEL, A.S. (2012), Evaluating the Forecasting Performance of GARCH Models: Evidence from Romania, Procedia-Social and Behavioral Sciences, 62, 1006- 1010.
• KULA, V., BAYKUT, E. (2017), BIST Banka Endeksi’nin (XBANK) Volatilite Yapısının Markov Rejim Değişimi GARCH Modeli (MSGARCH) ile Analizi, Bankacılar Dergisi, 102, 89-110.
• KUZU, S. (2018), Borsa İstanbul Endeksi (BİST 100) Getiri Volatiletesinin ARCH Ve GARCH Modeli İle Tahmin Edilmesi, Muhasebe ve Vergi Uygulamaları Dergisi, Nisan Özel Sayı, 608-624.
• NELSON D. (1991), Conditional Heteroskedasticity in Asset Returns: A New Approach, Econometrica, 59(2), 347 – 370.
• OBERHOLZERA, N., VENTERA, P. (2015), Univariate GARCH Models Applied To The JSE/FTSE Stock İndices, Procedia Economics and Finance, 24, 491 – 500.
• PAN, H., ZHANG, Z. (2006), Forecasting Financial Volatility: Evidence from Chinese Stock Market, Working Papers in Economics and Finance, Durham Business School, 6/2, 1-31.
• ŞAHİN, Ö., ÖNCÜ, M.A., SAKARYA Ş. (2015), BİST 100 Ve Kurumsal Yönetim Endeksi Volatilitelerinin Karşılaştırmalı Analizi, C.Ü. İktisadi ve İdari Bilimler Dergisi, 16(2), 107-126.
• WALID, C., MASOOD, O., FRY, J. (2011), Stock Market Volatility And Exchange Rates İn Emerging Countries: A Markov-State Switching Approach Author Links Open Overlay Panel, Emerging Market Review, 12(3),.272-292.
• YILDIZ, B. (2016), Oynaklık Tahmininde Simetrik ve Asimetrik GARCH Modellerinin Kullanılması: Seçilmiş BİST Alt Sektör Endeksleri Üzerine Bir Uygulama, Muhasebe ve Finansman Dergisi, 72, 83-106.
• YU, J. (2002), Forecasting Volatility in The New Zealand Stock Market, Applied Financial Economics, 12, 193-202.