Portföy Risk Analizleri: Uluslararası Hisse Senedi Piyasalarından Kanıtlar
Abstract
Portföy teorisinde yatırımcıların genelinin riskten kaçınma eğilimi gösterdikleri kabul edilir. Bu nedenle doğru portföy kararlarının verilebilmesinde yatırım yapılacak piyasaların risk düzeyinin doğru bir şekilde ölçülmesi oldukça önemlidir. Bu çalışmada ABD (S&P500), Fransa (CAC40), Almanya (DAX30), Japonya (NIKKEI225) ve Kanada’dan (S&P TSX) oluşan beş gelişmiş ülke gösterge hisse senedi endeksi ile Çin (SSE Composite), Brezilya (IBOVESPA), Meksika (IPC) , Hindistan (S&P BSE Sensex), Tayvan (TSEC Weighted), Endonezya (Jakarta Composite), G. Kore (KOSPI Composite) ve Türkiye’den (BIST100) oluşan 8 gelişen ülke gösterge hisse senedi endekslerinin finansal risk düzeyleri Filtrelenmiş tarihi simülasyon ve Monte Carlo simülasyon yöntemleri ile ölçülmüştür. Çalışmada hem aşağı hem de yukarı yönlü piyasa riski üzerinde durulmuş ve hem FHS hem de MC yöntemleri için beklenen kayıp tutarları (Expected shortfall, ES) da hesaplanmıştır. Çalışma bulguları sırasıyla BIST100, BOVESPA, SSE Composite ve DAX30 endekslerinin en riskli; S&P TSX, TSEC Weighted ve Jakarta Composite endekslerinin ise en az riskli endeksler olduğuna işaret etmektedir. Bulgular ayrıca, portföy riskinin ölçümünde hisse senedi endekslerinin karakteristik özelliklerini dikkate alan model yapılarının kullanılmasının daha doğru sonuçlara ulaşılabilmesi açısından önemli olduğuna işaret etmektedir.
Keywords
Portföy riski,Hisse senedi piyasaları,Filtrelenmiş tarihi simülasyon,Monte Carlo simülasyonu
References
- Abad, P., Benito, S. & Lopez, C. (2014). A Comprehensive Review of Value-at-Risk Methodologies. The Spanish Review of Financial Economics, 12 (1), 15-32.
- Akın, K.Y. & Akduğan, U. (2012). Finansal Piyasalarda Risklerin Belirlenmesinde Riske Maruz Değer Yöntemine İlişkin Bir Uygulama. Trakya Üniveristesi Sosyal Bilimler Dergisi, 14(1), 225-236.
- Aloui, C. & Hamida, H.B. (2014). Modelling and Forecasting Value-at-Risk and Expected Shortfall for GCC Stock Markets: Do Long Memory, Structural Breaks, Asymmetry and Fat-Tails Matter?. North American Journal of Economics and Finance, 29, 349-380.
- Altıntaş, K.M. (2007). Türk Özel Emeklilik Şirketlerinin Kısa Vadeli Yatırım Riskliliği: Riske Maruz Değer (VAR) Uygulaması. Gazi Üniversitesi İktisadi ve İdari Bilimler Fakültesi Dergisi, 9(2), 19- 37.
- Altun, E. (2014). Uç Değerler Teorisi ve Riske Maruz Değer. Yüksek Lisans Tezi. http://www.openaccess.hacettepe.edu.tr:8080/xmlui/bitstream/handle/11655/2115.
- Angelidis, T., Benos, A. & Degiannakis, S. (2004). The Use of GARCH Models in VaR Estimation. Statistical Methodology,1, 105-128..
- Artzner, P., Delbaen, J., M. Eber & Heath, D . (1997). Thinking Coherently. Risk, 10 (11), 68–71.
- Artzner, P., Delbaen, J., M. Eber & Heath, D. (1999). Coherent Measures of Risk. Mathematical Finance, 9 (3), 203–228.
- Assaf, A. (2009). Extreme Observations and Risk Assessment in the Equity Markets of MENA Region: Tail Measures and value-at-risk. International Review of Financial Analysis, 18, 109-116.
- Barone-Adesi, G., Giannopoulos, K. & Vosper, L. (1999). VaR without Correlations for Portfolios of Derivative Securities. The Journal of Futures Markets, 19 (5), 583-602.