The Effect of Volatility Spillover Between BIST 100 and Selected Country Indices: Diagonal VECH GARCH Model / BİST 100 ve Seçilmiş Ülke Endeksleri Arasındaki Volatilite Yayılım Etkisi: Diyagonal VECH GARCH Modeli

Year 2023, , 104 - 117, 15.04.2023

Esra Demirel

https://doi.org/10.29216/ueip.1237538

Cited By: 2

Abstract

In this study, the volatility spillover effect between BIST 100 and six indices selected from world countries was investigated using daily index closing data between January 4, 2016 and June 9, 2021. While investigating the volatility spillover effect among the world countries, Diagonal VECH GARCH model, which is one of the multivariate GARCH models, was chosen as the appropriate model. Firstly, unit root tests were applied to the return series and stationarity research was carried out. Then, the mean equation was estimated by VAR model analysis. Finally, the volatility spillover effects were investigated by the Diagonal VECH GARCH method for the six models established. As a result, it has been determined that the index that most positively affects the BIST 100 index return volatility is DAX with a rate of 95%. NASDAQ and DJIA indices follow DAX with 89%. Another index that positively affects BIST 100 index return volatility by 87% is S&P 500. It has been determined that 1% shocks in these indices cause increases in BIST 100 volatility.

Keywords

Diagonal VECH GARCH, GARCH Models, Volatility Spillover.

BİST 100 ve Seçilmiş Ülke Endeksleri Arasındaki Volatilite Yayılım Etkisi: Diyagonal VECH GARCH Modeli / The Effect of Volatility Spillover Between BIST 100 and Selected Country Indices: Diagonal VECH GARCH Model

Abstract

Bu çalışmada BİST 100 ile gelişmiş dünya ülkelerinden seçilen altı endeks arasındaki volatilite yayılım etkisi 4 Ocak 2016 ve 9 Haziran 2021 tarihleri arasındaki günlük endeks kapanış verileri kullanılarak araştırılmıştır. Dünya ülkeleri arasındaki volatilite yayılım etkisi araştırılırken çok değişkenli GARCH modellerinden biri olan Diyagonal VECH GARCH modeli uygun model olarak seçilmiştir. Getiri serilerine ilk olarak birim kök testleri uygulanarak durağanlık araştırması yapılmıştır. Ardından VAR modeli analizi ile ortalama denklemi tahmin edilmiştir. Son olarak kurulan altı model için Diyagonal VECH GARCH yöntemiyle volatilite yayılım etkileri araştırılmıştır. Sonuç olarak BİST 100 endeks getiri volatilitesini pozitif olarak en çok etkileyen endeksin %95 oranıyla DAX olduğu tespit edilmiştir. DAX’ı %89 oranıyla NASDAQ ve DJIA endeksleri takip etmektedir. BİST 100 endeks getiri volatilitesini %87 oranda pozitif olarak etkileyen diğer endeks ise S&P 500’dür. Bu endekslerde oluşan %1’lik şokların BİST 100 endeksi volatilitesinde artışlara sebep olduğu saptanmıştır.

Keywords

Diagonal VECH GARCH, GARCH Modelleri, Volatilite Yayılımı., GARCH Models, Volatility Spillover.

References

• Aslam, F., Ferreira, P., Mughal, K. S. and Bashir, B. (2021). Intraday Volatility Spillovers Among European Financial Markets During COVID-19. International Journal of Financial Studies, 9(1), 5.
• Bauwens, L., Laurent, S. and Rombouts, J. V. (2006). Multivariate GARCH Models: A Survey. Journal of Applied Econometrics, 21(1), 79-109.
• Bollerslev, T. (1986). Generalized Autoregressive Conditional Heteroskedasticity. Journal of Econometrics, 31(3), 307-327.
• Bollerslev, T., Engle, R. F., and Wooldrıdge, J. M. (1988). A Capital Asset Pricing Model with Time-varying Covariances. Journal of Political Economy, 96(1), 116-131.
• Bunnag, T. (2014). The Real Exchange Rate Volatility Comovements and Spillovers in Thailand’s International Trade: A Multivariate GARCH Approach. Journal of Applied Economic Sciences (JAES), 9(30), 614-616.
• Çelik, İ., Özdemir, A. ve Gülbahar, S. D. (2018). Gelişmekte Olan Ülkelerde Getiri ve Volatilite Yayılımı: NIMPT Ülkelerinde VAR-EGARCH Uygulaması. Finans Politik ve Ekonomik Yorumlar, 636, 9-24.
• Çelik, İ., Özdemir, A., Gürsoy, S. ve Ünlü, H. U. (2018). Gelişmekte Olan Hisse Senedi Piyasaları ile Kıymetli Madenler Arasındaki Getiri ve Volatilite Yayılımı. Ege Akademik Bakış, 18(2), 217-230.
• Çemrek, F. ve Bitirgen, T. (2021). Riske Maruz Değer ve Borsa İstanbul’da İşlem Gören Bazı Enerji Sektörü Hisse Senetleri Üzerine Bir Uygulama. Süleyman Demirel Üniversitesi Fen Bilimleri Enstitüsü Dergisi, 25(2), 351-364.
• Demirgil, H. ve Gök, İ. Y. (2014). Türkiye ve Başlıca AB Pay Piyasaları Arasında Asimetrik Volatilite Yayılımı. Journal of Management and Economics Research, 12(23), 315-340.
• Dıckey, D. A. and Fuller, W. A. (1979). Distribution of Estimators for Autoregressive Time Series with a Unit Rroot. Journal of the American Statistical Association, 74(366a), 427-431.
• Dornbusch, R., Park, Y. C. and Claessens, S. (2000). Contagion: How it Spreads and How it can be Stopped. World Bank Research Observer, 15(2), 177-197.
• Engle, R. F. (1982). Autoregressive Conditional Heteroscedasticity with Estimates of Variance of United Kingdom inflation. Econometrica, 50(4), 987–1007.
• Erdoğan, S., ve Bozkurt, H. (2009). Türkiye’de Cari Açığın Belirleyicileri: MGARCH Modelleri İle Bir İnceleme. Maliye ve Finans Yazıları, 1(84), 135-172.
• Ergün, Z. C. ve Karabıyık, C. (2020). Türkiye ve Dünya Hisse Senedi Piyasaları Arasındaki Getiri ve Oynaklık Yayılımlarının Ölçülmesi: Yayılma Endeksi Yaklaşımı. Yönetim ve Ekonomi Dergisi, 27(3), 741-758.
• Füss, R., Mager, F., Wohlenberg, H. and Zhao, L. (2011). The Impact of Macroeconomic Announcements On Implied Volatility. Applied Financial Economics, 21(21), 1571-1580.
• Gençyürek, A. G. ve Demireli, E. (2019). Gelişmekte Olan Ülkelerin Hisse Senedi Piyasaları İle Ham Petrol Arasındaki Getiri Ve Volatilite Yayılımı. Sosyal Bilimler Dergisi, 61, 66-83.
• Gürbüz, S. and Şahbaz, A. (2022). Investigating the Volatility Spillover Effect Between Derivative Markets and Spot Markets via the Wavelets: The Case of Borsa İstanbul. Borsa Istanbul Review, 22(2), 321-331.
• Gürsoy, S. ve Govdere, B. (2020). Uluslararası Pay Piyasaları Arasındaki Getiri Ve Volatilite Yayılımı: Gelişmiş Ülkeler Ve Seçilmiş Gelişmekte Olan Ülkeler Üzerine Bir İnceleme. Süleyman Demirel Üniversitesi Vizyoner Dergisi, 11(27), 498-513.
• Hong, Y. (2001). A Test for Volatility Spillover with Application to Exchange Rates. Journal of Econometrics, 103(1-2), 183-224.
• Hung, N. T. (2019). Return and Volatility Spillover Across Equity Markets Between China and Southeast Asian Countries. Journal of Economics, Finance and Administrative Science, 24(47), 66-81.
• Islam, R., Islam, M. T. and Chowdhury, A. H. (2013). Testing for Global Volatility Spillover, Financial Contagion and Structural Break in Fifteen Economies from Two Regions: A Diagonal VECH Matrix and EGARCH (1, 1) Approach. International Journal of Economics and Finance, 5(5), 159-170.
• Karunanayake, I., Valadkhani, A. and O'Brien, M. (2009). Modelling Australian Stock Market Volatility: A Multivariate GARCH Approach. University of Wollongong, Access address: https://ro.uow.edu.au/commwkpapers/211/
• Li, Y. and Giles, D. E. (2015). Modelling Volatility Spillover Effects Between Developed Stock Markets and Asian Emerging Stock Markets. International Journal of Finance & Economics, 20(2), 155-177.
• Liu, Y. A., and Pan, M. S. (1997). Mean and Volatility Spillover Effects in the US and Pacific-Basin Stock Markets. Multinational Finance Journal, 1(1), 47-62.
• Modarres, R. and Ouarda, T. B. (2014). Modelling the Relationship Between Climate Oscillations and Drought by a Multivariate GARCH Model. Water Resources Research, 50(1), 601-618.
• Mukherjee, K. N., and Mishra, R. K. (2010). Stock Market integration and Volatility Spillover: India and its Major Asian Counterparts. Research in international Business and Finance, 24(2), 235-251.
• Pepple, S. U., Harrison, E. E., and Essi, I. D. (2021) Multivariate GARCH Analysis of Selected Nigerian Economic Data. Asian Journal of Probability and Statistics, 14(2), 23-40.
• Phıllıps, P. C. B. and Perron, P. (1988). Testing for a Unit Root in Time Series Regression. Biometrika, 75(2), 335–346.
• Sel, A. (2021). Hibrit Regresyon Modelleri İle BİST'e Etki Eden G20 Endekslerinin Belirlenmesi. Vizyoner Dergisi, 12(31), 870-884.
• Sevüktekin, M. ve Çınar, M. (2017). Ekonometrik Zaman Serileri Analizi: Eviews Uygulamalı (5. Baskı). Bursa: Dora Basım Yayım.
• Sims, C. A. (1980). Macroeconomics And Reality. Econometrica: Journal Of The Econometric Societ. 48(1), 1-48.
• Yaman, S. ve Korkmaz, T. (2020). Döviz Kurları ile BİST Turizm Endeksi Getirileri Arasındaki Volatilite Yayılım Etkisinin Belirlenmesi. Business and Economics Research Journal, 11(3), 681-702.