Modeling the volatility of the US dollar exchange rate in the Turkish economy with autoregressive conditional heteroskedasticity methods

Yıl 2024, , 10 - 20, 30.06.2024

Atilla Aydın

https://doi.org/10.58588/aru-jfeas.1440018

Öz

Volatility is defined as a measure of changes in the prices of financial assets. Modelling historical volatility and forecasting future volatility is important for all economic agents, especially financial market actors. The aim of this study is to model the volatility of the US dollar exchange rate for the Turkish economy. Daily exchange rate data between 21/05/2007-12/01/2023 are used in the study. Conditional heteroskedasticity models are used as in the study. First, the initial ARMA model was determined. The problem of heteroskedasticity was detected in the specified model and Conditional Heteroskedasticity Models were started. Symmetric and asymmetric models were tested and the most appropriate model was found to be the ARCH (1) model. In addition, the conditional variance graph of the US dollar return series was analyzed and it was observed that the years with the highest volatility were 2018 and 2021, the years of currency crises. It was also found that volatility increased in 2008, the year of the global crisis, and 2020, when the negative effects of the pandemic were seen.

Anahtar Kelimeler

Volatility, Exchange Rate, Conditional Heteroskedasticity Models, Turkish Economy

Türkiye ekonomisinde ABD dolar kuru volatilitesinin otoregresif koşullu değişen varyans yöntemleri ile modellenmesi

Öz

Volatilite, finansal varlıkların fiyatlarında meydana gelen değişimlerin bir ölçüsü olarak ifade edilmektedir. Tarihsel volatilitenin modellenmesi ve gelecekteki volatilitenin tahmin edilmesi, başta finansal piyasa aktörleri olmak üzere tüm iktisadi birimler açısından önem arz etmektedir. Bu çalışmanın amacı, Türkiye ekonomisi için ABD doları kuru volatilitesinin modellenmesidir. Çalışmada 21/05/2007-12/01/2023 arası günlük kur verileri kullanılmıştır. Çalışmada yöntem olarak koşullu değişen varyans modelleri kullanılmıştır. Öncelikle başlangıç ARMA modeli belirlenmiştir. Belirlenen modelde değişen varyans sorunu tespit edilmiş ve koşullu değişen varyans modellerine geçilmiştir. Simetrik ve asimetrik modeller denenerek en uygun modelin ARCH (1) modeli olduğu görülmüştür. Ayrıca ABD doları getiri serisi koşullu varyans grafiği analiz edilmiş, volatilitenin en yüksek olduğu yılların döviz krizlerinin yaşandığı 2018 ve 2021 yılları olduğu görülmüştür. Küresel kriz yılı olan 2008 ve pandeminin olumsuz etkilerinin görüldüğü 2020 yıllarında da volatilitenin artış gösterdiği tespit edilmiştir.

Anahtar Kelimeler

Volatilite, Döviz Kuru, Koşullu Değişen Varyans Modelleri, Türkiye Ekonomisi

Kaynakça

• Adeoye, B. W. ve Atanda, A. A. (2011). Exchange rate volatility in Nigeria: consistency, persistency & severity analyses. CBN Journal of Applied Statistics, 2(2), 29-49.
• Aizenman, J. ve Pinto, B. (2005). Managing economic volatility and crisis: a practitioner’s guide, New York, Cambridge University Press.
• Aracı, H., Özbek, G. B. ve Köstepen Özbek, K. G. (2023). Petrol fiyatları ve döviz kuru volatilitesinin Türkiye’nin dış ticaretindeki taşımacılık faaliyetleri üzerinde etkileri. Maliye ve Finans Yazıları, (119), 39-60.
• Aysoy, C., Balaban, E., Kogar, C. ve Özcan, C. (1996). Daily volatility in the Turkish Foreign Exchange Market, Discussion Papers No. 9625, Research and Monetary Policy Department, Central Bank of the Republic of Turkey.
• Beine, M., Laurent, S. ve Lecourt, C. (2003). Official central bank ınterventions and exchange rate volatility: evidence from a regime-switching analysis. European Economic Review, 47(5), 891-911.
• Black, F. (1976). Studies of stock price volatility changes, Proceedings of the Business and Economics Section of the American Statistical Association, 177-181.
• Bollerslev, T. (1986). Generalized autoregressive conditional heteroscedasticity, Journal of Econometrics, 31, 307-327.
• Bosnjak, M., Novak, I. ve Bilas, V. (2016). Modelling volatility of exchange rate currency using GARCH models. Economski Vjesnik/Econviews, 29(1), 81-94.
• Butler, C. (1999). Mastering value at risk, a step-by-step guide to understanding and applying VAR, Financial Times Pitman Publishing, Market Editions, London.
• Çağlayan, E. ve Dayıoğlu, T. (2009). Döviz kuru getiri volatilitesinin koşullu değişen varyans modelleri ile öngörüsü, Ekonometri ve İstatistik e-Dergisi, (9), 1-16.
• Çil, N. (2018). Finansal ekonometri, Der Yayınları, İstanbul. Daly, K. (2008). Financial volatility issues and measuring techniques, Physica, 387, 2377-2393.
• Demirgil, H., Yıldırım, S. ve Çiçek, Z. (2019). Döviz kuru oynaklığında asimetrik işaret ve boyut yanlılığının test edilmesi: Euro/TL kur oynaklığı üzerine bir inceleme, Süleyman Demirel Üniversitesi Vizyoner Dergisi, 10(25), 485-494.
• Dickey, D. A. ve Fuller, W. A. (1979). Distribution of the estimators for autoregressive time series with a unit root. Journal of the American Statistical Association, 74(366), 427-431.
• Dickey, D. A. ve Fuller, W. A. (1981). Likelihood ratio statistics for autoregressive time series with a unit root. Econometrica, 49(4), 1057-1072.
• Emeç, H. ve Özdemir, M.O. (2014). Türkiye’de döviz kuru oynaklığının otoregresif koşullu değişen varyans modelleri ile incelenmesi, Finans Politik & Ekonomik Yorumlar, 51(596), 85-99.
• Engle, R. F. (1982). Autoregressive conditional heteroskedasticity with estimates of the variance of United Kingdom ınflation. Econometrica, 50(4), 987-1008.
• Engle, R. F., Lilien, D. M. ve Robbins, R. P. (1987). Estimating time varying risk premia in the term structure: the ARCH-M model, Econometrica, 55(2), 391-407.
• Güloğlu, B. ve Akman, A. (2007). Türkiye’de döviz kuru oynaklığının SWARCH yöntemi ile analizi, Finans Politik & Ekonomik Yorumlar, 44(512), 43-51.
• Gün, M. (2020). Döviz kuru volatilitesinin doğrusal ve doğrusal olmayan yöntemler ile incelenmesi. İstanbul Ticaret Üniversitesi Sosyal Bilimler Dergisi, 19(39), 952-974. https://doi.org/10.46928/iticusbe.763980
• Gür, T. H. ve Ertuğrul, H. M. (2012). Döviz kuru volatilitesi modelleri: Türkiye uygulaması, İktisat, İşletme ve Finans, 27(310), 53-77.
• Gürsakal, S. (2009). Varyans kırılması gözlemlenen serilerde GARCH modelleri: döviz kuru oynaklığı örneği, Erciyes Üniversitesi İktisadi ve İdari Bilimler Fakültesi Dergisi, (32), 319-337.
• Harvey, A. ve Sucarrat, G. (2012). EGARCH models with fat tails, skewness and leverage, Cambridge Working Papers in Economics, University of Cambridge, No: 1236.
• Hsieh, D. A. (1993). Estimating the dynamics of volatility, The Conference on Financial Innovations, Fuqua School of Business, Duke University, Durham, NC.
• Hsieh, D. A. (1988). The statistical properties of daily foreign exchange rates: 1974–1983, Journal of International Economics, 24(1-2), 129-145.
• Kanalıcı Akay, H. ve Nargeleçekenler, M. (2006). Finansal piyasa volatilitesi ve ekonomi, Ankara Üniversitesi SBF Dergisi, 61(4), 5–36.
• Kayral, İ.E. (2016). Türkiye’de döviz kuru volatilitelerinin modellenmesi, Politik Ekonomik ve Finansal Analiz Dergisi, 1, 1-15.
• Kayral, İ. E. ve Tandoğan, N. Ş. (2020). BİST100, döviz kurları ve altının getiri ve volatilitesinde COVID-19 etkisi. Gaziantep University Journal of Social Sciences, 19(COVID-19 Special Issue), 687-701.
• Kıran, B. (2006). Sektörel bazda hisse senetleri getiri volatilitesinin asimetrik koşullu değişen varyans modelleri ile tahmini, İstanbul Üniversitesi Sosyal Bilimler Enstitüsü, Ekonometri Anabilim Dalı, Yayımlanmamış Yüksek Lisans Tezi.
• Kıran, B. (2008). Döviz kuru volatilitesinin asimetrik üslü ARCH (APARCH) modeli ile tahmini, Review of Social, Economic & Business Studies, 11/12, 1-18.
• Kutlu Horvath, S. ve Yurttagüler, İ. (2023). Türkiye’de döviz kuru oynaklığının modellenmesi: ampirik bir araştırma. Journal of Economic Policy Researches, 10(2), 435-455. https://doi.org/10.26650/JEPR1217028
• Mandelbrot, B. (1963). The variation of certain speculative prices, The Journal of Business of the University of Chicago, 36, 394-419.
• Maskus, K. E. (1990). Exchange rate risk and US trade: a sectoral analysis, financial market volatility and the economy, Federal Reserve Bank of Kansas City.
• Nagayasu, J. (2004). The effectiveness of Japanese Foreign Exchange interventions during 1991–2001, Economics Letters, 84(3), 377-381.
• Nelson, D. B. (1991). Conditional heteroskedasticity in asset returns: a new approach, Econometrica, 59(2), 347-370.
• Nelson, C. ve Cao, C. Q. (1992). Inequality constraints in the univariate GARCH model, Journal of Business and Economic Statistics, 10, 229-235.
• Phillips, P. C. B ve Perron, P. (1988). Testing for a unit root in time series regression. Biometrika, 75(2), 335 346.
• Poon, A. (2005). A practical guide to forecasting financial market volatility, John Wiley and Sons, England.
• Sandoval, J. (2006). Do asymmetric GARCH models fit better exchange rate volatilities on emerging markets? Odeon, 3, 97-116.
• Sinclair, E. (2008) Volatility trading, John Wiley & Sons Inc., New Jersey.
• Sümer, A. L. (2021). Türkiye’de sepet kur volatilitesinin GARCH modellemesi: asimetri etkisi yaklaşımı, Akademik Araştırmalar ve Çalışmalar Dergisi (AKAD), 13(24), 137-150.
• Uysal, D. ve Özşahin, Ş. (2012). Reel efektif döviz kuru endeksi volatilitesinin ARCH ve GARCH modelleri ile tahmini, Anadolu Üniversitesi Sosyal Bilimler Dergisi, 12(1), 13–20.