BIST ANA SEKTÖR ENDEKSLERİNDE ZAYIF FORMDA ETKİNLİĞİN YAPISAL KIRILMALI UZUN HAFIZA MODELLERİ İLE ANALİZİ

Öz

Hisse senetlerinde uzun hafızanın varlığı, piyasanın zayıf formda etkin olmadığını göstermekte ve piyasa katılımcılarını hisse senedi piyasasının hareketlerini tahmin etmeye yöneltmektedir. Bu çalışmada Borsa İstanbul sektör endekslerinin getiri serilerinin varyansında (mali, sınai, hizmet ve teknoloji) uzun hafızanın varlığı 30.07.2000-12.03.2021 dönemi için günlük veriler dikkate alınarak araştırılmıştır. Bu amaçla Borsa İstanbul’un dört endeksine FIGARCH, FIEGARCH, FIAPARCH ve HYGARCH modelleri uygulanmıştır. Elde edilen sonuçlar, ele alınan dört endeksin uzun hafıza özelliği taşıdığını, diğer bir ifade ile endekslerin zayıf formda etkin olmadığını ortaya koymuştur. Ayrıca tüm endekslerde pozitif şokların volatilite üzerinde negatif şoklardan daha güçlü etkiye sahip olduğu tespit edilmiştir. Elde edilen sonuçlar mevcut veya potansiyel yatırımcılara, portföy yöneticilerine ve politika yapıcılara borsadaki uzun hafızanın dinamik doğasını anlamada yardımcı olacaktır.

Anahtar Kelimeler

• Uzun hafıza
• Borsa İstanbul
• GARCH Modelleri

ANALYSIS OF WEAK-FORM EFFICIENCY WITH STRUCTURAL FRACTURE LONG MEMORY MODELS IN BIST MAIN SECTOR INDEXES

Öz

The existence of long memory in stocks shows that the market is not efficient in a weak form and leads the market participants to predict the movements of the stock market. In this study, the existence of long memory in the variance of the return series (financial, industrial, service and technology) of the Borsa Istanbul sector indices is investigated by considering daily data for the period 30.07.2000-12.03.2021. For this purpose, FIGARCH, FIEGARCH, FIAPARCH and HYGARCH models are applied to four indices of Borsa Istanbul. The results reveal that the four indices have long memory properties, in other words, the indices are not efficient in weak form. In addition, it has been determined that positive shocks have a stronger effect on volatility than negative shocks in all indices. The results will assist current or potential investors, portfolio managers and policy makers in understanding the dynamic nature of long memory in the stock market.

Anahtar Kelimeler

• Long memory
• Borsa Istanbul
• GARCH Models

Kaynakça

1. Baillie, R. T., Chung, C. F. ve Tieslau, M. A. (1996), Analysing Inflation By The Fractionally İntegrated ARFIMA–GARCH Model, Journal of Applied Econometrics, 11(1), s.23-40.
2. Baillie, R. ve Morana, C. (2009), Modelling Long Memory and Structural Break in Conditional Variances: An Adaptive FIGARCH Approach, Journal of Economic Dynamics & Control, 33 (8): s.1577-1592.
3. Blasco IV, N. ve Santamaria, R. (1996), Testing Memory Patterns in the Spanish Stock Market, Applied Financial Economics, 6(5), s.401-411.
4. Bodart, V. ve Candelon, B. (2009), Evidence of Interdependence and Contagion Using A Frequency Domain Framework, Emerging Markets Review, 10(2), s.140-150.
5. Bollerslev, T. ve Jubinski, D. (1999), Equity Trading Volume And Volatility: Latent Information Arrivals And Common Long-Run Dependencies. Journal of Business & Economic Statistics, 17(1), s.9-21.
6. Caporale, G. M., Gil-Alana, L. A. ve Poza, C. (2020), High And Low Prices And The Range In The European Stock Markets: A Long-Memory Approach, Research in International Business and Finance, 52, s.101126.
7. Çağlayan, E. ve Dayıoğlu, T. (2009), Döviz Kuru Getiri Volatilitesinin Koşullu Değişen Varyans Modelleri ile Öngörüsü, İstanbul Üniversitesi İktisat Fakültesi Ekonometri ve İstatistik Dergisi, 9, s.1-16.
8. Çevik, E. I. ve Topaloğlu, G. (2014), Volatilitede Uzun Hafıza ve Yapısal Kırılma: Borsa İstanbul Örneği, Balkan Sosyal Bilimler Dergisi, 3(6), s.40-55.

9. Çevik, E. İ. (2012), İstanbul Menkul Kıymetler Borsası’nda Etkin Piyasa Hipotezinin Uzun Hafıza Modelleri ile Analizi: Sektörel Bazda Bir İnceleme, Journal of Yasar University, 26 (7), s.4437 – 4454.
10. Çevik, E. İ. ve Erdoğan, S. (2009), Bankacılık Sektörü Hisse Senedi Piyasasının Etkinliği: Yapısal Kırılma Ve Güçlü Hafıza, Doğuş Üniversitesi Dergisi, 10(1), s.26-40.
11. Çevik, E. İ. ve Sezen, S. (2020), Bankacılık Sektörü İçin Etkin Piyasalar Hipotezinin Uzun Hafıza Modelleri Analizi, Yönetim ve Ekonomi Araştırmaları Dergisi, 18(1), s.332-351.
12. Enders, W. (2011), Applied Econometric Time Series, John Wiley&Sons.
13. Fama, E. F. (1965), The Behavior Of Stock-Market Prices, The Journal of Business, 38(1), s.34-105.
14. Galeano, P. ve Tsay, R. S. (2010), Shifts In Individual Parameters Of A GARCH Model, Journal of Financial Econometrics, 8(1), s.122-153.
15. Greene, M. T. ve Fielitz, B. D. (1977). Long-Term Dependence in Common Stock Returns. Journal of Financial Economics, 4(3), s.339-349.
16. Günay, S. (2014), Yapısal Kırılmalar Dahilinde BİST-100 Endeksi Volatilitesinin Uzun Dönem Bellek Analizi, Journal of Yasar University, 9(36), s.6300-6314. Hillebrand, E. (2005), Neglecting Parameter Changes in GARCH Models, Journal of Econometrics, 129(1-2), s.121-138.
17. Inclan, C. ve Tiao, G.C. (1994), Use Of Cumulative Sums Of Squares For Retrospective Detection Of Changes In Variance, Journal of the American Statistic Association, 89, s.913–923.
18. Kang, S. H., Cheong, C. ve Yoon, S-M. (2010), Long Memory Volatility In Chinese Stock Markets, Physica A, 389 (7), s.1425-133.
19. Karanasos, M. ve Kartsaklas, A. (2009), Dual Long-Memory, Structural Breaks and the Link between Turnover and the Range-Based Volatility, Journal of Empirical Finance, 16(5), s.838-851.
20. Kasman, A., Kasman, S. ve Torun, E. (2009), Dual Long Memory Property in Returns and Volatility: Evidence from the CEE Countries Stock Markets, Emerging Markets Review, 10(2), s.122-139.
21. Kılıç, R. (2004), On The Long Memory Properties Of Emerging Capital Markets: Evidence From Istanbul Stock Exchange, Applied Financial Economics, 14(13), s.915-922.
22. Korkmaz, T., Çevik, E.İ. ve Özataç, N. (2009), Testing For Long Memory In ISE Using ARFIMA-FIGARCH Model and Structural Break Test, International Research Journal of Finance and Economics, 26, s.186-191.
23. Kumar, D. ve Maheswaran, S. (2013), Evidence Of Long Memory In The Indian Stock Market, Asia-Pacific Journal of Management Research and Innovation, 9(1), s.9-21.
24. Lamoureux, C. ve Lastrapes, W. (1990), Persistence in Variance, Structural Change and the GARCH Model, Journal of Business and Economic Statistics, 68, s.225-234.
25. Lobato, I. N. ve Savin, N. E. (1998), Real And Spurious Long-Memory Properties Of Stock-Market Data. Journal of Business & Economic Statistics, 16(3), s.261-268.
26. Maheshchandra, J. P. (2012), Long Memory Property In Return And Volatility: Evidence From The Indian Stock Markets, Asian Journal of Finance & Accounting, 4(2), s.218-230
27. Manap, T. A. A. ve Kassim, S. H. (2011), Long Memory Properties And Asymmetric Effects Of Emerging Equity Market: Evidence From Malaysia, The Journal of Risk Finance, 12(5), s.356-370.
28. Mishra, A. K. ve Mishra, S. (2020), Revisiting the Long Memory in Global Stock Market Returns: An Empirical Analysis, Global Business Review, s.1-15.
29. Naik, R. ve Reddy, Y. V. (2021), Examination of Long Memory in Indian Stock Market: A Sectoral Juxtaposition. FIIB Business Review, s.23197145211040274.
30. Nelson, D.B. (1991), Conditional heteroskedasticity in asset returns: A new approach. Econometrica, 59, s.347-370.
31. Odonkor, A. A., Ababio, E. N., Darkwah, E. A. ve Andoh, R. (2019), Stock Returns And Long-Range Dependence, Global Business Review, s.1-11.
32. Özdemir, A., Gülcan, N. ve Boyacıoğlu, N. (2021), İslami Endekslerdeki Piyasa Etkinliğinin Uzun Hafıza Modelleriyle Test Edilmesi: BİST Uygulaması, Finansal Araştırmalar ve Çalışmalar Dergisi, 13(24), s.207-222.
33. Resende, M. ve Teixeira, N. (2002), Permanent Structural Changes In The Brazilian Economy And Long Memory: A Stock Market Perspective, Applied Economics Letter, 9(6), s.373-375.
34. Sanso, A., Arago, V., Carrion, J. L. (2004), Testing For Change In The Unconditional Variance Of Financial Time Series. Rev. Econ. Finance, 4, s.32–53.
35. Tang, T. L. ve Shieh, S. J. (2006), Long Memory in Stock Index Futures Markets a Value-at-Risk Approach, Physica A, 366, s.437-448.
36. TCMB, http://evds2.tcmb.gov.tr/ (Erişim Tarihi: 11.03.2021.).
37. Tolvi, J. (2003), Long Memory In A Small Stock Market. Economics Bulletin, 7, s.1-13.
38. Türkyılmaz, S. ve Balıbey, M. (2014), Türkiye Hisse Senedi Piyasası Getiri ve Oynaklığındaki Uzun Dönem Bağımlılık İçin Ampirik Bir Analiz, Dokuz Eylül Üniversitesi Sosyal Bilimler Enstitüsü Dergisi, 16(2), s.281-302
39. Verardi, V. ve Vermandele, C. (2018), Univariate And Multivariate Outlier Identification For Skewed Or Heavy-Tailed Distributions. The Stata Journal, 18(3), s.517-532.