BIST Banka Endeksi Volatilitesinin GARCH Modelleri Kullanılarak Modellenmesi

Yıl 2020, , 233 - 244, 07.03.2020

Berfu Ece Bayçelebi Murat Ertuğrul

https://doi.org/10.18037/ausbd.700351

Cited By: 3

Öz

Bu çalışmada BIST Banka (XBANK) endeksinin volatilitesi koşullu varyans modelleri GARCH,
TGARCH ve EGARCH kullanılarak modellenmeye çalışılmıştır. Çalışmada kullanılmak üzere
2010-2016 arası XBANK Endeksi günlük kapanış değerleri Thompson Reuters-Eikon veri tabanı
üzerinden elde edilmiştir. 2016 yılı itibariyle bazı göstergelerdeki önemli değişikliklerin etkisi
öncesi durumun tespit edilmesi amacıyla ilk aşamada bu aralık tercih edilmiştir. Elde edilen
veriler yardımı ile ele alınan dönemde Bankacılık Endeksi logaritmik getiri serisi elde edilmiş ve
endeks getiri volatilitesini hesaplama amacıyla GARCH(1,1), TGARCH(1,1) ve EGARCH(1,1)
modelleri kurulmuştur. Kurulan modeller incelenerek uygun model belirlenmiş ve uygun model
GARCH(1,1)’den elde edilen koşullu varyans yardımı ile volatilite hesaplaması yapılmıştır.

Anahtar Kelimeler

Volatilite, Bankacılık, Bankacılık Endeksi, Koşullu Varyans

Kaynakça

• Atakan, T. (2009). İstanbul Menkul Kıymetler Borsası’nda değişkenliğin (volatilitenin) ARCHGARCH yöntemleri ile modellenmesi. Yönetim Dergisi, 62, 48-61.
• Bollerslev, T. (1986). Generalized autoregressive conditional heteroskedasticity. Journal of econometrics, 31 (3), 307-327.
• Bollerslev, T., Chou, R. Y. & Kroner, K. F. (1992). ARCH modelling in finance. Journal of Econometrics, 52, 5-59.
• Engle, R. F. (1982). Autoregressive conditional heteroscedasticity with estimates of the variance of United Kingdom inflation. Econometrica, 50 (4), 987-1007.
• Gökçe, A. (2001). İstanbul Menkul Kıymetler Borsası getirilerindeki volatilitenin ARCH teknikleri ile ölçülmesi. G.Ü. İ.İ.B.F. Dergisi, 1, 35-58.
• Hibon, M. & Makridakis, S. (1997). ARMA models and the Box–Jenkins methodology. Methodology. Fontainebleau, INSEAD, Fransa, Working Paper.
• Işığıçok, E. (1999). Türkiye’de enflasyonun varyansının ARCH ve GARCH modelleri ile tahmini. Uludağ Üniversitesi İ.İ.B.F. Dergisi, 17 (2), 1-17.
• Kıran, B. (2006). Sektörel bazda hisse senetleri getiri volatilitesinin asimetrik koşullu değişen varyans modelleri ile tahmini. (Yayımlanmamış Yüksek Lisans Tezi). İstanbul Üniversitesi, Sosyal Bilimler Enstitüsü, İstanbul.
• Korkmaz, T. & Bostancı, A. (2011). RMD hesaplamalarında volatilite tahminleme modellerinin karşılaştırılması ve Basel II yaklaşımına göre geriye dönük test edilmesi: İMKB 100 endeksi uygulaması. Business and Economics Research Journal, 2 (3), 1-17.
• Kutlar, A. & Torun, P. (2012, Kasım). İMKB 100 endeksi günlük getirileri için uygun genelleştirilmiş farklı varyans modelinin seçimi. Üçüncü Uluslararası Ekonomi Konferansında sunulan bildiri, İzmir.
• Montgomery, D.C., Jennings, C.L. & Kulahci, M. (2008). Introduction to time series analysis and forecasting. New York: John Wiley & Sons.
• Özden, Ü. H. (2008). İMKB bileşik 100 endeksi getiri volatilitesinin analizi. İstanbul Ticaret Üniversitesi Sosyal Bilimler Dergisi, 13, 339-350.
• Reschenhofer, E. (2013). Does anyone need a GARCH (1,1)?. Journal of Finance and Accounting, 1 (2), 48-53.
• Sevüktekin, M. & Nargeleçekenler, M. (2006). İstanbul Menkul Kıymetler Borsasında getiri volatilitesinin modellenmesi ve önraporlanması. Ankara Üniversitesi SBF Dergisi, 61 (4), 243- 265.
• Tsay, R. S. (2010). Analysis of financial time series. New York: John Wiley & Sons.