Sağlık İşletmelerinde Pay Senedi Oynaklık Modellemesi: İnsan Sağlığı ve Sosyal Hizmetler Sektörü Üzerine Ekonometrik Bir Araştırma
Öz
Çalışmada, Borsa İstanbul insan sağlığı ve sosyal hizmetler sektöründe faaliyet gösteren Lokman Hekim ve MLP Sağlık Hizmetleri firmalarının 14.02.2018- 6.03.2020 dönemine ilişkin günlük verileri kullanılarak pay senedi getiri oynaklığının tahminlenmesi amaçlanmıştır. Çalışmada pay senedi getiri oynaklığının tahminlenmesi için simetrik ve asimetrik değişen varyans modelleri kullanılmıştır. Bu doğrultuda Lokman Hekim serisi için en uygun model TGARCH(1,1), MLP Sağlık Hizmetleri serisi için ise GARCH(1,1) olarak tespit edilmiştir. Analiz sonuçlarına göre, MPL Sağlık Hizmetleri serisine etki eden şokların yaklaşık %18’nin geçmiş dönem şoklarından kaynaklandığı, %55’inin bir önceki dönem şoklarından kaynaklandığı ortaya çıkarılmıştır. Diğer taraftan, Lokman Hekim serisine etki eden şokların yaklaşık %10’unun geçmiş dönem şoklardan, mevcut dönem şokların %21’inin bir önceki dönem şoklarından kaynaklandığı tespit edilmiştir. Ayrıca, Lokman Hekim serisinde, olumsuz haberlerin oynaklık üzerindeki etkisi olumlu haberlerden daha fazla olduğu söylenebilir. Olumlu haberlerin oynaklık üzerindeki etkisinin yaklaşık %10, olumsuz haberlerin oynaklık üzerindeki etkisinin ise yaklaşık %32 olduğu tespit edilmiştir. Ek olarak HL (halflife) ölçüsü hesaplamaları sonucunda MPL Sağlık Hizmetleri serisine gelen bir şokun etkisi yaklaşık 2 gün, Lokman Hekim serisine gelen bir şokun etkisinin ise bir günden daha kısa sürdüğü tespit edilmiştir.
Anahtar Kelimeler
Kaynakça
- Akar, C., (2007). Volatilite modellerinin öngörü performansı: ARCH GARCH ve SWARCH karşılaştırması. Dokuz Eylül Üniversitesi İşletme Fakültesi Dergisi, 8(2), 201-217.
- Akar, C., (2013). Gelişmekte olan piyasalarda volatilitenin Charma ile modellenmesi: Türkiye örneği. Yönetim ve Ekonomi Araştırma Dergisi, 6(9), 53-62.
- Akay, H. K., & Nargeleçekenler, M., (2006). Finansal piyasa volatilitesi ve ekonomi. Ankara Üniversitesi SBF Dergisi, 61(4), 5-36.
- Akçalı, B. Y., Mollaahmetoğlu, E., & Altay, E., (2019). Borsa İstanbul ve küresel piyasa göstergeleri arasındaki volatilite etkileşiminin DCC-GARCH yöntemi ile analizi. Eskişehir Osmangazi Üniversitesi İİBF Dergisi, 14(3), 597-614.
- Altuntaş, S. T., & Çolak, F. D., (2015). BİST-100 endeksinde volatilitenin modellenmesi ve öngörülmesinde ARCH modelleri. İstanbul Üniversitesi İşletme Fakültesi İşletme İktisadi Enstitüsü Yönetim Dergisi, 26(79), 208-233.
- Apergis, N., & Eleptheriou S., (2001). Stock returns and volatility: Evidence from the Athens stock market index. Journal of Economics and Finance, 25(1), 50-61
- Aygören, H., (2005). IMKB’de oynaklık tahmini üzerine bir çalışma. Muhasebe ve Finansman Dergisi, 25, 200-206. Bautista, C. C., (2003). Stock market volatility in Philippines. Applied Economic Letters, 10, 315-318.
- Chukwuodor-Ndu, C., (2020). Day-of-the-week effect and volatility in stock returns: Evidence from East Asian financial markets. Internatioanl Journal of Banking and Finance, 5(1), 153-164.
- Engle, R. F., Ghysels, E., & Sohn, B., (2008). On the economic sources of stock market volatility. New Orleans Meeting Paper, 1-54.
- Ganiev, J., (2014). Küreselleşme finansal piyasalar ve kriz. İktisat Politikası Araştırma Dergisi, 1 (2), s.117-129.
