Çok Değişkenli GARCH Modeli ile Sektör Endekslerinin Volatilitesinin Modellenmesi

Yıl 2020, Sayı: 22, 473 - 486, 01.04.2020

Ayşegül Kırkpınar

Öz

Oynaklık yayılımı etkisi finansal piyasa katılımcıları için her zaman cazip bir konu olmuştur. Bu çalışma çok değişkenli GARCH modelini kullanarak Borsa İstanbul’daki BIST Mali ve BIST Hizmetler olan iki önemli sektör endeksi arasındaki oynaklık yayılımını araştırmayı amaçlamaktadır. İki sektör arasındaki nedensellik ilişkisini belirlemek için Granger ve Hong’un Nedensellik testleri kullanılmıştır. 4 Ocak 2010’dan 24 Temmuz 2018’e kadar kapsayan iki önemli sektör endekslerini incelemenin ardından, bulgular BIST Mali ve BIST Hizmetler sektör endeksleri arasında oynaklık yayılımı olduğunu göstermiştir. Nedensellik analizlerine gelince, hem Granger nedensellik hem de Hong’un nedensellik testlerinin sonuçlarına göre iki sektör endeksi arasındaki oynaklık yayılımı iki yönlü nedensel ilişkiyi göstermiştir. Sonuçlar, en uygun varlık tahsisi ve portföy yönetimi yapmak için, piyasa katılımcıları ve yatırımcılar açısından büyük önem arz etmektedir.

Anahtar Kelimeler

Hong nedensellik, DCC-GARCH modeli, oynaklık yayılımı, sektör endeksleri.

Modeling Volatility of Sector Indexes with Multivariate GARCH Model

Öz

The volatility spillover effect has always been an attractive issue for financial market participants. This research aims to investigate volatility spillover between two major sector indexes, namely BIST Financial and BIST Services of Borsa Istanbul by using a multivariate GARCH model. Granger causality and Hong’s causality tests were used to determining causal relation between them. Examining two major sector indexes from January 4, 2010, to July 24, 2018, the findings indicated that there was volatility spillover BIST Financial and BIST Services sector indexes. As for causality analyses, the volatility spillover between two sector indexes indicated bivariate causal relation in accordance with both the results of the Granger causality and Hong’s causality tests. The findings are of great importance for market participants and investors to make properly asset allocation and optimal portfolio management.

Anahtar Kelimeler

Hong’s causality, DCC-GARCH model, volatility spillover, sec-tor indexes.

Kaynakça

• Arouri, M. E. H., Jouini, j., Nguyen, D. K. (2011), “Volatility spillovers between oil prices and stock sector returns: Implications for port- folio management”, Journal of International Money and Finance, 30, 1387-1405.
• Arouri M. E. H., Lahiani, A., Nguyen, D. K. (2013), “World gold prices and stock returns in China: insights for hedging and diversifica- tion strategies”, https://hal.archives-ouvertes.fr/hal-00798038
• Çağlı, E. Ç., Taşkın, F. D., Mandacı, P. E. (2014), “The interactions be- tween oil prices and Borsa Istanbul sector indices”, International Journal of Economic Policy in Emerging Economies, 7(1), 55-65.
• Dickey, D. A. Fuller, W. A. (1979), “Distribution of the estimators for autoregressive time series with a unit root”, Journal of the American Statistical Associatio, 74, 427-431.
• Elmas, B. (2013). “İstanbul Menkul Kıymetler Borsası’nda Hesaplanan Endeksler Arası İlişkiler”, Dicle Üniversitesi İktisadi ve İdari Bilimler Fakültesi Dergisi, C:2 S:5, 21-34.
• Engle, R. (2002), “Dynamic Conditional Correlation: A Simple Class of Multivariate Generalized Autoregressive Conditional Heteroske- dasticity Models”, American Statistical Association Journal of Busi- ness & Economic Statistics, 20 (3).
• Granger, C. W. J. (1969), “Investigating causal relations by econometric models and cross-spectral methods”, Econometrica, 37, 424–438. doi: 10.2307/1912791.
• Goeij P., Marquering, W. (2009), “Stock and bond market interactions with level and asymmetry dynamics: An out-of-sample applica- tion”, Journal of Empirical Finance, 16, 318–329.
• Haesen, D., Houweling, P., and Van Zundert, J. (2017), “Momentum spillover from stocks to corporate bonds”, Journal of Banking & Fi- nance, 79, 28-41.
• Hassan, S. A., Malik, F. (2007), “Multivariate GARCH modeling of sector volatility transmission”, The Quarterly Review of Economics and Finance, 47, 470–480.
• Hong, Y. (2001), “A test for volatility spillover with application to exchange rates”, Journal of Econometrics, 103, 183-224.
• Jones, P. M., Olson E. (2013), “The time-varying correlation between uncertainty, output, and inflation: Evidence from a DCC-GARCH model”, Economics Letters, 118, 33–37.
• Kim, S. J., Moshirian, F., WU, E. (2006), “Evolution of international stock and bond market integration: Influence of the European Monetary Union”, Journal of Banking & Finance, 30(5), 1507-1534.
• Kouki I., Harrathi, N., Haque, M. (2011), “A volatility spillover among sector index of international stock markets”, Journal of Money, In- vestment and Banking, 22, 32-45.
• Malik, F., Ewing, B.T. (2009), “Volatility transmission between oil pric- es and equity sector returns” International Review of Financial Anal- ysis, 18, 95–100.
• Narayan, P.K., Narayan, S. (2010), “Modelling the impact of oil prices on Vietnam’s stock prices”, Applied Energy, 87, 356-361.
• Phillips, P. C. B., Perron, P. (1988), “Testing for a unit root in time se- ries regressions”, Biometrika, 75, 335-346.
• Tokat, E. (2010), “İMKB Sektör Endeksleri Arasındaki Şok ve Oynaklık Etkileşimi”, BDDK Bankacılık ve Finansal Piyasalar, 4 (1), 91-104.
• Tse, Y. K. (2000), “A test for constant correlations in a multivariate GARCH model”, Journal of Econometrics, 98 (1), 107-127.