Ayı Piyasası mı, Boğa Piyasası mı? Markov Rejim Değişim Modeli ile Borsa İstanbul için bir Analiz
Öz
MS(2)-AR(0) modeliyle yapılan analizler sonucunda BIST getiri serisinin boğa piyasasındayken bir sonraki dönemde tekrardan boğa piyasasında kalma olasılığı yaklaşık %87; ayı piyasasındayken tekrardan ayı piyasasında kalma olasılığı ise yaklaşık %97 olduğu tespit edilmiştir. BIST getirileri boğa piyasası rejimindeyken bir sonraki dönemde ayı piyasası rejimine geçme olasılığı yaklaşık %12,9 iken ayı piyasası rejimindeyken bir sonraki dönemde boğa piyasası rejimine geçme olasılığı yaklaşık %3’tür. Bununla birlikte BIST getiri serisinin yükseliş rejiminde ortalama 7,75 gün kalırken, düşüş rejiminde 32,64 gün kaldığı tespit edilmiştir. Dolar kurunun rejim geçiş olasılıklarına etkisi dikkate alındığında TVTP-MS(2)-AR(0) Modelinin analiz sonuçlarında dolar kurunun boğa piyasası kalıcılığında etkisi olduğu tespit edilmiştir. BIST getiri serisinin boğa piyasası rejimindeyken bir sonraki dönemde tekrardan boğa piyasası rejiminde kalma olasılığı MS(2)-AR(0) modeline göre artmış ve %96,20 olmuştur. Ayı piyasası rejimindeyken tekrardan ayı piyasasında kalma olasılığı ise yaklaşık %86’dir. BIST getirileri boğa piyasası rejimindeyken bir sonraki dönemde ayı piyasası rejimine geçme olasılığı yaklaşık %3,8 iken ayı piyasası rejiminden bir sonraki dönemde boğa piyasası rejimine geçme olasılığı yaklaşık %13,9 olarak tespit edilmiştir. Ayrıca bilgi kriterleri dikkate alınarak TVTP(2)-AR(0) modelinin MS(2)-AR(0) modeline göre daha güçlü sonuçlar verdiği tespit edilmiştir.
Anahtar Kelimeler
BIST100, Boğa Piyasası, Ayı Piyasası, Dolar Kuru, Markov Rejim Değişim Modeli
Kaynakça
- Abounoori, E., (Mila)Elmi & Nademi, Y. (2016), Forecasting Tehran stock exchange volatility; Markov switching GARCH approach, Physica A: Statistical Mechanics and its Applications, V.445, p.264-282
- Aktaş, M. ve Akdağ, S. (2013), Türkiye’de Ekonomik Faktörlerin Hisse Senedi Fiyatları ile İlişkilerinin Araştırılması, International Journal Social Science Research, 2: 50-67.
- Almonares, R.A.L (2019), Markov Switching Model of Philippine Stock Market Volatility, DLSU Business & Economics Review 29(1), p. 24-30
- Altıntaş, H. ve Tombak, F. (2011). Türkiye’de Hisse Senedi Fiyatları ve Makro Ekonomik Değişkenler Arasındaki İlişkinin Ekonometrik Analizi: 1987-2008, EconAnadolu 2011 Anadolu Uluslararası İktisat Kongresi, Eskişehir, Türkiye, 1-20.
- Assoe, K.G. (1998) Regime-Switching in Emerging Stock Market Returns, Multinational Finance Journal, 1998, vol. 2, no. 2, pp. 101–132
- Balcilar, M. ve Demirer, R. (2015). Effect of Global Shocks and Volatility on Herd Behavior in an Emerging Market: Evidence from Borsa Istanbul, Emerging Markets, Finance and Trade, 51:1, 140-159, DOI: 10.1080/1540496X.2015.1011520
- Bayat, T., Kayhan, S. ve Koçyiğit, A. (2013). Türkiye’de İşsizliğin Asimetrik Davranışının Rejim Değişim Modeliyle İncelenmesi, Business and Economics Research Journal, V. 4, N. 2, pp.79-90
- Brock, W., Dechert, W., and Scheinkman, J. (1987). A Test For Independence Based On The Correlation Dimension. Working Paper, University of Wisconsin at Madison, University of Houston and University of Chicago.
- Büyükyılmaz, A. (2015), Markov Rejim Değişimli Vektör Otoregresif ModellerveDoğrusal Olmayan Nedensellik Analizi: OECD Ülkelerinde Yenilenebilir Enerji Tüketimi, CO2 Emisyonuve Ekonomik Büyüme Arasındaki İlişki İçin Bir Uygulama. Akdeniz Üniversitesi Sosyal Bİlimler Enstitüsü, Doktora Tezi.
- Chen, S.S., (2006), Revisiting the interest rate–exchange rate nexus:a Markov-switching approach, Journal of Development Economics, 79:208-224