KAZAKİSTAN FİNANSAL PİYASALARINA İLİŞKİN GENEL BİR DEĞERLENDİRME VE KAZAKİSTAN BORSA ENDEKSİ ÜZERİNE VOLATİLİTE MODELLEMESİ

Öz

Küreselleşmeyle birlikte sermaye piyasalarında artan hareketlilik, finansal varlıkların risk düzeylerinin daha etkin bir şekilde belirlenmesini gerektirmektedir. Sermaye piyasalarında işlem gören menkul kıymetlerin fiyatları, döviz kuru dalgalanmaları, faiz oranı değişiklikleri, enflasyon oranları ve politik belirsizlikler gibi birçok makroekonomik faktörden etkilenmektedir. Bu faktörlerin etkisi sonucunda, finansal varlıkların fiyatlarında zaman içerisinde dalgalanmalar meydana gelir ve bu dalgalanmalar genellikle volatilite kümelenmeleri olarak adlandırılmaktadır. Volatilite kümelenmeleri ise piyasa riskini oluşturarak yatırımcıların ve piyasa aktörlerinin stratejik karar alma süreçlerini etkiler. Piyasa risklerinin tahmini, özellikle değişen koşullu varyans modelleri kullanılarak daha doğru bir şekilde yapılabilmektedir. ARCH, GARCH, EGARCH ve TGARCH gibi modeller, finansal piyasalardaki risk ve belirsizliğin ölçülmesinde sıkça kullanılan yaklaşımlar arasındadır. Bu modeller, volatilitenin gelecekteki seyrini öngörerek piyasa riskini anlamada kritik rol oynamaktadır. Kazakistan Resmi Borsası (KASE), 1993 yılında kurulmuş olup ülkenin sermaye piyasalarının gelişmesine önemli katkılar sağlamıştır. Kazakistan'daki tek resmi menkul kıymet borsası olan KASE, aynı zamanda Orta Asya bölgesindeki stratejik bir finansal platform olarak hizmet vermektedir. Enerji, tarım ve altyapı gibi önemli sektörlerde faaliyet gösteren KASE, bölgedeki ekonomik çeşitliliği destekleyerek sermaye piyasalarını geliştirmeyi hedeflemektedir. Bu çalışmanın amacı, KASE Endeksinin 2014:08–2024:08 dönemi arasındaki günlük kapanış verileri üzerinden volatilite yapısını incelemektir. ARCH, GARCH, E-GARCH ve TGARCH modelleri kullanılarak yapılan analiz sonucunda, KASE endeksinin volatilitesini açıklamada en başarılı modelin E-GARCH olduğu tespit edilmiştir. Bu sonuç, asimetrik volatilitenin KASE endeksinde önemli bir rol oynadığını göstermektedir.

Anahtar Kelimeler

• KASE
• Volatilite
• ARCH
• GARCH

An Overview of Financial Markets in Kazakhstan and Volatility Modeling of the Kazakhstan Stock Exchange Index

Öz

The rise of globalization and market turbulence demand improved risk assessments for financial assets in capital markets. The value of these assets is influenced by macroeconomic factors like currency exchange, interest rates, inflation, and political instability. These factors cause price fluctuations, which are known as volatility clusters. Volatility clusters pose a market risk, influencing investors' and market players' strategic choices. Assessing market risks can be significantly enhanced by using dynamic variance models like ARCH, GARCH, EGARCH, and TGARCH. These models have proven effective in quantifying risk and uncertainty in financial markets. By capturing the changing volatility patterns, these models provide valuable insights into market risk and enable more precise predictions of future volatility levels. In 1993, Kazakhstan established the Kazakhstan Official Stock Exchange (KASE), which has since played a strengthening role in bolstering the nation's capital markets. Being solely responsible for securities trading in Kazakhstan, KASE has evolved into an important financial hub not only for Kazakhstan but also for Central Asia as a whole. KASE, active in key sectors such as energy and infrastructure, promotes economic diversification in the region through capital market development. This study assesses volatility within the KASE Index based on daily closing price data from 2014 to 2024. Using ARCH, GARCH, E-GARCH, and TGARCH models, it concludes that E-GARCH is the most effective model for interpreting KASE Index volatility. That indicates the significant influence of asymmetric volatility on the index's behaviour.

Anahtar Kelimeler

• KASE
• Volatility
• ARCH
• GARCH.

Kaynakça

1. Akkaya, M., & Küçükpınar, M. A. (2023). Volatilite ve asimetrik fiyat hareketleri üzerine bir inceleme: BIST100 örneği. Beykoz Akademi Dergisi, 11(2), 110–132.
2. Ay, G., & Gün, M. (2020). Borsa İstanbul pay piyasasında volatilite modellemesi: BIST Banka Endeksi üzerine bir uygulama. Business & Management Studies: An International Journal, 8(5), 3795–3814.
3. Başcı, E. S. (2011). İMKB mali ve sınai endekslerinin 2002-2010 dönemi için günlük oynaklığının karşılaştırmalı analizi. Dokuz Eylül Üniversitesi İşletme Fakültesi Dergisi, 12(2), 187–199.
4. Bayçelebi, B. E., & Ertuğrul, M. (2020). BIST Banka Endeksi volatilitesinin GARCH modelleri kullanılarak modellenmesi. Anadolu Üniversitesi Sosyal Bilimler Dergisi, 20(1), 233–244.
5. Black, F. (1976). Studies of stock price volatility changes. Proceedings of the 1976 Meetings of the American Statistical Association, Business and Economics Statistics Section (ss. 177–181).
6. Bollerslev, T. (1986). Generalized autoregressive conditional heteroskedasticity. Journal of Econometrics, 31(3), 307–327.
7. Delice, G., & Tuncay, M. (2024). İslami sermaye piyasalarında volatilite: İslami hisse senedi endeksleri üzerinden karşılaştırmalı bir analiz. Maliye Dergisi, (186), 221–250.
8. Dickey, D. A., & Fuller, W. A. (1979). Distribution of the estimators for autoregressive time series with a unit root. Journal of the American Statistical Association, 74(366a), 427–431. https://doi.org/10.1080/01621459.1979.10482531

9. Ege, İ., & Topaloğlu, T. N. (2019). Pay piyasalarında volatilite tahminlemesi: Borsa İstanbul mali ve sınai endeksleri üzerine bir uygulama. Journal of Mehmet Akif Ersoy University Economics and Administrative Sciences Faculty, 6(3), 618–633.
10. Engle, R. F. (1982). Autoregressive conditional heteroscedasticity with estimates of the variance of United Kingdom inflation. Econometrica: Journal of the Econometric Society, 987–1007.
11. Engle, R. F., Lilien, D. M., & Robins, R. P. (1987). Estimating time varying risk premia in the term structure: The ARCH-M model. Econometrica: Journal of the Econometric Society, 391–407.
12. Federation of Euro-Asian Stock Exchanges (FEAS). (2024). FEAS yearbook 2024. https://feas.org/Yearbooks/
13. Gazel, Y. H., Suyadal, M., & Yavuz, M. S. (2022). Pay piyasası getirilerini etkileyen makroekonomik faktörler: Avrasya ülkeleri borsa endeksleri üzerine bir analiz. Manas Sosyal Araştırmalar Dergisi, 11(4), 1492–1503.
14. Glosten, L. R., Jagannathan, R., & Runkle, D. E. (1993). On the relation between the expected value and the volatility of the nominal excess return on stocks. Journal of Finance, 48(5), 1779–1801.
15. Gökçe, A. (2001). İstanbul Menkul Kıymetler Borsası getirilerindeki volatilitenin ARCH teknikleri ile ölçülmesi. Gazi Üniversitesi İİBF Dergisi, 1, 35–58.
16. Granger, C. W., & Newbold, P. (1974). Spurious regressions in econometrics. Journal of Econometrics, 2(2), 111–120.
17. International Monetary Fund (IMF). (2024). Republic of Kazakhstan: 2023 Article IV consultation—Press release; staff report; and statement by the Executive Director for the Republic of Kazakhstan. https://www.imf.org/external/pubs/ft/scr/2024/cr2446.pdf
18. Investing.com. (t.y.). Kazakhstan Stock Exchange (KASE). Investing.com. https://tr.investing.com/indices/kase
19. Kazakistan Merkez Bankası (National Bank of Kazakhstan). (2023). Financial market review: Situation on financial market in 2023. https://nationalbank.kz/file/download/90220
20. Kılıç, M., & Ayrıçay, Y. (2020). Seçilmiş BIST alt sektör endekslerinde volatilitenin ARCH-GARCH yöntemleri ile modellenmesi. Muhasebe ve Finansman Dergisi, (88), 175–198.
21. Köycü, E. (2022). Avrupa bankacılık endeksi volatilitesinin GARCH modelleri kullanılarak modellenmesi. Aksaray Üniversitesi İktisadi ve İdari Bilimler Fakültesi Dergisi, 14(3), 241–250. https://doi.org/10.52791/aksarayiibd.988629
22. Lamoureux, C. G., & Lastrapes, W. D. (1990). Persistence in variance, structural change, and the GARCH model. Journal of Business & Economic Statistics, 8(2), 225–234. https://doi.org/10.1080/07350015.1990.10509794
23. Nelson, D. B. (1991). Conditional heteroskedasticity in asset returns: A new approach. Econometrica, 59(2), 347–370.
24. Ngo Thai, H. (2019). Dynamics of volatility spillover between stock and foreign exchange market: Empirical evidence from Central and Eastern European countries. Economy and Finance: English-Language Edition of Gazdaság és Pénzügy, 6(3), 244–265.
25. Özden, Ü. H. (2008). İMKB Bileşik 100 Endeksi getiri volatilitesinin analizi. İstanbul Ticaret Üniversitesi Sosyal Bilimler Dergisi, 7(13), 339–350.
26. Pederzoli, C. (2006). Stochastic volatility and GARCH: A comparison based on UK stock data. European Journal of Finance, 12(1), 41–59.
27. Rashid, T., Ismail, A., & Rashid, K. (2020). Time series analysis of stock market volatility in Pakistan. Asian Journal of Probability and Statistics, 6(4), 12–23.
28. Sevüktekin, M., & Nargeleçekenler, M. (2006). İstanbul Menkul Kıymetler Borsasında getiri volatilitesinin modellenmesi ve önraporlanması. Ankara Üniversitesi SBF Dergisi, 61(4), 243–265.
29. Syzdykova, A. (2017). Petrol fiyatlarının hisse senedi piyasasına etkisi: Kazakistan borsası örneği. Finans Ekonomi ve Sosyal Araştırmalar Dergisi (FESA), 2(4), 259–269.
30. Syzdykova, A. (2018). Makroekonomik değişkenler ve hisse senedi piyasası ilişkisi: KASE örneği. Çankırı Karatekin Üniversitesi İİBF Dergisi, 8(2), 331–354.
31. Yaman, S., & Bayık, N. (2023). Riskli yatırım araçlarında volatilite modellemesi. Anadolu Üniversitesi İktisadi ve İdari Bilimler Fakültesi Dergisi, 24(3), 515–549.