MODELING THE EFFECTS OF VOLATILITY SPILLOVER IN EXCHANGE RATES WITH MGARCH METHOD

Yıl 2019, Cilt: 24 Sayı: 4, 1167 - 1180, 30.10.2019

Hakan Demirgil Sedef Kesekler

Öz

Volatility means that the change in the price of a particular product in a given time in financial markets. As the main indicator of risk, volatility constitutes one of the most important issues in finance. Modeling and estimation of volatility in financial time series is one of the topics that are emphasized. In this study, it is examined whether the volatilities experienced in the value of the Turkish lira against the currencies of different countries have spread effects. The main objective of the study is that, by using multivariate M-GARCH models, determining the volatility spillover between the currencies of countries with a significant share in Turkey's foreign trade. The data discussed in this context consisted of January 2005-March 2019 period and were examined monthly. Currency of the five countries which have biggest share of the Turkey’s foreing trade, investigated with multivariate GARCH (Dynamic Conditional Correlation GARCH-M) model. According to the results, meaningful findings were obtained in Dynamic Conditional Correlation model for five variables and it was found that there was volatility interaction between currencies.

Anahtar Kelimeler

Multivariate GARCH Models, Exchange Rates, Volatility

DÖVİZ KURLARINDA OYNAKLIK YAYILIM ETKİLERİNİN MGARCH YÖNTEMİ İLE MODELLENMESİ

Öz

Volatilite, finansal piyasalarda belirli bir ürünün belirli bir zaman içerisinde fiyatında yaşanan değişimdir. Riskin temel göstergesi olan volatilite, finansın en önemli konularından birini oluşturmaktadır. Finansal zaman serilerinde volatilitenin modellenmesi ve tahmini önemle üzerinde durulan konulardan biridir. Bu çalışmada Türk lirasının farklı ülkelerin para birimlerine karşı değerinde yaşanan oynaklığın yayılım etkisinin olup olmadığı incelenmiştir. Temel amaç çok değişkenli M-GARCH modellerini kullanarak Türkiye’nin dış ticaretinde önemli paya sahip ülkelerin para birimleri arasındaki oynaklık yayılım ilişkisini belirlenmesidir. Bu kapsamda ele alınan veriler, Ocak 2005-Mart 2019 döneminden oluşup, aylık olarak incelenmiştir. Türkiye’nin dış ticaretinde en büyük paya sahip beş ülkenin para birimi çok değişkenli GARCH (M-GARCH Dinamik Koşullu Korelasyon) modeli ile incelenmiştir. Elde edilen sonuçlara göre beş değişken için Dinamik Koşullu Korelasyon modelinde anlamlı bulgulara ulaşılmış ve para birimleri arasında oynaklık etkileşiminin olduğu tespit edilmiştir.

Anahtar Kelimeler

Çok Değişkenli GARCH Modelleri, Döviz Kurları, Oynaklık (Volatilite)

Kaynakça

• AKAR, C. (2007). Volatilite Modellerinin Öngörü Performansları: Arch, Garch Ve Swarch Karşılaştırması. İşletme Fakültesi Dergisi , 201-217.
• AKTAŞ, C.,& Akyurt, H. (2006). ARCH Modelleri ve Türkiye’ye Ait Otomobil Üretimi Verilerinin Farklı Varyanslılığının İncelenmesi. Dumlupınar Üniversitesi Sosyal Bilimler Dergisi , 87-106.
• ATAKAN, T. (2009). İstanbul Menkul Kıymetler Borsasında Değişkenliğin (Volatilitenin) Arch-Garch Yöntemleri İle Modellenmesi. İstanbul Üniversitesi, İşletme Fakültesi İşletme İktisadı Enstitüsü Yönetim Dergisi, 48-61.
• ATMACA, V. D. (2018). BİST Şehir Endeksleri Oynaklığının DCC GARCH Model İle Analizi. Yönetim Bilimleri Dergisi , 287-308.
• BOLLERSLEV, T. (1986). Generalized Autoregresivve Conditional Heteroscedascity. Journal of Econometrics , 31.
• ÇİFTER, A.,& Özün, A. (2007). Koşullu Copula ve Dinamik Koşullu Korelasyon ile Portföy Riskinin Hesaplanması: Türkiye Verileri Üzerine Bir Uygulama. Bankacılar Dergisi , 18.
• ENGLE, R. (2002). Dynamic conditional correlation: A simple class of multivariate generalized autoregressive conditional heteroskedasticity models. Journal Of Business And Economic Statistics , 339-350.
• ENGLE, R. F. (1982). Autoregressive conditional heteroscedasticity with estimates of the variance of United Kingdom inflation. Econometrica: Journal of the Econometric Society , 987-1007.
• ENGLE, R.,& Sheppard, K. (2001). Theoretical and Empirical Properties of Dynamic Conditional Correlation Multivariate GARCH. UC San Diego: University of California at San Diego, Economics Working Paper Series.
• ERGEN, Z. (2010). Finansal Varlıkların Volatilite Modelleri İle Analizi. Ankara Üniversitesi Sosyal Bilimler Enstitüsü İşletme Anabilim Dalı, Ankara, 64
• HASHİM, K. K.,& Masih, M. (2015). Stock Market Volatility and Exchange Rates: MGARCH-DCC and Wavelet Approaches. Munich Personal RePEc Archive (MPRA) . Malezya.
• KÖSE, N.,& Terzioğlu, N. (2014). Türkiye’de Enflasyon Belirsizliğinin Enflasyon, Büyüme, Faiz Oranı ve Döviz Kuru Üzerine Etkileri. International Conference On Eurasıan Economies, (s. 1-9).
• MAZIBAŞ, M. (2005). IMKB Piyasalarındaki Volatilitenin Modellenmesi ve Öngörülmesi: Asimetrik GARCH Modelleri İle Bir Uygulama. Available at SSRN 3008342.
• SAĞLAM, M.,& Başar, M. (2016). Döviz Kuru Oynaklığının Öngörülmesi: Türkiye Örneği. KMÜ Sosyal ve Ekonomik Araştırmalar Dergisi , 23-29.
• SATTARY, A. (2014). Petrol Fiyatları İle Hisse Senedi Getirileri Arasında Oynaklık Geçişkenliğinin Analizi Ve Portföy Yönetimine Yansımaları. Doktora Tezi . Erzurum: Ekonometri Anabilim Dalı, 29-41.
• YAVUZ, N. Ç. (2015). Finansal Ekonometri. İstanbul: Der Yayınları, 450-459.