Analyzing Some Sustainability Indices with Volatility Models

Yıl 2025, Cilt: 28 Sayı: 1, 60 - 77, 30.04.2025

Hatice Başkaya , Abdullah Özdemir

https://doi.org/10.29249/selcuksbmyd.1619942

Öz

Volatility in financial markets is among the most crucial elements that shape capital market dynamics. Sudden price fluctuations are triggered by multiple factors, such as macroeconomic indicators and policy uncertainties. This paper attempts a detailed analysis of the volatility spillover between Turkey's BIST Sustainability Index—XUSRD—and the global S&P Dow Jones Sustainability Index—DJSI. Based on 2,463 daily closing prices in the period 05.11.2014 - 29.08.2024, the data were analyzed by volatility models like ARCH, GARCH, EGARCH, and TGARCH. Furthermore, the dynamic conditional correlations between the indices were examined by the DCC-GARCH model.
The results show strong volatility clustering for both indices. Moreover, negative shocks have a more significant effect on volatility than positive shocks. The EGARCH model was found to be the most appropriate in explaining the volatility dynamics of the two indices. DCC-GARCH model results indicate that a volatility shock in the DJSI decreases the volatility of XUSRD by 0.14%. This finding indicates that uncertainty in global markets can enhance capital inflows into local markets, thereby exerting a stabilizing effect on volatility.

Anahtar Kelimeler

BIST Sustainability Index , Volatility , ARCH-GARCH and DCC-GARCH Models

Bazı Sürdürülebilirlik Endekslerinin Volatilite Modelleriyle İncelenmesi

Öz

Finansal piyasalarda volatilite, sermaye piyasası dinamiklerini şekillendiren en önemli unsurlardan biridir. Ani fiyat dalgalanmaları, makroekonomik göstergelerden politika belirsizliklerine kadar birçok faktörün etkisiyle oluşmaktadır. Bu çalışmada, Türkiye’deki BIST Sürdürülebilirlik Endeksi (XUSRD) ile küresel ölçekteki S&P Dow Jones Sürdürülebilirlik Endeksi (DJSI) arasındaki volatilite yayılımı analiz edilmiştir. Çalışmada, iki endeksin 05.11.2014-29.08.2024 dönemine ait 2463 günlük kapanış fiyatları ARCH, GARCH, EGARCH, TGARCH gibi volatilite modelleriyle değerlendirilmiştir. Ayrıca, endeksler arasındaki dinamik koşullu korelasyonlar DCC-GARCH modeli kullanılarak analiz edilmiştir.
Araştırmanın bulguları, her iki endekste de yoğun volatilite kümelenmeleri ve negatif şokların volatilite üzerindeki etkisinin pozitif şoklara kıyasla daha büyük olduğunu ortaya koymaktadır. EGARCH modeli, iki endeksin volatilite dinamiklerini en iyi açıklayan model olarak tespit edilmiştir. DCC-GARCH modeli sonuçları, DJSI’de meydana gelen volatilite şoklarının XUSRD’nin volatilitesini %0.14 oranında azalttığını göstermektedir. Bu bulgu, küresel piyasalardaki belirsizliklerin, yerel piyasalara sermaye akışını artırarak volatiliteyi sınırlayıcı bir etki yaratabileceğini göstermektedir.

Anahtar Kelimeler

BİST Sürdürebilirlik Endeksi , Volatilite , ARCH-GARCH ve DCC-GARCH Modelleri

Kaynakça

• Akkaya, M., & Küçükpınar, M. A. (2023). Volatilite ve asimetrik fiyat hareketleri üzerine bir inceleme: BIST100 örneği. Beykoz Akademi Dergisi, 11(2), 110-132.
• Andersen, T. G., & Bollerslev, T. (1998). Answering the skeptics: Yes, standard volatility models do provide accurate forecasts. International Economic Review, 39(4), 885-905. https://doi.org/10.2307/2527343
• Atakan, T. (2009). İstanbul Menkul Kıymetler Borsası'nda değişkenliğin (volatilitenin) ARCH-GARCH yöntemleri ile modellenmesi. İstanbul Üniversitesi İşletme Fakültesi İşletme İktisadı Enstitüsü Yönetim Dergisi, 20(62), 48-61.
• Başcı, E. S. (2011). İMKB Mali ve Sınai Endeksleri’nin 2002-2010 dönemi için günlük oynaklığının karşılaştırmalı analizi. Dokuz Eylül Üniversitesi İşletme Fakültesi Dergisi, 12(2), 187-199.
• Bayçelebi, B. E., & Ertuğrul, M. (2020). BIST Banka Endeksi volatilitesinin GARCH modelleri kullanılarak modellenmesi. Anadolu Üniversitesi Sosyal Bilimler Dergisi, 20(1), 233-244.
• Bekaert, G., & Harvey, C. R. (1997). Emerging equity market volatility. Journal of Financial Economics, 43(1), 29–77.
• Bollerslev, T. (1986). Generalized autoregressive conditional heteroskedasticity. Journal of Econometrics, 31(3), 307-327. https://doi.org/10.1016/0304-4076(86)90063-1
• Bollerslev, T., Engle, R. F., & Wooldridge, J. M. (1988). A capital asset pricing model with time-varying covariances. Journal of Political Economy, 96(1), 116-131.
• Brown, R. L., Durbin, J., & Evans, J. M. (1975). Techniques for testing the constancy of regression relationships over time. Journal of the Royal Statistical Society, 37(2), 149-192.
• Bulut, E. (2024). Sectoral volatility in Borsa Istanbul: A GARCH-based comparative analysis. Ahi Evran Üniversitesi Sosyal Bilimler Enstitüsü Dergisi, 10(2), 507-522.
• Campbell, J. Y., Lo, A. W., & MacKinlay, A. C. (1997). The econometrics of financial markets. Princeton University Press.
• Cont, R. (2001). Empirical properties of asset returns: Stylized facts and statistical issues. Quantitative Finance, 1(2), 223-236.
• Çelik, A. (2021). Volatility of BIST 100 returns after 2020, calendar anomalies and COVID-19 effect. BDDK Bankacılık ve Finansal Piyasalar Dergisi, 15(1), 61-81.
• Delice, G., & Tuncay, M. (2024). İslami sermaye piyasalarında volatilite: İslami hisse senedi endeksleri üzerinden karşılaştırmalı bir analiz.
• 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.
• 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.
• Engle, R. F. (1982). Autoregressive conditional heteroskedasticity with estimates of the variance of United Kingdom inflation. Econometrica, 50(4), 987-1007.
• Engle, R. F. (2002). Dynamic conditional correlation: A simple class of multivariate generalized autoregressive conditional heteroskedasticity models. Journal of Business & Economic Statistics, 20(3), 339-350. https://doi.org/10.1198/073500102288618487
• Engle, R. F., & Susmel, R. (1993). Common volatility in international equity markets. Journal of Business & Economic Statistics, 11(2), 167-176. https://doi.org/10.2307/1391967
• Engle, R. F., Lilien, D. M., & Robins, R. P. (1987). Estimating time varying risk premia in the term structure: The ARCH-M model. Econometrica, 55(2), 391-407.
• Ertuğrul, M. (2019). Kripto paraların volatilite dinamiklerinin incelenmesi: GARCH modelleri üzerine bir uygulama. Journal of Management and Economics Research, 17(4), 59-71.
• Fratzscher, M. (2009). What explains global exchange rate movements during the financial crisis? Journal of International Money and Finance, 28(8), 1390-1407. https://doi.org/10.1016/j.jimonfin.2009.07.005
• Gabriel, A. S. (2012). Evaluating the forecasting performance of GARCH models: Evidence from Romania. Procedia-Social and Behavioral Sciences, 62, 1006-1010. https://doi.org/10.1016/j.sbspro.2012.09.171
• Gajurel, R. P. (2021). Volatility of Daily Nepal Stock Exchange (NEPSE) Index Return: A Garch Family Models. Tribhuvan University Journal, 36(1), 31-44.
• 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. The Journal of Finance, 48(5), 1779-1801.
• Goudarzi, H., & Ramanarayanan, C. S. (2010). Modeling and estimation of volatility in the Indian stock market. International Journal of Business and Management, 5(2), 85-98.
• Granger, C. W. J., & Newbold, P. (1974). Spurious regressions in econometrics. Journal of Econometrics, 2(2), 111-120.
• Gülşah, A. Y., & Musa, G. Ü. N. (2020). Borsa İstanbul pay piyasasında volatilite modellemesi: BIST Banka Endeksi üzerine bir uygulama. Business & Management Studies: An International Journal, 8(5), 3795-3814.
• Hepsağ, A., & Akçalı, B. Y. (2016). Analysis of volatility spillovers between the bank stocks traded in İstanbul stock exchange and New York stock exchange. Eurasian Academy of Sciences Eurasian Econometrics, Statistics & Empirical Economics Journal, 1, 54-72.
• Joldes, C. C. (2019). Modeling the volatility of the Bucharest Stock Exchange using the GARCH models. Economic Computation & Economic Cybernetics Studies & Research, 53(1).
• Kayral, İ. E. (2020). En yüksek piyasa değerine sahip üç kripto paranın volatilitelerinin tahmin edilmesi. Finansal Araştırmalar ve Çalışmalar Dergisi, 12(22), 152-168.
• Kearney, C., & Patton, A. J. (2000). Multivariate GARCH modeling of exchange rate volatility transmission in the European monetary system. Financial Review, 35(1), 29-48. https://doi.org/10.1111/j.1540-6288.2000.tb01419.x
• Kılıç, M., & Ayrıçay, Y. (2020). Seçilmiş BIST alt sektör endekslerinde volatilitenin ARCH-GARCH yöntemleri ile modellenmesi. Muhasebe ve Finansman Dergisi, (88), 175-198.
• Koçoğlu, S. (2024). Avrupa yenilenebilir enerji stoklarının volatilite karakteri: ERIX Endeksi üzerine bir araştırma. Fiscaoeconomia, 8(1), 75-92.
• Konak, F., & Duman, D. (2018). Ay’ın evreleri etkisinin Borsa İstanbul 100 Endeksi’nde GARCH (1, 1) modeli ile test edilmesi. Hitit Üniversitesi Sosyal Bilimler Enstitüsü Dergisi, 11(1), 287-304.
• Koy, A., & Dertli, S. E. (2016). Borsa İstanbul sektör endekslerinin volatilite modellemesi. Trakya Üniversitesi İktisadi ve İdari Bilimler Fakültesi E-Dergi, 5(2), 1-23.
• Kula, V., & Baykut, E. (2018). BIST şehir endekslerinin volatilite yapıları ve rejim değişimlerinin analizi. Muhasebe ve Finans İncelemeleri Dergisi, 1(1), 38-59.
• Kuzu, S. (2018). Borsa İstanbul Endeksi (BIST 100) getiri volatilitesinin ARCH ve GARCH modeli ile tahmin edilmesi. Journal of Accounting and Taxation Studies, (8), 608-624.
• Lakshmanasamy, T. (2021). The relationship between exchange rate and stock market volatilities in India: ARCH-GARCH estimation of the causal effects. International Journal of Finance Research, 2(4), 244-259.
• Nelson, D. B. (1991). Conditional heteroscedasticity in asset pricing: A new approach. Econometrica, 59(2), 347–370.
• 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.
• Öndeş, T., & Levent, M. (2024). Koşullu değişen varyans modelleri ile volatilite yapısı analizi: Katılım 30 ve Katılım 50 Endeksleri üzerine bir uygulama. Journal of Mehmet Akif Ersoy University Economics and Administrative Sciences Faculty, 11(1), 66-84.
• Özden, Ü. H. (2008). İMKB Bileşik 100 Endeksi getiri volatilitesinin analizi. İstanbul Ticaret Üniversitesi Sosyal Bilimler Dergisi, 7(13), 339-350.
• Pederzoli, C. (2006). Stochastic volatility and GARCH: A comparison based on UK stock data. European Journal of Finance, 12(1), 41-59.
• Pesaran, M. H., Shin, Y., & Smith, R. J. (2001). Bounds testing approaches to the analysis of level relationships. Journal of Applied Econometrics, 16(3), 289–326.
• Phillips, P. C., & Perron, P. (1988). Testing for a unit root in time series regression. Biometrika, 75(2), 335-346.
• 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.
• Şahin, Ö., Öncü, M. A., & Sakarya, Ş. (2015). BIST 100 ve kurumsal yönetim endeksi volatilitelerinin karşılaştırmalı analizi. Muhasebe ve Finansman Dergisi, (4), 23-35.
• Topaloğlu, E. E. (2020). Borsa İstanbul pay endekslerinin volatilite yapısı ve volatilite yayılımı: GARCH ve MGARCH modelleri ile BIST Sınai ve Mali Endeksleri örneği. Dumlupınar Üniversitesi Sosyal Bilimler Dergisi, (63), 17-38.
• Tse, Y. K., & Tsui, A. K. C. (2002). A multivariate generalized autoregressive conditional heteroskedasticity model with time-varying correlations. Journal of Business & Economic Statistics, 20(3), 351-362.
• Ustalar, S. A., & Şanlısoy, S. (2021). COVID-19 krizinin Türkiye ve G7 ülkelerinin borsa oynaklıkları üzerindeki etkisi. Eskişehir Osmangazi Üniversitesi İktisadi ve İdari Bilimler Dergisi, 16(2), 446-462.
• Yaman, S., & Bayık, N. (2023). Riskli yatırım araçlarında volatilite modellemesi. Anadolu Üniversitesi İktisadi ve İdari Bilimler Fakültesi Dergisi, 24(3), 515-549.
• Yaman, S., & Korkmaz, T. (2020). Döviz kurları ile BIST Turizm Endeksi getirileri arasındaki volatilite yayılım etkisinin belirlenmesi. Business and Economics Research Journal, 11(3), 681-702.
• Yıldırım, H. H., & Sakarya, Ş. (2019). BIST 30 ve Katılım 30 endeksi volatilitelerinin karşılaştırılması. Muhasebe ve Finans İncelemeleri Dergisi, 2(2), 167-174.
• Yong Fu, T., Holmes, M. J., & Choi, D. F. (2011). Volatility transmission and asymmetric linkages between the stock and foreign exchange markets: A sectoral analysis. Studies in Economics and Finance, 28(1), 36-50.
• Yu, J. (2002). Forecasting volatility in the New Zealand stock market. Applied Financial Economics, 12(3), 193-202.