Beta-t-EGARCH Models for Exchange Rate Volatility Modelling: An Evaluation on the US Dollar / Turkish Lira Exchange Rate

Yıl 2023, Cilt: 31 Sayı: 55, 371 - 395, 31.01.2023

Engin Bekar

https://doi.org/10.17233/sosyoekonomi.2023.01.19

Cited By: 1

Öz

To compare different risk measurement methods, in this study, the US Dollar, which is important in terms of being one of the most preferred investment instruments in Turkey and being a reserve currency, is under review. First, EGARCH (1,1) and GJR-GARCH (1,1) models were estimated using the return data based on the US Dollar / Turkish Lira exchange rate for the 2005 - 2021 period. Then, the "Beta-t-EGARCH and Its Variants", which have been introduced in recent years, fit well with the characteristics of the exchange rate series and, most importantly, are robust to extreme values and jumps in volatility have been estimated with the expectation of being able to calculate the exchange rate risk more accurately. As a result, it was determined that the model that best met the purpose of the study was the “Two-Component Beta-Skew-t-EGARCH Model with Leverage”. The study is important because it draws attention to the effect of extreme values and fluctuations in the Turkish foreign exchange market volatility.

Anahtar Kelimeler

Exchange Rate, Volatility, Jump, Extreme Value, Long Memory

Döviz Kuru Volatilite Modellemesinde Beta-t-EGARCH Modelleri: Amerikan Doları / Türk Lirası Döviz Kuru Üzerinden Bir Değerlendirme

Öz

Bu çalışmada, farklı risk ölçüm yöntemlerini karşılaştırmak amacıyla Türkiye’de en çok tercih edilen yatırım araçlarından birisi olan ve rezerv para olması yönüyle de önem arz eden ABD Doları incelemeye alınmıştır. Amerikan Doları / Türk Lirası döviz kuruna dayalı olarak 2005 - 2021 dönemine ilişkin getiri verisi ile EGARCH (1,1) ve GJR-GARCH (1,1) modellerinin yanı sıra son yıllarda ortaya koyulan, kur serisinin özelliklerine iyi uyum gösteren ve en önemlisi volatilitede aşırı değerlere ve sıçramalara karşı dirençli olan “Beta-t-EGARCH Modeli ve Çeşitleri” daha doğru kur riski hesaplayabilmek beklentisiyle tahmin edilmiştir. Elde edilen bulgular sonucunda, çalışmanın amacını en iyi karşılayan modelin “İki Bileşenli Beta-Çarpık-t-EGARCH + Kaldıraç” modeli olduğu tespit edilmiştir. Çalışma, Türkiye döviz piyasasında volatilite tahmininde aşırı değerlerin ve sıçramaların etkisine dikkat çekmesi bakımından önem arz etmektedir.

Anahtar Kelimeler

Döviz Kuru, Volatilite, Sıçrama, Aşırı Değer, Uzun Hafıza

Kaynakça

• Almisshal, B. & M. Emir (2021), “Modelling Exchange Rate Volatility using GARCH models”, Gazi İktisat ve İşletme Dergisi, 7(1), 1-16.
• Blazsek, S. & M. Villatoro (2015), “Is Beta-t-EGARCH (1,1) superior to GARCH (1,1)?”, Applied Economics, 47(17), 1764-74.
• Brooks, C. (2008), Introductory Econometrics for Finance, Cambridge: Cambridge University Press.
• Büberkökü, Ö. (2021), “Genelleştirilmiş Hiperbolik Çarpık Student t Dağılım Varsayımına Dayalı Asimetrik Stokastik Volatilite Modelinin Türk Döviz Piyasasına Uygulanması”, Muhasebe ve Finansman Dergisi, 89, 185-02.
• Emeç, H. & M.O. Özdemir (2014), “Türkiye’de Döviz Kuru Oynaklığının Otoregresif Koşullu Değişen Varyans Modelleri ile İncelenmesi”, Finans Politik & Ekonomik Yorumlar, 51(596), 85-99.
• Enders, W. (2010), Applied Econometric Time Series, Third Edition, Wiley.
• Engle, R.F. & V.K. Ng (1993), “Measuring and Testing the Impact of News on Volatility”, The Journal of Finance, XLVIII(5), 1749-1778.
• Glosten, L.R. et al. (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.
• Güloğlu, B. & A. Akman (2007), “Türkiye’de Döviz Kuru Oynaklığının SWARCH Yöntemi ile Analizi”, Finans Politik & Ekonomik Yorumlar, 44(512), 43-51.
• Gün, M. (2020), “Döviz Kuru Volatilitesinin Doğrusal ve Doğrusal Olmayan Yöntemlerle İncelenmesi”, İstanbul Ticaret Üniversitesi Sosyal Bilimler Dergisi, 19(39), 952-74.
• Gür, T.H. & H.M. Ertuğrul (2012), “Döviz Kuru Volatilitesi Modelleri”, İktisat İşletme ve Finans, 27(310), 53-77.
• Harvey, A. & G. Sucarrat (2014), “EGARCH Models with fat tails, skewness and leverage”, Computational Statistics and Data Analysis, 76, 320-38.
• Harvey, A. & T. Chakravarty (2008), “Beta-t-(E)GARCH”, Cambridge Working Papers in Economics, 08340, Faculty of Economics, Cambridge.
• Kadılar, C. et al. (2009), “Forecasting The Exchange Rate Series With ANN: The Case of Turkey”, Ekonometri ve İstatistik Dergisi, 9, 17-29.
• Kayral, İ.E. (2016), “Türkiye’de Döviz Kuru Volatilitelerinin Modellenmesi”, Politik Ekonomik ve Finansal Analiz Dergisi, 1, 1-15.
• Muela, S.B. (2015), “Evaluating an EGARCH Model with Fat Tails, Skewness and Leverage in Forecasting VaR”, Journal of Contemporary Management, 4(3), 67-80.
• Nelson, D.B. (1991), “Conditional Heteroskedasticity in Asset Returns: A New Approach”, Econometrica, 59(2), 347-70.
• Nyblom, J. (1989), “Testing for the Constancy of Parameters Over Time”, Journal of the American Statistical Association, 84(405), 223-230.
• Özdemir, A. vd. (2018), “Döviz Piyasalarının Etkinliği Üzerinde Uzun Hafızanın Rolü: Türk Döviz Piyasasında Ampirik Bir Araştırma”, BDDK Bankacılık ve Finansal Piyasalar, 12(1), 87-07.
• Rabemananjara, R. & J.M. Zakoian (1993), “Threshold Arch Models and Asymmetries in Volatility”, Journal of Applied Econometrics, 8(1), 31-49.
• Sağlam, M. & M. Başar (2016), “Döviz Kuru Oynaklığının Öngörülmesi: Türkiye Örneği”, KMÜ Sosyal ve Ekonomik Araştırmalar Dergisi, 18(31), 23-29.
• Salisu, A.A. (2016), “Modelling Oil Price Volatility with the Beta-Skew-t-EGARCH Framework”, Economics Bulletin, 36(3), 1315-24.
• Sucarrat, G. (2013), “betategarch: Simulation, Estimation and Forecasting of Beta-Skew-t-EGARCH Models”, The R Journal, 5(2), 137-47.
• Yaman, M. & A. Koy (2019), “ABD Doları / Türk Lirası Döviz Kuru Volatilitesinin Modellenmesi: 2001-2018 ve 2001-2019 Dönemleri Arasında Karşılaştırmalı Bir Analiz”, Muhasebe ve Finans İncelemeleri Dergisi, 2(2), 118-29.
• Yaya, O.S. et al. (2016), “Volatility in the Nigerian Stock Market”, CBN Journal of Applied Statistics, 7(2), 27-48.