BİST-100 Endeksi̇nde Volati̇li̇teni̇n Modellenmesi̇ Ve Öngörülmesi̇nde Arch Modelleri̇ (original) (raw)
Related papers
International Journal of Business Economics and Management Perspectives, 2021
Çalışmanın amacı, zımni volatilite, gerçekleşen volatilite, döviz kuru ve likiditenin Borsa İstanbul 100 (BİST100) endeksinin getirisi üzerindeki asimetrik etkilerini araştırmaktır. 02 Ocak 2012-30 Kasım 2020 dönemine ait günlük verileri kapsayan çalışmada, gerek değişkenlerin gerekse bu değişkenler ile kurulan modelin doğrusal olmaması nedeniyle, Markov Rejim Değişimi yöntemi kullanılmıştır. Analiz sonuçları, ele alınan dönemde iki farklı getiri rejiminin varlığını ortaya koymaktadır. Zımni volatiliteyi temsil eden CBOE VIX endeksinin her iki rejimde de BİST100 getirisi üzerinde negatif ve anlamlı bir etkisinin olduğu görülmüştür. Dolar/TL döviz kuru da her iki rejimde negatif katsayı almakla beraber yalnızca yüksek getirili dönemde anlamlı bulunmuştur. Likiditeyi temsilen işlem hacmi devir hızı oranı kullanılmıştır ve her iki rejimde de istatistiksel olarak anlamlı bulunmuştur. Ancak katsayısı yüksek getirili dönemde pozitif iken düşük getirili dönemde negatiftir. Volatilite değişkeni ise anlamlı bulunmamıştır. Bulgular Borsa İstanbul'un küresel piyasalardaki gelişmelerden etkilendiğini ve işlem hacminin piyasanın genel trendini desteklediğini ortaya koymaktadır.
Seçilmiş BIST Alt Sektör Endekslerinde Volatilitenin ARCH-GARCH Yöntemleri İle Modellenmesi
2020
Bu calismada, Borsa Istanbul (BIST) alt sektor endeksinde yer alan Gida ve Icecek (XGIDA), Kimya, Petrol ve Plastik (XKMYA), Metal, Esya ve Makine (XMESY), Orman, Kagit ve Basim (XKAGT), Tas ve Toprak (XTAST) ve Tekstil ve Deri (XTEKS) sektoru endekslerinin 01.1997-07.2019 tarihlerini kapsayan aylik getiri serilerinin volatilite modellenmesinde hangi modelin daha iyi sonuc verdigi belirlenmeye calisilmistir. Kosullu degisen varyans modelleri ile test edilen serilerde volatilitenin hem otoregresif kosullu degisen varyans modeli (ARCH) hem de genellestirilmis otoregresif kosullu degisen varyans modeli (GARCH) etkisi gosterdigi tespit edilmistir. Ampirik analizler sonucunda, Gida ve icecek sektoru endekslerine iliskin volatilite tahminlerinde en uygun modelin GARCH (1,1), kimya, petrol ve plastik ve metal esya ve makine sektoru endeksine ait volatilite tahminlerinden en uygun modelin Ustel-GARCH (E-GARCH) (1,1), orman, kagit ve basim ve tekstil ve deri sektoru endeksleri icin en uygun ...
2008 KRİZ SONRASI İMKB 30 ENDEKSİ VOLATİLİTESİNİN GENELLEŞTİRİLMİŞ ARCH MODELİ İLE TAHMİNİ
Finansal piyasalarda olumlu ve olumsuz sonuçların başlıca nedenlerinden biri, ekonomideki belirsizlikler ve istikrarsızlıklardan kaynaklanan volatilitedeki artışlardır. Volatilitenin yapısını belirleyebilmek ve oluşabilecek riskten korunmak için, iyi bir öngörü sağlamak amacı ile finansal zaman serilerine ilişkin geliştirilmiş çözümler mevcuttur. Mevcut volatilitenin modellenmesi için yapılan analizlerde genellikle ARCH ve GARCH yöntemleri tercih edilmektedir. Bu çalışmada da aynı yöntemlerden yararlanılarak, İstanbul Menkul Kıymetler Borsası İMKB 30 endeksinin 02.01.2008- 30.03.2012 dönemine ait 1057 adet günlük gözlem değerlerindeki mevcut volatilite modellenmeye çalışılmıştır. İncelenen döneme ilişkin olarak ARCH tipi değişen varyansa dayalı modellerden GARCH(1,1) modeli kullanılmıştır. Anahtar Kelimeler: Hisse senedi piyasası volatilitesi, volatilite, volatilite modellemesi, GARCH, doğrusal olmayan modelleme.
Bi̇st 100 Endeksi̇nde Balon Etki̇si̇ni̇n İncelenmesi̇
2018
Finansal balonlar, finans piyasasinda dogal bicimde ortaya cikmaktadir ve finansal varliklarin sanal degeri ile gercek degeri arasinda olusan surekli ve sistematik fiyat farkliliklari olarak tanimlanmaktadir. 1990’li yillardan onceki yaygin goruse gore, finansal balonlar genellikle patladiklari zaman fark edilirlerdi ve tahmin edilemezlerdi. Balonlarin etkisini olcmek icin basit bir balon tespit algoritmasi olan LPPL (log-periodic power law) modeli kullanilmaktadir. LPPL modeli, balonun rejimi degistirecegi zamana ait tahminleri veren dogrusal olmayan en kucuk kareler yontemine dayanmaktadir. Bu calismanin amaci, 03.01.1996-15.03.2018 donemi icin BIST 100 endeksinde cokus ve balon etkisini tespit etmektir. Calismada, LPPL modelinin ileri surdugu kaliplarla, BIST 100 serisindeki spekulatif balonlarin gozlenip gozlenemeyecegi; LPPL modelinin spekulatif balonlarin ne zaman sonecegini tahmin etmede ne kadar basarili oldugu incelenmistir.
Uluslararası Alanya İşletme Fakültesi Dergisi, 2014
Finansal piyasalarda volatilitenin tahmin edilebilir bir kavram olması, volatiliteyi modelleyen birçok yöntemin ortaya çıkması ile sonuçlanmıştır. ARCH/GARCH sınıfı koşullu değişen varyans modellemeleri, özellikle yüksek frekanslı finansal verilere gösterdiği uyum nedeniyle ön plana çıkan modelleme teknikleridir. Özellikle finansal kararların, risk ve getiri bağlamında değerlendirilmesinin gerekliliği, bu tür modellerin önem kazanmasında rol oynamıştır. BİST 100 endeksi ve altın fiyatları, hem yatırım aracı olarak hem de makroekonomik gelişmelerin bir barometresi olarak görev yapan göstergeler konumundadır. Bu çalışma, BİST 100 endeks getirisi ve altın getirisi volatilitesinin modellenmesi amacıyla en uygun koşullu değişen varyans modellerinin belirlenmesini amaçlamaktadır. Bu amaçla, çalışmada 3 Ocak 2003-11 Eylül 2013 tarihleri arasındaki kapanış fiyatlarına göre günlük BİST-100 endeksi serisi ve 3 Ocak 2005-10 Eylül 2013 tarihleri arasındaki günlük altın borsası işlemleri, ağırlıklı ortalama fiyat (TL/KG) verileri kullanılmıştır. Çalışmada, BİST 100 endeks volatilitesi için en uygun model TARCH(1,1) modeli olarak belirlenmiştir. Bu model, BİST 100 endeks getirisi serisi üzerinde asimetrik etkilerin olduğunu göstermektedir. Çalışmada, altın getiri serisinin volatilitesinin ölçülmesi için en uygun model ise GARCH(1,1) modelidir.
BIST Banka Endeksi Volatilitesinin GARCH Modelleri Kullanılarak Modellenmesi
Anadolu Üniversitesi Sosyal Bilimler Dergisi, 2020
Bu çalışmada BIST Banka (XBANK) endeksinin volatilitesi koşullu varyans modelleri GARCH, TGARCH ve EGARCH kullanılarak modellenmeye çalışılmıştır. Çalışmada kullanılmak üzere 2010-2016 arası XBANK Endeksi günlük kapanış değerleri Thompson Reuters-Eikon veri tabanı üzerinden elde edilmiştir. 2016 yılı itibariyle bazı göstergelerdeki önemli değişikliklerin etkisi öncesi durumun tespit edilmesi amacıyla ilk aşamada bu aralık tercih edilmiştir. Elde edilen veriler yardımı ile ele alınan dönemde Bankacılık Endeksi logaritmik getiri serisi elde edilmiş ve endeks getiri volatilitesini hesaplama amacıyla GARCH(1,1), TGARCH(1,1) ve EGARCH(1,1) modelleri kurulmuştur. Kurulan modeller incelenerek uygun model belirlenmiş ve uygun model GARCH(1,1)’den elde edilen koşullu varyans yardımı ile volatilite hesaplaması yapılmıştır.
BİST 100 VE KURUMSAL YÖNETİM ENDEKSİ VOLATİLİTELERİNİN KARŞILAŞTIRMALI ANALİZİ
Kurumsal yönetim ilkelerini benimseyen ve uygulayan firmaların hisse senetlerinden oluşan Kurumsal Yönetim Endeksi’nin volatilitesinin ulusal gösterge endeksi olan BİST 100 Endeksinin volatilitesine göre daha düşük olup olmadığını sınamak amacıyla; ARCH, GARCH, EGARCH ve TGARCH modelleri kullanılarak 31.08.2007 – 31.12.2013 tarihleri arasında BİST Kurumsal Yönetim ve BİST 100 Endekslerine ait 1592 adet günlük veri kullanılarak E – Views 8 ekonometri paket programı yardımıyla analizler gerçekleştitilmiştir. Çalışmanın sonuçlarına göre her iki piyasada da volatilite kümelenmeleri gözlemlenmiştir. Piyasada meydana gelen şokların yarılanma süresi BİST 100 Endeksinde göre daha azdır. Hesaplanan volatilitelerde ise XKURY Endeksinin volatilitesi BİST 100 Endeksine göre daha düşük seviyede gerçekleşmiştir. Böylelikle Kurumsal yönetim ilkelerini benimseyen ve uygulayan firmaların hisse senetlerinden oluşan Kurumsal Yönetim Endeksi’nde risk oranı BİST 100 Endeksine nazaran daha düşük olduğu sonucuna ulaşılmıştır.
Kafkas Üniversitesi İktisadi ve İdari Bilimler Fakültesi Dergisi, 2015
Ö Z| Belirsiz bir değişkenin alabileceği olası tüm değerlerin dağılımının ifadesi olarak volatilite, finansal piyasalardaki varlıkların getirilerinin sergilediği değişkenliği dikkate alması gereken bir yatırımcı için hayati bir olgudur. Sonuç olarak volatilitenin modellenmesi ve tahminlenmesi finansal risk yönetiminde önemli rol oynar. Bu çalışmada GARCH tipi modellerden GARCH(1,1), EGARCH(1,1) ve GJR-GARCH(1,1) modellerine, son yıllarda gittikçe popülaritesi artan güçlü bir makine öğrenmesi metodu olan Destek Vektör Makineleri (DVM) ile yaklaşılmıştır. Bu amaçla 04.01.2007-31.12.2012 dönemine ait günlük İMKB ulusal 100 endeksi-kapanış fiyatları kullanılmış ve modellerin klasik çözümü ile DVM çözümlerinin tahminleme performansları kıyaslanmıştır. Elde edilen sonuçlara göre, DVM'ye dayalı karma GARCH modellerinin daha iyi performans gösterdiği gözlenmiştir.