GEOMETRİK BROWNIAN HAREKETİ MODELİ İLE ENDEKS DALGALANMALARINI DEĞERLENDİRME: BIST-30, BIST-100 VE S&P 500 ENDEKSLERİ ÜZERİNE BİR UYGULAMA

Ekonofizik; istatistik fizikte, uygulamalı matematikte ve karmaşıklık teorilerinde geliştirilen bazı yöntemleri kullanarak ekonomi ve finans problemlerini inceleyen disiplinlerarası bir bilim alanıdır. Finansal piyasalar anlık değişimlerin değişimlere bağlı olarak fiyat değişimlerinin yaşandığı piyasalardır. Bu nedenle son yıllarda yapılan çalışmalar, hisse senedi fiyatlarının modellenmesinde sürekli zamanlı stokastik modeller üzerine yoğunlaşmaktadır. Bu çalışmada, ARIMA ve Geometrik Brownian Hareketi modellerinin BIST-30, BIST-100 ve S&P 500 endeksleri için kullanılabilirliği değerlendirilmiştir. Çalışma sonucunda elde edilen bulgular, Geometrik Brownian Hareketi modelinin BIST-30, BIST-100 ve S&P 500 endeks değerlerinin tahmini için daha uygun olacağını ortaya koymuştur

EVALUATE INDEX FLUCTUATIONS WITH GEOMETRIC BROWNIAN MOTION MODEL: AN APPLICATION ON BIST-30, BIST- 100 AND S&P 500 INDEXES

Econophysics is an interdisciplinary field of science that examines economic and financial problems by using the some developed methods of statistical physics, applied mathematics and complexity theories. In financial markets in stant price changes occurs therefore, the price changes may assumed to be continuous variables. This is why recent stock price modelling studies are using continuous time stochastic models. In this study, the ARIMA and Geometric Brownian Motion models are evaluated to model BIST-30, BIST-100 and S&P 500 indices. Findings from the study show that the Geometric Brownian Motion model is more suitable for estimating BIST-30, BIST-100 and S&P 500 index values

PDF

___

Akgül, I. (2003). Zaman Serilerinin Analizi ve ARIMA Modelleri, İstanbul: Der Yayınları.
Demir, S. (2015). Finansal Stokastik Süreçler. İzmir: Kitapana Basım Yayın.
Focardi, S. M., Fabozzi, F. J. (2004). The Mathematics of Financial Modeling and Investment Management, New Jersey: John Wiley and Sons.
Günay S., Eğrioğlu, E. ve Aladağ, Ç. (2007). Tek Değişkenli Zaman Serileri Analizine Giriş, Ankara: Hacettepe Üniversitesi Yayınları.
Hamzaçebi C. ve Kutay, F.(2004). “Yapay Sinir Ağları ile Türkiye Elektrik Enerjisi Tüketiminin 2010 Yılına Kadar Tahmini”, Gazi Üniversitesi Mühendislik Mimarlık Fakültesi Dergisi, 19(3), 227-233.
Hayashi, F. (2000). Econometrics, New Jersey: Princeton University Press.
Hull J.C. (2012). Options, Futures And Other Derivatives (Eight Edition). New Jersey: PrenticeHall.
London, J. (2005). Modeling Derivatives in C++.New Jersey: John Wiley and Sons.
Lyuu, Y. D. (2004). Financial Engineering and Computation: Principles, Mathematics, Algorithms. Cambridge: Cambridge University Press.
Makridakis, S., Whellwriht, S. C. ve Hyndman, R. J. (1998). Forecasting Methods and Applications (Third Edition). New York: John Wiley and Sons.
Önalan, Ö. (2007). “Finansal Zaman Serileri İçin Ortalamaya Dönme Sıçrama Difüzyon Modeli”. Marmara Üniversitesi İİBF Dergisi, 12(1), 201-224.
Önalan, Ö. (2010). Stokastik Süreçler. İstanbul: Avcıol Basım Yayın.
Sevüktekin, M. ve Nargeleçekenler, M. (2006). “İstanbul Menkul Kıymetler Borsasında Getiri Volatilitesinin Modellenmesi ve Önraporlanması”, Ankara Üniversitesi SBF Dergisi, 61(4), 243-265.
Shreve, S. (2012). Stochastic Calculus for Finance I: The Binomial Asset Pricing Model.New York: Springer.
Topper, J. (2005). Financial Engineering with Finite Elements. West Sussex: John Wiley and Sons.
Witt, S.F., Witt, C.A. (1992). Modeling and Forecasting Demand in Tourism. Londra: Academic Press.