PAY PİYASALARINDA VOLATİLİTE TAHMİNLEMESİ: BORSA İSTANBUL MALİ VE SINAİ ENDEKSLERİ ÜZERİNE BİR UYGULAMA

Bu çalışmada, Borsa İstanbul (BIST) Mali (XUMAL) ve Sınai (XUSIN) Endekslerinin 07.01.2007-03.02.2019 dönemine ilişkin haftalık logaritmik getirileri ele alınarak volatilite tahminlemesi yapılması amaçlanmıştır. Çalışmada simetrik ve asimetrik koşullu değişen varyans modelleri kullanılmıştır. Bu kapsamda ilk olarak serilere ilişkin en uygun ARMA modeli belirlenerek simetrik model olan GARCH ve asimetrik model olan APGARCH ile endekslerin volatilite yapısı araştırılmıştır. Çalışmanın sonucunda BIST Mali endeksi için en uygun tahmin modeli GARCH (1,1), BIST Sınai endeksi için en uygun tahmin modeli ise APGARCH(1,1) olarak belirlenmiştir. BIST Sınai endeksine ilişkin APGARCH (1,1) modelinde kaldıraç parametresi ?1 pozitif ve anlamlı bulunmuştur. Bu durum BIST Sınai endeksinde negatif getiriler için kaldıraç etkisinin varlığını göstermektedir. Dolayısıyla BIST Sınai endeksinde meydana gelecek negatif şoklar, endeks üzerinde aynı büyüklükteki pozitif şoklardan daha fazla etki yarattığı söylenebilmektedir.

Anahtar Kelimeler:

Volatilite, Pay Piyasaları, Borsa İstanbul, Volatilite Modellemesi

VOLATILITY PREDICTION IN STOCK MARKETS: AN APPLICATION ON BORSA ISTANBUL FINANCIAL AND INDUSTRIAL INDEXES

In this study, it is aimed to estimate the volatility of BIST Financial and Industrial Indices by considering the weekly logarithmic returns for the period of 07.01.2007-03.02.2019. In the study, symmetric and asymmetric conditionally varying variance models were used. In this context, firstly the most suitable ARMA model for the series was determined and the volatility structure of the indices was investigated by using the symmetrical model GARCH and the asymmetric model APGARCH model. As a result of the study, the most appropriate estimation model for BIST Financial Index is GARCH (1,1) and the most appropriate estimation model for BIST Industrial Index is APGARCH (1,1). The leverage parameter ?1 was positive and significant in the APGARCH (1,1) model for BIST industrial index. This situation shows the existence of leverage effect for negative returns in BIST Industrial Index. Therefore, it can be said that the negative shocks in the BIST Industrial Index will have more impact on the index than the positive shocks of the same size.

Keywords:

Volatility, Stock Market, Borsa İstanbul,

PDF

___

ATAKAN, T. (2009), İstanbul Menkul Kıymetler Borsasında Değişkenliğin (Volatilitenin) ARCH-GARCH Yöntemleri İle Modellenmesi, İstanbul Üniversitesi İşletme Fakültesi İşletme İktisadi Enstitüsü Dergisi, 62, 48-61.
BAHADUR, S. (2008), Volatility Analysis of Nepalese Stock Market, The Journal of Nepalese Business Studies, 5(1), 76.
BANUMATHY K., AZHAGAIAH R. (2015), Modelling Stock Market Volatility: Evidence from India. Managing globaltransitions, 13(1),27-42.
BAYKUT, E., KULA V. (2018), Borsa İstanbul Pay Endekslerinin Volatilite Yapısı: BİST-50 Örneği (2007-2016 Yılları), Afyon Kocatepe Üniversitesi Sosyal Bilimler Dergisi,20(1), 279-303.
BOLLERSLEV, T. (1986), Generalized Autoregressive Conditional Heteroskedasticity, Journal of Econometrics, 37, 307-327.
ENGLE, R.F. (1982), Autoregressive Conditional Heteroskedasticity with Estimates of the Variance of the United Kingdom Inflation, Econometrica, 50(4), 987-1007.
GABRIEL, A.S. (2012), Evaluating the Forecasting Performance of GARCH Models: Evidence from Romania, Procedia-Social and Behavioral Sciences, 62, 1006- 1010.
KULA, V., BAYKUT, E. (2017), BIST Banka Endeksi’nin (XBANK) Volatilite Yapısının Markov Rejim Değişimi GARCH Modeli (MSGARCH) ile Analizi, Bankacılar Dergisi, 102, 89-110.
KUZU, S. (2018), Borsa İstanbul Endeksi (BİST 100) Getiri Volatiletesinin ARCH Ve GARCH Modeli İle Tahmin Edilmesi, Muhasebe ve Vergi Uygulamaları Dergisi, Nisan Özel Sayı, 608-624.
NELSON D. (1991), Conditional Heteroskedasticity in Asset Returns: A New Approach, Econometrica, 59(2), 347 – 370.
OBERHOLZERA, N., VENTERA, P. (2015), Univariate GARCH Models Applied To The JSE/FTSE Stock İndices, Procedia Economics and Finance, 24, 491 – 500.
PAN, H., ZHANG, Z. (2006), Forecasting Financial Volatility: Evidence from Chinese Stock Market, Working Papers in Economics and Finance, Durham Business School, 6/2, 1-31.
ŞAHİN, Ö., ÖNCÜ, M.A., SAKARYA Ş. (2015), BİST 100 Ve Kurumsal Yönetim Endeksi Volatilitelerinin Karşılaştırmalı Analizi, C.Ü. İktisadi ve İdari Bilimler Dergisi, 16(2), 107-126.
WALID, C., MASOOD, O., FRY, J. (2011), Stock Market Volatility And Exchange Rates İn Emerging Countries: A Markov-State Switching Approach Author Links Open Overlay Panel, Emerging Market Review, 12(3),.272-292.
YILDIZ, B. (2016), Oynaklık Tahmininde Simetrik ve Asimetrik GARCH Modellerinin Kullanılması: Seçilmiş BİST Alt Sektör Endeksleri Üzerine Bir Uygulama, Muhasebe ve Finansman Dergisi, 72, 83-106.
YU, J. (2002), Forecasting Volatility in The New Zealand Stock Market, Applied Financial Economics, 12, 193-202.