EWMA MODELİ KULLANARAK COVİD-19 DÖNEMİ OYNAKLIK YAYILIM ETKİSİ ANALİZİ: BİST SAĞLIK SEKTÖRÜ HİSSE SENETLERİ ÖRNEĞİ

amacı, Borsa İstanbul'da işlem gören sağlık sektörü hisse senetleri ile döviz kuru ve kıymetli maden fiyatları arasındaki volatilite yayılma etkisini Covid-19 öncesi ve Covid-19 döneminde incelemektir. Bu amaçla İstanbul Menkul Kıymetler Borsası'nda işlem gören dört sağlık sektörü hissesinin getirileri, döviz kuru ve altın fiyatının oynaklığı Üstel Ağırlıklı Hareketli Ortalama modeli kullanılarak elde edilmiş ve Diebold-Yılmaz Yayılma Endeksi yaklaşımında kullanılmıştır. Veri seti, Türkiye'de görülen ilk vakaların tarihlerine göre iki döneme ayrılmıştır. İlk dönem 2 Ocak 2019 ile 28 Şubat 2020 tarihleri arasında 267 gözlemden oluşurken, 2 Mart 2020 ile 1 Nisan 2021 tarihleri arasında 267 gözlemden oluşan ikinci dönem oluşturulmuştur. Sonuçlara göre toplam yayılma endeksi, Covid-19 öncesi dönemde %9.60, bu da piyasalar arasında düşük bağlantılılığa işaret etmektedir. Covid-19 dönemi için yayılma endeksi %21,90 olarak hesaplanmıştır, yani piyasalardaki hata varyanslarının ortalama %21,90'ı diğer piyasalardan kaynaklanmaktadır. Ayrıca RTA Laboratuvarları hisse senedinin Covid-19 döneminde en yüksek net oynaklık yayılımına sahip olduğu tespit edilmiştir.

VOLATILITY SPILLOVERS EFFECT ANALYSIS DURING COVID- 19 PERIOD USING EWMA MODEL: THE CASE OF HEALTH SECTOR STOCKS IN ISE

The importance of the health sector is once again understood by the emergence of the Covid-19 pandemic. The purpose of this study is to examine the volatility spillover effect between health sector stocks traded in Istanbul Stock Exchange and exchange rate and precious metal prices during the pre-Covid-19 period and the Covid-19 period. For this purpose, the volatility of returns of four health sector stocks traded on the Istanbul Stock Exchange, foreign exchange rate, and the price of gold were obtained using the Exponential Weighted Moving Average model and used in the Diebold-Yılmaz Spillover Index approach. The data set is divided into two periods according to the date of the first cases seen in Turkey. While the first period consisted of 267 observations between January 2, 2019, and February 28, 2020, the second period consisting of 267 observations was created between March 2, 2020, and April 1, 2021. According to the results, the total spillover index in the period before Covid-19 is 9.60%, which indicates a low connectedness between markets. The spillover index for the Covid-19 period is calculated at 21.90% which means the error variances in markets are on average 21.90% originated from other markets. Moreover, it is found that RTA Laboratories has the highest net spillover in the Covid-19 period.

PDF

___

Akca, K., & Ozturk, S. S. (2015). The Effect of 2008 crisis on the Volatility spillovers among six major markets. International Review of Finance, 16(1), 169–178. DOI:10.1111/irfi.12071
Aktaş, H., Kayalıdere, K., & Karataş, Y. (2018). Petrol, dolar kuru ve hisse senedi piyasasi arasindaki ortalamaoynaklik yayilim etkisi: BIST 100 uzerine bir uygulama. Muhasebe ve Vergi Uygulamaları Dergisi, Special Issue of the 10th Year, 354–377. DOI: 10.29067/muvu.374610
Arı, Y. (2021). Engle-Granger cointegration analysis between Garch-type volatilities of gold and silver returns. Alanya Akademik Bakış, 5(2), 589–618. DOI: 10.29023/alanyaakademik.838284
Cevik, N. K., Cevik, E. I., & Dibooglu, S. (2020). Oil prices, stock market returns and volatility spillovers: Evidence from Turkey. Journal of Policy Modeling. DOI: 10.1016/j.jpolmod.2020.01.006.
Çiçek, M. (2010). Türkiye'de faiz, döviz ve borsa: Fiyat ve oynaklik yayilma etkileri. Ankara Üniversitesi SBF Dergisi, 65(2), 1–28. DOI: 10.1501/SBFder_0000002170
Değirmenci, N., & Abdioğlu, Z. (2017). Finansal piyasalar arasındaki oynaklık yayılımı. Dumlupınar Üniversitesi Sosyal Bilimler Dergisi, (54), 104–125.
Demiralay, S., & Bayraci, S. (2015). Central and Eastern European stock exchanges under stress: A range-based volatility spillover framework. Czech Journal of Economics and Finance (Finance a uver), 65(5), 411– 430.
Diebold, F. X., & Yilmaz, K. (2009). Measuring financial asset return and volatility spillovers, with application to global equity markets. The Economic Journal, 119(534), 158–171.
Diebold, F. X., & Yilmaz, K. (2012). Better to give than to receive: Predictive directional measurement of volatility spillovers. International Journal of Forecasting, 28(1), 57–66.
Diebold, F. X., & Yilmaz, K. (2014). On the network topology of variance decompositions: Measuring the connectedness of financial firms. Journal of Econometrics, 182(1), 119–134.
Diebold, F. X., & Yilmaz, K. (2015). Financial and macroeconomic connectedness: A network approach to measurement and monitoring. Oxford University Press.
Gemici, E. (2020). Gelişmekte olan piyasalarda finansal bağlantılılık. OPUS Uluslararası Toplum Araştırmaları Dergisi, 16(30), 3134–3160. DOI: 10.26466/opus.778653
Hull, J. C. (2000). Options, futures, & other deriatives (Fourth Edition). USA: Prentice Hall International Inc.
Inclan, C., & Tiao, G. C. (1994). Use of cumulative sums of squares for retrospective detection of changes of variance. Journal of the American Statistical Association, 89(427), 913–923.
Kanas, A. (1998). Volatility spillovers across equity markets: European evidence. Applied Financial Economics, 8, 245–256.
Kamışlı, S., & Esen, E. (2019). Financial Connectedness among Credit Default Swaps. BİLTÜRK Journal of Economics and Related Studies, 1(4), 258–270. Koop, G., Pesaran M. H., & Potter S. M. (1996). Impulse response analysis in nonlinear multivariate models. Journal of Econometrics, 74(1), 119–147.
Li, Y., & Giles, D. E. (2015). Modelling volatility spillover effects between developed stock markets and Asian emerging stock markets. International Journal of Finance & Economics, 20, 155–177.
Mensi, W., Nekhili, R., Vo, X. V., Suleman, T., & Kang S. H. (2021). Asymmetric volatility connectedness among U.S. stock sectors. The North American Journal of Economics and Finance, 56, https://doi.org/10.1016/j.najef.2020.101327.
Pesaran, M. H., & Shin, Y. (1998). Generalized impulse response analysis in linear multivariate models. Economics Letters, 58(1), 17–29.
PDP (2021). The notifications of RTELB stocks. Public Disclosure Platform. Retrieved from: https://www.kap.org.tr/en/bildirim-sorgu.
Ryan, A. J., & Ulrich M. J. (2020). Quantmod: Quantitative financial modelling framework. Retrieved from: https://CRAN.R-project.org/package=quantmod
Şenol, Z. (2020). Pay piyasası sektörleri arasındaki oynaklık yayılımı. Gazi İktisat ve İşletme Dergisi, 6(3), 257– 267. DOI: 10.30855/gjeb.2020.6.3.003.
Tsay, R. S. (2012). Analysis of financial time series. New Jersey: Wiley and Sons.
Urbina, J. (2020). Spillover index based on var modelling. Retrieved from: https://cran.rproject. org/web/packages/Spillover/Spillover.pdf.
Yorulmaz, Ö., & O., Ekici. (2010). İMKB’nin Latin Amerika borsalarıyla ilişkisi üzerine çok değişkenli GARCH modellemesi. Sosyal Bilimler Dergisi. 4, 25–32.