SavedAdd your journal

Journals / Erciyes Üniversitesi İktisadi ve İdari Bilimler Fakültesi Dergisi / 2013 / Sayı: 42

-

İMKB 100 ENDEKSİ GÜNLÜK GETİRİLERİ İÇİN UYGUN GENELLEŞTİRİLMİŞ FARKLI VARYANS MODELİNİN SEÇİMİ

Aziz KUTLAR
Pınar TORUN
Pages
1–24
Publication Date
2015-05-18
DOI
—
🏛️Bibliographic metadata and full text access for this article are provided via DergiPark.
DergiPark Record ↗
✨

AI Summary & Key Takeaways

AI Insight
⚡ TL;DR(Too Long; Didn't Read)

The objective of this study is to determine the causality relationship between the variables of revenue and uncertainty by using the most appropriate variance model for ISE National 100 Index with the data from 01.Nov.2002 to 08.Aug.2012

📌 3 Key Takeaways

🎯
Objective & Hypothesis:The objective of this study is to determine the causality relationship between the variables of revenue and uncertainty by using the most appropriate variance model for ISE National 100 Index with the data from 01.Nov.2002 to 08.Aug.2012
📊
Key Findings & Data:The objective of this study is to determine the causality relationship between the variables of revenue and uncertainty by using the most appropriate variance model for ISE National 100 Index with the data from 01.Nov.2002 to 08.Aug.2012
💡
Conclusion & Impact:The objective of this study is to determine the causality relationship between the variables of revenue and uncertainty by using the most appropriate variance model for ISE National 100 Index with the data from 01.Nov.2002 to 08.Aug.2012
🔬Design:Modeling & Simulation
📍Scope:2002 Verileri
⚙️Variables:Risk · Getiri · Değişen Varyans

Abstract

The objective of this study is to determine the causality relationship between the variables of revenue and uncertainty by using the most appropriate variance model for ISE National 100 Index with the data from 01.Nov.2002 to 08.Aug.2012

Özet

Bu çalışmanın amacı, 01.11.2002-08.08.2012 dönemindeki günlük getiri değerleri kullanılarak İMKB Ulusal 100 Endeksi için en uygun farklı varyans modelinden hareketle risk ile getiri arasındaki nedensellik ilişkisinin araştırılmasıdır. Çalışma iki kısımdan oluşmaktadır. İlk kısımda simetrik ve asimetrik GARCH modelleri kullanılarak İMKB Ulusal 100 Endeksi için en uygun farklı varyans modelinin TGARCH (1,1) modeli olduğu belirlenmiş, ikinci kısımda TGARCH (1,1) modelinden elde edilen varyans değerleri risk değişkeni olarak kabul edilerek, getiri ile risk arasındaki nedensellik ilişkisi araştırılmıştır. Çalışmada kötü haberlerin dalgalanma üzerinde daha fazla etkili olduğu ve getirinin riskin nedeni olduğu bulgusuna ulaşılmıştır.

🔖

Cite This Article

KUTLAR, A., TORUN, P. (2015). -. Erciyes Üniversitesi İktisadi ve İdari Bilimler Fakültesi Dergisi, Sayı: 42, 1–24. https://ajindex.com/articles/118950

📄 Full Text PDF Viewer

📄

PDF görüntüleyici hazırlanıyor...

References (14)

  1. AKAR, Cüneyt; (2007), “Volatilite Modellerinin Öngürü Performansları: ARCH, GARCH ve SWARCH Karşılaştırması”, Dokuz Eylül Üniver- sitesi İşletme Fakültesi Dergisi, 8, ss.201-217.
  2. AKGÜN, Işıl ve Hülya SAYYAN; (2007),“İMKB 30 Hisse Senedi Getirilerin- de Volatilitenin Kısa ve Uzun Hafızalı Asimetrik ve Koşullu Değişen Varyans Modelleri İle Öngörüsü”, İktisat İşletme ve Finans Dergisi, 22, ss.127-141.
  3. ATAKAN, Tülin; (2009),“İstanbul Menkul Kıymetler Borsası’nda Değişkenli- ğin (Volatilitenin) ARCH-GARCH Yöntemleri İle Modellenmesi” Yö- netim Dergisi, 62, ss.48-61.
  4. BHABRA, Gurmeet S.; Maria L. GOZALEZ; Miyeong S. KİM and John G. POWEL; (2001), “Volatility Prediction During Prolonged Crises: Evi- dence From Korean Index Option” Pacific-Basın Finance Journal, 214, pp.147-164.
  5. BROOKS, Chris; (2002), Introductory Econometrics for Finance, Cambrid- ge: Cambridge University Press.
  6. BİLDİRİCİ, Melike; Sadiye OKTAY ve Elçin AYKAÇ; (2007), “İMKB’de Getiri Değişkenliğinin Hesaplanmasında ARCH/GARCH Ailesi Model- lerinin Kullanılması”, 8. Türkiye Ekonometri ve İstatistik Kongresi, 24-25 http://web.inonu.edu.tr/~eisemp8/ bildiri -pdf/ bildirici-oktay-aykac.pdf, Erişim Tarihi: 02.09.2012.
  7. BOLLERSLEV, Tim; (1986),“Generalized Autoregressive Conditional Hete- roscedasticitiy” Journal of Econometrics, 31, pp. 307-327.
  8. ÇAĞIL, Gülcan ve Mustafa OKUR; (2010), “2008 Küresel Krizi’nin İMKB Hisse Senedi Piyasası Üzerindeki Etkilerinin GARCH Modelleri İle Analizi”, Marmara Üniversitesi İ.İ.B.F. Dergisi, XXVIII, ss.573-585.
  9. DOĞANAY, Mete M.; (2003),“İMKB DİBS Fiyat Endekslerinin Volatilite ve Kovaryanslarının Öngörülmesi”, İMKB Dergisi, 27, ss.17-37.
  10. DURAN, Serap ve Asuman ŞAHİN; (2006),“İMKB Hizmetler, Mali, Sınai ve Teknoloji Endeksleri Arasındaki İlişkinin Belirlenmesi”, Gaziosman- paşa Üniversitesi Sosyal Bilimler Araştırmaları Dergisi,1, ss.57-70.
  11. EL AAL, Moustafa Ahmed Abd; (2011), “Modelling and Forecasting Time Varying Stock Return Volatility In The Egyptian Stock Mar- ket”,International Research Journal of Finance and Economics,78, pp.96-113.
  12. ENGLE, Robert F.; (1982), “Autoregressive Conditional Heteroscedasticity with Estimates of the Variance of United Kingdom Inflation” Econo- metrica, 50, pp. 987-1007.
  13. ENGLE, Robert F.; Davis M. LILIEN and Robins P. RUSSEL.; (1987),“Estimating Time Varying Risk Premia in The Term Structure: The ARCH-M Model”, Econometrica,55, pp.391-407.
  14. ENGLE, F. Robert and Victor K. NG; (1993) “Measuring and Testing the Impact of News on Volatility”, Th