AI Summary & Key Takeaways
AI InsightThe empirical results show that the NMAGARCH perform better based on %99 CI out-of-sample forecasting Christoffersen test where GARCH with normal and student-t distribution perform better based on %95 Cl out-of-sample forecasting Christoffersen test and Kupiec test.
📌 3 Key Takeaways
Abstract
Abstract The purpose of this study is to test predictive performance of Asymmetric Normal Mixture GARCH (NMAGARCH) and other GARCH models based on Kupiec and Christoffersen tests for Turkish equity market. The empirical results show that the NMAGARCH perform better based on %99 CI out-of-sample forecasting Christoffersen test where GARCH with normal and student-t distribution perform better based on %95 Cl out-of-sample forecasting Christoffersen test and Kupiec test. These results show that none of the model including NMAGARCH outperforms other models in all cases as trading position or confidence intervals and the real implications of these results for Value-at-Risk estimation is that volatility model should be chosen according to confidence interval and trading positions. Besides, NMAGARCH increases predictive performance for higher confidence internal as Basel requires.
Özet
Bu çalışmanın amacı, Türk hisse senedi piyasası için Asimetrik Normal Karma GARCH (NMAGARCH) ve diğer GARCH modellerinin öngörü performansını Kupiec ve Christoffersen geriye dönük testleri ile test etmektir. Ampirik bulgular %99 güven aralığı için örneklem dışı Christoffersen testine göre NMAGARCH modelinin, %95 güven aralığı için örneklem dışı Christoffersen ve Kupiec testlerine göre normal ve student-t dağılımlı GARCH modelinin diğer modellerden daha iyi sonuç verdiğini göstermektedir. Bu sonuçlar, NMAGARCH modeli de dâhil olmak üzere hiçbir modelin diğer modellere göre tüm posizyon ve güven aralıklarında daha iyi sonuç vermediğini göstermektedir ve Riske Maruz Değer hesaplamasında bu bulgunun sonucu volatilite modelinin ticaret posizyonu ve güven aralığına göre seçilmesi gerektiğidir. Ayrı ca, NMAGARCH modeli Basel’ında gerektirdiği şekilde yüksek güven aralığında öngörü performansını arttırmaktadır.