SavedAdd your journal

Journals / Afyon Kocatepe Üniversitesi Sosyal Bilimler Dergisi / 2018 / Cilt: 20 - Sayı: 1

Borsa İstanbul Pay Endekslerinin Volatilite Yapısı: BİST-50 Örneği (2007-2016 Yılları)

Ender BAYKUT
Veysel KULA
Pages
279–303
Publication Date
2018-06-25
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)

BİST-50 endeksinin volatilite ısrarcılığı 16.14 gün, günlük volatilitesi ise %1.76 olarak hesaplanmıştır.

📌 3 Key Takeaways

🎯
Objective & Hypothesis:Öz Günümüzde yatırım kararlarında rasyonel hareket eden yatırımcılar için finansal performans göstergeleri tek başına yeterli olmamaktadır.
📊
Key Findings & Data:Özellikle 1990’lı yılların sonunda ve 2000’li yılların başında yaşanan muhasebe tabanlı şirket skandalları, yatırımcıları kar elde etme kadar yatırımlarını geri alma motivasyonuyla da hareket etmeye zorlamıştır.
💡
Conclusion & Impact:BİST-50 endeksinin volatilite ısrarcılığı 16.14 gün, günlük volatilitesi ise %1.76 olarak hesaplanmıştır.
🔬Design:Modeling & Simulation
📍Scope:2000 Verileri
⚙️Variables:Anahtar Kelimeler GARCH Modelleri. BİST-50 Endeksi · Volatilite Israrcılığı · Günlük Volatilite

Özet

Öz Günümüzde yatırım kararlarında rasyonel hareket eden yatırımcılar için finansal performans göstergeleri tek başına yeterli olmamaktadır. Özellikle 1990’lı yılların sonunda ve 2000’li yılların başında yaşanan muhasebe tabanlı şirket skandalları, yatırımcıları kar elde etme kadar yatırımlarını geri alma motivasyonuyla da hareket etmeye zorlamıştır. Yatırım araçlarının volatiliteleri ise yatırımın riskliliğine ilişkin gösterge olmasından dolayı son yıllarda yatırımcılar tarafından yaygınca kullanılmaya başlamıştır. Bu çalışmanın amacı, BİST-50 endeksinin 2007-2016 dönemi için günlük kapanış değerleri üzerinden volatilite yapısını tespit etmektir. BİST-50 endeksinin asimetrik durumunun da ortaya çıkarılması amacıyla iki doğrusal (ARCH ve GARCH) modelin yanında üç asimetrik (PARCH, EGARCH ve TGARCH) model de analiz kapsamında test edilmiştir. Analiz bulgularına göre endeksin volatilite yapısını GARCH(2,1) modeli açıklamaktadır. BİST-50 endeksinin volatilite ısrarcılığı 16.14 gün, günlük volatilitesi ise %1.76 olarak hesaplanmıştır.

🔖

Cite This Article

BAYKUT, E., KULA, V. (2018). Borsa İstanbul Pay Endekslerinin Volatilite Yapısı: BİST-50 Örneği (2007-2016 Yılları). Afyon Kocatepe Üniversitesi Sosyal Bilimler Dergisi, Cilt: 20 - Sayı: 1, 279–303. https://ajindex.com/articles/69864

📄 Full Text PDF Viewer

↗New Tab

References (13)

  1. Abounoori, E., Elmi, Z., ve Nademic, Y. 2016. Forecasting Tehran Stock Exchange Volatility; Markov Switching GARCH Approach. Physica A, 445, 264–282.
  2. Akar, C. 2008. Hisse Senedi Getirilerinde Volatilite ve Otokorelasyon İlişkisi: EAR-GARCH Modeli, Elektronik Sosyal Bilimler Dergisi, 7 (23), 134-142.
  3. Aksu, T. 2006. Gecelik Faiz Oranlarının Volatilitesinin Modellenmesinde Asimetrik GARCH Modelleri, Yayınlanmamış Yüksek Lisans Tezi, Marmara Üniversitesi Sosyal Bilimler Enstitüsü, İstanbul.
  4. Alexander, C. 2008. Practical Financial Econometrics. New York, NY: John Wiley and Sons. Asarkaya, A. 2010. Forecasting Volatility of Istanbul Stock Exchange. International Conference Globalization and Higher Education in Economics and Business Administration (GEBA). Başçı, E. Ş. 2011. İMKB Mali ve Sınai Endekslerinin 2002-2010 Dönemi için Günlük Oynaklığının Karşılaştırmalı Analizi, İşletme Fakültesi Dergisi, Cilt 12, Sayı 2, 2011, 87-199.
  5. Black, F. 1976. Studies of Stock Market Volatility Changes, Proceedings of the American Statistical Association, Business and Economic Statistics Section, 177–181.
  6. Bollerslev, T. 1986. Generalized Autoregressive Conditional Heteroscedasticity, Journal of Econometrics, Vol. 31, 307-327.
  7. Brooks, C. 2008. Introductory Econometrics for Finance, Cambridge: Cambridge University Press.
  8. Brooks, R. D., Robert W. F., Michael D. McKenzie and Heather M. 2000. A Multi-Country Study of Power ARCH Models and National Stock Market Returns, Journal of International Money and Finance, 19 (3), 377-397.
  9. Büberkökü, Ö. 2013. GARCH Modellerinin Performanslarının Değerlendirilmesinde Riske Maruz Değer Yöntemi: İMKB-100, Mali, Sınai ve Hizmetler Endeksleri Üzerine Bir Uygulama, İktisat İşletme ve Finans, 28 (330), 81-104.
  10. Chou, R. Y. 1988. Volatility Persistence and Stock Valuations: Some Empirical Evidence Using GARCH. Journal of Applied Economics, 3, 279-294. http://dx.doi.org/10.1002/jae.3950030404
  11. Christie, A. A. 1982. The Stochastic Behavior of Common Stock Variances-Value, Leverage and Interest Rate Effects. Journal of Financial Economics, 10(4), 407–432. http://dx.doi.org/10.1016/0304-405X(82)90018-6
  12. Çukur, S., Gümrah, Ü. ve Gümrah, M. Ü. 2012. İstanbul Menkul Kıymetler Borsasında Hisse Senedi Getirileri ve İşlem Hacmi İlişkisi, Niğde Üniversitesi İİBF Dergisi, Cilt: 5, Sayı: 1, 20-35.
  13. Demir, İ. ve Çene, E. 2012. İMKB 100 Endeksindeki Kaldıraç Etkisinin ARCH Modelleriyle İki Alt Dönemde İncelenmesi, İstanbul Üniversitesi İşletme Fakültesi Dergisi, Cilt: 4