KaydedilenlerDerginizi ekleyin

Dergiler / Journal of Business Innovation and Governance / 2025 / Cilt: 8 Sayı: 2

VADELİ ALTIN ENDEKSİ VE SEÇİLİ BORSA ENDEKSLERİ ARASINDAKİ VOLATİLİTE ETKİLEŞİMİ: DCC GARCH ANALİZİ

VOLATILITY INTERACTION BETWEEN FUTURE GOLD INDEX AND SELECTED STOCK EXCHANGE INDICES: DCC GARCH ANALYSIS

Yasin Eryılmaz(AKDENİZ ÜNİVERSİTESİ, SOSYAL BİLİMLER ENSTİTÜSÜ)0000-0003-4881-0080
Nuri Avşarlıgil(AKDENIZ UNIVERSITY FACULTY OF APPLIED SCIENCES)0000-0002-4401-2236
Sayfa
64–80
Yayın Tarihi
2025-12-30
🏛️Bu makalenin bibliyografik verileri ve tam metin bağlantısı DergiPark üzerinden sağlanmıştır.
DergiPark Kaydı ↗
✨

Yapay Zeka Hızlı Bakış & Çıkarımlar

AI Insight
⚡ TL;DR(1 Cümlede Hızlı Çıkarım)

Bu amaçla Vadeli Altın Endeksinin, Dow Jones Vadeli Endeksi, Londra Borsası Vadeli Endeksi, Avrupa Vadeli Borsa Endeksi, Tokyo Menkul Kıymetler Borsası Vadeli Endeksi ve Hong Kong Borsası Vadeli Endeksi ile bolatilite ilişkisi DCC-GARCH modeli kullanılarak incelenmiştir. 12.02.2024-29.08.2025 tarihleri arasındaki 483 günlük veriler kullanılarak analizler yapılmış ve Vadeli endeksler arasında volatitile yayılımının gerçekleştiği tespit edilmiştir.

📌 3 Maddede Bu Makale

🎯
Amaç & Hipotez:Bu çalışmada, dünya çapında en çok işlem gören vadeli endeksler açısından volatilitenin nasıl bir etkisinin olduğunun belirlenmesi amaçlamakta ve yatırımcı kararları açısından endekler arası ilişkilerin kullanılarak daha doğru bir piyasa analizi yapılması hedeflenmektedir.
📊
Temel Bulgular & Veri:Bu amaçla Vadeli Altın Endeksinin, Dow Jones Vadeli Endeksi, Londra Borsası Vadeli Endeksi, Avrupa Vadeli Borsa Endeksi, Tokyo Menkul Kıymetler Borsası Vadeli Endeksi ve Hong Kong Borsası Vadeli Endeksi ile bolatilite ilişkisi DCC-GARCH modeli kullanılarak incelenmiştir. 12.02.2024-29.08.2025 tarihleri arasındaki 483 günlük veriler kullanılarak analizler yapılmış ve Vadeli endeksler arasında volatitile yayılımının gerçekleştiği tespit edilmiştir.
💡
Sonuç & Katkı:Aynı zamanda Dow Jones Vadeli Endeksi ve Hong Kong Borsası Vadeli Endeksi, Vadeli Altın Endeksi ile çift taraflı volatilite etkileşimi içinde olan önemli vadeli endeksler olarak tespit edilmiştir.
🔬Tür:Modelleme & Sayısal Simülasyon
📍Kapsam:2024 Verileri
⚙️Değişkenler:Volatilite tahmini · Volatilite modelleri · Uluslararası Finans Piyasaları

Özet

Bu çalışmada, dünya çapında en çok işlem gören vadeli endeksler açısından volatilitenin nasıl bir etkisinin olduğunun belirlenmesi amaçlamakta ve yatırımcı kararları açısından endekler arası ilişkilerin kullanılarak daha doğru bir piyasa analizi yapılması hedeflenmektedir. Bu amaçla Vadeli Altın Endeksinin, Dow Jones Vadeli Endeksi, Londra Borsası Vadeli Endeksi, Avrupa Vadeli Borsa Endeksi, Tokyo Menkul Kıymetler Borsası Vadeli Endeksi ve Hong Kong Borsası Vadeli Endeksi ile bolatilite ilişkisi DCC-GARCH modeli kullanılarak incelenmiştir. 12.02.2024-29.08.2025 tarihleri arasındaki 483 günlük veriler kullanılarak analizler yapılmış ve Vadeli endeksler arasında volatitile yayılımının gerçekleştiği tespit edilmiştir. Özellikle Vadeli Altın Endeksi, Tokyo Menkul Kıymetler Borsası Vadeli Endeksi hariç diğer tüm piyasaları etkileyen bir değişken olarak karşımıza çıkmıştır. Aynı zamanda Dow Jones Vadeli Endeksi ve Hong Kong Borsası Vadeli Endeksi, Vadeli Altın Endeksi ile çift taraflı volatilite etkileşimi içinde olan önemli vadeli endeksler olarak tespit edilmiştir.

Abstract

This study aims to determine the impact of volatility on the most traded futures indices worldwide and to provide a more accurate market analysis for investor decisions by leveraging the relationships between these indices. For this purpose, the volatility relationship between the Gold Futures Index, the Dow Jones Industrial Average, the London Stock Exchange Futures Index, the European Futures Index, the Tokyo Stock Exchange Futures Index, and the Hong Kong Stock Exchange Futures Index was examined using the DCC-GARCH model. Analyses were conducted using 483-day data from February 12, 2024, to August 29, 2025, and volatility spillover was identified among the futures indices. The Gold Futures Index, in particular, emerged as a variable affecting all markets except the Tokyo Stock Exchange Futures Index. At the same time, the Dow Jones Futures Index and the Hong Kong Stock Exchange Futures Index were identified as important futures indices that have a two-sided volatility interaction with the Futures Gold Index.

🔖

Bu Makaleye Atıf Yap

Eryılmaz, Y., Avşarlıgil, N. (2025). VADELİ ALTIN ENDEKSİ VE SEÇİLİ BORSA ENDEKSLERİ ARASINDAKİ VOLATİLİTE ETKİLEŞİMİ: DCC GARCH ANALİZİ. Journal of Business Innovation and Governance, Cilt: 8 Sayı: 2, 64–80. https://doi.org/10.54472/jobig.1823815

📄 Tam Metin PDF Okuyucu

📄

PDF görüntüleyici hazırlanıyor...

Kaynakça (20)

  1. Abdelkefi, S. Z., W. Khoufi, (2015). Stock Markets Linkages Before, During and After Subprimes Crisis: Bivariate BEKK GARCH (1, 1) and DCC Models. International Journal of Economics, Finance and Management Sciences, 3(3), 213-230. https://doi.org/10.11648/j.ijefm.20150303.18
  2. Bodie, Z., Kane, A., & Marcus, A. J. (2014). Investments (10th ed.). McGraw-Hill Education.
  3. Bollerslev, T., Engle, R.F., & Wooldridge, J. M. (1988). A capital asset pricing model with time-varying covariances. Journal of political Economy, 96(1), 116-131.
  4. Bollerslev, T., (1986). Generalized autoregressive conditional heteroskedasticity, Journal of Econometrics, Volume 31, Issue 3, Pages 307-327, https://doi.org/10.1016/0304-4076(86)90063-1.
  5. Bollerslev, T., (1990). Modelling the Coherence in Short-Run Nominal Exchange Rates: A Multivariate Generalized Arch Model, The Review of Economics and Statistics, Vol. 72, No. 3, pp. 498-505, https://doi.org/10.2307/2109358
  6. Bostancı, A. B., & Doğru, E. (2023). DCC-GARCH MODELİ İLE DÖVİZ KURU, PETROL FİYATI VE SEÇİLİ BIST ENDEKSLERİ ARASINDAKİ VOLATİLİTE YAYILIMININ TESPİTİ. Doğuş Üniversitesi Dergisi, 24(2), 559-577. https://doi.org/10.31671/doujournal.1250689
  7. Ceyhan V. & Gündüz O. (2014). Zamana Bağlı Oynaklık ARCH- GARCH modelleri (Otoregresif Koşullu Değişen Varyans). https://docplayer.biz.tr/186081019-Zamana-bagli-oynaklik.html, Erişim Tarihi: 20.09.2025.
  8. Engle, R.F. (1982). Autoregressive Conditional Heteroscedasticity with Estimates of the Variance of United Kingdom Inflation, Econometrica, Vol. 50, No. 4 (Jul., 1982), pp. 987-1007, https://doi.org/10.2307/1912773
  9. Engle, R.F. (2002). Dynamic conditional correlation: A simple class of multivariate generalized autoregressive conditional heteroscedasticity model. Journal of Business & Economic Statistics, 20(3), 339-350. https://doi.org/10.1198/073500102288618487
  10. Hou Y, Li S (2015), "Volatility behaviour of stock index futures in China: a bivariate GARCH approach". Studies in Economics and Finance, Vol. 32 No. 1 pp. 128–154, doi: https://doi.org/10.1108/SEF-10-2013-0158
  11. Hull, J. C. (2021). Options, Futures, and Other Derivatives (10th ed.). Pearson.
  12. Kang SH, Yoon S (2011), "Volatility Spillover between the KOSPI 200 Spot and Futures Markets Using the VECM-DCC-GARCH Model". Journal of Derivatives and Quantitative Studies: Seonmul yeon’gu, Vol. 19 No. 3 pp. 233–249, doi: https://doi.org/10.1108/JDQS-03-2011-B0001
  13. Kara, E., Anbar, A., & Arabacı, Ö. (2022). VOLATILITY SPILLOVER BETWEEN BIST 30 FUTURES AND SPOT MARKETS: A DCC-GARCH ANALYSES. Yönetim Bilimleri Dergisi, 20(43), 1-27. https://doi.org/10.35408/comuybd.827041
  14. Kılıç, E. (2021). DCC-GARCH ile Altında Spot Fiyat, Vadeli Fiyat ve Risk İlişkisi. Bingöl Üniversitesi İktisadi ve İdari Bilimler Fakültesi Dergisi, 5(Uluslararası İktisadi ve İdari Bilimler Kongresi: Krizler, Belirsizlikler ve Arayışlar Özel Sayısı), 55-68. https://doi.org/10.33399/biibfad.1029311
  15. Ma, F., Lu, X., Lu, W. & Chevallier, J. (2021). "Global economic policy uncertainty and gold futures market volatility: Evidence from Markov regime‐switching GARCH‐MIDAS models," Journal of Forecasting, John Wiley & Sons, Ltd., vol. 40(6), pages 1070-1085, September. https://doi.org/10.1002/for.2753
  16. Pesaran, B., Pesaran, M. H., (2007). Modelling volatilities and conditional correlations in futures markets with a multivariate t distribution, CESifo Working Paper, No. 2056, Center for Economic Studies and ifo Institute (CESifo), Munich
  17. Tse, Y.K. ve Tsui, A.K.C. (2002). A multivariate generalized autoregressive conditional heteroscedasticity model with timevarying correlations. Journal of Business and Economic Statistics, 20(3), 351-362.
  18. Williams, B., (2011), “GARCH(1,1) models”, The University of Ruprecht Karl Heidelberg, Undergraduate thesis submitted for obtaining a bachelor's degree
  19. https://tr.investing.com/indices/indices-futures
  20. Ceyhan V. & Gündüz O. (2014). Zamana Bağlı Oynaklık ARCH- GARCH modelleri (Otoregresif Koşullu Değişen Varyans). https://docplayer.biz.tr/186081019-Zamana-bagli-oynaklik.html, Erişim Tarihi: 20.09.2025.