Dergiler / Yaşar Üniversitesi E-Dergisi / 2014 / Cilt: 9 - Sayı: 36

YAPISAL KIRILMALAR DAHİLİNDE BİST-100 ENDEKSi VOLATİLİTESİNİN UZUN DÖNEMLİ BELLEK ANALİZİ

LONG MEMORY ANALYSIS of the BIST-100 INDEX VOLATILITY INCLUSIVE of STRUCTURAL BREAKS

Sayfa
6299–6314
Yayın Tarihi
2015-01-26
DOI
—
🏛️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)

Elde edilen sonuçlar, incelenen dönem içerisinde BİST-100 Endeksi’nin volatilitesinde uzun dönemli belleğin varlığını ortaya koymuştur.

📌 3 Maddede Bu Makale

🎯
Amaç & Hipotez:Bu çalışmada BİST-100 Endeksi’nin volatilitesindeki uzun dönemli bellek yapısı incelenmiştir.
📊
Temel Bulgular & Veri:Uzun dönemli bellek analizi fraktallığın göstergelerinden birisi olup, aynı zamanda Etkin Piyasa Hipotezi’nin zayıf formunun testinde de kullanılmaktadır.
💡
Sonuç & Katkı:Elde edilen sonuçlar, incelenen dönem içerisinde BİST-100 Endeksi’nin volatilitesinde uzun dönemli belleğin varlığını ortaya koymuştur.
🔬Tür:Modelleme & Sayısal Simülasyon
📍Kapsam:2013 Verileri
⚙️Değişkenler:Uzun Dönemli Bellek · Yapısal Kırılmalar · FIGARCH

Özet

Bu çalışmada BİST-100 Endeksi’nin volatilitesindeki uzun dönemli bellek yapısı incelenmiştir. Uzun dönemli bellek analizi fraktallığın göstergelerinden birisi olup, aynı zamanda Etkin Piyasa Hipotezi’nin zayıf formunun testinde de kullanılmaktadır. Çalışmanın ekonometrik analizi BİST-100 Endeksi’nin 03.01.1990-15.05.2013 zaman aralığındaki kareli ve mutlak getirileri ile FIGARCH modeli üzerinden yapılmış olup, yapısal kırılmaların varlığı sahte uzun dönemli bellek etkisi yaratabileceğinden, testler Bai-Perron çoklu yapısal kırılma testi öncesi ve sonrası olmak üzere iki kez gerçekleştirilmiştir. Elde edilen sonuçlar, incelenen dönem içerisinde BİST-100 Endeksi’nin volatilitesinde uzun dönemli belleğin varlığını ortaya koymuştur.

Abstract

In this study, long memory structure of the BIST-100 Index volatility has been examined. Long memory is one of the indicators of fractality and also it is used to test the weak form of the Efficient Market Hypothesis. In the empirical part, we used squared and absolute returns of the BIST-100 Index during the period of 03.01.1990-15.05.2013. Econometric analysis was conducted via FIGARCH method. Since structural breaks can produce spurious long memory effect, all long memory tests were performed before and after Bai-Perron multiple break points analysis. Results exhibited that there is a long memory effect in the BIST-100 index volatility within the period of sample

🔖

Bu Makaleye Atıf Yap

GUNAY, S. (2015). YAPISAL KIRILMALAR DAHİLİNDE BİST-100 ENDEKSi VOLATİLİTESİNİN UZUN DÖNEMLİ BELLEK ANALİZİ. Yaşar Üniversitesi E-Dergisi, Cilt: 9 - Sayı: 36, 6299–6314. https://ajindex.com/articles/193774

📄 Tam Metin PDF Okuyucu

📄

PDF görüntüleyici hazırlanıyor...

Kaynakça (15)

  1. Andersen, T. G. and Bollerslev, T. (1997). Heterogeneous Information Arrivals And Return Volatility Dynamics: Uncovering The Long-Run in High Frequency Returns. The Journal Of Finance, 52 (3). 975-1005
  2. Andreou, E. and Ghysels, E. (2002). Detecting Multiple Breaks in Financial Market Volatility Dynamics. Journal of Applied Econometrics, Cilt.17, Iss.5, 579-600
  3. Aygören, H., (2008). İstanbul Menkul Kıymetler Borsasının Fractal Analizi. Dokuz Eylül Üniversitesi İktisadi ve İdari Bilimler Fakültesi Dergisi, Cilt.23 (1), 125-134
  4. Bai, J. ve Perron, P., (2003). Computation and Analysis of Multiple Structural Change Models. Journal of Applied Econometrics, Cilt.18, 1–22
  5. Baillie, R. T., (1996). Long memory processes and fractional integration in econometrics. Journal of Econometrics, 73, 5-59
  6. Baillie, R. T., Bollerslev, T. ve Mikkelsen H. O., (1996). Fractionally integrated generalized autoregressive conditional heteroskedasticity. Journal of Econometrics, Cilt.74, 13-30
  7. Beran, J. (1998). Statistics for Long Memory Processes. Chapman and Hall/Crc, Florida, s.42 Bhattacharya S. N. ve M. B., (2012). Long Memory in Stock Returns: A Study of Emerging Markets. Iranian Journal of Management Studies, Cilt.5 (2), 67-88
  8. Bollerslev, T. ve Mikkelsen H. O. (1996). Modeling and Pricing Long Memory in Stock Market Volatility. Journal Of Econometrics, 73 (1), 151-184
  9. Breidt, F. J., Crato, N. ve de Lima P. J. F. (1998). The detection and estimation of long-memory in stochastic in stochastic volatility. Journal of Econometrics, (83), 325–348
  10. Cavalcante, J. and Assaf, A., (2002). Long Range Dependence in the Returns and Volatility of the Brazilian Stock Market. Working Paper, Banco Nacional do Desenvolvimiento, Rio de Janeiro Choi, K, Yu W. C. and Zivot, E., (2010). Long memory versus structural breaks in modeling and Forecasting realized volatility. Journal of International Money and Finance, Cilt.29, 857–875
  11. Comte, F. and Renault, E. (1998). Long Memory İn Continuous-Time Stochastic Volatility Models. Mathematical Finance, 8 (4): 291-323
  12. Cotter, J., (2004).
  13. Absolute return volatility, University College Dublin. School of Business. Centre for Financial Markets, WP-04-11, http://www.ucd.ie/bankingfinance/docs/wp/COTTER5.PDF
  14. Crato, N. ve de Lima, P. J. F. (1994). Long-range dependence in the conditional variance of stock returns. Economics Letters, 45 (3): 281-285
  15. Çevik, E. İ., (2012). İstanbul Menkul Kıymetler Borsası’nda Etkin Piyasa Hipotezinin Uzun Hafıza Modelleri İle Analizi: Se