Dergiler / Dumlupınar Üniversitesi Sosyal Bilimler Dergisi / 2020 / Cilt: 0 - Sayı: 63

BORSA İSTANBUL PAY ENDEKSLERİNİN VOLATİLİTE YAPISI VE VOLATİLİTE YAYILIMI: GARCH VE MGARCH MODELLERİ İLE BIST SINAİ VE MALİ ENDEKSLERİ ÖRNEĞİ

VOLATILITY STRUCTURE AND VOLATILITY SPILLOVER OF BORSA ISTANBUL STOCK INDEXES: THE CASE OF BIST INDUSTRIAL AND FINANCIAL INDEXES WITH GARCH AND MGARCH MODELS

Sayfa
17–38
Yayın Tarihi
2022-10-11
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)

Buna göre sınai endeksinde volatiliteye etki eden şokların kalıcı bir etki yaratmadığı, volatiliteninyoğunlukla bir önceki dönem şoklardan kaynaklandığı ve sınai endeksine gelen bir şokun etkisinin 22.28 gün sürdüğütespit edilmiştir.

📌 3 Maddede Bu Makale

🎯
Amaç & Hipotez:Çalışmada, Borsa İstanbul Sınai ve Mali endekslerinin 14.03.2001-10.08.2018 dönemine ilişkin günlük kapanışdeğerleri doğrultusunda volatilite yapılarını ortaya çıkarmak ve iki endeks arasındaki volatilite yayılımını tespit etmekamaçlanmıştır.
📊
Temel Bulgular & Veri:Buna göre sınai endeksinde volatiliteye etki eden şokların kalıcı bir etki yaratmadığı, volatiliteninyoğunlukla bir önceki dönem şoklardan kaynaklandığı ve sınai endeksine gelen bir şokun etkisinin 22.28 gün sürdüğütespit edilmiştir.
💡
Sonuç & Katkı:Bunun yanı sıra mali endeksten sınai endeksine doğru pozitif yönde bir volatilite yayılımınınvarlığı da tespit edilmiştir.
🔬Tür:Modelleme & Sayısal Simülasyon
📍Kapsam:2001 Verileri
⚙️Değişkenler:Alan Parametreleri

Özet

Çalışmada, Borsa İstanbul Sınai ve Mali endekslerinin 14.03.2001-10.08.2018 dönemine ilişkin günlük kapanışdeğerleri doğrultusunda volatilite yapılarını ortaya çıkarmak ve iki endeks arasındaki volatilite yayılımını tespit etmekamaçlanmıştır. Endekslerin simetrik ve asimetrik durumları ARCH, GARCH, EGARCH, PARCH ve TARCHmodelleri ile araştırılmıştır. Bunun yanı sıra endeksler arasındaki volatilite yayılımı, çok değişkenli MGARCH modeliile analiz edilmiştir. Buna göre sınai endeksinde volatiliteye etki eden şokların kalıcı bir etki yaratmadığı, volatiliteninyoğunlukla bir önceki dönem şoklardan kaynaklandığı ve sınai endeksine gelen bir şokun etkisinin 22.28 gün sürdüğütespit edilmiştir. Diğer taraftan mali endekste ortaya çıkan negatif bir şok, pozitif şoka göre daha fazla etkiyapmaktadır. Dolayısıyla kaldıraç etkisinin var olduğu ve negatif şokun etkisinin 25.81 gün sürdüğü ortayaçıkarılmıştır. MGARCH modeli sonucunda ise sınai endeksinde meydana gelen bir şokun, mali endekste gerçekleşenbir şoktan daha büyük olduğu, sistemdeki şokun etkisinin mali endekste daha çok kaldığı ve uzun hafıza özelliğigösterdiği belirlenmiştir. Bunun yanı sıra mali endeksten sınai endeksine doğru pozitif yönde bir volatilite yayılımınınvarlığı da tespit edilmiştir.

Abstract

The aim of this study is to determine the spillover of the Borsa İstanbul Industrial and Financial indexes the period of 14.03.2001-10.08.2018 with the closing and latest indexes. the symmetric and asymmetric states of indexes have been examined by ARCH, GARCH, EGARCH, PARCH and TARCH models. Besides, the volatility spillover between the indexes is analyzed by the multivariate MGARCH model. According to this, it has been determined that the shocks affecting the volatility in the industrial index do not have a lasting effect, the volatility originates from the shocks of the previous period and the shock effect to the industrial index lasts 22.28 days. On the other hand, a negative shock in the financial index is more effective than positive shock. Therefore, it was found that the effect of leverage and the effect of negative shock lasted for 25.81 days. As a result of the MGARCH model, it has been determined that a shock in the industrial index is larger than a shock that the financial index is realized, that the shock effect in the system remained more financial index and showed a long memory characteristic. Besides, the existence of a volatility spread in the positive direction towards the financial indices industrial index has also been determined.

🔖

Bu Makaleye Atıf Yap

TOPALOĞLU, E. E. (2022). BORSA İSTANBUL PAY ENDEKSLERİNİN VOLATİLİTE YAPISI VE VOLATİLİTE YAYILIMI: GARCH VE MGARCH MODELLERİ İLE BIST SINAİ VE MALİ ENDEKSLERİ ÖRNEĞİ. Dumlupınar Üniversitesi Sosyal Bilimler Dergisi, Cilt: 0 - Sayı: 63, 17–38. https://ajindex.com/articles/492443

📄 Tam Metin PDF Okuyucu

📄

PDF görüntüleyici hazırlanıyor...

Kaynakça (12)

  1. Aityan, S. K., Ivanov-Schitz, A. K., & Izotov, S. S. (2010). Time-shift asymmetric correlation analysis of global stock markets. Journal of International Financial Markets, Institutions and Money, 20(5), 590-605.
  2. Angabini, A., & Wasiuzzaman, S. (2011). Impact of the global financial crisis on the volatility of the Malasian stock market. IPEDR, 3(84), 79-84.
  3. Başçı, E. S. (2012). İMKB mali ve sınai endekslerinin 2002-2010 dönemi için günlük oynaklığının karşılaştırmalı analizi. İşletme Fakültesi Dergisi, 12(2), 187-199.
  4. Baykut, E., & Kula, V. (2018). Borsa İstanbul pay endekslerinin volatilite yapısı: BİST-50 örneği (2007-2016 yılları). Afyon Kocatepe Üniversitesi Sosyal Bilimler Dergisi, 20(1), 279- 303. Bayramoğlu, M. F., & Abasız, T. (2017). Gelişmekte olan piyasa endeksleri arasında volatilite yayılım etkisinin analizi. Muhasebe ve Finansman Dergisi, Nisan, 183-200.
  5. Bollerslev, T. (1986). Generalized autoregressive conditional heteroscedasticity. Journal of Econometrics, 31, 307 -327. Cheong, C. W., Nor, A. H., & Isa, Z. (2007). Asymmetry and long-memory volatility: Some empirical evidence using GARCH. Physica A: Statistical Mechanics and Its Applications, 373, 651-664.
  6. Çağıl, G., & Okur, M. (2010). 2008 küresel krizinin İMKB Hisse senedi piyasası üzerindeki etkilerinin GARCH modelleri ile analizi. Marmara Üniversitesi İktisadi ve İdari Bilimler Dergisi, 28(1), 573-585.
  7. Demireli, E., Akkaya, C. G., & İbaş, E. (2010). Finansal piyasa etkinliği: S&P 500 üzerinde bir uygulama. Celal Bayar Üniversitesi İktisadi ve İdari Bilimler Fakültesi Dergisi, 2(11), 53- 67. Demirgil, H., & Gök, İ. Y. (2014). Türkiye ve başlıca AB pay piyasaları arasında asimetrik volatilite yayılımı. Yönetim ve Ekonomi Araştırmaları Dergisi, 23, 315-340.
  8. Dickey, D. A., & Fuller, W. A. (1979). Autoregressive time series with a unit root. Journal of the American Statistical Association, 74, 427-431.
  9. Dickey, D. A., & Fuller W. A. (1981). Likelihood ratio statistics for autoregressive time series with a unit root. Econometrica, 49(4), 1057- 1072. Duran, S., & Şahin, A. (2006). İMKB hizmetler, mali, sınai ve teknoloji endeksleri arasındaki ilişkinin belirlenmesi. Sosyal Bilimler Araştırmaları Dergisi, 1, 57-70.
  10. Dutta, A. (2018). Impacts of oil volatility shocks on metal markets: A research note. Resources Policy, 55, 9-19.
  11. Efimova, O., & Serletis, A. (2014). Energy markets volatility modelling using GARCH. Energy Economics, 43, 264-273.
  12. Ekim, S., & Koy, A. (2016). Borsa İstanbul sektör endek