Bu çalışmada hisse senedi oynaklığındaki kırılmalar Inclan ve Tiao’nun 1994 ICSS Iterative Cumulative Sum of Squares algoritması ile tespit edilmiş bulunan kırılma noktaları kukla değişkenler olarak GARCH modeline eklenmiş ve kırılmaların dikkate alındığı yeni bir GARCH modeli oluşturulmuştur Çalışmada İMKB Ulusal 30 günlük getiri serisi kullanılmış bulunan sekiz kırılma noktası modele dahil edildiğinde oynaklık kalıcılığında önemli bir azalma olmuştur Bu da yatırımcılara riske karşı alacakları tutum konusunda ışık tutacak önemli bir sonuçtur
📌 3 Maddede Bu Makale
🎯
Amaç & Hipotez:Bu çalışmada hisse senedi oynaklığındaki kırılmalar Inclan ve Tiao’nun 1994 ICSS Iterative Cumulative Sum of Squares algoritması ile tespit edilmiş bulunan kırılma noktaları kukla değişkenler olarak GARCH modeline eklenmiş ve kırılmaların dikkate alındığı yeni bir GARCH modeli oluşturulmuştur Çalışmada İMKB Ulusal 30 günlük getiri serisi kullanılmış bulunan sekiz kırılma noktası modele dahil edildiğinde oynaklık kalıcılığında önemli bir azalma olmuştur Bu da yatırımcılara riske karşı alacakları tutum konusunda ışık tutacak önemli bir sonuçtur
📊
Temel Bulgular & Veri:Bu çalışmada hisse senedi oynaklığındaki kırılmalar Inclan ve Tiao’nun 1994 ICSS Iterative Cumulative Sum of Squares algoritması ile tespit edilmiş bulunan kırılma noktaları kukla değişkenler olarak GARCH modeline eklenmiş ve kırılmaların dikkate alındığı yeni bir GARCH modeli oluşturulmuştur Çalışmada İMKB Ulusal 30 günlük getiri serisi kullanılmış bulunan sekiz kırılma noktası modele dahil edildiğinde oynaklık kalıcılığında önemli bir azalma olmuştur Bu da yatırımcılara riske karşı alacakları tutum konusunda ışık tutacak önemli bir sonuçtur
💡
Sonuç & Katkı:Bu çalışmada hisse senedi oynaklığındaki kırılmalar Inclan ve Tiao’nun 1994 ICSS Iterative Cumulative Sum of Squares algoritması ile tespit edilmiş bulunan kırılma noktaları kukla değişkenler olarak GARCH modeline eklenmiş ve kırılmaların dikkate alındığı yeni bir GARCH modeli oluşturulmuştur Çalışmada İMKB Ulusal 30 günlük getiri serisi kullanılmış bulunan sekiz kırılma noktası modele dahil edildiğinde oynaklık kalıcılığında önemli bir azalma olmuştur Bu da yatırımcılara riske karşı alacakları tutum konusunda ışık tutacak önemli bir sonuçtur
Bu çalışmada hisse senedi oynaklığındaki kırılmalar Inclan ve Tiao’nun 1994 ICSS Iterative Cumulative Sum of Squares algoritması ile tespit edilmiş bulunan kırılma noktaları kukla değişkenler olarak GARCH modeline eklenmiş ve kırılmaların dikkate alındığı yeni bir GARCH modeli oluşturulmuştur Çalışmada İMKB Ulusal 30 günlük getiri serisi kullanılmış bulunan sekiz kırılma noktası modele dahil edildiğinde oynaklık kalıcılığında önemli bir azalma olmuştur Bu da yatırımcılara riske karşı alacakları tutum konusunda ışık tutacak önemli bir sonuçtur
Abstract
In this study; breaks in stock price volatility are detected with ICSS algorithm which was developed by Inclan and Tiao 1994 After detecting multiple breaks in variance dummy variables are introduced to the variance equation of GARCH 1 1 model to account for the sudden changes in variance We examined daily İMKB U30 return series and found that volatility persistence has considerably dwindled in new GARCH 1 1 model with eight dummy variables Key Words: GARCH Variance Break ICSS Volatility
GÜRSAKAL, D. S. (2011). GARCH MODELLERİ VE VARYANS KIRILMASI: İMKB ÖRNEĞİ. Çukurova Üniversitesi Sosyal Bilimler Enstitüsü Dergisi, Cilt: 20 - Sayı: 3, 161–178. https://ajindex.com/articles/73666
Aggarwal, R., Inclan C. ve Leal R. (1999), “Volatility in Emerging Stock Markets”, The Journal of Financial and Quantitative Analysis, Vol. (34), No. 1, pp. 33-55.
Andersen, T. G.; Tim B. (1998), “Deutsche Mark-Dollar Volatility: Intraday Activity Patterns, Macroeconomic Announcements, and Longer Run Dependencies” The Journal of Finance, Vol. 53, No. 1. pp. 219-265.
Bollerslev, T. (1986), “Generalized Autpregreesive Conditional Heteroscedasticity”, Journal of Econometrics, 31, pp.307-327
Diebold FX. (1986), Modeling the persistence of conditional variances: A comment. Econometric Reviews 5, pp.51-56.
Diebold, F. X. (1988). “Empirical Modeling of Exchange Rate Dynamics”Lecture Notes in Economics and Mathematical Systems, vol. 303, Springer-Verlag, New York Dunis, C. L., Jason L. ve Stephane C. (2000), “The Use of Market Data and Model Combination to Improve Forecast Accuracy” Working Paper Liverpool Business School. Enders, W. (2004); Applied Econometric Time Series, 2. Edition,
John Willey and Sons, New York Engle, R. F. (1982), “Autoregressive Conditional Heteroscedasticity with Estimates of the Variance of United Kingdom Inflation” Econometrica Vol. 50, No. 4. pp. 987-1007.
Engle, R. F. (2001), “GARCH 101: The Use of ARCH/GARCH Models in Applied Econometrics” The Journal of Economic Perspectives, Vol. 15, No. 4. pp. 157-168.)
Engle, R. F.(1993), “Statistical models for financial volatility”, Financial Analyst Journal, 49(1), pp.72-78
Engle, R. F. and Bollerslev, T. (1986), "Modelling the Persistence of Conditional Variances," Econometrics Review, 5. pp.1-50.
Fernandez, V.; (2005), “Structural Breakpoints in Volatility in International Markets”, The Institute for International Integration Studies Discussion Paper Series, No: 76 pp.1-36
Fong, W. M. (1998), “The Dynamics of DM=£ Exchange Rate Volatility: A SWARCH Analysis” International Journal of Finance and Economics (3) pp. 59-71
Franses, P. H. and McAleer M. (2002) “Financial Volatility: An Introduction” Journal of Applied Econometrics 17: pp.419-424
Güloğlu, B. ve Akman A. (2007), “Türkiye’de Döviz Kuru Oynaklığının SWARCH Yöntemi ile Analizi”, Finans Politik & Ekonomik Yorumlar, Cilt: 44 Sayı:512, ss. 43-51
Hendry, D. F.(1986), “An excursion into conditional variance land”. Econometric Reviews, 5, 1986, pp. 63-69.
Hsieh, D. A. (1989), “Modeling Heteroscedasticity in Daily Foreign-Exchange Rates” American Statistical Association Journal of Business & Economic Statistics, Vol. 7, No. 3, pp.307-317. In