You are here

Home » Content

İstanbul Menkul Kıymetler Borsası'nda volatilitenin modellenmesi: Box-Jenkins modellerden ARCH ailesi modellere geçiş

Modelling the volatility in Istanbul Stock Exchange: shifting from Box-Jenkins to ARCH type models

Journal Name:

  • İstanbul Üniversitesi İşletme Fakültesi Dergisi

Publication Year:

  • 2011

Key Words:

Keywords (Original Language):

Author NameUniversity of AuthorFaculty of Author
Abstract (2. Language): 
Forecasting the volatility of financial markets is one of the important issues in empirical finance that absorbed the interest of many researchers in the last decade. As it is known, there has been many studies uncovering the properties of competing volatility models. In this study, both traditional (unconditional) and conditional volatility models, which have the implications for finance that investors can predict the risk, are analyzed. In this study, Box-Jenkins model (ARIMA) and ARCH-type models (ARCH-GARCH-EGARCH-TARCH and GARCH-M) are discussed for the time–dependence in variance that is regularly observed in financial time series and various classical volatility forecasting approaches are compared using ISE-100 Stock Index for the time period between the years 1987 and 2009. As a result, it is found that IMKB-100 returns series include; leptokurtosis, leverage effects, volatility clustering (or pooling), volatility smile and long memory and TGARCH (1,1) is the best fitting model for modeling the volatility of Ise-100 Index.
Bookmark/Search this post with
Abstract (Original Language): 
Finansal piyasaların oynaklığının tahmin edilmesi son zamanlarda uygulama alanında birçok araştırmacının dikkatini çeken konular arasında gelmektedir. Bilindiği üzere, volatilite modellerinin birbirlerine kıyasla üstün özelliklerini ortaya koymaya çalışan birçok araştırma bulunmaktadır. Bu makalede, yatırımcıların risklerini belirleyebilmelerinde kullanılan, birçok finansal uygulamaya konu olan, geleneksel (koşulsuz) ve koşullu varyans modelleri incelenmiştir. Ayrıca, finansal zaman serilerinde sıkça gözlemlenen zamana bağlı değişkenliği gözlemlemek için Box Jenkins ve ARCH ailesi modelleri (ARCH-GARCH-EGARCH-TARCH ve GARCH-M) ele alınmış ve 1987-2009 yılları arasında İMKB-100 Endeksi verilerinden hareketle çeşitli klasik oynaklık tahminleme modelleri göreceli olarak karşılaştırılmıştır. Araştırma sonuçları, İMKB-100 getiri serisinde kalın kuyruk probleminin bulunduğu, oynaklık kümelenmelerinin olduğu, negatif şokların etkisinin pozitif şoklara oranla daha etkili olduğu ve uzun sürdüğü, veri setinin uzun hafıza içerdiği ve ayrıca TGARCH (1,1)‟in IMKB-100 Endeksi‟nin oynaklağını tahminleyen en iyi model olduğunu ortaya koymuştur
FULL TEXT (PDF): 
PDF icon arastirmax-istanbul-menkul-kiymetler-borsasinda-volatilitenin-modellenmesi-box-jenkins-modellerden-arch-ailesi-modellere-gecis.pdf
  • 2
251-266
  • Turkish

REFERENCES

References: 

[1] I. Akgül and H. Sayyan, Forecasting Volatility in ISE-30 Stock Returns with Asymmetric Conditional Heteroskedasticity Models. Symposium of Traditional Finance, Mayıs 27-28, Marmara Üniversitesi Bankacılık ve Sigortacılık Yüksekokulu, Istanbul, Turkey, (2005).
[2] T.G. Anderson, et.al., Volatility and Correlation Forecasting, forthcoming Handbook of Economic Forecasting, Amsterdam: North Holland, 2005.
[3] T. Atakan, İstanbul Menkul Kıymetler Borsası‟nda Değişkenliğin ARCH-GARCH Yöntemleri ile Modellenmesi. İstanbul Üniversitesi İşletme Fakültesi İşletme İktisadı Enstitüsü Yönetim Dergisi. 20 (62), 51-67 (2009).
[4] K. Aydın, Riske Maruz Değer Hesaplamalarında EWMA ve GARCH Metodlarının Kullanılması: İMKB-30 Endeks Uygulaması, Yayımlanmamış Yüksek Lisans Tezi, Sosyal Bilimler Enstitüsü, Karaelmas Üniversitesi, Zonguldak.
[5] A. Bera, and M.L. Hig Gins, ARCH Models: Properties, Estimation and Testing. Journal of Economic Surveys. 7, 305-366 (1993).
R.İ. Gökbulut, Ü. Gümrah, S. Derindere Köseoğlu / İstanbul Üniversitesi İşletme Fakültesi Dergisi 40, 2, (2011)
251-266 © 2011
266
[6] T. Bollerslev, Generalized Autoregressive Conditional Heteroskedasticity. Journal of Econometrics. 31, 307-327 (1986).
[7] T. Bollerslev, R. Chou and K. Kroner, ARCH Modelling in Finance: A Review of the Theory and Empirical Evidence. Journal of Econometrics. 32, 5-59 (1992).
[8] D.A. Dickey and W.A. Fuller, Autoregressive Time Series with a Unit Root. Journal of the American Statistical Association. 74, 427-431 (1979).
[9] W. Enders, Applied Econometric Time Series, Wiley Series in Probability and Statistics, 2002.
[10] R.F. Engle, Autoregressive Conditional Heteroskedasticity with Estimates of Variance of U.K. Inflation. Econometrica. 50, 987-1007 (1982).
[11] R.F. Engle, D.M. Lilien and R.P. Robins, Estimating Time Varying Risk Premia in the Term Structure: The ARCH-M Model. Econometrica. 55 (2), 391-407 (1987).
[12] A. Gökçe, İstanbul Menkul Kıymetler Borsası Getirilerindeki Volatilitenin ARCH Teknikleri ile Ölçülmesi. Gazi Üniversitesi İ.İ.B.F. Dergisi. 1, 35-58 (2001).
[13] R. Harris and R. Sollis, Applied Time Series Modelling and Foreasting, John Wiley and Sons Ltd., England, 2003.
[14] B.B. Mandelbrot, The Variation Certain Speculative Prices. The Journal of Business. 36, 394-419 (1963).
[15] M. Mazıbaş, İMKB Piyasalarında Volatilitenin Modellenmesi ve Öngörülmesi: Asimetrik GARCH Modelleri ile bir Uygulama. Erişim: 20.07.2006, (2005).
[16] D.B. Nelson, Conditional Heteroskedasticity in Asset Returns: A New Approach. Econometrica. 59, 347-370 (1991).
[17] Ü.H. Özden, İMKB 100 Endeksi Getiri Volatilitesinin Analizi. İstanbul Ticaret Üniversitesi Sosyal Bilimler Dergisi. 7 (13), 339-350 (2008).
[18] P. Phillips, and P. Perron, Testing for a Unit Root in Time Series Regression. Biometrica. 75, 335-346 (1988).
[19] SAS Institute, SAS/QC Software: Usage and Reference I and II. Cary, NC: SAS Institute, 1995.
[20] V. Sarıkovanlık, A. Köse, Multi-country Study of ARCH Models: Evidence from Eight Stock Markets. International Journal of Business, Management and Economics. 2 (8), 53-77, 2006.
[21] S.E. Sarıoğlu, Değişkenlik Modelleri ve İMKB Hisse Senetleri Piyasa‟sında Değişkenlik Modellerinin Kesitsel Olarak İrdelenmesi. Yayımlanmış Doktora Tezi, İktisadi Araştırmalar Vakfı, 2006.
[22] R.S. Tsay, Analysis of Financial Time Series. John Wiley & Sons Inc., USA, 2004.

Thank you for copying data from http://www.arastirmax.com