Tez No İndirme Tez Künye Durumu
261580
Forecasting volatility in the presence of structural breaks: Evidence from İstanbul Stock Exchange (ISE) sector ındices / Yapısal kırılmalar altında oynaklık öngörümlemesi: İstanbul Menkul Kıymetler Borsası sektör endeksleri örneği
Yazar:EFE ÇAĞLAR ÇAĞLI
Danışman: DOÇ. DR. PINAR EVRİM MANDACI
Yer Bilgisi: Dokuz Eylül Üniversitesi / Sosyal Bilimler Enstitüsü / İşletme Bölümü / İşletme (İngilizce) Ana Bilim Dalı / Finansman Bilim Dalı
Konu:İşletme = Business Administration
Dizin:Endeks = Index ; Fiyat hareketi = Price movement ; Oynaklık = Volatility ; Sermaye piyasası = Capital market ; Yapısal kırılmalar = Structural breaks ; Öngörü = Foresight ; İMKB = İstanbul Stock Exchange
Onaylandı
Yüksek Lisans
İngilizce
2010
149 s.
Bu çalışmanın amacı yapısal kırılmalar altında Türk Hisse Senedi endekslerinin oynaklığını öngörümlemektir. İstanbul Menkul Kıymetler Borsası (İMKB) sektör endekslerinde yapısal kırılmaların ampirik anlamlılığı GARCH modeli yardımıyla örneklem içi ve dışı testlerle ortaya koyulmuştur.Ampirik bulgular, tüm İMKB sektör endeks getirilerinin uzun dönem varyanslarında anlamlı yapısal kırılmaların varlığına işaret etmektedir ve yinelenen birikimli kareler toplamı (ICSS) algoritması yardımıyla belirlenen alt örneklemler için elde edilen GARCH parametre tahminlerinin birbirlerinden farklılık göstermeleri tüm endeksler için oynaklığın durağan olmayan bir GARCH süreci izlediğini ortaya koymaktadır.Örneklem dışı analizde, durağan GARCH süreci izleyen ekonometrik modellerden elde edilen oynaklık öngörümlemeleriyle yapısal kırılmalardan kaynaklanan ani şoklarını dikkate alan GARCH modellerinden elde edilen oynaklık öngörümlemeleri 1, 5, 10, 15, 20, 60, ve 120 gün öngörü aralığı için iki farklı istatistiki kayıp fonksiyonuyla karşılaştırılmıştır. Yapısal kırılmaların İMKB sektör endeksleri üzerine yapılan analizler için dikkate alınması gerekliliği sonucuna varılmış ve yapısal kırılmaları dikkate almanın oynaklık öngörümlemesi analizi açısından daha faydalı ortaya koyulmuştur. Bununla birlikte, piyasalarda karar alıcı birimlere kısa ve uzun vadeli oynaklık modellemesi ve/veya öngörümlemesi yaparlarken yapısal kırılmaları dikkate almalarının yanında sektörel farklılıkları da göz önünde bulundurmaları önerisi sunulmuştur. Bu yüzden, riske maruz değer hesaplaması, risk yönetimi, türev ürün fiyatlaması ve portföy yönetimi vb. finansal konularda daha doğru sonuçlara ulaşmak için yukarıda ortaya konulan olgulara dikkat edilmesi tavsiye edilmiştir.Anahtar Kelimeler: Oynaklık, Yapısal Kırılmalar, Öngörümleme, GARCH modeli, Tahminleme Penceresi, İMKB
The purpose of this study is to forecast the volatility of the Turkish stock market indices in the presence of structural breaks. The empirical relevance of structural breaks in the volatility of the Istanbul Stock Exchange (ISE) sector indices are examined by conducting GARCH family models in both in-sample and out-of-sample tests.Empirical results indicate the existence of significant structural breaks in the unconditional variance for all the ISE indices, and GARCH parameter estimates differ across subsamples defined by the modified Iterative Cumulative Sum of Squares (ICSS) algorithm indicating instable GARCH processes governing volatility for all of them. In out-of-sample analysis, two different statistical loss functions over forecast horizons of 1, 5, 10, 15, 20, 60, and 120 days are used to compare forecasts of daily stock market index return volatility produced by the econometric models that assume stable GARCH processes to the forecasts generated by the GARCH type of models that accommodate sudden volatility shifts due to the structural breaks in the unconditional variance of daily stock market index returns. It is evidenced that structural breaks are relevant features for the ISE indices and allowing for instabilities in the data leads to forecasting gains. Moreover, empirical findings reveal that decision makers should consider structural breaks as well as sectoral differences in modeling and forecasting stock market volatility in both short-term and long-term. Thus, one should be aware of those facts to reach more accurate conclusions in terms of Value-at-Risk (VaR) calculation, risk management, derivative pricing, and hedging and portfolio allocation.Keywords: Volatility, Structural Breaks, Forecasting, GARCH model, Estimation Window, ISE