Search

Günümüzde yatırım kararı alan yatırımcılar için önemli faktörlerden biri de fiyatlardaki oynaklıklardır. Finansal piyasalardaki varlıkların fiyatlarında oluşan artış ya da azalışlar o piyasada volatilite kavramının karşılığını oluşturmaktadır. Yatırımcılar ve kurumlar için volatilitenin önceden öngörülebilmesi ve modellenebilmesi önem arz etmektedir. Volatilite, piyasaya etki eden olumlu veya olumsuz haberler sonucu ortaya çıkabileceği gibi siyasi olaylar ve ekonomik gelişmelerden de etkilenmektedir. Küreselleşme sonucu piyasaların birbirleri ile etkileşimleri yani bir piyasadaki volatilitenin herhangi bir piyasayı olumlu ya da olumsuz etkilemesi volatilite yayılımını meydana getirmektedir. Volatilite yayılımının araştırılması, yatırım kararları alınırken belirsizlik ve risk düzeyinin tahmin edilmesinde yardımcı olmaktadır. Bu çalışmada, 2000-2019 dönemi için haftalık veriler kullanılarak, döviz kurları ve BIST100 endeks getiri serilerinin volatilite modellemesini yapmak ve döviz kurları ile BIST100 endeksi getirisi arasındaki volatilite yayılımını ortaya çıkartmak amaçlanmaktadır. Bundan dolayı araştırmada ilk olarak döviz kurları ve BIST100 endeksinin volatilite yapısı ARCH-GARCH modelleri ile belirlenmiş, aralarındaki volatilite yayılımı ise Multi-GARCH modeller ile incelenmiştir. Elde edilen bulgular USD ve EURO döviz kurlarından BIST100 endeksine negatif yönlü volatilite yayılımının olduğunu ve USD döviz kurundan EURO döviz kuruna ise pozitif yönlü volatilite yayılımının olduğunu ortaya koymuştur.

Günümüzde yatırımcıların etkin bir yatırım kararı vermesi için risk ve getiri ilişkisini göz önünde bulundurmaları gerekmektedir. Risk boyutunu ölçen bir değerleme olan volatilite, herhangi bir değişkenin belirli bir ortalama değere göre artış veya azalış göstermesi durumudur. Finansal piyasalarda volatiliteye neden olan pek çok faktör bulunmaktadır. Bu nedenle etkin yatırım kararının verilmesi için volatilite modellemesi ve öngörüsünün yapılması risk yönetimi açısından oldukça önemlidir.Küreselleşmenin etkisiyle finansal piyasaların entegrasyonu ve karşılıklı etkileşimi sonucunda, ekonomi içerisindeki finansal değişkenler ve piyasalar arasında volatilite yayılımı ortaya çıkmaktadır. Volatilite yayılımı, finansal piyasalarda meydana gelen şokun veya dalgalanmaların başka finansal piyasaların volatilitesini arttırması veya ekonomi içerisindeki finansal değişkenlerin başka değişkenlere etkisi olarak ifade edilmektedir.Bu çalışmada, 2005-2018 dönemi haftalık verileri kullanılarak, BIST 100 endeksi, faiz oranı ve döviz kuru getiri serisine yönelik volatilite modellemesi kurmak ve BIST 100 endeksi ile faiz oranı ve döviz kuru getiri serileri arasındaki volatilite yayılımını tespit etmek amaçlanmıştır. Bu doğrultuda araştırmada öncelikle BIST 100 endeksi, faiz oranı ve döviz kurunun volatilite yapısı ARCH-GARCH yöntemiyle araştırılmıştır. Daha sonra ise aralarındaki yayılım Multi-GARCH yöntemiyle tespit edilmiştir. Amprik bulgular, faiz oranı ve döviz kurundan BIST 100 endeksine doğru pozitif yönlü volatilite yayılımının bulunduğunu göstermektedir.Anahtar kelimeler: Volatilite, volatilite yayılımı, ARCH-GARCH, Multi-GARCH Nowadays, investors need to consider the relationship between risk and return in order to make an effective investment deision. Volatility, which is a valuation that measures the size of risk is a condition in which any variable shows an increase or decrease relative to a given average value. There are many factors that cause volatility in financial markets. Therefore, it is very important for risk management to model and predict volatility to make effective investment decisions.As a result of the integration and interplay of financial markets with the effect of globalization, the spillover of volatility is emerging between financial variables and markets within the economy. Volatility spread is expressed as the shock or fluctuations in financial markets increase volatility of other financial markets or the effects of financial variables in the economy on other variables.This study aims to determine the volatility spillover between the major share market BIST 100 index relationship with exchange rate and interest rate return series, using weekly data for the period 2005-2018, and to constitute volatility modeling. Correspondingly, the research primarily investigated the exchange rate, interest rate and volatility structure of the BIST 100 index by ARCH-GARCH method. Thereafter, the spillover between them was determined by the Multi-GARCH method. Empirical evidence suggests that there is a spillover of positive directional volatility from the interest rate and exchange rate to the BIST 100 index.Keywords: Volatility, volatility spillover, ARCH-GARCH, Multi-GARCH 102

Bu çalışma temel Borsa İstanbul endeksleri ile kurumsal yönetim endeksi (XKURY) arasındaki volatilite yayılımı ve uzun dönemli ilişkiyi test etmektedir. Endeksler arasındaki uzun dönemli ilişki Johansen Eşbütünleşme testi ile sınanmış ve zaman serilerinin durağanlığı ADF ve PP birim kök testleri ile tespit edilmiştir. Çalışma sonuçlarına göre, en yüksek getiriye sahip endeks XKURY ve en yüksek volatiliteye sahip endeks BİST 30 olarak belirlenmiştir. XKURY, BİST100, BİST50 ve BİST30 endeksleri arasındaki eşbütünleşme ilişkileri ayrı olarak tahmin edilmiştir. Tahmin sonuçlarına göre, en yüksek ayarlama (yakınsama) hızına sahip değişkenler XKURY ve BİST50'dir. Granger nedensellik sonuçlarına göre, XKURY, BİST100'ün Granger nedeni değilken, BİST100 XKURY Granger nedenidir. Diğer değişkenler arasında iki yönlü bir nedensellik vardır. Nedenselliğin yönünün en güçlü olduğu ilişki BİST30’un XKURY üzerine olan ilişkisi üzerinedir. Kurumsal yönetim endeksine dâhil olan şirketler göreceli daha yüksek getiriye ve daha düşük volatiliteye sahiptir. This study tests the volatility spread and long-term relationship between Borsa Istanbul indexes and Corporate Governance Index (XKURY). The long-run relationship between the indexes is analyzed by the Johansen Cointegration test and the stationarity of time series is investigated by ADF and PP unit root tests. According to the study results, the index with the highest return is XKURY and the index with the highest volatility is BIST 30. The cointegration relations between XKURY, BIST100, BIST50 and BIST30 indexes are separately estimated. According to the estimation results, the variables with the highest speed of adjustment (cointegration) are XKURY and BIST50. According to the results of Granger Causality, XKURY is not the Granger cause of BIST100 but BIST100 is the Granger cause of XKURY. Among other variables, there is a two-way causality. Firms included in the corporate governance index have relatively higher return and lower volatility.

Bu çalışmada etkin piyasalar hipotezinden sapmalar ve davranışsal finansın başlangıcı olarak kabul edilen anomalilerden haftanın günleri ve Ocak ayı etkisinin vadeli işlem piyasalarında varlığı incelenmiştir. Çalışma kapsamında, anomalileri incelemek için BIST-100 (EVİS) Endeks Vadeli İşlem Sözleşmesi’ne ait 2005 ve 2013 yılları arasında 2143 adet günlük veri kullanılmıştır. ARCH-GARCH modelleriyle yapılan çalışmanın sonucunda, vadeli işlem piyasasının Ocak ayı getirilerinde, diğer aylara göre istatistiksel olarak anlamlı bir şekilde herhangi bir farklılaşmanın olmadığı tespit edilmiştir. Bunun yanı sıra, cuma ve çarşamba günleri BIST-100 EVİS getirisinin pozitif olduğu, pazartesi günleri ise negatif olduğu ortaya konmuştur. This study investigates the presence of calendar anomalies, which is a commencement of the behavioral finance and contradicts wit the Efficient Market Hypothesis, particularly january and day of-the-week anomalies at futures markets. In this study, to investigate the anomalies , 2143 daily data belonging to BIST-100 Index contract between 2005 and 2013 years, have been used. As a result of the study done by the ARCH-GARCH models, prove that the daily returns of BIST-100 Index contract in January do not show a statistically significant difference from other months. For the day-of-the-week anomalies, statistics indicate that BIST-100 futures contracts daily returns on Fridays and Wednesdays are positive, while returns on Mondays are negative.