Finansal zaman serilerinde varyans modellemesi
Variance modelity at financial time series
- Tez No: 184167
- Danışmanlar: Y.DOÇ.DR. FÜSUN DERİŞ
- Tez Türü: Yüksek Lisans
- Konular: İstatistik, Statistics
- Anahtar Kelimeler: Zaman serileri, volatilite, koşullu değişen varyans, ARCH, GARCH, Time series, volatility, conditional heteroscidasticity, ARCH, GARCH
- Yıl: 2006
- Dil: Türkçe
- Üniversite: Mimar Sinan Güzel Sanatlar Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: İstatistik Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 150
Özet
ÖZETFinansal zaman serilerinin en önemli özelliklerinden biri zaman içinde değişenvolatilite olup bu çalışmanın amacı zaman içinde değişen volatiliteyi modellemektir.Çalışmanın birinci bölümünde tek değişkenli zaman serileri analizinin temeli olanARIMA modelleme tanıtıldı. ARIMA modelin çeşitleri olan Otoregresif Modeller,Hareketli Ortalama Modelleri ve Karma Otoregresif Hareketli Ortalama Modelleriüzerinde duruldu.İkinci bölümde çalışmanın asıl konusu olan koşullu değişen varyans modelleritanıtıldı. Ele alınan modeller Otoregresif Koşullu Değişen Varyans (ARCH),Genelleştirilmiş ARCH (GARCH), Ortalama ARCH (M-ARCH), Birleşik GARCH(IGARCH), Ortalama GARCH (GARCH-M), Üstel GARCH (EGARCH),TARCH, Üslü ARCH (PARCH), Koşullu Değişen Varyans ARMA (CHARMA),Rasgele Katsayılı Otoregresif (RCA) , Stokastik Volatilite (SV) modelleridir.Üçüncü bölümde IMKB'de hesaplanan üç adet endeksin volatilitesi modellendi vehangisinin daha iyi cevaplar verdiği incelendi.
Özet (Çeviri)
ABSTRACTOne of the most important characteristics of financial time series is volatility thatchanging over time. The aim of this study is modeling of volatility is changing overtime.In the first chapter of this study ARIMA modeling that basic of one variable timeseries analysis was introduced. Kinds of ARIMA models that AutoregressiveModels, Moving Average Models and Autoregressive Integrated Moving Averagewere studied.In the second chapter conditional heteroscidasticity models that the main subject ofthis study were introduced. Autoregressive conditional heteroscidasticity (ARCH),Generalized ARCH (GARCH), ARCH in Mean (ARCH -M), Integrated GARCH(IGARCH), GARCH in Mean (GARCH -M), Exponential GARCH (EGARCH),Thresold ARCH (TARCH), Power ARCH (PARCH), Conditional ARMA(CHARMA), Random Coefficient Autoregressive (RCA), StochasticVolatility (SV)were studied.In the third chapter volatility of three index that calculated at ISE were modeled andexamined that which one had better answers to modeling.
Benzer Tezler
- Finansal varlıkların volatilite modelleri ile analizi
Financial assets analysis with volatility models
ZEYNEP ERGEN
- Zaman serilerinde ARIMA ve ARCH modelleri-faiz oranı ve net uluslararası rezerv serilerine uygulaması
ARIMA and ARCH models in time series-applience to rate of interests and net international reserve series
NURULLAH ALTINDİŞ
- Döviz kuru volatilitesinin / oynaklığının modellenmesi
Modelling foreign exchange volatility
ORCAN ÇÖRTÜK
Yüksek Lisans
Türkçe
2007
EkonometriGazi ÜniversitesiEkonometri Ana Bilim Dalı
DOÇ.DR. ALPARSLAN AKÇORAOĞLU
- Sektörel bazda hisse senetleri getiri volatilitesinin asimetrik koşullu değişen varyans modelleri ile tahmini
Forecasting stock returns volatility on the sectoral base with astmetric conditional heteroskedasticity models
BURCU KIRAN
Yüksek Lisans
Türkçe
2006
Ekonometriİstanbul ÜniversitesiEkonometri Ana Bilim Dalı
PROF. DR. AHMET GÖKÇEN
- Gecelik faiz oranları volatilitesinin modellenmesinde asimetrik garch modelleri
Başlık çevirisi yok
TUĞBA AKSU
Yüksek Lisans
Türkçe
2006
EkonometriMarmara ÜniversitesiEkonometri Ana Bilim Dalı
YRD. DOÇ. DR. EBRU ÇAĞLAYAN