Geri Dön

Volatilite değerleme ve tahmini için GARCH modellerinin kullanımı

Use of GARCH models for estimating and forecasting volatility

  1. Tez No: 204278
  2. Yazar: İSMET KALE
  3. Danışmanlar: Y.DOÇ.DR. BAHATTİN RÜZGAR
  4. Tez Türü: Yüksek Lisans
  5. Konular: Bankacılık, Ekonometri, İstatistik, Banking, Econometrics, Statistics
  6. Anahtar Kelimeler: Belirtilmemiş.
  7. Yıl: 2006
  8. Dil: Türkçe
  9. Üniversite: Marmara Üniversitesi
  10. Enstitü: Bankacılık ve Sigortacılık Enstitüsü
  11. Ana Bilim Dalı: Bankacılık Ana Bilim Dalı
  12. Bilim Dalı: Belirtilmemiş.
  13. Sayfa Sayısı: 180

Özet

ÖZETGenelleştirilmiş Otoregresif Koşullu Değişken Varyanslılık (Generalized AutoregressivConditional Heteroskedasticity veya GARCH) bir hata modellemesidir. Çoğunluklabaşka modellerin içinde volatilite faktörünü temsilen kullanılır. çinde GARCH bulunanmodeller zehirli gazların atmosferde yayılma hızı tahmininden sinirsel aktiviteyi simuleetmeye kadar çeşitli alanlarda kullanılmaktadır. Ancak finans halen GARCHkullanımında önde gelen alandır ve bu konudaki araştırmaların başını çekmektedir.Bu tezde GARCH modelleri tanıtılmış ve IMKB 100 Endeksine uygulandığındadeğerleme ve tahmin etme kapasiteleri incelenmiştir. Bunun yanısıra IMKB'nin gelişmişülkelerdeki finansal zaman serilerinin göstermiş olduğu ortak karakteristikleri ortayakoyup koymadığı gözlemlenmiştir. Bu sayede, 2007 yılında Basel II gerekliliklerininuygulamaya konmasıyla sonuçları daha da önemli hale gelecek olan Türkiye temelli riskyönetimi araştırmalarına katkıda bulunmak hedeflenmektedir.Bu çalışma, 9 yıllık günlük verilere dayanarak IMKB 100 endeksinin volatilitesinideğerlendirmek ve tahmin etmek için, her biri dört ayrı dağılımla denenen, ARMAözellikleri eklenebilen 11 değişik ARCH modelinin performansını sunmaktadır.Elde edilen sonuçlara göre, eğer aynı dağılım kullanılırsa, kısmi entegre edilmişasimetrik modeller bu özelliğe sahip olmayan orjinal versiyonlarından daha iyi volatilitedeğerlemesi yapabilmektedir. Eğik-t ve Student-t dağılımlarının kullanılması modelinveriye daha iyi yerleşmesini sağlamaktadır. Belirli bir model veya dağılımınkullanılmasının volatilite tahmininde açık bir iyileşmeye yol açmadığı gözlenmiştir.

Özet (Çeviri)

SUMMARYGeneralized Auto Regressive Conditional Heteroskedasticity (GARCH) is a model oferrors. It is mostly used in other models to represent volatility. The models that makeuse of GARCH vary from predicting the spread of toxic gases in the atmosphere tosimulating neural activity. But finance is still the leading area and dominates theresearch on GARCH.In this paper we investigate the estimating and forecasting capabilities of GARCHmodels when applied to daily IMKB 100 index data. We furthermore aim to understandwhether IMKB data exhibits the common characteristics of financial time seriesobserved in developed countries. We thereby wish to contribute to the risk managementresearch in Turkey, the outcomes of which will be of crucial value after theimplementation of Basel II regulations in 2007.This paper presents the performance of 11 ARCH-type models each with four differentdistributions combined with ARMA specifications in conditional mean in estimating andforecasting the volatility of IMKB 100 stock indices, using daily data over a 9 yearsperiod.The results suggest that fractionally integrated asymmetric models outperform the non-FI versions and, using skewed-t and student-t distributions provide better fit to the datafor almost every model in estimating volatility. In forecasting volatility a clearimprovement is not observed by altering a specific model component or distribution.

Benzer Tezler

  1. Derin öğrenme ve büyük veri analitiği yöntemleriKullanarak Covid-19 yayılımının ileriye dönük tahmini

    Forecasting the spread of covid-19 using deep learning and big data analytics methods

    CYLAS KIGANDA

    Yüksek Lisans

    İngilizce

    İngilizce

    2023

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolGazi Üniversitesi

    Bilgisayar Bilimleri Ana Bilim Dalı

    PROF. DR. MUHAMMET ALİ AKCAYOL

  2. Çok değişkenli deterministik oynaklık modelleri:Borsa endeksleri arasındaki oynaklık etkileşimi üzerine bir uygulama

    Multivariate deterministic volatility models: An application to volatility transmission of stock indices

    SİMGE NUR AKPAMUK

    Yüksek Lisans

    Türkçe

    Türkçe

    2014

    Ekonometriİstanbul Üniversitesi

    Ekonometri Ana Bilim Dalı

    YRD. DOÇ. DR. ÖZLEM GÖKTAŞ

  3. Volatilite tahmin modellerinin performanslarının karşılaştırılması

    Comparing performance of volatility forecast models

    ÖZGÜR ERGÜN

    Doktora

    Türkçe

    Türkçe

    2023

    Ekonometriİstanbul Üniversitesi

    Sayısal Yöntemler Ana Bilim Dalı

    PROF. DR. BİLGE ACAR BOLAT

  4. Riske maruz değer hesaplamalarında EWMA ve GARCH metodlarının kullanılması: İMKB-30 endeks uygulaması

    Using EWMA and GARCH methods in value at risk calculations: Application on ISE-30 index

    KAZIM AYDIN

    Yüksek Lisans

    Türkçe

    Türkçe

    2002

    İşletmeZonguldak Karaelmas Üniversitesi

    İşletme Ana Bilim Dalı

    Y.DOÇ.DR. TURHAN KORKMAZ

  5. İstanbul Menkul Kıymetler Borsası endeksinin istatistiksel yöntemlerle öngörülmesi

    Forecasting İstanbul Stock Exchange index by statistical methods

    HALİL SONER BİNAY

    Yüksek Lisans

    Türkçe

    Türkçe

    1998

    İşletmeAnkara Üniversitesi

    İşletme Ana Bilim Dalı

    PROF. DR. ÖZDEMİR AKMUT