Volatilite değerleme ve tahmini için GARCH modellerinin kullanımı
Use of GARCH models for estimating and forecasting volatility
- Tez No: 204278
- Danışmanlar: Y.DOÇ.DR. BAHATTİN RÜZGAR
- Tez Türü: Yüksek Lisans
- Konular: Bankacılık, Ekonometri, İstatistik, Banking, Econometrics, Statistics
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2006
- Dil: Türkçe
- Üniversite: Marmara Üniversitesi
- Enstitü: Bankacılık ve Sigortacılık Enstitüsü
- Ana Bilim Dalı: Bankacılık Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- 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
- 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
2023
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolGazi ÜniversitesiBilgisayar Bilimleri Ana Bilim Dalı
PROF. DR. MUHAMMET ALİ AKCAYOL
- 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
2014
Ekonometriİstanbul ÜniversitesiEkonometri Ana Bilim Dalı
YRD. DOÇ. DR. ÖZLEM GÖKTAŞ
- Volatilite tahmin modellerinin performanslarının karşılaştırılması
Comparing performance of volatility forecast models
ÖZGÜR ERGÜN
Doktora
Türkçe
2023
Ekonometriİstanbul ÜniversitesiSayısal Yöntemler Ana Bilim Dalı
PROF. DR. BİLGE ACAR BOLAT
- 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
2002
İşletmeZonguldak Karaelmas Üniversitesiİşletme Ana Bilim Dalı
Y.DOÇ.DR. TURHAN KORKMAZ
- İstanbul Menkul Kıymetler Borsası endeksinin istatistiksel yöntemlerle öngörülmesi
Forecasting İstanbul Stock Exchange index by statistical methods
HALİL SONER BİNAY