Finansal risk tahmininde sahte uzun hafıza: S&P500 üzerine bir uygulama
Spurious long memory in estimating financial risk: An application on S&P 500
- Tez No: 511230
- Danışmanlar: PROF. DR. HAKAN KAHYAOĞLU
- Tez Türü: Yüksek Lisans
- Konular: Ekonometri, Ekonomi, Econometrics, Economics
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2018
- Dil: Türkçe
- Üniversite: Dokuz Eylül Üniversitesi
- Enstitü: Sosyal Bilimler Enstitüsü
- Ana Bilim Dalı: İktisat Ana Bilim Dalı
- Bilim Dalı: Finansal İktisat Bilim Dalı
- Sayfa Sayısı: 92
Özet
Karesi alınmış getirilerin gittikçe azalan otokorelasyonları, şokların uzun dönem bağımlılığı olduğuna işaret eder. Bununla birlikte, bu durum sahte uzun hafıza olarak nitelendirilen yapısal kırılmalara maruz kalan oynaklığın davranışıyla kolayca birbirine karışır. Çalışma, S&P 500'ün oynaklığındaki uzun hafızanın sahte nedenlerle açıklanıp açıklanamayacağını araştırmayı amaçlıyor. Çalışma hem zaman alanı hem de frekans alanı tahminlerini kullanmaktadır. Zaman alanında, veriler, yeni geliştirilmiş bir dalgacık (wavelet) tabanlı prosedürü kullanarak aykırı gözlemler için filtrelenir. Yapısal kırılmalar, değiştirilmiş bir ICSS algoritması kullanılarak tespit edilir. Ardından, filtreleme öncesi ve sonrası veriler için simetrik ve asimetrik GARCH modelleri tahmin edilmiştir. Frekans alanında, entegrasyon derecesi, Local Whittle tahmini kullanılarak hesaplanır, ardından sahte uzun hafızanın iki testi uygulanır. Ampirik sonuçlar, S&P 500'ün oynaklığındaki uzun hafızanın, en azından bir kısmı sahte olup oynaklık kaymasından kaynaklandığını işaret etmektedir. Aykırı gözlemlerin yok sayılması, GARCH modellerinde model kurma hatasına yol açabileceği bulundu. Buna ek olarak, frekans alanında tahmin edilen uzun hafıza parametresi zaman içinde tutarlı değildir. Bu, getiri serilerinin tutarlı bir (d) entegrasyon derecesinin kısmi olarak bütünleştirilmiş bir rejim yerine birkaç rejim tarafından daha iyi tanımlanabileceğini göstermektedir.
Özet (Çeviri)
The slowly decaying autocorrelations of squared returns imply that shocks are long-range dependent. However, this behavior is easily confused with the behavior of volatility when exposed to structural breaks that is described as spurious long memory. The study aims at investigating whether long memory in the volatility of S&P 500 can be explained by spurious reasons. The study utilizes both time domain and frequency domain estimations. In the time domain, the data is filtered for outliers using a recently developed wavelet-based procedure. Structural breaks are detected using a modified ICSS algorithm. Then, symmetric and asymmetric GARCH models are estimated for the data before and after filtering. In the frequency domain, the degree of integration is computed using Local Whittle estimation, then two tests of spurious long memory are performed. The empirical results indicate that the long memory in the volatility of S&P500 is at least partially spuriously caused by volatility shifts. It was found that ignoring outliers can lead to misspecified GARCH models. Furthermore, the long memory parameter estimated in the frequency domain is not consistent over time. This indicates that return series might be better described by several regimes rather than by one fractionally integrated process of a consistent degree of integration (d)
Benzer Tezler
- Portföy risk yönetiminde kapula yaklaşımı
Copula approach in portfolio risk management
EMRE YILDIRIM
Doktora
Türkçe
2022
İstatistikOndokuz Mayıs Üniversitesiİstatistik Ana Bilim Dalı
PROF. DR. MEHMET ALİ CENGİZ
- Nature of financial distress and its prediction: An empirical study towards testing the existing models and developing a new model in Turkey
Finansal başarısızlık ve tahmini: Mevcut tahmin modellerinin Türkiye'de test edilmesine ve yeni bir geliştirmeye yönelik ampirik bir çalışma
EROL MUZIR
- Analyses of factors of market microstructure: Price impact, liquidity, and volatility
Market mikro yapısının faktörlerinin analizi: Fiyat etkisi, likidite ve oynaklık
ABDULLAH KARASAN
Doktora
İngilizce
2020
MaliyeOrta Doğu Teknik ÜniversitesiFinansal Matematik Ana Bilim Dalı
DOÇ. DR. ESMA GAYGISIZ LAJUNEN
- Yapay sinir ağları ile portföy optimizasyonu
Portfolio optimization with artificial neural networks
MEHMET YAVUZ
Yüksek Lisans
Türkçe
2012
MatematikBalıkesir ÜniversitesiMatematik Ana Bilim Dalı
YRD. DOÇ. DR. NECATİ ÖZDEMİR
- Finansal başarısızlığın tahmininde Altman ve Springate modeli uygulaması: BIST Otomotiv sektörü üzerine bir uygulama
Application of Altman and Springate model in predicting financial failure: An application on BIST Automotive sector
ALİŞAN OĞUZ İNCİR
Yüksek Lisans
Türkçe
2024
MaliyeAlanya Alaaddin Keykubat Üniversitesiİşletme Ana Bilim Dalı
DOÇ. DR. OSMAN NURİ ŞAHİN