İstanbul Menkul Kıymetler Borsası endeksinin istatistiksel yöntemlerle öngörülmesi
Forecasting İstanbul Stock Exchange index by statistical methods
- Tez No: 72530
- Danışmanlar: PROF. DR. ÖZDEMİR AKMUT
- Tez Türü: Yüksek Lisans
- Konular: İşletme, Business Administration
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 1998
- Dil: Türkçe
- Üniversite: Ankara Üniversitesi
- Enstitü: Sosyal Bilimler Enstitüsü
- Ana Bilim Dalı: İşletme Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 144
Özet
ÖZET Bu çalışmanın amacı, istanbul Menkul Kıymetler Borsası 100 endeksine ait günlük, haftalık ve aylık zaman serilerinin Birleşik Otoregresif Hareketli Ortalama (ARIMA), Otoregresif Koşullu Değişken Varyans (ARCH) ve Genelleştirilmiş Otoregresif Koşullu Değişken Varyans (GARCH) yöntemleri ile modellemelerinin yapılması ve bu modellerin endeksin öngörüsündeki etkinliklerinin araştırılmasıdır. Bu çalışmada öngörü amacıyla sadece zaman serilerine dayalı istatistiksel yöntemler kullanılmaktadır. Bağımlı ve bağımsız değişkenler arasındaki ilişkileri açıklamaya çalışan ekonometrik yöntemler bu çalışmanın kapsamı dışındadır. Geçmiş dönemlere ait İMKB endekslerinin zaman serileri dikkate alınarak gelecek dönemlerde borsa endeksinin alabileceği değerlerin öngörülmesi alternatif yatırım seçeneklerini değerlendiren yatırımcılar için son derece önemlidir. Geleneksel modellerde hata teriminin varyansı sabit kabul edilir. Halbuki, bir çok zaman serisi bir durağan dönemi izleyen ani ve büyük değişimler (volatility) gösteren dönemler ortaya koyarlar. Değişkenlik en temel istatistiksel risk ölçütüdür. Tek bir yatırım aracının pazar riskini ölçmek için kullanılabildiği gibi, bütün portföy için de kullanılabilir. Otoregresif Koşullu Değişken Varyans (ARCH) ve Genelleştirilmiş Otoregresif Koşullu Değişken Varyans (GARCH) yöntemleri değişkenliklerin davranışı ile ilgili iki modeldir. Bir çok uygulamalar için değişkenliği zaman boyunca sabit kabul etmek uygun ise de, gerçekte değişkenlik dalgalanmalar gösterir. Bu modeller tipik olarak bir adım sonraki değişkenliği bulunulan andaki değişkenlik ve bir sabit parametreler kümesine bağlı olarak öngörürler. Söz konusu parametreler geçmiş değişkenlik yapısı tarafından şekillenir. ARCH ve GARCH modelleri, bir serinin zaman içinde belli bir andaki varyansının tahmin 119edilebilmesini sağladığından yaygın biçimde kullanılan yöntemler haline gelmişlerdir Kullanılan modellerin temel sınırlaması, bunların basit olarak ekstrapolasyon teknikleri olması, piyasaların kararlı veya değişken olmasına sebep olan gerçek dünya olaylarını kestirememeleridir. Çalışmada aylık zaman serilerinin öngörüsü için ARIMA ve GARCH modelleri kullanılırken, günlük ve haftalık zaman serileri için ARIMA ve ARCH modelleri kullanılmıştır. Geliştirilen modellerden elde edilen öngörüler zaman serisinin gerçekleşen değerleri ile karşılaştırıldığında, haftalık öngörülerin gözlemlerin yüzdesi olarak sapmalarının ortalamasının %2.2 olduğu hesaplanmıştır. Haftalık öngörülerin ortalama sapma değeri %5.5'tir. Aylık öngörüler için bu değer en büyüktür ve %1 1.1'dir. ARIMA modelinin öngörüleri ile koşullu değişken varyans yöntemlerinin modellerinin öngörülerinin sapma ortalamaları aynı bulunmuştur. ARIMA ve ARCH kullanarak elde edilen öngörü değerleri zaman serisinin ilk gözlemleri için hemen hemen aynıdır. Değerlerin arasındaki farklar zamanla artmaktadır. ARIMA ve GARCH modellerinin öngörü değerleri birbirleriyle karşılaştırıldığında da durum aynıdır. GARCH modeli tarafından öngörülen değerlerin, ARIMA modelinin öngörülerinden daha büyük olduğu gözlenmektedir. 120
Özet (Çeviri)
SUMMARY The aim of this thesis is to fit models to daily, weekly and monthly time series öf istanbul Stock Exchange Market National 100 Index using Autoregressive Integrated Moving Average(ARIMA), Autoregressive Conditional Heteroskedasticity (ARCH) and Generalised AutoRegressive Conditional Heteroskedasticity(GARCH) methods, and examine the performance of these models in the forecast of the index. In this study, only statistical methods based on time series are used for the purpose of forecasting. Econometric models trying to express the relationships between dependent and independent variables are beyond the scope of this study. Forecasting the future values of İSEM indices taking the past realisations of the time series into account is very important for investors evaluating several alternatives of investment. In conventional models, variance of residual terms are assumed to be constant. However, many economic time series exhibit phases of relative tranquility followed by periods of high volatility. Volatility is the most basic statistical risk measure. It can be used to measure the market risk of a single instrument or an entire portfolio of instruments. Autoregressive conditional heteroskedasticity (ARCH) and generalized autoregressive conditional heteroskedasticity (GARCH) are two model for the behavior of implied volatility. For many applications, it is reasonable to treat volatilities as constant over time, in fact volatilities fluctuate. Typically the models predict volatility one time step in the future based on current volatility and a set of fixed parameters. Those parameter are determined from historical volatility patterns. ARCH and GARCH models have become widely used methods since they provide forecast of the variance of a series at a certain period over time. I2lThe basic limitation of the models used is that they are simply extrapolation techniques. They cannot anticipate the real-world events that cause markets to be stable or volatile. In the study, ARIMA and ARCH models have been fitted to daily and weekly time series, while ARIMA and GARCH models have been used to forecast monthly series. If the forecasts obtained by the models fitted to daily, weekly and monthly time series are compared with the realisations, the average of deviations of weekly forecasts as the percentages of the observations has been calculated as 2.2%. The average deviations of the weekly forecasts is 5.5%. This value is the biggest for the monthly forecasts and is 11.1%. The deviations of the fitted values of ARIMA models and the conditional heteroskedasticity models have been found to be identical. The fitted values of ARIMA ve ARCH models are almost the same for the early observations of the time series. The differences between the values increase over the time. The situation is the same, if the fitted values of ARIMA and GARCH models are compared with each other. It is observed that the fitted values of GARCH model, are bigger than those of ARIMA models. 122
Benzer Tezler
- Portfolio optimization with wavelet analysis and neural fuzzy networks
Dalgacık analizi ve bulanık sinir ağları modeli ile portföy optimizasyonu
ÖMER ZEKİ GÜRSOY
- Gelecek tahmini ve ARIMA modelleri: İMKB üzerine bir uygulama
Başlık çevirisi yok
H. ÜNAL ÖZDEN
Yüksek Lisans
Türkçe
1994
İşletmeİstanbul ÜniversitesiYöneylem Araştırması Ana Bilim Dalı
DOÇ. DR. TÜRKEL MİNİBAŞ
- Bulgaristan Menkul Kıymetler Borsası ve İstanbul Menkul Kıymetler Borsası'nda haftanın günü etkisi: Karşılaştırmalı bir uygulama
The day of the week effect in Bulgarian Stock Exchange and Istanbul Stock Exchange: Comparative application
SEZGİN SEYFULOV ALİEV
Yüksek Lisans
Türkçe
2007
İşletmeHacettepe Üniversitesiİşletme Ana Bilim Dalı
PROF. DR. MEHMET BAHA KARAN
- İMKB-30 endeksinin vadeli işlem ve opsiyon borsası'nda işlem görmesinin oynaklık ve işlem hacmi üzerine etkisi
Introduction of futures and options on ISE-30 index and their impact on the volatility and trading volume
OĞUZHAN GÜR
Yüksek Lisans
Türkçe
2008
EkonomiDumlupınar Üniversitesiİktisat Bölümü
YRD. DOÇ. DR. FERİDE ÖZTÜRK SUBAŞI
- Makro ekonomik ve finansal verilerin İstanbul Menkul Kıymetler Borsası endeksleri üzerinde etkisini belirleyen bir tahmin sistemi geliştirilmesi
Modelling a forecasting system regarding the effects of macroeconomics and financial data on ISE
FEYZİ HAZNEDAROĞLU
Doktora
Türkçe
2009
Ekonomiİstanbul Teknik Üniversitesiİnşaat Mühendisliği Ana Bilim Dalı
DOÇ. DR. OKTAY TAŞ
