Finansal krizlerin tahmininde kullanılan öngörü değişkenlerinin LSTAR-GARCH, LSTAR-APGARCH ile analizi
Analysis of forecast variables used in predicting financial crises using the LSTAR-GARCH and LSTAR-APGARCH models
- Tez No: 743931
- Danışmanlar: PROF. DR. MELİKE ELİF BİLDİRİCİ
- Tez Türü: Doktora
- Konular: Ekonometri, Ekonomi, Econometrics, Economics
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2022
- Dil: Türkçe
- Üniversite: Yıldız Teknik Üniversitesi
- Enstitü: Sosyal Bilimler Enstitüsü
- Ana Bilim Dalı: İktisat Ana Bilim Dalı
- Bilim Dalı: İktisat Bilim Dalı
- Sayfa Sayısı: 142
Özet
Finansal krizler paranın icatından günümüze kadar gelişerek gelen, toplumu, ülkeleri ve tüm gezegeni etkileyen bir unsur olarak her çağda kendisini hissettirmiştir. Her çağın kendine özgü dinamiklerine göre şekillenen bu krizleri önceden tahmin etmek zor olsa da bazı durumlar ve bazı göstergeler krizlerin oluşma nedeni olarak değerlendirilirler. Fakat bu öngörü sinyallerini bulabilmek için bazı teknik ve modellerin geliştirilmiş olması, krizlerin daha önceden belirlenebilen durumlar haline dönüştürebilmektedir. Bu amaçla çalışmada fınansal krizleri tahmininde kullanılan öngörü değişkeni olan Baltık Kuru Yük Endeksi (BDI) verisi üzerinde uygulamalı olarak tahmin yöntemleri geliştirmek hedeflenmiştir. BDI, yatırımcının finansal ortamdaki korku ve riskinin bir algı ölçüsü olarak ve de kuru yük sevkiyatıyla ilgili maliyetlerin bir yansıtıcısı olarak önemli bir ekonomi gösterge değişkenidir. Fakat BDI ve BDI gibi (örn; VIX ve MSCI) doğasında oynaklık barındaran ekonomi göstergeleri ile tahmin yapabilmek leptokürtik dağılımı nedeniyle sonuçlarda hata payını arttırmaktadır. Bu nedenle çalışmada, STAR tipi doğrusal olmayan oynaklık modelleri ailesinin (LSTAR-GARCH ve LSTAR-APGARCH) tahmin edebilme performansında önemli kazanımlar sağladığı gözlemlenmiştir. Buna ek olarak, tek rejimli GARCH modellerine kıyasla koşullu oynaklık modelleri ile tahminlerin doğruluğuna önemli katkılar sağladığı ve modelin açıklayıcılığını önemli ölçüde iyileştirdiği gözlemlenmiştir. Küresel ekonominin yönünü önceden tahmin edebilme açısından BDI, VIX ve MSCI'ın öncü gösterge olarak yatırımcılar ve politika yapıcılar için daha önemli hale geldiğini, ancak endekslerin bu amaçlarla kullanılması için BDI, VIX ve MSCI'ın oynaklığının ve doğrusal olmama durumunun akılda tutulması gerektiğini ve bu durumunu bertaraf etmek için, yalnızca koşullu ortalama süreçlerinin değil, aynı zamanda koşullu varyans süreçlerinin farklı rejimler arasında değişmesine izin veren farklı tipte doğrusal olmayan GARCH modelleri ile doğrusal olmayan serileri modellemeyi amaçlayan tahmin analizlerine odaklanılması gerektiği sonucuna varılmıştır.
Özet (Çeviri)
Financial crisis have made itself felt in every age as an element that has developed from the invention of money to the present day and affects society, countries, and the entire planet. Although it is difficult to predict these crisis, which are shaped according to the unique dynamics of each period, some situations or indicators were considered as the cause of the crisis. However, in order to find these predictive signals, development of some techniques and models can turn crisis into predetermined situations. For this purpose, it is aimed to develop applied estimation methods on the Baltic Dry Index (BDI) data, which is the forecast variable used in the estimation of financial crisis. BDI is an important economic indicator variable as a measure of investor's perception of fear and risk in the financial environment and as a reflector of the costs associated to shipment of dry cargo. However, being able to forecast with economic indicators such as BDI and other similar indicators (i.e.VIX and MSCI) that has inherent volatility, increases the margin of error in the results due to the leptokurtic distribution. Therefore, in the related study, it has been observed that the STAR family of nonlinear volatility models (LSTAR-GARCH and LSTAR-APGARCH) provide significant gains in predictive performance. In addition, it has been observed that the conditional volatility models significantly contribute to the accuracy of the forecasts and significantly improve the explanatory power of the model compared to the single-regime GARCH models. BDI, VIX and MSCI have become more important for investors and policy makers as leading indicators in terms of predicting the direction of the global economy, but the volatility and non-linearity of BDI, VIX and MSCI should be kept in mind in order to use the index for these purposes. It was concluded that the focus should be on predictive analyzes aimed at modeling nonlinear series with different types of nonlinear GARCH models that allow not only the conditional mean processes, but also the conditional variance processes to vary across different regimes.
Benzer Tezler
- A stress testıng framework for the Turkısh bankıng sector: an augmented approach
Türk bankacılık sektörü için bir stres testi çerçevesi: Bir genişletilmiş yaklaşım
BAHADIR ÇAKMAK
Doktora
İngilizce
2014
BankacılıkOrta Doğu Teknik Üniversitesiİktisat Ana Bilim Dalı
PROF. DR. NADİR ÖCAL
- Finansal kriz modelleri çerçevesinde Türkiye'nin kriz öngörü modelininin geliştirilmesi
Developing of Turkey's forecasting model of crisis within the framework of financial crisis models
HOŞENG BÜLBÜL
Yüksek Lisans
Türkçe
2018
EkonometriMarmara ÜniversitesiEkonometri Ana Bilim Dalı
PROF. DR. ŞEVKET IŞIL AKGÜL
- Öngörü teknikleri ile finansal başarısızlık tahmini: BIST üzerine bir uygulama
Financial bankruptcy prediction: An application in the BIST
SEVDA SELÇİK
Yüksek Lisans
Türkçe
2019
İşletmeİstanbul Üniversitesiİşletme Ana Bilim Dalı
DR. ÖĞR. ÜYESİ ARİF SALDANLI
- Erken uyarı sistemleri ile finansal krizlerin analizi: Türkiye ve geçiş ekonomileri örneği.
An analysis of the financial crises with early warning systems: The case of Turkey and transition economies
ARZU TAY
Yüksek Lisans
Türkçe
2007
EkonomiZonguldak Karaelmas Üniversitesiİktisat Ana Bilim Dalı
DOÇ.DR. SALİH BARIŞIK
- Para krizlerinin tahmininde logit-probit modelleri ve yapay sinir ağları: Türkiye örneği
Logit-probit models and artificial neural networks for the estimation of currency crisis: The case of Turkey
OKTAY KIZILKAYA