ÇOK DEĞİŞKENLİ GARCH MODELİN BAYESCİ TAHMİNİ, BORSA YATIRIM FONLARINA İLİŞKİN AMPİRİK BİR ÇALIŞMA

Ekici O.

INTERNATIONAL CONGRESS OF MANAGEMENT, ECONOMY AND POLICY (ICOMEP) , İstanbul, Türkiye, 2 - 03 Kasım 2019, ss.30

  • Yayın Türü: Bildiri / Özet Bildiri
  • Basıldığı Şehir: İstanbul
  • Basıldığı Ülke: Türkiye
  • Sayfa Sayıları: ss.30
  • İstanbul Üniversitesi Adresli: Evet

Özet

Finansal zaman serilerindeki karşılıklı volatilite, korelasyon etkileşimi ve saçılım etkisini incelemek konusunda, çok değişkenli genelleştirilmiş otoregresif koşullu değişen varyans (Mgarch) modelleri, uygulamacılar ve araştırmacılar tarafından sıkça kullanılan modellerdir. Mgarch modellerin Bayesci tahmininde araştırmacılar model parametrelerinin Markov Zinciri Monte Carlo (MCMC) süreci için blok örnekleme yöntemine başvurmaktadır. Bu çalışmada Mgarch modellerden çeşitli teorik özelliklere sahip BEKK (Baba, Engle, Kraft, Kroner) modelin Bayesci tahminin bir uygulaması olarak borsa yatırım fonu (BYF) serileri üzerinde ampirik bir inceleme gerçekleştirilmiştir. Ampirik analizde işlem hacmi yüksek BYF’lerin günlük getirileri ile çalışılmıştır. Her adımda model parametrelerinden birinin güncellendiği bir MCMC süreci tasarlanmıştır. Kayan pencere yöntemi ile model öngörü performansı değerlendirilmiş olup full BEKK yapısının daha iyi sonuç verdiği sonucuna ulaşılmıştır.

As a tool of studying volatility, correlation transmission and spillover effects in financial series, multivariate generalized autoregressive conditional heteroskedasticity (Mgarch) models are widely applied by the practitioners and researchers. For Bayesian estimation of Mgarch models researchers conduct Markov Chain Monte Carlo (MCMC) simulation as sampling one block, which all model’s parameters included in. In this study, as an application of Bayesian estimation for BEKK (Baba, Engel, Kraft, Kroner) forms of Mgarch models, which has several theoretical features, ETFs (Exchange Traded Funds) are empirically studied. For empirical analysis we study with the daily returns of ETFs having high transaction volume. MCMC process is based on a single move sampling. The forecasts performances from the estimated model are evaluated by rolling sample window method and our results indicate that full BEKK form of model outperforms.