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