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: Borsa, Borsa endeksi, Zaman serileri, İMKB, Stock exchange, Stock exchange index, Time series, İstanbul Stock Exchange
- Yıl: 1998
- Dil: Türkçe
- Üniversite: Ankara Üniversitesi
- Enstitü: Sosyal Bilimler Enstitüsü
- Ana Bilim Dalı: İşletme Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: Belirtilmemiş.
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
- 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
- Option pricing using the monte carlo simulation model
Başlık çevirisi yok
MUHAMMET PERÇİN
Yüksek Lisans
İngilizce
1997
Endüstri ve Endüstri MühendisliğiBoğaziçi ÜniversitesiDOÇ. DR. PİNHAS DAVİD
- Prediction of İstanbul securities exchange composite index
İstanbul Menkul Kıymetler Borsası bileşik endeksinin belirlenmesi
MURAT TİMUR
- Forecasting the İstanbul Stock Exchange composite index
İstanbul Menkul Kıymetler Borsası bileşik endeksinin tahmin edilmesi
BATUHAN BESLER
- Estimating the valve weighted ISE 100 index and its variance using a nevro-fuzzy architecture
IMKB 100 değer ağırlıklı endeksinin ve varyansının bulanık mantık ve sinir ağları yapısı ile tahmini
GÜRHAN MİLLİ
Yüksek Lisans
İngilizce
2000
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolBoğaziçi ÜniversitesiSistem ve Kontrol Mühendisliği Ana Bilim Dalı
DOÇ. DR. H. LEVENT AKIN
YRD. DOÇ. DR. NESRİN OKAY