Varantların teorik fiyatının piyasa fiyatını açıklama gücü: Black ve Scholes opsiyon fiyatlama modeli çerçevesinde İMBK`de bir uygulama

Abstract

Bu çalışmanın amacı Black ve Scholes Modeli'nin, İMKB'de Kurumsal Ürünler Pazarı'nda işlem görmekte olan aracı kurum varantlarının fiyat hareketlerini açıklama yetisinin araştırılmasıdır. Bu çalışmada 13.08.2010 ? 30.03.2012 tarihleri arasında işlem görmüş olan 319 varanta ait veriler kullanılmıştır. Bu 319 varant, 12 farklı hisse senedini ve İMKB?30 endeksini dayanak varlık olarak kullanmaktadır. Black ve Scholes Modeli kullanılırken volatilite ve faiz oranı değişkenleri için farklı seçenekler kullanılarak altı alt model oluşturulmuştur. Alt modellerden hangisinin piyasa fiyatlarını en yakın şekilde açıkladığı tespit edilmeye çalışılmıştır.Öngörü hatası istatistiklerinin sonuçlarına göre, TCMB'nin politika faiz oranı ve 90 günlük volatilite verileri kullanılarak oluşturulmuş alt model piyasada gerçekleşen fiyatları en yüksek açıklama gücüne sahip olandır. Ayrıca, 90 ve 180 günlük volatilite verileri kullanılarak oluşturulan alt modellerin 5 günlük volatilite verileri kullanılarak oluşturulan alt modellere göre daha yüksek oranda başarılı oldukları açıkça görülmüştür. Politika faiz oranları ile oluşturulan alt modellerin gösterge faiz oranları ile oluşturulan alt modellere göre daha başarılı oldukları ortaya çıkan bir diğer sonuçtur.

The aim of this study is to investigate the capability of Black and Scholes Model?s in forecasting the price movements of Intermediary Institution Warrants that are traded in ISE Collective Products Market. For this research, data of 319 warrants traded between the dates of 13.08.2010 and 30.03.2012 are used. These 319 warrants used 12 different stocks and ISE 30 Index as underlying assets. While using Black and Scholes Model, 6 different sub-models are constructed by using volatility and interest rate parameters. Out of these 6 models the one that closely forecasts market prices is determined in the research.Forecasting error statistics show that the sub-model that uses CBRT?s policy interest rate and 90 day volatility data had the highest capacity to forecast market prices. On the other hand, the results obtained by forecasting error statistics were evaluated, it was seen that the sub-models constructed by using 90 and 180-day volatility data are more successful than the sub-models constructed by using 5 day -volatility data. This indicates that sub-models that use CBRT?s policy interest rate are more successful than the sub-models that use market benchmark interest rate in forecasting the market prices.