Türkiye`de vadeli işlem ve opsiyon piyasası`nın etkinliği ve sözleşmelerin karşılaştırmalı fiyat öngörümlemesi

Abstract

Finansal piyasalarda oluşan belirsizliğin ve riskin giderilmesi amacıyla geliştirilmiş olan türev piyasalarda, piyasaya duyulan güven, piyasa işlevselliğinin en önemli belirleyicisidir. Piyasaların güvenilirliği ise, doğru bilginin piyasaya dahil olan tüm unsurlara aynı anda ulaşmasını takiben alınan doğru kararlar ile yakından ilgilidir. Bu durum ancak piyasaların etkin olarak işlemesi durumunda gerçekleşebilmektedir. Eğer piyasa etkin değilse, piyasadaki mevcut tüm bilgilerin finansal varlıkların fiyatlarına tam ve doğru olarak yansımaması nedeniyle geçmiş dönem fiyat hareketlerinden yararlanarak gelecek döneme ilişkin öngörümleme yapmak mümkün olmaktadır. Etkin olmayan piyasalarda işlem gören finansal varlıkların gelecekte alacakları değerlerin öngörümlenmesi ise karar alma birimlerinin ilgilendiği konuların başında gelmektedir. Çünkü risk yönetimi ve geleceğe dönük fiyat oluşumu gibi iki temel fonksiyonu bulunan türev piyasalarda işlem gören sözleşmelerin gelecekte oluşacak fiyatlarının dolayısıyla oynaklığının öngörümlenmesi hem ülke ekonomisi hem de piyasa yatırımcıları açısından çok önemlidir. Bu çalışmada öncelikle, Türkiye'de faaliyet gösteren Vadeli İşlem ve Opsiyon Piyasası'nın etkinliği; Genişletilmiş (Augmented) Dickey-Fuller (ADF), Phillips-Perron (PP) ve Kwiatkowski-Phillips-Schmidt-Shin (KPSS) doğrusal birim kök testleri ve Kapetanios, Shin ve Snell (KSS) doğrusal olmayan birim kök testi uygulanarak sınanmıştır. Uygulanan tüm birim kök testleri sonucunda serilerin birim kök içermediğine yani rassal yürüyüş sergilemediğine karar verilmiş, böylece piyasanın etkin olmadığı sonucuna ulaşılmıştır. Ardından, zayıf formda etkin olmadığı belirlenen Vadeli İşlem ve Opsiyon Piyasası'nda işlem gören TL/Dolar ve Bist-30 sözleşmelerinin gün sonu uzlaşma fiyatının öngörümlenmesinde en yüksek performansı gösteren yöntemin belirlenmesi amaçlanmıştır. Bu amaçla, Borsa İstanbul A.Ş'den temin edilen ve 04.02.2005 – 31.12.2015 tarihleri arasını kapsayan verilere, tek değişkenli zaman serisi yöntemi olan Box-Jenkins (ARMA – Otoregresif Hareketli Ortalama), otoregresif koşullu değişen varyans modelleri (ARCH, GARCH, EGARCH…) ve son olarak finansal verilere ilişkin uygulamaları her geçen gün artan yapay sinir ağları yöntemi uygulanmıştır. Zaman serileri analizi yöntemlerinin ürettiği öngörü sonuçları; farklı mimariler, katman sayıları, katmanlardaki hücre sayıları, aktivasyon fonksiyonları ve öğrenme yöntemleri denenerek elde edilen ve en yüksek performansı gösteren yapay sinir ağı modeli sonuçları ile karşılaştırılmıştır.Bu çalışmadan elde edilen bulgulara göre, TL/Dolar sözleşme serisi için RBF-1-B-L yapay sinir ağı modeli, ARMA(4,4) ve ARCH(1) modeline kıyasla daha yüksek öngörü performansı göstermiştir. Bist-30 sözleşme serisi için ise TDNN-1-B-L yapay sinir ağı modeli, ARMA(4,5) ve ARCH(1) modeline kıyasla daha yüksek öngörü performansı gösteren model olmuştur. Ayrıca çalışmada uygulanan Brock, Dechert ve Scheinkman (BDS) doğrusallık testi ile doğrusal olmayan bir yapı sergilediği tespit edilen sözleşme serilerinin gelecek dönem öngörümleme işleminde, hem doğrusal hem de doğrusal olmayan seriler ile çalışabilme özelliği olan yapay sinir ağları modellerinin güçlü alternatif bir yöntem olduğu sonucuna ulaşılmıştır.

In derivative markets developed for eliminating uncertainty and risk arising from financial markets, confidence in the market is the most important determinant of market functioning as in others. Market credibility is closely related to the right decisions that are made, after the right information is received by all components of the market. This can only be achieved by effectively processing markets. If the market is not effective, it is possible to make forecasts for the future period using past period price movements since all the information available on the market has not been fully and accurately reflected in the prices of financial assets. Forecasting the future values of financial assets traded in ineffective markets is at the top of the issues that decision-making units are interested in. Because forecasting the future prices of contracts that are traded on derivative markets that have two basic functions such as risk management and future price formation is very important for both the country's economy and market investors.In this study, firstly, the effectiveness of the Turkish Derivatives Market was tested by applying the Augmented Dickey-Fuller (ADF), Phillips-Perron (PP) and Kwiatkowski-Phillips-Schmidt-Shin (KPSS) linear unit root tests and Kapetanios, Shin ve Snell (KSS) nonlinear unit root test. As a result of all unit root tests, it was concluded that the series did not have unit roots, that is, they did not show random walk, so that the market was not effective. Then, the method that shows the highest performance is tried to be determined when forecasting the end of day settlement price of the TL/Dollar and Bist-30 contracts which is traded in the Derivatives Market . For this purpose, Box-Jenkins (ARMA - Autoregressive Moving Average), autoregressive conditionally heteroscedasticity models (ARCH, GARCH, EGARCH, ...), and finally, artificial neural networks method has been applied to the data which is provided from Borsa Istanbul Inc. and covering the dates between 04.02.2005 and 31.12.2015. The forecasting results produced by the time series analysis methods are compared with the results of the artificial neural network model which has the best performance by employing different architectures, layer numbers, cell numbers in layers, activation functions and learning methods.According to the results of analysis, RBF-1-BL artificial neural network model performed better than ARMA (4,4) and ARCH (1) model for TL/Dollar contract series. For the Bist-30 contract series, TDNN-1-B-L artificial neural network model has higher predictive performance than ARMA (4.5) and ARCH (1) models. Brock, Dechert ve Scheinkman (BDS) linearity tests conducted in this study have shown that the contract series are non-linear. Thus, artificial neural network models, which are capable of working with both linear and nonlinear series, are powerful alternative methods in the forecasting of the future period.