Identification through heteroscedasticity within the network connectedness framework: The Systemic Five stock markets

Abstract

Bu tezde vektör otoregresif modelden hesaplanan öngörü hatası varyans ayrıştırması ile oluşturulmuş özel bir bağlanmışlık çerçevesi incelenmiştir. İlgili model günlük borsa endeks getirileri kullanılarak regresyon tahmini yöntemi ile hesaplanmış ve taşma tablosu oluşturulmuştur. Bir ağ yapısını gösteren bu tablo, taşma endeksi adı verilen bir ölçü ile özetlenmiştir.Bir dizi taşma tablosu ile yola çıkılarak, bu çerçeve muhtelif doğrultularda geliştirilmiştir. İlk olarak bir pazarın bilgi yayma potansiyeli hesaplanmıştır. İkinci olarak günden güne üretilen bilgi miktarı ölçülmüştür. Bunun ötesinde ağın bilgi işleme hızını ve kararlılığını ölçen bir entropi kavramı da oluşturulmuştur.Yukarıda ölçüler kullanılarak hali hazırda kullanılan model belirleme yöntemlerinin genellikle yanlış tahminlerde bulunduğu gösterilmiştir.Bu tezde uygun bir yapısal vektör otoregresif model belirleme yöntemi seçeneği olarak `ayrı varyans kullanımı ile belirleme` yöntemi önerilmektedir.Bu yöntemde incelenen veri kümesindeki yapısal şokların varyanslarındaki kırılmalar belirleme işleminde kullanılmaktadır. Ampirik bir uygulama olarak beş pazardan (`Sistemik Beşli`) oluşan bir sistem çözümlenmiştir. Bu sistemi Dow Jones Sanayi, FTSE, EuroStoxx-50, Nikkei-225 ve Şangay Bileşik endeksleri oluşturmaktadır. Ayrı varyans kullanımı ile belirleme yöntemi, pazarların müreffeh ve kararlı olduğu dönemlerde doğudaki pazarların batıdaki pazarlara göre bağıl bilgi yayma özelliğinin oldukça arttığını göstermiştir. Benzer şekilde meşakkatli zamanlarda ise bu etkinin tersine döndüğü gözlenmiştir.Ağ kararlılığı bağlamında, sistem kararlılığının taşma endeksi ile doğrusal olarak arttığı gözlemlenmektedir. Daha yüksek taşma endeksi seviyelerinde ise sistem kararlılığı önce belli miktarda azalmakta daha sonra ise tekrar doğrusal olarak artmaktadır.Sonuç olarak; ağ bağlanmışlık çerçevesi kapsamında ayrı varyans kullanımı ile belirleme yönteminin daha geniş aralıktaki ağ hareket kümelerinin incelenebilmesi için uygun bir seçenek olduğu düşünülmektedir.

Our focus in this thesis is a particular network connectedness framework developed through decomposing the forecast error variance that results from a vector auto regressive (VAR) model. The model is estimated using daily returns on stock indices, yielding a spillover table which can be interpreted as a network structure and summarized in a measure so-called spillover index.Departing from a sequence of spillover tables, this framework has been enhanced in several directions with concepts to quantify: (i) a market's potential to spread information, (ii) the amount of information gained from day to day and (iii) the speed of information processing and the degree of network stability. We evaluate the performance of the extant identification approaches, and show that they are arbitrarily misestimating with respect to the above-mentioned network measures. As an alternative, we propose the use of identification through heteroscedasticity (ITH) which utilizes heteroscedasticity in the data to identify structural VARs.As an empirical example, we analyze `Systemic Five` system of markets representing stock indices DJIA, FTSE, EuroStoxx-50, Nikkei-225 and SSEC.ITH uncovers that at prosperous and stable times, eastern markets' relative importance with respect to the western ones' increase significantly, and during times of trouble their importance decrease drastically.In terms of network stability, we observe that the system stability increases linearly with increasing spillovers followed by temporary decreases and then linear increases again. We conclude that ITH could be proposed as a viable identification approach candidate in the network connectedness framework to investigate richer sets of network dynamics.