Borsa İstanbul endekslerindeki oynaklığın heterojen otoregresif türü modellerle analizi

Abstract

Oynaklık tahminleri, yüksek frekanslı verilerin kullanımına olanak sağlayan Heterojen Otoregresif (HAR) modeller ile yapılmaktadır. Bu çalışmada otuz dört farklı Borsa İstanbul endeksi için gün içi veriler kullanarak HAR türü modellerle incelenmiştir. Çalışmada piyasa hipotezleri, finansal serilerin özellikleri, yüksek frekanslı verilerin yapısı, mikro yapı etkisi, sıçrama kavramı, gerçekleşen oynaklık ölçümlerine ve bu ölçümler kullanılarak yapılan farklı HAR türü modellerine değinilmiştir.Bu çalışmanın amacı, bu endeksler için 04.10.2019 – 31.05.2022 dönemi kapsamında beşer dakikalık frekanslı verileri kullanarak farklı HAR türü modelleri ile gerçekleşen oynaklık tahminleri yaparak en uygun modeli ortaya koymaktır. Bu kapsamda HAR, CHAR-BPV, CHAR-MinRV, CHAR-MedRV, HAR-RV-J, HAR-MinRV-J, HAR-MedRV-J, HAR-Q, HAR-Q-J ve kaldıraçlı HAR modeli tahminleri yapılmıştır. Genel olarak sıçramayı dikkate alan modellerin daha iyi sonuçlar ortaya koymasıyla birlikte, kaldıraçlı HAR modelinin endekslerdeki gerçekleşen oynaklığı daha iyi yansıttığı ortaya konulmuştur. Yüksek frekanslı verilerin tahminine olanak sağlayan HAR türü modeller ile yapılacak oynaklık tahminleri piyasadaki yatırımcılara, analistlere ve konuyla ilgili çalışma yapacaklara iyi bir yaklaşım olarak önerilmektedir.

Volatility forecasting are made with Heterogeneous Autoregressive (HAR) models that allow the use of high frequency data. In this study, thirty-four different Borsa Istanbul indices were used with HAR type models using intraday data for. In the study, market hypotheses, characteristics of financial series, structure of high-frequency data, microstructure effect, concept of jump, realized volatility measurements and different HAR models made using these measurements are mentioned.The aim of this study is to reveal the most appropriate model by making volatility estimates with different HAR type models using five-minute frequency data for the period of 04.10.2019 - 31.05.2022 for these indices. In this context, HAR, CHAR-BPV, CHAR-MinRV, CHAR-MedRV, HAR-RV-J, HAR-MinRV-J, HAR-MedRV-J, HAR-Q, HAR-Q-J and leveraged HAR model predictions were made. It has been revealed that the leveraged HAR model better reflects the realized volatility in the indices, while the models that take into account the bounce show better results in general. The volatility estimates to be made with HAR-type models that allow the estimation of high-frequency data are recommended as a good approach to investors, analysts and those who will work on the subject.