Yıl: 2017 Cilt: 12 Sayı: 3 Sayfa Aralığı: 15 - 36 Metin Dili: Türkçe İndeks Tarihi: 29-07-2022

Finansal Verilerin ARIMA ve ARCH Modelleriyle Öngörüsü: Türkiye Örneği

Öz:
Bu çalışmanın amacı borsa, altın, döviz ve petrol fiyatlarının Box-Jenkins modelleri ve ARCH modelleri ile öngörülmesidir. Bu doğrultuda çalışmada BIST100 endeksi, altın ve petrol fiyatları ile döviz kuru değişkenlerine ait 01.02.2009-11.25.2016 tarihleri arasında yer alan haftalık veri setleri kullanılmıştır. Yapılan analizler sonucunda altın fiyatları haricindeki tüm değişkenlerde asimetrik etkinin varlığı ortaya koyulmuştur. Ayrıca ARCH modellerinden elde edilen öngörülerin theil istatistiklerinin sıfıra oldukça yakın olduğu bulunmuştur
Anahtar Kelime:

Konular: İşletme İktisat

Forecasting Financial Data with ARIMA and ARCH Models: The Case of Turkey

Öz:
The aim of this study is to predict the stock market, gold, foreign exchange and oil prices with Box-Jenkins and ARCH models. In this direction, weekly datasets are used of BIST100 index, gold and oil prices and exchange rate variables between 01.02.2009-11.25.2016. As a result of the analyses, asymmetric effect is revealed in all variables except gold prices. Also, the predictions obtained from the ARCH models were found to be close to zero in the theil statistics
Anahtar Kelime:

Konular: İşletme İktisat
Belge Türü: Makale Makale Türü: Araştırma Makalesi Erişim Türü: Erişime Açık
  • Abdalla, Suliman Zakaria Suliman (2012), “Modelling Exchange Rate Volatility using GARCH Models: Empirical Evidence from Arab Countries”, International Journal of Economics and Finance, Vol. 4, No.3: 216-229.
  • Aggarwal, Reena; Inclan, Carla; Leal, Ricardo (1999), “Volatility in Emerging Stock Markets”, Journal of Financial and Quantitative Analysis,Vol. 34, No. 1: 33-55.
  • Akomolafe, K. J.; Danladi, Jonathan D. (2013), “Modeling And Forecasting Crude Oil Price: Implications For The Nigeria’s 2013 Budget. Proposal”, International Journal Of Science And Research, Vol. 2, No. 5: 445-448.
  • Asad, Ali; Ch, Muhammda Iqbal; Qamar, Sadia; Akhtar, Noureen; Mahmood, Tahir; Hyder, Mehvish; Jamshed, Muhammad Tariq ( 2016), “Forecasting Of Daily Gold Price By Using Box-Jenkins Methodology”, International Journal of Asian Social Science, Vol. 6, No. 11: 614-624.
  • Aygören, Hakan; Sarıtaş, Hakan; Moralı, Tuncay (2012), “İMKB 100 Endeksinin YSA ve Newton Nümerik Arama Modelleri ile Tahmini, Uluslararası Alanya İşletme Fakültesi Dergisi, C. 4, S. 1: 73-88.
  • Bircan, Hüdaverdi; Karagöz, Yalçın (2003), “Box-Jenkins Modelleri ile Aylık Döviz Kuru Tahmini Üzerine Bir Uygulama”, Kocaeli Üniversitesi Sosyal Bilimler Enstitüsü Dergisi, S. 6: 49-62.
  • Black, Fama (1976), “Studies of Stock Price Volatility Changes”, https://brainmass.com/file/285288/Black_75.pdf , (Erişim: 10.09.2015).
  • Bollerslev, Tim (1986), “Generalized Autoregressive Conditional Heteroscedasticity”, Journal of Econometrics, Vol. 31, No. 3: 307 -327.
  • Büberkökü, Önder; Kızıldere, Celal (2017), “BIST100 Endeksinin Volatilite Özelliklerinin İncelenmesi”, V. Anadolu International Conference in Economics, May 11-13, 2017, Eskişehir, Türkiye.
  • Çevik, Osman (2002), “İMKB Endeksinin Box-Jenkins Yöntemi ile Modellenmesi”, Afyon Kocatepe Üniversitesi İİBF Dergisi, C. 4, S. 1: 17-31.
  • Deveci, Duygu (2013), “Predicting Gold and Silver Spot Prices in Turkey”,Yayınlanmamış Yüksek Lisans Tezi, Ortadoğu Teknik Üniversitesi.
  • Dickey, A. David; Fuller, Wayne A. (1979), “Distribution of the Estimators for Autoregressive Time Series with A Unit Root”, Journal of the American Statistical Association, Vol. 74, No. 366: 427-431.
  • Engle, Robert F. (1982), “Autoregressive Conditional Heteroscedasticity with Estimates of the Variance of United Kingdom Inflation”, Econometrica, Vol. 50, No. 4: 987-1007.
  • Erdoğan, Olcay; Göksu, Ali (2014), “Forecasting Euro and Turkish Lira Exchange Rates With Artificial Neural Networks (Ann)”, International Journal of Academic Research in Accounting, Finance and Management Sciences, Vol. 4, No. 4: 307–316.
  • Etuk, Ette Harrison; Uchendu, Bartholomew; Udo, Ephraim Okon (2012), “Box-Jenkins Modelling Of Nigerian Stock Prices Data”, Greener Journal Of Science Engineering And Technological Research, Vol. 2, No. 2: 32-38.
  • Fernandez, Viviana (2007), “Forecasting Commodity Prices By Classification Methods: The Cases Of Crude Oil Andnatural Gas Spot Prices”, Banco Central De Chile Conference, July 27 2007.
  • Gökbulut, İlker Rasim; Gümrah, Ümit; Köseoğlu Derindere, Sinem (2011), “Modelling the volatility in Istanbul Stock Exchange : Shifting from Box- Jenkins to ARCH type models”, İstanbul Üniversitesi İşletme Fakültesi Dergisi, C. 40, S. 2: 251–266.
  • Gökbulut, İlker Rasim; Pekkaya, Mehmet (2014), “Estimating and Forecasting Volatility of Financial Markets Using Asymmetric GARCH Models: An Application on Turkish Financial Markets”, International Journal of Economics and Finance, Vol. 6, No. 4: 23-35.
  • Gupta, Sanjeev; Kashyap, Sachin (2015), “Box Jenkins Approach To Forecast Exchange Rate in India”, Pıjmr, Vol. 7, No. 2: 1-11.
  • Kadılar, Cem; Şimşek, Muammer; Aladağ, Çağdaş Hakan (2009), “Forecasting The Exchange Rate Series With ANN: The Case Of Turkey”, İstanbul Üniversitesi İktisat Fakültesi Ekonometri ve İstatistik Dergisi, S. 9: 17-29.
  • Kandora, Abbas; Hasbalrasol Abbas; Hamdi, Ahmed Mohammed Abdullah (2016), “Modelling Exchange Rate Volatility Using Asymmetric GARCH Models (Case Study Sudan)”, Journal of Mathematics, Vol. 12, No. 2: 71-77.
  • Kaynar, Oğuz; Taştan, Serkan; Demirkoparan, Ferhan (2010), “ Ham Petrol Fiyatlarının YSA ile Tahmini”, Ege Akademik Bakış, C. 10, S. 2: 559-573.
  • Keskin Benli, Yasemin; Yıldız, Ayşe (2014), “Altın Fiyatının Zaman Serisi Yöntemleri ve YSA ile Öngörüsü”, Dumlupınar Üniversitesi Sosyal Bilimler Dergisi, S. 42: 213-224.
  • Khaemasunun,Pravit (2009),“Forecasting Thai Gold Prices. Available From Http://Www.Wbiconpro.Com/3-Pravit-.Pdf. (10.11.2016).
  • Khan, M. Massarrat Ali (2013), “Forecasting Of Gold Prices (Box Jenkins Approach)”, International Journal of Emerging Technology and Advanced Engineering , Vol. 3, No. 3: 662-670.
  • Lineesh, M.C.; Minu, K.K.; John, C.Jessy (2010), “Analysis Of Non Stationary Nonlinear Economic Time Series Of Gold Price A Comprative Study”, International Mathematical Forum, Vol 5, No. 34: 1673-1683.
  • Liu, Hung Chun; Hung, Jui Cheng (2010), “Forecasting S&P-100 stock index volatility: The role of volatility asymmetry and distributional assumption in GARCH models”, Expert Systems with Applications, Vol. 37, No. 7: 4928-4934.
  • Mensah, Emmanuel Kwasi (2015), “Box-Jenkins Modelling and Forecasting of Brent Crude Oil Price”, Https://Mpra.Ub.Uni-Muenchen.De/67748/14/Mpra_Paper_67748.Pdf, (10.11.2016).
  • Muibi, Saibu Olufemi (2015), “Determining Optimal Crude Oil Price Benchmark in Nigeria: An Empirical Approach”, The Romanian Economic Journal, Vol. 18, No. 58: 51-80.
  • Nelson, Daniel B. (1991), “Conditional Heteroscedasticity in Asset Returns: A New Approach”, Econometrica, Vol. 59, No. 2: 703-708.
  • Özalp, Alperen; Anagün, A. Sermet (2001), “Sektörel Hisse Senedi Fiyat Tahmininde Yapay Sinir Ağı Yaklaşımı ve Klasik Tahminleme Yöntemleri ile Karşılaştırılması”, Endüstri Mühendisliği Dergisi, C. 12, No. 3-4: 2-17.
  • Pacelli, Vincenzo (2012), “Forecasting Exchange Rates: A Comparative Analysis”, International Journal of Business and Social Science , Vol. 3, No. 10: 145-156.
  • Peters, Jean Philippe (2001), “Estimating and forecasting volatility of stock indices using asymmetric GARCH models and (Skewed) Student-t densities”, http://www.unalmed.edu.co/~ndgirald/Archivos%20 Lectura/Archivos%20curso%20Series%20II/jppeters.pdf (Erişim:13.06.2017).
  • Phillips, Peter; Perron, Pierre (1988), “Testing for a Unit Root in Time Series Regressions”, Biometrika, Vol. 75, No. 2: 335-346.
  • Ping, Pung Yean; Miswan, Nor Hamizah; Ahmad, Maizah Hura (2013), “Forecasting Malaysian Gold Using Garch Model”, Applied Mathematical Sciences, Vol. 7, No. 58: 2879 – 2884.
  • Sekreter, Αhmet; Gürsoy, Faruk (2014), “Combining Forecasting Method vs. Individual Forecasting Methods: Evidence from Istanbul Stock Exchange National 100 Index”, The Empirical Economics Letters, Vol. 13, No. 7: 735-743.
  • Tambi, Mahesh Kumar (2005), “Forecastıng Exchange Rate A Uni-Variate Out of Sample Approach (Box-Jenkins Methodology)”, The Iup Journal of Bank Management, Vol. 4, No. 2: 60-74.
  • Taşpunar Altuntaş, Semra; Çolak, Fatma Deniz (2015), “BİST-100 Endeksinde Volatilitenin Modellenmesi Ve Öngörülmesinde ARCH Modelleri”, İstanbul Üniversitesi İşletme İktisadı Enstitüsü Dergisi, S. 79: 208-223.
  • Tayyar, Nezih; Tekin, Selin (2013), “ İMKB-100 Endeksinin Destek Vektör Makineleri İle Günlük, Haftalık ve Aylık Veriler Kullanarak Tahmin Edilmesi “,AİBÜ Sosyal Bilimler Enstitüsü Dergisi, C. 13, S. 1: 189-217.
  • Thorlie, Milton Abdul; Song, Lixin; Wang, Xiaoguang; Amin, Muhammad (2014), “Modelling Exchange Rate Volatility Using Asymmetric GARCH Models (Evidence from Sierra Leone)”, International Journal of Science and Research, Vol. 3, No. 11: 1206-1214.
  • Tlegenova, Daniya (2015), “Forecasting Exchange Rates Using Time Series Analysis: The Sample Of The Currency Of Kazakistan”, Https://Arxiv.Org/Ftp/Arxiv/Papers/1508/1508.07534.Pdf, (Erişim: 21.11.2016).
  • Xie, Wen; Yu, Lean; Shanying, Xu; Wang, Shouyang (2006), "A New Method For Crude Oil Price Forecasting Based On Support Vector Machines", International Conference on Computational Science, 444-451.
  • Yayar, Rüştü; Karaca, Serdar (2011), “Estimating Index and an Aplication on the Istanbul Stock Exchange (Ise) Natıionalindustrials Index”, Muhasebe Bilim Dünyası Dergisi, C. 13, S. 2: 164-188.
  • Yaziz, Siti Roslindar; Ahmad, Maizah Hura; Nian, Lee Chee; Muhammad, Noryanti (2011), “A Comparative Study on Box-Jenkins and Garch Models in Forecasting Crude Oil Prices”, Journal of Applied Sciences, Vol. 11, No. 7: 1129- 1135.
APA DEĞİRMENCİ N, akay a (2017). Finansal Verilerin ARIMA ve ARCH Modelleriyle Öngörüsü: Türkiye Örneği. , 15 - 36.
Chicago DEĞİRMENCİ Nurdan,akay ali Finansal Verilerin ARIMA ve ARCH Modelleriyle Öngörüsü: Türkiye Örneği. (2017): 15 - 36.
MLA DEĞİRMENCİ Nurdan,akay ali Finansal Verilerin ARIMA ve ARCH Modelleriyle Öngörüsü: Türkiye Örneği. , 2017, ss.15 - 36.
AMA DEĞİRMENCİ N,akay a Finansal Verilerin ARIMA ve ARCH Modelleriyle Öngörüsü: Türkiye Örneği. . 2017; 15 - 36.
Vancouver DEĞİRMENCİ N,akay a Finansal Verilerin ARIMA ve ARCH Modelleriyle Öngörüsü: Türkiye Örneği. . 2017; 15 - 36.
IEEE DEĞİRMENCİ N,akay a "Finansal Verilerin ARIMA ve ARCH Modelleriyle Öngörüsü: Türkiye Örneği." , ss.15 - 36, 2017.
ISNAD DEĞİRMENCİ, Nurdan - akay, ali. "Finansal Verilerin ARIMA ve ARCH Modelleriyle Öngörüsü: Türkiye Örneği". (2017), 15-36.
APA DEĞİRMENCİ N, akay a (2017). Finansal Verilerin ARIMA ve ARCH Modelleriyle Öngörüsü: Türkiye Örneği. Eskişehir Osmangazi Üniversitesi İktisadi ve İdari Bilimler Dergisi, 12(3), 15 - 36.
Chicago DEĞİRMENCİ Nurdan,akay ali Finansal Verilerin ARIMA ve ARCH Modelleriyle Öngörüsü: Türkiye Örneği. Eskişehir Osmangazi Üniversitesi İktisadi ve İdari Bilimler Dergisi 12, no.3 (2017): 15 - 36.
MLA DEĞİRMENCİ Nurdan,akay ali Finansal Verilerin ARIMA ve ARCH Modelleriyle Öngörüsü: Türkiye Örneği. Eskişehir Osmangazi Üniversitesi İktisadi ve İdari Bilimler Dergisi, vol.12, no.3, 2017, ss.15 - 36.
AMA DEĞİRMENCİ N,akay a Finansal Verilerin ARIMA ve ARCH Modelleriyle Öngörüsü: Türkiye Örneği. Eskişehir Osmangazi Üniversitesi İktisadi ve İdari Bilimler Dergisi. 2017; 12(3): 15 - 36.
Vancouver DEĞİRMENCİ N,akay a Finansal Verilerin ARIMA ve ARCH Modelleriyle Öngörüsü: Türkiye Örneği. Eskişehir Osmangazi Üniversitesi İktisadi ve İdari Bilimler Dergisi. 2017; 12(3): 15 - 36.
IEEE DEĞİRMENCİ N,akay a "Finansal Verilerin ARIMA ve ARCH Modelleriyle Öngörüsü: Türkiye Örneği." Eskişehir Osmangazi Üniversitesi İktisadi ve İdari Bilimler Dergisi, 12, ss.15 - 36, 2017.
ISNAD DEĞİRMENCİ, Nurdan - akay, ali. "Finansal Verilerin ARIMA ve ARCH Modelleriyle Öngörüsü: Türkiye Örneği". Eskişehir Osmangazi Üniversitesi İktisadi ve İdari Bilimler Dergisi 12/3 (2017), 15-36.