BORSA ISTANBUL KURUMSAL YÖNETİM ENDEKSİ'NDE (XKURY) VOLATİLİTENİN ETKİSİ: ARCH, GARCH ve SWARCH MODELLERİ İLE BİR İNCELEME

Süleyman Demirel Üniversiesi İkisadi ve İdari Bilimler Fakülesi Dergisi Y.017, C., S.3, s.697-711. Suleyman Demirel Universiy The Journal of Faculy of Economics and Adminisraive Sciences Y.017, Vol., No.3, pp.697-711. BORSA ISTANBUL KURUMSAL YÖNETİM ENDEKSİ'NDE (XKURY) VOLATİLİTENİN ETKİSİ: ARCH, GARCH ve SWARCH MODELLERİ İLE BİR İNCELEME THE EFFECT OF VOLATILITY IN THE BORSA ISTANBUL CORPORATE GOVERNANCE INDEX (XKURY): AN EXAMINATION WITH THE ARCH, GARCH AND SWARCH MODELS Şeyma ÇALIŞKAN ÇAVDAR *, Alev Dilek AYDIN ** * Yrd. Doç. Dr., Haliç Üniversiesi, İşleme Fakülesi, Uluslararası Ticare ve İşlemecilik Bölümü, seymacaliskan@halic.edu.r ** Yrd. Doç. Dr., Haliç Üniversiesi, İşleme dilekaydin@halic.edu.r Fakülesi, Uluslararası Ticare ve İşlemecilik Bölümü, ÖZ Bu çalışma Borsa İsanbul Kurumsal Yöneim Endeksi'nin (XKURY) volailiesini ARCH, GARCH ve SWARCH modelleri yardımıyla ve endeksin 03.03.014 ile 10.03.017 arasındaki günlük kapanış verilerini kullanarak incelemeyi amaçlamakadır. Finansal piyasalarda volailie yani oynaklık en önemli risk ölçüm aracı olarak görülmeke ve volailienin ölçümü de araşırmacılar arasında giderek daha fazla ilgi çeken bir araşırma konusu haline gelmekedir. Bu çalışmadaki ana amacımız herhangi bir harekelenmeden veya asimerik bilgiden dolayı volailienin armasından öürü XKURY'nin bu durumdan ekilenip ekilenmediğini belirlemekir. Dolayısıyla bu çalışma Borsa İsanbul Kurumsal Yöneim Endeksi'nin (XKURY) riskini belirlenen dönem için ölçmekedir. Ampirik bulgularımız bize SWARCH modellerinin ARCH ve GARCH modellerine göre volailieyi ölçmede daha başarılı bir performans sergilediğini gösermekedir. Dolayısıyla, araşırmacılar çalışma yaparken ARCH ve GARCH modellerine alernaif olarak SWARCH modellerini de kullanabilirler. Anahar Kelimeler: ARCH, GARCH, Volailie, SWARCH Jel Kodları: G10, G17 ABSTRACT This paper aims o examine he volailiy of Borsa Isanbul Corporae Governance Index (XKURY) by means of ARCH, GARCH and SWARCH models and by using he daily closing values of he index beween 03.03.014 and 10.03.017. Volailiy is considered as one of he mos imporan measures of risk in he financial markes and measuring volailiy has been one of he mos aracive areas of research for he researchers. Our main goal in his research is o deermine wheher XKURY is influenced from any kind of movemens or from any assymmeric informaion due o an increase in volailiy. Therefore, his sudy evaluaes he risk of XKURY for he deermined ime period. Our empirical findings indicae ha he SWARCH models perform beer in forecasing he volailiy han he ARCH and GARCH models. The researchers herefore can employ he SWARCH models as an alernaive o he ARCH and GARCH models when conducing sudies. Keywords: ARCH, GARCH, Volailiy, SWARCH Jel Codes: G10, G17 697

ÇALIŞKAN ÇAVDAR AYDIN 017 1. GİRİŞ Risk ve geiri kavramları modern finans eorisinde önemli bir yere sahipir çünkü finansal yaırımcılar elde eikleri sermayeyi gelir elde eme amaçlı olarak yaırıma yönlendirdiklerinde bu sermayenin bir bölümünü kaybeme olasılığıyla karşı karşıya olduklarını bilmekedirler. Dolayısıyla yaırımcılar için yüksek risk ve belirsizliğin olduğu finansal piyasalarda gelir elde eme amaçlarını gerçekleşirebilmek için ekin bir risk yöneimi hayai bir öneme sahipir. Ekin bir risk yöneimi denince akla, yaırım yapılan menkul kıymelerin gelecekeki durumlarının, geiri ve risk düzeyi bağlamında iyi analiz edilmesi gelmekedir. Volailie, risk yöneimindeki en emel kavramlardan bir anesidir ve kısaca, bir menkul kıymein fiyaının veya piyasanın genelinin belli bir zaman dilimindeki dalgalanma özelliği olarak anımlanabilir. Son yirmi yılda, özellikle de 008 finansal krizinden bu yana finansal piyasaların içinde yer alan üm kesimlerin dikkale izledikleri en önemli gelişmelerden bir anesi finansal piyasalarda görülen yüksek volailiedir. Kuşkusuz bu arışa dünya genelinde ekonomide yaşanan gelişmeler ve siyasi isikrarsızlıkların payı büyükür. Son yaşanan finansal krizden sonra yaırımcıların bir kısmı büyük mikarlarda kazanç elde ederken, bir kısmı da önemli kayıplar vermişir. Bu durum ise finansal piyasalarda yaşanan volailienin ahmin edilmesine ve modellenmesine olan ilgiyi arırmışır. Finansal piyasaları am olarak gelişimini amamlamamış Türkiye gibi gelişmeke olan ülkelerde siyasi ve ekonomik belirsizlikler yaırımcılar arasında risk algısının armasına yol açmakadır. Bu belirsizlik oramı ve yüksek volailie ise adea bir kısır döngü şeklinde finansal piyasaların daha fazla gelişmesine engel olmakadır. Bir piyasadaki riski ölçmek için volailienin ölçülmesi konusu kadar volailienin kaynağını da değerlendirmek gerekmekedir. Volailienin en önemli nedenleri olarak ekonomide yaşanan belirsizlikler, piyasalardaki olumlu ya da olumsuz beklenilerin arması, poliik isikrarsızlık ve makro ekonomideki dengesizlikler göserilebilir. Böyle volail bir piyasa kuşkusuz, uzun vadeli düşünen kurumsal yaırımcılardan çok, kısa vadeli yaırımcılar ve spekülaörler için çekici olmakadır. Volailie, piyasa akörleri ve diğer ilgili kesimler arafından riskin ölçümünde kullanıldığı için özel bir öneme sahipir. Yakın bir zamana kadar volailie kavramı sandar sapma ile ifade edilmişir. Halbuki volailie anlam olarak dalgalanma ya da oynaklık demekir ve günümüzde finansal değişkenler için varyansın sabi olduğu varsayımı büyük ölçüde geçerliliğini kaybemişir. Bu nedenle günümüzde değişen varyans ve kovaryans modellemesine olanak sağlayan çeşili ekonomerik yönemler gelişirilmiş, volailienin bu özelliğinden dolayı doğrusal zaman serileri yerine doğrusal olmayan zaman serisi eknikleri kullanılmaya başlanmışır. Günümüzde yüksek frekanslı günlük finansal verilerin kullanıldığı çalışmalarda önde gelen volailie modellemelerinden birisi olarak koşullu değişen varyans modellemeleri kullanılmakadır. Koşullu değişkenliği modellemede en iyi sonuçları veren modeller olarak ise ARCH ve GARCH ipi modeller ön plana çıkmakadır. Açılımı yapıldığında Ooregresif Koşullu Değişen Varyans anlamına gelen ARCH modeli Rober F. Engle (198) arafından gelişirilmişir. Sonrasında ise ARCH modeli Bollerslev (1986) arafından gelişirilerek Genişleilmiş ARCH (GARCH) modeli elde edilmişir. Bu model, emelinde, varyansın da zaman geçikçe geçmiş dönem varyanslarına bağlı olarak değişiği varsayımına dayanmakadır. Böylece GARCH ile volailie ahminlerinde biraz daha gelişme sağlanmışır. Her iki modelin de emel özelliği, genellikle zaman serilerinin büyük çoğunluğunda görülen dönemler arası bağımlılık ile değişen 698

C., S.3 Borsa Isanbul Kurumsal Yöneim Endeksi'nde (XKURY) Volailienin Ekisi: varyansı modelleyebilmesidir. Ayrıca her iki model de serinin geçmiş değerlerinden başka veriye ihiyaç duymadan volailieyi basi bir şekilde modelleyebilmekedirler. Ancak ARCH ve GARCH modellerinin volailie üzerindeki şoklara karşı simerik epki vermesi, finansal verilerin geniş dağılımlara sahip olması, buna ek olarak zaman içinde volailielerinin değişmesi ve ookorelasyonlu bir yapıya sahip olmaları nedeniyle araşırmalarda sağlıklı sonuçlar elde edilememeye başlanmışır. Bu olumsuzlukları giderebilmek adına araşırmacılar değişik varyans modelleri gelişirmişlerdir. Bu sorunları oradan kaldırmaya yönelik olarak gelişirilen GARCH modellerinin başında EGARCH, TGARCH, AGARCH, QGARCH, IGARCH, NGARCH, VGARCH, ARCH- M ve Augmened GARCH gibi modeller gelmekedir. Bunlara ek olarak Hamilon ve Susmel (1994), modellerin oynaklık analizlerinde bazı eksik yönlerin olduğunu belirlemiş ve alernaif olarak Markow Swiching Auoregressive Condiional Heeroscedasiciy (MS-ARCH ya da SWARCH), yani Markov Geçişli Ardışık Bağlanımlı Koşullu Değişen Varyans'ı gelişirmişlerdir. Bu anlamda SWARCH modeli Box ve Jenkins in sabi paramereli, dağılımın durağan olduğunu varsayan doğrusal zaman serisi modellerine alernaif olarak önerilmiş bir modeldir. Bu çalışmanın amacı 31.08.007 arihinde faaliyee geçen Borsa Isanbul Kurumsal Yöneim Endeksi'nin (XKURY) risklilik derecesinin, dolayısıyla günlük verilerinin volailiesinin değerlendirilmesidir. Bunun için 03.03.014 ile 10.03.017 arihleri arasındaki XKURY günlük kapanış verileri kullanılmışır. Yapılan bu ahminlerin öngörü performanslarının değerlendirilmesi için ise ARCH, GARCH ve SWARCH ipi modeller kullanılmışır. Çalışmanın geri kalanında ilk olarak konuyla ilgili yapılmış önde gelen yerli ve yabancı çalışmaların yer aldığı lieraür araması kısmı yer almakadır. İzleyen bölümde ARCH ve GARCH modelleri hakkında kısaca bilgi verilecekir. Sonrasında araşırmanın amacı, yönemi, analizi, bulguları ve bulguların yorumlandığı uygulama kısmı gelmekedir. Çalışmamız sonuç bölümüyle sona ermekedir.. LİTERATÜR TARAMASI Küreselleşme ve finansal piyasalarda meydana gelen belirsizlikler ve aran risk mikarı volailieyi de arırmakadır. Özellikle son yaşanan finansal krizle birlike araşırmacılar volailienin modellenmesi, ahmini ve ölçümü üzerine yoğunlaşmışır. Buna dair gelişmiş ülkelerde yapılmış çalışmalar geniş bir eorik çerçevede ele alınırken, aynı şeyi gelişmeke olan birçok ülke için söylemek zordur. Gelişmeke olan ülke piyasalarına dair yapılan çalışma sayısı, veri yeersizliği, bu ülkelerde sıkça yaşanan siyasi ve ekonomik şoklar ile krizler sonucu ekonomerik modelleme yapmanın güçleşmesi nedeniyle sınırlı kalmışır. Finansal piyasalarda volailienin ölçümünde daha çok ARCH ve GARCH modelleri ercih edilmekedir. Lieraürde gerek finansal varlıkların, gerekse borsa endekslerinin volailie düzeyinin ölçülmesine yönelik modellerin kurulması ve bu modellerin ahmin güçlerinin ölçülmesine yönelik olarak yapılmış birçok çalışma bulunmakadır. Buna karşın volailie modellerinin performanslarının karşılaşırılması ile ilgili olarak lieraürde nelik söz konusu değildir. Bu konudaki en önemli sorun ise volailienin gözlem veya başka bir yönemle doğrudan görülebilmesinin mümkün olmamasıdır. Fong (1997), çalışmasında SWARCH modelinin verileri sandar ARCH modellerine göre daha doğru bir şekilde açıkladığını ve daha düşük bir volailie ısrarcılığına sahip olduğunu gösermişir. McMillian (000), İngilere borsasındaki volailieyi ölçmeyi hedefleyen çalışmasında, GARCH ve harekeli oralamalar meodlarının çok daha iyi sonuçlar verdiğini bulmuşur. Siourounis (00) çalışmasında, Yunan borsasında 699

ÇALIŞKAN ÇAVDAR AYDIN 017 negaif şokların günlük geiriler üzerinde asimerik ekiye neden olduğu ve poliik ve ekonomik belirsizliğin volailieyi arırdığı sonucuna varmışır. Buna karşın yüksek volailie dönemlerinde serinin oralamasının da değişmediğini belirlemişir. Singapur borsası volailiesini A.B.D., İngilere, Hong Kong ve Japonya borsaları volailieleri ile birlike inceledikleri çalışmalarında Bala ve Pramarare (004) GARCH modellerini kullanmışlardır. Araşırma, Singapur borsası ile diğer borsaların volailielerinin arasında yüksek derecede korelasyon olduğu sonucuna ulaşmışır. Pan ve Zhang (006), Çin'in Shangai borsası için günlük volailieyi ölçmede GARCH T ve APARACH-N modelinin en uygun modeller olduğunu belirlemişlerdir. Leeves (007), çalışmasında, Endonezya borsasında ARCH ve GARCH ekilerini 1990 ve 1999 yılları arası dönem için araşırmışır. Günlük veriler kullandığı çalışmasında, ele alınan dönemde bu ekilerin varlığını espi emişir. Parvaresh ve Bavaghar (01), Tahran borsasında volailieyi ölçmeyi amaçlayan araşırmalarında CHARCH modelinin bu iş için daha uygun bir model olduğunu belirlemişlerdir. ARCH ve GARCH modellerini kullanarak finansal piyasalarda en doğru ve en iyi ahmini yapabilen volailie ahmin modelini belirlemeye yönelik yapılan diğer bazı çalışmalar ise Kumar (006), Alberg vd. (008), Racico ve Theore (010), Chand vd. (01), Popovici (015), Murari (015) gibi araşırmacılara aiir. Bu çalışmalar sonucu kesin bir genelleme yapılamasa bile araşırmacılar en iyi ahmini veren modellerin GARCH ve EGARCH modelleri olduğunu ileri sürmekedirler. Lieraürde birçok araşırmacı SWARCH modellerini kullanarak başarılı çalışmalara imza amışlardır. Cai (1994), A.B.D.'deki devle ahvili geirilerinin volailiesini analiz emek için SWARCH modeli kullanmışır. SWARCH modeli volailieyi ölçmenin yanı sıra birçok ekonomik ve finansal zaman serisindeki değişimin modellenmesi için de araşırmacılar arafından ercih edilmişir. Bu çalışmalardan bazıları döviz kuru analizi (Engle ve Hamilon, 1990 ; Engle, 1994; Choudhry ve Hassan 015), faiz oranları (Sola ve Drifill, 1994; Garcia ve Perron, 1996; Gray, 1996), vadeli işlem piyasaları (Chow, 1998) gibi alanlarda yapılmışır. Türkiye'de risk ve geiri yapısının belirlenmesi, volailienin modellenmesi ve ahminine yönelik çalışmalar 1990'lı yıllardan iibaren arış gösermişir. Dağlı (1996), 1976-199 dönemini kapsayan çalışmasında İMKB'nin risk ve geiri yapısını diğer bazı gelişmeke olan ülke hisse senedi piyasalarıyla karşılaşırarak incelemişir. Araşırmanın sonucu en yüksek dördüncü geirinin ve en yüksek ikinci riskin İMKB'de olduğunu oraya koymuşur. İlginç bir şekilde sonuçlar, oluşan bu yüksek riskin geiri ile elafi edilemediğini oraya koymuşur. Gökçe (001), 1989-1997 dönemini kapsayan ve ARCH ailesine ai modeller kullanarak İMKB'deki volailieyi en iyi şekilde ahmin edecek modeli araşırmışır. Araşırma sonuçları GARCH (1,1) modelinin bu konudaki en iyi model olduğunu belirlemişir. Özer ve Türkyılmaz (004), 001 krizinin Türk finansal piyasalarındaki ekilerini incelemeyi amaçladıkları çalışmalarında İMKB-100 Endeksi değerlerini ve Ocak 000 ile Mar 00 arasındaki A.B.D. Doları kuru değerlerini kullanmışlardır. Kriz öncesi sabi döviz kuru kullanıldığı için ARCH ekisine raslayamayan araşırmacılar, İMKB-100 Endeksi geirisini modellemek içinse en iyi yönemin EGARCH (1,1) modeli olduğunu belirlemişlerdir. Mazıbaş (005), birçok farklı simerik ve asimerik GARCH modeli kullanarak İMKB Bileşik, Mali, Hizme ve Sınai Endeksleri'ndeki volailieyi ölçmeyi amaçlayan çalışmasında 1997-004 yılları arasındaki döneme ai günlük, hafalık ve aylık verileri kullanmışır. Çalışmanın sonucu hafalık ve aylık verilere dayalı 700

C., S.3 Borsa Isanbul Kurumsal Yöneim Endeksi'nde (XKURY) Volailienin Ekisi: ahminlerin günlük verilere dayalı ahminlerden daha doğru sonuçlar verdiğini oraya koymakadır. Bu çalışmalara ek olarak, çeşili dönemler için İMKB-100 Endeksi'nin volailiesini modelleyerek en uygun yönemin hangisi olduğunu bulmaya yönelik olarak yapılmış diğer bazı çalışmalara Akar'ın (007), Sevükekin ve Nargeleçekenler'in (008), Aakan'ın (009) ve Güriş vd.'nin (011), Şahin vd.'nin (015) ve Demir'in (016) çalışmaları örnek olarak verilebilir. 3. METODOLOJİ 3.1. ARCH GARCH ve SWARCH Modelleri ARCH modelleri, koşullu varyansın zamana bağlı olarak değişimine izin veren ve belirli bir zaman için serilerin varyansını ahmin emeyi sağlayan yönemlerdir. Bununla birlike bu yönem, koşulsuz varyansı sabi kabul emekedir. Sandar ARCH (q) modelleri aşağıdaki gibi göserilebilir : (Engle, 198) r u 0 h 1/ h 0 m i1 q i1 r i i u i u i Yukarıdaki denklemlerde ; r : XKURY endeksinin anındaki logarimik geirisini, u : ookorelasyonsuz endeks geirisini, h r : nin koşullu varyansını, : birbirinden bağımsız dağılan rassal değişkenleri gösermekedir. Engle, Lilien ve Robins (1987), oralama denklemine koşullu varyansın açıklayıcı değişken olarak eklendiği ARCH-M (Oralamada Ooregresif Şarlı Değişen Varyans) modelini gelişirmişlerdir. Bu modelin ARCH modelinden en önemli farkı, değişen koşullu varyansların haa erimi aracılığıyla dolaylı olarak değil de doğrudan denkleme girerek koşullu varyansın oralamaya olan ekisini incelemesidir. Kısaca bu modelin koşullu oralaması koşullu varyansa bağlıdır. ARCH modeli çok basi olmasına karşın volailie sürecinin yeerli bir şekilde anımlanabilmesi için çok sayıda paramerenin kullanılması gerekmekedir (Tsay, 00: 93). ARCH modellerinde ahmin yapılırken haa eriminin gecikmesinin modelde yer alması ve çok sayıda paramerenin ahminini gerekirmesi bakımından yaşanan zorluklarından dolayı Genelleşirilmiş ARCH (GARCH) modeli Bollerslev (1986) arafından gelişirilmişir. Genel olarak GARCH (p,q) modeli : h q p 0 iu i j i1 j1 h j olarak göserilebilir. GARCH (1,1) modelinin pek çok ekonomik zaman serisine uygulanması mümkündür ve ayrıca model, çeşili yönemlerle genişleilebilir ve düzenlenebilir. Yani GARCH (1,1) modeli gecikme erimlerinin eklenmesiyle GARCH (p,q) modeline genişleilebilir (Kendirli ve Karadeniz, 01 : 99).GARCH modelleri sadece volailienin ölçüsü olarak değil, aynı zamanda volailie üzerinde şokların ekisinin kalıcı olup olmadığını göseren bir araçır. GARCH modelleri ilk gelişirildikleri dönemden bu yana önemli değişikliklere maruz kalmışlardır. Bunun nedeni yapılan değişikliklerle modellerin sorunlarının giderilmeye çalışılmasıdır. Yapılan ampirik çalışmalarda, riskli varlıkların geirisiyle ilgili köü haberlerin iyi haberlere nazaran geleceke daha büyük volailieye neden olduğu sonucuna ulaşılmışır. "Kaldıraç ekisi" olarak bilinen bu ekiyi simerik GARCH modelleriyle öngörmek olası değildir. Kaldıraç ekisinin emel nedeni, hisse senedinin borsa fiyaındaki düşüşün 701

ÇALIŞKAN ÇAVDAR AYDIN 017 firmanın borç oranını yükselerek firmanın riskini arırması, bunun da volailienin armasına yol açmasıdır (Kular ve Torun, 013: 8). Bu nedenle kaldıraç ekisini göz önünde bulunduran ve volailienin asimerik özelliklerini kapsaması için gelişirilen birçok GARCH modeli bulunmakadır. Bunların başlıcaları şöyledir: Engle (1990) arafından gelişirilen Asimerik GARCH (A- GARCH) modeli, Nelson (1991) arafından gelişirilen Üsel GARCH (E-GARCH) modeli, Glosen, Jagannahan ve Runkle (1993) arafından gelişirilen GJR-GARCH modeli, Senena (199) arafından gelişirilen kuadraik GARCH (Q-GARCH) modeli ve Zokaian'ın (1994) gelişirdiği eşik GARCH (T-GARCH) modelidir. ARCH ve GARCH modelleri volailie ahminlerinde sıklıkla kullanılmakla birlike, bu modellerin zayıf öngörü performansı, yani koşullu volailienin olduğundan daha büyük ahmin edilmesi gibi nedenlerden dolayı SWARCH modelleri gelişirilmişir. Bazı araşırmacılar, ARCH ve GARCH modellerinin sürecin içinde varolan yapısal değişimlerden kaynaklandığını savunmakadırlar (Lamoureux ve Lasrapes, 1990). Bu nedenle, modellerde yapısal değişimlere veya rejim değişimlerine olanak veren bir volailie modeli kullanmak gerekmekedir. ARCH ve GARCH modellerinin zaman içinde değişen model spesifikasyonu şu şekilde göserilebilir : (Bauisa, 003). r e u u 0 h 1/ h 0 s i1 g( s ) N (0,1) q i1 r i i u i e i Yukarıdaki denklemlerde, s Markov zinciriyle ifade edilen, gözlemlenemeyen rassal değişkenleri, yani volailie durumunu göserir. Kısaca bu denklemler markov dönüşümlü (markov swiching ) ya da dönüşümlü (swiching) ARCH (SWARCH (k,q)) modeli olarak adlandırılır. g s ) ARCH modelindeki ( sabi varyans fakörüdür. Ayrıca, söz r konusu denklemlerde;, oralama günlük endeks geirisini, r i, i dönem önceki günlük endeks geirisini, 0, 1,..., i koşullu varyans denklemine ai paramareleri, h koşullu varyansı, gösermekedir. 4. İSTATİSTİKSEL ANALİZ VE BULGULAR Finansal piyasalarda risk fakörlerinden olan volailienin piyasalarda yaırım kararları alınırken dikkae alınması gerekmekedir. Bu araşırmanın amacı, Borsa İsanbul Kurumsal Yöneim Endeksi'nin (XKURY), piyasalarda oluşan herhangi bir harekelenme veya asimerik bilgi akışı sonucu volailiesinin ekilenip ekilemeyeceğinin oraya konulmasıdır. Ayrıca, XKURY endeksinin volailie durumunun da değerlendirilmesi amaçlanmakadır. Bu çalışmada 03.03.014 ile 10.03.017 arihleri arası Borsa İsanbul Kurumsal Yöneim Endeksi (XKURY) günlük kapanış verileri kullanılmışır. Endeks günlük kapanış verileri finans.myne.com adlı inerne siesinden grafik üzerinden oplanmışır. Finansal zaman serileri yüksek frekanslı ve uzun hafızalı veriler olduklarından kendilerine özgü özellikleri vardır. Bu nedenle bu verilere uygun modeller kullanılmalıdır. Çalışmada XKURY günlük verilerinin volailiesinin ahmin edilmesi ve ahminlerin öngörü performanslarının değerlendirilmesi için ARCH, GARCH ve SWARCH ipi modeller kullanılmışır. Çalışmamızın bulgularına geçmeden önce Borsa İsanbul Kurumsal Yöneim Endeksi'nin (XKURY) genel özelliklerinden bahsemeke fayda 70

C., S.3 Borsa Isanbul Kurumsal Yöneim Endeksi'nde (XKURY) Volailienin Ekisi: görüyoruz. XKURY'de yer alan şirkeler kurumsal yöneim ilkelerini en iyi şekilde uygulayan ve derecelendirme şirkeleri arafından bu ilkelere uyma nou 10 üzerinden en az 7 olan şirkelerden oluşmakadır. Dolayısıyla bu endeks Borsa İsanbul'da yer alan birçok endekse göre daha isikrarlı ve daha az volail bir seyir izlemekedir. Şekil 1'de çalışma dönemimiz olan 03.03.014 ile 10.03.017 dönemi için XKURY endeksinin genel seyri görülmekedir. Bu dönemde genel anlamda XKURY kapanış değerleri 60.000 ile 80.000 arasında bir seyir izlemişir. 03.07.014 ile 03.07.015 arasındaki bir yıllık dönemde ise endeks 70.000 değeri erafında daha yaay bir seyir izlemişir. Bu arihen 03.05.016 arihine kadar endeks 60.000 ile 70.000 arasında hafif volail bir şekilde gidip gelmişir. 03.01.017 arihinden iibaren ise endeks yükseliş rendine girmiş ve 03.03.017 iibarıyla 80.000 rakamına ulaşmışır. XKURY'yi volailie açısından değerlendirmek gerekirse şekil 1'den de görüldüğü üzere endeks çok volail bir seyir izlememişir. Grafik 1'de ise Borsa İsanbul (BIST) 100 ile XKURY endekslerinin 009-015 dönemi için karşılaşırmalı geiri grafiği yer almakadır. XKURY volailie açısından isikrarlı bir seyir izlerken aynı zamanda Borsa İsanbul (BIST) 100 endeksine göre anılan dönem için çok daha iyi bir geiri sağlamışır. XKURY bu dönemde %78 arış kaydederken, BIST 100 endeksinin geiri oranı %43 olarak gerçekleşmişir. Bu da bize kurumsal yöneim ilkelerine önem veren firmaların daha isikrarlı olduğu kadar daha iyi de bir geiri performansı sergilediklerini gösermekedir. Şekil 1: 03.03.014 ile 10.03.017 Dönemi Arasında XKURY Endeksinin Genel Seyri 703

ÇALIŞKAN ÇAVDAR AYDIN 017 Grafik 1: Borsa İsanbul (BIST) 100 ile XKURY Endekslerinin 009-015 Dönemi için Karşılaşırmalı Geiri Grafiği Modellerimizde kullanılmak üzere Borsa İsanbul Kurumsal Yöneim Endeksi'nin (XKURY) günlük geirisi için r, r 100 ln( XKURY ) ln( XKURY 1) logarimik dönüşümü yapılmışır. Çalışmada ARCH(1), ARCH (), GARCH (1,1), SWARCH (,) ve SWARCH (3,) modelleri kullanılmış ve XKURY için en uygun modelin SWARCH (,) modeli olduğu espi edilmişir. Çalışmada kullanılan veri sei zaman serisi olduğu için, ARCH, GARCH ve SWARCH modelleri ahmininden önce durağanlık esi yapılması gerekmekedir. Durağanlık eslerinde yaygın şekilde birim kök esleri kullanılmakadır. Bu eslerin amacı serinin birim kök içerip içermediğini belirlemekir. Eğer seri birim kök içeriyorsa o serinin durağan olmadığı sonucuna varılır. Yapılan durağanlık esi sonuçları Tablo 1'e akarılmış ve XKURY geiri serisine ilişkin ADF es isaisikleri ve PP esi sonuçlarına göre serinin %5 anlamlılık düzeyinde durağan olduğu espi edilmişir. 704

C., S.3 Borsa Isanbul Kurumsal Yöneim Endeksi'nde (XKURY) Volailienin Ekisi: Tablo 1 : XKURY Endeksi Birim Kök Tesi Sonuçları Augmened Dickey Fuller (ADF) Philips Perron (PP) Tesi Tesi ADF Değeri p-olasılık PP Değeri p-olasılık XKURY -31.417 0.0017-3.1011 0.0010 Tablo : XKURY Endeksi İçin Alernaif ARCH, GARCH ve SWARCH Modelleri Tahmini Değişken ARCH (1) ARCH () GARCH (1,1) SWARCH (,) Oralama Denklemi r 0 r 1 SWARCH (3,) Sabi 0.57 * 0.78 * 0.933 * 0.610 * 0.51 * r 0.144 * 0.4 * 0.361 * 0.17 * 0.183 * 1 Varyans Denklemi h 0 1u 1 h 1 3 Sabi 0.93 * 0.39 * 0.946 * 0.870 * 0.961 * u 0.31 * 0.189 * 0.109 * 0.077 ** 0.358 ** 1 u 0.17 * 0.15 * u 0.13 * 3 h 0.738 * 1 p 11 0.97 * 0.965 * p 0.941 ** 0.968 * p 0.973 ** 33 g 5.53 * 3.714 * g 14.973 ** 3 AIC -171,648-1716,091-1706,1-171,64-1713,495 SIC -1793,033-177,11-1718,51-1799,671-178,36 *Tahmin edilen kasayı % 1 anlamlılık düzeyinde isaisiksel anlamlıdır. ** Tahmin edilen kasayı %5 anlamlılık düzeyinde isaisiksel anlamlıdır. v Tablo 3 : Model Yapılarına Ai Hesaplanan Israrcılık Değerleri Model Tipi Paramere Israrcılık Kasayısı AIC SC Sayısı (Persisence) ARCH(1) 4-171,648-1793,033 0,31 ARCH () 5-1716,091-177,11 0,361 GARCH (1,1) 5-1706,1-1718,51 0,847 SWARCH (,) 8-171,64-1799,671 0,077 SWARCH (3,) 9-1713,495-178,36 0,696 705

ÇALIŞKAN ÇAVDAR AYDIN 017 Tablo 'de Borsa İsanbul Kurumsal Yöneim Endeksi (XKURY) için yapılan alernaif ARCH, GARCH ve SWARCH modellerinin maksimum olabilirlik yönemiyle elde edilmiş ahmin sonuçları yer almakadır. Bir koşullu değişen varyans modelinin en uygun model olarak birakım şarlara sahip olması gerekmekedir. Bunlar, en küçük Akaike Bilgi Krieri (AIC) (Akaike, 1976) ve Schwarz Bilgi Krieri'ne (SIC) (Schwarz, 1978) sahip olması, paramerelerin anlamlı çıkması, paramere kısı koşularının sağlanması, varyans denklemi kasayılarının poziif olması ve bu kasayıların oplamlarının birden küçük çıkmasıdır (Çabuk, Özmen ve Kökcen, 011 : 15). Kurumsal yöneim Endeksi'nde (XKURY) volailienin ekisini değerlendirebilmek için ARCH, GARCH ve SWARCH modelleri kullanılarak analizler gerçekleşirilmişir. Bu analizlerin yer aldığı Tablo değerlendirildiğinde AIC ve SIC bilgi krierlerine göre SWARCH (,) modelinin, endeksin volailiesinin modellenmesinde en iyi sonucu verdiği söylenebilir. Modeller değerlendirilirken çeşili gecikme sayıları kullanılarak olası durumlar değerlendirilmiş ve en uygun ve anlamlı modeller Tablo 'ye akarılmışır. GARCH (1,1) modelinde yani koşullu varyans denkleminde, ısrarcılık değerleri her bir model için hesaplanmış ve Tablo 3'e akarılmışır. kasayısı ARCH ekisini, kasayısı ise GARCH ekisini gösermekedir. ( ) değeri ise geçmiş dönemdeki değişimlerin ekisinin şimdiki dönemdeki volailieye veya değişime ekisini gösermekedir. Yani Tablo 'den harekele; ( ) = 0.109 + 0.738 = 0.847 olarak hesaplanmışır. ( ) oplamının 1'den küçük olması serinin durağanlık özelliği göserdiğini ve volailie ahmininin mümkün olduğu anlamına gelmekedir. Yani bu sonuç bize paramerelerin poziif olma kısıını sağladığı ve bu paramerelerin anlamlı olduğunu gösermekedir. Bu oplam 1'e yaklaşıkça XKURY endeksinde meydana gelen herhangi bir şokun ekisinin uzun süreli olacağı veya yarılanma süresinin uzun zaman alacağı anlaşılmakadır. Daha açık bir ifadeyle, XKURY endeksinde herhangi bir şok veya asimerik bilgi söz konusu olduğunda, bu şokun endeks üzerindeki ekisini görmek zaman alabilmekedir. Bununla birlike; 1 0.109 0.738 0.153 <1 şeklinde hesaplanan sonuç ise XKURY serisinde şokun ekisinin geçici olup olmadığını ölçmek için kullanılmakadır. 0.153 değeri, şokun ekisinin geçici olduğunu gösermekle birlike, sonucun 1 den oldukça küçük değer alması, şokun yarılanma süresinin veya ekisinin azalmasının uzun zaman alacağı anlamına gelmekedir (Adlığ, 009). Modelden görüleceği üzere cari dönem volailie üzerindeki değişkenliğin yaklaşık % 10,9'luk kısmı beklenmeyen geiriler ve geçmiş dönem şoklarından ve yaklaşık %73,8'lik kısmı ise önceki dönem koşullu varyansından kaynaklanmakadır. Tablo 'deki öze isaisiklerden ve Tablo 3 den harekele ARCH ve GARCH modelleri için oldukça yüksek olan ( ) oplamının SWARCH modelleri için çok daha düşük olduğu görülmekedir. Diğer bir deyişle GARCH (1,1) değeri 0.847 olarak bulunmuş ve şokların uzun süreli ekisinin olduğu sonucuna ulaşılmışır. SWARCH (,) için ise bu değer 0.077'e, SWARCH (3,) için 0.696'ya düşmüşür. SWARCH modelleri sayesinde şokların uzun süreli ekisi gerilemişir. Bu ısrarcılık değerleri, yani şokların ekisinin kalıcı olup olmadığı değerlendirildiğinde, SWARCH(,) modelinin en uygun model olduğu sonucuna varılabilir. Sisemdeki volailienin yarılanma sürelerine yönelik araşırmalar sayesinde yaırımcılar olası bir şok durumunda yaırımlarını hangi finansal piyasalara yönlendirebileceklerine dair ipucu elde edebilmekedirler. Çünkü bir 706

C., S.3 Borsa Isanbul Kurumsal Yöneim Endeksi'nde (XKURY) Volailienin Ekisi: endekse meydana gelen fiya anomalisi şok öncesi seviyesine geldiğinde diğer bir endekse şokun ekisi halen devam emekedir. Böylece yaırımcılar için piyasalar arası aynı nielikeki finansal araçlarla arbiraj imkânı doğmakadır. Bu sonuçları değerlendirmek gerekirse Borsa İsanbul Kurumsal Yöneim Endeksi'nde (XKURY) kısa vadeden ziyade uzun vadeli volailienin varlığı espi edilmişir. Bu durum aslında biraz da XKURY'nin yapısından kaynaklanmakadır. 007 yılında hesaplanmaya başlanan bu endekse Mar 017 iibarıyla 50 şirke yer almakadır. Bu endeks kurumsal yöneimi en iyi uygulayan firmalardan oluşmakadır. Zira bu şirkeler bu endekse yer alabilmek için SPK arafından lisanslandırılan derecelendirme kuruluşları arafından her yıl derecelendirme nolamasına abi uulmakadır. Bunun sonucunda da XKURY'de ekin bir piyasanın özellikleri görülmeke, şeffaflık ilkesi gereği bu endeks piyasaya gelen haberleri diğer endeks piyasalarına göre daha kısa bir zamanda, daha ne, daha doğru ve anlaşılır bir biçimde yansımakadır. Bu nedenle, bu endekse volailie, diğer birçok endekse göre kısa bir dönem aralığında değil de daha uzun vadeli olarak görülmeke, bu durum da spekülasyona dayalı kar oranı olasılığını azalmakadır. 5. SONUÇ Bilindiği gibi volailie kısa zaman döneminde finansal varlık geirilerinde belirli oralamalardan sapmalar anlamına gelmekedir. Temel nedenlerden uzak gerçekleşen bu yapay dalgalanmalar işlem hacmine olumsuz eki yapmakadır. Özellikle belirsizliğin arış göserdiği böyle dönemlerde, ekonomik ve sosyal bekleniler piyasalarda volailie arışlarına neden olmakadır. Meydana gelen yüksek volailie küçük yaırımcıyı piyasadan uzaklaşırmaka, spekülaörlere haksız kazanç sağlamaka, uzun vadeli yaırımcılardan ziyade kısa vadeli yaırımcıları piyasalara çekmekedir. Piyasaların derinleşmesi ve isikrara kavuşması için volailienin minimize edilerek makul ve isikrarlı bir yapıya kavuşurulması önemlidir. Bu nedenle gerekli güven oramının sağlanması, yaırımcıların elindeki aıl durumdaki fonların sermaye piyasalarına akarımının sağlanması ve şeffaflığı arıracak şekilde yaırımcılara yönelik bilgi akışının arırılması gerekmekedir. Risk ve geiri kavramları volailienin espiinde rol oynayan emel kavramlardır. Durağan dönemlerde aynı seyreden zaman serilerinin, belirsizlik, özellikle de kriz dönemlerinde büyük oynaklıklar gösermesi nedeniyle sabi varyans olanaksız hale gelmişir. Böylece de finansal serilerde geleneksel zaman serisi modellerinin kullanılması mümkün olmakan çıkmış ve değişen varyansın modellenmesine imkan sağlayan çeşili ekonomerik zaman serileri gelişirilmişir. Bu çalışmada koşullu değişen varyans modelleri olarak da bilinen ARCH, GARCH ve Markov dönüşümlü ARCH (SWARCH) modelleri kullanılarak Borsa İsanbul Kurumsal Yöneim Endeksi'ndeki (XKURY) volailie modellenmeye çalışılmışır. Yapılan analizler sonucunda Akaike Bilgi Krieri (AIC) ve Schwarz Bilgi Krieri (SIC) değerlendirme sonuçlarına göre SWARCH (,) modelinin, XKURY endeksinin günlük geiri serisindeki volailienin modellemesinde en iyi sonucu veren model olduğu espi edilmişir. Ayrıca XKURY endeksinde kısa vadeden ziyade uzun vadeli volailienin varlığı espi edilmişir. Bu sonuca ek olarak çalışmamız, XKURY endeksinin volailiesinin Borsa İsanbul çaısı alındaki birçok endeksen daha düşük olduğunu gösermişir. Niekim Şahin vd. (005) de, bu sonucu desekler nielike 007 ile 013 dönemleri arasında XKURY endeksinin volailiesinin BIST 100 endeksine göre daha düşük seviyede gerçekleşiği sonucuna ulaşmışlardır. Çalışmamızın sonuçları değerlendirildiğinde bulgularımızın, lieraürde yapılan birçok çalışmanın 707

ÇALIŞKAN ÇAVDAR AYDIN 017 sonuçlarıyla paralellik göserdiği söylenebilir. Bu bağlamda SWARCH modellerinin finansal zaman serilerindeki volailieyi ARCH ve GARCH modellerinden daha başarılı bir şekilde açıkladığına dair lieraürdeki bir akım bulguları desekleyen bir sonuca varılmışır. Lieraürdeki bu yöndeki çalışmalara örnek olarak Engle ve Hamilon'ın (1990), Engle'in (1994), Sola ve Drifill'in (1994), Garcia ve Perron'un (1996), Gray'in (1996) ve Chow'un (1998) ve Demir'in (015) yapmış olduğu çeşili çalışmalar örnek verilebilir. Yani bu araşırmamızda volailie modellemesinde, ARCH ipi modeller yerine SWARCH ipi modellerin kullanılmasının daha iyi sonuçlar verdiği KAYNAKÇA 1. ADLIĞ, G. Ş. (009). Finansal Piyasalarda Ardışık Bağlanımlı Koşullu Varyans Ekileri, Oynaklık Tahmini ve Türkiye Üzerine Bir Uygulama. Yüksek Lisans Tezi, İsanbul Üni. Sosyal Bil. Ens.. AKAIKE, H. (1976). Canonical Correlaion Analysis of Time Series and he Use of an Informaion Crierion in Raman K. Mehra and Dimiri G. Lainiois, (eds.), Sysem Idenificaion: Advances and Case Sudies, New York: Academic Press. 3. ALBERG, D., HAIM, S ve RAMI, Y. (008). Esimaing Sock Marke Volailiy Using Asymmeric GARCH Models. Applied Financial Economics, 8: 101-108. 4. ATAKAN, T. (009). İsanbul Menkul Kıymeler Borsası nda Değişkenliğin (Volailienin) ARCH-GARCH Yönemleri İle Modellenmesi. Yöneim Dergisi, 6, 48-61. 5. BALA, L. ve GAMINI, P. (004). Sock Marke Volailiy: Examining N. America, Europe and Asia. Economeric Sociey 004 Far Eas Meeing, No: 479. bulgusuna ulaşılmışır. Bu bağlamda araşırmacılar volailie ahmininde bulunurken SWARCH ipi modelleri alernaif olarak değerlendirebilirler. İleriye yönelik çalışmalara bir öneri olması açısından ise sadece Kurumsal Yöneim Endeksi (XKURY) değil, Borsa İsanbul çaısı alındaki diğer endekslerin de volailielerinin ölçümüne yönelik çalışmalar yapılabilir. Haa bu endekslerin volailieleri birbirleriyle karşılaşırılabilir. Buna ek olarak araşırmacılar, Borsa İsanbul'daki endekslerin yanı sıra diğer gelişmiş ya da gelişmeke olan ülkelerin borsa endekslerinin volailielerini de ölçerek bu endeksleri birbirleriyle karşılaşırabilirler. 6. BAUTISTA, C.C. (003). "Sock Marke Volailiy in he Philippines". Applied Economics Leers, 10: 315-318. 7. BOLLERSLEV, T. (1986). Generalized Auoregressive Condiional Heeroscedasiciy". Journal of Economerics, 31: 307-37. 8. CAI, J. (1994). A Markov Model of Swiching-regime ARCH." Journal of Business and Economic Saisics, 1: 309-316. 9. CHAND, S., KAMAL, S ve IMRAN, A. (01). Modeling and Volailiy Analysis of Share Prices Using ARCH and GARCH Models". World Applied Sciences Journal, 19(1): 77-8. 10. Choudhry, T. and Hassan, S. S. (015). Exchange Rae Volailiy and UK Impors from Devoloping Counries: Effec of he Global Financial Crisis. Proceedings of he Second European Academic Research Conference on Global Business, Economics, Finance and Banking (EAR15Swiss Conference) ISBN: 978-1-63415-477- Zurich- Swizerland, 3-5 July, 015 Paper ID: Z594. 11.CHOW, Y. F. (1998). "Regime Swiching and Coinegraion Tess of he Efficiency of Fuures Markes". 708

C., S.3 Borsa Isanbul Kurumsal Yöneim Endeksi'nde (XKURY) Volailienin Ekisi: The Journal of Fuures Markes, 18: 871-901. 1.ÇABUK, A.H., ÖZMEN, M. ve KÖKCEN, A. (011). "Koşullu Varyans Modelleri: İMKB Serileri Üzerine Bir Uygulama". Çukurova Üniversiesi İİBF Dergisi. 15(): 1-18. 13. DAĞLI, H. (1996). Türkiye nin Risk ve Geiri Açısından Gelişen Hisse Senedi Piyasaları Arasındaki Yeri. İşleme ve Finans Yayınları. 14. DEMİR, S. (016). Modelling he Conjecural Effecs of on Volailiy in Emerging Markes: Comparison Beween GARCH Models and Markov Swiching (MS) Model. Proceedings of he Inernaional Conference of Sraegic Research in Social Science and Research. 14-16 Ocober, 016, Analya. 15.DICKEY, D.A. ve FULLER, W.A. (1979). "Auoregressive Time Series wih a Uni Roo". Journal of he American Saisical Associaion, 74: 47-431. 16.ENGLE, C. (1994). Can he Markov Swiching Model Forecas Exchange Raes?. Journal of Inernaional Economics, 36: 151-165. 17.ENGLE, C. ve HAMILTON, J. D. (1990). Long Swings in he Dollar: Are hey in he Daa and Do Markes Know i?. American Economic Review, 80: 689-713. 18.ENGLE, R. F. (198). Auoregressive Condiional Heeroscedasiciy wih Esimaes of he Variance of Unied Kingdom Inflaion". Economerica, 50: 987-1007. 19.ENGLE, R. F., LILIEN, M. D. ve ROBINS, P.R. (1987). "Esimaing Time Varying Risk Premia in he Term Srucure: The Arch-M Model". Ekonomerica, 55(): 391-407. 0.FONG, W.M. (1997). "Volailiy Persisence and Swiching ARCH in Japanese Markes. Financial Engineering and he Japanese Markes, 4: 37-57. 1.GARCIA, R. ve PERRON, P. (1996). An Analysis of he Real Ineres Rae Under Regime Shifs". The Review of Economics and Saisics, 78: 111-15..GLOSTEN, L. R., JANANNATHAN, R. ve RUNKLE, D. (1993). On he Relaion Beween he Expeced Value and he Volailiy of he Nominal Excess Reurn on Socks". Journal of Finance, 48: 1779-1801. 3.GÖKÇE, A. (001). "İsanbul Menkul Kıymeler Borsası Geirilerindeki Volailienin ARCH Teknikleri ile Ölçülmesi". Gazi Universiesi İ.İ.B.F Dergisi, 36. 4.GRAY, S. F. (1996). Modelling he Condiional Disribuion of Ineres Raes as a Regime-swiching Process". Journal of Financial Economics, 4: 7-6. 5.GÜRİŞ, S. ve SAÇAKLI, S.İ. (011). İsanbul Menkul Kıymeler Borsası nda Hisse Senedi Geiri Volailiesinin Klasik ve Bayesyen GARCH Modelleri İle Analizi". Trakya Üniversiesi Sosyal Bilimler Dergisi, 13: 153-17. 6.HAMILTON, J. D. ve SUSMEL, R. (1994). Auoregressive Condiional Heeroskedasiciy and Change in Regime". Journal of Economerics, 64: 307-333. 7.KENDİRLİ, S. ve KARADENİZ, G. (01). "008 Kriz Sonrası İMKB 30 Endeksi Volailiesinin Genelleşirilmiş ARCH Modeli ile Tahmini". KSÜ Sosyal Bilimler Dergisi. 8.KUMAR, S. S. S., (006). Forecasing Volailiy Evidence from Indian Sock and Forex Markes. Indian Insiue of Managemen Kozhikode, hp://dspace.iimk.ac.in/bisream/59/ 89/1/ForecasingVolailiy.pdf (Erişim Tarihi: 18.03.017). 709

ÇALIŞKAN ÇAVDAR AYDIN 017 9.KUTLAR, A. ve TORUN, P. (013). "İMKB 100 Endeksi Günlük Geirileri İçin Uygun Genelleşirilmiş Farklı Varyans Modelini Seçimi". Erciyes Üniversiesi İkisadi ve İdari Bilimler Fakülesi Dergisi, (4):1-4. 30.LAMOUREUX, C. G. ve LASTRAPES, W.D. (1990). Persisence in Variance, Srucural Change and he GARCH Model". Journal of Business and Economic Saisics, 8: 5-34. 31.LEEVES, G. (007). Asimeric Volailiy Of Sock Reurns During The Asian Crisis: Evidence From Indonesia. Inernaional Review Of Economics And Finance, 16: 7-86. 3.MAZIBAŞ, M. (005). İMKB Piyasalarındaki Volailienin Modellenmesi ve Öngörülmesi: Asimerik Garch Modelleri İle Bir Uygulama". VII. Ulusal Ekonomeri ve İsaisik Sempozyumu, İsanbul Üniversiesi, 6-7 Mayıs. 33.MCMILLIAN, D., SPEIGHT, A. ve APGWILYM, O. (000). "Forecasing UK Sock Marke Volailiy. Applied Financial Economics, 10, 435-488. 34.MURARI, K. (015). "Exchange Rae Volailiy Esimaion Using GARCH Models, wih Special Reference o Indian Rupee Agains World Currencies". IUP Journal of Applied Finance. (1): 1, -37. 35.NELSON, D. (1991). Condiional Heeroscedasiciy in Asse Reurns: A New Approach, Economerica, 59: 347-370. 36.ÖZER, M. ve TÜRKYILMAZ, S. (004). Türkiye Finansal Piyasalarında Oynaklıkların ARCH Modelleri ile Analizi. T.C. Anadolu Üniversiesi Yayınları, No:1593, Eskişehir. 37.PAN, H. ve ZHANG, Z. (006). Forecasing Financial Volailiy: Evidence From Chinese Sock Marke, Working Paper In Economics and Finance, No:06/0, 1-9. 38.PARVARESH, M. ve BAVAGHAR, M. (01). "Forecasing Volailiy in Tehran Sock Marke wih GARCH Models. Journal of Basic and Applied Scienific Research, (1), 150-155. 39.PHILLIPS, B.C.P. ve PERRON, P. (1988). "Tesing for a Uni Roo in Time Series Refression". Biomerika, 75(): 335-346. 40. POPOVICI, O. C. (015). "A Volailiy Analysis of he Euro Currency and he Bond Marke". Financial Sudies. (19): 1, 67-79. 41.RACICOT, F. E. ve RAYMOND, T. (010). Forecasing Sochasic Volailiy Using The Kalman Filer: An Applicaion o Canadian Ineres Raes and Price-Earnings Raio. The Ieb Inernaional Journal of Finance, 010 (1): 8-47. 4.SCHWARZ, G. (1978). Esimaing he Dimension of a Model". Annual of Saisics, 6: 461-464. 43.SENTENA, E., (199). Quadraic ARCH Models. A Poenial Inerpreaion of ARCH Models, London School of Economics Financial Markes Sudy Group Discussion Paper. 44.SEVÜKTEKİN, M. ve NARGELEÇEKENLER, M. (008), İsanbul Menkul Kıymeler Borsası nda Geiri Volailiesinin Modellenmesi ve Önraporlanması. Ankara Üniversiesi SBF Dergisi, 61: 43-65. 45.SIOUROUNIS, G.D. (00). Modelling Volailiy and Tesing for Efficiency in Emerging Capial Markes: The Case of The Ahens Sock Exchange. Applied Financial Economics, 1: 47-55. 46.SOLA, M. ve DRIFFIL, J. (1994). "Tesing he Term Srucure of Ineres Raes Using a Saionary Vecor Auoregression wih Regime Swiching". Journal of Economic Dynamics and Conrol, 18: 601-68. 710

C., S.3 Borsa Isanbul Kurumsal Yöneim Endeksi'nde (XKURY) Volailienin Ekisi: 47.ŞAHİN, Ö., ÖNCÜ, M.A. ve SAKARYA, Ş. (015). "BIST 100 ve Kurumsal Yöneim Endeksi Volailielerinin Karşılaşırmalı Analizi". C.Ü. İkisadi ve İdari Bilimler Dergisi. (16):, 107-16. 48.TSAY, S. R. (00). Analysis of Financial Time Series. New York: John Wiley & Sons, Inc. 49.ZOKAIAN, J.M. (1994). Threshold Heeroscedasic Models. Journal Of Economic and Dynamic Conrol, 18: 931-55. 711