Ders Detayı

Eğitmenin Cevabı (BURCU KIRAN BAYGIN)

Merhabalar, videoların çalışmalarınıza faydalı olmasına çok sevindim. Ortalama denklemini oluşturduktan sonra değişen varyans ve ARCH etkisi çıkmıyorsa koşullu değişen varyans modellerine geçiş yapmanıza gerek yoktur. Koşullu değişen varyans olması durumunda koşullu değişen varyans modelleri kullanılmaktadır. Ortalama denkleminin çevrilebilirlik ve durağanlık koşullarını sağlayıp sağlamadığını kontrol ederek raporlamanızı yapabilirsiniz. Saygılarımla..

Eğitmenin Cevabı (BURCU KIRAN BAYGIN)

Veri setini genişlettiğiniz zaman test sonuçları değiştiyse ve Prob 0,000 çıktıysa değişen varyans problemi ve ARCH etkisi ortaya çıkmış demektir. Bu durumda koşullu değişen varyans modellerine geçiş yapmamız gerekiyor. Kolaylıklar dilerim.

Eğitmenin Cevabı (BURCU KIRAN BAYGIN)

Merhabalar Ramazan Bey, sorunuza öncelikle birim kök testleri açısından cevap vermek istiyorum. Bildiğiniz gibi literatürde birçok birim kök testi bulunuyor. Bunlardan Genişletilmiş Dickey Fuller (ADF) ve Philips-Perron (PP) birim kök testleri ilk geliştirilen testler oldukları için geleneksel birim kök testleri olarak biliniyorlar. İlerleyen süreçte bu testlerin bir takım eksiklikleri olduğu, yapısal kırılma, doğrusal olmama vb. durumlar söz konusu olduğunda yanıltıcı sonuçlar verdikleri sonucuna varılmış. Bu eksiklikleri gidermek adına da başka birim kök testleri geliştirilmiş. ADF ve PP testlerinin eksiklikleri olmasına rağmen her uygulamanın en başında bu test sonuçlarına yer verildiği görülmektedir. Sonrasında daha ileri testler uygulansa dahi karşılaştırma yapmak adına ADF ve PP birim kök testi sonuçları analizde bulunmaktadır. Uygulamanızda ele aldığınız serilerin grafiğine bakıldığında bir yapısal kırılma durumu görünüyorsa ADF ve PP testi sonuçları yanıltıcı olacağından ek olarak kırılmaları dikkate alan birim kök testlerini de uygulamak daha doğru olacaktır. Söz konusu olabilecek bir yapısal kırılma durumunda bu kırılmayı dikkate almazsak, sadece ADF, PP testleri ile sonuca varmaya çalışırsak yanılabiliriz. Çünkü kırılma dikkate alınmazsa sonuç olarak serilerin birim köklü çıkması yönünde bir eğilim olacaktır. Size tavsiyem; analizinizde geleneksel ADF ve PP testlerinin yanı sıra serilerinizin özelliklerine uygun birim kök testlerini seçmenizdir. Böylece geleneksel testler ile daha ileri düzeyde testlerin sonuçlarını karşılaştırma olanağınız olacaktır. Bilgi kriterleri açısından da en çok kullanılan bilgi kriterlerinin Akaike ve Schwarz bilgi kriterleri olduğu görülmektedir. İki kriter çoğunlukla birbirine yakın sonuçlar verseler bile aralarında farklılıklar bulunmaktadır. Bazı analizlerde ikisi birlikte kullanılırken bazı durumlarda (birim kök testlerinde uygun gecikmenin seçilmesi, Vektör Otoregresif Modellerde uygun gecikmeye karar verilmesi vb. ) ikisinden birinin seçilmesi gerekmektedir. Bu açıdan çalışmada bir tutarlılık olmasına dikkat edilmelidir. Aynı analizde, aynı bilgi kriteri üzerinden devam edilmesi önemlidir. Aynı analizin birim kök testleri kısmında hangi kriterden yola çıkıldıysa ilerleyen aşamalarda da aynı kriterle yola devam edilmelidir. Bu tutarlılığın sağlanmasına dikkat ettiğimizde hangi kriteri niçin seçtiğimiz pek sorgulanmayacaktır. Buna rağmen uygulamalarda Akaike ve Schwarz kriterlerinden birini seçmek gerektiğinde Schwarz kriterinin daha etkin bir kriter olması dolayısıyla daha fazla oranda seçildiğini de belirtmek isterim. Saygılarımla.. Prof. Dr. Burcu KIRAN BAYGIN

Eğitmenin Cevabı (BURCU KIRAN BAYGIN)

Merhabalar Ramazan Bey, videolarda anlatmış olduğumuz yöntemleri her türlü konuya uygulayabilirsiniz. Borsa getirilerinin yanı sıra altın fiyatları, gümüş fiyatları, döviz kurları, dış ticaret açığı vb. serileri ele alarak uygulama yapmanız mümkün. Videoda sonuçlarını verdiğimiz uygulamada haftalık veri kullandığımız için Ocak ve Eki ayı anomalilerini inceledik. Verimiz günlük veri olsaydı aynı uygulamaya haftanın günleri anomalisini de ilave edebilirdik. Haftanın günleri anomalisi için Hakan Berument hocamızın borsa getirileri için yaptığı çalışmaları okuyabilirsiniz. Bölümden hocalarımla yayınladığımız "Month and Holy Days Effects on the Volatility of Trade Deficit : Evidence from Turkey" başlıklı çalışmamızda Türkiye'de dış ticaret açığı için ay etkisini ve dini bayramların etkisini araştırmıştık. "İstanbul Menkul Kıymetler Borsası’nda İşlem Hacmi ve Getiri Volatilitesi" başlıklı çalışmamda da koşullu değişen varyans modellerine haftanın günleri etkisini ilave ederek farklı bir analiz yapmıştım. Buna benzer çalışmalara internetten kolaylıkla ulaşabilirsiniz. Başarılar ve kolaylıklar dilerim. Saygılarımla..

Eğitmenin Cevabı (BURCU KIRAN BAYGIN)

Merhabalar Ramazan Bey, uygulamada getiri serisine birim kök testleri uygulanmış ve serinin durağan olduğu bulunmuştur. Bu özelliği ortaya çıkardıktan sonra Box-Jenkins modelleme yaklaşımı kullanılarak uygun model AR(1) olarak tahmin edilmiştir. Uygun modelin bulunması alternatif modeller arasından deneme yoluyla seçim yapmaya dayandığından konuyu saptırmamak ve çok uzatmamak adına bu kısma uygulama videosunda yer verilmemiştir. Fakat açıklamak gerekirse birim kök testlerine göre serinin durağan olduğu tespit edildikten sonra serinin düzeyinin korelogramı çizilmiştir. Korelogram bize seriye ait otokorelasyon fonksiyonu ile kısmi otokorelasyon fonksiyonunu vermektedir. Bu kısımda kısmi otokorelasyon katsayıları modelin AR (otoregresif) kısmının, otokorelasyon katsayıları ise modelin MA (hareketli ortalama) kısmının mertebesini göstermektedir. Getiri serisi için korelogram incelemesi sonucunda istatistiksel anlamlılıklara ve koşulların sağlanmasına bakarak AR(1) modelin uygun olduğu görülmüştür. Daha ayrıntılı bilgi için Box-Jenkins modelleme yaklaşımının aşamalarını incelemek gerekmektedir. Fakat uygun modelin seçiminde son videoda anlattığımız otomatik seçim menüsü sonradan programa ilave edilmiştir ve kolaylık sağlamaktadır. Saygılarımla.. Prof. Dr. Burcu KIRAN BAYGIN

Eğitmenin Cevabı (BURCU KIRAN BAYGIN)

Merhabalar, volatilite bir risk ölçüm göstergesidir ve standart sapma yada varyans ile ifade edilmektedir. Bir menkul kıymetin fiyat volatilitesini hesaplamanın en kolay yolu, belli bir dönemde fiyatlarının standart sapmasını hesaplamaktır. Sorduğunuz soruya istinaden BIST-100 endeksi günlük kapanış fiyatlarından hareketle getiri serisini oluşturduğumuzu ve amacımızın getiri volatilite serisini oluşturmak istediğimizi düşünelim. Bu durumda elde edilen getirilerin, ortalama getirilerden sapmasını hesaplayarak getiri volatilite serisini elde etmemiz mümkündür. Bu şekilde elde ettiğimiz volatilitenin diğer adı dalgalanma seviyesidir. Saygılarımla..

Eğitmenin Cevabı (BURCU KIRAN BAYGIN)

Tekrar merhabalar, güzel düşünceleriniz için çok teşekkür ederim. Amacımız zaten sizlere faydalı olabilmek, zaman sorunumuz asla olamaz. Analizde yapmak istediklerinizi anladığım kadarıyla açıklamaya çalışayım: 1. amacımız elde ettiğimiz 100 gözlemlik BIST 100 getirileri ile diğer ele alacağımız değişkenler arasında eşbütünleşme analizi yapmak. Bu kısımda sorun yok. Tek dikkat etmemiz gereken ele aldığımız tüm değişkenlerin bütünleşme derecelerinin I(1) olması. Yapılan uygulamalarda getiri serilerinin, fiyatların logaritmalarının ilk farkı şeklinde elde edilmesi dolayısıyla durağan çıkma ihtimalinin yüksek olması. Bu durumda standart eşbütünleşme testlerini (Engle -Granger ve Johansen ) kullanamayabiliriz. Bunun yolu da sınır testi kullanılarak uzun dönem ilişkisinin araştırılması olabilir. 2. amacımız BIST -100 getiri serisinin volatilitesini oluşturmak. Volatilite serisini oluşturmak için 2 yol deneyebiliriz. - Birincisi İlk mailimde bahsettiğim dalgalanma serisini elde etmek. Bunu yapmak için 100 gözlemlik örneklemin ortalamasını öncelikle elde ederiz (Örneğin:1.25 gibi). Sonra serideki tüm gözlemlerin bu ortalama değerden sapmasını alarak dalgalanma serisini oluşturabiliriz. Elde ettiğimiz nihai seri ile ele alacağımız diğer değişkenler arasında eşbütünleşme analizi yapabiliriz. - Literatürde daha çok kullanılan ise volatilite serisinin ARCH, GARCH vb. değişen varyans modellerinin kullanarak tahmin edilmesidir. Bunun için serimize uygun bir ARCH, GARCH modeline karar vermemiz gerekmektedir. Uygun modeli tahmin ettikten sonra Eviews Programında modelin üzerindeyken View menüsünden Actual-Fitted-Residual Table sekmesine tıklayarak buradaki (fitted) serisini volatilite serisi olarak dikkate alabiliriz. Daha sonrasında bu volatilite serisi ile ele alacağımız diğer değişkenler arasında eşbütünleşme analizini uygulayabiliriz. Umarım sorunuzu doğru anlayabilmişimdir. İhtiyacınız olursa yine yardımcı olurum. Saygılarımla..

Eğitmenin Cevabı (BURCU KIRAN BAYGIN)

Merhabalar, gördüğüm kadarıyla çok güzel bir analiz yapmışsınız Ramazan Bey. Belirttiğiniz analiz sonuçlarına bakıldığında BIST 100 banka endeksi için ARCH, GARCH, EGARCH ve TGARCH modellerin anlamlı olduğu görülüyor. ARCH-M ve GARCH-M modellerin risk parametresi ve diğer parametre kısımları anlamsız olduğu için sonuçlarını raporlamaya gerek yok ama çalışmada dipnot düşülerek anlamsız oldukları belirtilebilir. ARCH, GARCH, EGARCH ve TGARCH modellerin sonuçlarını da tablo ile göstermek gerekir. Sonuçları yorumlamak gerekirse BIST 100 banka endeksi volatilitesi için asimetrik etki ve kaldıraç etkisinin geçerli olduğunu öncelikle belirtmeliyiz. Aynı zamanda haftanın günleri etkisine bakıldığında da ortalamada anlamlı bir etkinin olmadığına, haftanın günleri etkisinin volatilitede söz konusu olduğuna işaret etmemiz gerekiyor. Bu sonuçları tablolaştırırken 4 modelin sonuçlarını da aynı tabloda verebilirsiniz. Diğer bir yol da, simetrik modellerin sonuçlarını ayrı tabloda, asimetrik modellerin sonuçlarını ayrı tabloda sunmak olabilir. Bu sizin kararınıza kalmış bir durum. Tablo formatı için de literatürde bu konu ile ilgili yapılmış çalışmalara bakmanızı öneririm. (Örneğin: Berument, H., & Kiymaz, H. (2001). The day of the week effect on stock market volatility. Journal of economics and finance, 25(2), 181-193). Çalışmanız şimdiden hayırlı olsun. Saygılarımla..

Eğitmenin Cevabı (BURCU KIRAN BAYGIN)

Merhabalar Ramazan Bey, EGARCH modelinin tahmininde videolarda "teta" ile belirtilmiş olan katsayının istatistiksel olarak anlamlı ve negatif olması kaldıraç etkisinin varlığını ifade etmektedir. Söz konusu katsayı istatistiksel olarak anlamlı fakat pozitif değer alıyorsa bu asimetrik etkinin olduğunu fakat kaldıraç etkisinin olmadığını göstermektedir. EGARCH model tahminlerinde "teta katsayısı mutlaka negatif değer almalı ve istatistiksel olarak anlamlı olmalıdır" gibi bir şart yoktur. Ele aldığımız konuya göre katsayı istatistiksel olarak anlamsız da bulunabilir. Bu da asimetrik etki yoktur şeklinde yorumlanabilir. Kısacası teta katsayısının anlamlı olup olmadığına, işaretinin negatif veya pozitif olup olmadığına göre yorumlamalar değişmektedir. Umarım anlaşılır bir açıklama olmuştur. Kolaylıklar dilerim. Saygılarımla..

Eğitmenin Cevabı (BURCU KIRAN BAYGIN)

Merhabalar Aykan Bey, Dersime gösterdiğiniz ilgi için öncelikle teşekkür ederim ve çalışmalarınıza faydalı olmasını dilerim. Tahmin ettiğimiz modellerde tüm katsayıların istatistiksel olarak anlamlı olmasını isteriz fakat bazı durumlarda özellikle de gözlem sayımızın yetersiz olduğu ve arttırma olanağımızın olmadığı durumlarda sabit katsayının ne yaparsak yapalım anlamlı çıkmadığını görebiliriz. Böyle bir durumda sabit katsayıyı modelden çıkarmak daha risklidir ve başka sorunlara yol açacaktır. Sabit katsayı istatistiksel olarak anlamlı olmasa bile diğer değişkenlere ait katsayılar anlamlı ise istatistiksel olarak anlamlı kabul edilebilirler. Haftanın günleri anomalisini incelerken de getiriler üzerindeki etkilerin pozitif mi yoksa negatif mi olduğunu "coefficient" kısmındaki katsayı değerlerine göre yorumlamamız gerekiyor. Çalışmalarınızda başarılar ve kolaylıklar dilerim. Saygılarımla..