Öz
This research aims to model the volatility of the gram gold TL price with daily data between 2005 and 2020. In this context, in addition to the standard volatility models such as ARCH, GARCH, and TGARCH, the nonlinear MSGARCH model is used to model the varying variance of gold. MSGARCH model is a non-linear method, and it is found that this method gives more sensitive and accurate results than other methods, since it divides volatility into regimes as low-risk regime and high-risk regime, which are essentially expressed by regime change, and because there are transitions between these two regimes, unlike classical models. This study is economically important because finding the best methods to model and predict returns and volatility will help the investor make investment decisions and create his/her portfolio.It is also found that gold does not have very different and permanent regimes compared to other instruments such as foreign exchange (for example dollar) and stock market indices, and it is economically a safe haven and has lower risk compared to these other instruments. This study contributes to the literature as it is understood from previous studies that TL gram gold volatility is not estimated by non-linear MSGARCH model by dividing volatility to regimes (low volatility periods and high volatility periods) and permitting different parameters for each regime. The MSGARCH model can also be effective in risk management, derivative pricing, and portfolio optimization. In this context, it is believed that the findings of this study can be beneficial to market makers, academics, investors, and risk and portfolio managers.
Anahtar Kelimeler
Kaynakça
- Akel, V. , ve Gazel, S. (2015). Finansal piyasa riski ve altın yatırımı: Türkiye örneği. Çanakkale Üniversitesi Sosyal Bilimler Enstitüsü Dergisi, 24(1), 335-350.
- Ardia, D., Bluteau, K., Boudt, K. ve Catania, L. (2018). Forecasting risk with Markov-switching GARCH models: A large-scale performance study. International Journal of Forecasting, 34, 733-747.
- Atmaca, V.D. (2015). Altın fiyat getirilerindeki oynaklığın stokastik volatilite modelleri ile tahmini. Paper presented at 7th International Social Sciences Congress in the Balkans, Kaposvar, Macaristan, 25-30 Ağustos 2015, 379-389.
- Barca, O. ve Arabacı, Ö. (2020). BİST altın fiyatları markov rejim değişim modeli ile analizi. Muhasebe ve Finansman Dergisi, 85, 209-222.
- Bentes, S.R. (2015). Forecasting volatility in gold returns under the GARCH, IGARCH and FIGARCH frameworks: New evidence, Physica A, 355-364.
- Chkili, W. (2017). Is gold a hedge or safe haven for Islamic stock market movements? A Markov switching approach. Journal of Multinational Financial Management, 42(43). 152-163
- Çifter, A. (2013). Forecasting electricity price volatility with the Markov-switching GARCH model: Evidence from the Nordic electric power market. Electric Power Systems Research, 102, 61-67.
- Diebold, F.X. ve Yilmaz, K. (2012). Better to Give than to Receive: Predictive Directional Measurement of Volatility Spillovers. International Journal of Forecasting, 28(1), 57-66.
- Garman, M.B. ve Klass, M.J. (1980). On the Estimation of Security Price Volatility from Historical Data. The Journal of Business, 53(1), 67-78.
- Gencer, G.H., ve Musoğlu, Z. (2014). Volatility modeling and forecasting of İstanbul Gold Exchange (IGE). International Journal of Financial Research, 5(2), 87-101.
- Gray, S.F. (1996). Modeling the conditional distribution of interest rates as a regime switching process, Journal of Financial Economics, 42(1), 27-62.
- Gün, M. (2020). Döviz kuru volatilitesinin doğrusal ve doğrusal olmayan yöntemler ile incelenmesi, İstanbul Ticaret Üniversitesi Sosyal Bilimler Dergisi, 39, 952-974.
- Hillier, D., Draper, P., ve Faff, R. (2019). Do precious metals shine? An investment perspective, Financial Analysts Journal, 62(2), 98-106.
- Höl, A.Ö. ve Gülcan, N. (2022). Kıymetli Madenlerin Range-Based Volatilite Serileri Arasındaki Asimetrik İlişkiler, Alanya Akademik Bakış Dergisi, 6(3), 3215-3236.
- Karabacak, M., Meçik, O., ve Genç, E. (2014). Koşullu değişen varyans modelleri ile BİST 100 endeks getirisi ve altın getiri volatilitesinin tahmini. Uluslararası Alanya İşletme Fakültesi Dergisi, 6(1), 79-90.
- Karadağ, M.A. (2008). Analysis of Turkish stock market with markov regime switching volatility models (Yayımlanmamış yükseklisans tezi). ODTÜ Finansal Matematik Bölümü, Ankara
- Kılıç, E. ve Baydaş, Y. (2022). Borsa İstanbul ile Kıymetli Madenler Arasındaki Volatilite Yayılımı. Kastamonu Üniversitesi İktisadi ve İdari Bilimler Fakültesi Dergisi, 24(2), 212-225.
- Klaassen, F. (2002). Improving GARCH volatility forecasts with regime-switching GARCH. Empirical Economics, 27, 363-394.
- Kristjanpoller, W. , ve Minutolo, M.C. (2015). Gold price volatility: a forecasting approach using the artificial neural network-GARCH model. Expert Systems with Applications, 42(20), 7245-7251
- https://doi.org/10.1016/j.eswa.2015.04.058
- Kula, V., ve Baykut, E. (2017). BIST banka endeksi’nin (XBANK) volatilite yapısının Markov rejim değişimi GARCH modeli (MSGARCH) ile analizi, Bankacılar Dergisi, 102, 89-110.
- Mansor, İ.H. (2011). Financial market risk and gold investment in an emerging market: the case of Malaysia, Romanian Journal of Economic Forecasting, 4, 79-89.
- Muhammad, N., Kumar, T.A., Sana, M., ve Muhammad, S. (2019). Modeling volatility of precious metals markets by using regime-switching GARCH models. Resources Policy, 64, 1-8.
- Qasım, T.B., Iqbal, G.Z., Hassan, M. Ve Ali, H. (2021). Application of Markov Regime Switching Autoregressivde Model to Gold Prices in Pakistan. Review of Economics and Development Studies, 7(3), 309-323.
- Sopipan, N., Sattayatham, P. ve Premanode, B. (2012). Forecasting volatility of gold price using markov regime switching and trading strategy. Journal of Mathematical Finance, 2, 121-131.
- Şahin, Ö. (2021). Bireysel yatırım enstrümanlarının volatilite yapılarının belirlenmesi: kripto paralar, ABD doları Türk lirası kuru, altın ve yatırım fonları üzerine bir uygulama. Yönetim Bilimleri Dergisi, 19(42), 843-865.
- https://doi.org/10.35408/comuybd.774626
- Şencan, İ. (2017). BİST altın endeksi oynaklığı analizi ve performans ölçümü. Maliye Finans Yazıları, 107, 9-24.
- Şenol, Z. ve Koç, S. (2022). Borsa, Faiz, Döviz Kuru, Altın, Petrol ve Bitcoin Arasında Volatilite Yayılımları. Uluslararası İktisadi ve İdari İncelemeler Dergisi, 35, 31-46.
- What makes gold a strategic asset? (2022, 20 Ocak). Erişim tarihi https://www.gold.org/goldhub/research/relevance-of-gold-as-a-strategic-asset-2022
Öz
Bu araştırma gram altın TL fiyatının volatilitesini 2005 ile 2020 arasındaki günlük veri ile modellemeyi hedeflemektedir. Bu bağlamda makalede ARCH, GARCH ve TGARCH gibi standart volatilite modellerine ilave olarak doğrusal olmayan MSGARCH modeli kullanılarak altının değişen varyansının modellenmesi yapılmaktadır. MSGARCH modeli doğrusal olmayan bir metoddur ve özü itibariyle rejim değişikliği ile ifade edilen düşük riskli rejim ve yüksek riskli rejim olarak volatiliteyi rejimlere böldüğü için ve rejimler arasında klasik modellerin aksine geçişler olduğundan bu yöntemin diğer metotlara nazaran daha hassas ve doğru sonuçlar verdiği bulunmaktadır. Bu çalışma iktisadi açıdan önem taşımaktadır çünkü getiri ve volatiliteyi en iyi modelleyen ve tahmin eden metodların bulunması yatırımcıya yatırım kararları alırken ve portföyünü oluştururken yardımı olabilecektir. İktisadi olarak altının diğer döviz (örn dolar) ve borsa endeksleri gibi enstrümanlara göre çok farklı ve kalıcı rejimlere sahip olmadığı bu nedenle altının iktisadi olarak güvenli liman olduğundan dövizden ve borsadan daha güvenli ve risksiz bir yatırım aracı olduğu da saptanmıştır. Bu çalışmanın literatüre katkı sağlayacağı düşünülmektedir. Çünkü daha önceki çalışmalarda anlaşıldığı kadarıyla TL gram altın volatilitesinin rejimlere (düşük volatilite dönemleri ve yüksek volatilite dönemleri olarak) ayrılarak ve farklı parametrelere izin verilerek doğrusal olmayan MSGARCH modeli ile tahmin edilmediği görülmektedir. MSGARCH modeli ayrıca risk yönetimi, türev fiyatlandırılması ve portföy optimizasyonunda etkili olabilmektedir. Bu bağlamda çalışmanın bulgularının piyasa yapıcılar, akademisyenler, yatırımcılar, risk ve portföy yöneticilerine faydalı olabileceğine inanılmaktadır.
Anahtar Kelimeler
Kaynakça
- Akel, V. , ve Gazel, S. (2015). Finansal piyasa riski ve altın yatırımı: Türkiye örneği. Çanakkale Üniversitesi Sosyal Bilimler Enstitüsü Dergisi, 24(1), 335-350.
- Ardia, D., Bluteau, K., Boudt, K. ve Catania, L. (2018). Forecasting risk with Markov-switching GARCH models: A large-scale performance study. International Journal of Forecasting, 34, 733-747.
- Atmaca, V.D. (2015). Altın fiyat getirilerindeki oynaklığın stokastik volatilite modelleri ile tahmini. Paper presented at 7th International Social Sciences Congress in the Balkans, Kaposvar, Macaristan, 25-30 Ağustos 2015, 379-389.
- Barca, O. ve Arabacı, Ö. (2020). BİST altın fiyatları markov rejim değişim modeli ile analizi. Muhasebe ve Finansman Dergisi, 85, 209-222.
- Bentes, S.R. (2015). Forecasting volatility in gold returns under the GARCH, IGARCH and FIGARCH frameworks: New evidence, Physica A, 355-364.
- Chkili, W. (2017). Is gold a hedge or safe haven for Islamic stock market movements? A Markov switching approach. Journal of Multinational Financial Management, 42(43). 152-163
- Çifter, A. (2013). Forecasting electricity price volatility with the Markov-switching GARCH model: Evidence from the Nordic electric power market. Electric Power Systems Research, 102, 61-67.
- Diebold, F.X. ve Yilmaz, K. (2012). Better to Give than to Receive: Predictive Directional Measurement of Volatility Spillovers. International Journal of Forecasting, 28(1), 57-66.
- Garman, M.B. ve Klass, M.J. (1980). On the Estimation of Security Price Volatility from Historical Data. The Journal of Business, 53(1), 67-78.
- Gencer, G.H., ve Musoğlu, Z. (2014). Volatility modeling and forecasting of İstanbul Gold Exchange (IGE). International Journal of Financial Research, 5(2), 87-101.
- Gray, S.F. (1996). Modeling the conditional distribution of interest rates as a regime switching process, Journal of Financial Economics, 42(1), 27-62.
- Gün, M. (2020). Döviz kuru volatilitesinin doğrusal ve doğrusal olmayan yöntemler ile incelenmesi, İstanbul Ticaret Üniversitesi Sosyal Bilimler Dergisi, 39, 952-974.
- Hillier, D., Draper, P., ve Faff, R. (2019). Do precious metals shine? An investment perspective, Financial Analysts Journal, 62(2), 98-106.
- Höl, A.Ö. ve Gülcan, N. (2022). Kıymetli Madenlerin Range-Based Volatilite Serileri Arasındaki Asimetrik İlişkiler, Alanya Akademik Bakış Dergisi, 6(3), 3215-3236.
- Karabacak, M., Meçik, O., ve Genç, E. (2014). Koşullu değişen varyans modelleri ile BİST 100 endeks getirisi ve altın getiri volatilitesinin tahmini. Uluslararası Alanya İşletme Fakültesi Dergisi, 6(1), 79-90.
- Karadağ, M.A. (2008). Analysis of Turkish stock market with markov regime switching volatility models (Yayımlanmamış yükseklisans tezi). ODTÜ Finansal Matematik Bölümü, Ankara
- Kılıç, E. ve Baydaş, Y. (2022). Borsa İstanbul ile Kıymetli Madenler Arasındaki Volatilite Yayılımı. Kastamonu Üniversitesi İktisadi ve İdari Bilimler Fakültesi Dergisi, 24(2), 212-225.
- Klaassen, F. (2002). Improving GARCH volatility forecasts with regime-switching GARCH. Empirical Economics, 27, 363-394.
- Kristjanpoller, W. , ve Minutolo, M.C. (2015). Gold price volatility: a forecasting approach using the artificial neural network-GARCH model. Expert Systems with Applications, 42(20), 7245-7251
- https://doi.org/10.1016/j.eswa.2015.04.058
- Kula, V., ve Baykut, E. (2017). BIST banka endeksi’nin (XBANK) volatilite yapısının Markov rejim değişimi GARCH modeli (MSGARCH) ile analizi, Bankacılar Dergisi, 102, 89-110.
- Mansor, İ.H. (2011). Financial market risk and gold investment in an emerging market: the case of Malaysia, Romanian Journal of Economic Forecasting, 4, 79-89.
- Muhammad, N., Kumar, T.A., Sana, M., ve Muhammad, S. (2019). Modeling volatility of precious metals markets by using regime-switching GARCH models. Resources Policy, 64, 1-8.
- Qasım, T.B., Iqbal, G.Z., Hassan, M. Ve Ali, H. (2021). Application of Markov Regime Switching Autoregressivde Model to Gold Prices in Pakistan. Review of Economics and Development Studies, 7(3), 309-323.
- Sopipan, N., Sattayatham, P. ve Premanode, B. (2012). Forecasting volatility of gold price using markov regime switching and trading strategy. Journal of Mathematical Finance, 2, 121-131.
- Şahin, Ö. (2021). Bireysel yatırım enstrümanlarının volatilite yapılarının belirlenmesi: kripto paralar, ABD doları Türk lirası kuru, altın ve yatırım fonları üzerine bir uygulama. Yönetim Bilimleri Dergisi, 19(42), 843-865.
- https://doi.org/10.35408/comuybd.774626
- Şencan, İ. (2017). BİST altın endeksi oynaklığı analizi ve performans ölçümü. Maliye Finans Yazıları, 107, 9-24.
- Şenol, Z. ve Koç, S. (2022). Borsa, Faiz, Döviz Kuru, Altın, Petrol ve Bitcoin Arasında Volatilite Yayılımları. Uluslararası İktisadi ve İdari İncelemeler Dergisi, 35, 31-46.
- What makes gold a strategic asset? (2022, 20 Ocak). Erişim tarihi https://www.gold.org/goldhub/research/relevance-of-gold-as-a-strategic-asset-2022
Ayrıntılar
| Birincil Dil | Türkçe |
|---|---|
| Konular | İşletme |
| Bölüm | Makaleler |
| Yazarlar | |
| Yayımlanma Tarihi | 5 Eylül 2023 |
| Gönderilme Tarihi | 6 Eylül 2022 |
| Kabul Tarihi | 28 Nisan 2023 |
| Yayımlandığı Sayı | Yıl 2023 Cilt: 38 Sayı: 3 |
İzmir İktisat Dergisi
TR-DİZİN, DOAJ, EBSCO, ERIH PLUS, Index Copernicus, Ulrich’s Periodicals Directory, EconLit, Harvard Hollis, Google Scholar, OAJI, SOBIAD, CiteFactor, OJOP, Araştırmax, WordCat, OpenAIRE, Base, IAD, Academindex
tarafından taranmaktadır.
Dokuz Eylül Üniversitesi Yayınevi Web Sitesi
https://kutuphane.deu.edu.tr/yayinevi/
Dergi İletişim Bilgileri Sayfası
https://dergipark.org.tr/tr/pub/ije/contacts
İZMİR İKTİSAT DERGİSİ 2022 yılı 37. cilt 1. sayı ile birlikte sadece elektronik olarak yayınlanmaya başlamıştır.