ÖZETGenelleştirilmiş Otoregresif Koşullu Değişken Varyanslılık (Generalized AutoregressivConditional Heteroskedasticity veya GARCH) bir hata modellemesidir. Çoğunluklabaşka modellerin içinde volatilite faktörünü temsilen kullanılır. çinde GARCH bulunanmodeller zehirli gazların atmosferde yayılma hızı tahmininden sinirsel aktiviteyi simuleetmeye kadar çeşitli alanlarda kullanılmaktadır. Ancak finans halen GARCHkullanımında önde gelen alandır ve bu konudaki araştırmaların başını çekmektedir.Bu tezde GARCH modelleri tanıtılmış ve IMKB 100 Endeksine uygulandığındadeğerleme ve tahmin etme kapasiteleri incelenmiştir. Bunun yanısıra IMKB'nin gelişmişülkelerdeki finansal zaman serilerinin göstermiş olduğu ortak karakteristikleri ortayakoyup koymadığı gözlemlenmiştir. Bu sayede, 2007 yılında Basel II gerekliliklerininuygulamaya konmasıyla sonuçları daha da önemli hale gelecek olan Türkiye temelli riskyönetimi araştırmalarına katkıda bulunmak hedeflenmektedir.Bu çalışma, 9 yıllık günlük verilere dayanarak IMKB 100 endeksinin volatilitesinideğerlendirmek ve tahmin etmek için, her biri dört ayrı dağılımla denenen, ARMAözellikleri eklenebilen 11 değişik ARCH modelinin performansını sunmaktadır.Elde edilen sonuçlara göre, eğer aynı dağılım kullanılırsa, kısmi entegre edilmişasimetrik modeller bu özelliğe sahip olmayan orjinal versiyonlarından daha iyi volatilitedeğerlemesi yapabilmektedir. Eğik-t ve Student-t dağılımlarının kullanılması modelinveriye daha iyi yerleşmesini sağlamaktadır. Belirli bir model veya dağılımınkullanılmasının volatilite tahmininde açık bir iyileşmeye yol açmadığı gözlenmiştir.

SUMMARYGeneralized Auto Regressive Conditional Heteroskedasticity (GARCH) is a model oferrors. It is mostly used in other models to represent volatility. The models that makeuse of GARCH vary from predicting the spread of toxic gases in the atmosphere tosimulating neural activity. But finance is still the leading area and dominates theresearch on GARCH.In this paper we investigate the estimating and forecasting capabilities of GARCHmodels when applied to daily IMKB 100 index data. We furthermore aim to understandwhether IMKB data exhibits the common characteristics of financial time seriesobserved in developed countries. We thereby wish to contribute to the risk managementresearch in Turkey, the outcomes of which will be of crucial value after theimplementation of Basel II regulations in 2007.This paper presents the performance of 11 ARCH-type models each with four differentdistributions combined with ARMA specifications in conditional mean in estimating andforecasting the volatility of IMKB 100 stock indices, using daily data over a 9 yearsperiod.The results suggest that fractionally integrated asymmetric models outperform the non-FI versions and, using skewed-t and student-t distributions provide better fit to the datafor almost every model in estimating volatility. In forecasting volatility a clearimprovement is not observed by altering a specific model component or distribution.

180