Global Power Candidates: Lead/Lag Relationship and Volatility Spillover Between Brazil, China, and Russia

Year 2024, Volume: 15 Issue: 41, 167 - 180, 28.02.2024

Savaş Tarkun

https://doi.org/10.21076/vizyoner.1267325

Abstract

In the study, the multivariate VAR-EGARCH model created by Koutmos is used to evaluate the spread of return and volatility across China, Russia, and Brazil, which may one day become significant economic powers in the world economy (1996). The study uses 2,621 days of data from November 1, 2012, through November 11, 2022. The findings show that there is a return spread of approximately 13.4% from the Brazil market to the Chinese market and approximately 15% from the Brazil market to the Russian market. These ratios show that the spillover of returns from Brazil to the other two countries is high. In addition, volatility spillover from Brazil to Russia is approximately 4.5%, and from Brazil to China, it is approximately 1.5%. These results show that the volatility spillover is asymmetrical rather than symmetrical, as is the return spread from Brazil to the other two countries. Also, Brazil is giving volatility to China and Russia, and it is concluded that China is the one who takes volatility from Russia and Brazil. On the other hand, the markets with a high relative importance of asymmetry, which shows the effect of negative news compared to positive news, are Russia (3.21), Brazil (2.89) and China (2.58), respectively.

Keywords

BRC Countries, Lead/Lag Relationship, Volatility Spillover, Conditional Correlation

Küresel Güç Adayları: Brezilya, Çin ve Rusya Arasındaki Öncül/Ardıl İlişkisi ve Volatilite Yayılımı

Abstract

Bu çalışmada, küresel ekonomide gelecekte önemli ekonomik güç olabilecek Çin, Rusya ve Brezilya ülkeleri arasında getiri ve volatilite yayılımı, Koutmos (1996) tarafından önerilmiş olan çok değişkenli VAR-EGARCH modeli ile incelenmiştir. Çalışma, 01/11/2012-18/11/2022 dönemine ait 2621 adet günlük veriden oluşmaktadır. Elde edilen bulgulara göre, Brezilya piyasasından Çin piyasasına yaklaşık %13,4 ve Brezilya piyasasından Rusya’ya piyasasına yaklaşık %15,0 düzeyinde getiri yayılımı mevcuttur. Elde edilen bu oranlar, Brezilya’dan diğer iki ülkeye getiri yayılımının yüksek olduğunu göstermektedir. Brezilya’dan Rusya’ya volatilite yayılımı yaklaşık %4,5 ve Brezilya’dan Çin’e yaklaşık %1,5 düzeyinde elde edilmiştir. Bu sonuçlar, Brezilya’dan diğer iki ülkeye getiri yayılımında olduğu gibi volatilite yayılımının simetrik değil asimetrik yayılım olduğunu göstermektedir. Ayrıca, Brezilya’nın Çin ve Rusya’ya volatiliteyi veren; Çin’in ise Rusya ve Brezilya’dan volatiliteyi alan piyasalar olduğunu sonucuna varılmıştır. Öte taraftan, olumsuz haberlerin olumlu haberlere göre etkisini gösteren asimetrinin göreceli önemi yüksek olan piyasalar sırasıyla Rusya (3,21); Brezilya (2,89) ve Çin (2,58) olduğu tespit edilmiştir.

Keywords

BRC Ülkeleri, Öncül/Ardıl İlişki, Volatilite Yayılımı, Koşullu Korelasyon

References

• Alotaibi, A. R. ve Mishra, A. V. (2015). Global and regional volatility spillovers to GCC stock markets. Economic Modelling, 45, 38–49. https://doi.org/10.1016/j.econmod.2014.10.052
• Barro, R. J. (1991). Economic growth in a cross section of countries. The Quarterly Journal of Economics 106(2).
• Bayramoğlu, M. F. ve Abasız, T. (2017). Gelişmekte olan piyasa endeksleri arasında volatilite yayılım etkisinin analizi. Muhasebe ve Finansman Dergisi, 74, 183–200. https://doi.org/10.25095/mufad.396865
• Ben Rejeb, A. ve Arfaoui, M. (2016). Financial market interdependencies: A quantile regression analysis of volatility spillover. Research in International Business and Finance, 36, 140–157. https://doi.org/10.1016/j.ribaf.2015.09.022
• Bhar, R. ve Nikolova, B. (2009). Return, volatility spillovers and dynamic correlation in the BRIC equity markets: An analysis using a bivariate EGARCH framework. Global Finance Journal, 19(3), 203–218. https://doi.org/10.1016/j.gfj.2008.09.005
• Bollerslev, T. (1986). Generalized autoregressive conditional heteroskedasticity. Journal of Econometrics, 31, 307–327. https://doi.org/10.1109/TNN.2007.902962
• Brooks, C. (2008). Introductory econometrics for finance. In Cambridge University Press.
• Çelik, İ., Özdemir, A. ve Demir Gülbahar, S. (2018). İslami hisse senedi endeksleri arasında getiri ve volatilite yayılımı: Gelişmiş ve Gelişmekte olan piyasalarda çok değişkenli VAR-EGARCH uygulaması. MUFİDER, 1(2), 89–100.
• Çelik, İ., Özdemir, A. ve Gülbahar, S. D. (2018). Gelişmekte olan ülkelerde getiri ve volatilite yayılımı: NIMPT ülkelerinde VAR-EGARCH uygulaması. Finans Politik & Ekonomik Yorumlar, 55(636), 9–24.
• Engle, R. F. (1982). Autoregressive conditional heteroscedasticity with estimates of the variance of United Kingdom inflation. Econometrica, 50(4), 987–1007. https://doi.org/10.2307/1912773
• Erten, I., Murat, M. B. ve Okay, N. (2012). Munich personal RePEc archive volatility spillovers in emerging markets during the global financial crisis: Diagonal BEKK approach. Munich Personal RePEc Archive, 56190, 1–18. https://mpra.ub.uni-muenchen.de/56190/
• Fowowe, B. ve Shuaibu, M. (2016). Dynamic spillovers between Nigerian, South African and international equity markets. International Economics, 148, 59–80. https://doi.org/10.1016/j.inteco.2016.06.003
• Gençyürek, A. G. ve Demireli, E. (2019). Gelişmekte olan ülkelerin hisse senedi piyasaları ile ham petrol arasındaki getiri ve volatilite yayılımı. Dumlupınar Üniversitesi Sosyal Bilimler Dergisi, 61, 66–83.
• Gürsoy, S. ve Gövdere, B. (2020). Uluslararası pay piyasaları arasındaki getiri ve volatilite yayılımı: Gelişmiş ülkeler ve seçilmiş gelişmekte olan ülkeler üzerine bir inceleme. Süleyman Demirel Üniversitesi Vizyoner Dergisi, 11(27), 487–502. https://doi.org/10.21076/vizyoner.660976
• Harvey, C. R. (1991). The world price of covariance risk. The Journal of Finance, 46(1), 111–157. https://doi.org/10.1111/j.1540-6261.1991.tb03747.x
• Işığıçok, E. (1994). Zaman serilerinde nedensellik çözümlemesi. Uludağ Üniversitesi Basımevi.
• Khalifa, A. A. A., Hammoudeh, S. ve Otranto, E. (2014). Patterns of volatility transmissions within regime switching across GCC and global markets. International Review of Economics and Finance, 29, 512–524. https://doi.org/10.1016/j.iref.2013.08.002
• Koutmos, G. (1996). Modeling the dynamic interdependence of major European stock markets. Journal of Business Finance and Accounting, 23(7), 975–988. https://doi.org/10.1111/j.1468-5957.1996.tb01035.x
• Koutmos, G. ve Tucker, M. (1996). Temporal Relationships and Dynamic Interactions Between Spot and Future Stock Markets. The Journal of Futures Markets, 16(1).
• Lu, W., Gao, Y. ve Huang, X. (2019). Volatility spillovers of stock markets between china and the countries along the belt and road. Emerging Markets Finance and Trade, 55(14), 3311–3331. https://doi.org/10.1080/1540496X.2019.1570496
• Majdoub, J. ve Ben Sassi, S. (2016). Volatility spillover and hedging effectiveness among China and emerging Asian Islamic equity indexes. Emerging Markets Review, 31, 16–31. https://doi.org/10.1016/j.ememar.2016.12.003
• Mensi, W., Boubaker, F. Z., Al-Yahyaee, K. H. ve Kang, S. H. (2017). Dynamic volatility spillovers and connectedness between global, regional, and GIPSI stock markets. Finance Research Letters, 25, 230–238. https://doi.org/10.1016/j.frl.2017.10.032
• Nargeleçekenler, M. (2004). Euro kuru satış değerindeki volatilitenin ARCH ve GARCH modelleri ile tahmini [Estimation of volatility in Euro exchange rate sales values with ARCH and GARCH Models]. İstanbul Üniversitesi İktisat Fakültesi Mecmuası, 54(2), 153–179.
• Nelson, D. B. (1991). Conditional heteroskedasticity in asset returns: A New approach. Journal Econometrica Society, 59(2), 347–370.
• Pandey, V. ve Vipul. (2017). Article information : Volatility spillover from crude oil and gold to BRICS equity markets. Journal of Economic Studies.
• Polat, M. ve Kılıç, E. (2020). MIST ülkelerinin hisse senedi piyasaları ile döviz kurları arasındaki getiri ve volatilite etkileşimi. Gaziantep University Journal of Social Sciences, 19(4), 1463–1479. https://doi.org/10.21547/jss.706726
• Polat, M. ve Kılıç, E. (2022). BRICS ülkelerinde döviz kuru ve borsa arasındaki getiri ve volatilite etkileşimi: VAR-EGARCH modeli ile bir uygulama. Pamukkale Üniversitesi Sosyal Bilimler Enstitüsü Dergisi, 49, 539–551.
• Savva, C. S., Osborn, D. R. ve Gill, L. (2005). Volatility, spillover effects and correlations in US and major European markets. Working Paper, University of Manchester, 1–30.
• Şenol, Z. ve Türkay, H. (2020). Gelişmiş ve gelişmekte olan borsalar arasındaki oynaklık yayılımı. Marmara Üniversitesi İktisadi ve İdari Bilimler Dergisi, 42(2), 361–385.
• Wilson, D. ve Purushothaman, R. (2006). Dreaming with BRICs: The path to 2050. Emerging economies and the transformation of international business: Brazil, Russia, India and China (BRICs), October 2003, 1–35. https://doi.org/10.4337/9781847202987.00008
• Yalçınkaya, Ö. ve Aydın, H. İ. (2017). Ekonomik ve politik belirsizliğin ekonomik büyüme üzerindeki etkileri: G-7 BRC ülkeleri üzerine bir panel veri analizi (1997-2015). Ege Akademik Bakis (Ege Academic Review), 17(3), 1–1. https://doi.org/10.21121/eab.2017328407
• Zhang, P., Sha, Y. ve Xu, Y. (2021). Stock market volatility spillovers in G7 and BRIC. Emerging Markets Finance and Trade, 57(7), 2107–2119. https://doi.org/10.1080/1540496X.2021.1908256