Value-at-Risk (VaR) Estimation with Long-Memory Asymmetric Volatility Models: Gold Market in the Covid-19 Period

Yıl 2023, Cilt: 25 Sayı: 44, 66 - 86, 30.06.2023

Serpil Türkyılmaz

Öz

Market risk and uncertainty are the most fundamental risk factors that need to be estimated for investors' decisions. One of the most widely used risk measurement methods is the value-at-risk (VaR) estimation. In this study, the Value-at-Risk (VaR) approach was used for market risk estimation by obtaining the daily gold price return series for the period 02.01.2019-22.08.2022 covering the Covid-19 process in Turkey. The ARMA(1,1)-FIEGARCH(1,d,1) and ARMA(1,1)-FIAPARCH(1,d,1) models, which take into account the long memory and asymmetry characteristics in the return volatility of gold prices, was estimated with different distributions (Normal, Student -t GED and Skewed Student-t). According to the model estimation results, the existence of long memory and asymmetric effects in the volatility of the gold return series were found to be statistically significant. According to the model selection criteria, ARMA(1,1)-FIEGARCH(1,d,1) with the Skewed Student-t Distribution and ARMA(1,1)-FIAPARCH(1,d,1) with Normal Distribution has been estimated as suitable models for the return series volatility. Value-at-risk (VaR) estimates for gold market risk are obtained in short and long positions based on both models. The study findings support that value-at-risk (VaR) estimates based on volatility models that take long memory and asymmetric effects into account are appropriate for gold market risk.

Anahtar Kelimeler

Gold Market, Value-at-Risk (VaR), FIEGARCH Model, FIAPARCH Model, Kupiec-LR Test

Uzun Hafızalı Asimetrik Oynaklık Modelleri ile Riske Maruz Değer(VaR) Tahmini: Covid-19 Dönemi Altın Piyasası

Öz

Piyasa riski ve belirsizliği yatırımcıların kararları için tahmin edilmesi gerekli en temel risk faktörüdür. En yaygın biçimde kullanılan risk ölçüm yöntemlerinden birisi de riske maruz değer(VaR) tahminidir. Bu çalışmada Türkiye’ de Covid-19 sürecini kapsayan 02.01.2019-22.08.2022 dönemindeki günlük altın fiyatları getiri serisi elde edilerek piyasa riski tahmini için riske maruz değer (VaR) yaklaşımı kullanılmıştır. Altın fiyatları getiri oynaklığındaki uzun hafıza ve asimetri karakteristiklerini de dikkate alan ARMA(1,1)-FIEGARCH(1,d,1) ve ARMA(1,1)-FIAPARCH(1,d,1) modelleri farklı dağılımlı (Normal, Student-t, GED ve Çarpık Student-t) olarak tahmin edilmiştir. Model tahmin sonuçlarına göre altın getiri serisinin oynaklığında uzun hafızanın ve asimetrik etkilerin varlığı istatistiksel anlamlı bulunmuştur. Model seçim kriterlerine göre Çarpık Student-t Dağılımlı ARMA(1,1)-FIEGARCH(1,d,1) ve Normal Dağılımlı ARMA(1,1)-FIAPARCH(1,d,1) modeli getiri serisi oynaklığı için uygun model olarak tahmin edilmiştir. Altın piyasası riski için riske maruz değer (VaR) tahminleri her iki modele dayalı kısa ve uzun pozisyonda elde edilmiştir. Çalışma bulguları, altın piyasası piyasa riski için uzun hafıza ve asimetrik etkileri dikkate alan oynaklık modellerine dayalı riske maruz değer(VaR) tahminlerinin uygun olduğunu desteklemektedir.

Anahtar Kelimeler

Altın Piyasası, Riske Maruz Değer (VaR), FIEGARCH Modeli, FIAPARCH Modeli, Kupiec-LR Testi

Kaynakça

• Baillie, R.T., Bollerslev, T. ve Mikkelsen, H.O. (1996). Fractionally Integrated Generalized Autoregressive Conditional Heteroskedasticity. Journal of Econometrics, 74, 3-30.
• Bildirici, M., Kayıkçı, F. ve Onat, I.Ş. (2016). Gold Price and Economic Growth. Procedia Economics and Finance, 38, 280-286.
• Bollerslev, T. ve Mikkelsen, H.O. (1996). Modeling and Pricing Long Memory in Stock Market Volatility. Journal of Econometrics, 73, 151-84.
• BofA, 2021. Finansal Raporlar, https://www.ml.com.tr/ (Erişim tarihi: 09.04.2023).
• Chinhamu, K. ve Chikobvu, D. (2017). Value-At-Risk Estimation of Gold Market with Stable And Generalised Hyperbolic Distributions. Journal of Economic and Financial Sciences, 10(3), 508- 521.
• Chinhamu, K., Chifurira1, R. ve Ranganai, E. (2022). Value-at-Risk Estimation of Precious Metal Returns using Long Memory GARCH Models with Heavy-Tailed Distribution. J. Stat. Appl. Pro., 11(1), 89-107.
• Chinhamu, K., Huang, C-K., Huang, C-S. ve Chikobvu, D. (2015). Extreme Risk, Value-At-Risk And Expected Shortfall in the Gold Market. International Business & Economics Research Journal, 14(1), 107-122.
• Chkili, W., Hammoudeh, S. ve Nguyen, D.K. (2014). Volatility Forecasting and Risk Management for Commodity Markets in the Presence of Asymmetry and Long Memory. Ipag Business School Working Paper Series, 325, 1-36.
• Contuk, F.Y., Burucu, H. ve Güngör, B. (2013). Effect of Gold Price Volatility On Stock Returns: Example of Turkey. International Journal of Economics and Finance Studies, 5(1), 119-140.
• Değirmenci, N. ve Abdioğlu, Z. (2017). Finansal Piyasalar Arasındaki Oynaklık Yayılımı. Dumlupınar Üniversitesi Sosyal Bilimler Dergisi, 54, 104-125.
• Demireli, E. ve Torun, E. (2011). Alternatif Piyasa Oynaklıklarında Meydana Gelen Kırılmaların ICSS Algoritmasıyla Belirlenmesi ve Süregenliğe Etkileri: Türkiye ve Londra Örneği. Muhasebe ve Finansman Dergisi, 46, 129-145.
• Díaz-Hernández, A., Sánchez, J.C.R. ve Flores, Y.S. (2018). Determinants of Changes in Gold Returns. Contaduría y Administración, 65(2), 1-27.
• Ding, Z.C., Granger, W.J., ve Engle, R.F. (1993) A long memory property of stock market returns and a new model. Journal of Empirical Finance, 1, 83-106.
• Evci, S. ve Kandır, S.Y. (2015). Altın Piyasasında Piyasa Riskinin Ölçülmesi: Riske Maruz Değer (VAR) Yöntemi ile Bir Uygulama. Bankacılar Dergisi, 2015(92), 53-70.
• Demiralay, S. ve Ulusoy, V. (2014). Value-at-risk Predictions of Precious Metals with Long Memory Volatility Models. Munich Personal RePEc Archive (MPRA), MPRA Paper No. 53229, 1-25.
• Demireli, E. ve Taner, B. (2009). Risk Yönetiminde Riske Maruz Değer Yöntemleri ve Bir Uygulama. Süleyman Demirel Üniversitesi İİBF Dergisi, 14(3), 127-148.
• Fan, Y., Zhang, Y. J., Tsai, H. T. ve Wei, Y. M. (2008). Estimating Value at Risk of Crude Oil
• Price and its Spillover Effect Using The Ged-Garch Approach. Energy Economics, 30, 3156- 3171.
• Gangopadhyay, K., Jangir, A. ve Sensarma, R. (2016). Forecasting the price of gold: An error correction approach. IIMB Management Review, 28, 6-12.
• Goudarzi, H. (2010). Modeling Long Memory in The Indian Stock Market using Fractionally Integrated Egarch Model. International Journal of Trade, Economics and Finance, 1(3), 231-237.
• Hardiyanti, W. ve Darnius, O. (2021). Risk Value Analysis of Gold Futures Trading Investment Using Fundamental Analysis, Technical Analysis, and Value at Risk. Journal of Research in Mathematics Trends and Technology (JoRMTT), 3,(1), 8-19.
• Kaya, P. ve Güloğlu, B. (2017). Modeling and Forecasting the Markets Volatility and VaR Dynamics of Commodity. Journal of BRSA Banking and Financial Markets, 11(1), 9-49.
• Kupiec, P. (1995). Techniques for Verifying The Accuracy of Risk Measurement Models. Journal of Derivatives, 2, 173-184.
• Kurt Cihangir, Ç. ve Uğurlu, E. (2017). Altın Piyasasında Asimetrik Oynaklık: Türkiye İçin Model Önerisi. İşletme Araştırmaları Dergisi, 9(3), 284-299.
• Li, F., Wang, J., Su, L. and Yang, B. (2017). Dynamic VaR Measurement of Gold Market with SV-T- MN Model. Hindawi Discrete Dynamics in Nature and Society, 1-10.
• Lili, L. ve Chengmei, D. (2013). Research of the Influence of Macro-Economic Factors on the Price of Gold. Procedia Computer Science, 17, 737-743.
• Moralı, T. ve Uyar, U. (2018). Kıymetli Metaller Piyasasının Fraktal Analizi. Hitit Üniversitesi Sosyal Bilimler Enstitüsü Dergisi, 11(3), 2203-2218.
• Özkan, T. ve Kolay, Ç. (2016). Türkiye’de Altın Fiyatlarına Etki Eden Temel Faktörlerin Analizi. International Conference On Eurasian Economies 2016, Session 1d: Finans I, 573-582.
• Pratiwi, N., Iswahyud, C. ve Safitri, I. (2019). Generalized Extreme Value Distribution for Value at Risk Analysis on Gold Price. IOP Conf. Series: Journal of Physics: Conf. Series, 1217, 1-9.
• Schlender, S.G., Righi, M.B. ve Ceretta, P.S. (2015). Performance of Conditional Models in Gold Risk Management. Revista Eletrônica de Administração, 21(3), 648-658.
• Tang, T.L ve Shieh S.J. (2006). Long Memory in Stock Index Futures Markets: A Value-At-Risk Approach. Physica A, 366, 437-448.
• Tokat, H.A. (2013). Altın, Döviz ve Hisse Senedi Piyasalarında Oynaklık Etkileşimi Mekanizmasının Analizi. İ.Ü. Siyasal Bilgiler Fakültesi Dergisi, 48, 151-162.
• Tse, Y.K. (1998). The Conditional Hetorescedasticity of the Yen-Dollar Exchange Rate. Journal of Applied Econometrics, 13, 49-55.
• Türkyılmaz, S. (2020). A Research on Long Memory of Volatility and Return in The Gold Market in Turkey. M. Özmen ve S. Yılmaz Kandır (Ed.), Current Economics and Business Studies II içinde (ss.15-29), Ankara: Akademisyen Kitabevi A.Ş.
• Yurdakul, F. ve Sefa, M. (2015). An Econometric Analysis of Gold Prices in Turkey. Procedia Economics and Finance, 23, 77-85.