Bu tezin amacı gelişmekte olan ülke borsalarındaki yatırımcı davranışlarını ve oynaklığı doğrusal olmayan zaman serisi yöntemleri aracılığıyla araştırmaktır. Çalışmada datastream veri tabanından Haziran 03, 2004 ile Haziran 03, 2014 dönemi kapsamında günlük frekansta sağlanan ve Morgan Stanley Capital International - Emerging Market endeksine dahil olan on iki ülkenin borsa serileri ekonometrik yöntemler ile analiz edilmiştir. Küresel finans krizinin etkisinin daha iyi araştırılması için veriler üç ayrı dönemde analiz edilmiştir.
İlk olarak borsa getiri serilerindeki doğrusal olmayan bağımlılığın tespit edilmesi için BDS, Keenan, McLeod-Li, White Neural Network ve TLRT testleri uygulanmıştır. Test sonuçları bütün piyasalarda doğrusallığın red edildiğini göstermiştir. Daha sonra ise doğrusal olmayan dinamikleri modellemek için eşikli otoregresif ve yumuşak geçişli otoregresif yöntemler borsa serilerine uygulanmıştır. İkinci olarak GARCH, EGARCH, GJR-GARCH, AV-GARCH, CGARCH, TGARCH, NAGARCH, IGARCH, GARCH-M ve APARCH modelleri oynaklık ile oynaklığın ortalamaya dönme süresini hesaplamak için kullanılmıştır.Sonuç olarak gelişmekte olan ülke piyasalarına doğrusal olmayan dinamiklerin koşullu varyanstan kaynaklandığı bulunmuştur. Ayrıca asimetrik GARCH modelleri gelişmekte olan piyasalarda kaldıraç etkisi olarak bilinen negatif
vi
şokların oynaklık üzerinde pozitif şoklardan daha fazla etkili olduğunu göstermiştir. GARCH-M modeli ise risk ve getiri arasında anlamsız ilişki bulmuştur. Dolayısıyla gelişmekte olan ülkelerde risk primi zaman bağlı olarak değişmemekte ve yatırımcılar üstlendikleri riske karşılık ilave beklenen getiri kazanamaktadırlar. Ayrıca GARCH temelli modeller oynaklığın ortalamaya dönme süresinin alt dönemler itibariyle değiştiğini tahmin etmiştir. Son olarak ise eşiksel otoregresif modeller kriz sırasında yatırımcıların bazı gelişen ülkelerde uzun dönemli ve spekülatif amaçlı karar aldıklarını göstermiştir.
The purpose of this thesis is to investigate the behavior of investor and volatility in emerging markets by employing nonlinear time series methods. In this study, the daily data obtained from Datastream database from June 03, 2004 to June 03, 2014 for twelve emerging markets which are selected from Morgan Stanley Capital International - Emerging Market Index was used for econometric estimations. The data was divided into three different sub-periods to detect the impact of mortgage crisis on equity markets.
Firstly, BDS, Keenan, McLeod-Li, White Neural Network and TLRT tests are conducted to determine the non-linear dependence of stock returns. The results demonstrate that linearity in returns is rejected for all markets. Subsequently, Threshold Autoregressive models and Logistic Smooth Transition Autoregressive models are employed to model nonlinearities in stock returns. Secondly, GARCH, EGARCH, GJR-GARCH, AV-GARCH, CGARCH, TGARCH, NAGARCH, IGARCH, GARCH-M and APARCH models are used to estimate both volatility and duration of mean-reversion of volatility.
The results confirm that nonlinearities stem from the conditional variance in emerging markets. Moreover asymmetric GARCH models results demonstrate the presence of leverage effect in returns series which imply that negative shocks have more impact on the volatility in the emerging market. GARCH-M model documents the insignificant relationship between risk and return.
Consequently risk premium do not depend on time in emerging market and investors who are taking risk in merging market does not appear to be rewarded with higher expected returns. Also GARCH based models estimate the duration of mean-reversion of volatility in emerging markets differs substantially between sub-periods. Finally, threshold autoregressive models reveal that during crisis in some emerging markets, investors arrived to speculative intention or long-term position decision.
