Günlük Getiriler Neden Volatilite Tahmini İçin Hâlâ Önemli

Kantitatif traderlar için gelecekteki piyasa hareketlerini tahmin etmek amacıyla doğru veri setini seçmek, muhtemelen verdikleri en kritik karardır. Tarihsel olarak, belirli bir hisse senedi ya da emtianın kapanış ya da açılış fiyatı, o menkul kıymetin ticaret desenini analiz etmek için iyi bir başlangıç noktasıydı.

Ancak bugün, işlemler gelişmiş BT sistemleri tarafından mikrosaniyeler içinde gerçekleşiyor ve yüksek frekanslı “botlar” tarafından büyük bir işlem hacmi oluşturuluyor; bu tür piyasa faaliyetlerinden elde edilen veriler genellikle tercih ediliyor.

Yeni bir çalışma, yüksek frekanslı piyasa verilerinin günlük getirileri geçersiz kılmadığını öne sürüyor. Yeni bir gerçekleşmiş volatilite modeli kullanılarak, her iki sinyalin birleştirilmesinin ham petrol volatilite tahminlerini, risk limitlerini ve hedge kararlarını önemli ölçüde iyileştirebileceği ortaya konuluyor.

Çalışma, Hindistan’daki Guwahati Teknoloji Enstitüsü’nden üç araştırmacı tarafından yürütülmüş ve Finance Research Open¹ dergisinde “Do returns still matter? A complete asymmetric volatility model with realized measures in financial markets” başlığıyla yayımlanmıştır.

Risk Modellerine Kısa Bir Genel Bakış

1980’lerden itibaren, iktisat araştırmacıları ve traderlar, piyasa davranışlarını tahmin etmek için kullandıkları risk modeline yeni bir ölçüt eklemeye başladılar: varlık getirilerinin zamanla değişen volatilitesi. Bu, modelin gerçek piyasaları daha iyi yansıtmasını sağladı; varlık riskleri zaman içinde dalgalanır, yüksek ve düşük dalgalanma dönemleri bir arada toplanır ve önceki modellerde olduğu gibi sabit kalmaz.

Daha sonra, bu modeller için yüksek frekanslı veri tercih edildi, çünkü bu uygulama için üstün bir veri seti olarak kabul edildi:

“Yüksek frekanslı veriler daha ince bir granülerlik sağlar, sıçrama ve sürekli bileşenlerin ayrılmasını kolaylaştırır ve volatilite dinamiklerinin daha ayrıntılı bir hesabını sunar.”

Bu, GARCH modelinin (genelleştirilmiş otoregresif koşullu heteroskedastisite) oluşturulmasına yol açtı; daha sonra, pozitif ve negatif şokların farklı etkileri ve diğer veri noktaları gibi ek unsurları içeren daha gelişmiş modellerle iyileştirildi.

Zamanla, GARCH tipi modeller önemli ölçüde genişledi ve hisse senedi, emtia, kripto para ve türev piyasaları dahil olmak üzere birçok varlık sınıfında uygulama buldu.

Bu güncellenmiş modellerden biri GJR-GARCH, finansal volatiliteyi kötü haberlere (negatif getiriler) iyi haberlere göre daha fazla ağırlık vererek dikkate alan ve hisse senedi piyasasındaki “kaldıraç etkisini” yakalayan bir model türüdür.

Yüksek Frekanslı Veri ve GARCH’ı Birleştirme

Bu çalışma, özellikle “gerçekleşmiş varyans” olarak adlandırılan yüksek frekanslı, dakikada bir veri setini GJR-GARCH modeliyle birleştirerek RGJR-GARCH modelini oluşturmayı öneriyor.

Gerçekleşmiş varyans, yüksek frekanslı intraday fiyat getirileri toplanarak belirli bir zaman diliminde bir finansal varlığın gerçek volatilitesini ölçen bir metriktir.

Bu, fiyatın başlangıç ve bitişi aynı olduğunda sıfır değişim gösteren geleneksel günlük varyanstan farklıdır; hatta intraday volatilite yüksek olsa bile.

Böylece, bu yeni model hem ayrıntılı yüksek frekanslı verileri hem de GJR-GARCH modellerinin doğruluğunu bütünleştirebilir.

Modeli Petrol Ticaretiyle Test Etme

Volatil Piyasalarda Test

Modeli doğrulamak amacıyla araştırmacılar, USO (USO ) kullanarak test ettiler; bu, 2006’dan beri Batı Teksas Orta (WTI) hafif tatlı ham petrol fiyat hareketlerini izleyen bir ETF olan United States Oil Fund’dır.

Bu seçim, ham petrol piyasalarının makroekonomik duyurular, stok şokları ve jeopolitik gelişmeler tarafından tetiklenen belirgin haftaiçi volatiliteyle karakterize edilmesinden kaynaklanmıştır. Son zamanlardaki Rusya-Ukrayna ve ABD-İran savaşları, ticaret getirilerini ve finansal modellerin etkinliğini etkileyen beklenmedik volatilite örnekleri sunmuştur.

Daha “normal” bir piyasayla karşılaştırmak için, modelini en aktif işlem gören S&P500 endeksini izleyen SPY ETF’siyle de test ettiler.

Her iki durumda da, 1 Ocak 2010 ile 30 Nisan 2020 tarihleri arasındaki verileri topladılar.

Araştırmacılar ayrıca, altın ve döviz piyasaları gibi potansiyel ilgi çekici diğer piyasaların genellikle uzun vadelerde güvenilir tik-tik verisi sağlamadığını ve kripto para fiyat verilerinin genellikle en fazla 1 dakikalık aralıkta mevcut olduğunu, bu da modelin doğru çalışması için gereken yüksek frekanslı veriyi kullanılamaz kıldığını belirttiler.

Modeller Karşılaştırması

Araştırmacılar, verileri farklı modellerle 35 günlük bir gün öncesi tahmini test etmek için kullandılar; bu tahminler daha sonra haftalık ufuklara toplandı.

RGJR-GRCH modelinin, test edilen tüm haftalar için, 7 haftaya kadar en yüksek tahmin doğruluğuna sahip olduğunu buldular.

Kaynak: Finance Research Open

Daha da önemlisi, bu performans farkı, RGARCH’ın 3. hafta tahmininde performans düşüşü yaşadığını ve 4. hafta tahmininde negatif performans gösterdiğini, RGJR-GRCH’nin ise 6 haftaya kadar doğru tahminler yapmaya devam ettiğini ve sadece 7. hafta için çok hafif hatalar verdiğini gösterdi.

Bu üstün performansın neye dayandığını incelediklerinde, araştırmacılar bunun gerçekten yüksek frekanslı ticaret verilerinin kullanımından kaynaklandığını gösterdiler.

“RGJR-GARCH modelinin GARCH ve GJR-GARCH modellerine göre üstün performansı, volatilite dinamiklerini modellemede yüksek frekanslı verilerin etkili kullanımına bağlanmaktadır.”

Bu etki, özellikle USO gibi petrol bağlantılı varlıklarda belirgin haftalık düzenlilikler gösterdi. Bu, pratik uygulamalar için önemlidir; çünkü doğru haftalık volatilite tahmini, enerji sektörü katılımcıları, örneğin emtia tacirleri ve üreticiler için dinamik hedge ve sözleşme fiyatlamasını yönlendirebilir.

Bu aynı zamanda volatilite tahmini için günlük getirilerin de önemli olduğu, sadece yüksek frekanslı verilerin değil, her iki veri setinin de karıştırılarak tek bir bütün olarak işlenmesi gerektiği anlamına gelmektedir.

Yüksek Frekanslı Ticarette Yatırım

CME Group Inc.

Daha iyi tahminler, geliştirilmiş bir finansal model sayesinde oluşturulduğunda, doğru, uzun vadeli ve yüksek frekanslı veri setlerinin değeri buna paralel olarak artar. Bu, özellikle yüksek volatiliteye ve jeopolitik olarak hassas menkul kıymetlere ve ham petrol gibi varlıklara yöneliktir. Bu nedenle platform, bu yüksek frekanslı verileri ve akademik araştırmalardan fayda sağlayabilecek eyleme geçirilebilir ticaret menkul kıymetlerini sunabilir.

CME’nin NYMEX pazarı, WTI ham petrol fiyat keşfi, vadeli işlemler ticareti ve hedge için merkez konumundadır. Şirket ayrıca tüm emtiaları (tarım, enerji, metaller) kapsayan çeşitli ticaret faaliyetlerinde, karbon kredileri, tahviller, döviz, endeksler, hisse senetleri, kripto paralar vb. alanlarda da aktiftir.

Şirket, gelirini 2015’te yaklaşık 3 Milyar dolardan 2026’da beklenen yaklaşık 7 Milyar dolara hızlı bir şekilde artırdı.

Ayrıca, ABD dışı faaliyetleri %10 yıllık bileşik büyüme oranıyla hızla uluslararasılaşmakta ve 12 ülkede satış varlığıyla dünya çapında yaklaşık 13 000 müşteriye hizmet vermektedir. Genel olarak, bu büyüme eğiliminin devam etmesi ve şirketin blokzincirden karbon ticaretine ve ABD mortgage vadeli işlemlerine kadar birçok finansal yenilikten fayda sağlaması beklenmektedir.

Kaynak: CME

CME Group (CME) Hisse Senedi Haberleri ve Gelişmeler

Referans Çalışma

^{1. Prakash Raj, et al. Getiriler hâlâ önemli mi? Finansal piyasalarda gerçekleşmiş ölçümlerle tam bir asimetrik volatilite modeli. Finance Research Open. Cilt 2, Sayı 3, Eylül 2026, 100139. https://doi.org/10.1016/j.finr.2026.100139}