Kripto paralarda risk ölçümü ve portföy optimizasyonu

Abstract

2008 yılında yaşanan global ekonomik kriz, dünya genelinde yeni bir finansal ürün arayışını ortaya çıkarmış, bunun sonucunda Bitcoin olarak adlandırılan, herhangi bir merkeze bağlı olmayan ilk dijital para birimi geliştirilmiştir. Bu yeni para birimine olan ilgi zamanla artmış ve bu durum farklı algoritmalarla geliştirilebilen 3000’den fazla kripto paranın ortaya çıkmasına neden olmuştur. Bitcoin ve diğer kripto para birimlerinden oluşturulmuş olan portföylerin riske maruz değerlerini hesaplamak için literatürdeki standart modellerin kullanılması iyi sonuçlar vermemektedir. Çünkü, normal dağılım ve t dağılımı gibi standart dağılımlar, kripto paralarda ortaya çıkan, yüksek volatilite, volatilite kümelenmesi, şişkin kuyruklu ve çarpık dağılımlar gibi özelliklerin modellenmesinde uygun değildir. Dolayısıyla, piyasada meydana gelebilecek ani değişimleri daha iyi modelleyebilmek için, Chen ve Gerlach (2013) tarafından öne sürülmüş olan iki taraflı Weibull dağılımını, GARCH (Generalized Autoregressive Conditional Heteroskedasticity) (Otoregresif Koşullu Değişen Varyans) yöntemiyle kombine eden yeni bir portföy riske maruz değer hesaplama yöntemi (HS-GARCH-Weibull) geliştirilmiştir. Yeni önerilen yöntem, tarihsel simülasyon (Historical Simulation) (HS) yoluyla Chen ve Gerlach’ın XIV (2013) tek değişkenli modelinin genişletilerek portföylere uygulanmasını içermektedir. Çalışmanın amacı, HS-GARCH-Weibull yönteminin kripto para portföylerinde diğer tek ve çok değişkenli modellere göre daha iyi bir risk tahmin performansına sahip olduğunu, geriye dönük testleri kullanarak göstermektir. Bu amaçla gerçekleştirilmiş olan uygulamada, Bitcoin, Litecoin, Ripple ve Dash kripto para birimlerinden oluşturulmuş olan bir optimum (minimum varyanslı) portföy ele alınmıştır. Kripto paraların dinamik yapısından dolayı günlük olarak değişen optimal ağırlıklarının bulunması için Markowitz’in (1952) optimal portföy teorisinden yararlanılmıştır. Ampirik bulgular, HS-GARCH-Weibull yönteminin dört geriye dönük test kriterinden üçüne göre en iyi performansı gösterdiğini ortaya koymaktadır.