Person:
ÇATIKKAŞ, ÖZGÜR

Profile Picture

Email Address

Birth Date

Research Projects

Organizational Units

OrgUnit Logo
Organizational Unit

Job Title

Last Name

ÇATIKKAŞ

First Name

ÖZGÜR

Name

Filters

2018 - 20202
Reset filters

Settings

Author: OKUR, MUSTAFA × End date: 2020 ×

Search Results

Now showing 1 - 2 of 2
  • Thumbnail Image
    PublicationOpen Access
    Bir Gölge Bankacılık Uygulaması Olarak Gayrimenkul Finansmanında Alternatif Bir Faizsiz Finansman Modeli: İpoteğe Dayalı Paylaşımlı Faizsiz Finansman Modeli
    (2018-12-30) ERSOY, MEHMET; MUSTAFA OKUR;ÖZGÜR ÇATIKKAŞ;MEHMET ERSOY
    Konut finansmanı ülke ekonomisinin sürdürülebilir büyümesi için büyük önem taşımaktadır. Bu konu Türkiye gibi gelişmekte olan ekonomiler için daha da büyük önem taşımaktadır. Bu çalışmada Türkiye’de gayrimenkul finansmanında ve özellikle de konut finansmanında alternatif bir model olarak uygulanmakta olan tasarrufa dayalı faizsiz finansman modeli incelenmektedir. Bu açıdan bakıldığında mevcut uygulamanın bir gölge bankacılık uygulaması olduğu değerlendirilmektedir. Çalışmada ipoteğe dayalı paylaşımlı faizsiz finansman modeli olarak adlandırılan bu yöntem bankacılık sektöründeki düzenlemelerinin ve denetimlerin dışında kalmaktadır. Bu durum ülke ekonomisi açısından önemli bir potansiyel risk barındırmaktadır. Bu konuda düzenleyici otorite tarafından acilen düzenleneme yapılmasına ihtiyaç vardır. Düzenlemeler özellikle lisanslama ve denetim konularında olmalıdır.
  • Thumbnail Image
    PublicationOpen Access
    Long Memory in the Volatility of Selected Cryptocurrencies: Bitcoin, Ethereum and Ripple
    (MDPI, 2020-05-29) OKUR, MUSTAFA; Soylu, Pinar Kaya; Okur, Mustafa; Catikkas, Ozgur; Altintig, Z. Ayca
    This paper examines the volatility of cryptocurrencies, with particular attention to their potential long memory properties. Using daily data for the three major cryptocurrencies, namely Ripple, Ethereum, and Bitcoin, we test for the long memory property using, Rescaled Range Statistics (R/S), Gaussian Semi Parametric (GSP) and the Geweke and Porter-Hudak (GPH) Model Method. Our findings show that squared returns of three cryptocurrencies have a significant long memory, supporting the use of fractional Generalized Auto Regressive Conditional Heteroscedasticity (GARCH) extensions as suitable modelling technique. Our findings indicate that the Hyperbolic GARCH (HYGARCH) model appears to be the best fitted model for Bitcoin. On the other hand, the Fractional Integrated GARCH (FIGARCH) model with skewed student distribution produces better estimations for Ethereum. Finally, FIGARCH model with student distribution appears to give a good fit for Ripple return. Based on Kupieck's tests for Value at Risk (VaR) back-testing and expected shortfalls we can conclude that our models perform correctly in most of the cases for both the negative and positive returns.