Garch Ve Yapay Sinir Ağları Modelleri Yardımıyla Volatilite Tahmini: Türk Borsası Örneği

Cumhur Şahin

Makale detayları

Garch Ve Yapay Sinir Ağları Modelleri Yardımıyla Volatilite Tahmini: Türk Borsası Örneği

Yazarlar:

Cumhur Şahin

Yayıncı:

Kastamonu University

Dergi:

Kastamonu Üniversitesi İktisadi ve İdari Bilimler Fakültesi Dergisi Vol.25 Issue 2, pp.572-595

Belge Tipi:

Makale

Yayın Tarihi:

12/2023

Belge Dili:

Türkçe

Document ID (Org No.):

2001309119

pISSN:

2147-6012

Anahtar kelimeler:

Özet:

 Küreselleşme olgusunun 1990lı yıllarla birlikte baskın hale gelmesiyle birlikte uluslararası ekonomik düzende ülkelerin birbiriyle etkileşim ve entegrasyonunun çarpıcı bir biçimde artması ve iktisadi bağların kuvvetlenmesi, finansal piyasalarda yaşanan hızlı değişimler, pazarlar arasındaki ilişkilerin ve risklerin artmasına yol açmaktadır. Finansal piyasalar hali hazırda ortaya çıkan gelişmelere karşı çok daha hassas hale gelmektedir. Finansla ilgili akademik araştırmalarda özellikle finansal zaman serileri ve bunların öngörüsüne yönelik çalışmalar oldukça önemli bir yer tutmaktadır. Dalgalanma veya oynaklık olarak da ifade edilebilen volatilite kavramı finansal piyasalarda vazgeçilmez bir yere sahiptir. Bundan dolayı, volatilitenin en yüksek duyarlılıkla tahmin edilmesi son derece yararlıdır. Son yıllarda finansal endekslerin oynaklığını tahmin etmek için GARCH Generalized Autoregressive Conditional Heteroskedasticity-Genelleştirilmiş Otoregresif Koşullu Değişen Varyans tipi modellerin yanı sıra ANN Artificial Neural Network-yapay sinir ağları modelleri de yaygın olarak kullanılmaktadır. Bu araştırmanın amacı, farklı model türlerinin birleştirilmesinin menkul kıymet borsa endeks volatilitesi tahminlerini iyileştirip iyileştiremeyeceğine karar verilmesidir. Bu nedenle, BIST-100 Endeksi volatilitesini tahmin etme yetenekleri açısından iki hibrit model kullanılarak, Asimetrik GARCH modeli ve bir yapay sinir ağı modeli karşılaştırılmıştır. Sonuçlar, bir EGARCH modeli tarafından elde edilen şartlı volatilite tahminlerinin yanı sıra, getirileri ve tarihsel değerleri girdi olarak kabul eden bir yapay sinir ağına dayanan hibrit modelin en iyi tahmin gücünü sağladığını ortaya koymaktadır. Ayrıca, bu hibrit modelin baskınlığı, tahminin geri kalan modelleri de kapsayacak şekilde olmasıdır. Son olarak, Türk borsasında önemli kaldıraç etkileri bulunduğu gösterilmiştir.

 Küreselleşme olgusunun 1990lı yıllarla birlikte baskın hale gelmesiyle birlikte uluslararası ekonomik düzende ülkelerin birbiriyle etkileşim ve entegrasyonunun çarpıcı bir biçimde artması ve iktisadi bağların kuvvetlenmesi, finansal piyasalarda yaşanan hızlı değişimler, pazarlar arasındaki ilişkilerin ve risklerin artmasına yol açmaktadır. Finansal piyasalar hali hazırda ortaya çıkan gelişmelere karşı çok daha hassas hale gelmektedir. Finansla ilgili akademik araştırmalarda özellikle finansal zaman serileri ve bunların öngörüsüne yönelik çalışmalar oldukça önemli bir yer tutmaktadır. Dalgalanma veya oynaklık olarak da ifade edilebilen volatilite kavramı finansal piyasalarda vazgeçilmez bir yere sahiptir. Bundan dolayı, volatilitenin en yüksek duyarlılıkla tahmin edilmesi son derece yararlıdır. Son yıllarda finansal endekslerin oynaklığını tahmin etmek için GARCH Generalized Autoregressive Conditional Heteroskedasticity-Genelleştirilmiş Otoregresif Koşullu Değişen Varyans tipi modellerin yanı sıra ANN Artificial Neural Network-yapay sinir ağları modelleri de yaygın olarak kullanılmaktadır. Bu araştırmanın amacı, farklı model türlerinin birleştirilmesinin menkul kıymet borsa endeks volatilitesi tahminlerini iyileştirip iyileştiremeyeceğine karar verilmesidir. Bu nedenle, BIST-100 Endeksi volatilitesini tahmin etme yetenekleri açısından iki hibrit model kullanılarak, Asimetrik GARCH modeli ve bir yapay sinir ağı modeli karşılaştırılmıştır. Sonuçlar, bir EGARCH modeli tarafından elde edilen şartlı volatilite tahminlerinin yanı sıra, getirileri ve tarihsel değerleri girdi olarak kabul eden bir yapay sinir ağına dayanan hibrit modelin en iyi tahmin gücünü sağladığını ortaya koymaktadır. Ayrıca, bu hibrit modelin baskınlığı, tahminin geri kalan modelleri de kapsayacak şekilde olmasıdır. Son olarak, Türk borsasında önemli kaldıraç etkileri bulunduğu gösterilmiştir.

 Küreselleşme olgusunun 1990lı yıllarla birlikte baskın hale gelmesiyle birlikte uluslararası ekonomik düzende ülkelerin birbiriyle etkileşim ve entegrasyonunun çarpıcı bir biçimde artması ve iktisadi bağların kuvvetlenmesi, finansal piyasalarda yaşanan hızlı değişimler, pazarlar arasındaki ilişkilerin ve risklerin artmasına yol açmaktadır. Finansal piyasalar hali hazırda ortaya çıkan gelişmelere karşı çok daha hassas hale gelmektedir. Finansla ilgili akademik araştırmalarda özellikle finansal zaman serileri ve bunların öngörüsüne yönelik çalışmalar oldukça önemli bir yer tutmaktadır. Dalgalanma veya oynaklık olarak da ifade edilebilen volatilite kavramı finansal piyasalarda vazgeçilmez bir yere sahiptir. Bundan dolayı, volatilitenin en yüksek duyarlılıkla tahmin edilmesi son derece yararlıdır. Son yıllarda finansal endekslerin oynaklığını tahmin etmek için GARCH Generalized Autoregressive Conditional Heteroskedasticity-Genelleştirilmiş Otoregresif Koşullu Değişen Varyans tipi modellerin yanı sıra ANN Artificial Neural Network-yapay sinir ağları modelleri de yaygın olarak kullanılmaktadır. Bu araştırmanın amacı, farklı model türlerinin birleştirilmesinin menkul kıymet borsa endeks volatilitesi tahminlerini iyileştirip iyileştiremeyeceğine karar verilmesidir. Bu nedenle, BIST-100 Endeksi volatilitesini tahmin etme yetenekleri açısından iki hibrit model kullanılarak, Asimetrik GARCH modeli ve bir yapay sinir ağı modeli karşılaştırılmıştır. Sonuçlar, bir EGARCH modeli tarafından elde edilen şartlı volatilite tahminlerinin yanı sıra, getirileri ve tarihsel değerleri girdi olarak kabul eden bir yapay sinir ağına dayanan hibrit modelin en iyi tahmin gücünü sağladığını ortaya koymaktadır. Ayrıca, bu hibrit modelin baskınlığı, tahminin geri kalan modelleri de kapsayacak şekilde olmasıdır. Son olarak, Türk borsasında önemli kaldıraç etkileri bulunduğu gösterilmiştir.

 Küreselleşme olgusunun 1990lı yıllarla birlikte baskın hale gelmesiyle birlikte uluslararası ekonomik düzende ülkelerin birbiriyle etkileşim ve entegrasyonunun çarpıcı bir biçimde artması ve iktisadi bağların kuvvetlenmesi, finansal piyasalarda yaşanan hızlı değişimler, pazarlar arasındaki ilişkilerin ve risklerin artmasına yol açmaktadır. Finansal piyasalar hali hazırda ortaya çıkan gelişmelere karşı çok daha hassas hale gelmektedir. Finansla ilgili akademik araştırmalarda özellikle finansal zaman serileri ve bunların öngörüsüne yönelik çalışmalar oldukça önemli bir yer tutmaktadır. Dalgalanma veya oynaklık olarak da ifade edilebilen volatilite kavramı finansal piyasalarda vazgeçilmez bir yere sahiptir. Bundan dolayı, volatilitenin en yüksek duyarlılıkla tahmin edilmesi son derece yararlıdır. Son yıllarda finansal endekslerin oynaklığını tahmin etmek için GARCH Generalized Autoregressive Conditional Heteroskedasticity-Genelleştirilmiş Otoregresif Koşullu Değişen Varyans tipi modellerin yanı sıra ANN Artificial Neural Network-yapay sinir ağları modelleri de yaygın olarak kullanılmaktadır. Bu araştırmanın amacı, farklı model türlerinin birleştirilmesinin menkul kıymet borsa endeks volatilitesi tahminlerini iyileştirip iyileştiremeyeceğine karar verilmesidir. Bu nedenle, BIST-100 Endeksi volatilitesini tahmin etme yetenekleri açısından iki hibrit model kullanılarak, Asimetrik GARCH modeli ve bir yapay sinir ağı modeli karşılaştırılmıştır. Sonuçlar, bir EGARCH modeli tarafından elde edilen şartlı volatilite tahminlerinin yanı sıra, getirileri ve tarihsel değerleri girdi olarak kabul eden bir yapay sinir ağına dayanan hibrit modelin en iyi tahmin gücünü sağladığını ortaya koymaktadır. Ayrıca, bu hibrit modelin baskınlığı, tahminin geri kalan modelleri de kapsayacak şekilde olmasıdır. Son olarak, Türk borsasında önemli kaldıraç etkileri bulunduğu gösterilmiştir.

Makale detayları

Garch Ve Yapay Sinir Ağları Modelleri Yardımıyla Volatilite Tahmini: Türk Borsası Örneği

Yazarlar:

Cumhur Şahin

Yayıncı:

Kastamonu University

Dergi:

Kastamonu Üniversitesi İktisadi ve İdari Bilimler Fakültesi Dergisi Vol.25 Issue 2, pp.572-595

Belge Tipi:

Makale

Yayın Tarihi:

12/2023

Belge Dili:

Türkçe

Document ID (Org No.):

2001309119

pISSN:

2147-6012

Yapay Sinir Ağı

GARCH Modelleri

Volatilite Tahmini

Sayı

Makale detayları

Garch Ve Yapay Sinir Ağları Modelleri Yardımıyla Volatilite Tahmini: Türk Borsası Örneği

Yazarlar: Cumhur Şahin

Yayıncı: Kastamonu University

Dergi: Kastamonu Üniversitesi İktisadi ve İdari Bilimler Fakültesi Dergisi Vol.25 Issue 2, pp.572-595

Belge Tipi: Makale

Yayın Tarihi: 12/2023

Belge Dili: Türkçe

Document ID (Org No.): 2001309119

pISSN: 2147-6012

Yapay Sinir Ağı

GARCH Modelleri

Volatilite Tahmini

Sayı

Yazarlar:

Cumhur Şahin

Yayıncı:

Kastamonu University

Dergi:

Kastamonu Üniversitesi İktisadi ve İdari Bilimler Fakültesi Dergisi Vol.25 Issue 2, pp.572-595

Belge Tipi:

Makale

Yayın Tarihi:

12/2023

Belge Dili:

Türkçe

Document ID (Org No.):

2001309119

pISSN:

2147-6012