Nowcasting sectoral revenue growth using copula enhanced latent spaces and quarterly filings
Kopula geliştirilmiş gizil uzaylar ve çeyreksel raporlar kullanarak sektörel gelir büyümesinin tahmin edilmesi
- Tez No: 1011634
- Danışmanlar: PROF. DR. CEYLAN YOZGATLIGİL, DOÇ. DR. ALEV ATAK
- Tez Türü: Doktora
- Konular: İstatistik, Matematik, Statistics, Mathematics
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2026
- Dil: Türkçe
- Üniversite: Orta Doğu Teknik Üniversitesi
- Enstitü: Uygulamalı Matematik Enstitüsü
- Ana Bilim Dalı: Matematik Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: Belirtilmemiş.
Özet
Geleneksel finansal modelleme, yüksek boyutlu ve çoğu zaman yapılandırılmamış verilerin artışıyla başa çıkmakta zorlanmaktadır. Bu tez, belirsizlik farkındalığına sahip üretici ağlardan yararlanarak tek göstergeli modellere dayanan yaklaşımların ötesine geçen sağlam bir nowcasting çerçevesi sunmaktadır. Varyasyonel otomatik kodlayıcılardan elde edilen latent uzaylarda bağımsızlık varsayımının yaygın ancak gerçekçi olmayan doğasını ele almak için, çalışma latent değişkenler arasındaki karmaşık bağımlılıkları modelleyen kopula tabanlı fonksiyonları entegre ederek ekonomik aktivitenin daha gerçekçi temsillerini üretmektedir. Ayrıca çerçeve, yapılandırılmamış resmi raporlardan duyarlılık endeksleri çıkarmak amacıyla büyük dil modellerini (LLM'ler) kullanarak niteliksel insan analizleri ile niceliksel matematiksel modelleme arasındaki boşluğu kapatmaktadır. Önerilen model, çeşitli ABD sektörlerinde gelir büyümesini nowcast ederek değerlendirilmiş ve makroekonomik faktör modelleri ile LLM kaynaklı duyarlılığın birleştirilmesi, geleneksel yaklaşımlara kıyasla doğruluk ve sağlamlıkta belirgin iyileşmeler sağlamıştır.
Özet (Çeviri)
Traditional financial modeling faces challenges in managing the rise of high-dimensional, often unstructured data. This thesis proposes a robust nowcasting framework that moves beyond single indicator models by leveraging uncertainty‑aware generative networks. To address the common but unrealistic assumption of independence in latent spaces obtained by variational autoencoders, this research integrates copula‑based functions to model complex interdependencies between latent variables, resulting in more realistic representations of economic activity. Furthermore, the framework incorporates large language models (LLMs) to extract sentiment indices from unstructured official reports, bridging the gap between qualitative human analysis and quantitative mathematical modeling. The proposed model is evaluated by nowcasting revenue growth across five U.S. manufacturing-linked sectors, and by combining macroeconomic factor models with LLM‑derived sentiment, the results demonstrate significantly improved accuracy and robustness compared to traditional modeling approaches.
Benzer Tezler
- Motor pistonu ve piston pimi üretiminde kalite güvence sisteminin kurulmasında kalite tekniklerinin uygulanması
Başlık çevirisi yok
MERT GÜNGEN
- Nowcasting consumer sentiment during the recent float: The Turkish case
Esnek kur döneminde tüketici duyarlılığının MIDAS yöntemi ile tahmini: Türkiye örneği
HAVVANUR YEŞİL YARADANAKUL
- Nowcasting Turkey's tourist arrivals and tourism income
Türkiye'ye gelen turist sayısının ve turizm gelirlerinin şimdiki zaman tahmini
UZAY ERYILMAZ
- Nowcasting Turkish GDP by dynamic factor model
Türkiye Gayrisafi Yurtiçi Hasıla'nın dinamik faktör model ile şimdi tahmini
İDRİS ALKIŞ
Yüksek Lisans
İngilizce
2022
EkonomiBoğaziçi ÜniversitesiYönetim Bilişim Sistemleri Ana Bilim Dalı
DOÇ. DR. BERTAN YILMAZ BADUR
- Gdp nowcasting using high frequency asset price, commodity price and banking data
Varlık fiyatları, emtia fiyatları ve bankacılık verileri kullanılarak gsyh?nın şimdiki zaman tahmini
BİNNUR BALKAN
Yüksek Lisans
İngilizce
2011
Ekonometriİhsan Doğramacı Bilkent ÜniversitesiEkonomi Bölümü
DOÇ. DR. REFET S. GÜRKAYNAK
