TURKISH EUROBOND YIELD CURVE FORECASTING WITH DYNAMIC NELSON–SIEGEL FACTORS AND DEEP LEARNING
Türkiye Eurobond Getiri Eğrisinin Dinamik Nelson–Siegel Faktörleri ve Derin Öğrenme Yöntemleriyle Tahmini
- Tez No: 1015898
- Danışmanlar: DR. ÖĞR. ÜYESİ EMRAH AHİ
- Tez Türü: Yüksek Lisans
- Konular: Ekonometri, Mühendislik Bilimleri, Econometrics, Engineering Sciences
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2026
- Dil: İngilizce
- Üniversite: Özyeğin Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Uluslararası Finans Ana Bilim Dalı
- Bilim Dalı: Finans Mühendisliği Bilim Dalı
- Sayfa Sayısı: Belirtilmemiş.
Özet
Bu tez, Dinamik Nelson–Siegel faktörleri ve derin öğrenme sıralı modelleri kullanarak Türk Eurobond getiri eğrilerinin tahmin edilmesini incelemektedir. Türk Eurobond eğrisi, seviye, eğim ve kavis parametreleri ile karakterize edilir ve tahmin algoritmaları, projeksiyon yield eğrisini yeniden oluşturulmadan önce bu faktörlerdeki ufuk-spesifik değişiklikleri öngörür. Ampirik tasarım, sabit-λ ve zamanla değişen-λ temsillerini, ayrıca makro olmayan ve makro ile artırılmış bilgi setlerini karşılaştırır. Rastgele Yürüyüş, doğrudan getiri seviyesi kalıcılığı için standart olarak hizmet ederken, ARIMA/DNS-AR, doğrusal faktör dinamikleri için kıyaslama olarak kullanılmaktadır. LSTM ve Transformer modelleri her bir kıyaslama için bağımsız olarak değerlendirilmiştir. Bulgular, kısa vadeli tahminlerin önemli ölçüde karşılaştırma ölçütleri tarafından belirlendiğini ve Random Walk modelinin en kısa vadelerde üstün performans sergilediğini göstermektedir. Orta vadeden itibaren, LSTM, özellikle zamanla değişen λ ve makro artırılmış gereksinimler altında artan bir rekabetçilik sergilemektedir. En uzun ufukta en sağlam sonuç, L90 kaydırmalı pencere ile zamanla değişen-λ makro Transformer spesifikasyonu kullanılarak elde edilmiştir. Sonuçlar, derin öğrenme modellerinin Türk Eurobond getiri eğrisi tahminini artırabileceğini, özellikle tahmin ufku, uyarlanabilir DNS temsili ve makro-finansal veriler senkronize olduğunda gösteriyor.
Özet (Çeviri)
This thesis examines the forecasting of Turkish Eurobond yield curves utilizing Dynamic Nelson–Siegel factors and deep learning sequence models. The Turkish Eurobond curve is characterized by level, slope, and curvature parameters, with forecasting algorithms anticipating horizon-specific alterations in these factors prior to reconstructing the projected yield curve. The empirical design contrasts fixed-λ and time-varying-λ representations, along with no-macro and macro-augmented information sets. The Random Walk serves as the standard for direct yield-level persistence, whereas ARIMA/DNS-AR is utilized as the benchmark for linear factor dynamics. LSTM and Transformer models are assessed independently for each benchmark. The findings indicate that short-horizon forecasts are significantly dominated by benchmarks, with the Random Walk model exhibiting superior performance at the shortest horizons. From medium horizons onwards, LSTM demonstrates increased competitiveness, particularly under time-varying λ and macroaugmented requirements. The most robust outcome at the longest horizon is achieved using the time-varying-λ macro Transformer specification with the L90 rolling window. The results demonstrate that deep-learning models can enhance Turkish Eurobond yieldcurve forecasting, primarily when the forecast horizon, adaptive DNS representation, and macro-financial data are synchronized.
Benzer Tezler
- Finansal ürünlerin vergilendirme ve yasal düzenlemeler açısından değerlendirilmesi
Başlık çevirisi yok
ATİLLA UYANIK
- The impact of credit rating announcements on the bonds yield spreads of companies: A review of Turkish companies
Kredi derecelendirme anonslarının şirketlerin tahvil getiri spread'leri üzerindeki etkisi: Türk şirketleri hakkında yapılan inceleme
HAKAN COŞKUN
- Türk bankacılık sisteminde sermaye piyasası araçlarının değerlemesi ve muhasebeleştirilmesi
Evaluation and basis on accounting of capital market instruments in the Turkish banking sistem
SELİM İNCE
- Kredi temerrüt swaplarının iktisadi ve finansal değişkenler ile ilişkisinin Türkiye ekonomisi için ampirik analizi
Başlık çevirisi yok
FİLİZ YAĞCI
- Valuation of fixed income securities and estimation of term structure on international bond market using machine learning techniques
Uluslararası tahvil piyasalarında vade yapısının ve sabit getirili menkul kıymet getirilerinin makine öğrenimi teknikleri kullanılarak tahmin edilmesi
ALİ DARTANEL
