Regime-based dynamic asset allocation: Comparing forecasting models in a jump model framework
Rejim-temelli dinamik varlık tahsisi: Bir jump model çerçevesinde forecasting modellerinin karşılaştırılması
- Tez No: 1017471
- Danışmanlar: DR. ÖĞR. ÜYESİ EMRAH AHİ
- Tez Türü: Yüksek Lisans
- Konular: Maliye, Finance
- Anahtar Kelimeler: Aktif portföy yönetimi, Ampirik portföy, Finansal kestirim, Modern portföy teorisi, Yapay zeka ve makine öğrenmesi dersi, Active portfolio management, Empirical portfolio, Financial forecast, Modern portfolio theory, Artificial intelligence and machine learning course
- Yıl: 2026
- Dil: İngilizce
- Üniversite: Özyeğin Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Finans Mühendisliği ve Risk Yönetimi Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: Belirtilmemiş.
Özet
Finansal piyasalarda risk ve getiri dinamikleri zamana bağlı olarak değişmektedir. Uzun süredir yatırımcılar ve araştırmacılar, portföylerde daha iyi sonuçlar elde etmek amacıyla bu değişimleri piyasa rejimleri çerçevesinde modellemeye çalışmaktadır. Ancak mevcut rejim değişimi modelleri, özellikle tahmin esnekliği ve model kararlılığı açısından önemli sınırlılıklar içermektedir. Bu tez, kararlı ve şeffaf bir denetimsiz rejim tanımlama yöntemi olan Jump Model'i denetimli tahmin yaklaşımlarıyla (En Küçük Kareler, Lojistik Regresyon, Rastgele Orman ve Aşırı Gradyan Artırma (XGBoost)) bir araya getiren iki aşamalı bir çerçeveyi ampirik olarak benimser ve değerlendirir. Hisse senetleri, sabit getirili menkul kıymetler, emtialar ve gayrimenkul yatırım ortaklıklarını kapsayan 12 varlık sınıfına ait 2008–2025 dönemi günlük verileri kullanılarak çerçeve, hem varlık bazlı zamanlama stratejileri hem de eşit ağırlıklı, minimum varyans ve ortalama-varyans tahsis kuralları altında çok varlıklı portföy simülasyonları aracılığıyla değerlendirilmiştir. Sonuçlar, tüm rejim farkındalıklı stratejilerin riske göre düzeltilmiş¸ getiriler ve maksimum düşüş¸ açısından pasif al-tut stratejilerini geride bıraktığını göstermektedir. Ağaç tabanlı makine öğrenmesi modelleri olan Rastgele Orman ve XGBoost, doğrusal kıyaslama modellerine kıyasla çoğu varlık sınıfı ve portföy oluşturma yöntemi altında tutarlı biçimde daha iyi performans sergilemiştir. Bu bulgular, finansal verilerde tahmin edilebilir piyasa rejimlerinin var olduğuna ve gerçek dünyadaki bir yatırımcının rejim farkındalığını dinamik varlık tahsisi kararlarına dahil ederek anlamlı ölçüde daha iyi riske göre düzeltilmiş sonuçlar elde edebileceğine işaret etmektedir.
Özet (Çeviri)
Financial markets change over time, and the patterns of risk and return are not always stable. For this reason, investors and researchers have long used regime-switching models to better understand market conditions and improve portfolio performance. However, existing regime-switching models face important limitations, particularly in terms of estimation stability and forecasting flexibility. This thesis adopts and empirically evaluates a two-step framework that pairs the Jump Model (a stable and transparent unsupervised regime identification method) with a set of supervised forecasting approaches, including Ordinary Least Squares, Logistic Regression, Random Forest, and Extreme Gradient Boosting (XGBoost). Using daily data from 2008 to 2025 across 12 asset classes spanning equities, fixed income, commodities, and real estate, the framework is evaluated through both asset-level timing strategies and multi-asset portfolio simulations under equally weighted, minimum variance, and mean–variance allocation rules. The results show that all regime-aware strategies outperform passive buy-and-hold benchmarks in terms of risk-adjusted returns and maximum drawdown reduction. Among the forecasting approaches, the two tree-based machine learning models Random Forest and XGBoost consistently outperform the linear benchmarks across most asset classes and portfolio construction methods. These findings suggest that forecastable market regimes exist in financial data, and that a real-world investor can achieve meaningfully better risk-adjusted outcomes by incorporating regime awareness into dynamic asset allocation decisions.
Benzer Tezler
- Gelişmekte olan ülkelere yönelik uluslararası sermaye hareketleri ve Türkiye
International capital flaws to emerging markets Turkey
SERKAN ASLAN
Yüksek Lisans
Türkçe
2001
EkonomiMarmara ÜniversitesiSermaye Piyasası ve Borsa Ana Bilim Dalı
Y.DOÇ.DR. ÖZLEM KOÇ
- Enflasyonist ortamda hayat sigorta işletmelerinde yatırımlar ve kar payı hesaplanması
Başlık çevirisi yok
B. MÜGE BERKOL
Yüksek Lisans
Türkçe
1996
SigortacılıkMarmara ÜniversitesiSigortacılık Ana Bilim Dalı
YRD. DOÇ. DR. SAADET TANTAN
- Optimizasyon tabanlı bir su kaynakları sistemi modelleme aracının geliştirilmesi ve çok amaçlı sektörel tahsise uygulanması
Development of an optimization-based modeling tool for water resources systems and application to multi-objective sectoral allocation
SALİM YAYKIRAN
Doktora
Türkçe
2025
Çevre Mühendisliğiİstanbul Teknik ÜniversitesiÇevre Mühendisliği Ana Bilim Dalı
DOÇ. DR. ALPASLAN EKDAL
- Türkiye'de yapısal uyum politikalarının emek piyasası ve gelir dağılımına etkileri
The Effects of structural adjustment policies on labor market and income distribution in Turkey
ÖZLEM ONARAN