Yapay sinir ağları ile risk öngörüsü
Risk estimation with artificial neural neyworks
- Tez No: 291517
- Danışmanlar: PROF. DR. ÖZHAN TINGÖY
- Tez Türü: Doktora
- Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Ekonomi, İletişim Bilimleri, Computer Engineering and Computer Science and Control, Economics, Communication Sciences
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2011
- Dil: Türkçe
- Üniversite: Marmara Üniversitesi
- Enstitü: Sosyal Bilimler Enstitüsü
- Ana Bilim Dalı: Gazetecilik Ana Bilim Dalı
- Bilim Dalı: Bilişim Bilim Dalı
- Sayfa Sayısı: 154
Özet
Bu tezde, ülke riskinin öngörüsünde yapay sinir ağlarının kullanılması, bilişim disiplini bakış açısıyla teorik ve uygulamalı olarak incelenmiştir. Tezde, öncelikle ülke riski ve kredi temerrüt takasları hakkında teorik bilgi sunulmuştur. Ülke riskinin teorik tanımlaması yapılmış, riski belirleyen değişkenler teorik olarak incelenmiş ve kredi temerrüt takaslarına ilişkin makasların uygulamada finans piyasalarında ne şekilde kullanıldığı ve fiyatlandığı incelenmiştir. Ülke riskini belirleyen unsurların karmaşık ve rastsal bir bütün içerisinde hareket etmesi nedeniyle, yapay sinir ağlarının metodoloji olarak riskin öngörüsü için uygun olduğu sonucuna ulaşılmıştır. Farklı öğrenme algoritmaları ve mimariler kullanılarak oluşturulan yapay sinir ağlarının, ülke riskini yansıtan finansal zaman serilerinin öngörüsündeki performansı, alternatif ekonometrik yöntemlerin performansları ile karşılaştırmalı olarak analiz edilmiştir.Türkiye'nin beş yıllık kredi temerrüt takası makasları, bağımsız değişken olarak atanan İMKB-100 Endeksi, döviz kuru, bir yıl, üç yıl ve 5 yıl vadeli faiz oranları aracılığıyla öngörülmüştür. 26.05.2005 ile 11.11.2010 dönemindeki günlük 1.346 gözlem veri setini oluşturmaktadır. 1.346 gözlemin %70'i eğitim, %15'i validasyon, bakiye %15'i ise test amaçlı olarak kullanılmıştır. Çok katmanlı yapay sinir ağları ve radyal bazlı genel regresyon fonksiyonu ağları olmak üzere iki farklı üst modelde, farklı transfer fonksiyonları ve gizli katman sayıları kullanılarak toplamda 10 modele ulaşılmıştır. Ekonometrik yöntemlerle performans karşılaştırması amacıyla ise normal dağılımlı GARCH (1,1) modeli seçilmiştir.Sonuçlar, yapay sinir ağlarının ülke riskinin öngörüsünde başarıyla kullanılabileceğini ve ağların performanslarının geleneksel ekonometri yöntemlerine göre daha iyi olduğunu ortaya koymaktadır. Yapay sinir ağları içerisinde ise radyal temelli fonksiyonlu ağların performansının genel olarak daha iyi olduğu görülmektedir.
Özet (Çeviri)
In this thesis, using neural networks in sovereigns? default risk estimation is theoretically and empirically examined within the framework of informatics discipline. In the thesis, firstly, the theoretical backgrounds on sovereign risk and credit default swaps are discussed. Theoretical definition of sovereigns? risk is presented, and variables determining that risk are examined. Additionally, the pricing and usage of credit default swaps in the markets are described. As the variables determining the sovereigns? risk is complex and show random behaviors, it is argued that artificial neural networks are proper to estimate the risk. Different neural networks models are set up, and their performance in estimation of sovereigns? risk is compared to those of alternative econometric models.Turkey?s five years credit default swaps are estimated by using independent variables of ISE-100 Index, exchange rates, 0ne year, three years and five years interest swap rates. The data set includes daily observations from 26.05.2005 to 11.11.2010 as a total of 1.346. 70% of the data set is used for training, 15% of it is used for validation, and the rest is employed for test purposes. Multi-layer neural networks and radial basis generalized regression functions are assigned as the sub-models. Using alternative transfer functions and hidden layers, ten neural networks models are created. For comparison, GARCH (1,1) model with normal distribution is selected.The empirical results show that performances of neural networks models are better than that of econometric model. Radial basis regression functions have better performance as compared to those of multi-layer perceptions.
Benzer Tezler
- Kredi temerrüt takası ile çeşitli ekonomik göstergeler arasındaki ilişkiler
The relationships between credit default swap spreads and various economic indicators
NURBANU BURSA
Yüksek Lisans
Türkçe
2013
EkonomiHacettepe Üniversitesiİstatistik Ana Bilim Dalı
PROF. DR. HASAN HÜSEYİN TATLIDİL
- Global kriz dönemi sonrası finansal başarısızlığın öngörüsünde yapay sinir ağları ve logit modellerinin karşılaştırılması
Post- period global crisis the comparison of artificial neural networks and logit models in prediction of financial failure
TUĞBA GÖKDEMİR
Yüksek Lisans
Türkçe
2015
EkonometriMarmara ÜniversitesiEkonometri Ana Bilim Dalı
PROF. DR. EBRU ÇAĞLAYAN AKAY
- Zaman serileri tahmininde tekrarlayan sinir ağlarının etkinliğinin incelenmesi
Investigation of the effectiveness of recurrent neural networks in the time series prediction
KÜBRA KESKİN
Yüksek Lisans
Türkçe
2022
EkonometriSüleyman Demirel ÜniversitesiEkonometri Ana Bilim Dalı
DR. ÖĞR. ÜYESİ ÖZGE GÜNDOĞDU
- Yapay sinir ağları ile portföy optimizasyonu
Portfolio optimization with artificial neural networks
MEHMET YAVUZ
Yüksek Lisans
Türkçe
2012
MatematikBalıkesir ÜniversitesiMatematik Ana Bilim Dalı
YRD. DOÇ. DR. NECATİ ÖZDEMİR
- A probabilistic dynamic security assessment of large power systems using artificial neural networks
Büyük güç sistemlerinin yapay sinir ağları kullanarak olasılıksal dinamik güvenliğinin değerlendirilmesi
SEVDA JAFARZADEH
Yüksek Lisans
İngilizce
2017
Elektrik ve Elektronik Mühendisliğiİstanbul Teknik ÜniversitesiElektrik Mühendisliği Ana Bilim Dalı
DOÇ. DR. VEYSEL MURAT İSTEMİHAN GENÇ