Price impact estimation of bond market: A machine learning approach
Bono piyasasında fiyat etki analizi: Makine öğrenmesi yaklaşımı
- Tez No: 699169
- Danışmanlar: PROF. DR. VAHAP BURAK SALTOĞLU
- Tez Türü: Yüksek Lisans
- Konular: Ekonomi, Economics
- Anahtar Kelimeler: Fiyat, Fiyat analizleri, Fiyat etkisi, Kamu borçlanma senetleri, Makine öğrenmesi, Tahvil piyasaları, İşlem maliyeti, Price, Price analysis, Price impact, Public sector borrowing papers, Machine learning, Bond markets, Transaction cost
- Yıl: 2021
- Dil: İngilizce
- Üniversite: Boğaziçi Üniversitesi
- Enstitü: Sosyal Bilimler Enstitüsü
- Ana Bilim Dalı: İktisat Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: Belirtilmemiş.
Özet
Bu tezde, Türkiye devlet borçlanma senetlerinin tarihsel toplam fiyat etkisi davranışını analiz etmek için 17 yılı kapsayan ampirik bir çalışma yürüttük. Ek olarak, bir takas işleminin fiyat etkisini belirleyen faktörleri araştırdık. Çalışmanın arkasındaki temel motivasyon, yüksek frekanslı işlem yapan yatırımcılar, fon yöneticileri ve kurumsal yatırımcılar için daha iyi rehberlik sağlamaktır; çünkü, alfa üretimi, varlıklar benzer şekilde performans gösterme eğilimindeyken çoğunlukla işlem maliyetlerine bağlıdır. Türkiye bireysel emeklilik piyasasındaki borçlanma araçları fonlarında bulunan toplam yönetilen varlık miktarı ve yerleşik olmayanların yatırımcıların pozitif portföy akışının daha düşük toplam fiyat etkisi ile ilişkili olduğunu bulduk. Buna karşılık, diğer gelişmekte olan ülkelerden ayrışma, fiyat etkisi maliyetlerini artırıyor. Modelimizi literatürde önerilen çeşitli likidite ölçümleriyle karşılaştırmak için fiyat etkisinin işlem hacmi, piyasa koşulları, bono özellikleri ve limit emir defterinin durumuna göre nasıl değiştiğini gösterdik. Kyle (1985)'in fiyat etkisi lambdası dışında, fiyat etkisi modelimizin diğer likidite ölçümlerinin sağladığı bilgileri kapsadığını bulduk. İşlem hacmi ve fiyat etkisi arasında içbükey bir ilişki olduğunu göstererek yaygın olarak bilinen karekök yasasını onaylayıp, yeni geliştirilen makine öğrenmesi tekniklerini kullanarak fiyat etkisi tahminlerinin nasıl iyileştirilebileceğini de inceledik. XGBoost ile desteklenmiş ağaçların, örneklem dışı tahminlerde rassal orman ve elastik ağ yöntemleri gibi diğer alternatif modellerden daha iyi performans gösterdiğini bulduk. Ayrıca limit emir defterinin işlemden hemen önceki eğimi, tahvillerin vadesi ve piyasa oynaklığının fiyat etkisini etkileyen ilk üç faktör olduğunu gösterdik. Çalışmanın özgün özellikleri göz önüne alındığında, uzun bir tarihsel dönemi kapsayan emir defteri verilerine makine öğrenmesi tekniklerinin uygulanması konusunda fiyat etkisi literatürüne katkıda bulunmayı amaçlıyoruz.
Özet (Çeviri)
We conduct an empirical study to analyze the aggregate price impact behavior of Turkish government bonds over 17 years. Moreover, we want to find out the determinants of price impact for each trade. The primary motivation is to provide better guidance to high-frequency traders, fund managers, and institutional traders since generating alpha mostly depends on transaction costs when assets tend to perform similarly. We characterize the order and transaction records of Turkish government bonds in detail. We find that non-residents' positive portfolio flow and AUM in the Turkish private pension market are associated with lower aggregate price impact. In contrast, divergence from other emerging markets drives costs up. We present how price impact varies across trade size, market conditions, bond characteristics, and the state of the limit order book to compare our model with various liquidity measures proposed in the literature. Except for Kyle (1985)'s price impact lambda, our model subsumes the information that other liquidity measures provide. We confirm the square-root law by figuring a concave relationship between trade size and price impact. Finally, we examine how price impact forecasts can be improved via recent Machine Learning Techniques. We show that boosted trees with XGBoost outperforms other alternative models, i.e., random forest and elastic net methods, in out-of-sample estimations. We also find that the prevailing slope of the limit order book, maturity of bonds, and market volatility appear to be the top three factors affecting the slippage. Given the study's novel features, we aim to contribute price impact literature in employing machine learning techniques to long-term order book data.
Benzer Tezler
- Credit Default Swap Markets and Credit Risk Pricing - A Comparative Study
Kredi Temerrüt Takası(CDS) Piyasaları ve Kredi Riski Fiyatlandırması - Karşılaştırmalı Bir Çalışma
YALIN GÜNDÜZ
Doktora
İngilizce
2008
BankacılıkKarlsruher Instıtut Fur TechnologıeFinans Ana Bilim Dalı
PROF. DR. MARLIESE UHRIG-HOMBURG
- Sermaye varlıklarını fiyatlama modeli: İMKB`de dengenin araştırılması
Capital asset pricing model searching for the equilibrium in ISE
RUŞEN METE AKYÜZ
Yüksek Lisans
Türkçe
2000
BankacılıkMarmara ÜniversitesiSermaye Piyasası ve Borsa Ana Bilim Dalı
DOÇ. DR. OSMAN GÜRBÜZ
- Analysis of volatility transmission mechanism across equity markets
Hisse senedi piyasalarında oynaklık geçişliliği mekanizmasının analizi
PINAR KAYA
Doktora
İngilizce
2017
İşletmeİstanbul Teknik Üniversitesiİktisat Ana Bilim Dalı
PROF. DR. BÜLENT GÜLOĞLU
- Üretim planlama ve kontrol
The Production planning and control
HÜLYA AKIN
Yüksek Lisans
Türkçe
1993
Endüstri ve Endüstri Mühendisliğiİstanbul Teknik ÜniversitesiDOÇ.DR. MEHMET TANYAŞ