Fama-French varlık fiyatlama modellerinin makine öğrenmesi yöntemleri ile değerlendirilmesi: Uluslararası pazar portföyleri üzerine bir uygulama
Evaluation of Fama-French asset pricing models with machine learning methods: An application on international market portfolios
- Tez No: 805464
- Danışmanlar: PROF. DR. TURHAN KORKMAZ, DOÇ. DR. İREM ERSÖZ KAYA
- Tez Türü: Doktora
- Konular: İşletme, Business Administration
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2023
- Dil: Türkçe
- Üniversite: Mersin Üniversitesi
- Enstitü: Sosyal Bilimler Enstitüsü
- Ana Bilim Dalı: İşletme Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 143
Özet
Finansal piyasaların doğrusal olmayan dinamik yapısı, bu piyasalar hakkında analiz ve tahmin yapmayı zorlaştırmaktadır. Ayrıca piyasaların sunmuş olduğu fırsatlar ve bu fırsatlara ulaşmak adına yatırımcıların almış olduğu riskler onlar için yönetilmesi zorunlu ve bir o kadar da zor olan süreçleri barındırmaktadır. Bu açıdan, piyasaların dinamik yapısını yatırımcılar açısından değerlendirmeye alan bu çalışmada, alan literatürüne girmiş birçok akademik çalışmayla geçerliliği gösterilmiş Fama-French Varlık Fiyatlama Üç, Dört, Beş ve Altı Faktör Modellerinin, piyasa üstü getiriyi açıklama güçleri makine öğrenmesi yöntemleri ile test edilmiştir. Araştırma kapsamında veriler, Fama-French tarafından paylaşılan, ABD Endüstri Portföyleri ve Uluslararası Pazar Portföylerinde yer alan şirketlerin 01.07.1992- 31.01.2022 tarih aralığındaki aylık getiri performansları dikkate alınarak oluşturulmuştur. ABD Endüstri portföyleri, NYSE, AMEX ve NASDAQ'da işlem gören şirketlerden oluşan 5'li, 10'lu, 12'li, 17'li, 30'lu, 38'li, 48'li ve 49'lu portfoy gruplarını; Uluslararası Pazar Portföyleri ise, ABD, Japonya hariç Asya Pasifik, Gelişmiş Ülkeler, ABD hariç Gelişmiş Ülkeler, Japonya ve Kuzey Amerika portföylerinden oluşan grupları kapsamaktadır. Makine öğrenmesi ile gerçekleştirilen analizlerde; Destek Vektör Makineleri, Lineer Regresyon, k-En Yakın Komşu ve Çok Katmanlı Algılayıcı algoritmaları kullanılmıştır. Analiz sonucunda Destek Vektör Makineleri, araştırmaya dahil edilen 60 modelden 25'inde en yüksek korelasyon değerini alarak en başarılı yöntem olmuştur. Lineer Regresyon, tüm modellerde göreceli olarak daha düşük değerler elde ederek, toplam 24 modelde en yüksek korelasyon değerini vermiştir. Çok Katmanlı Algılayıcı ise, sadece ABD Endüstri Portföyleri için uygulanan, 11 modelde yüksek değerler elde etmiştir. Araştırmada, KNN yöntemi hiçbir modelde başarılı olamamış ve zayıf sonuçlar vermiştir. Finansal açıdan bakıldığında, Uluslararası Pazar Portföylerinde 28 modelin 26'sında şirket büyüklüğü açısından küçük şirket büyüklüğü olan portföylerin en yüksek korelasyon değerini aldığı sonucuna ulaşılmıştır. DD/PD, yatırımlar, faaliyet karı ve momentum açısından ise 28 modelin 16'sında DD/PD, 10'unda yatırımlar, 2'sinde ise faaliyet kârını kapsayan portföyler en yüksek korelasyon değerini almıştır. Momentum faktörünü kapsayan portföylerde ise hiçbir model ile başarılı sonuç elde edilememiştir.
Özet (Çeviri)
The nonlinear dynamic nature of financial markets complicates the analysis and prediction of these markets. Additionally, the opportunities provided by the markets and the risks taken by investors to access these opportunities involve processes that are both necessary and challenging to manage. In this study, which evaluates the dynamic structure of markets from the perspective of investors, the validity of the Fama-French Asset Pricing Three, Four, Five, and Six Factor Models, which have been supported by numerous academic studies in the literature, was tested using machine learning methods to measure their ability to explain market excess returns. The data used in the research were derived from the monthly return performances of companies included in the US Industry Portfolios and International Market Portfolios, as provided by Fama-French, covering the period from July 1, 1992, to January 31, 2022. The US Industry portfolios consisted of portfolio groups of 5, 10, 12, 17, 30, 38, 48, and 49 companies traded on NYSE, AMEX, and NASDAQ. The International Market Portfolios encompassed groups consisting of portfolios from the Asia-Pacific region excluding Japan, Developed Countries excluding the US, Developed Countries excluding Japan, Japan, and North America excluding the US. The analysis conducted using machine learning algorithms employed Support Vector Machines, Linear Regression, k-Nearest Neighbors, and Multilayer Perceptron. As a result of the analysis, Support Vector Machines emerged as the most successful method, achieving the highest correlation value in 25 out of the 60 models included in the study. Linear Regression yielded relatively lower values across all models, but provided the highest correlation value in a total of 24 models. Multilayer Perceptron yielded high values only in the 11 models applied to the US Industry Portfolios. On the other hand, the KNN method did not perform successfully in any of the models and produced weak results. From a financial perspective, it was observed that in the International Market Portfolios, portfolios with small company size achieved the highest correlation value in 26 out of 28 models. Regarding DD/PD, investments, operating profit, and momentum, DD/PD portfolios achieved the highest correlation value in 16 out of 28 models, investment portfolios in 10 models, and portfolios including operating profit in 2 models. However, portfolios including the momentum factor did not yield successful results in any model.
Benzer Tezler
- Fama ve French varlık fiyatlama modellerinin geçerliliği: Borsa İstanbul örneği
The validity of Fama and French asset pricing models: Example of Istanbul Stock Exchange
KEMAL COŞKUN
- Zamanlararası varlık fiyatlama modeli ve Fama-French üç faktörlü varlık fiyatlama modeli uygulaması: Türkiye örneği
An application of intertemporal asset pricing model and Fama-French three factor model: The case of Turkey
EMİNE KAYA
- Varlık fiyatlama modellerinin Borsa İstanbul'da uygulanabilirliği
Comparing asset pricing models in the Turkish capital market
CANAN SEYHAN
- Statik finansal varlık fiyatlama modellerinin Borsa İstanbul'da testi
Test of static financial asset pricing models in Borsa İstanbul
MELİH KUTLU
- Çok faktörlü varlık fiyatlama modellerinin test edilmesi
Testing multi-factor asset pricing models
AYŞEGÜL YILDIRIM KUTBAY
