Geri Dön

Volatilite tahmin modellerinin performanslarının karşılaştırılması

Comparing performance of volatility forecast models

  1. Tez No: 829645
  2. Yazar: ÖZGÜR ERGÜN
  3. Danışmanlar: PROF. DR. BİLGE ACAR BOLAT
  4. Tez Türü: Doktora
  5. Konular: Ekonometri, Maliye, Econometrics, Finance
  6. Anahtar Kelimeler: Belirtilmemiş.
  7. Yıl: 2023
  8. Dil: Türkçe
  9. Üniversite: İstanbul Üniversitesi
  10. Enstitü: Sosyal Bilimler Enstitüsü
  11. Ana Bilim Dalı: Sayısal Yöntemler Ana Bilim Dalı
  12. Bilim Dalı: Belirtilmemiş.
  13. Sayfa Sayısı: 121

Özet

Bu çalışmada, finansal piyasalar için önemli bir kavram olan volatilitenin sonraki günkü değerini tahmin eden bazı tahmin edicilerin performansları, çalışmada ele alınan dört finansal araç üzerinden incelenmiştir. Performansı diğerlerine göre anlamlı derecede kötü olan tahmin ediciler elenerek üstün modellerin kümeleri elde edilmiştir. Literatürde sıklıkla kullanılan GARCH ve EGARCH modelleri ile son dönemlerde volatilite tahminlerinde sıklıkla kullanılmaya başlanılan yapay sinir ağları ve hibrit yapay sinir ağları yöntemleri günlük volatiliteyi tahmin etmekte kullanılmış olup; günlük gözlenen volatilite değerleri olarak ise beklenen sabit terim değerinden arındırılmış getirilerin karelerinin değerleri ve aralık bazlı tahminlerden olan Parkinson değerleri kullanılmıştır. Çalışmada elde edilen üstün modeller kümeleri; dört finansal araç, iki performans ölçüsü ve iki gözlenen değişken için ayrı ayrı oluşturulmuştur. Elde edilen sonuçlara göre Parkinson değerlerini girdi olarak alan EGARCH ve hibrit yapay sinir ağları tahmin edicilerinin performanslarının öne çıktığı görülmüştür.

Özet (Çeviri)

In this study, the performance of some estimators related to volatility, which is an important concept for financial markets, are analyzed by using four financial instruments. Set of superior models were obtained, by eliminating estimators which are significantly worse performance than others. GARCH and EGARCH models, which are frequently used in the literature; and artificial neural networks and hybrid artificial neural networks methods, which have been recently frequently used in volatility estimations, have been used to estimate daily volatilities. The square of returns which are adjusted by excluding expected constants, and Parkinson's values which are interval-based estimations are used as daily observed volatility values. The sets of superior models, obtained in this study; are created with four financial instruments, using two performance measures and two observed variables. According to the obtained results, the performances of EGARCH and hybrid artificial neural networks estimators which takes Parkinson's values as input are outshined.

Benzer Tezler

  1. Hisse senedi getirilerinin öngörüsünde finansal zaman serisi modellerinin karşılaştırılması: Borsa İstanbul örneği

    Comparative performance of models of financial time series in forecasting stock returns: The case of İstanbul Stock Exchange

    HANDE YEŞİL

    Yüksek Lisans

    Türkçe

    Türkçe

    2014

    EkonometriEge Üniversitesi

    İktisat Ana Bilim Dalı

    PROF. DR. ASİYE ÖZLEM ÖNDER

  2. Heterojen otoregresif modeller yardımı ile gerçekleşen oynaklık tahmini: BİST 100 örneği

    Volatility estimation using heterogeneous autoregressive models: The case of BIST 100

    MELİKE MERİÇ TÜRENSAL

    Yüksek Lisans

    Türkçe

    Türkçe

    2021

    EkonometriTrakya Üniversitesi

    Ekonometri Ana Bilim Dalı

    DOÇ. DR. AYŞEGÜL İŞCANOĞLU ÇEKİÇ

  3. Formal GARCH performance in a computable dynamic general equilibrium framework

    Hesaplanabilir dinamik genel denge çerçevesinde resmi GARCH performansı

    ALİ BORA YİĞİTBAŞIOĞLU

    Yüksek Lisans

    İngilizce

    İngilizce

    1998

    İşletmeİhsan Doğramacı Bilkent Üniversitesi

    İşletme Yönetimi Ana Bilim Dalı

    DOÇ. DR. ASLIHAN SALİH

  4. Essays on the return, volatility and correlation features of emerging market bonds and related models

    Gelişmekte olan ülke piyasa tahvillerinin getiri, oynaklık, çapraz korelasyon yapıları ve ilgili modeller üzerine makaleler

    MUSTAFA DEMİREL

    Doktora

    İngilizce

    İngilizce

    2020

    EkonometriYeditepe Üniversitesi

    Finansal İktisat Ana Bilim Dalı

    PROF. DR. GAZANFER ÜNAL

  5. Predicting stock prices in bist: A reinforcement learning and sentimental analysis approach

    Pekiştirmeli derin öğrenme ve duyarlılık analizi yaklaşımı ile bıstteki hisselerin fiyatlarının tahmin edilmesi

    ŞEYMA EĞE

    Yüksek Lisans

    İngilizce

    İngilizce

    2024

    Endüstri ve Endüstri Mühendisliğiİstanbul Teknik Üniversitesi

    Büyük Veri ve Veri Analitiği Ana Bilim Dalı

    DR. ÖĞR. ÜYESİ MEHMET ALİ ERGÜN