Finansal krizler için yapay sinir ağları tabanlı erken uyarı sistemi modellemesi: Türkiye üzerine uygulama
Modeling artificial neural network-based early warning systems for financial crises: An application on Turkey
- Tez No: 855538
- Danışmanlar: DOÇ. DR. YASEMİN ASU ÇIRPICI
- Tez Türü: Yüksek Lisans
- Konular: Ekonomi, Economics
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2024
- Dil: Türkçe
- Üniversite: Yıldız Teknik Üniversitesi
- Enstitü: Sosyal Bilimler Enstitüsü
- Ana Bilim Dalı: İktisat Ana Bilim Dalı
- Bilim Dalı: İktisat Bilim Dalı
- Sayfa Sayısı: 121
Özet
Dünya ekonomisinin entegre hale gelmesi, finans piyasalarında sınırların kalkmasına ve finansal krizlerin yayılması ve etkilerinin daha güçlü bir şekilde hissedilmesine neden olmaktadır. Krizlerin negatif etkilerinin bertaraf edilmesi, ekonomik istikrarın sağlanması ve uzun vadeli iktisat politikalarının belirlenmesine yönelik olarak belirsizliklerin ortadan kaldırılması ve olası finansal krizlerin öngörülebilmesi amacıyla Erken Uyarı Sistemi geliştirilmiştir. Erken uyarı sisteminin geliştirilmesinde doğrusal olmayan ilişkileri açıklamada ve eksik verilerle çalışma gibi özellikleri nedeniyle YSA türlerinden ileri beslemeli geri yayılımlı ÇKA modeli kullanılmıştır. Öncü göstergeler literatüründe sıklıkla kullanılan 14 değişkene ait 1992:01 2022:12 dönemi için aylık veriler kullanılmıştır. Kriz dönemlerinin tanımlanması amacıyla FBE oluşturulmuş ve iki farklı formda YSA modelinin eğitilmesinde kullanılmıştır. 372 dönemden oluşan veri setinin %70'i eğitim, %15'i test ve %15'i doğrulama verisi olarak bölünmüş ve ağın eğitim ve performans değerlendirme süreçleri gerçekleştirilmiştir. Geliştirilen ÇKA modeller arasında, yapısında logsig, tansig ve purelin aktivasyon fonksiyonları bulunan ve trainlm eğitim algoritması ile oluşturulan modelin kriz öngörüsünde daha başarılı olduğu sonucuna varılmıştır. Model kriz ve normal dönemleri %100 doğrulukla tespit edebilmiştir. ÇKA modellerden en iyi performansa sahip model 5 kullanılarak 2023:01 ile 2023:09 dönemi verileri ile gelecek 9 aylık döneme ilişkin kriz öngörüsü için simülasyon oluşturulmuştur. Simülasyon sonucu Şubat 2024 dönemine ilişkin endeks değeri eşik değerin üzerinde seyretmiş ve kriz sınıflandırmasına girmiştir. Diğer dönemlerde ise kriz öngörülmemiştir.
Özet (Çeviri)
The integration of the world economy, the removal of boundaries in financial markets, and the spread of financial crises have led to a more pronounced impact. In order to mitigate the negative effects of crises, ensure economic stability, and eliminate uncertainties for the determination of long-term economic policies, an Early Warning System has been developed with the aim of anticipating possible financial crises. In the development of the early warning system, a feedforward backpropagation artificial neural network (ANN) model, specifically the advanced feedforward backpropagation MPL model, was used due to its ability to explain nonlinear relationships and work with incomplete data. Monthly data for the period from January 1992 to December 2022 for 14 variables frequently used in leading indicators literature were employed. To identify crisis periods, a Financial Stress Index (FSI) was created and used in training two different forms of the ANN. The dataset consisting of 372 periods was divided into 70% for training, 15% for testing, and 15% for validation, and the training and performance evaluation processes of the network were carried out. Among the developed MPL models, it was concluded that the model created with logsig, tansig, and purelin activation functions in its structure and using the trainlm training algorithm was more successful in crisis prediction. The model was able to accurately detect crisis and normal periods with 100% accuracy. The best-performing model from the MPL models, Model 5, was used to simulate crisis prediction for the period from January 2023 to September 2023 using data from that timeframe. The simulation result indicated that the index value for February 2024 remained above the threshold value, classifying it as a crisis period. However, no crisis was predicted for other periods.
Benzer Tezler
- Para krizlerinin tahmininde logit-probit modelleri ve yapay sinir ağları: Türkiye örneği
Logit-probit models and artificial neural networks for the estimation of currency crisis: The case of Turkey
OKTAY KIZILKAYA
- Hatay bölgesi rüzgar enerjisi potansiyelinin olasılık dağılımları ve yapay sinir ağları ile modellenmesi
Modeling wind energy potential of Hatay region using probability distributions and artificial neural networks
İLKER MERT
Doktora
Türkçe
2018
Makine Mühendisliğiİskenderun Teknik ÜniversitesiMakine Mühendisliği Ana Bilim Dalı
DOÇ. DR. CUMA KARAKUŞ
- Öncü göstergeler yaklaşımına göre finansal krizler ve Türkiye örneği
According to leading indicators approach, financial crisis and the case of Turkey
CÜNEYT SEVİM
- Hisse getiri oranlarının tahmininde yapay sinir ağı modelinin uygulanabilirliği: 2008 finansal kriz örneği
The applicability of artificial neural network method on prediction of rate of stock return: Example of 2008 financial crisis
HATİCE NERİMAN BAŞDEMİR
Yüksek Lisans
Türkçe
2012
İşletmeGaziosmanpaşa Üniversitesiİşletme Ana Bilim Dalı
YRD. DOÇ. DR. SÜLEYMAN SERDAR KARACA
- Türk bankacılık sektörünün finansal krizler nedeniyle uğradığı kayıpların ölçülmesine ilişkin bir uygulama
A study on quantification of Turkish banking sector losses due to financial crises
HAKAN BAYRAMLIK