Forecasting the implied volatility surface of emerging market currency options: An empirical analysis
Gelişmekte olan piyasa döviz opsiyonlarının zımni volatilite yüzeyinin tahmini: Ampirik bir analiz
- Tez No: 978848
- Danışmanlar: DR. ÖĞR. ÜYESİ EMRAH AHİ
- Tez Türü: Yüksek Lisans
- Konular: Ekonomi, İşletme, Maliye, Economics, Business Administration, Finance
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2025
- Dil: İngilizce
- Üniversite: Özyeğin Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Finans Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Finans Mühendisliği Bilim Dalı
- Sayfa Sayısı: Belirtilmemiş.
Özet
Bu çalışma, beş gelişmekte olan piyasa para biriminin (USD karşısında TRY, INR, MXN, ZAR, BRL) türetilmiş volatilite yüzeylerini modellemede Otoregresif (AR), -Temel Bileşenler Analizi- Çok Değişkenli Otoregresyon (PCA-VAR), Temel Bileşen Regresyonu (PCR) ve İleri Beslemeli Sinir Ağları (FNN) gibi zaman serisi ve makine öğrenimi modellerinin tahmin gücünü incelemeyi amaçlamaktadır. Araştırma, hem Genişleyen Pencere (Expanding Window) hem de Kayan Pencere (Rolling Window) yöntemlerini kullanarak modellerin performansını Kök Ortalama Kare Hata (RMSE) ölçütüne göre değerlendirmektedir. Bulgular, PCR ve FNN modellerinin, özellikle daha düşük volatilite seviyesine sahip para birimlerinde, birbirine yakın ve yüksek doğrulukta sonuçlar verdiğini göstermektedir. Çalışma, finansal tahminde model seçiminin kritik önemde olduğunu vurgulamakta ve ülke bazında makroekonomik ya da jeopolitik faktörlerin model sonuçlarına etki edebileceğini öne sürmektedir.
Özet (Çeviri)
This study aims to evaluate the predictive power of time series and machine learning models, namely Autoregressive (AR), Principal Component Analysis-Vector Autoregression (PCA-VAR), Principal Component Regression (PCR), and Feedforward Neural Networks (FNN), in modeling the implied volatility surfaces of five emerging market currencies (TRY, INR, MXN, ZAR and BRL against USD). The research assesses model performance using the Root Mean Square Error (RMSE) metric under both the Expanding Window and Rolling Window frameworks. The findings indicate that Principal Component Regression (PCR) and FNN models deliver similarly high precision, particularly for currencies exhibiting lower volatility levels. The study underscores the critical importance of model selection in financial forecasting and suggests that incorporating country-specific macroeconomic or geopolitical factors may further influence model outcomes.
Benzer Tezler
- Predictable dynamics in implied volatility smirk slope: Evidence from the S&P 500 options
Örtük oynaklık sırıtmasının eğiminin tahmin edilebilir dinamikleri: S&P 500 opsiyonlarından kanıt
MUSTAFA ONAN
Yüksek Lisans
İngilizce
2012
İşletmeİhsan Doğramacı Bilkent Üniversitesiİşletme Ana Bilim Dalı
DOÇ. DR. ASLIHAN ALTAY SALİH
- İstanbul Menkul Kıymetler Borsası endeksinin istatistiksel yöntemlerle öngörülmesi
Forecasting İstanbul Stock Exchange index by statistical methods
HALİL SONER BİNAY
- Volatilite endeksleri, önemi ve Türkiye volatilite endeksi
Volatility indices, their importance and volatility index for Turkey
NİYAZİ TELÇEKEN
- Volatility spillovers and dynamic hedgings: Evidence from selected stock markets, precious metalsand oil futures
Oynaklık taşmaları ve dinamik korunmalar: Seçilen hisse senedi piyasalarından, değerli metallerden ve petrol işlemlerinden kanıt
TUNAHAN YILMAZ
Yüksek Lisans
İngilizce
2019
Ekonomiİstanbul Teknik ÜniversitesiEkonomi Ana Bilim Dalı
PROF. DR. BÜLENT GÜLOĞLU
- Gelişmiş makine öğrenmesi ile sermaye piyasalarında kısa vadeli yön tahmini ve dinamik TP/SL analizi
Short-term direction forecasting in capital markets with advanced machine learning and dynamic TP/SL analysis
EMRE ARI
Doktora
Türkçe
2026
İstatistikİstanbul Teknik ÜniversitesiEndüstri Mühendisliği Ana Bilim Dalı
PROF. DR. ALP ÜSTÜNDAĞ