Local currency bond risk premia in emerging markets: Insights fromadvanced machine learning techniques
Gelişmekte olan piyasalarda yerel para cinsinden tahvil risk primleri: İleri düzey makine öğrenmesi tekniklerinden elde edilen içgörüler
- Tez No: 978850
- Danışmanlar: DR. ÖĞR. ÜYESİ EMRAH AHİ
- Tez Türü: Yüksek Lisans
- Konular: Ekonometri, Ekonomi, Maliye, Econometrics, Economics, Finance
- Anahtar Kelimeler: Getiri eğrisi, Makroekonomik büyüklükler, Yield curve, Macroeconomic indicators
- 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
Yerel para cinsinden tahvil risk primlerinin belirleyicilerini anlamak, gelişmekte olan piyasa yatırımcıları ve politika yapıcıları için çok önemlidir. Bu çalışma, Brezilya, Macaristan, Polonya, Tayland, Güney Afrika ve Türkiye olmak üzere altı gelişmekte olan ülkede yerel para cinsinden tahvil risk primlerinin belirleyicilerini, ileri düzey makine öğrenmesi teknikleri kullanarak incelemektedir. Analizde ilk olarak vadeli faiz oranları, vadeli-spot faiz farkları ve vade primleri gibi getiri eğrisine dayalı değişkenler kullanılmıştır. Daha sonra, enflasyon, zımni döviz (FX) oynaklığı ve makroekonomik göstergeler, tahmin doğruluğu üzerindeki bireysel ve birleşik etkilerini değerlendirmek için dahil edilmiştir. Bulgular, bölgeler arasında önemli farklılıklar ortaya koymaktadır. Brezilya, Macaristan, Polonya ve Tayland'da, özellikle forward oranları ve vade primleri olmak üzere getiri eğrisi değişkenleri yüksek tahmin gücüne sahipken, makroekonomik faktörler ve döviz kuru oynaklığı sınırlı katkı sağlamaktadır. Buna karşın, Türkiye ve Güney Afrika'da enflasyon, makroekonomik göstergeler ve zımni döviz (FX) oynaklığı birincil belirleyiciler olurken, getiri eğrisi değişkenleri tahvil risk primlerini açıklamada yetersiz kalmaktadır. Çalışmada doğrusal regresyon, temel bileşen analizi (PCA), kısmi en küçük kareler (PLS), yapay sinir ağları, rastgele ormanlar, XGBoost ve aşırı rastgele ağaçlar (ERT) dahil olmak üzere çeşitli makine öğrenmesi algoritmaları kullanılmıştır. Ülke bazlı analizler, algoritmaların tahmin performansının ülkeler arasında önemli ölçüde değiştiğini göstermektedir. Macaristan ve Brezilya'da en yüksek doğruluk yapay sinir ağları ile elde edilirken, Türkiye'de en iyi sonuçlar XGBoost ile sağlanmıştır. Polonya'da doğrusal boyut indirgeme yöntemlerinin yapılandırılmış piyasa ortamında etkinliğini ortaya koyan OLS + PCA öne çıkmaktadır. Tayland'da ise yapay sinir ağı ve PCA uygulanan modeller neredeyse eşit başarı göstermektedir. Güney Afrika'da ise en iyi performans aşırı rastgele ağaçlar (ERT) modeliyle elde edilmiştir. Bu araştırma, yerel para cinsinden tahvil risk primlerinin belirleyicilerinde bölgesel farklılıkların önemine dikkat çekerken, farklı veri kaynaklarının ileri düzey makine öğrenmesi teknikleriyle birleştirilmesinin değerini ortaya koymaktadır. Elde edilen bulgular, gelişmekte olan piyasalarda risk değerlendirme çerçevelerini geliştirmek ve stratejik karar alma süreçlerini iyileştirmek isteyen politika yapıcılar, yatırımcılar ve finansal kurumlar için önemli içgörüler sunmaktadır.
Özet (Çeviri)
Understanding the determinants of local currency bond risk premia is crucial for emerging market investors and policymakers. This study investigates the determinants of local currency bond risk premia in six emerging markets—Brazil, Hungary, Poland, Thailand, South Africa, and Turkey—through the application of advanced machine learning techniques. The analysis first utilizes yield curve-based variables, including forward rates, forward-spot spreads, and term premia. Subsequently, inflation, implied foreign exchange (FX) volatility, and macroeconomic indicators are incorporated to assess their individual and combined effects on predictive accuracy. The results highlight distinct regional patterns in the drivers of excess bond returns. Findings reveal that in Brazil, Hungary, Poland, and Thailand, yield curve-based variables—especially forward rates and term premia—exhibit strong predictive power, while macroeconomic factors and FX volatility offer limited value. In contrast, Turkey and South Africa display a fundamentally different structure, where inflation, macroeconomic indicators, and implied FX volatility serve as the primary predictors, and yield curve variables fail to explain bond risk premia. A diverse set of machine learning algorithms—including linear regression, principal component analysis (PCA), partial least squares (PLS), neural networks, random forests, XGBoost, and extremely randomized trees—were employed. Country-specific analysis reveals that algorithmic performance varies significantly across emerging markets, reflecting distinct economic structures and dominant predictive factors. In Hungary and Brazil, Neural Networks yield the highest predictive accuracy In Turkey, XGBoost delivers optimal results. Poland stands out with OLS + PCA demonstrating the utility of linear dimensionality reduction in a structured market environment. In Thailand, both Neural Networks and PCA-applied models exhibit nearly equivalent performance. For South Africa, the most effective predictions are achieved using an Extremely Randomized Trees model. This research highlights the importance of regional differences in the drivers of local currency bond risk premia and demonstrates the value of combining diverse data sources with advanced machine learning techniques. These findings provide valuable insights for policymakers, investors, and financial institutions seeking to refine risk assessment frameworks and improve strategic decision-making in emerging bond markets.
Benzer Tezler
- Liquidity in the emerging market local currency bond market: Measurement,commonality, and supply of risk capital
Gelişmekte olan piyasaların yerel para cinsinden bono likiditeleri: Ölçüm, ortak özellikler ve risk sermayesi arzı
SAYAD BARONYAN
- Effect of macroeconomic news announcement on bond market
Makroekonomik haber duyurularının tahvil piyasasına etkisi
EZGİ GÜLBAŞ
- Essays in empirical finance
Ampirik finansta makaleler
SÜLEYMAN SERDENGEÇTİ
Doktora
İngilizce
2019
İşletmeİhsan Doğramacı Bilkent Üniversitesiİşletme Ana Bilim Dalı
PROF. DR. KÜRŞAT AYDOĞAN
- Impact of foreign investor participation on emerging market localcurrency government bond yields
Başlık çevirisi yok
NİHAN ÜNAL
- Liquidity in emerging country bond markets: A comparison of bid-ask spread proxies and determinants of bid-ask spread
Gelişmekte olan ülke tahvil piyasalarında likidite: Alış-satış yayılma aralığı göstergelerinin karşılaştırılması ve alış-satış yayılma aralığının belirleyicileri
EMRE SU
Doktora
İngilizce
2023
İşletmeİstanbul Teknik Üniversitesiİşletme Mühendisliği Ana Bilim Dalı
DOÇ. DR. KAYA TOKMAKÇIOĞLU