Döviz kuru hareketlerinin yapay sinir ağları ile tahmin edilmesi
Forecasting exchange rate movements using artificial neural networks
- Tez No: 989536
- Danışmanlar: PROF. DR. MURAT AKBALIK
- Tez Türü: Doktora
- Konular: Bankacılık, Banking
- Anahtar Kelimeler: Döviz kuru tahmini, yapay zekâ, makine öğrenmesi, derin öğrenme, finansal zaman serileri, Exchange rate forecasting, artificial intelligence, machine learning, deep learning, financial time series
- Yıl: 2026
- Dil: Türkçe
- Üniversite: Marmara Üniversitesi
- Enstitü: Bankacılık ve Sigortacılık Enstitüsü
- Ana Bilim Dalı: Bankacılık Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: Belirtilmemiş.
Özet
ÖZET Son yıllarda yaşanan küresel ekonomik krizler ve COVID-19 pandemisi, finansal piyasalarda belirsizliği ve volatiliteyi belirgin biçimde artırmıştır. Bu ortamda döviz kurlarının güvenilir biçimde tahmin edilmesi, yatırımcılar, şirketler ve politika yapıcılar açısından kritik bir önem taşımaktadır. Ancak döviz kuru serilerinin doğrusal olmayan, karmaşık ve zamana bağlı yapısı, geleneksel tahmin yöntemlerinin bu alandaki açıklayıcılığını sınırlandırmaktadır. Bu çalışma, döviz kuru tahmininde kullanılan makine öğrenmesi ve derin öğrenme modellerinin performansını, döviz kuru serilerinin yapısal özellikleri çerçevesinde karşılaştırmalı olarak incelemektedir. Majör döviz pariteleri (EUR/USD, USD/CHF, GBP/USD, USD/CAD) ile gelişmekte olan ülke para birimini temsil eden USD/TRY kuru; makine öğrenmesi modelleri, teknik analizle zenginleştirilmiş yaklaşımlar ve farklı derin öğrenme mimarileri altında analiz edilmiştir. Modellerin tahmin başarısı, test örnekleminde elde edilen hata ölçütleri ve açıklayıcılık düzeyleri üzerinden değerlendirilmiştir. Elde edilen bulgular, döviz kuru tahmininde model başarısının algoritmik karmaşıklıktan ziyade, serinin yapısal özellikleri ve kullanılan model mimarisiyle olan uyum tarafından belirlendiğini göstermektedir. Naif ve doğrusal modellerin birçok paritede güçlü ve istikrarlı bir referans sunduğu; teknik analiz göstergelerinin doğrusal modellerde tutarlı bir katkı sağladığı; derin öğrenme modellerinin ise performansının pariteye ve mimariye duyarlı olduğu sonucuna ulaşılmıştır. Özellikle USD/TRY paritesinde, yapısal kırılmaların uzun hafıza mekanizmasına sahip modellerin genelleme gücünü sınırladığı, buna karşılık kısa vadeli örüntülere odaklanan mimarilerin daha başarılı sonuçlar üretebildiği tespit edilmiştir.
Özet (Çeviri)
ABSTRACT The current global economic crisis and the COVID-19 pandemic have intensified the problem of uncertainty and volatility in the economic markets; thus, accurate exchange rate prediction has become increasingly valuable and important. Nevertheless, the complexity and time dependency of exchange rates have reduced the predictive power and abilities of current exchange rate forecasting approaches. This research work will present a comparative study for modeling exchange rates using machine learning models and deep learning models based on the exchange rate series structure. The most major exchange rate pairs (EUR/USD, USD/CHF, GBP/USD, USD/CAD) and USD/TRY as a representative for emerging markets will be analysed using machine learning models and enhanced models based on deep learning models. The model results will be based on error metrics and explanatory power calculated based on test data. The results clarify that the forecasting accuracy is dependent not on the complexity of the algorithms, but on the structure of the exchange rate series and compatibility with the given architectures. Though the results are impressive in the case of the naive and linear models, the technical indicators perform well mostly in the linear models. The results clarify that the performance of the deep learning models is extremely sensitive to the chosen architecture. For the USD/TRY exchange rate series, long-horizon forecasting performance deteriorates due to reduced generalization capacity induced by structural breaks, whereas models emphasizing short-memory dynamics achieve comparatively robust results.
Benzer Tezler
- Forecasting exchange rates using artificial neural networks
Yapay sinir ağları ile döviz kuru tahmini
BELMA DENİZ ONARAN
Yüksek Lisans
İngilizce
2010
Ekonomiİstanbul Bilgi ÜniversitesiUluslararası Finans Ana Bilim Dalı
PROF. DR. AHMET SÜERDEM
- Uluslararası sermaye hareketlerinin belirleyicileri, doğrudan yabancı yatırımlar ve yabancı portföy yatırımları bağlamında bir analiz: Türkiye örneği
Determinants of international capital movements, an analysis in the context of foreign direct investment and foreign portfolio investments: The case of Turkey
ERHAN GENÇ
- ЕВРАЗИЯ ЭКОНОМИКАЛЫК БИРЛИГИ: КЫРГЫЗСТАН МИСАЛЫНДА
Avrasya Ekonomik Birliği: Kırgızistan örneği / The Eurasian Economic Union: The Case Of Kyrgyzstan
ŞAMİL BALCI
Doktora
Kırgızca
2024
EkonomiKırgızistan-Türkiye Manas Üniversitesiİktisat Ana Bilim Dalı
PROF. DR. CUSUPCAN PİRİMBAYEV
- Döviz kuru ve faiz oranı risklerinden korunma teknikleri ve Türkiye'de uygulanması
Başlık çevirisi yok
SANİYE GÜMÜŞELİ
