An adaptive hybrid extreme-value framework for daily value-at-risk estimation in the turkish equity market
Türk hisse senedi piyasasında günlük riske maruz değer tahmini için uyarlanabilir hibrit bir aşırı-değer çerçevesi
- Tez No: 991932
- Danışmanlar: PROF. DR. ALTAN KOÇYİĞİT
- Tez Türü: Yüksek Lisans
- Konular: Yönetim Bilişim Sistemleri, Mühendislik Bilimleri, Ekonometri, Management Information Systems, Engineering Sciences, Econometrics
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2026
- Dil: İngilizce
- Üniversite: Orta Doğu Teknik Üniversitesi
- Enstitü: Enformatik Enstitüsü
- Ana Bilim Dalı: Bilişim Sistemleri Ana Bilim Dalı
- Bilim Dalı: Bilişim Sistemleri Bilim Dalı
- Sayfa Sayısı: Belirtilmemiş.
Özet
Normallik varsayımına dayanan standart Riske Maruz Değer (VaR) modelleri, gelişmekte olan piyasalarda gözlemlenen aşırı oynaklığı ve kalın kuyruk (heavy-tail) yapısını yakalamakta genellikle yetersiz kalmaktadır. Bu tez, Borsa İstanbul (BIST) pay piyasasında piyasa riski tahmin modellerinin doğruluğunu değerlendirmektedir. Çalışma kapsamında, Genelleştirilmiş Otoregresif Koşullu Değişen Varyans (GARCH), Filtrelenmiş Tarihsel Simülasyon (FHS) ve Aşırı Değer Teorisi (EVT) dahil olmak üzere parametrik, parametrik olmayan ve hibrit mimarilerin performansı karşılaştırmalı olarak analiz edilmiştir. Elde edilen ampirik bulgular, geleneksel modellerin piyasa stresi dönemlerinde kuyruk riskini tutarlı bir şekilde olduğundan daha düşük tahmin ettiğini (underestimation) göstermektedir. Bu kısıtı aşmak amacıyla, çalışma kapsamında oynaklık ölçeklemesini kuyruk tahmininden ayrıştıran modüler bir“Uyarlanabilir Risk Çerçevesi”önerilmiştir. Tezin literatüre sunduğu temel katkı, oynaklık takibindeki gecikmelere (latency) tepki veren dinamik bir düzeltme faktörünün (k_dyn) geliştirilmesidir. Geriye dönük test (backtesting) sonuçları, bu uyarlanabilir mekanizma ile desteklenen yarı-parametrik FHS modelinin en güçlü performansı sergilediğini ve Koşullu Kapsama (Conditional Coverage) testlerinde %82,1 oranında kabul gördüğünü ortaya koymaktadır. Bulgular, BIST gibi gelişmekte olan piyasalar için dinamik oynaklık filtrelemesi ile ampirik kuyruk örneklemesinin birleştirilmesinin, statik dağılım varsayımlarına kıyasla daha üstün sonuçlar verdiğini doğrulamaktadır. Mekanizmanın rejim duyarlılığını doğrulamak için, çerçeve S&P 500 ve Bitcoin de dahil olmak üzere 12 küresel varlıktan oluşan bir panel üzerinde daha test edilmiştir. Pratik bir bakış açısıyla, sonuçlar, uyarlanabilir oynaklık takibinin, sürekli oynak piyasalarda riskin sistematik olarak düşük tahmin edilmesini nasıl azaltabileceğini vurgulamaktadır.
Özet (Çeviri)
Standard risk management frameworks, particularly those relying on the Value-at-Risk (VaR) metric under normality assumptions, might fail to capture the extreme volatility observed in emerging markets. This thesis evaluates the accuracy of market risk estimation models within the Borsa Istanbul (BIST) equity market, specifically focusing on the heavy-tailed characteristics of return distributions. We analyze the performance of parametric, non-parametric, and hybrid architectures including Generalized Autoregressive Conditional Heteroskedasticity (GARCH), Filtered Historical Simulation (FHS), and Extreme Value Theory (EVT) across a dataset of major Turkish equities. The empirical results demonstrate that traditional models consistently underestimate tail risk during periods of market stress. To address this limitation, we introduce a modular“Adaptive Risk Framework”that separates volatility scaling from tail shape estimation. A key contribution of this thesis is the development of a dynamic correction factor (k_dyn), which adjusts the risk forecast based on the latency of volatility tracking. Backtesting analysis reveals that the semi-parametric FHS model, combined with this adaptive mechanism, yields the most robust performance, achieving an 82.1% acceptance rate (for 23 out of 28 stocks) under strict Conditional Coverage tests. The findings confirm that for emerging markets like BIST, combining dynamic volatility filtering with empirical tail sampling is superior to relying on static distributional assumptions. To validate the mechanism's regime-dependency, we further tested the framework on a panel of 12 global assets, including S&P 500 and Bitcoin. From a practical perspective, the results highlight how adaptive volatility tracking can reduce systematic underestimation of risk in persistently volatile markets.
Benzer Tezler
- Multi-scale rainfall predictions using data-driven models with advanced data preprocessing techniques
Gelişmiş veri ön işleme teknikleriyle veri odaklı modeller kullanarak çok ölçekli yağış tahminleri
KÜBRA KÜLLAHCI
Doktora
İngilizce
2025
İnşaat Mühendisliğiİstanbul Teknik Üniversitesiİnşaat Mühendisliği Ana Bilim Dalı
PROF. DR. ABDÜSSELAM ALTUNKAYNAK
- 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
- Improvıng the predıctıon of oıl and gas productıon usıng artıfıcıal ıntellıgence algorıthms
Yapay zeka algoritmalarını kullanarak petrol ve gaz üretim tahminlerinin iyileştirilmesi
AZHAR NAJI MUHAJIR ALYAHYA
Yüksek Lisans
İngilizce
2025
EnerjiSakarya ÜniversitesiMühendislik Bilimleri Ana Bilim Dalı
PROF. DR. GÜLÜZAR ÇİT
- Kimyasal tanker terminallerinde operasyonel risk değerlendirmesi: bütünleşik ahp ve topsıs yöntemi ile bir model önerisi
Operational risk assessment in chemical tanker terminals: a model proposal using integrated ahp and topsis method
BURAK KAPLAN
Yüksek Lisans
Türkçe
2026
Denizcilikİstanbul Teknik ÜniversitesiDeniz Ulaştırma İşletme Mühendisliği Ana Bilim Dalı
DOÇ. DR. BURAK ZİNCİR
- Yalın, çevik, yeşil, dayanıklı ve sürdürülebilir tedarik zinciri perspektiflerinden bütünleşik bir tedarikçi performansı değerlendirme yaklaşımı
An integrated supplier performance evaluation approach from lean, agile, green, resilient and sustainable supply chain perspectives
GÖZDE ÇİNKAY
Yüksek Lisans
Türkçe
2026
Endüstri ve Endüstri Mühendisliğiİstanbul Teknik ÜniversitesiEndüstri Mühendisliği Ana Bilim Dalı
DOÇ. DR. ŞEYDA SERDAR ASAN