Foreign exchange rate forecasting by using machine learning algorithms: Developed vs. emerging economies
Makine öğrenmesi algoritmalarıyla döviz kuru tahmini: Gelişmiş ve gelişmekte olan ekonomiler
- Tez No: 778399
- Danışmanlar: DOÇ. DR. TOLGA UMUT KUZUBAŞ
- Tez Türü: Yüksek Lisans
- Konular: Ekonomi, Economics
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2022
- Dil: İngilizce
- Üniversite: Boğaziçi Üniversitesi
- Enstitü: Sosyal Bilimler Enstitüsü
- Ana Bilim Dalı: İktisat Ana Bilim Dalı
- Bilim Dalı: İktisat (ingilizce) Bilim Dalı
- Sayfa Sayısı: Belirtilmemiş.
Özet
Bu tezin iki farklı amacı bulunmaktadır. Her iki amaç¸ için de, temel olarak farklı kur çiftleri için döviz kuru tahminleri gerçekleştirilmiştir. İlk olarak, doğrusal ve doğrusal olmayan çeşitli algoritmaların ağaç tabanlı ve topluluk yöntemli makine öğrenmesi algoritmalarını kullanarak, bu algoritmaların kur pariteleri üzerindeki tahmin performanslarını karşılaştırılmıştır. Kur tahmini için kullanılan altı algoritma şu şekilde sıralanabilir: En küçük kareler, lasso lojistik, karar ağaçları, rastgele ormanlar, destek vektör makineleri ve XGBoost. Bu tezdeki ikinci amaç ise, yine aynı algoritmaları ve kur paritelerini kullanarak bu performansların gelişmekte olan ve gelişmiş pazarlar arasındaki farklılarını karşılaştırmaktır. Kur tahminleri için kullanılan veri 2002 ile 2022 dönemini kapsamaktadır ve her kur paritesi için ay sonu en yüksek kur değerleri kullanılmıştır. Çalışmada kullanılan iki model de kapsanmamış faiz oranı paritesine dayanır. Kur hareketleri hem seviye olarak hem de sınıflandırma olarak iki farklı ölçekte tahmin edilmeye çalışılmıştır. Regresyon ile direkt kur seviyelerini, sınıflandırma ile kurun yukarı ve aşağıya doğru hareketleri tahmin edilmiş, performans değerlendirme ölçütü olarak ise sırasıyla kök ortalama kare hata ve doğruluk oranı değerleri kullanılmıştır. Bulgularımız, döviz kuru hareketlerinde doğrusal olmayan hareketlerin var olduğuna işaret etmektedir. Herhangi bir algoritma temel modelde üstün performans göstermese de, model karmaşıklığı arttıkça XGBoost ve rastgele ormanlar daha ˘ yüksek tahmin oranlarıyla öne çıkmıştır. Ancak gelişmekte olan ve gelişmiş piyasalar arasında herhangi bir performans farkı bulunmamıştır.
Özet (Çeviri)
This thesis has twofold aim. For both of the aims, we forecast the exchange rate of currency pairs by using different models. First, we explore the exchange rate forecast performances of different linear and nonlinear algorithms tree-based and ensemble methods. Ordinary least squares, least absolute shrinkage and selection operator, decision trees, random forests, support vector machines and extreme gradient boosting are the algorithms that are used for forecasting. Second, we compare the performances between emerging and developed markets. For the period between 2002 and 2022, we use monthly data and predictions are made for the month-end high values of nine different currency pairs. We employed two different models based on uncovered interest rate parity model. We performed both regression and classification and as performance evaluation metrics we used root mean squared error and classification accuracy, respectively. Our findings imply that there exist nonlinearities in exchange rate movements. Although any algorithm does not show outstanding performance in the base model, as the model complexity increases, extreme gradient boosting and random forest stand out among others with their improved forecast performance. However, in our findings, there does not exist any difference between emerging and developed markets.
Benzer Tezler
- Forecasting housing sales to foreigners in Turkey using machine learning algorithms
Makine öğrenmesi algoritmaları kullanarak Türkiye'de yabancılara konut satışlarının tahmin edilmesi
SANAM GERANPAYEHVAGHEEI
Yüksek Lisans
İngilizce
2026
Endüstri ve Endüstri Mühendisliğiİstanbul Kültür ÜniversitesiEndüstri Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ İLAYDA ÜLKÜ
- Türkiye enflasyon tahmini için makine öğrenmesi modellerinin karşılaştırmalı analizi
Comparative analysis of machine learning models for inflation forecasting in Türkiye
NEZİHA ÇALIŞKAN
- Makine öğrenmesi yöntemlerini kullanarak bir petrokimya firmasının hisse senedi fiyat tahmini
Stock price prediction of a petrochemical company using machine learning methods
ŞEVVAL TOPRAK
Yüksek Lisans
Türkçe
2023
Endüstri ve Endüstri MühendisliğiSakarya ÜniversitesiEndüstri Mühendisliği Ana Bilim Dalı
DOÇ. DR. GÜLTEKİN ÇAĞIL
- Finansal piyasalarda döviz kurunun zaman dizisi grafiği üzerinde bulunan Fraktallar (Kaotik emareler) yoluyla tahmin edilmesi
Estimating the exchange rate in financial markets through Fractals (Chaotic signs) found by scanning the correlation on the time series graph
ADİL AŞIRIM
Doktora
Türkçe
2023
İşletmeİstanbul Aydın Üniversitesiİşletme Ana Bilim Dalı
DR. ÖĞR. ÜYESİ MURAT ADİL SALEPÇİOĞLU
- Türkiye'deki altın ve döviz fiyatlarının değişimininekonomik veriler kullanılarak yapay zeka ile tahmini vekriz öngörüsü
Exchange rates's change by using economic data with artificial intelligence and forecasting the crisis
KEMAL GÜLER
Yüksek Lisans
Türkçe
2019
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolYalova ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DOÇ. DR. ABDULKADİR TEPECİK