Getiri eğrilerinin modellenmesi ve tahmini: Parametrik ve makine öğrenmesi tekniklerinin karşılaştırmalı analizi
Modeling and forecasting yield curves: A comparative analysis of parametric vs. machine learning techniques
- Tez No: 923733
- Danışmanlar: PROF. DR. İSMAİL ÇEVİŞ
- Tez Türü: Doktora
- Konular: Ekonomi, Economics
- Anahtar Kelimeler: Bayesian ve nonbayesian yöntemler, Büyük veri, Ekonomik zaman serisi, Makine öğrenmesi, Vade getiri eğrisi, Vadeye kalan getiri, Bayesian and nonbayesian methods, Big data, Economic time series, Machine learning, Term yield curve, Yield to maturity
- Yıl: 2025
- Dil: Türkçe
- Üniversite: Pamukkale Üniversitesi
- Enstitü: Sosyal Bilimler Enstitüsü
- Ana Bilim Dalı: İktisat Ana Bilim Dalı
- Bilim Dalı: İktisat Bilim Dalı
- Sayfa Sayısı: Belirtilmemiş.
Özet
Finansal piyasalarda getiri eğrilerinin doğru bir şekilde modellenmesi ve tahmin edilmesi, ekonomik analiz ve politika yapımı açısından büyük bir öneme sahiptir. Getiri eğrileri, faiz oranlarının vade yapısını ve piyasa beklentilerini yansıtarak ekonomik aktivitelerin öngörülmesinde ve finansal karar alma süreçlerinde kritik bir rol oynar. Bu bağlamda, getiri eğrilerinin tahmin edilmesi, yatırımcılar, merkez bankaları ve diğer ekonomik aktörler için değerli bir bilgi kaynağıdır. Bu doktora tezi, Türkiye, Amerika Birleşik Devletleri (ABD) ve Avrupa Merkez Bankası (AMB) tahvil piyasalarında getiri eğrilerinin modellenmesi ve tahmini üzerine odaklanmaktadır. Araştırmada Dinamik Nelson-Siegel Modeli (DL), Fonksiyonel Temel Bileşenler Analizi (FPCA) ve Dinamik Gauss Süreçleri (DGP) olmak üzere üç farklı yöntem incelenmiştir. Modellerin performansı, geniş bir veri seti kullanılarak karşılaştırılmış ve tahmin doğrulukları detaylı bir şekilde analiz edilmiştir. DL modeli, kısa vadeli tahminlerde yüksek doğruluk oranına sahip olmasına rağmen uzun vadeli tahminlerde hata oranlarının arttığı gözlemlenmiştir. FPCA, özellikle AMB verileri üzerinde düşük hata oranları ile öne çıkmış ve karmaşık piyasa yapılarında istikrarlı bir performans sergilemiştir. DGP modeli ise hem Türkiye hem de uluslararası piyasalarda en başarılı sonuçları elde etmiş ve özellikle ABD verileri üzerinde düşük RMSE değerleri ile dikkat çekmiştir. Türkiye piyasasında, yüksek volatilitenin tahmin performansını olumsuz etkilemesine rağmen, DGP modeli diğer yöntemlere kıyasla daha üstün bir performans göstermiştir. Çalışma, yalnızca getiriler ve vadeler arasındaki ilişkiyi modellemekle kalmamış, aynı zamanda bu modellerin ekonomik ve finansal politikalara olan etkilerini de değerlendirmiştir. Bulgular, merkez bankalarının politika yapım süreçlerinde ve yatırımcıların risk yönetiminde önemli katkılar sağlamaktadır. Özellikle, tahvil piyasalarının dinamiklerinin anlaşılmasına yönelik metodolojik öneriler ve piyasa koşullarına uygun model seçimi hakkında pratik rehberlik sunulmuştur. Bu araştırma hem parametrik yaklaşımların hem de makine öğrenimi yöntemlerinin tahmin performansını değerlendirmiş ve gelecekteki ekonomik tahmin çalışmaları için teorik ve pratik anlamda değerli içgörüler sağlamıştır.
Özet (Çeviri)
Accurately modeling and forecasting yield curves in financial markets is vital for economic analysis and policymaking. Yield curves, reflecting the term structure of interest rates and market expectations, play a crucial role in predicting economic activities and guiding financial decision-making processes. Yield curve forecasts, therefore, are invaluable resources for investors, central banks, and other economic agents. This doctoral dissertation focuses on the modeling and forecasting of yield curves in the bond markets of Turkey, the United States (US), and the European Central Bank (ECB). The study evaluates three distinct methods: the Dynamic Nelson-Siegel Model (DL), Functional Principal Component Analysis (FPCA), and Dynamic Gaussian Processes (DGP), comparing their performances using a broad dataset and rigorously analyzing their forecasting accuracies. The DL model excelled in short-term predictions but displayed increasing error rates in long-term forecasts. The FPCA model demonstrated stable and low error rates, particularly with ECB data, highlighting its efficacy in complex market structures. The DGP model achieved the best results across all markets, especially excelling with low RMSE values in US datasets. Despite the high volatility in the Turkish market, which generally reduces prediction accuracy, the DGP model outperformed the other methods significantly. Beyond modeling the relationship between yields and maturities, the study also explored the implications of these models on economic and financial policies. The findings contribute to central bank policy formation and investor risk management by offering methodological recommendations and practical guidance on selecting suitable models for different market conditions. This research provides valuable theoretical and practical insights for future economic forecasting studies by evaluating the forecasting performance of both parametric approaches and machine learning techniques.
Benzer Tezler
- Efficient estimation of Shrinkage parameters in fuzzy Ridge and fuzzy Liu regression models using α-cut-based methods under multicollinearity
Çoklu bağıntı durumunda bulanık Ridge ve bulanık Liu regresyon modellerinde α-kesim tabanlı yöntemler kullanılarak Shrinkage parametrelerinin etkin tahmini
AMMAR HOMAIDA
- Derin öğrenme ve büyük veri analitiği yöntemleriKullanarak Covid-19 yayılımının ileriye dönük tahmini
Forecasting the spread of covid-19 using deep learning and big data analytics methods
CYLAS KIGANDA
Yüksek Lisans
İngilizce
2023
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolGazi ÜniversitesiBilgisayar Bilimleri Ana Bilim Dalı
PROF. DR. MUHAMMET ALİ AKCAYOL
- Networked computing-based system identification and control of electromechanical systems with industrial IoT
Endüstriyel IoT ile elektromekanik sistemlerin ağ hesaplama tabanlı sistem tanıma ve kontrolü
RAMAZAN KAYA
Yüksek Lisans
İngilizce
2024
Elektrik ve Elektronik Mühendisliğiİstanbul Teknik ÜniversitesiKontrol ve Otomasyon Mühendisliği Ana Bilim Dalı
DOÇ. DR. ALİ FUAT ERGENÇ
- Fotovoltaik panellerde model öngörülü kontrol temelli maksimum güç noktası takibinin modellenmesi ve simülasyonu
Modeling and simulation of model predictive control based maximum power point tracking for photovoltaic panels
BATUHAN ÖNEY
Yüksek Lisans
Türkçe
2023
EnerjiHaliç ÜniversitesiElektrik-Elektronik Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ MENEKŞE AYDIN
- Evaluation of an automotive air intake system in terms of pressure loss and flow characteristics
Bir araç hava emiş sisteminin basınç kayıpları ve akış karakteristikleri açısından incelenmesi
ANIL CAN AĞAR
Yüksek Lisans
İngilizce
2015
Makine Mühendisliğiİstanbul Teknik ÜniversitesiMakine Mühendisliği Ana Bilim Dalı
PROF. DR. İLYAS BEDİİ ÖZDEMİR