GARCH Ailesi Modelleri ve ANN Entegrasyonu ile BİST 100 Endeks Getirisinin Volatilite Tahmini

Abstract

Öz: Yatırımcılar, piyasa riskinden kaçınmak için, portföy çeşitlendirmesinin yanı sıra ekonometrik modeller ile volatiliteyi en iyi şekilde modelleyerek belirsizliği azaltmaya çalışmaktadırlar. Volatiliteyi modellemek için en sık başvurulan yöntemler Otoregresif Koşullu Değişen Varyans ailesi modelleridir. Ancak son yıllarda yapılan bazı çalışmalar, Otoregresif Koşullu Değişen Varyans ailesi modellerinin Yapay Sinir Ağları algoritması ile entegrasyonundan oluşan yarı parametrik hibrit modellerin, yalın modellere göre daha iyi performans sergilediğini göstermektedir. Bundan yola çıkılarak bu çalışmada, bahsi geçen yalın ve hibrit modeller ile Borsa İstanbul 100 fiyat endeks getirisinin volatilitesi tahmin edilmiş ve hibrit modellerinin tahmin başarısı, bileşenlerinin tahmin başarısı ile karşılaştırılmıştır. Tahminlerde, veriler ile ilgili iki farklı dağılım -Normal Dağılım ve Genelleştirilmiş Hata Dağılımı -varsayımı yapılmış ve karşılaştırmalarda Hata Kareleri Ortalaması ve Mutlak Sapma Ortalaması kriterleri kullanılmıştır. Her iki kritere göre, Üssel Genelleştirilmiş Otoregresif Koşullu Değişen Varyans -Yapay Sinir Ağları bileşkesi olan hibrit model en iyi performansı sergilemiştir. Bu bulgular doğrultusunda, finansal araçların dinamik risk analizinde hibrit modellerin sağlayabileceği üstünlüklerin değerlendirilmesi önerilmektedir.

Forecasting BIST 100 Index With Artificial Neural Networks and Regression Analysis

“…In the literature, there are studies that predict the index BIST 100 using the Artificial Neural Network model and compare it with other models (Kılıc et al, 2014;Ozbey et al, 2020;Molla et al, 2021;Karakul, 2020).…”