Yazar
Babayakalı, Selen
Basım Tarihi
2023-01-16T12:37:47Z
Tür
Belge
Dil
İngilizce
Dijital
Evet
Yazma
Hayır
Kütüphane
Özyeğin Üniversitesi
Kayıt Numarası
41fb5e64-baee-4bc6-a801-706452f8e68e
Lokasyon
Finans Mühendisliği Bölümü
Tarih
2023-01-16T12:37:47Z
Örnek Metin
Bu çalışmada, İstanbul Menkul Kıymetler Borsası'nda (Borsa İstanbul) işlem gören Türk hisse senetlerinin hisse senedi getirilerini tahmin etmek için makine öğrenmesi yöntemlerini karşılaştırıyorum. Ana makine öğrenimi modeli olarak Enstrümanlandırılmış Temel Bileşen Analizi'ni (IPCA) kullanıyorum ve kıyaslama modeli olarak Fama-Fransız Faktör Modelini kullanıyorum. IPCA modeli, gözlemlenebilir stok seviyesi ve firma seviyesi özelliklerine ve model içinde tahmin edilen gizli ortak faktörlere dayalı olarak hisse senedi seviyesinde beklenen getirileri üretir. Modelde hisse senedi seviyesi özellikleri, faktör betalarını, yani hisse senedi getirilerinin gizli ortak faktörlerle kovaryanslarını belirler. Karşılaştırmalı Fama-Fransız modellerinin versiyonlarını 3 ila 5 faktör arasında tahmin ediyorum. IPCA modellerinin versiyonları 3 ila 6 faktör ve 10 özellik kullanır. Örneklem XUTUM Endeksi'ndeki tüm hisse senetlerini kapsamaktadır ve örneklem dönemi 2010-2022 yılları arasındaki tahminleri içermektedir. Borsa İstanbul XUTUM Endeksi'nde listelenen 252 firmanın panel verilerini kullanarak IPCA ve Fama-French modellerinin karşılaştırmalı performansını analiz ediyorum. Daha spesifik olarak, her bir hisse senedi için gerçekleşen ve tahmin edilen getiri serilerini karşılaştırarak modellerin örnek içi ve örnek dışı performanslarına bakıyorum. IPCA modelinin, örneklemden önemli ölçüde daha yüksek R-kare seviyeleri ve getiri tahminleri ile gerçekleşen getiriler arasındaki korelasyonu elde ederek Fama-French modelinden önemli ölçüde daha iyi performans gösterdiğini buldum. Fama-French ve IPCA modelleri arasındaki performans farkı, ABD borsası için (Kelly, Pruitt ve Su 2018) sonuçlarına kıyasla Türkiye borsasında daha belirgindir. Bu nedenle, sonuçlarım, makine öğrenimi tekniklerine dayalı varlık fiyatlandırma modellerinin kullanımının, gelişmekte olan hisse senedi piyasalarında daha iyi sonuçlar sağlayabileceğini göstermektedir. Ana makine yapısı modeli olarak Enstrümanlı Temel Bileşen Analizini (IPCA) ve karşılaştırma modeli olarak Fama-French Faktör Modeli kullanılmıştır. IPCA modeli, model içinde tahmin edilen gözlemlenebilir stok düzeyi ve firma düzeyi özellikleri ve gizli ortak faktörlere dayalı olarak stok düzeyinde beklenen getirileri üretir. Modelde stok seviyesi özellikleri faktörü betalarını, yani hisse senedi getirilerinin gizli ortak faktörlerini kovaryanslarını belirler. Hisse senedi hesaplamalı analiz için 3 ila 5 faktör Fama-French modelleri kullanıldı. IPCA modelinde 3 ila 6 faktör kullanılmış ve 10 karakteristik kullanılır. Örneklem, BIST TUM Endeksindeki tüm hislerini kapsıyor ve beceri dönemi, 2010 ile 2022 arasındaki tahminleri içeriyor. Borsa İstanbul BIST TUM Endeksi'nde yer alan 252 firmasının paneli kullanılarak IPCA ve Fama-French modellerinin karşılaştırmalı performansları analiz edilmiştir. Daha spesifik olarak, onun bir hisse senedinin gerçekleştiği ve tahmin edilen seri getirilerini karşılaştırarak modellerin örnek içi ve örnek dışı performanslarına bakılmıştır. IPCA modelinin, kopya R-kare düzeylerinden ve taşınabilir tahminleri ile gerçekleşen gelişmelerin açıklamadan önemli ölçüde daha yüksek elde "Fama-French modelinin önemli ölçüde daha iyi performans gösterdiği durumlarda. Fama-French ve IPCA modelleri arasındaki performans farkı, ABD borsası için (Kelly, Pruitt ve Su 2018) Türkiye borsasında karşılaştırmalı olarak daha belirgindir. Bu nedenle, sonuçlar, makine geliştirmei tekniklerine dayalı varlık yapısı modellerinin geliştirilmesi olan ülke borsalarında daha iyi sonuçlar sağlayabileceğini ima ediyor.
