COMPARISON OF GARCH, ARTIFICIAL NEURAL NETWORKS, AND SUPPORT VECTOR REGRESSION METHODS: THE CASE OF THE BIST SERVICES INDEX RETURN


Esenyel İçen N. M.

in: Current Methods and Applications in Econometrics In Honor of Prof. Dr. Ahmet M. Gökçen, Prof. Dr. Nilgün ÇİL, Editor, Istanbul University Press, İstanbul, pp.335-352, 2022

  • Publication Type: Book Chapter / Chapter Research Book
  • Publication Date: 2022
  • Publisher: Istanbul University Press
  • City: İstanbul
  • Page Numbers: pp.335-352
  • Editors: Prof. Dr. Nilgün ÇİL, Editor
  • Istanbul University Affiliated: Yes

Abstract

Hisse senedi fiyatlarındaki oynaklığın tahmin edilmesi, hem bireysel hem kurumsal düzeyde yatırımcılar için önemini korumaktadır. Bu bakımdan uygun tahmin yönteminin belirlenmesi uzun zamandır araştırmacıların ve yatırımcıların üzerinde durduğu bir konu olmuştur. Çalışmada, klasik oynaklık modelleri ve yapay zeka modelleri kullanılarak Borsa İstanbul hizmetler endeks getirisinin öngörü performansının karşılaştırılması amaçlanmıştır. Klasik ve yapay zeka modellerine ek olarak hibrit modeller de oluşturulmuştur ve hibrit modellerin öngörü performansını arttırıp arttırmadığı incelenmiştir. Analize konu olan hizmetler sektörünün önemi, gelişmiş ve gelişmekte olan ülkelerde tarım ve sanayi sektörlerine kıyasla daha fazla gelişme göstermesidir. Bunun yanı sıra hizmet sektörü sektörel bazda yüksek bir paya sahip olduğundan ülkelerin gelişmişlik düzeyi ile alakalı olarak görülmektedir. Dolayısıyla hizmetler endeksinin modellenmesi ve tahmini önemli olmaktadır. Analizde kullanılan Borsa İstanbul hizmetler endeksi verileri TCMB Elektronik Veri Dağıtım Sisteminden alınmış olup, 05.01.2009- 13.11.2020 dönemini kapsayan günlük frekanstadır. Analiz sonucuna göre oluşturulan on model içerisinde öngörü performansı en yüksek modellerin hibrit modellerden DVR-EGARCH ve ELM-EGARCH olduğu görülmüştür.