Levent Güntay
Dr. Öğretim Üyesi
İşletme Fakültesi
Türkiye Getiri Eğrisinin Derin Öğrenme ve Ekonometri̇k Modeller Kullanılarak Tahmin Edilmesi: Karşılaştırmalı Bir Analiz
Bu çalışma, hem geleneksel zaman serisi modelleri hem de derin öğrenme yaklaşımları kullanarak Türk Hazine bonosu getiri eğrisinin modellenmesini ve tahmin edilmesini araştırmaktadır.
Çalışma, Otoregresif (AR), Rassal Yürüyüş (RW), sabit ve zamanla değişen bozunma parametrelerine sahip Dinamik Nelson-Siegel (DLNS) modeli ve Uzun Kısa Dönem Hafıza (LSTM) ağları gibi modellerin performansını değerlendirmeye odaklanmaktadır. Temmuz 2012 ile Şubat 2025 tarihleri arasında 3 ay ile 10 yıl arasında değişen vadeleri kapsayan günlük kuponsuz getiri verileri kullanılmıştır.
Tahmin performansı, farklı ufuklar için örneklem dışı genişleyen pencere çerçevesi kullanılarak değerlendirilmiştir. Ana doğruluk ölçütü olarak Ortalama Karesel Hatanın Kökü (RMSE) kullanılmış ve modeller arasındaki performans farklılıklarının istatistiksel olarak anlamlı olup olmadığını belirlemek için Diebold-Mariano (DM) testi uygulanmıştır.
Ampirik bulgular, AR ve RW gibi daha basit modellerin kısa vadede iyi performans gösterirken, ufuk arttıkça tahmin doğruluklarının kötüleştiğini göstermektedir. Buna karşılık, LSTM modelleri (özellikle Nelson-Siegel çerçevesinden türetilen gizli faktörler üzerinde eğitilenler) orta ve uzun vadeli tahminlerde üstün genelleme performansı göstermektedir.
Özellikle, zamanla değişen bir λ’ya sahip DLNS modeli de daha uzun ufuklarda karşılaştırma modellerinden daha iyi performans göstermektedir. Bu sonuçlar, getiri eğrisi gibi karmaşık finansal zaman serilerini tahmin etmek için yapılandırılmış faktör dinamiklerini ve derin öğrenme tekniklerini birleştirmenin değerini vurgulamaktadır.
Proje Yılı: 2025
Proje Ortağı: Efe Mert Ustaoğlu’nun Yüksek Lisans Tezine dayanan Emrah Ahi, Levent Güntay ve Efe Mert Ustaoğlu ile ortak akademik araştırma projesidir.
