Levent Güntay
Dr. Öğretim Üyesi
İşletme Fakültesi
Gelişmekte Olan Piyasalarda Yerel Para Birimi Tahvil Risk Primi: Gelişmiş Makine Öğrenimi Tekniklerinden Elde Edilen İçgörüler
Yerel para cinsinden tahvil risk primlerinin belirleyicilerini anlamak, gelişmekte olan piyasalardaki hem yatırımcılar hem de politika yapıcılar için önemlidir. Çünkü bu primler, artan oynaklık ve yapısal heterojenlik ile karakterize edilen ekonomilerdeki riskin telafisini yansıtmaktadır.
Bu çalışma, karmaşık ve doğrusal olmayan dinamikleri yakalamak için gelişmiş makine öğrenimi tekniklerini kullanarak altı gelişmekte olan piyasada (Brezilya, Macaristan, Polonya, Tayland, Güney Afrika ve Türkiye) yerel para birimi tahvil risk primlerinin öngörücü etkenlerini incelemektedir. Analiz iki aşamada ilerlemektedir: İlk olarak, forward oranları, forward-spot spreadleri ve vade primleri gibi getiri eğrisine dayalı faktörleri içermektedir. İkinci olarak, çerçeve enflasyon, zımni döviz (FX) oynaklığı ve daha geniş makroekonomik göstergeleri kapsayacak şekilde genişletilmektedir.
Bulgular belirgin bölgesel farklılıkları ortaya koymaktadır. Türkiye’de tüketici fiyat enflasyonu, makroekonomik değişkenler ve döviz oynaklığı ile desteklenen tahmin performansına hakimken, getiri eğrisi faktörleri çok az veya hiç açıklayıcı güç sunmamaktadır. Güney Afrika’da ise zımni döviz oynaklığı önde gelen faktör olurken, enflasyon ve makro göstergeler destekleyici roller oynamaktadır. Buna karşılık, Brezilya, Macaristan, Polonya ve Tayland’da getiri eğrisine dayalı tahminciler, enflasyon, döviz oynaklığı ve makroekonomik verilerden sürekli olarak daha iyi performans göstermektedir.
Çalışmada doğrusal regresyon, PCA, PLS, sinir ağları, rastgele ormanlar, XGBoost ve son derece rastgele ağaçlar dahil olmak üzere bir dizi algoritma uygulanmıştır. Bulgular, XGBoost, rastgele ormanlar ve sinir ağları gibi topluluk ve doğrusal olmayan yöntemlerin üstün tahmin doğruluğu sağladığını göstermektedir.
Tahmine dayalı belirleyicilerin ülkeye özgü doğasını ortaya koyarak ve çeşitli veri kaynaklarını modern makine öğrenimi ile birleştirmenin faydasını vurgulayarak, bu çalışma gelişmekte olan piyasalarda hem ampirik varlık fiyatlandırmasını hem de risk yönetimini ilerletmektedir. Ayrıca portföy tahsisi, politika tasarımı ve aşırı tahvil getirilerini tahmin etmek için daha sağlam çerçevelerin geliştirilmesi adına pratik sonuçlar sunmaktadır.
Proje Yılı: 2025
Proje Ortağı: Bu proje Emrah Ahi, Levent Güntay ve Hasan Taşdemir ile birlikte Hasan Taşdemir’in yüksek lisans tezine dayanan bir akademik araştırma projesidir.
