Modeling volatility dynamics in financial time series: Ananalysis of econometric models and machine learningmethods

---

Tezin Türü: Yüksek Lisans

Tezin Yürütüldüğü Kurum: Boğaziçi Üniversitesi, FEN BİLİMLERİ ENSTİTÜSÜ, FEN BİLİMLERİ ENSTİTÜSÜ, Türkiye

Tezin Onay Tarihi: 2023

Tezin Dili: İngilizce

Öğrenci: HAKAN ERCE

Danışman: ÜMİT IŞLAK

Açık Arşiv Koleksiyonu: AVESİS Açık Erişim Koleksiyonu

Özet:

Bu tezde, finansal ve kripto para piyasalarındaki farklı volatilite dinamiklerini analiz ediyoruz. Borsa Istanbul endeksi BIST 100 (XU100), NASDAQ endeksi ve Bitcoin/USD döviz kuru (BTCUSD) üzerine odaklanıyoruz. Amacımız, verilerin risk profillerini anlamak, geçmiş verileri kullanarak gelecekteki riskleri tahmin etmek ve piyasalardaki volatilite yapısının istatistiksel özelliklerini analiz etmektir. Analizimizde, ele aldığımız her finansal varlığın logaritmik getirilerini kullandık. Araştırmamızın ilk adımı, en iyi uyumlu ARIMA modellerini belirlemek ve bu modellerin parametrelerini ADF testi, ACF ve PACF grafikleri, QQ grafikleri ve Kolmogorov-Smirnov testi gibi araçlarla analiz etmek oldu. Çalışma hipotezimiz, bir modelin bir varlığın davranışını başarılı bir şekilde açıklarsa, kalıntı sinyalinin beyaz gürültüye yakın olması gerektiğidir. Ancak, kalıntılarda önemli otokorelasyonlar bulduk, bu da kullandığımız ARIMA modellerinin tüm temel desenleri tam olarak yakalayamadığını göstermektedir. Sonraki adımda, her varlıkta içsel olarak bulunan volatilite dinamiklerini analiz etmek için GARCH modelleri kullandık. Veri kümesinin risk profilleri farklılık gösterse de, modellerin yapı katsayıları tüm veri kümelerinde tutarlıydı. Tezi, endojen ve ekzojen verileri ve farklı makine öğrenimi yöntemlerini kullanarak çalışmamızı nasıl genişletebileceğimizi belirterek tamamlıyoruz.