Ekonometride güncel eğilimler: Makine öğrenmesi ve hibrit yöntemler

---

Tezin Türü: Doktora

Tezin Yürütüldüğü Kurum: Ankara Hacı Bayram Veli Üniversitesi, Lisansüstü Eğitim Enstitüsü, Türkiye

Tezin Onay Tarihi: 2023

Tezin Dili: Türkçe

Öğrenci: MEHMET AYDIN

Danışman: Funda Yurdakul

Açık Arşiv Koleksiyonu: AVESİS Açık Erişim Koleksiyonu

Özet:

Bu çalışmanın amacı hibrit yöntemlerin ekonometrik ve makine öğrenimi yöntemlerine kıyasla ilave bir başarı sağlayıp sağlamadığını ortaya koymaktır. Bu amaçla, 02.01.2002-25.05.2022 döneminde borsa (Bist-100, Bist-Bankalar, Bist-Hizmet, Bist-Teknoloji, Bist-Turizm Endeksleri) ve döviz kuru (Dolar) değişkenlerine ait piyasa tahmin başarıları ekonometrik (ARIMA), makine öğrenmesi (Rassal Orman, Destek Vektör Regresyon, Yapay Sinir Ağları) ve hibrit yöntemler (ARIMA-Rassal Orman, ARIMA-Destek Vektör Regresyon, ARIMA-Yapay Sinir Ağları) kullanılarak ampirik olarak incelenmiştir. Çalışma sonucunda, tüm değişkenler için en yüksek tahmin başarılarının hibrit ARIMA-Rassal Orman yöntemi ile elde edildiği tespit edilmiştir. Ayrıca, sonuçlar hibrit yöntemlerin bileşenlerini oluşturan ekonometrik ve makine öğrenimi yöntemlerinden daha yüksek tahmin başarıları sunduğunu ortaya koymaktadır. Bu sonuçlar, Türkiye'de finansal serilerin tahmin edilmesinde hibrit yöntemlerin göz ardı edilmemesi gerektiğini göstermektedir. Bu kapsamda, Türkiye'de finansal serilerin tahmin edilmesini araştıran çalışmalarda hibrit yöntemlerin ekonometrik ve makine öğrenmesi yöntemlerine bir ilave ya da ikame olarak kullanılması önerilmektedir.