Assessment of artificial neural network to improve hidden Markov model for financial data

---

Tezin Türü: Doktora

Tezin Yürütüldüğü Kurum: Orta Doğu Teknik Üniversitesi, Uygulamalı Matematik Enstitüsü, Finansal Matematik Anabilim Dalı, Türkiye

Tezin Onay Tarihi: 2022

Tezin Dili: İngilizce

Öğrenci: DİLEK AYDOĞAN KILIÇ

Danışman: AYŞE SEVTAP KESTEL

Açık Arşiv Koleksiyonu: AVESİS Açık Erişim Koleksiyonu

Özet:

Bu tezin amacı zaman serisi modellemelerinde sıklıkla kullanılan başarılı bir istatistiksel model olan Gizli Markov Modeller'in (GMM) olası zayıf yönlerini gidermektir. GMM'lerin başlangıç parametrelerinin seçimine bağlı olarak global maksimuma ulaşamama durumuna çözüm olarak Tekrarlayan Sinir Ağı (TSA) kullanılmaktadır ve bu yöntemin sınıflandırma gücünden faydalanılması amaçlanmıştır. Bu motivasyonla geliştirilen Hibrit model literatürde genelde kullanılan halinin tersine kategorik olmayan verilerde kullanılmaya uygun şekilde inşa edilmiştir. Bu çalışmada literatürde konuşma tanımanın geliştirilmesinde etkili olan hibrit model yeniden kurgulanarak finans verilerine uygulanmaktadır. Ek olarak, modeldeki farklı değişkenlerin etkisini belirlemek için çok değişkenli bir karşılaştırma yapılır. Bu nedenle, tek değişkenli modellerin yanında iki değişkenli ve üç değişkenli modeller de geliştirilmiştir. Uygulamada 2000'den 2021'e kadar S&P 500 ve Nasdaq için günlük kapanış fiyatları ve günlük EUR/USD döviz kurları kullanılmaktadır. Önerilen hibrit model tek başına GMM ve TSA yöntemlerine kıyasla tahminlemelerin doğruluk oranında önemli ölçüde bir artış sağlamıştır.