Nowcasting Sectoral Revenue Growth Using Copula Enhanced Latent Spaces and Quarterly Filings

---

Tezin Türü: Doktora

Tezin Yürütüldüğü Kurum: Orta Doğu Teknik Üniversitesi, Uygulamalı Matematik Enstitüsü, MATEMATİK ANABİLİM DALI, Türkiye

Tezin Onay Tarihi: 2026

Tezin Dili: İngilizce

Öğrenci: MEHMET KAVRUK

Asıl Danışman (Eş Danışmanlı Tezler İçin): Ceylan Yozgatlıgil

Eş Danışman: Alev Atak

Açık Arşiv Koleksiyonu: AVESİS Açık Erişim Koleksiyonu

Özet:

Geleneksel finansal modelleme, yüksek boyutlu ve çoğu zaman yapılandırılmamış verilerin artışıyla başa çıkmakta zorlanmaktadır. Bu tez, belirsizlik farkındalığına sahip üretici ağlardan yararlanarak tek göstergeli modellere dayanan yaklaşımların ötesine geçen sağlam bir nowcasting çerçevesi sunmaktadır. Varyasyonel otomatik kodlayıcılardan elde edilen latent uzaylarda bağımsızlık varsayımının yaygın ancak gerçekçi olmayan doğasını ele almak için, çalışma latent değişkenler arasındaki karmaşık bağımlılıkları modelleyen kopula tabanlı fonksiyonları entegre ederek ekonomik aktivitenin daha gerçekçi temsillerini üretmektedir. Ayrıca çerçeve, yapılandırılmamış resmi raporlardan duyarlılık endeksleri çıkarmak amacıyla büyük dil modellerini (LLM'ler) kullanarak niteliksel insan analizleri ile niceliksel matematiksel modelleme arasındaki boşluğu kapatmaktadır. Önerilen model, çeşitli ABD sektörlerinde gelir büyümesini nowcast ederek değerlendirilmiş ve makroekonomik faktör modelleri ile LLM kaynaklı duyarlılığın birleştirilmesi, geleneksel yaklaşımlara kıyasla doğruluk ve sağlamlıkta belirgin iyileşmeler sağlamıştır.