BORSA İSTANBUL BANKA ENDEKSİ’NİN VERİ TABANLI MODELLER İLE ANALİZ EDİLMESİ

Amaç: Çalışmada yatırımcıların beklentilerinde meydana gelen değişikliklerin belirlenmesi ve doğru kararlar almaları amacıyla, risk iştahı göstergelerinden Risk İştahı Endeksi ve VIX Korku Endeksinin hisse senedi getirileri üzerindeki etkisi ülkemiz piyasaları için tahmin edilmeye çalışılmıştır.

Anahtar Kelimeler:

Yapay Sinir Ağları, Destek Vektör Makineleri, Adaptif Ağ Tabanlı Bulanık Çıkarım Sistemi, Risk İştahı

ANALYSIS OF BIST BANK INDEX WITH DATA BASED MODELS

Purpose: In the study, in order to determine the changes in the expectations of the investors and to make the right decisions, the effect of Risk Appetite Index and VIX Fear Index, which are among the risk appetite indicators, on stock returns were tried to be predicted for the markets of our country.

Keywords:

Artificial Neural Networks (ANN), Support Vector Machines (SVM), Adaptive Network Based Fuzzy Inference System (ANFIS), Risk Appetite,

PDF

___

ADRIAN, T., ETULA., E. ve SHIN, H. S. (2010), Risk Appetite and Exchange Rates, FRB of New York Staff Report, 361.
AKDAĞ, S. (2019), VIX Korku Endeksinin Finansal Göstergeler Üzerindeki Etkisi: Türkiye Örneği, Hitit Üniversitesi Sosyal Bilimler Enstitüsü Dergisi, 12 (1), 235-256.
AKDAĞ, S. ve ISKENDEROĞLU, Ö. (2019), Risk İştahı Endeksinin Markov Rejim Modeli ile İncelenmesi: Türkiye Örneği, Ege Akademik Bakış Dergisi, 19 (2), 265-275.
BAŞAKIN, E. E., ÖZGER, M. ve ÜNAL, N. E. (2019), Gri Tahmin Yöntemi ile İstanbul Su Tüketiminin Modellenmesi, Politeknik Dergisi, 22 (3), 755-761.
BEKAERT, G. ve HOEROVA, M. (2014), The VIX, The Variance Premium and Stock Market Volatility. Journal of Econometrics, 183 (2), 181-192.
BLOOMBERG, (2020), Piyasalar, https://www.bloomberght.com (Erişim Tarihi: 05.01.2020).
CANER, M., ve HANSEN, B. E. (2001), Threshold Autoregression with A Unit Root. Econometrica, 69 (6), 1555-1596.
DEUTSCHE BUNDESBANK (2005), Risk Appetite in a Dynamic Financial Market Environment, Monthly Report, 85-97.
BURGES, C. J. (1998), A Tutorial on Support Vector Machines for Pattern Recognition, Data Mining and Knowledge Discovery, 2 (2), 121-167.
CAMPBELL, J. Y. ve COCHRANE, J. H. (1999), By Force of Habit: A Consumption-Based Explanation of Aggregate Stock Market Behavior. Journal of Political Economy, 107 (2), 205-251.
CBOE, (2020), Products, http://www.cboe.com (Erişim Tarihi: 07.01.2020).
CHERKASSKY, V. ve MULIER, F. (2007), Learning from Data: Concepts, Theory and Methods, John Wiley & Sons, United States.
CRISTIANINI, N. ve SHAWE-TAYLOR, J. (2000), An Introduction to Support Vector Machines and Other Kernel-Based Learning Methods, Cambridge University Press, Cambridge.
DEMİREZ, D. ve KANDIR, S. (2020), Risk İştahının Pay Getirileri Üzerindeki Etkisinin İncelenmesi, Çukurova Üniversitesi Sosyal Bilimler Enstitüsü Dergisi, 29 (4), 92-102.
DEMİRPENÇE, H. K. (2005), Köprüçay Akımlarının Yapay Sinir Ağları ile Tahmini, Antalya Yöresinin İnşaat Mühendisliği Sorunları Kongresi, Antalya.
GAI, P. ve VASUE, N. (2005), Measuring Investors’ Risk Appetite, International Journal of Central Banking, 2 (1), 167-188.
GUNN, S. R. (1998), Support Vector Machines for Classification and Regression, ISIS Technical Report, 14 (1), 5-52.
HAYKIN, S. S. (2009), Neural Networks and Learning Machines, Prentice Hall.
JANG, J. S. (1993), ANFIS: Adaptive-Network-Based Fuzzy Inference System, IEEE Transactions on Systems, Man, and Cybernetics, 23 (3), 665-685.
JANG, J. S. R., SUN, C. T. ve MIZUTANI, E. (1997), Neuro-Fuzzy and Soft Computing - A Computational Approach to Learning and Machine Intelligence, IEEE Transactions on Automatic Control, 42 (10), 1482-1484.
ILLING, M. ve AARON, M. (2005), A Brief Survey of Risk-Appetite Indexes, In Bank of Canada Financial System Review, 37-43.
KAPLAN, H. E. (2020), Sermaye Yeterlilik Rasyosu ile Dolar Kuru, Altın Fiyatları ve Risk İştahı İlişkisi: Türk Bankacılık Sektöründe Bir İnceleme, Dumlupınar Üniversitesi Sosyal Bilimler Dergisi, 66, 220-233.
LEE, J., ve STRAZICICH, M. C. (2003), Minimum Lagrange Multiplier Unit Root Test with Two Structural Breaks, Review of Economics and Statistics, 85 (4), 1082-1089.
LUO, J., SAKS, P. ve SATCHELL, S. (2009), Implementing Risk Appetite in the Management of Currency Portfolios, Journal of Asset Management, 9 (6), 380-397.
MERKEZİ KAYIT KURULIŞU, (2020), Saklama Hizmetleri, https://www.mkk.com.tr (Erişim Tarihi: 12.01.2020).
PFLUEGER, C, SIRIWARDANE, E. ve SUNDERAM, A. (2018), A Measure of Risk Appetite for the Macroeconomy, NBER Working Paper (No. w24529), 1-53.
QADAN, M. ve IDILBI-BAYAA, Y. (2020), Risk Appetite and Oil Prices, Energy Economics, 85, 104595.
SARAÇ, T. B, İSKENDEROĞLU, Ö. ve AKDAĞ, S. (2016), Yerli ve Yabancı Yatırımcılara Ait Risk İştahlarının İncelenmesi: Türkiye Örneği, Sosyoekonomi, 24 (30), 29-44.
SHEKARIAN, E. ve GHOLIZADEH, A. A. (2013), Application of Adaptive Network Based Fuzzy Inference System Method in Economic Welfare, Knowledge-Based Systems, (39), 151-158.
SMOLA, A. J. ve SCHOLKOPF, B. (2004), A Tutorial on Support Vector Regression, Statistics and Computing, 14 (3), 199-222.
SUPARTA, W. ve ALHASA, K. M. (2016), Modeling of Tropospheric Delays Using ANFIS, Springer, Switzerland.
VAPNIK, V. N. (1995), The Nature of Statistical Learning Theory, Springer Science & Business Media, New York.
VAPNIK, V. ve CHERVONENKIS, A. (1974), Theory of Pattern Recognition, Akademie-Verlag, Berlin.
VARLIK, N. ve VARLIK, S. (2016), Risk Algısının Türkiye’de Bankacılık Sektörüne Etkileri: Bankacılık Sağlamlık Endeksi ile Bir Değerlendirme, Yönetim ve Ekonomi: Celal Bayar Üniversitesi İktisadi ve İdari Bilimler Fakültesi Dergisi, 23 (2), 545-563.
WEBB, A. R. (2002), Statistical Pattern Recognition, John Wiley & Sons, Estonia.
YARAR, A. (2010), Susurluk Havzası Yağış Akış Verilerinin Modellenmesi, Doktora Tezi, Selçuk Üniversitesi Fen Bilimleri Enstitüsü, Konya.
ZADEH, L. A. (1965), Information and Control, Fuzzy Sets, 8 (3), 338-353.