Forecasting the implied volatility surface of emerging market currency options: An empirical analysis

Bu çalışma, beş gelişmekte olan piyasa para biriminin (USD karşısında TRY, INR, MXN, ZAR, BRL) türetilmiş volatilite yüzeylerini modellemede Otoregresif (AR), -Temel Bileşenler Analizi- Çok Değişkenli Otoregresyon (PCA-VAR), Temel Bileşen Regresyonu (PCR) ve İleri Beslemeli Sinir Ağları (FNN) gibi zaman serisi ve makine öğrenimi modellerinin tahmin gücünü incelemeyi amaçlamaktadır. Araştırma, hem Genişleyen Pencere (Expanding Window) hem de Kayan Pencere (Rolling Window) yöntemlerini kullanarak modellerin performansını Kök Ortalama Kare Hata (RMSE) ölçütüne göre değerlendirmektedir. Bulgular, PCR ve FNN modellerinin, özellikle daha düşük volatilite seviyesine sahip para birimlerinde, birbirine yakın ve yüksek doğrulukta sonuçlar verdiğini göstermektedir. Çalışma, finansal tahminde model seçiminin kritik önemde olduğunu vurgulamakta ve ülke bazında makroekonomik ya da jeopolitik faktörlerin model sonuçlarına etki edebileceğini öne sürmektedir.