Hibrit sinir ağı modelleri kullanarak volatilite tahmini: Borsa İstanbul için bir uygulama

Finansal piyasalardaki volatilite tahmini, risk yönetimi ve varlık fiyatlandırma gibi alanlarda büyük önem taşır. Bu çalışmada, BIST 100'ün 1 gün, 5 gün ve 10 gün sonrası getiri volatilitesi incelenmiştir. GARCH ailesi modellerinin tahminlerini iyileştirmek için iki tür hibrit model kullanılmıştır. İlk hibrit model, GARCH ailesi modellerinin volatilite tahminlerini girdi olarak kullanırken ikinci hibrit model ise sinir ağlarının öğrenme sürecini yürütmesi için girdi olarak volatilite tahminleri yerine GARCH ailesi modellerinin spesifikasyonlarını almıştır. Hibrit sinir ağları ayrıca bir dizi değişkenle beslenmiştir. Bu değişkenler yabancı fiyat endeksleri, teknik analiz ve kukla değişkenlerden oluşmuştur. Ana sonuçlardan biri, her iki hibrit modelin de GARCH ailesi modellerinin tahmin kesinliğini arttırdığı, ikinci hibrit modelin ise bu çalışmada kullanılan tüm hata ölçütleri için daha iyi volatilite tahminleri sağladığıdır. Eşit tahmin doğruluk testi ayrıca hibrit modellerin örneklem dışı tahminlerinin GARCH ailesi yöntemlerinden istatistiksel olarak anlamlı ölçüde daha iyi olduğunu göstermiştir. Tahmin ufku genişledikçe tüm model performansları kötüleşirken, en keskin düşüş GARCH ailesinden ziyade hibrit modellerde yaşanmıştır. Son olarak, sinir ağı mimarisinin karmaşıklığı arttıkça hibrit modellerin sonuçları genel olarak iyileşirken, gizli katman başına kullanılan nöron sayısı en yükseğe çıktığında modellerin örneklem içi gözlemleri ezberlemeye başladığı görülmüştür.