Akademik Veri Yönetim Sistemi
Tezin Türü: Doktora
Tezin Yürütüldüğü Kurum: Marmara Üniversitesi, Türkiye
Tezin Onay Tarihi: 2011
Tezin Dili: Türkçe
Öğrenci: Alper Özün
Danışman: ÖZHAN TİNGÖY
Özet:YAPAY SİNİR AĞLARI İLE RİSK ÖNGÖRÜSÜ Bu tezde, ülke riskinin öngörüsünde yapay sinir ağlarının kullanılması, bilişim disiplini bakış açısıyla teorik ve uygulamalı olarak incelenmiştir. Tezde, öncelikle ülke riski ve kredi temerrüt takasları hakkında teorik bilgi sunulmuştur. Ülke riskinin teorik tanımlaması yapılmış, riski belirleyen değişkenler teorik olarak incelenmiş ve kredi temerrüt takaslarına ilişkin makasların uygulamada finans piyasalarında ne şekilde kullanıldığı ve fiyatlandığı incelenmiştir. Ülke riskini belirleyen unsurların karmaşık ve rastsal bir bütün içerisinde hareket etmesi nedeniyle, yapay sinir ağlarının metodoloji olarak riskin öngörüsü için uygun olduğu sonucuna ulaşılmıştır. Farklı öğrenme algoritmaları ve mimariler kullanılarak oluşturulan yapay sinir ağlarının, ülke riskini yansıtan finansal zaman serilerinin öngörüsündeki performansı, alternatif ekonometrik yöntemlerin performansları ile karşılaştırmalı olarak analiz edilmiştir. Türkiye’nin beş yıllık kredi temerrüt takası makasları, bağımsız değişken olarak atanan İMKB-100 Endeksi, döviz kuru, bir yıl, üç yıl ve 5 yıl vadeli faiz oranları aracılığıyla öngörülmüştür. 26.05.2005 ile 11.11.2010 dönemindeki günlük 1.346 gözlem veri setini oluşturmaktadır. 1.346 gözlemin %70’i eğitim, %15’i validasyon, bakiye %15’i ise test amaçlı olarak kullanılmıştır. Çok katmanlı yapay sinir ağları ve radyal bazlı genel regresyon fonksiyonu ağları olmak üzere iki farklı üst modelde, farklı transfer fonksiyonları ve gizli katman sayıları kullanılarak toplamda 10 modele ulaşılmıştır. Ekonometrik yöntemlerle performans karşılaştırması amacıyla ise normal dağılımlı GARCH (1,1) modeli seçilmiştir. Sonuçlar, yapay sinir ağlarının ülke riskinin öngörüsünde başarıyla kullanılabileceğini ve ağların performanslarının geleneksel ekonometri yöntemlerine göre daha iyi olduğunu ortaya koymaktadır. Yapay sinir ağları içerisinde ise radyal temelli fonksiyonlu ağların performansının genel olarak daha iyi olduğu görülmektedir. RISK ESTIMATION WITH ARTIFICAL NEURAL NETWORKS ABSTRACT In this thesis, using neural networks in sovereigns’ default risk estimation is theoretically and empirically examined within the framework of informatics discipline. In the thesis, firstly, the theoretical backgrounds on sovereign risk and credit default swaps are discussed. Theoretical definition of sovereigns’ risk is presented, and variables determining that risk are examined. Additionally, the pricing and usage of credit default swaps in the markets are described. As the variables determining the sovereigns’ risk is complex and show random behaviors, it is argued that artificial neural networks are proper to estimate the risk. Different neural networks models are set up, and their performance in estimation of sovereigns’ risk is compared to those of alternative econometric models. Turkey’s five years credit default swaps are estimated by using independent variables of ISE-100 Index, exchange rates, 0ne year, three years and five years interest swap rates. The data set includes daily observations from 26.05.2005 to 11.11.2010 as a total of 1.346. 70% of the data set is used for training, 15% of it is used for validation, and the rest is employed for test purposes. Multi-layer neural networks and radial basis generalized regression functions are assigned as the sub-models. Using alternative transfer functions and hidden layers, ten neural networks models are created. For comparison, GARCH (1,1) model with normal distribution is selected. The empirical results show that performances of neural networks models are better than that of econometric model. Radial basis regression functions have better performance as compared to those of multi-layer perceptions.