AI Summary & Key Takeaways
AI InsightIn line with these findings, it is recommended to evaluate the advantages of hybrid models in dynamic risk analysis of financial instruments.
📌 3 Key Takeaways
Abstract
To avoid market risk, besides portfolio diversification, investors are trying to model the volatility in the best way to reduce uncertainty. The most commonly used methods to model volatility are Autoregressive Conditional Heteroscedasticity family models. However, some studies published in recent years show that semi-parametric hybrid models which consist of the integration of Autoregressive Conditional Heteroscedasticity family models with the Artificial Neural Networks algorithm perform better than these simple models. In this study, the volatility of the Borsa İstanbul 100 price index return is estimated by the aforementioned simple and hybrid models, and the success of the hybrid models is compared with the success of their components. Two different distributions - Normal Distribution and Generalized Error Distribution - are assumed through the estimation process. Comparisons are performed using Mean Squared Error and Mean Absolute Deviation criteria. According to both criteria, the hybrid model composed of Exponential Generalized Autoregressive Conditional Heteroscedasticity - Artificial Neural Networks performed the best. In line with these findings, it is recommended to evaluate the advantages of hybrid models in dynamic risk analysis of financial instruments.
Özet
Yatırımcılar, piyasa riskinden kaçınmak için, portföy çeşitlendirmesinin yanı sıra ekonometrik modeller ile volatiliteyi en iyi şekilde modelleyerek belirsizliği azaltmaya çalışmaktadırlar. Volatiliteyi modellemek için en sık başvurulan yöntemler Otoregresif Koşullu Değişen Varyans ailesi modelleridir. Ancak son yıllarda yapılan bazı çalışmalar, Otoregresif Koşullu Değişen Varyans ailesi modellerinin Yapay Sinir Ağları algoritması ile entegrasyonundan oluşan yarı parametrik hibrit modellerin, yalın modellere göre daha iyi performans sergilediğini göstermektedir. Bundan yola çıkılarak bu çalışmada, bahsi geçen yalın ve hibrit modeller ile Borsa İstanbul 100 fiyat endeks getirisinin volatilitesi tahmin edilmiş ve hibrit modellerinin tahmin başarısı, bileşenlerinin tahmin başarısı ile karşılaştırılmıştır. Tahminlerde, veriler ile ilgili iki farklı dağılım – Normal Dağılım ve Genelleştirilmiş Hata Dağılımı - varsayımı yapılmış ve karşılaştırmalarda Hata Kareleri Ortalaması ve Mutlak Sapma Ortalaması kriterleri kullanılmıştır. Her iki kritere göre, Üssel Genelleştirilmiş Otoregresif Koşullu Değişen Varyans - Yapay Sinir Ağları bileşkesi olan hibrit model en iyi performansı sergilemiştir. Bu bulgular doğrultusunda, finansal araçların dinamik risk analizinde hibrit modellerin sağlayabileceği üstünlüklerin değerlendirilmesi önerilmektedir.