Globalleşme ve dijitalleşmenin bir sonucu olarak küresel finansal piyasalar birbirleri
ile daha hızlı bir etkileşim içerisinde olmasıyla birlikte bu piyasalardaki dalgalanmalar hızlı
bir şekilde yön değiştirmektedir. Bu durumun bir sonucu olarak finansal piyasa risklerinin
modellenmesi ve tahmininin en az hata ile yapılmasının önemi yatırımcılar ve araştırmacılar
açısından günden güne artmaktadır. Bu amaç doğrultusunda araştırmacılar tarafından
sıklıkla finansal piyasa riskinin bir ölçüsü olarak tanımlanan durağan beta parametresine
olanak sağlayan koşulsuz Sermaye Varlıkları Fiyatlandırma Modeli (SVFM) (Doğrusal
Piyasa Modeli (DPM) ile tutarlı) kullanılır. Fakat araştırmalarda finansal piyasalardaki hızlı
şekilde yön değiştiren dalgalanmalardan dolayı SVFM’nin performansının finansal piyasa
risklerinin modellenmesi ve tahmini için yeterli olmadığı ve bu duruma karşı zamanla
değişen beta parametrelerine olanak sağlayan Koşullu SVFM (K-SVFM) (Zamana bağlı
değişen Doğrusal Piyasa Modeli (Z-DPM) ile tutarlı) önerilmiştir. Bu tezin temel odak
noktası olan SFVM ve K-SFVM’lerini modelleme ve gelecek 1 yıllık tahmin
performanslarını karşılaştırmak amacıyla Borsa İstanbul A.Ş. (BIST)’de işlem gören
ulaştırma sektöründe yer alan 5 farklı firmanın 01.08.2014-01.08.2019 dönemindeki günlük
ve haftalık frekans değerlerini kapsayan veriler kullanılmıştır. Burada, K-SVFM’deki
zamana bağlı değişen betaların modellenmesi ve tahmini için koşullu değişen varyans
modellerine olanak sağlayan GARCH-tipi modellerden olan GARCH, EGARCH ve
GJRGARCH modelleri kullanılmıştır. Sonuçta, MAE ve MSE model kıyaslama kriterlerine
göre, genel olarak K-SVFM’nin performansının SVFM’ye göre ulaştırma sektöründeki 5
farklı firmanın verilerinin modellenmesi ve özellikle yatırımcılar ve araştırmacılar açısından
önemli olan bu verilerin 1 yıllık gelecek tahmini aşamasında hem günlük hemde haftalık
frekans sıklıklarında daha üstün olduğu görülmektedir
As global financial markets interact more rapidly with each other as a result of
globalization and digitalization, fluctuations in these markets are rapidly changing direction.
As a result of this situation, the importance of modeling and estimating financial market risks
with minimum errors increases day by day for investors and researchers.
To this end, researchers often use the unconditional Capital Asset Pricing Model (SVFM)
(consistent with the Linear Market Model (DPM)), which allows for a stable beta parameter,
which is often defined as a measure of financial market risk. However, in researches, due to
the rapidly changing direction of the fluctuations in financial markets, modeling the financial
market risks of SVFM's performance and is not sufficient for modelling and forecasting
analyses and against this situation a Conditional SVFM (K-SVFM) (consistent with Time varying Linear Market Model (Z-DPM)) Model is proposed which allows time-varying beta
parameters. The main focus of this thesis is modeling of SFVM and K-SFVM in order to
compare the performance of the next 1-year forecast, Borsa İstanbul A.Ş. (BIST), which
includes the daily and weekly frequency values of 5 different companies in the transportation
sector traded on the date of 01.08.2014-01.08.2019. Here, modeling of beta based on time
in K-SVFM and enabling of conditionally varying variance models for estimation, type of
GARCH models, GARCH, EGARCH and GJRGARCH models are used. As a result,
according to the MAE and MSE model benchmarking criteria, generally, the performance
of K-SVFM is modeled according to the data of the 5 different companies in the transport
sector according to SVFM and these data, which are especially important for investors and
researchers, are more superior in both daily and weekly frequencies in the 1-year future
forecast stage