Yapay öğrenme yaklaşımlarıyla riske maruz değer portföy tahmini

---

Tezin Türü: Yüksek Lisans

Tezin Yürütüldüğü Kurum: Dokuz Eylül Üniversitesi, Fen Bilimleri Enstitüsü, İstatistik Ana Bilim Dalı, Türkiye

Tezin Onay Tarihi: 2025

Tezin Dili: Türkçe

Öğrenci: BANAFSHE ESKANDARI

Danışman: Burcu Hüdaverdi

Açık Arşiv Koleksiyonu: AVESİS Açık Erişim Koleksiyonu

Özet:

Portföy risk yönetimi, finansal piyasalarda yatırımın temel ilkelerinden biri hâline gelmiştir. Riske Maruz Değer'in (Value at Risk – VaR) doğru şekilde tahmin edilmesi, olası kayıpların hesaplanmasında sistematik bir yaklaşım sunmaktadır. Bu tez, özellikle kriz koşullarında çok değişkenli portföyler için yeni bir hibrit GARCH LSTM–Copula modelini VaR hesaplaması amacıyla önermektedir. Model, finansal verilerdeki doğrusal olmayan ve karmaşık yapıları yakalamada makine öğrenmesine dayalı modellerin yeteneklerinden ve varlıklar arasındaki bağımlılıkları modellemede Copula yapıların avantajlarından faydalanmaktadır. Önerilen modelin performansı, geleneksel GARCH–Copula modeliyle karşılaştırılarak değerlendirilmiştir. Veriler, Ocak 2005 ile Kasım 2024 arasındaki dönemde NASDAQ endeksinde yer alan sekiz şirkete ait hisse senetlerini kapsamaktadır. Hibrit modeller, kapsama testleri, regülatör ve firma kayıp fonksiyonları kullanılarak değerlendirilmiştir. Sonuçlar, özellikle %99 ve üzeri gibi kritik güven seviyelerinde GARCH–LSTM–Copula modelinin üstün performans sergilediğini göstermektedir. Ancak %95 gibi daha düşük güven seviyelerinde GARCH–Copula modeli de başarılı sonuçlar vermektedir. Ayrıca bu tez, VaR üzerinde etkili faktörlerden biri olan Çevresel, Sosyal ve Yönetişim (Environmental, Social, and Governance – ESG) derecelendirmelerini de incelemiştir. ESG puanları iki farklı dönemde analiz edilmiştir: biri hem standart hem de yüksek piyasa oynaklığını kapsayan dönem, diğeri ise doğrudan COVID-19 krizi dönemine odaklanan dönemdir. Analizlerde, GARCH–LSTM–Copula modeliyle tahmin edilen VaR kullanılmıştır. Sonuçlar, yüksek ESG derecelendirmesine sahip varlıkların daha fazla yer aldığı portföylerin VaR'ı azaltmaya yardımcı olduğunu ortaya koymaktadır. Bu risk azalması, özellikle kritik dönemlerde daha belirgin hale gelmekte ve ESG derecelendirmelerinin risk yönetimi üzerindeki önemli etkisini doğrulamaktadır.