Altın Risk Primini Tahmininde Makine Öğrenme Modellerinin Etkinliğinin Keşfi: Karşılaştırmalı Bir Yaklaşım

Authors : Ahmet Akusta

Pages : 1-27

Doi:10.47140/kusbder.1599320

View : 68 | Download : 26

Publication Date : 2025-06-30

Article Type : Research Paper

Abstract :Bu çalışma, Türkiye finans piyasalarında Altın Risk Primini (ARP) tahmin etmede makine öğrenimi (MÖ) modellerinin etkinliğini araştırmayı amaçlamaktadır. ARP, yatırımcıların altına yatırım yapmanın riskini telafi etmek için talep ettiği ekstra getiriyi gösteren önemli bir finansal göstergedir. Türkiye\\\'deki finansal piyasaların oynaklığı ve belirsizliği göz önüne alındığında, ARP\\\'yi doğru bir şekilde tahmin etmek yatırımcılar ve finansal piyasaların işleyişi için önemlidir. 2004-2024 yılları arasını kapsayan bir veri seti kullanılarak, ARP\\\'yi modellemek için çeşitli ekonomik ve finansal değişkenler kullanılmıştır. Çalışmada, veri ön işleme, basit doğrusal regresyondan karmaşık topluluk yöntemlerine kadar çeşitli MÖ modellerinin uygulanması ve MAE, MSE, RMSE, RMSLE ve MAPE gibi performans ölçütlerine dayalı olarak değerlendirme ve karşılaştırma işlemleri gerçekleştirilmiştir. Doğrusal Regresyon, Ridge Regresyon ve Rastgele Orman modelleri ARP tahmininde iyi bir performans göstermiştir. Farklı performans ölçütlerine dayalı karşılaştırmalı analizler, Türkiye\\\'deki altın yatırımlarının dinamiklerini ve ARP\\\'yi en iyi şekilde yakalayan modelleri belirlemiştir. Araştırma, Altın Risk Primi tahmininde makine öğrenimi modellerinin potansiyelini ortaya koyarak, finansal tahminleme alanına önemli bir katkı sağlamakta, gelişmekte olan piyasaların değişken koşullarında altın yatırım stratejilerinin daha iyi anlaşılmasına olanak tanımaktadır.
Keywords : Altın Risk Primi, Makine Öğrenimi Modelleri, Finansal Tahmin, Finansal Piyasalar

ORIGINAL ARTICLE URL