Alternatif Yatırım Araçlarının Getirilerinin Otoregresif Bütünleşik Hareketli Ortalama Yaklaşımı İle Tahmini

Abstract

Otoregresif bütünleşik hareketli ortalama modelleri zaman serisi tahminlerinde sıklıkla başvurulan bir yaklaşımdır. Bu çalışmada altın, hisse senedi, euro, dolar, konut ve petrol olmak üzere toplam altı alternatif yatırım aracının getiri tahminleri otoregresif bütünleşik hareketli ortalama modelleri kapsamında gerçekleştirilmiştir. 2010:01-2019:09 dönemine ilişkin aylık veri seti kullanılarak alternatif yatırım araçlarının gelecekte sağlaması beklenen getiri düzeyleri belirlenmeye çalışılmıştır. Analizler 2019:10-2020:12 dönemi itibariyle ortalama olarak yatırımcısına en yüksek getiriyi sağlayan yatırım aracının dolar, en düşük getiriyi sağlayan yatırım aracının ise petrol olduğunu göstermiştir.

Keywords

• Otoregresif Bütünleşik Hareketli Ortalama
• Getiri Tahmini
• Alternatif Yatırım

References

1. Adebiyi, A.A., Adewumi, A.O. ve Ayo, C.K. (2014). Stock Price Prediction Using the ARIMA Model, 16th International Conference on Computer Modelling and Simulation, 105-111. DOI:10.1109/UKSim.2014.67.
2. Ashik, M.A. ve Kannan, S.K. (2017). Forecasting National Stock Price Using ARIMA Model. Global and Stochastic Analysis, 4(1), 77-81. Box, G. E. P. ve Jenkins, G. (1970). Time Series Analysis, Forecasting and Control, San Francisco: Holden Day.
3. Çağlayan Akay, E., Topal, K. H., Kızılarslan, Ş. ve Bülbül, H. (2019). Türkiye Konut Fiyat Endeksi Öngörüsü: ARIMA, Rassal Orman ve ARIMA-Rassal Orman. İstanbul Finans Kongresi, 1-2 Kasım, İstanbul.
4. Dickey, D. A., ve Fuller, W. A. (1979). Distribution of the Estimators for Autoregressive Time Series with a Unit Root. Journal of the American Statistical Association. 74 (366), 427-431.
5. Guha, B. ve Bandyopadhyay, G. (2016). Gold Price Forecasting using ARIMA Model. Journal of Advanced Management Science, 4(2), 117-121.
6. Hadjixenophontos, A. ve Christodoulou-Volos, C. (2017). Predictability of Foreign Exchange Rates with the AR (1) Model. Journal of Applied Finance and Banking, 7(4), 39-58.
7. Keskin Benli, Y. ve Yıldız, A. (2014). Altın Fiyatının Zaman Serisi Yöntemleri ve Yapay Sinir Ağları İle Öngörüsü. Dumlupınar Üniversitesi Sosyal Bilimler Dergisi, (42), 213-224.
8. Kumar, M. ve Thenmozhi, M. (2012). A Hybrid ARIMA-EGARCH and Artificial Neural Network Model in Stock Market Forecasting: Evidence for India and the USA. International Journal of Business and Emerging Markets, 4(2), 160-178.

9. Merh, N, Saxena, V. P. ve Pardasani, K. R. (2010). A Comparison between Hybrid Approaches of ANN and ARIMA for Indian Stock Trend Forecasting. Journal of Business Intelligence, 3(2), 23-43.
10. Nochai, R. ve Nochai, T. (2006). ARIMA Model for Forecasting Oil Palm Price. Proceedings of the 2nd IMT-GT Regional Conference on Mathematics, Statistics and Applications, Universiti Sains Malaysia, Penang, June 13-15.
11. Pai, P. ve Lin, C. (2005). A Hybrid ARIMA and Support Vector Machines Model in Stock Price Prediction. Omega, 33, 497-505.
12. Saraç, H. ve Hacıimamoğlu, T. (2018). Konut Fiyat Endeksi Verilerinin Klasik Ayrıştırma ve ARIMA Yöntemi ile Tahmin Edilmesi. Uluslararası Sosyal Araştırmalar Dergisi, 11(59), 1080-1091.
13. Singh, K. ve Kumar, A. (2017). Autoregressive Integrated Moving Average Model for Gold Price Forecasting: Evidence from the Indian Market. Indian Journal of Research in Capital Markets, 4(3),33-43.
14. Triphaty, N. (2017). Forecasting Gold Price with Auto Regressive Integrated Moving Avarage Model. International Journal of Economics and Finance Issues, 7(4), 324-329.
15. Watson, P. K. ve Teelucksingh, S. S. (2002). A Practical Introduction to Econometric Methods: Classical and Modern. University of West Indies Press.
16. Yamak, R., ve Erdem, H. F. (2017). Uygulamalı Zaman Serisi Analizleri, Eviews Uygulamalı. Trabzon: Celepler Matbaacılık.
17. Yenice, S. ve Tekindal, M.A. (2015). Forecasting the Stock Index of Frigle Five Countries through Box-Jenkins Methods. International Journal of Business and Social Science, 6(8), 180-191.