Direction of change prediction in the EUR/USD exchange rate volatility using neural network models
Yükleniyor...
Tarih
2010
Yazarlar
Dergi Başlığı
Dergi ISSN
Cilt Başlığı
Yayıncı
İstanbul Bilgi Üniversitesi
Erişim Hakkı
Attribution-NonCommercial-NoDerivs 3.0 United States
info:eu-repo/semantics/openAccess
info:eu-repo/semantics/openAccess
Özet
The aim of this thesis is to examine the forecastability of various volatilityproxies for EUR/USD exchange rate by the means of a Feed ForwardNeural Network Model. Analyzed volatility proxies consist of two groups,namely low frequency proxies and proxies obtained from high frequencyintraday data. After distributional properties and the characteristics of theproxies such as persistency, mean reversion and asymmetry are analyzed,the direction of change in the level of the series for the next day arepredicted with a three layered Feed Forward Neural Network Model.The first conclusion of the thesis is that the predictability of low frequencyvolatility proxies are higher than that of high frequency based proxies. Onthe other hand, when they are normalized with daily returns, high frequencybased proxies become more predictable than un normalized high frequencybased proxies.The second conclusion of the thesis is that high frequency based proxiesbecome normally distributed when they are normalized with daily returns.These normalized series, unlike from un-normalized ones, do not display thestylized facts of volatility. However, their predictability is found to besuperior, leading to an inference that the distributional property may have astronger effect on predictability than the stylized facts do.
Bu tezin amacı, EUR/USD paritesindeki oynaklığı modelleyen zamanserileri geliştirmek ve bu serilerin tahmin edilebilirliğini İleri BeslemeliYapay Sinir Ağları ile incelemektir. İncelenen oynaklık göstergeleri, düşükfrekanslı olanlar ve gün içi yüksek frekanslı verilerden elde edilenler olmaküzere iki gruba ayrılmıştır. Gösterge serilerin dağılımsal nitelikleri ilekalıcılık, ortalamaya yakınsama ve asimetriklik gibi karakteristik özellikleriirdelendikten sonra seviyelerdeki değişimin yönü üç katmanlı İleriBeslemeli Sinir Ağı Modeli ile tahmin edilmeye çalışılmıştır.Çalışmada elde edilen bulgulardan ilki, düşük frekanslı oynaklıkgöstergelerinin tahmin edilebilirliğinin yüksek frekanslı gün içi verilerleelde edilenlerden daha yüksek olduğu yönündedir. Diğer yandan, yüksekfrekanslı verilerden elde edilen göstergelerin günlük getiriler ilenormalleştirilmesi sonucunda tahmin edilebilirliklerinin önemli ölçüdearttığı gözlemlenmiştir.Bir diğer sonuç ise, yüksek frekanslı oynaklık göstergelerinin günlükgetiriler ile normalleştirilmesinin bu serilerin dağılımlarını normal halegetirmesidir. Günlük getiriler ile normalleştirilen bu seriler diğerlerininaksine oynaklığın karakteristik özelliklerini taşımamakla birlikte dahatahmin edilebilir hale gelmişlerdir. Bu da, dağılımsal özelliklerin tahminedilebilirlik üzerinde daha baskın olabileceğini göstermektedir.
Bu tezin amacı, EUR/USD paritesindeki oynaklığı modelleyen zamanserileri geliştirmek ve bu serilerin tahmin edilebilirliğini İleri BeslemeliYapay Sinir Ağları ile incelemektir. İncelenen oynaklık göstergeleri, düşükfrekanslı olanlar ve gün içi yüksek frekanslı verilerden elde edilenler olmaküzere iki gruba ayrılmıştır. Gösterge serilerin dağılımsal nitelikleri ilekalıcılık, ortalamaya yakınsama ve asimetriklik gibi karakteristik özellikleriirdelendikten sonra seviyelerdeki değişimin yönü üç katmanlı İleriBeslemeli Sinir Ağı Modeli ile tahmin edilmeye çalışılmıştır.Çalışmada elde edilen bulgulardan ilki, düşük frekanslı oynaklıkgöstergelerinin tahmin edilebilirliğinin yüksek frekanslı gün içi verilerleelde edilenlerden daha yüksek olduğu yönündedir. Diğer yandan, yüksekfrekanslı verilerden elde edilen göstergelerin günlük getiriler ilenormalleştirilmesi sonucunda tahmin edilebilirliklerinin önemli ölçüdearttığı gözlemlenmiştir.Bir diğer sonuç ise, yüksek frekanslı oynaklık göstergelerinin günlükgetiriler ile normalleştirilmesinin bu serilerin dağılımlarını normal halegetirmesidir. Günlük getiriler ile normalleştirilen bu seriler diğerlerininaksine oynaklığın karakteristik özelliklerini taşımamakla birlikte dahatahmin edilebilir hale gelmişlerdir. Bu da, dağılımsal özelliklerin tahminedilebilirlik üzerinde daha baskın olabileceğini göstermektedir.
