Altın Risk Primini Tahmininde Makine Öğrenme Modellerinin Etkinliğinin Keşfi: Karşılaştırmalı Bir Yaklaşım
Clicks: 3
ID: 309774
2025
Article Quality & Performance Metrics
Overall Quality
Not rated
Combines reader engagement with the AI quality analysis. This
article has not been analysed, so there is no overall score —
reader engagement is measured and shown alongside.
Reader Engagement
Emerging Content
0.6
/100
3 views
2 readers
AI Quality Assessment
Not analyzed
Readership in this journal
EmergingRanked #27 of 79 articles by views in Kırklareli Üniversitesi Sosyal Bilimler Dergisi
Most read
Least read
Bar heights use a square-root scale.
Mint this article as an NFT
Not yet mintedCreate a permanent, verifiable on-chain record of this article on the Scimatic Network. The NFT is held in your Journament account, and you can withdraw it to your own wallet at any time.
5
SUSD
one-off · no wallet required
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.
| Reference Key |
imported_1768323799_69667ad70682d
Use this key to autocite in the manuscript while using
SciMatic Manuscript Manager or Thesis Manager
|
|---|---|
| Authors | Ahmet Akusta |
| Journal | Kırklareli Üniversitesi Sosyal Bilimler Dergisi |
| Year | 2025 |
| DOI |
10.47140/kusbder.1599320
|
| URL | |
| Keywords | Keywords not found |
Citations
No citations found. To add a citation, contact the admin at info@scimatic.org
Comments
No comments yet. Be the first to comment on this article.