Author :
Abstract
ÖZ
Özellikle yüksek oynaklığın ve para politikasında gerçekleşen değişimlerinin sık gözlendiği Türkiye ekonomisi açısından Borsa İstanbul gibi piyasalarda, kısa vadeli öngörü; fiyat belirlemesi, risk yönetimi ve politika iletişimi açısından son derece önemlidir. Bu çalışmada öngörülerin etkin bir şekilde gerçekleştirilebilmesini sağlamak için 2015 Haziran–2025 Haziran dönemine ait 2.508 günlük BIST100 verisiyle tek değişkenli zaman serisi (ARIMA, GARCH) ve makine öğrenmesi (SVR, LightGBM) yöntemleri kullanılmıştır. Öngörü performanslarının değerlendirilmesinin ana hedef olduğu çalışmada veri seti %75 eğitim ve %25 test verisi olacak şekilde bölünerek dış-örnek ölçütler üzerinden değerlendirmiştir. Bulgular, SVR’nin açık biçimde üstün olduğunu; LightGBM’in hata düzeyinde ikinci ve yön başarısında yüksek olsa da SVR yöntemine göre üstünlük sağlayamadığını; GARCH(1,1)’in orta düzeyde kaldığını; ARIMA(2,1,2)’nin ise en yüksek hatalarla en zayıf performansı verdiğini göstermiştir. Normalleştirilmiş ölçütler de aynı sıralamayı teyit etmiş; kısa vadeli öngörülerde süreklilik ve yerel doğrusal olmayan örüntülerin belirleyici olduğu sonucuna varılmıştır.
Keywords
Abstract
Short-term forecasting is extremely important in terms of price determination, risk management, and policy communication, especially in markets such as Borsa Istanbul, where high volatility and changes in monetary policy are frequently observed in the Turkish economy. In this study, to ensure that forecasts can be effectively carried out, single-variable time series (ARIMA, GARCH) and machine learning (SVR, LightGBM) methods were used with 2,508 days of BIST100 data from June 2015 to June 2025. In this study, where the primary objective was to evaluate forecast performance, the dataset was divided into 75% training and 25% test data and evaluated using out-of-sample metrics. The findings showed that SVR was clearly superior; LightGBM was second in terms of error level and high in directional success, but could not outperform the SVR method; GARCH(1,1) remained at an intermediate level; and ARIMA(2,1,2) had the highest errors and the weakest performance. Normalized metrics also confirmed the same ranking; it was concluded that continuity and local nonlinear patterns are decisive in short-term forecasts.
