Development of Comparative Forecasting Models of Daily Prices of Aggressive Pension Mutual Funds by Univariate Time Series Methods

Yıl 2024, , 16 - 25, 13.09.2024

Simge Eşsiz , Muhammed Ordu

https://doi.org/10.34110/forecasting.1465436

Öz

The primary goal of the individual pension system is to enhance retirees' living standards by generating supplementary income through the investment of their savings during retirement. This involves guiding individuals to invest their savings in pension mutual funds. This research aims to develop comparative forecasting models using Autoregressive Integrated Moving Average (ARIMA) and Exponential Smoothing techniques for the daily prices of pension mutual funds categorized as aggressive risk. The study utilizes data from 2020 to 2023 pertaining to a pension mutual fund provided by a Turkish pension company. The dataset is split into a training set (75%) and a validation set (25%). Mean Absolute Percentage Error (MAPE) is employed to gauge the error measurement values of the training and validation sets of the developed forecasting models. The findings reveal that for the validation sets, ARIMA model performs best for the İş Bank participation index funds, whereas Exponential Smoothing forecasting models yield the lowest MAPE values for equity, group equity, and secondary equity funds. This research can serve as a decision-making tool for the effective management of high-yield pension mutual funds and aid pension companies in enhancing the appeal of their product offerings to customers.

Anahtar Kelimeler

Aggressive Pension Mutual Fund, Individual Pension System, Forecasting, Time Series Analysis

Etik Beyan

Not Applicable

Destekleyen Kurum

Not Applicable

Teşekkür

Not Applicable

Kaynakça

• [1] Acer, A., Genç, T. & Dinçer, S. E. (2020). Türkiye’de faaliyet gösteren bireysel emeklilik şirketlerinin performansının Entropi ve COPRAS yöntemi ile değerlendirilmesi. İstanbul Gelişim Üniversitesi Sosyal Bilimler Dergisi, 7(1), 153-169.
• [2] Alptekin, N. & Şıklar, E. (2009). Türk hisse senedi emeklilik yatırım fonlarının çok kriterli performans değerlendirmesi: TOPSIS metodu. Dumlupınar Üniversitesi Sosyal Bilimler Dergisi, 25, 185-196.
• [3] Arslan, S. & Çelik, M. S. (2018). Türkiye’deki emeklilik yatırım fonlarının performanslarının BIST-100 endeksinin performansı ile karşılaştırılması. İşletme ve İktisat Çalışmaları Dergisi, 6(4), 61-73.
• [4] Ayaydın, H. (2013). Türkiye’deki emeklilik yatırım fonlarının performanslarının analizi. Çukurova Üniversitesi Sosyal Bilimler Enstitüsü Dergisi, 22(2), 59-80.
• [5] Aydın, Y. (2019). Türkiye'de hayat\emeklilik sigorta sektörünün finansal performans analizi, Finans Ekonomi ve Sosyal Araştırmalar Dergisi, 4(1), 107-118.
• [6] Bayrakçı, E. & Aksoy, E. (2019). Gri tahmin yöntemi: Bireysel emeklilik sistemi üzerine bir uygulama. Avrasya Sosyal ve Ekonomi Araştırmaları Dergisi, 6(1), 20-33.
• [7] Bollapragada, R., Savin, I. & Kerbache, L. (2013). Price forecasting and analysis of Exchange Traded Fund. Journal of Mathematical Finance, 3, 181-191.
• [8] BEFAS, (2024). Pension Fund Trading Platform. https://www.tefas.gov.tr/FonKarsilastirma.aspx?type=emk
• [9] Çınaroğlu, E. (2022). Entropi destekli EDAS ve CODAS yöntemleri ile bireysel emeklilik şirketlerinin performans değerlendirmesi. Anemon Muş Alparslan Üniversitesi Sosyal Bilimler Dergisi, 10(1), 325-345.
• [10] Demir, G., Bircan, H. & Dündar, S. (2020). Bireysel emeklilik sistemindeki şirketlerin performanslarının gri ilişkisel analizle ölçülmesi ve bir uygulama. Manisa Celal Bayar Üniversitesi Sosyal Bilimler Dergisi, 18(2), 155-170.
• [11] Ege, İ., Karakozak, Ö. & Topaloğlu, E. E. (2016). Emeklilik yatırım fonlarının ELECTRE yöntemi ile performansının analizi. Finans Politik ve Ekonomik Yorumlar, 614, 59-68.
• [12] Eken, M. H. & Gaygısız, H. (2010). Bireysel emeklilik şirketlerinde risk yönetimi ve Türkiye örneği. Maliye Finans Yazıları, 1(88), 55-78.
• [13] Ertuğrul, İ. & Öztaş, T. (2016). Bireysel emeklilik planı seçiminde karar verme yöntemlerinin uygulanması: COPRAS ve TOPSIS örneği. Çankırı Karatekin Üniversitesi Sosyal Bilimler Enstitüsü Dergisi, 7(2), 165-186.
• [14] Fan, W. (2022). Prediction of monetary fund based on ARIMA model. Procedia Computer Science, 208, 277-285.
• [15] Hyndman, R. J. & Athanasopoulos, G. (2014). Forecasting Principles and Practice. Otexts.
• [16] Hyndman, R. J. & Khandakar, Y. (2008). Automatic time series forecasting: The forecast package for R’. Journal of Statistical Software, 27.
• [17] Hyndman, R. J., Koehler, A. B., Ord, J. K. & Snyder, R. D. (2008). Forecasting with Exponential Smoothing: The State Space Approach. Springer.
• [18] İlhan, B. (2021). Türkiye’de gönüllü katılım esaslı emeklilik yatırım fonlarının performans ölçümü: Emeklilik şirketi özelinde vaka analizi. Akademik Hassasiyetler, 8(17), 343-367.
• [19] Kayakuş, M. & Terzioğlu, M. (2022). Yapay sinir ağları ve çoklu doğrusal regresyon kullanarak emeklilik fonu net varlık değerlerinin tahmin edilmesi. Bilişim Teknolojileri Dergisi, 14(1), 95-103.
• [20] Khashei, M., Torbat, S. & Rahimi, Z. H. (2017). An enhanced neural-based bi-component hybrid model for foreign exchange rate forecasting. Turkish Journal of Forecasting, 1(1), 16-29.
• [21] Kirli Akin, H. & Ordu, M. (2022). A novel simulation-based two stage-optimization approach for nurse planning. International Journal of Simulation Modelling, 21(4), 591-602.
• [22] Korkmaz, T. & Uygurtürk, H. (2007). Türk emeklilik fonlarının performans ölçümünde regresyon analizinin kullanılması. Uluslararası Yönetim İktisat ve İşletme Dergisi, 3(5), 37-52.
• [23] Korkmaz, T. & Uygurtürk, H. (2015). Portföy optimizasyonunda Markowitz modelinin kullanımı: Bireysel emeklilik yatırım fonları üzerine bir uygulama. Muhasebe ve Finansman Dergisi, (68), 67-82.
• [24] Kuzu, Y. E. (2022). Bütünleşik otoregresif hareketli ortalama (ARIMA) ve uyarlamalı ağ tabanlı bulanık çıkarım sistemi (ANFIS) yöntemleri kullanılarak enflasyon tahmini, [Yüksek Lisans Tezi]. Yıldız Teknik Üniversitesi.
• [25] Louisa, L., Fauzi, R., Nugraha, E. S. (2022). Forecasting of retirement insurance filled via internet by ARIMA models. Journal of Actuarial, Finance and Risk Management, 1(1), 1–8.
• [26] Makridakis, S., Wheelwright, S. C. & Hyndman, R. J. (1998). Forecasting Methods and Applications. John Wiley & Sons.
• [27] Mutlu, Ö., Ordu, M. & Polat, O. (2016). Düşük riskli yatırımcılar için bireysel emeklilik sistemi ile banka vadeli mevduat sisteminin karşılaştırılması. Alphanumeric Journal, 4(2), 95-114.
• [28] Onocak, D. & Koç, S. (2018). Yapay sinir ağları ile emeklilik yatırım fonu hisse senedi fiyatlarının tahmini. Finans Ekonomi ve Sosyal Araştırmalar Dergisi, 3(3), 590-600.
• [29] Ordu, M. (2022). A simulation-based decision-making approach to evaluate the returns on investments. International Journal of Simulation Modelling, 21(3), 441-452.
• [30] Ordu, M. (2023, July). A Performance Analysis of Attack Individual Pension Funds by a System Dynamics Simulation Approach. 9th International IFS Contemporary Mathematics and Engineering Conference, Tarsus, Turkey (pp. 260-261).
• [31] Ordu, M., Demir, E., Tofallis, C. & Gunal, M. (2023). A comprehensive and integrated hospital decision support system for efficient and effective healthcare services delivery using discrete event simulation. Healthcare Analytics, 4, 100028.
• [32] Ordu, M. & Zengin, Y. (2020). A comparative forecasting approach to forecast animal production: A case of Turkey. Livestock Studies, 60(1), 24-31.
• [33] Ozturk, C., Efendioglu, D. & Gulec, N. (2017). BIST 100 index estimation using bayesian regression modelling. Turkish Journal of Forecasting, 1(2), 66-71.
• [34] Pension Monitoring Center, (2024). Gönüllü BES fonları. https://www.egm.org.tr/bireysel-emeklilik/gonullu-bes-fonlari/
• [35] Sarsıcı, E., Değirmenci, B. & Öztürk, C. (2017). Sermaye piyasalarına yeni bir kavram olarak giren Türkiye varlık fonu yönetimi. Balkan ve Yakın Doğu Sosyal Bilimler Dergisi, 3, 51-58.
• [36] Shen, M. (2022). Application of ARIMA and ETS Model in Fund Index Prediction. 2nd International Conference on Mobile Networks and Wireless Communications, Karnataka, India (pp. 1-4).
• [37] Sindelar, J. (2019). Sales forecasting in financial distribution: a comparison of quantitative forecasting methods. Journal of Financial Services Marketing, 24, 69–80.
• [38] Şahin, O. & Başarır, Ç. (2019). Bireysel emeklilik şirketlerinin finansal performanslarının değerlendirilmesi: Türkiye örneği. Yönetim Bilimleri Dergisi, 17(33), 211-229.
• [39] Ural, M. & Adakale, T. (2009). Bireysel emeklilik fonlarında risk yönetimi ve riske maruz değer analizi. Ege Akademik Bakış, 9(4), 1463-1483.