Geri Dön

Comparison of the forecast performances of linear time series and artificial neural network models within the context of Turkish inflation

Doğrusal zaman serileri ve yapay sinir ağları modellerinin öngörü performanslarının Türkiye'deki enflasyon bağlamında karşılaştırılması

  1. Tez No: 102018
  2. Yazar: NURİ UÇAR
  3. Danışmanlar: DOÇ.DR. SERDAR SAYAN
  4. Tez Türü: Yüksek Lisans
  5. Konular: Ekonomi, Economics
  6. Anahtar Kelimeler: Yapay Sinir Ağlan, Zaman Serisi, Öngörü, Enflasyon iv, Artificial Neural Network, Time Series, Forecast, Inflation. in
  7. Yıl: 2001
  8. Dil: İngilizce
  9. Üniversite: İhsan Doğramacı Bilkent Üniversitesi
  10. Enstitü: Sosyal Bilimler Enstitüsü
  11. Ana Bilim Dalı: Belirtilmemiş.
  12. Bilim Dalı: Belirtilmemiş.
  13. Sayfa Sayısı: 44

Özet

ÖZET DOĞRUSAL ZAMAN SERİLERİ VE YAPAY SİNİR AĞLARI MODELLERİNİN ÖNGÖRÜ PERFORMANSLARININ TÜRKİYE'DEKİ ENFLASYON BAĞLAMINDA KARŞILAŞTIRILMASI Uçar, Nuri Yüksek Lisans, İktisat Bölümü Tez Yöneticisi: Doç.Dr. Serdar Sayan EKİM 2001 Bu çalışma, Türk ekonomisi için en iyi öngörü performansına sahip doğrusal ve doğrusal olmayan modelleri karşılaştırmaktadır. Bu karşılaştırma serilerin durağan ve durağan olmama durumları dikkate alınarak gerçekleştirilmiştir. Durağan olmayan vektör otoregresif ve Yapay Sinir Ağlan (YSA) modellerinden elde edilen öngörülerin birleştirilmesi, diğer modellere göre daha başarılı olmuştur. Ayrıca, YSA tekniği ile birleştirilen öngörüler diğer birleştirme tekniklerine göre daha küçük hatalar vermiştir.

Özet (Çeviri)

ABSTRACT COMPARISON OF THE FORECAST PERFORMANCES OF LINEAR TIME SERIES AND ARTIFICIAL NEURAL NETWORK MODELS WITHIN THE CONTEXT OF TURKISH INFLATION Uçar, Nuri M. A., Department of Economics Supervisor: Assoc. Prof. Dr. Serdar Sayan October 2001 This thesis compares a variety of linear and nonlinear models to find the one with the best inflation forecast performance for the Turkish Economy. These comparisons are performed by considering stationary and non-stationary versions of the series for each model. Different combination techniques are applied to improve the forecasts. It is observed that the combination forecasts based on nonstationary vector autoregressive (VAR) and artificial neural network (ANN) models are better than the ones generated by other models. Furthermore, the forecast values combined with ANN technique produce lower root mean square errors (RMSE) than the other combination techniques.

Benzer Tezler

  1. Tez No

    512523

    Forecasting electricity prices in Turkey: A comparison of classical econometrics and machine learning techniques

    Türkiye'de gün öncesi elektrik fiyatları tahmini: Klasik ekonometri ve makine öğrenme teknikleri karşılaştırması

    YUNUS EMRE KARAGÜLLE

    Yüksek Lisans

    İngilizce

    İngilizce

    2018

    Ekonometriİstanbul Teknik Üniversitesi

    İktisat Ana Bilim Dalı

    PROF. DR. BÜLENT GÜLOĞLU

  2. Tez No

    955405

    XAU/USD prıce predıctıon usıng deep learnıng: hyperparameter optımızatıon wıth bayesıan, grey-wolf and genetıc algorıthms

    Derin öğrenme kullanarak XAU/USD fiyat tahmini: bayes, gri kurt ve genetik algoritmalarla hiperparametre optimizasyonu

    MELİS KÜÇÜK

    Yüksek Lisans

    İngilizce

    İngilizce

    2025

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik Üniversitesi

    İşletme Mühendisliği Ana Bilim Dalı

    PROF. DR. FERHAN ÇEBİ

  3. Tez No

    353688

    Borsa istanbul (BIST) hisse fiyat değişim yönünün ilişkisel borsa ağı kullanılarak tahmin edilmesi

    Forecasting stock price change direction using relational stock market network on borsa Istanbul (BIST)

    BİRCAN ERGÜR

    Yüksek Lisans

    Türkçe

    Türkçe

    2014

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik Üniversitesi

    Bilgisayar Mühendisliği Ana Bilim Dalı

    DOÇ. DR. ZEHRA ÇATALTEPE

  4. Tez No

    637945

    Performance comparison of machine learning methods and traditional time series methods for forecasting

    Geleneksel zaman serisi yöntemleri ve makine öğrenmesi yöntemlerinin öngörü performans karşılaştırması

    OZANCAN ÖZDEMİR

    Yüksek Lisans

    İngilizce

    İngilizce

    2020

    İstatistikOrta Doğu Teknik Üniversitesi

    İstatistik Ana Bilim Dalı

    DOÇ. DR. CEYLAN YOZGATLIGİL

  5. Tez No

    933153

    Makine öğrenmesine dayalı talep tahmin modellerinin karşılaştırılması

    Comparison of machine learning based demand forecasting models

    ERHAN KOR

    Yüksek Lisans

    Türkçe

    Türkçe

    2024

    Endüstri ve Endüstri MühendisliğiSakarya Üniversitesi

    Endüstri Mühendisliği Ana Bilim Dalı

    PROF. DR. ORHAN TORKUL

Geri Dön