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
- Tez No: 102018
- Danışmanlar: DOÇ.DR. SERDAR SAYAN
- Tez Türü: Yüksek Lisans
- Konular: Ekonomi, Economics
- Anahtar Kelimeler: Yapay Sinir Ağlan, Zaman Serisi, Öngörü, Enflasyon iv, Artificial Neural Network, Time Series, Forecast, Inflation. in
- Yıl: 2001
- Dil: İngilizce
- Üniversite: İhsan Doğramacı Bilkent Üniversitesi
- Enstitü: Sosyal Bilimler Enstitüsü
- Ana Bilim Dalı: Belirtilmemiş.
- Bilim Dalı: Belirtilmemiş.
- 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
- 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
2018
Ekonometriİstanbul Teknik Üniversitesiİktisat Ana Bilim Dalı
PROF. DR. BÜLENT GÜLOĞLU
- 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
2014
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DOÇ. DR. ZEHRA ÇATALTEPE
- 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
2020
İstatistikOrta Doğu Teknik Üniversitesiİstatistik Ana Bilim Dalı
DOÇ. DR. CEYLAN YOZGATLIGİL
- Sağlık harcamalarının tahminine yönelik ayrıştırma temelli yeni bir model
A new decomposition-based model for forecasting health expenditures
REZZAN YARDIMCI
Yüksek Lisans
Türkçe
2024
Mühendislik BilimleriPamukkale ÜniversitesiBiyomedikal Ana Bilim Dalı
DR. ÖĞR. ÜYESİ EŞREF BOĞAR
- İşletmelerin satış bütçelerinin oluşturulmasında ARIMA, LSTM ve hibrit modellerin karşılaştırılması: Üretim işletmesi örneği
Comparison of ARIMA, LSTM and hybrid models in establishing sales budgets: A case of production facility
AYŞE SOY TEMÜR