Öngörü ve zaman serileri analizinde Bayesyen yaklaşım
Bayesian approach in forecasting and time series analysis
- Tez No: 146759
- Danışmanlar: PROF. DR. AHMET GÖKÇEN
- Tez Türü: Doktora
- Konular: Ekonometri, Ekonomi, Econometrics, Economics
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2004
- Dil: Türkçe
- Üniversite: İstanbul Üniversitesi
- Enstitü: Sosyal Bilimler Enstitüsü
- Ana Bilim Dalı: Ekonometri Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 179
Özet
Bu çalışmada öngörü ve zaman serileri analizi konusunda Bayesyen bir yaklaşım tanıtılmaktadır. Bayesyen öngörünün ilkeleri ele alınmakta ve ön-bilginin biçimsel olarak öngörü sistemine dahil edilmesi önemli bir özellik olarak vurgulanmaktadır. Genel model, dinamik lineer model, Kalman filtresindeki yineleme ilişkilerine dayalı olarak tanımlanmaktadır. Yöntemin temel bileşenleri şunlardır; i) durum-uzayı biçiminde parametrik bir model, ii) herhangi bir zaman için parametrelere ilişkin olasılıksal bilgi, iii) hem sistematik hem de rassal şoklara bağlı olarak parametrelerin zaman içindeki değişimini ifade eden bir ardışık model tanımı, iv) gerçek modelin kendisine ilişkin belirsizlik. Alternatif yöntemlerden farklı olarak analizde ön-bilginin kullanılmasının gerçeğe daha yakın öngörüler vermesi beklenir. Her ne kadar Bölüm 4'teki örnek de bunu doğruluyorsa da yöntemin başarısı temelde kullanılan ön-bilginin uygunluğuna bağlıdır.
Özet (Çeviri)
In this dissertation, a Bayesian approach to analysis and forecasting of time series d ata i s p resented. The principles of Bayesian forecasting are discussed and the formal inclusion of a priori information in the forecasting process is emphasized as a major feature. The general model, that is, the dynamic linear model, is defined based on the Kalman filter recurrence relations. The essential components of the method are; i) a parametric model, in a state space form, ii) probabilistic information on the parameters at any given time, iii) a sequential model definition which describes how the parameters change in time, both systematically and as a result of random shocks, iv) uncertainty as to the underlying model. Being different from the alternative methods, the use of prior information in the analysis i s expected to give more realistic forecasts. Although the example in Chapter 4 verifies this expectation, the success of the method actually depends on appropriateness of the prior information used.
Benzer Tezler
- İktisadi zaman serilerinin modellemesinde bayesyen analizlerin etkinliği
The efficiency of bayesian analysis in modeling economic time series
OYA EKİCİ
- Zaman serilerinde durağanlık analizi ve ihracatın GSMH içindeki payı üzerine bir uygulama
Stationary analysis in time series and an application on share in GNP of export
MUZAFFER AKINCI
- Dendritik nöron model yapay sinir ağlarına dayalı yeni sezgisel bulanık zaman serisi öngörü yöntemleri
New intuitionistic fuzzy time series forecasting methods based on dendritic neuron model artificial neural networks
TURAN CANSU
Doktora
Türkçe
2024
İstatistikGiresun Üniversitesiİstatistik Ana Bilim Dalı
PROF. DR. EREN BAŞ
PROF. DR. TAMER AKKAN
- Türk hava sahasındaki sivil hava trafik yoğunluğunun zaman serileri ve yapay sinir ağları ile analizi
Analysis of air traffic volume in Turkish airspace with time series and artificial neural networks
NURULLAH GÜLTEKİN
Yüksek Lisans
Türkçe
2022
Sivil HavacılıkAnkara Üniversitesiİstatistik Ana Bilim Dalı
DR. ÖĞR. ÜYESİ SİBEL AÇIK KEMALOĞLU
- Hareketli ortalamalarla bütünleştirilmiş otoregresif süreçler (arıma) ve bazı iktisadi zaman serilerine uygulanması
Autoregressive integrated moving average models and applications on economic time series
EBRU ÖZGÜR