Zaman serileri analizi ve yapay sinir ağları ile tahmin: Yabancı portföy yatırımları üzerine uygulama
Forecasting with time series analysis and artificial neural networks : Application on foreign portfolio investments
- Tez No: 250126
- Danışmanlar: PROF. DR. A. ARGUN KARACABEY
- Tez Türü: Doktora
- Konular: Ekonomi, İşletme, Economics, Business Administration
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2009
- Dil: Türkçe
- Üniversite: Ankara Üniversitesi
- Enstitü: Sosyal Bilimler Enstitüsü
- Ana Bilim Dalı: İşletme Bölümü
- Bilim Dalı: İşletme Ana Bilim Dalı
- Sayfa Sayısı: 216
Özet
Bilişim teknolojilerinin etkileriyle de her geçen gün daha fazla küreselleşen finansal piyasalarda para hareketlerinin yönünü ve tutarını tahmin etmek fon yöneticileri için kritik bir öneme sahiptir. Bu nedenle kullanılan tahmin modelleri bir değişkenin gelecekte alacağı değeri bulmaya yarayan araçlar olarak yöneticilerin kararlarında önemli yer tutmaktadır. Fon yöneticileri uluslararası portföy çeşitlendirmesi durumunda bir ülkeye yatırım yapacakları ve ülkeden çıkacakları zamanı ve bu hareketlerin boyutunu belirlemek için, ilgili ülkenin yabancı portföy yatırımı açısından çekici ve itici faktörleri hakkında fikir sahibi olması ve bu faktörlerin kendi yatırım kararını nasıl etkileyeceğini bilmesi gerekmektedir. Bu çerçevede çalışmada yabancı portföy yatırımlarını etkilediği düşünülen faktörlerin Ocak 1997 - Aralık 2008 arası dönemi kapsayan aylık verileri kullanılarak farklı değerlendirme yaklaşımları olan modeller kullanılmış ve modellerin tahmindeki başarısı karşılaştırılmıştır. Bu modellerden birincisi zaman serisi analizi yöntemlerinden biri olan ve değişkenin kendi geçmiş yapısına dayalı olarak geliştirilen ve değişkenin kendi gecikmeli değerlerinin kullanıldığı ARIMA modelleridir. Yapılan analiz sonucunda ARMA modellerinin tahmindeki performansı sadece %17 bulunmuştur. Ancak bu sonuç istenen bir sonuç olmadığı için farklı değişkenlerin geçmiş değerleriyle değişkenin geçmiş değerinin de değişken olarak modele dahil edildiği VAR modeli kullanılmıştır. VAR analiz sonucunda elde edilen tahminin başarısı %81 bulunmuştur. Bu sonuç yüksek olmakla beraber, değişkenlerin durağanlığını sağlamak adına farklarının alınması değişkenlerin orjinal değerleriyle yorumlama kısıtı getirmesi ve doğrusal olmayan değişkenlerin de analizde doğrusal gibi işletilmesi YSA ile tahmin yapılmasına yönlendirilmiştir. YSA, ARMA ve VAR'ın kısıtlılıklarına sahip olmayan bir model olarak çalışmanın temelini oluşturmuştur. VAR modelinde kullanılan değişkenlerin orjinal değerleriyle YSA modeli oluşturulduğunda, modelin tahmindeki başarısının %95 gibi yüksek bir rakama ulaştığı görülmüştür. Bu sonuçlar da YSA tahmin modellerinin diğer zaman serisi yaklaşımlarına göre daha başarılı olduğu sonucunu ortaya koymaktadır.
Özet (Çeviri)
To forecast the amount and direction of movements of money is critical importance for fund managers in global financial market which was affected by information technology every day. Therefore, the model used to predict future value of a variable is playing significant role for managers while making a decision. When fund managers made decision for investing international portfolio, they have to evaluate push and pull factors of the country?s to make the decision about time to enter the country and leave the country and also size of this movements. In this framework, work in foreign portfolio investment are thought to affect a variety of factors, January 1997 - December 2008 covers the period by using monthly data, different evaluation approaches and the models used in forecasting models are compared success. The first method of these is ARIMA models, time series analysis method, based on the lagged values of the variable. It is found in the study that the forecasting performance with ARMA is only 17 percent. This performance, of course, is not enough to make some inferences, so the other method is used, as well as ARMA, which is called VAR. VAR model uses affecting factors on the dependent variable with their lagged values with the lagged values of the variable. The analysis of VAR result gives 81 percent forecasting performance, which is relatively acceptable result. This result is high, but the difference of variables to get the name of ensuring stability of the original variables to bring the values and limitations of interpretation of variables in nonlinear analysis such as in the linear direction of operation is to make predictions with Artificial Neural Networks. Artificial Neural Networks do not have any limitations which were seen in ARMA and VAR models. Variables which are used in VAR model with their lagged values are used in Artificial Neural Networks with their original values. Artificial Neural Networks gave 95 percent of model performance result. These results showed that Artificial Neural Networks have more successful results than Time Series Analysis models.
Benzer Tezler
- Türkiye'ye gelen turist sayısı tahmininde zaman serileri analizi ve yapay sinir ağları yöntemlerinin karşılaştırılması
Comparison of methods of time series analysis and artificial neural networks on estimation the number of tourists come to Turkey
ŞEBNEM ZORLUTUNA
- Yapay sinir ağları ve bir otomotiv firmasında satış talep tahmini uygulaması
Artificial neural networks and sales demand forecasting application in the automotive industry
MERAL SARI
Yüksek Lisans
Türkçe
2016
Endüstri ve Endüstri MühendisliğiSakarya ÜniversitesiEndüstri Mühendisliği Ana Bilim Dalı
YRD. DOÇ. DR. HALİL İBRAHİM DEMİR
- Durağan olmayan zaman serilerinde alternatif tahmin yöntemlerinin karşılaştırmalı olarak incelenmesi
A comparative investigation of alternative estimation methods in non-stationary time series
LEVENT KAYA
- Yapay sinir ağları ile hisse senedi kapanış fiyatlarının tahmini ve portföy optimizasyonu
Stock prices forecasting with artificial neural networks and portfolio optimization
MERVE ŞİŞCİ
Yüksek Lisans
Türkçe
2017
Endüstri ve Endüstri MühendisliğiDumlupınar ÜniversitesiEndüstri Mühendisliği Ana Bilim Dalı
DOÇ. DR. ÖZDEN ÜSTÜN
- Fiyat tahminleme için zaman serilerinde öbekleme analizine dayalı bir yöntem
A method based on clustering analysis in time series for price forecasting
SELİN ÖZGE ÖNDİN
Doktora
Türkçe
2023
Endüstri ve Endüstri Mühendisliğiİstanbul Üniversitesi-CerrahpaşaEndüstri Mühendisliği Ana Bilim Dalı
DOÇ. DR. TARIK KÜÇÜKDENİZ