Geri Dön

Doğrusal olmayan zaman serilerinin modellemesi: Karşılaştırmalı bir çalışma

Modelling of nonlinear time series: A comparative study

PDF İndir

  1. Tez No: 487973
  2. Yazar: SELMAN MERMİ
  3. Danışmanlar: DOÇ. DR. DURSUN AYDIN
  4. Tez Türü: Yüksek Lisans
  5. Konular: İstatistik, Statistics
  6. Anahtar Kelimeler: Belirtilmemiş.
  7. Yıl: 2017
  8. Dil: Türkçe
  9. Üniversite: Muğla Sıtkı Koçman Üniversitesi
  10. Enstitü: Fen Bilimleri Enstitüsü
  11. Ana Bilim Dalı: İstatistik Ana Bilim Dalı
  12. Bilim Dalı: Belirtilmemiş.
  13. Sayfa Sayısı: 136

Özet

Zaman serilerinin modellenmesi ve tahmin edilmesi birçok uygulama alanında çok önemli bir yere sahiptir. Doğrusal zaman serisi modellerinin maruz kaldığı çeşitli kısıtlamalardan dolayı doğrusal olmayan zaman serisi modelleri son zamanlarda daha çok önem kazanmış ve bu alanda pek çok rejim geçişli model ve parametrik olmayan yöntem geliştirilmiştir. Bu çalışmanın temel amacı, ortalamada doğrusal olmayan zaman serisi modelleri metodolojisini ortaya koymak ve bu modelleri gerçek birer finansal veri seti üzerinden doğrusal bir model ile karşılaştırmaktır. Bu amaca yönelik olarak, zaman serisi analizine ilişkin birtakım temel kavramlar verilerek, zaman serilerinin modelleme aşamaları, bileşenleri, durağanlığı, doğrusallık testleri (BDS testi, Keenan testi ve Tsay testi) ve elde edilen modellerin karşılaştırılması için model seçim kriterleri başlığı altında bilgi kriterleri ve performans kriterleri ele alınmıştır. Birtakım doğrusal modellere kısaca değinilerek çalışmamızın asıl konusu olan doğrusal olmayan zaman serisi modelleri literatürü parametrik modeller ve parametrik olmayan yöntemler olarak ayrıntılı bir şekilde anlatılmıştır. Elde edilen teorik bilgilerin ışığında söz konusu tüm modeller birer finansal veri seti ile modellenerek 2 uygulama halinde sunulmuştur. Elde edilen modeller, performans kriterleri ve modellerin gerçek-uyum değerleri ilişkisini gösteren grafikler aracılığıyla karşılaştırılmıştır. Sonuç olarak, doğrusal olmayan parametrik modellerin ve parametrik olmayan yöntemlerin doğrusal modellere göre oldukça etkin sonuçlar verdikleri görülmüştür.

Özet (Çeviri)

Modelling and forecasting of time series have very important place in many application areas. Recently, nonlinear time series models have gained more attention because of the fact that linear time series models faced various limitations and many regime switching models and nonparametric methods have been developed in this area. The purpose of this thesis is to establish methodology of nonlinear time series models in the mean and to compare these models with a linear model through real financial data sets. In accordance with this purpose, giving some basic concepts of time series analysis, modeling stages, components, stability, linearity tests (BDS test, Keenan test and Tsay test) of time series and for comparing the time series models obtained under the model selection criteria heading, information criterias and performanca criterias are discussed. By briefly mentioning some linear models, the nonlinear time series modeling literatüre, which are the main subject of our work, are described in detail as parametric models and nonparametric methods. In the light of the obtained theoretical information, all models are modeled with a financial data set and presented in 2 applications. The obtained models are compared with performance criteria and graphs showing the relation of the real-concordance values of the models. As a result, it is seen that nonlinear parametric models and nonparametric methods give very effective results compared to linear models.

Benzer Tezler

  1. Tez No

    741898

    Modelling nonlinear nonstationary time series

    Doğrusal olmayan durağan olmayan zaman serilerinin modellenmesi

    DİLEM YILDIRIM KASAP

    Doktora

    İngilizce

    İngilizce

    2009

    EkonometriThe University of Manchester

    İktisat Ana Bilim Dalı

    PROF. DR. DENISE R OSBORN

  2. Tez No

    439711

    Time series forecasting via computational intelligence methods

    Zaman serileri tahminlemede bilgi işlemsel zeka uygulamaları

    ATAKAN ŞAHİN

    Yüksek Lisans

    İngilizce

    İngilizce

    2016

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik Üniversitesi

    Kontrol ve Otomasyon Mühendisliği Ana Bilim Dalı

    YRD. DOÇ. DR. TUFAN KUMBASAR

  3. 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

  4. Tez No

    885503

    Machine learning applications for time series analysis

    Zaman serileri analizi için makine öğrenmesi uygulamaları

    MERT CAN

    Yüksek Lisans

    İngilizce

    İngilizce

    2024

    Matematikİstanbul Teknik Üniversitesi

    Matematik Mühendisliği Ana Bilim Dalı

    PROF. DR. ATABEY KAYGUN

  5. Tez No

    827860

    Derin öğrenme ve büyük veri analitiği yöntemleriKullanarak Covid-19 yayılımının ileriye dönük tahmini

    Forecasting the spread of covid-19 using deep learning and big data analytics methods

    CYLAS KIGANDA

    Yüksek Lisans

    İngilizce

    İngilizce

    2023

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolGazi Üniversitesi

    Bilgisayar Bilimleri Ana Bilim Dalı

    PROF. DR. MUHAMMET ALİ AKCAYOL

Geri Dön