Geri Dön

Performance of ensemble forecasting tools for analysis turkish consumer price index

Tüketici fiyat endeksi analizi için toplu öngörü araçlarının performansı

PDF İndir

  1. Tez No: 521047
  2. Yazar: PETEK AYDEMİR
  3. Danışmanlar: DOÇ. DR. CEYLAN YOZGATLIGİL
  4. Tez Türü: Yüksek Lisans
  5. Konular: İstatistik, Statistics
  6. Anahtar Kelimeler: Belirtilmemiş.
  7. Yıl: 2018
  8. Dil: İngilizce
  9. Üniversite: Orta Doğu Teknik Üniversitesi
  10. Enstitü: Fen Bilimleri Enstitüsü
  11. Ana Bilim Dalı: İstatistik Ana Bilim Dalı
  12. Bilim Dalı: İstatistik Bilim Dalı
  13. Sayfa Sayısı: 105

Özet

Zaman serileri analizindeki en büyük zorluk, geçmiş değerleri kullanarak gelecek değerlere ait öngörüleri mümkün olduğunca doğru bir şekilde elde etmektir. Enflasyonun doğru öngörülmesi, piyasa ekonomilerinde, politika yapıcılarda ve parasal sistemde büyük bir öneme sahiptir, çünkü enflasyon oranı insanların yaşam maliyetini ve standardını belirler. Ayrıca, yatırımcıların kararlarını da etkiler. Türkiye'de enflasyon oranı tüketici fiyat endeksi (TÜFE) ile ölçülmektedir. Bu çalışmada TÜFEnin öngörü değerlerini elde etmek için altı bireysel modele başvurulmuştur. Bunlar, dışsal değişkenli mevsimsel otoregresif tamamlanmış hareketli ortalama modeli, Holt-Winters Üstel Düzgünleştirme, TBATS modeli, Yapay Sinir Ağları, Theta Modeli ve STL modelidir. Daha sonra, TÜFEnin öngörü performansını arttırmak amacıyla birkaç metodun birleştirilmesi ile elde edilen topluluk modeli kullanılmıştır. Kullanılan bireysel modellerin ve topluluk modelinin öngörü performansı Hata Kareler Ortalamasının Kare Kökü ve Mutlak Hata Ortalama Yüzdesi kullanılarak değerlendirildi. Bulgularımız SARIMAX(4,1,4)(2,0,1)x12 modeli ve yapay sinir ağları ve auto.arimadan oluşan topluluk modeli 12 aylık TÜFE için en iyi öngörüleri elde ettiğini gösteriyor.

Özet (Çeviri)

Major challenge in time series analysis is to get reasonably accurate forecasts of the future data from the analysis of the previous records. Accurate forecasting of inflation has great importance in the market economies, the policymakers and the monetary system since the inflation rate determines the cost and standard of living. Also, it affects the decision on investments. In Turkey, the inflation rate is measured by the consumer price index (CPI). There exist many methods to predict the future values of the CPI. In this study, six individual models were applied to forecast the Turkish CPI. Those are Seasonal Autoregressive Integrated Moving Average Model with Exogeneous variables (SARIMAX), Holt-Winters Exponential Smoothing, Trigonometric Exponential Smoothing State Space model with Box-Cox transformation, ARMA errors, Trend and Seasonal Components (TBATS) model, Artificial Neural Network (ANN), Theta Model, Seasonal Trend Decomposition with Loess (STL). Then, ensemble model was constructed to improve the forecast performance. Ensemble model is the combination of several forecasting models to improve the performance of the forecast. The forecast accuracy of all models is evaluated by the Root Mean Square Error and Mean Absolute Percentage Error. Our findings show that SARIMAX(4,1,4)(2,0,1)x12 and ensemble model composed of auto.arima and neural network produce the best forecasts for 12 month Turkish CPI.

Benzer Tezler

  1. Tez No

    877140

    Enhancing maximum power point tracking through ensemble learning techniques

    Topluluk öğrenme teknikleri yoluyla maksimum güç noktası takipini geliştirme

    HAYDER HUSAM MAHMOOD AL-MAYYAH

    Yüksek Lisans

    İngilizce

    İngilizce

    2024

    Elektrik ve Elektronik MühendisliğiAltınbaş Üniversitesi

    Elektrik-Elektronik ve Bilgisayar Mühendisliği Ana Bilim Dalı

    YRD. DOÇ. DR. ZAID HAMODAT

  2. Tez No

    467293

    Short-term wind energy prediction system by using mesoscale/microscale modelling with model output statistics on various terrain types

    Model çıktılarının istatistiği ile orta ölçek/mikro ölçek modelleri kullanılarak çeşitli arazi tipleri için kısa dönem rüzgar enerjisi tahmin sistemi

    DERYA ERGÜN

    Yüksek Lisans

    İngilizce

    İngilizce

    2017

    Enerjiİstanbul Teknik Üniversitesi

    Meteoroloji Mühendisliği Ana Bilim Dalı

    PROF. DR. ŞÜKRAN SİBEL MENTEŞ

    DR. GREGOR GIEBEL

  3. Tez No

    683247

    Energy demand forecasting in fog computing based microgrids using ensemble learning

    Sis bilişimi tabanlı mikro şebekelerde topluluk öğrenme ile enerji talep tahmini

    TUĞÇE KESKİN

    Yüksek Lisans

    İngilizce

    İngilizce

    2021

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik Üniversitesi

    Bilgisayar Mühendisliği Ana Bilim Dalı

    DR. ÖĞR. ÜYESİ GÖKHAN İNCE

  4. Tez No

    338423

    Modeling the current and future ranges of Turkish pine (Pinus brutia) and oriental beech (Fagus orientalis) in Turkey in the face of climate change

    Türkiye'deki kızılçam (Pinus brutia) ve kayın (Fagus orientalis) ormanlarının mevcut ve gelecekteki yayılışlarının iklim değişikliğine göre modellenmesi

    SEMRA YALÇIN

    Yüksek Lisans

    İngilizce

    İngilizce

    2012

    BiyolojiOrta Doğu Teknik Üniversitesi

    Jeodezi ve Coğrafi Bilgi Teknolojileri Ana Bilim Dalı

    DOÇ. DR. CEMAL CAN BİLGİN

    PROF. DR. ŞEBNEM DÜZGÜN

  5. Tez No

    787564

    Artifical neural networks flood forecasting: Investigation of the contributions of data assimilation for applications to Cevennes rivers

    Yapay sinir ağlarıyla taşkın tahmini: Uygulamalar için veri asimilasyonunun katkılarının değerlendirilmesi Cevennes rivers

    ÇAĞRI ALPEREN İNAN

    Doktora

    İngilizce

    İngilizce

    2023

    Jeoloji MühendisliğiMuğla Sıtkı Koçman Üniversitesi

    Jeoloji Mühendisliği Ana Bilim Dalı

    DOÇ. DR. BEDRİ KURTULUŞ

    PROF. DR. ANNE JOHANNET

Geri Dön