Zaman serilerinde mevsimsellikten arındırma yöntemi olarak Tramo/Seats ve bir uygulama
Tramo / Seats as a seasonal adjustment method on time series and an application
- Tez No: 558608
- Danışmanlar: DOÇ. DR. ATİLLA GÖKÇE
- Tez Türü: Yüksek Lisans
- Konular: Ekonometri, Econometrics
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2019
- Dil: Türkçe
- Üniversite: Gazi Üniversitesi
- Enstitü: Sosyal Bilimler Enstitüsü
- Ana Bilim Dalı: Ekonometri Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 121
Özet
Bir zaman serisi, birçok bileşenden oluşmaktadır. Bu bileşenlerden birisi olan mevsimsellik, zaman serisinde bir yıllık süre içerisinde belli periyotlar halinde tekrar eden dalgalanmalar olup bu dalgalanmalar hem serinin gerçek hareketinin gözlemlenmesini hem de serinin mevsimsel olmayan özelliklerinin analiz edilmesini zorlaştırır. Bir zaman serisindeki var olan mevsimsellik, mevsimsel bileşenin tahmin edilip seriden arındırılmasıyla giderilebilmektedir. Bu nedenle karar vericiler zaman serilerinin kısa dönemli karşılaştırmasında mevsimsel düzeltmesi yapılmış serileri kullanmayı tercih ederler. Bu çalışmada Türkiye İstatistik Kurumu'nun 2009.M1 ile 2019.M2 yılları arasında yayımladığı Hizmet Ciro Endeksi ve alt serilerinin mevsimsel düzeltme işlemi için TRAMO/SEATS yöntemini içeren JDemetra+ programı kullanılmıştır. TRAMO/SEATS yöntemi kullanılarak ilgili seriler için en uygun takvim etkisi değişkeni belirlenerek en doğru modellere ulaşılmaya çalışılmıştır. Zaman serileri üzerinde uygulanabilen iki farklı düzeltme yaklaşımı bulunmaktadır: Doğrudan ve dolaylı yaklaşım. Bu çalışmada hizmet ciro endeksi serilerinin düzeltilmesi için doğrudan düzeltme yöntemi kullanılmıştır. Dolaylı yöntemle mevsimsel düzeltme yapılabilmesi için hizmet ciro endeksi serilerinin ağırlık yapısına ihtiyaç duyulmaktadır. Söz konusu ağırlıkların güncel olmaması sebebiyle doğrudan düzeltme yöntemi tercih edilmiştir. Çalışma ile elde edilen sonuçlarda kalıntı mevsimselliğe rastlanılmamıştır.
Özet (Çeviri)
A time series consists of many components. Seasonality, which is one of these components, is a periodic fluctuation of the series over a period of one year and these fluctuations make it difficult to observe both the real movement of the series and the non-seasonal characteristics of the series. The current seasonality in a time series can be eliminated by estimating and adjusting the seasonal component. Therefore, decision makers prefer to use seasonally adjusted series in the short-term comparison of the time series. In this study, JDemetra+ program which includes TRAMO/SEATS method is used for the seasonal adjustment of Services Turnover Index and its sub series. By using TRAMO/SEATS method, the most appropriate calendar effect variable was determined, and the most accurate models were tried to be reached. There are two different approaches that can be applied to the time series: Direct and indirect approaches. In this study, direct approach was used for the adjustment of services turnover index. The weight structure of the services turnover index series is needed in order to make seasonal adjustment with indirect approach. Since the weights are not up to date, direct approach is preferred.The results obtained with the study revealed no residual seasonality.
Benzer Tezler
- Mevsimsellikten arındırmada TRAMO/SEATS yöntemi: Gayri safi yurtiçi hasıla ve bazı alt kalemleri üzerine bir uygulama
TRAMO/SEATS method in seasonal adjustment: An application on gross domestic product and its main items
YASEMİN ÖZTÜRK
- Güneş radyasyon tahmini için bulanık zaman serisi yöntemleri ve fotovoltaik sulama sistemi optimizasyonunda uygulanması
Forecasting solar radiation with fuzzy time series and optimization application in photovoltaic irrigation system
CEYDA OLCAN
Doktora
Türkçe
2015
Endüstri ve Endüstri Mühendisliğiİstanbul Teknik ÜniversitesiEndüstri Mühendisliği Ana Bilim Dalı
PROF. DR. ELMKHAN MAHMUDOV
- Türk sanayi şirketlerinde sistematik risklerin önemi ve ölçülmesi- döviz kuru, faiz oranı ve emtia fiyatı risklerinin LSTM yapay sinir ağıla tahmin edilmesi
The importance and measurement of systematic risks in Turkish industrial companies-prediction of exchange rate, interest rate, and commodity price risks using LSTM neural network
MUSTAFA ADIGÜZEL
- Automatic time series forecasting using the ATA method with STL decomposition and Box-Cox transformation
STL ayrıştırmalı ve Box-Cox dönüşümlü ATA metodu kullanılarak otomatik zaman serisi öngörüsü
ALİ SABRİ TAYLAN
Doktora
İngilizce
2021
İstatistikDokuz Eylül Üniversitesiİstatistik Ana Bilim Dalı
PROF. DR. GÜÇKAN YAPAR
- Türkiye turizm gelirinin öngörüsünde zaman serilerinin bileşenlerine ayrıştırılarak yapay sinir ağları ve box-jenkins yöntemleri ile karşılaştırmalı analizi
The comparative analysis of artificial neural network and box-jenkins methods by decomposing components of ti̇me series
MUHAMMED FATİH TÜZEN