Arıma ve var modelleme yöntemlerince üretilen önkestirim modelleri ve Türkiye ekonomisi üzerine bir uygulama
Başlık çevirisi mevcut değil.
- Tez No: 57933
- Danışmanlar: DOÇ. DR. NALAN CİNEMRE
- Tez Türü: Doktora
- Konular: İstatistik, Statistics
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 1996
- Dil: Türkçe
- Üniversite: Mimar Sinan Güzel Sanatlar Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: İstatistik Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 194
Özet
ÖZET Bu çalışmada, kısa ve orta dönem için geleceğe yönelik kestirimlere ulaşmak üzere zaman serisi analizlerinde yoğun bir biçimde kullanılan ve bu konuda güncelliğini koruyan ARIMA ve VAR modeller incelenmektedir. Ayrıca, bu modellerin Türkiye ekonomisindeki bazı temel makro değişkenlere uygulaması yapılmaktadır. Çalışmada incelenen analiz yöntemlerinin yapılan, doğal olarak birbirlerinden farklılık göstermektedirler. Öyle ki, Tek Değişkenli Box- Jenkins Analizi veya ARIMA Modellemesi olarak adlandırılan yöntem; zaman serisiyle ifade edilebilen herhangi bir değişkenin geçmişte izlediği davranışları esas almaktadır. Bu davranışların ileride de değişmeyeceği varsayımı üzerine kurulan yöntem uyarınca elde edilen önkestirimler arasından İMKB endeksinin dışında kalan diğer ekonomik büyüklüklerin özellikle kısa dönemde oldukça büyük bir başarı sergilediği görülmektedir. Diğer bir deyişle, ARIMA modeller çerçevesinde enflasyon oranının, dolar kurunun, sanayi üretim endeksinin ve M2'nin gerçekleşen değerlerine yakın ve tutarlı sonuçlara ulaşılabilmektedir. Öte yandan, teorik olmayan Çok Değişkenli Zaman Serisi Analiz yöntemlerinden birisi olan VAR Modelleme yaklaşımı, modele katılacak her bir değişkenin hem kendisinin hem de diğer değişkenlerin geçmiş değerlerinden etkilendiği varsayımına dayanmaktadır. Buna göre. 1986 yılının Ocak ayından başlayan ve 1995 yılı Haziran ayma kadar olan dönem için derlenen aylık verilerden yola çıkılarak kurulan beşli otoregresif bir model aracılığıyla üretilen önkestirimler de çalışmada yer almaktadır. Kullanılan her iki yöntemin ürettiği Önkestirimlerin performansları karşılaştırıldığında; ARIMA modellerin önkestirim hatalarının, kısıtsız VAR modeline ilişkin önkestirim hatalarından daha küçük olduğu saptanmaktadır. Uygulama sonucunda elde edilen bu bulgular doğrultusunda yapılan değerlendirme, önkestirim konusunda ARIMA modellerin VAR modelinden daha başarılı olduğunu ortaya koymaktadır.
Özet (Çeviri)
SUMMARY In this study, for the purpose of reaching the short and middle-terms forecasting ARIMA and VAR Models which ared used very intensively in Time Series Analysis have been examined. In Turkish economy, an application of these models has been done to some macro econometrics variables. The structure of the techniques examined in this study are naturally different. The Univariate Box- Jenkins Analysis, which are also called ARIMA modelling, is based on the behaviours of a variable in the past time. The forecasts, which are obtained by assuming the invariability of these behaviours in the future are very successfull especially in short terms except İMKB index. In another words, by using ARIMA models, one can obtain very unbiased and consistent forecasts of Wholesale Prices Index (WPI) and inflation ratio, average US Dollar exchange rate, Industrial Production Index and M2. On the other hand, VAR Modelling is a atheoritical multivariate time series analysing technique and assumes that every single variable is affected both by its own and the other variables past values. In this study, five variable autoregressive model has been examined for the monthly data, from January 1986 to June 1995 (114 months). The study also presents this model's forecasts. As a result, the study compares the performances of these two techniques- ARIMA and VAR Models- and it has been found that the forecasts errors oî ARIMA models are smaller than those of VAR Models. Net, the preference is to examine every variables seperately by UUMA models.
Benzer Tezler
- 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
2023
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolGazi ÜniversitesiBilgisayar Bilimleri Ana Bilim Dalı
PROF. DR. MUHAMMET ALİ AKCAYOL
- Novel fractional order calculus-based audio processing methods and their applications on neural networks for classification and synthesis problems
Kesirli mertebeden kalkülüs temelli yeni ses işleme yöntemleri ve bunların sinir ağları üzerinde sınıflandırma ve sentez problemlerine uygulanması
BİLGİ GÖRKEM YAZGAÇ
Doktora
İngilizce
2023
Elektrik ve Elektronik Mühendisliğiİstanbul Teknik ÜniversitesiElektronik ve Haberleşme Mühendisliği Ana Bilim Dalı
DOÇ. DR. MÜRVET KIRCI
- Modeling and fitting of the wind data using different time series models and investigating the related applications of fitted data. Urla and Risø cases
Rüzgar verilerinin çesitli zaman serisi yöntemleriyle modellenmesi, üretilen verinin uygulama alanlarının incelenmesi. Urla ve Risø örnekleri
NURSEDA YILDIRIM
Yüksek Lisans
İngilizce
2014
Enerjiİzmir Yüksek Teknoloji EnstitüsüEnerji Mühendisliği Ana Bilim Dalı
YRD. DOÇ. DR. HASAN ENGİN DURAN
YRD. DOÇ. DR. FERHAT BİNGÖL
- Dalgacık dönüşümü kullanılarak zirai-meteorolojik verilerin hata teşhis ve tamiri
Fault diagnosis and repair of agricultural meteorological data using wavelet transform
NİGAR TUĞBAGÜL ALTAN
Yüksek Lisans
Türkçe
2012
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik ÜniversitesiBilgi Teknolojileri Ana Bilim Dalı
YRD. DOÇ. DR. B. BERK ÜSTÜNDAĞ
- Multivariate and fuzzy clustering approaches to dynamic classification of traffic flow states
Çok değişkenli ve bulanık yaklaşımlarla trafik akımının dinamik sınıflandırılması
MEHMET ALİ SİLGU
Yüksek Lisans
İngilizce
2015
Trafikİstanbul Teknik Üniversitesiİnşaat Mühendisliği Ana Bilim Dalı
PROF. DR. HİLMİ BERK ÇELİKOĞLU