Altın fiyatlarının yapay sinir ağları ve ARMA modelleri ile tahminlenmesi
Forecasting prices of gold with ARMA models and artificial neural network models
- Tez No: 589740
- Danışmanlar: DR. ÖĞR. ÜYESİ AHMET ÜNLÜ
- Tez Türü: Yüksek Lisans
- Konular: Ekonometri, Ekonomi, İşletme, Econometrics, Economics, Business Administration
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2019
- Dil: Türkçe
- Üniversite: Aydın Adnan Menderes Üniversitesi
- Enstitü: Sosyal Bilimler Enstitüsü
- Ana Bilim Dalı: Ekonometri Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 183
Özet
Tarih boyunca önemini koruyan altın madeni günümüz finansal yatırım araçları arasında son yıllarda sürekli artan getirileriyle, değer koruma aracı, yatırım aracı ve saklama aracı olarak gözde bir finansal seçenek pozisyonunda varlığını devam ettirmektedir. Bununla ilişkili olarak merkez bankalarının, altını finansal rezerv aracı olarak kullanmaları yanında ekonomilerde belirsizlik ve istikrarsızlık dönemlerinde altının yatırımcı tarafından güvenli liman olarak algılanması altın fiyatlarının tahmin edilmesini önemli ve gerekli hale getirmektedir. Altın fiyatlarının tahmin ihtiyacı çerçevesinde klasik zaman serisi metotları finansal yatırım araçlarının fiyat ve getiri tahminlerinde kullanılmaya devam etmektedir. Yakın dönemlerde veri ve istatistik bilimleri altında oldukça rağbet gören yapay sinir ağı uygulamaları tahmin performansları nedeniyle birçok farklı alanda kullanılmaya başlanmıştır. Günümüz gelişen teknolojileri içerisinde popülerlik kazanan yapay sinir ağı uygulamaları tahmin performansları sebebiyle birçok farklı alanda kullanılmaya başlanmıştır. Bu sebeplerle altın fiyatlarının tahminlenmesinde klasik metotlardan Box Jenkins yaklaşımı ile yapay sinir ağı modelleri karşılaştırılmıştır. Karşılaştırmalarda örneklemiçi ve örneklem dışı olmak üzere iki farklı yaklaşım benimsenmiş tahmin performansları ölçülmüştür. Elde edilen sonuçlar ARIMA ile YSA modellerinin altın fiyatlarının tahminlenmesinde birbirine yakın sonuçlar ürettiği ve başarılı oldukları yönündedir.
Özet (Çeviri)
The gold mine, which has maintained its importance throughout history, continues to be a popular financial option position as a value protection instrument, investment instrument and custody instrument with its continuously increasing returns in today's financial investment instruments. In this regard, the fact that the central banks use gold as a financial reserve instrument and the perception of gold as a safe haven by the investor during periods of uncertainty and instability in the economies make the estimation of gold prices important and necessary. Within the framework of the need to estimate gold prices, classical time series methods continue to be used in price and yield estimates of financial investment instruments. Recently, artificial neural network applications which are in demand in data and statistical sciences have been used in many different fields due to their predictive performance. Artificial neural network applications, which have gained popularity in today's developing technologies, have been used in many different fields due to their predictive performance. For these reasons, the classical methods of Box Jenkins approach and artificial neural network models are compared in the estimation of gold prices. In the comparisons, two different approaches, both in-sample and non-sample, were used to measure predictive performances. The results show that ARIMA and ANN models produce similar results and are successful in forecasting gold prices.
Benzer Tezler
- Altın fiyatlarının yapay sinir ağları ile tahmini ve bir uygulama
Forecasting gold prices by using ann and an application
RIDVAN YÜKSEL
- Portfolio optimization with wavelet analysis and neural fuzzy networks
Dalgacık analizi ve bulanık sinir ağları modeli ile portföy optimizasyonu
ÖMER ZEKİ GÜRSOY
- Destek vektör makineleri ile fiyat tahminleri ve kuyumculuk sektöründe bir uygulama
Price forecasting with support vector machines and an application in jewelery sector
MÜNEVVER ELMAS
Yüksek Lisans
Türkçe
2012
Endüstri ve Endüstri Mühendisliğiİstanbul ÜniversitesiEndüstri Mühendisliği Ana Bilim Dalı
PROF. DR. ŞAKİR ESNAF
- Kaotik zaman serileri ve Lyapunov kararlılık teorisi ile doğrusal olmayan eştümleşme analizi
Chaotic time series and nonlinear cointegration analysis via Lyapunov stability theory
SELİN DEVRİM ÖZDEMİR
- Derin öğrenme yöntemleri ile zaman serisi tahmini
Time series classification with deep learning methods
HAKAN GÜNDÜZ
Doktora
Türkçe
2019
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
PROF. DR. ZEHRA ÇATALTEPE
