A comparative study of classical and machine learning approaches for time series forecasting: An empirical analysis on exports in turkey
Zaman serilerinin tahminlenmesinde klasik ve makine öğrenmesi yaklaşımlarına yönelik karşılaştırmalı bir çalışma: Türkiye'nin ihracatı üzerine deneysel bir analiz
- Tez No: 637008
- Danışmanlar: DOÇ. DR. CEYLAN YOZGATLIGİL
- Tez Türü: Yüksek Lisans
- Konular: Ekonometri, İstatistik, Econometrics, Statistics
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2020
- Dil: İngilizce
- Üniversite: Orta Doğu Teknik Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: İstatistik Ana Bilim Dalı
- Bilim Dalı: İstatistik Bilim Dalı
- Sayfa Sayısı: 92
Özet
İhracat, ülkeler için temel ekonomik göstergelerden biri haline gelmiştir. Bu doğrultuda, ihracatın doğru tahmin edilmesi karar alma süreçlerinde oldukça önemlidir ve en uygun tahmin modelinin bulunması birçok çalışmanın konusunu oluşturmaktadır. Bu çalışmada, zaman serilerinin tahminindeki popülerliği ve başarısı dikkate alınarak makine öğrenmesi yöntemlerinin Türkiye ihracatı üzerindeki tahmin performansları analiz edilmiştir. Bu kapsamda, uzun kısa süreli bellek (LSTM), destek vektör makineleri (SVM) ve rassal orman (RF) yöntemlerinden yararlanılmış ve bulgular klasik zaman serisi modelleri olan bütünleşik otoregresif hareketli ortalama (ARIMA) ve üstel düzeltme (ETS) modelleriyle karşılaştırılmıştır. Analizde, Türkiye İstatistik Kurumundan (TÜİK) alınan Ocak 1997 – Eylül 2019 tarihleri arasında gerçekleşen aylık ihracat verileri kullanılmıştır. Analizin temel aşamaları, anomalilerin belirlenmesi ve temizlenmesi, veri üzerinde yapılan ön işlemler, model gelişimi, parametrelerin ayarlanması ile model seçimi ve seçilen modellerin karşılaştırılmasıdır. Çalışma sonucunda elde edilen bulgular şu şekilde özetlenebilir: İhracatın tahminlenmesinde en iyi tahmin modeli ETS olurken; SVM, makine öğrenmesi modelleri arasında gelecek çalışmalar için en umut verici model olmuştur. Bunun yanında, ARIMA modeli ihracat verisinin tahmininde diğer modellere göre zayıf performans göstermiştir.
Özet (Çeviri)
Exports has become one of the main economic indicator for countries. Accordingly, an accurate forecasting for exports is an important step for decision making and finding the most appropriate forecasting model constitutes the main subject of many studies. By taking the popularity and success of the machine learning (ML) methods on time series forecasting tasks into consideration, they are utilized also in this study to observe their predictive performances on Turkish exports. In this respect, Long Short Term Memory (LSTM), Support Vector Machines (SVM) and Random Forest (RF) are applied and the results are compared with the most commonly used classical time series models such as Autoregressive Integrated Moving Average (ARIMA) and Exponential Smoothing (ETS) models. The analysis is conducted on Turkish monthly exports data taken from Turkish Statistical Institute (TURKSTAT) within the time interval of January 1997 – September 2019 and the main steps of the analysis are anomaly detection and cleaning, data preprocessing, model development, hyperparameter tuning and model selection and model comparison. The main findings can be summarized as follows; the anomaly detection and cleaning process improves the forecasting ability of the models, ETS is the best forecasting model and SVM model is the most promising among the ML models and the most competitive with the leading one. Besides, ARIMA has the poorest generalization ability among the others.
Benzer Tezler
- A comparative study for football analytics with data mining and artificial intelligence techniques
Veri madenciliği ve yapay zeka teknikleri ile karşılaştırmalı futbol analitiği
MUSTAFA AADEL MASHJAL AL-ASADI
Doktora
İngilizce
2022
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolSelçuk ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
PROF. DR. ŞAKİR TAŞDEMİR
- Çok görünümlü kümeleme için karınca koloni optimizasyonu temelli bir yaklaşım
An ant colony optimization based approach for multi-view clustering
MELİKE ERTÜRK
Yüksek Lisans
Türkçe
2024
Endüstri ve Endüstri MühendisliğiBursa Uludağ ÜniversitesiEndüstri Mühendisliği Ana Bilim Dalı
PROF. DR. TÜLİN İNKAYA
- Olasılıksal modeller ile Türkçe müzik türlerinin sınıflandırılması
Classification of Turkish music genres with probabilistic models
MEHMET CÜNEYT ÖZBALCI
Yüksek Lisans
Türkçe
2022
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolBursa Teknik ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
PROF. DR. TURGAY TUGAY BİLGİN
- Comparative study on music source separation methods
Müzik kaynağı ayırma yöntemleri üzerine karşılaştırmalı çalışma
BURAK BAYSAL
Yüksek Lisans
İngilizce
2023
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolHacettepe ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
PROF. DR. MEHMET ÖNDER EFE
- Kolektif makine öğrenmesi tabanlı ağ saldırı tespiti
Collective machine learning based network intrusion detection
ŞURA EMANET
Yüksek Lisans
Türkçe
2022
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolMarmara ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DOÇ. DR. ÖNDER DEMİR
DR. ÖĞR. ÜYESİ GÖZDE KARATAŞ BAYDOĞMUŞ