Geri Dön

Yapay sinir ağları ve gri model ile döviz kuru tahmini

Estimation of the exchange rate using artificial neural networks and the gray model

PDF İndir

  1. Tez No: 689271
  2. Yazar: ÜMİT BARIŞ KÖSE
  3. Danışmanlar: PROF. DR. ÖMER ÖNALAN
  4. Tez Türü: Yüksek Lisans
  5. Konular: İşletme, Business Administration
  6. Anahtar Kelimeler: Belirtilmemiş.
  7. Yıl: 2021
  8. Dil: Türkçe
  9. Üniversite: Marmara Üniversitesi
  10. Enstitü: Sosyal Bilimler Enstitüsü
  11. Ana Bilim Dalı: Sayısal Yöntemler Ana Bilim Dalı
  12. Bilim Dalı: Belirtilmemiş.
  13. Sayfa Sayısı: 51

Özet

Geçmiş yıllarda, zaman serisi tahmin problemleri için çeşitli istatistiksel yöntemler kullanıldı. Günümüzde artık geleneksel istatistiksel tahminler yetersiz kalmaktadır. Bunun en önemli nedeni veri boyutlarının artmasıdır. Buna bağlı olarak zaman serisi verilerinin özellikleri ve ilişkilerinin belirlenmesi zorlaşmakta ve bu karmaşıklığı çözme kabiliyetine sahip Derin Yapay Sinir Ağları önerilmektedir. LSTM katmanları ve algoritması, derin sinir ağlarında yeni bir yöntem ve zaman serileri tahmininde profesyonel çözüm olmaktadır. Tekrarlayan Sinir Ağları (Recurrent neural network - RNN) nın öğrenememe sorunu, Hochreiter ve Schmidhuber tarafından detaylı araştırılarak yeni bir model olarak LSTM geliştirilmiş ve 1997 yılında bir makale ile tanıtılmıştır. Bu tez çalışmamda, döviz kuru tahmini için Gri tahmin modelleri de dikkate alınmıştır. Alternatif bir yöntem olarak, belirisizliklerin netleştirilmesinde uzun yıllardır kullanılan gri tahmin modelleri, önceden herhangi bir ön bilgiye ihtiyaç duymadan sınırlı veri ile başarılı tahminler gerçekleştirebilmektedir. Gri tahmin, zaman serisi ve sebep-sonuç ilişkisine dayalı çeşitli tahmin modellerini içermektedir. Çalışma kapsamında, zaman serisi modellerinden GM(1,1) gri tahmin modeli ele alınmıştır. Döviz kuru alış değerlerinin tahmini için T.C. Merkez Bankası 10 Temmuz 2019 ve 7 Aralık 2020 tarihleri arasındaki döviz kurları kullanılmıştır. CSV formatindaki döviz kuru verileri, YSA (LSTM) ve Gri model tahmin modellerine göre değerlendirilip oluşan sonuçlar sayısal ve görsel olarak karşılaştırılmıştır. Bu işlemler içinde Python programlama dili kullaılmış ve ilgili kodlar yazılmıştır.

Özet (Çeviri)

In past years, various statistical methods have been used for time series prediction problems. Currently, the traditional statistical estimate is no longer sufficient. The most important reason for this is the increase in data sizes. Because of this, determining the properties and relationships of time series data becomes difficult, and Deep Artificial Neural Networks with the ability to solve this complexity are proposed. The LSTM layers and algorithm is a new method in deep neural networks and a professional solution in time series estimation. The problem of the inability to learn repetitive neural networks (RNN) was investigated in detail by Hochreiter and Schmidhuber, and LSTM was developed as a new model and introduced in 1997 with a paper. In this thesis study, Grey forecast models for exchange rate estimation were also taken into account. As an alternative method, Gray forecasting models, which have been used for many years to clarify uncertainties, can perform successful estimates with limited data without the need for any prior knowledge. Gray forecasting includes several forecasting models based on time series and cause-and-effect relationships. In the scope of the study, the GM(1,1) Gray prediction model from time series models was considered. For an estimate of exchange rate buying values, t.C. Dec July 10, 2019 and December 7, 2020 exchange rates were used by the central bank. Exchange rate data in CSV format were evaluated according to YSA (LSTM) and Gray model forecast models and the results were compared numerically and visually. In these operations, the Python programming language is used and the corresponding code is written.

Benzer Tezler

  1. Tez No

    562313

    İki boyutlu rıesz dönüşüm algoritması ile güç kalitesinin belirlenmesi

    Determination of power quality with two dimensional riesz transform algorithm

    SEÇKİN KARASU

    Doktora

    Türkçe

    Türkçe

    2019

    Elektrik ve Elektronik MühendisliğiZonguldak Bülent Ecevit Üniversitesi

    Elektrik-Elektronik Mühendisliği Ana Bilim Dalı

    PROF. DR. ZEHRA SARAÇ

  2. Tez No

    461858

    Zaman serisine dayalı tahmin yöntemlerinin rassallık ve trend içeren veri setlerindeki tahmin performanslarının karşılaştırılması

    Comparison of forecasting performance based on time series estimation methods with randomness and trending data sets

    AHMET ALÇI

    Yüksek Lisans

    Türkçe

    Türkçe

    2017

    EkonometriKaradeniz Teknik Üniversitesi

    Endüstri Mühendisliği Ana Bilim Dalı

    DOÇ. DR. ŞÜKRÜ ÖZŞAHİN

  3. Tez No

    100840

    Doku analizi sınıflandırma ve bölütleme için yöntemler

    Techniques for texture analysis, segmentation and classification

    OSMAN NURİ USLU

    Doktora

    Türkçe

    Türkçe

    2000

    Uçak Mühendisliğiİstanbul Teknik Üniversitesi

    DOÇ. DR. B. GÜLTEKİN ÇETİNER

  4. Tez No

    198371

    Knowledge discovery in databases and data mining techniques: An applied study

    Veri tabanlarında bilgi keşfi ve veri tabancılığı teknikleri: Bir uygulama

    TAYİP ALTAY

    Yüksek Lisans

    İngilizce

    İngilizce

    2005

    Endüstri ve Endüstri MühendisliğiMarmara Üniversitesi

    Endüstri Mühendisliği Ana Bilim Dalı

    PROF.DR. ÜMİT FIRAT

  5. Tez No

    75369

    Fractal image compression with radial basis function neural networks

    Radyal taban fonksiyonlu yapay sinir ağları ile fraktal görüntü sıkıştırma

    OSMAN ÖZDEMİR

    Yüksek Lisans

    İngilizce

    İngilizce

    1998

    Elektrik ve Elektronik Mühendisliğiİstanbul Teknik Üniversitesi

    Elektronik ve Haberleşme Mühendisliği Ana Bilim Dalı

    DOÇ. DR. CÜNEYT GÜZELİŞ

Geri Dön