Geri Dön

Exchange rate forecasting: Box-Jenkins method vs. neural networks

Yapay sinir ağları ve Box-Jenkins modeli kullanarak döviz kur tahmini

  1. Tez No: 73028
  2. Yazar: ALPER ÜNGÖR
  3. Danışmanlar: PROF. DR. ALİ YAZICI
  4. Tez Türü: Yüksek Lisans
  5. Konular: İşletme, Business Administration
  6. Anahtar Kelimeler: Belirtilmemiş.
  7. Yıl: 1998
  8. Dil: İngilizce
  9. Üniversite: Orta Doğu Teknik Üniversitesi
  10. Enstitü: Sosyal Bilimler Enstitüsü
  11. Ana Bilim Dalı: İşletme Ana Bilim Dalı
  12. Bilim Dalı: Belirtilmemiş.
  13. Sayfa Sayısı: 98

Özet

oz Yapay Sinir Ağları ve Box Jenkins Modeli kullanarak Döviz Kur Tahmini Üngör, Alper Yüksek Lisans, İşletme Bölümü Tez Yöneticisi: Prof. Dr. Ali Yazıcı Ocak 1998, 84 sayfa Ekonomik değişkenlerin gelecekteki değerlerinin tahmini yöneticiler için karar verme işleminin en önemli aşamalarından birini oluşturur. Amerikan dolarının Türk lirası karşısında gelecekte alacağı değer işletmeciler ve yatırımcılar için kuşkusuz çok yararlı bir bilgidir. Bu tezde döviz kur tahmini yapmak amacıyla iki ayrı teknik kullanılmıştır. Box- Jenkins metodu uygulandığında, üç adet ARIMA modelinin 1 Temmuz 1995 ve 30 Haziran 1997 arası verilerine uyduğu görülmüştür. Alternatif olarak aynı veriler üzerinde yeni geliştirilmiş olan yapay sinir ağlari ile tahmin tekniği uygulanmıştır. Çeşitli kriterlere göre yapılan karşılaştırmalar yapay sinir ağlarının Amerikan dolar fiyatının tahmini için daha iyi bir modeloluşturduğunu göstermiştir.

Özet (Çeviri)

ABSTRACT Exchange Rate Forecasting: Box-Jenkins Method vs. Neural Networks Üngör, Alper M.B.A, Department of Management Supervisor: Prof. Dr. Ali Yazıcı January 1998, 84 pages Forecasting future values of economic variables is a key process in the decision making. In Turkey, predictions of the value of the US dollar provides crucial in formation for managers and individual investors. This thesis uses two techniques in developing a good model for exchange rate forecasting. Applying Box-Jenkins methodology, we have found three ARIMA models that fit the US Dollar exchange rate time series between July 1, 1995 and June 30, 1997. With the same objec tive, we explore a recently developed technique: neural networks for forecasting. A 10x10x1 fully connected feed forward neural network model is constructed for that purpose. Based on the analysis of residuals on both training and test data, we have found the neural network model to be superior to ARIMA models in inforecasting the US dollar exchange rate.

Benzer Tezler

  1. Zaman serileri analizinde Box-Jenkins modelleri ile aylık döviz kuru (TL/$) tahminleri üzerine bir uygulama

    A Practice on forecasting of monthly exchange rate in time series analysis with Box-Jenkins

    YALÇIN KARAGÖZ

    Yüksek Lisans

    Türkçe

    Türkçe

    1996

    İstatistikCumhuriyet Üniversitesi

    DOÇ.DR. MAHMUT KARTAL

  2. Döviz kurunun tahmin edilmesinde istatistiksel yöntemlerin karşılaştırmalı analizi

    A comparative analysis of statistical methods in forecasting exchange rates

    NİMET MELİS ESENYEL

    Yüksek Lisans

    Türkçe

    Türkçe

    2016

    Ekonometriİstanbul Üniversitesi

    Ekonometri Ana Bilim Dalı

    DOÇ. DR. MELDA AKIN

  3. Miktar indirimli stok modeli için döviz kuru tahmini: Ar-ge projelerinde bir uygulama

    Exchange rate forecast for quantity discount inventory model: An application for R&D projects

    KAMİL CEVHER YILDIZ

    Yüksek Lisans

    Türkçe

    Türkçe

    2023

    Endüstri ve Endüstri MühendisliğiHacettepe Üniversitesi

    Endüstri Mühendisliği Ana Bilim Dalı

    DR. ÖĞR. ÜYESİ GÜLDAL GÜLERYÜZ

  4. İleri beslemeli yapay sinir ağları ile zaman serisi tahmininde gizli tabaka sayısı ve test kümesi uzunluğunun etkisi

    Effectiveness of hidden layer number and length of test group for forecasting feed forward neural networks in time series

    EBRUCAN TİRİNG

    Yüksek Lisans

    Türkçe

    Türkçe

    2010

    İstatistikOndokuz Mayıs Üniversitesi

    İstatistik Ana Bilim Dalı

    PROF. DR. FARUK ALPASLAN

  5. Otomotiv yan sanayi firmasında yapay sinir ağları ile talep tahmini

    Demand forecasting with artificial neural networks in an automotive supplier company

    NİHAL KURU

    Yüksek Lisans

    Türkçe

    Türkçe

    2017

    Endüstri ve Endüstri Mühendisliğiİstanbul Teknik Üniversitesi

    İşletme Mühendisliği Ana Bilim Dalı

    PROF. DR. FERHAN ÇEBİ