Geri Dön

Bütünleşik otoregresif hareketli ortalama (ARIMA) ve uyarlamalı ağ tabanlı bulanık çıkarım sistemi (ANFIS) yöntemleri kullanılarak enflasyon tahmini

Estimating inflation using autoregressive integrated moving average (ARIMA) and adaptive neuro fuzzy inference system (ANFIS) methods

PDF İndir

  1. Tez No: 746512
  2. Yazar: YUNUS EMRE KUZU
  3. Danışmanlar: DOÇ. DR. SELÇUK ALP
  4. Tez Türü: Yüksek Lisans
  5. Konular: Endüstri ve Endüstri Mühendisliği, Industrial and Industrial Engineering
  6. Anahtar Kelimeler: Belirtilmemiş.
  7. Yıl: 2022
  8. Dil: Türkçe
  9. Üniversite: Yıldız Teknik Üniversitesi
  10. Enstitü: Fen Bilimleri Enstitüsü
  11. Ana Bilim Dalı: Endüstri Mühendisliği Ana Bilim Dalı
  12. Bilim Dalı: Endüstri Mühendisliği Bilim Dalı
  13. Sayfa Sayısı: 80

Özet

Bu çalışmada en önemli makroekonomik göstergelerden biri olan enflasyonun iki farklı yöntem ile gelecek dönemlere ait değerleri tahmin edilmiştir. Tahminde geleneksel ekonometrik bir yöntem olan ARIMA (Bütünleşik Otoregresif Hareketli Ortalama) ve sezgisel bir yöntem olan ANFIS (Uyarlamalı Ağ Tabanlı Bulanık Çıkarım Sistemi) modeli kullanılmıştır. Tahminde Ocak 2005 ve Ekim 2021 arası 202 aylık veri seti kullanılmıştır. Türkiye Cumhuriyeti için hesaplanan Tüketici Fiyat Endeksi'nin (TÜFE) değişim oranları üzerinde çalışılmıştır. Sonuçlar belirlilik katsayısı (R²), ortalama hata karesi (MSE), ortalama mutlak hata (MAE) ve simetrik ortalama mutlak yüzde hata (SMAPE) performans kriterleri ile karşılaştırılmıştır. Elde edilen sonuçlar incelendiğinde ANFIS modelinin ARIMA'ya göre daha başarılı tahmin yaptığı belirlenmiştir.

Özet (Çeviri)

In this thesis, inflation, which is one of the most important macroeconomic indicators were predicted by using the auto regressive integrated moving average (ARIMA) method and the adaptive neuro fuzzy inference system (ANFIS). In the prediction, 202 monthly dataset used between January 2005 and October 2021. The rate of change of the Consumer Price Index (CPI) for the Republic of Turkey has been studied. Results obtained from established models and the real values were compared using the performance criteria of coefficient of determination (R2), root mean square error (RMSE), mean absolute error (MAE) and the symmetric mean absolute percentage error (SMAPE). Results illustrate the success of the ANFIS to predict the inflation rate and ANFIS model outperforms ARIMA model.

Benzer Tezler

  1. Tez No

    464742

    Tüketici fiyat endeksinin uyarlamalı ağa dayalı bulanık çıkarım sistemi ile kestirimi

    Consumer price index forecast wi̇th adapti̇ve neuro fuzzy inference system

    SERENAY VAROL

    Yüksek Lisans

    Türkçe

    Türkçe

    2014

    İstatistikOndokuz Mayıs Üniversitesi

    İstatistik Ana Bilim Dalı

    PROF. DR. FARUK ALPASLAN

  2. Tez No

    634839

    Sales forecasting in fashion retail industry with classical and machine learning methods

    Moda perakendesi sektöründe klasik ve makine öğrenmesi metodları ile satış tahmini

    HANİFE IŞIK

    Yüksek Lisans

    İngilizce

    İngilizce

    2020

    Ekonomiİstanbul Teknik Üniversitesi

    Ekonomi Ana Bilim Dalı

    DOÇ. DR. TOLGA YURET

  3. Tez No

    607381

    YAPAY SİNİR AĞI VE BOX-JENKİNS MODELİ İLE YAZICI SARF MALZEMELER VERİLERİNİN TAHMİNİ IRAK ÖRNEĞİ

    PREDICTING THE SALE OF PRİNTİNG STUFFS USING ARTIFICIAL NEURAL NETWORKS AND BOX-JENKINS MODEL MODEL OF IRAQ

    BAN ANIS ABDULLAH AL MAHMUD

    Yüksek Lisans

    Türkçe

    Türkçe

    2019

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolSüleyman Demirel Üniversitesi

    Bilgisayar Mühendisliği Ana Bilim Dalı

    DR. ÖĞR. ÜYESİ MEHMET ALBAYRAK

  4. Tez No

    775453

    The forecast performance of classical time series models and machine learning algorithms on bitcoin series using exogenous variables

    Klasik zaman serisi modellerinin ve makine öğrenme algoritmalarının bitcoin serisi üzerinde dışsal değişkenler kullanarak öngörü performansları

    SEVİLAY DOĞAN

    Yüksek Lisans

    İngilizce

    İngilizce

    2022

    İstatistikOrta Doğu Teknik Üniversitesi

    İstatistik Ana Bilim Dalı

    PROF. DR. CEYLAN YOZGATLIGİL

  5. Tez No

    637008

    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

    EDA GÜNEL

    Yüksek Lisans

    İngilizce

    İngilizce

    2020

    EkonometriOrta Doğu Teknik Üniversitesi

    İstatistik Ana Bilim Dalı

    DOÇ. DR. CEYLAN YOZGATLIGİL

Geri Dön