Karma frekanslı zaman serilerinin modellenmesi: Büyük veri örneği
Modeling of mixed frequency time series: Big data example
- Tez No: 769967
- Danışmanlar: PROF. DR. ŞEVKET IŞIL AKGÜL
- Tez Türü: Doktora
- Konular: Ekonometri, Econometrics
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2022
- Dil: Türkçe
- Üniversite: Marmara Üniversitesi
- Enstitü: Sosyal Bilimler Enstitüsü
- Ana Bilim Dalı: Ekonometri Ana Bilim Dalı
- Bilim Dalı: Ekonometri Bilim Dalı
- Sayfa Sayısı: 273
Özet
Yatırımcıların yeterince bilgi sahibi olmadan sadece farkında oldukları hisse senetlerine yatırım yaptıklarının varsayıldığı Yatırımcı Tanınmışlık Hipotezi'nin sınanmasında, yatırımcı ilgisi doğrudan ölçülebilen bir kavram olmadığı için aktif yatırımcı ilgisinin ölçümünde arama motoru ve sosyal medya verilerinden yararlanılabilmektedir. Finansal hizmetler alanının teknolojiyle buluşması sonucu, bu alanın durağanlık özelliğinin değişmesine, paranın yapısını ve dolayısıyla da tanımını değiştirecek yeni bir olguyu ve soruyu gündeme getiren kripto para ekonomisi hayatımıza girmiştir. Bu yenilikçi ve henüz dinamiklerinin araştırıldığı piyasada doğru değerlendirilmesi için büyük veri ve analitiğinin kripto para birimi endüstrisine getirebileceği değerlerin ortaya çıkarılması önemlidir. Endüstri 4.0 ile birlikte üretim süreçlerinde yer alan tüm birimler arası iletişimin sağlanmasında büyük verilere gerçek zamanlı erişim hedeflenmektedir. İletişim ağlarının yaratmış olduğu organik veriler doğası gereği düzensiz bir yaratma sürecine sahiptir. Kripto para fiyatları üzerinde tanınmışlığın etkisinin incelenmesinde piyasaya ait göstergeler ise düzenli frekanslarda elde edilmektedir. Bu problemin interpolasyon, boyut indirgeme, toplulaştırma gibi tekniklerle giderilmesi sonucu uygulanan klasik tahmin yaklaşımları bilgi kaybına neden olabilmektedir. Aynı zamanda bu veri yaratma sürecindeki hızlı teknoloji nedeniyle oluşan büyük verinin geleneksel ekonometrik yöntemlere uyarlanması oldukça zordur. Bu doğrultuda tez çalışmasında; büyük kripto ekonomisinin dinamiklerinin anlaşılmasında en uygun tahmin yönteminin belirlenmesi ve tahmin sonuçlarıyla ekonomik ve ekonometrik karşılaştırma yapmak için kullanılması hedeflenmiştir. İlişkilerin belirlenmesinde Transfer Entropi'ye dayalı Doğrusal Olmayan Granger Nedensellik analizi kullanılmış olup, kripto para fiyat tahmininde XGBoost algoritmasının en yüksek performansa sahip olduğu belirlenmiştir. Ancak karma frekans durumunun incelemesinin bu algoritmayla sağlanamaması nedeniyle MIDAS regresyon tahminleri gerçekleştirilmiştir. Elde edilen bulgular doğrultusunda, karma frekanslı verilerin modellenmesinde MIDAS regresyon ve makine öğrenmesi algoritmasını birleştiren hibrit model önerisinde bulunulmuştur.
Özet (Çeviri)
Since investor interest is not a directly measurable concept, search engine and social media data can be used to measure active investor interest in testing the Investor Reputation Hypothesis, which assumes that investors only invest in stocks of which they are aware without adequate knowledge. As a result of the meeting of the financial services field with technology, the crypto-money economy has entered our lives, which brings a new phenomenon and question that will change the stagnation feature of this field and change the structure of money and, therefore, its definition. It is essential to reveal the values that big data and analytics can bring to the cryptocurrency industry to correctly evaluate this innovative yet dynamic market. With Industry 4.0, real-time access to big data ensures communication between all units in the production processes. Organic data created by communication networks has an irregular creation process by nature. Market indicators are obtained at regular frequencies in examining the effect of reputation on cryptocurrency prices. Classical estimation approaches applied to eliminate this problem with techniques such as interpolation, dimension reduction, and aggregation may cause a loss of information. At the same time, it is not easy to adapt big data, which is formed due to the rapid technology in this data creation process, to traditional econometric methods. In this direction, the thesis study aims to determine the most appropriate forecasting method to understand the dynamics of the big crypto economy and to use it to make economic and econometric comparisons with the forecast results. Nonlinear Granger Causality analysis based on Transfer Entropy was used to determine the relationships, and it was determined that the XGBoost algorithm had the highest performance in cryptocurrency price prediction. However, MIDAS regression estimations were made because the analysis of the mixed frequency situation could not be achieved with this algorithm. In line with the findings, a hybrid model was proposed that combines MIDAS regression and machine learning algorithms in modeling mixed-frequency data.
Benzer Tezler
- Future changes in hourly extreme precipitation, return levels, and non-stationary impacts in Türkiye
Türkı̇ye'de saatlı̇k aşırı yağışlarda gelecektekı̇ değı̇şı̇mler, tekerrür miktarı ve durağan olmayan etkı̇ler
KUTAY DÖNMEZ
Yüksek Lisans
İngilizce
2023
Meteorolojiİstanbul Teknik ÜniversitesiMeteoroloji Mühendisliği Ana Bilim Dalı
PROF. DR. YURDANUR ÜNAL
- High-resolution gravimetric geoid modeling in the era of satellite and airborne gravimetry
Uydu ve hava gravimetrisi çağında yüksek çözünürlüklü gravimetrik geoit modelleme
MUSTAFA SERKAN IŞIK
Doktora
İngilizce
2022
Jeodezi ve Fotogrametriİstanbul Teknik ÜniversitesiGeomatik Mühendisliği Ana Bilim Dalı
DOÇ. DR. BİHTER EROL
- Dinamik sonlu eleman analizleri yardımıyla otobüslerde kullanılan polietilen yakıt tanklarının dayanımının incelenmesi
Durability assesment of polyethylene fuel tanks used in buses via dynamic analysis
GÖKAY SİMİTÇİOĞLU
Yüksek Lisans
Türkçe
2016
Havacılık Mühendisliğiİstanbul Teknik ÜniversitesiUçak ve Uzay Mühendisliği Ana Bilim Dalı
PROF. DR. VEDAT ZİYA DOĞAN
- Sayısal yöntemler kullanarak sualtı araçlarının hidro ve vibroakustiğinin çözümü ve dijital sonar tasarımı
Hydro and vibroacoustical solution of underwater vehicles using numerical methods and digital sonar design
EMRE GÜNGÖR
Doktora
Türkçe
2018
Gemi Mühendisliğiİstanbul Teknik ÜniversitesiMakine Mühendisliği Ana Bilim Dalı
PROF. DR. İLYAS BEDİİ ÖZDEMİR
- Yer radarı verilerinin Python temelli modellenmesi
Python based modelling of ground penetrating radar data
SAFA TÜLEK
Yüksek Lisans
Türkçe
2023
Jeofizik MühendisliğiDokuz Eylül ÜniversitesiJeofizik Mühendisliği Ana Bilim Dalı
DOÇ. DR. EMRE TİMUR