Prediction of Food Industry Price Index using artificial neural network (Case study: Index of Tehran Stock Exchange)
Yapay sinir ağı kullanılarak Gıda Endüstrisi Fiyat Endeksinin tahmini (Örnek olay: Tahran Borsası endeksi)
- Tez No: 849148
- Danışmanlar: DR. ÖĞR. ÜYESİ NAZİFE MERVE HAMZAOĞLU
- Tez Türü: Yüksek Lisans
- Konular: Ekonomi, Economics
- Anahtar Kelimeler: toplam endeks tahmini, Tehran borsa endeksi, Çok katmanlı algılayıcı sinir ağı, prediction of total index, Tehran stock exchange, Multilayer perceptron neural network
- Yıl: 2024
- Dil: İngilizce
- Üniversite: İstanbul Kültür Üniversitesi
- Enstitü: Lisansüstü Eğitim Enstitüsü
- Ana Bilim Dalı: İktisat (İngilizce) Ana Bilim Dalı
- Bilim Dalı: Uluslararası Ekonomi ve Finans Bilim Dalı
- Sayfa Sayısı: 118
Özet
Toplam borsa endeksini tahmin etmek zorlu bir görevdir. Yatırımcıların performansı için endeksin hareketinin doğru bir şekilde tahmin edilmesi, borsa piyasasının karmaşıklığı, yönetim eksikliği ve kritik zamanlarda sorunların ortaya çıkması nedeniyle faydalı bir tahmin modeli geliştirmeyi zorlaştırmaktadır. Yatırım kararlarında kullanılan önemli araçlardan biri olan tahmin teknikleri, karar verme ve kontrol sürecinin ayrılmaz bir parçasıdır ve karar verme riskini doğrudan etkiler. Bu, tahmin ne kadar doğru olursa, belirsizlik koşullarında karar verme kaynaklı kayıp veya risk o kadar azalır demektir. Toplam borsa endeksini tahmin etmek için bilinen ve yeni yöntemlerden biri de yapay sinir ağları (ANN) yöntemidir. Bu araştırmanın temel amacı, yapay sinir ağlarını kullanarak, gayri lineer zaman serilerini tahmin etmek için optimal bir model sunmaktır (Vaka çalışması: Tehran Borsa Endeksi). Bu araştırma, anket çalışmasına dayalı olarak tanımlayıcıdır ve anket yöntemi açısından analitik-matematikseldir. Araştırmanın istatistiksel populasyonu, 1990'den 2020'e kadar Tehran Borsası toplam endeksidir. Bu araştırmada, istenen değişkenleri ölçmek ve ölçmek için kullanılan araçlar, Tehran Borsa belgeleri ve istatistikleri ile veri analizidir. Bu araştırma, tanımlayıcı istatistikler ve Ks, t, r ve (Dickey-Fuller Testi) testlerinin tümevarım istatistiklerini, ayrıca çok katmanlı algılayıcı sinir ağı algoritmasını kullanır. Tahran, diğer lineer yöntemlerle karşılaştırıldığında ve tasarlanan sinir ağı modelinin toplam endeksi %1,7'ye kadar bir hata ile tahmin etme gücüne sahip olduğu, ayrıca Tehran Borsa endeksinin gayri lineer bir süreci izlediği ve son olarak modelin sonuçlarının önerilerin sonunda değerlendirildiği belirtilmektedir. Kullanıcılar ve araştırmacılar için bir uygulama sunulmuştur.
Özet (Çeviri)
Forecasting the total stock index is a challenging task, an accurate forecast of the movement of the index is very important for the performance of investors, due to the complexity of the stock market the lack of management, and the occurrence of problems in critical times, it is challenging to develop a useful model for forecasting. One of the important tools used for investment decisions is forecasting techniques, which is an integral part of the decision-making and control process, on the other hand, it has a direct relationship with decision-making risk. This means that the more accurate the prediction is, the loss or risk caused by decision-making in conditions of uncertainty is reduced. One of the well-known and new methods of predicting the total stock index is the artificial neural network (ANN) method. The main goal of this research is to present the optimal model of using artificial neural networks to predict non-linear time series (case study: Tehran Stock Exchange Index). This research is descriptive based on the survey and is analytical-mathematical in terms of the survey method. The statistical population of this research is the total index of the Tehran Stock Exchange from 1991 to 2021. In this research, the tools used to measure and measure the desired variables are the documents and statistics of the Tehran Stock Exchange and for data analysis. This research uses descriptive statistics and inferential statistics of Ks, t, r, and (Dickey-Fuller Test) tests, as well as a multi-layer perceptron neural network algorithm. Tehran compared to other linear methods and the fact that the designed neural network model has the power to predict the total index up to 1.7% error, also the Tehran Stock Exchange stock index follows a non-linear process and finally evaluates the results of the model at the end of the suggestions. An application was presented for users and researchers.
Benzer Tezler
- Otomotiv döküm parça talep tahmininin yapay sinir ağları ile modellenmesi ve arıma yöntemi ile karşılaştırmalı analizi
Modeling automotive casting part demand forecasting with artificial neural networks and comparative analysis with arima method
SELİNAY KAYALI
Yüksek Lisans
Türkçe
2024
Endüstri ve Endüstri MühendisliğiSakarya ÜniversitesiEndüstri Mühendisliği Ana Bilim Dalı
DOÇ. DR. MERVE CENGİZ TOKLU
- The determinants of food inflation in Turkey
Türkiye'de gıda enflasyonunun belirleyicileri
ERDAL EROL
Yüksek Lisans
İngilizce
2017
EkonomiOrta Doğu Teknik ÜniversitesiEkonomi Ana Bilim Dalı
YRD. DOÇ. DR. DİLEM YILDIRIM KASAP
- Türkiye buğday sektörünün eşanlı model yöntemiyle tahmini
Forecast model with si̇multaneous process of Turkey's wheat industry
ALİ DÖRTOK
- Makine öğrenmesi yardımıyla zincir restoran gıda satışlarının tahmin edilmesi ve hava durumunun etkisinin incelenmesi
Forecasting food sales on chain restaurant and investigating weather effect on sales by using machine learning methods
SEZGİ ŞENER
Yüksek Lisans
Türkçe
2019
Endüstri ve Endüstri Mühendisliğiİstanbul Teknik ÜniversitesiEndüstri Mühendisliği Ana Bilim Dalı
DOÇ. DR. BAŞAR ÖZTAYŞİ