Geri Dön

Fuzzy-ınferred PCA and hierarchical HMM pattern recognition framework for regime detection and ınflation forecasting

{rejim saptama ve enflasyon öngörüsü için bulanik çikarimli TBA ve hiyerarşik HSMM örüntü tanima çerçevesi

  1. Tez No: 962314
  2. Yazar: OĞUZ KOÇ
  3. Danışmanlar: PROF. DR. AYŞE SEVTAP KESTEL
  4. Tez Türü: Doktora
  5. Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Matematik, İstatistik, Computer Engineering and Computer Science and Control, Mathematics, Statistics
  6. Anahtar Kelimeler: Belirtilmemiş.
  7. Yıl: 2025
  8. Dil: İngilizce
  9. Üniversite: Orta Doğu Teknik Üniversitesi
  10. Enstitü: Uygulamalı Matematik Enstitüsü
  11. Ana Bilim Dalı: Finansal Matematik Ana Bilim Dalı
  12. Bilim Dalı: Uygulamalı Matematik Bilim Dalı
  13. Sayfa Sayısı: 102

Özet

Politika geliştirme, bütçe tahsisi ve finansal planlama da dahil olmak üzere çeşitli sektörlerde sağlıklı ekonomik karar alınabilmesi açısından enflasyonun doğru öngörüsü kritik öneme sahiptir. Geleneksel teorik modeller değerli olsa da, çoğu zaman farklı ekonomik ortamlarda tutarlı bir şekilde geçerli olmayabilecek varsayımlara dayanabilmektedir. Enflasyonu etkileyen çok sayıda karmaşık faktör göz önüne alındığında, ekonomik değişkenlerin etkileşimlerini yakalamak için dinamik çok terimli bir yaklaşıma ihtiyaç vardır. Metodolojimizde Bulanık Çıkarımlı Temel Bileşen Analizi (BÇTBA) ve Gürültülü Bulanık Çıkarımlı TBA (GBÇTBA) olmak üzere iki yeni boyut azaltma tekniği kullanılmaktadır. BÇTBA, zaman serisini bulanık alt öbeklere kümeleyerek, zaman serisindeki herhangi bir noktanın birden fazla alt kümenin üyesi olmasına izin verir ve ardından bu alt kümeler üzerinde boyut azaltma uygulamaktadır. Bu yaklaşımla, TBA'nın varyans açıklanabilirliğini artırmayı hedeflemekteyiz. Bu yaklaşımın bir uzantısı olan GBÇTBA, sıçrama noktalarının çıkarımını daha da iyileştirerek Bulanık C-Kümeleme çerçevesi içinde ek bir gürültü kümeleme bileşeni içermektedir. Bu teknikler, faiz oranı, Dolar döviz kuru ve yakıt, elektrik ve gaz fiyat endeksi (FEG endeksi) dahil olmak üzere enflasyonla ilgili makroekonomik zaman serilerine uygulanmaktadır. Ortaya çıkan boyutsal olarak küçültülmüş zaman serisinin, temel bilgileri daha etkili bir şekilde koruyacağını öngörüyoruz. Elde edilen zaman serisi daha sonra Hiyerarşik Saklı Markov Modeli'nde (HSMM) uzun vadeli ekonomik eğilimleri ve enflasyon rejimlerini yakalamak amacıyla kaba ölçekli değişken olarak kullanılmıştır. HSMM'den türetilen durum olasılıkları, Geometrik Brown Hareketi (GBH) patikalarının her adımda hangi rejimlerde evrimleşeceğini belirlemek için kullanılmaktadır. Ayrıca, GBM parametreleri, HSMM durum ayrıştırmasına karşılık gelen veri alt kümeleri kullanılarak hesaplanmaktadır. Önerilen yaklaşımların öngörü güvenilirliğini artırmadaki etkinliğini daha fazla değerlendirmek için, bu öngörülen rejimler Geçitli Yinelemeli Birim (GYB) ve İki Yönlü Uzun-Kısa Süreli Bellek (İYUKSB) modellerinde dışsal değişkenler olarak da kullanılmıştır. Çalışmada, ekonomik kalkınmanın farklı aşamalarını temsil eden iki ülke, Türkiye (gelişmekte olan) ve Avusturya (gelişmiş) veri kümeleri kullanılmıştır. Bulgular, önerilen yaklaşımların geleneksel modeller GBH, İYUKSB ve GYB'ye kıyasla önemli iyileştirmeler sunduğunu göstermektedir. GBÇTBA, öngörü performansını artırmaya yönelik olarak boyut azaltma sürecine gürültü kümeleme mekanizmasının entegre edilmesinin faydalarını ortaya koymakta ve bu bağlamda BÇTBA'ya kıyasla ilave avantaj sağlamaktadır.

Özet (Çeviri)

Precise inflation forecasting is critical for sound economic decision-making across various sectors, including policy development, budget allocation, and financial planning. Traditional theoretical models, while valuable, often rely on assumptions that may not consistently hold true across diverse economic environments. Given the multiple complex factors influencing inflation, a dynamic multinomial approach is necessary to capture the interactions of economic variables. Our methodology employs two novel dimension reduction techniques Fuzzy-Inferred Principal Component Analysis (FIPCA) and Fuzzy with Noise-Inferred PCA (FNIPCA). FIPCA clusters the time series into fuzzy subsets, allowing any point in the time series to be a member of multiple subsets, and then applies dimension reduction within these subsets. With this approach, we aim to increase variance explainability of PCA. An extension of this approach, FNIPCA incorporates an additional noise clustering component within the Fuzzy C-Means (FCM) framework, further improving the inference of jump points. These techniques are applied to macroeconomic time series related to inflation, including interest rates, the exchange rate of the dollar, and the fuel, electricity, and gas price index (FEG index). We anticipate that the resulting dimensionally reduced time series will more effectively retain the essential information. The obtained time series is then used as a coarse-scale variable in the Hierarchical Hidden Markov Model (HHMM), to capture long-term economic trends and inflation regimes. The state probabilities derived from the HHMM are employed to identify the regimes in which the Geometric Brownian Motion (GBM) paths will evolve at each step. The parameters of the GBM are estimated using the data subsets corresponding to the HHMM state decomposition. To further evaluate the effectiveness of the proposed approaches in enhancing forecasting reliability, these predicted regimes are also used as exogenous variables in Gated Recurrent Unit (GRU) and Bidirectional Long Short-Term Memory (BiLSTM) models. The study uses datasets from two countries representing different stages of economic development: Türkiye (emerging) and Austria (developed). The findings suggest that the proposed approaches offer notable improvements over traditional models GBM, GRU, and BiLSTM. Furthermore, FNIPCA demonstrates additional advantages over FIPCA, highlighting the benefit of incorporating noise clustering within the dimension reduction framework for enhanced predictive performance.

Benzer Tezler

  1. Tez No

    46455

    Elektrik makinaları kontrolünde bulanık mantığın uygulanması

    Fuzzy logic applications in control of electrical machines

    NESLİHAN KEPEZ

    Yüksek Lisans

    Türkçe

    Türkçe

    1995

    Elektrik ve Elektronik Mühendisliğiİstanbul Teknik Üniversitesi

    PROF.DR. M. EMİN TACER

  2. Tez No

    83118

    Bulanık kontrol ve uygulamaları

    Fuzzy control and applications

    SAİME ŞAKA

    Yüksek Lisans

    Türkçe

    Türkçe

    1999

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik Üniversitesi

    Elektrik Mühendisliği Ana Bilim Dalı

    DOÇ. DR. METİN GÖKAŞAN

  3. Tez No

    276981

    Development of fuzzy syllogistic algorithms and applications distributed reasoning approaches

    Bulanık tasım algoritmaların geliştirilmesi ve dağıtık çıkarsama yaklaşımı olarak uygulanması

    HÜSEYİN ÇAKIR

    Yüksek Lisans

    İngilizce

    İngilizce

    2010

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİzmir Yüksek Teknoloji Enstitüsü

    Bilgisayar Mühendisliği Ana Bilim Dalı

    YRD. DOÇ. DR. BORA İ. KUMOVA

  4. Tez No

    75496

    Bir bulanık kontrolörün performans analizi

    Performance analysis of a fuzzy logic controller

    HÜSEYİN KAHRAMAN

    Yüksek Lisans

    Türkçe

    Türkçe

    1998

    Makine Mühendisliğiİstanbul Teknik Üniversitesi

    Makine Mühendisliği Ana Bilim Dalı

  5. Tez No

    604023

    Borsa İstanbul hisse senedi getirilerinin yatırımcı duyarlılığı aracılığıyla tahmin edilmesi

    Estimation of İstanbul Stock Exchange share return via investor sentiment

    SALİM SERCAN SARI

    Doktora

    Türkçe

    Türkçe

    2019

    İşletmeErzincan Binali Yıldırım Üniversitesi

    İşletme Ana Bilim Dalı

    DR. ÖĞR. ÜYESİ ŞULE YÜKSEL YİĞİTER

Geri Dön