ARCH yapılı basamaklı yapay sinir ağı modeli ile zaman serisi öngörüsü
Time series forecasting via ARCH-type cascade artificial neural network model
- Tez No: 708638
- Danışmanlar: PROF. DR. UFUK YOLCU
- Tez Türü: Yüksek Lisans
- Konular: İstatistik, Statistics
- Anahtar Kelimeler: ARCH model, GARCH model, Genetik algoritmalar, Yapay sinir ağları, Zaman serileri analizi, ARCH model, GARCH model, Genetic algorithms, Artificial neural networks, Time series analysis
- Yıl: 2022
- Dil: Türkçe
- Üniversite: Giresun Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: İstatistik Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: Belirtilmemiş.
Özet
Zaman serisi öngörüsü problemleri olasılıksal ve olasılıksal olmayan yaklaşımlar olarak iki başlıkta incelenebilir. Olasılıksal modeller, istatistiksel yaklaşımları temel alan Otoregresif (AR), Hareketli Ortalama (MA), Otoregresif Hareketli Ortalama (ARMA), Otoregresif Koşullu Değişen Varyans Modeli (ARCH) ve Genelleştirilmiş Otoregresif Koşullu Değişen Varyans Modeli (GARCH) gibi yaklaşımlardır. Bunun yanı sıra, bir zaman serisi tahmin aracı olarak, olasılıksal olmayan zaman serisi tahmin modellerinden, hesaplamalı yöntemler olarak da bilinen, Yapay Sinir Ağları (YSA) yaygın ve başarılı bir şekilde kullanılmaktadır. Bu çalışmada, ARCH yapılı bir yapay sinir ağı modeliyle girdiler ile çıktılar arasındaki doğrusal ve doğrusal olmayan ilişkileri birlikte, eş zamanlı tek bir süreç içerisinde, modelleyebilen bir zaman serisi öngörü aracı ortaya konmuştur. Bu tez kapsamında, Basamaklı-İleri Beslemeli-Yapay Sinir Ağı (B-YSA-Cascade Forward Artificial Neural Network) tekrarlayan (recurrent) bir yapıya dönüştürülerek kullanılmış ve ağın eğitimi genetik algoritma ile gerçekleştirilmiştir. Bu tez kapsamında önerilen ARCH-B-YSA'nın performansı ortaya konması adına,106 gözlemden oluşan, (Borsa İstanbul'da işlem gören piyasa ve işlem hacmi açısından en yüksek 100 hisse senedinin) oluşturduğu zaman serisi (BIST100) ve CIF2016 (2016 yılı Uluslararası Zaman Serisi Öngörü Yarışması=International Time Series Forecasting Competition) kapsamında kullanılan 48 zaman serisi . BIST-100 zaman serileri için gerçekleştirilen 6 analiz sonucunda önerilen modelin tatmin edici ve üstün öngörü sonuçları ürettiği görülmüştür. Ayrıca, CIF2016 zaman serileri için 288 analizin her biri için gerçekleştirilen 50 tekrar sonucunda, önerilen ARCH-B-YSA modelinin tüm durumların %71 inde en iyi ve diğerlerinde ise rekabetçi öngörü sonuçları ürettiği görülmüştür.
Özet (Çeviri)
Time-series prediction problems can be under two approaches: probabilistic and nonprobabilistic approaches. Probabilistic models are approaches based on statistical approaches such as Autoregressive (AR), Moving Average (MA), Autoregressive Moving Average (ARMA), Autoregressive Conditional Variance Model (ARCH), and Generalized Autoregressive Conditional Variance Model (GARCH). In addition, Artificial Neural Networks (ANN), one of the non-probabilistic time series porecasting models, also known as computational methods, are widely and successfully used as a time series forecasting tool. In this study, a time series prediction that can model linear and non-linear relationships between inputs and outputs together in a single simultaneous process with an ARCH structured artificial neural network model has been introduced. Within the scope of this thesis, the Cascade Forward Artificial Neural Network was transformed into a recurrent structure and the training of the network was studied with a genetic algorithm. To demonstrate the performance of the ARCHCascade Forward-ANN proposed within the scope of this thesis, the time series (BIST100) and CIF2016 (2016) consisting of 106 observations (the highest 100 stocks traded in Borsa Istanbul in terms of market and trading volume) 48-time series used within the scope of the International Time Series Forecasting Competition. As a result of 6 analyzes performed for the BIST-100 time series, it was seen that the proposed model produced satisfactory and superior prediction results. In addition, as a result of 50 iterations performed for each of the 288 analyzes for the CIF2016 time series, it was seen that the proposed ARCH-CF-ANN model produced the best results in 71% of all cases and competitive prediction results in the others.
Benzer Tezler
- Aortik ark anomalili vasküler ring oluşturan fetüslerin postnatal değerlendirilmesi
Postnatal outcomes of fetuses forming vascular ring with aortic ARCH anomaly
REYHAN SAĞLAM
Tıpta Uzmanlık
Türkçe
2023
Kadın Hastalıkları ve DoğumSağlık Bilimleri ÜniversitesiKadın Hastalıkları ve Doğum Ana Bilim Dalı
DR. ÖĞR. ÜYESİ SEVİM ÖZGE ÖZDEMİR
- Cinsiyet tayininde kanin, premolar ve molar diş indekslerinin kullanılabilirliği
Usability of indexes of canin, premolar and molar teeths in sex determination
UMUT ERDAR BİLGİN
- A model for assessing project management maturity level of architectural design offices (ARCH-PMM)
Mimari tasarım bürolarının proje yönetimi olgunluk seviyelerini ölçen bir model (ARCH-PMM)
DOĞAN ARDA BESET
Doktora
İngilizce
2007
Mimarlıkİzmir Yüksek Teknoloji EnstitüsüMimarlık Ana Bilim Dalı
DOÇ. DR. H. MURAT GÜNAYDIN
- Sustainability in vernacular architecture of Iraq and its applicability in modern residential buildings in Iraq region
Irak geleneksel mimarisinde sürdürebilirlilik ve bunun Irak bölgesindeki modern konutlarda uygulanabilirliliği
AHMED BASİL AYYASH
Yüksek Lisans
İngilizce
2015
İç Mimari ve DekorasyonÇankaya Üniversitesiİç Mimarlık Ana Bilim Dalı
Assist. Prof. Dr. ÇİĞDEM GÖKHAN
- Comparison of microtremor measurements and 3-D soil structure interaction analysis for a historical masonry arch bridge under near-fault and far-fault earthquakes
Tarihi yığma yapılı bir kemer köprünün yakın ve uzak fay depremleri etkisinde 3D zemin-yapı etkileşimi analizi ile mikrotremor ölçümlerinin karşılaştırılması
FEYZULLAH ÖZEL
Yüksek Lisans
İngilizce
2019
İnşaat MühendisliğiGaziantep Üniversitesiİnşaat Mühendisliği Ana Bilim Dalı
DOÇ. DR. HAMZA GÜLLÜ