SavedAdd your journal

Journals / Erciyes Üniversitesi İktisadi ve İdari Bilimler Fakültesi Dergisi / 2009 / Sayı: 33

ZAMAN SERİSİANALİZİNDE MLP YAPAY SİNİR AĞLARI VE ARIMA MODELİNİN KARŞILAŞTIRILMASI

Oğuz Kaynar
Serkan Taştan
Pages
161–172
Publication Date
2015-05-16
DOI
—
🏛️Bibliographic metadata and full text access for this article are provided via DergiPark.
DergiPark Record ↗
✨

AI Summary & Key Takeaways

AI Insight
⚡ TL;DR(Too Long; Didn't Read)

Elde edilen sonuçlar Yapay sinir ağlarının finansal verilerin tahmininde kullanılabilecek başarılı bir yöntem olduğunu göstermiştir

📌 3 Key Takeaways

🎯
Objective & Hypothesis:Bu çalışmada zaman serisi analizinde yaygın olarak kullanılan Box-Jenkis modelleri ile ileri beslemeli yapay sinir ağlarının bir karşılaştırması yapılmıştır.
📊
Key Findings & Data:Farklı Box-Jenkins ve yapay sinir ağları modelleri oluşturulmuş, her bir teknik için en iyi sonuçları veren modeller seçilerek karşılaştırma yapılmış-tır.
💡
Conclusion & Impact:Elde edilen sonuçlar Yapay sinir ağlarının finansal verilerin tahmininde kullanılabilecek başarılı bir yöntem olduğunu göstermiştir
🔬Design:Modeling & Simulation
📍Scope:Comprehensive Sample
⚙️Variables:Yapay sinir ağları · ARIMA · Zaman serileri

Özet

Bu çalışmada zaman serisi analizinde yaygın olarak kullanılan Box-Jenkis modelleri ile ileri beslemeli yapay sinir ağlarının bir karşılaştırması yapılmıştır. Veri seti olarak aylık ve günlük döviz (YTL/$) kuru verileri kullanılmıştır. Farklı Box-Jenkins ve yapay sinir ağları modelleri oluşturulmuş, her bir teknik için en iyi sonuçları veren modeller seçilerek karşılaştırma yapılmış-tır. Elde edilen sonuçlar Yapay sinir ağlarının finansal verilerin tahmininde kullanılabilecek başarılı bir yöntem olduğunu göstermiştir

🔖

Cite This Article

Kaynar, O., Taştan, S. (2015). ZAMAN SERİSİANALİZİNDE MLP YAPAY SİNİR AĞLARI VE ARIMA MODELİNİN KARŞILAŞTIRILMASI. Erciyes Üniversitesi İktisadi ve İdari Bilimler Fakültesi Dergisi, Sayı: 33, 161–172. https://ajindex.com/articles/119134

📄 Full Text PDF Viewer

📄

PDF görüntüleyici hazırlanıyor...

References (12)

  1. FAUSETT, Laurene; (1994), Fundamentals of Neural Networks: Architec- tures, Algorithms and Applications, Prentice Hall.
  2. HANN, Tae Horn ve STEURER, Elmar; (1996), “Much Ado About Nothing? Exchange Rate Forecasting: Neural Networks Vs. Linear Models Using Monthly And Weekly Data”, Neurocomputing, Vol. 10, ss.323–339.
  3. KAMRUZZAMMAN, Joarder ve SARKER, Ruhul A.; (2003), “Forecasting of Currency Exchange Rates using ANN: A Case Study”, Proc. IEEE International Conference on Neural Networks & Signal Processing (ICNNSP03), Nanjing, China, ss.793-797.
  4. KUAN, Chung Ming ve LIU, Tung; (1995), “Forecasting Exchange Rates Using Feedforward And Recurrent Neural Networks”, Journal of Applied Econometrics, Vol. 10, pp. 347–364.
  5. ÖZTEMEL, Ercan; (2003), Yapay Sinir Ağları, Papatya Yayıncılık, İstanbul.
  6. TANG, Zaiyong ve FISHWICK, Paul A.; (1993), “Feedforward Neural Nets As Models For Time Computing, 5(4), ss.374–385. Series
  7. Forecasting”,ORSA Journal on
  8. WEIGEND, Andreas S., HUBERMAN, Barnardo A. ve RUMELHART, David E.; (1992), “Predicting sunspots and exchange rates with connectionist Networks In Nonlinear modeling and forecasting”, Addison-Welsey, ss. 395–432.
  9. WU, Berlin; (1995), “Model-Free Forecasting For Nonlinear Time Series (With Application to Exchange Rates”, Computational Statistics and Data Analysis, Vol.19, ss. 433–459.
  10. ZHANG, Gioqinang ve HU, Michael Y.;(1998), “Neural Network Forecasting of the British Pound/US Dollar Exchange Rate”, OMEGA: Int. Journal of Management Science, Vol. 26, ss. 495-506.
  11. ZHANG, Gioqinang, PATUWO, B. Eddy ve HU, Michael Y., (1998) “Forecasting With Artificial Neural Networks: The State Of The Art”, International Journal of Forecasting, Vol.14, ss.35-62.
  12. ZHANG, Gioqinang ve HU, Michael Y.;(1998), “Neural Network Forecasting of the British Pound/US Dollar Exchange Rate”, OMEGA: Int. Journal of Management Science, Vol. 26, ss. 495-506.