HIGH ORDER FUZZY TIME SERIES MODEL AND ITS APLICATION TO IMKB

Abstract

The observations of some real time series such as temperature and stock market can take differentvalues in a day. Instead of representing the observations of these time series by real numbers, employinglinguistic values or fuzzy sets can be more appropriate. In recent years, many approaches havebeen introduced to analyze time series consisting of observations which are fuzzy sets and such timeseries are called fuzzy time series. In this study, a novel approach is proposed to analyze high orderfuzzy time series model. The proposed method is applied to IMKB data and the obtained results arediscussed. IMKB data is also analyzed by using some other fuzzy time series methods available in theliterature and obtained results are compared to results obtained from the proposed method. As a resultof the comparison, it is seen that the proposed method produce accurate forecasts.

Özet

Gerçek hayatta karşılaşılan sıcaklık, borsa gibi bazı zaman serilerinin gözlemleri gün içinde birden çok değer alabilmektedir. Bu tür zaman serilerinin gözlemlerini gerçel sayılarla belirtmek yerine, dilsel değerlerle ya da bulanık kümeler ile belirtmek daha uygun olabilir. Gözlemleri bulanık kümeler olan ve bulanık zaman serisi olarak adlandırılan zaman serilerinin çözümlenmesi için son yıllarda çok sayıda yöntem geliştirilmiştir. Bu çalışmada, yüksek dereceli bulanık zaman serisi modelinin çözümlenmesi için yeni bir yaklaşım önerilmiştir. Önerilen yaklaşım IMKB verilerine uygulanmış ve elde edilen sonuçlar tartışılmıştır. IMKB verileri literatürdeki diğer bulanık zaman serileri modelleriyle de çözülmüş ve sonuçlar önerilen yöntemle karşılaştırılmıştır. Yapılan karşılaştırma sonucu önerilen yöntemin oldukça iyi öngörüler ürettiği görülmüştür.

Keywords: Bulanık zaman serileri, Geri beslemeli ağlar, Öngörü, Yapay sinir ağları