KaydedilenlerDerginizi ekleyin

Dergiler / Bankacılar / 2019 / Cilt: 30 - Sayı: 108

Zaman Serisi Verilerinde KullanÕlan Tahmin Tekniklerinin Veri Özelliklerine Göre Belirlenmesi ve KarúÕlaútÕrÕlmasÕ: BøST-100 Endeksi Üzerine Uygulama

Determination and Comparison of Forecasting Methods Used in Time Series by Data Features: An Application on BIST 100 Index

Hakan Aydoğan
Hakan YILDIRIM
Sami Özcan
Sayfa
42–56
Yayın Tarihi
2022-10-11
DOI
—
🏛️Bu makalenin bibliyografik verileri ve tam metin bağlantısı DergiPark üzerinden sağlanmıştır.
DergiPark Kaydı ↗
✨

Yapay Zeka Hızlı Bakış & Çıkarımlar

AI Insight
⚡ TL;DR(1 Cümlede Hızlı Çıkarım)

Sonuç olarak zaman serisinin bileúenlerine göre öncelikle tahmin tekniklerinin belirlenmesinin hem zaman olarak hem de hesaplama açÕsÕndan karar vericilere olumlu katkÕ sa÷layaca÷ÕnÕ söylemek mümkündür.

📌 3 Maddede Bu Makale

🎯
Amaç & Hipotez:Literatürde birçok tahmin tekni÷i yer almasÕna ra÷men en temel tahmin teknikleri hareketli ortalamalar, üstel düzeltme, ileri düzey üstel düzeltme tahmin teknikleri ve Pegels’in sÕnÕflandÕrma yöntemidir.
📊
Temel Bulgular & Veri:Toplamda 18 farklÕ yöntemden oluúan bu temel tekniklerin hepsi için hesaplamalar yapmak oldukça zor ve zaman alÕcÕdÕr.
💡
Sonuç & Katkı:Sonuç olarak zaman serisinin bileúenlerine göre öncelikle tahmin tekniklerinin belirlenmesinin hem zaman olarak hem de hesaplama açÕsÕndan karar vericilere olumlu katkÕ sa÷layaca÷ÕnÕ söylemek mümkündür.
🔬Tür:Literatür & Derleme Çalışması
📍Kapsam:2005 – 2017 Verileri
⚙️Değişkenler:Alan Parametreleri

Özet

Literatürde birçok tahmin tekni÷i yer almasÕna ra÷men en temel tahmin teknikleri hareketli ortalamalar, üstel düzeltme, ileri düzey üstel düzeltme tahmin teknikleri ve Pegels’in sÕnÕflandÕrma yöntemidir. Toplamda 18 farklÕ yöntemden oluúan bu temel tekniklerin hepsi için hesaplamalar yapmak oldukça zor ve zaman alÕcÕdÕr. Bu nedenle, çalÕúmada 2005 – 2017 arasÕndaki yÕllÕk ve 2010 Ocak – 2018 Nisan arasÕndaki aylÕk BøST-100 tüm endeks ortalama de÷erlerinin trend ve mevsimlik bileúenleri incelenmiú ve temel tahmin tekniklerinden 6 tanesine göre tahminler yapÕlmÕútÕr. Sonuç olarak zaman serisinin bileúenlerine göre öncelikle tahmin tekniklerinin belirlenmesinin hem zaman olarak hem de hesaplama açÕsÕndan karar vericilere olumlu katkÕ sa÷layaca÷ÕnÕ söylemek mümkündür.

Abstract

Although there are many forecasting methods in the literature, the most basic ones are moving averages, exponential smoothing methods, advanced exponential smoothing methods and Pegel’s classification method. It is difficult and time-consuming to calculate for all of these basic methods, which consist of a total of 18 different methods. Thus, in this paper, the trend and seasonal components of BIST-100 index between 2005 and 2017 as annually and between January 2010 and April 2018 as monthly average were analyzed and forcested based on 6 of these basic forecasting methods. As a result, it is possible to say that determination of forecasting methods firstly according to the components of time series will contribute positively to decision makers in terms of both time and calculation

🔖

Bu Makaleye Atıf Yap

Aydoğan, H., YILDIRIM, H., Özcan, S. (2022). Zaman Serisi Verilerinde KullanÕlan Tahmin Tekniklerinin Veri Özelliklerine Göre Belirlenmesi ve KarúÕlaútÕrÕlmasÕ: BøST-100 Endeksi Üzerine Uygulama. Bankacılar, Cilt: 30 - Sayı: 108, 42–56. https://ajindex.com/articles/461739

📄 Tam Metin PDF Okuyucu

📄

PDF görüntüleyici hazırlanıyor...

Kaynakça (5)

  1. Akgül, I. (2003). Geleneksel Zaman Serisi Yöntemleri. Der YayÕnevi, østanbul. Anderson, D.R., Sweeney, D.J., Williams, T.A. ve Martin, K. (2008). An Introduction To Management Science Quantitive Approaches To Decision Making. 20.BaskÕ, Thomson South-Western Inc, Kanada. Armutlulu, ø.H. (2008). øúletmelerde UygulamalÕ østatistik. 2.BaskÕ, Alfa BasÕm YayÕm Da÷ÕtÕm, østanbul. Athanasopoulos, G., Hyndman, R. J., Song, H. ve Wu, D. C. (2011). The Tourism Forecasting Competition. International Journal of Forecasting, 27, 822 – 844. AydÕn, A.D ve Cavdar, ù.Ç. (2015). Comparison of Prediction Performances of Artificial Neural Network (ANN) and Vector Autoregressive (VAR) Models by Using the Macroeconomic Variables of Gold Prices, Borsa Istanbul (BIST) 100 Index and US Dollar-Turkish Lira (USD/TRY) Exchange Rates. Procedia Economics and Finance, 30, 3 – 14. Borsa İstanbul, http://www.borsaistanbul.com/docs/default-source/endeksler/BIST-pay-endeksleri- temel-kurallari.pdf?sfvrsn=10 E.T: 21.06.2018. BoyacÕo÷lu, M.A. ve AvcÕ, D. (2010). An Adaptive Network-Based Fuzzy Inference System (ANFIS) For The Prediction Of Stock Market Return: The Case Of The Istanbul Stock Exchange. Expert Systems with Applications, 37(12), 7908–7912.
  2. Chen, A., Leung, M.T., Daouk, H. (2003). Application Of Neural Networks To An Emerging Financial Market: Forecasting And Trading The Taiwan Stock Index. Computers and Operations Research, 30, 901-923.
  3. Cook, T.M. ve Russell, R.A. (1981). Introduction To Management Science. 2.BaskÕ, Prentice/Hall Inc, United States of America. Çekerol, G.S. ve Ulukan, A. (2012). Kantitatif Tahmin Yöntemleri. Nisan Kitabevi,
  4. Ankara.
  5. Çekici, M. E. ve ønel, M. N. (2013). Türk Sigorta Sektörünün Direkt Prim Üretimlerinin Tahmin Teknikleri øle øncelenmesi. Marmara Üniversitesi øktisadi ve ødari Bilimler Dergisi, 34 (1), 135 – 152. Çuhadar, M. (2014). Mu÷la øline Yönelik DÕú Turizm Talebinin Modellenmesi ve 2012 – 2013 YÕllarÕ øçin Tahminlenmesi. UluslararasÕ øktisadi ve ødari øncelemeler Dergisi, 12, 1 – 22. Grubb, H. ve Mason, A. (2001). Long Lead-Time Forecasting of UK Air Passengers By Holt–Winters Methods With Damped Trend. International Journal of Forecasting, 17, 71 – 82. Gündüz, H. ve Çataltepe, Z. (2013). Prediction of østanbul Stock Exchange (ISE) Direction Based on News Articles. Conference: The Third International Conference on Digital Information Processing and Communications (ICDIPC2013). January 30 – February 1 2013, Dubai, 320 – 330. Hanke, J. E. ve Wich