YSA, DVM ve Karar Ağacı ile Tarımsal Emtiaların Fiyat Endekslerinin Tahminlenmesi: Kuru Üzüm Örneği

Forecasting the Direction of Agricultural Commodity Price Index through ANN, SVM and Decision Tree: Evidence from Raisin

Özet

Emtia fiyat endekslerinin başarılı bir şekilde tahminlenmesi ekonomik aktörlere doğru alım satım kararları verebilmeleri için fayda sağlamaktadır. Türkiye’deki ticaret borsalarında işlem gören tarımsal ürünlerden biri olan kuru üzüm fiyatlarının oynak değişkenler kullanılarak tahminlenmesinin incelendiği çalışmada üç temel soru üzerinde durulmuştur. İç karışıklığın yüksek olduğu ülkelerde sosyal ve politik olaylar kuru üzüm fiyatlarını etkiler mi? Oynaklığı yüksek olan değişkenler kullanılarak kuru üzüm fiyat endeksleri tahminlenebilir mi? Son olarak, bu tip bir çalışmada Yapay Sinir Ağları (YSA), Karar Ağacı ve Destek Vektör Makineleri (DVM) yöntemlerinden hangisinin tahmin performansı daha yüksektir? Bu amaçla oluşturulan tahmin modeline YSA, KA ve DVM yöntemleri uygulanmış ve yöntemlerin tahmin performansları karşılaştırılmıştır. Uygulama sonuçları, oynak değişkenler ile sosyal ve politik olayların kuru üzüm fiyatlarının tahminlenmesinde kullanılabileceğini ve ilgili modelde DVM yönteminin en yüksek doğruluk oranını verdiğini göstermiştir.

Abstract

To be able to make appropriate actionsduring buying, selling or holding decisions,economic actors need accurate commodityprice forecasts. This study focuses on forecastingraisin price by using predetermined volatilevariables. Therefore, we seek for answers ofthree main questions. Do the social & politicalissues effect raisin price in countries thathave internal disturbance? By using volatilevariables, can we represent or predict priceindex thoroughly? Lastly, which method hasthe best prediction performance; ArtificialNeural Networks (ANN), Decision Tree orSupport Vector Machine (SVM)? In accordancewith these purposes, ANN, decision tree andSVM methods are implemented for proposedmodel and their prediction performances arecompared. Experimental results showed thataccuracy performance of SVM method wasfound significantly better than ANN method anddecision tree.