Modelling and forecasting time series data using ATA method

---

Tezin Türü: Doktora

Tezin Yürütüldüğü Kurum: Dokuz Eylül Üniversitesi, Fen Bilimleri Enstitüsü, İstatistik Ana Bilim Dalı, Türkiye

Tezin Onay Tarihi: 2017

Tezin Dili: İngilizce

Öğrenci: HANİFE TAYLAN SELAMLAR

Danışman: GÜÇKAN YAPAR

Açık Arşiv Koleksiyonu: AVESİS Açık Erişim Koleksiyonu

Özet:

Özellikle geleceğe ilişkin tahminlerde bulunmak ve iyi tahminler yapmak her zaman kolay değildir. Bununla birlikte, daha iyi tahminler tüm bilimlerin temelini oluşturur, dolayısıyla doğru, dayanıklı ve güvenilir tahmin yöntemlerinin geliştirilmesi çok önemlidir. Literatürde çok sayıda tahminleme yöntemi önerilmiş ve çalışılmıştır. Literatürde hala Box-Jenkins ARIMA ve Üssel Düzleştirme (ÜD) Yöntemi olmak üzere iki temel yöntem bulunmaktadır ve diğer tahminleme yöntemleri de bu iki temel yöntemden türetilen ya da onlardan ilham alan yöntemlerdir. 50 yıldan uzun süren yaygın kullanımdan sonra üssel düzleştirme, özellikle ünlü tahminleme yarışmalarında (M-competition) otomatik tahmin prosedürleri gibi basitlik, dayanıklılık ve doğruluklarından dolayı mevcut en prestijli tahmin yöntemlerinden biridir. Bu yarışmalardaki iyi bilinen gerçek, ÜD'nin daha karmaşık ARIMA modellerine karşı kanıtlanmış bir başarısı olduğudur. ÜD modellerinin başarısı ve yaygın kullanımı birçok alanda olmasına rağmen, tahminlerin doğruluğunu olumsuz yönde etkileyen bazı eksikliklere sahiptir. Bu nedenle, bu eksikliklerin üstesinden gelmek için bu tezde yeni bir tahmin metodu önerilecektir ve buna ATA metodu denilecektir. Bu yeni yöntem, düzleştirme parametrelerini değiştirerek geleneksel ÜD modellerinden elde edilir, bu nedenle her iki yöntem de aynı yapısal formlara sahiptir ve ATA her ÜD modeline kolayca uygulanabilir. Her iki yöntem de, tahmin tekniklerinin performansını değerlendirmek için yaygın olarak kullanılan popüler metriklerde karşılaştırılacaktır. ATA modellerinin doğruluk, basitlik, hız ve yorumlanabilirlik bakımından daha iyi bir performansa sahip oldukları gösterilecektir. ATA yönteminin performansı, ünlü M3-Yarışması veri setindeki farklı performans kriterlerine göre yalnızca ÜD değil, aynı zamanda diğer en başarılı rakiplerle karşılaştırılacaktır çünkü bu veri seti en yeni ve kapsamlı zaman serisi veri koleksiyonudur.