Gelişmiş Arama

Basit öğe kaydını göster

dc.contributor.advisorDemirer, Ömür
dc.contributor.authorBağcı, Buğra
dc.date.accessioned2019-03-26T08:18:10Z
dc.date.available2019-03-26T08:18:10Z
dc.date.issued2018
dc.date.submitted2018-10-26
dc.identifier.citationBağcı, B. (2018). Bulanık esnek kümelere dayalı birleştirilmiş bir tahminleme yaklaşımı (Yüksek Lisans Tezi).en_US
dc.identifier.urihttps://hdl.handle.net/11491/271
dc.description.abstractGelecekteki belirsizlik insanoğlunu tarih boyunca korkutmuş ve insanoğlu da bu duruma karşılık, belirsizliği azaltmak veya onu ortadan kaldırabilmek için faklı yöntemler kullanmıştır. Gelecek olayların ve şartların daha önceden tahmin edilmesinin işletmecilikte olduğu gibi, makroekonomi, biyoloji, tıp, mühendislik ve sosyal bilimler alanlarında da çok önemli olduğu bilinmektedir. Gelecek bir zamanda gerçekleşecek senaryolara hazırlıklı olmak, planlar yapıp politikalar belirlemek ve nihayetinde kararlar almak ancak geleceğin iyi tahmin edilmesiyle mümkün olabilecektir. Bu şekilde yapılacak iyi bir tahmin geleceğin belirsizliğinden kaynaklanan endişeyi de azaltacaktır. Günümüzde, regresyon analizi, zaman serileri analizleri ve sezgisel yöntemler gibi birçok tahmin tekniği kullanılmaktadır. Fakat her bir yöntemin altyapısı ve algoritması birbirinden farklı olduğu için farklı sonuçlar üretmektedir. Tahmin sonuçları ile direkt olarak ilgilenen kişiler ve kurumlar da, en doğru sonucu veren analiz tekniğini bilmek istemektedirler. Çünkü, haklı olarak gelecekteki olayların doğru tahmini, yoğun rekabet ortamında ilgililere üstünlük sağlayabilecektir. İşte bu noktadan hareket edilerek hazırlanan bu tez çalışmasında farklı tahmin teknikleri, kurulan bir bulanık esnek küme üzerinde birleştirilmiş ve tek bir çıktı ile tahmin değeri elde edilmiştir. Analizlerde BIST 100 endeksi düzey değerleri ve bu değişken üzerinde etkisi olduğu düşünülen makroekonomik değişkenlere ilişkin gerçek veriler kullanılmıştır. Oluşturulan bu veri seti gerek tek, gerekse çok boyutlu olarak çalışan farklı tahmin yöntemleri ile analiz edilmiş ve elde edilen sonuçlar bulanık esnek küme üzerinde birleştirilmiştir. Her bir yöntem ve kombin modelin başarısı hata terimleri ile ölçülmüş ve bu ölçüm kombin modeli öne çıkarmıştır.en_US
dc.description.abstractThe uncertainty of the future has frightened mankind throughout history, and mankind has used many techniques in response to this in order to reduce uncertainty or to remove it. It is well known that macroeconomics, biology, medicine, engineering and social sciences are very important as well as the way of forecasting future events and conditions is in business. Preparing for the script that will take place at an unprecedented time, making plans and determining policies and ultimately making decisions will only be possible with good predictions of the future. A good estimate of this will also reduce the anxiety of uncertainty. Today, there are many estimation techniques used, such as regression analysis, time series analyzes and heuristic methods. However, each method produces different results because its infrastructure and algorithm are different from each other. Those who are directly interested in forecasting results want to know the most accurate end result analysis technique. Because, rightly, the accurate prediction of future events will provide an advantage in the intense competition environment. In this thesis study prepared by moving from point to point, different estimation techniques are combined on a set of fuzzy soft sets and a prediction value is obtained with a single output. In the analysis, the actual data on macroeconomic variables that are thought to have an impact on the BIST 100 levels are used. The generated data set was analyzed with a univariate or multivariate estimate analysis and the obtained results were combined on a fuzzy set. The success of each method and combination model was measured by error terms and this measurement puts forward the combined model.en_US
dc.description.tableofcontentsİÇİNDEKİLER -- ÖZET,i -- ABSTRACT,ii -- İÇİNDEKİLER,iii -- TABLOLAR DİZİNİ,vi -- ŞEKİLLER DİZİNİ,vii -- SİMGELER VE KISALTMALAR,viii -- ÖN SÖZ,x -- GİRİŞ,1 -- BİRİNCİ BÖLÜM -- KURAMSAL TEMELLER VE KAYNAK ARAŞTIRMASI -- 1.1. KLASİK KÜMELER, 7 -- 1.1.1. Klasik Kümelerde Temel Tanım ve Kavramlar, 10 -- 1.2. BULANIK KÜMELER, 12 -- 1.2.1. Üyelik Fonksiyonlarının Özellikleri, 17 -- 1.2.2. Üyelik Fonksiyonlarının Kısımları, 18 -- 1.2.3. Üyelik Fonksiyonlarının Türleri, 20 -- 1.2.4. Bulanık Kümelerde Temel Tanım ve Kavramlar, 21 -- 1.3. ESNEK KÜMELER, 24 -- 1.3.1. Esnek Kümelerde Temel Tanım ve Kavramlar, 30 -- 1.3.2. Esnek Çarpımlar, 35 -- 1.4. BULANIK ESNEK KÜMELER, 37 -- 1.4.1. Bulanık Esnek Kümelerde Temel Tanım ve Kavramlar, 42 -- 1.5. REGRESYON ANALİZİ, 45 -- 1.5.1. Basit Doğrusal Regresyon Analizi, 46 -- 1.5.2. Basit Doğrusal Olmayan Regresyon Analizi, 49 -- 1.5.3. Çoklu Doğrusal Regresyon Analizi, 50 -- 1.6. YAPAY SİNİR AĞLARI, 52 -- 1.6.1. Biyolojik Sinir Hücresi, 53 -- 1.6.2. Yapay Sinir Hücresi, 55 -- 1.6.3. Yapay Sinir Ağlarının Yapısı, 57 -- 1.6.4. Yapay Sinir Ağlarında Öğrenme, 59 -- 1.6.5. Yapay Sinir Ağlarında Öğrenme Kuralları, 61 -- 1.6.6. Yapay Sinir Ağı Modelleri, 63 -- 1.6.7. Yapay Sinir Ağlarının Sınıflandırılması, 69 -- 1.7. ZAMAN SERİLERİ ANALİZİ, 71 -- 1.7.1. Zaman Serilerinde Temel Kavramlar, 71 -- 1.7.1.1. Otokovaryans ve Otokorelasyon Fonksiyonları, 71 -- 1.7.1.2. Kısmi Otokorelasyon Fonksiyonu, 72 -- 1.7.1.3. Rassal Yürüyüş Süreci, 73 -- 1.7.1.4. Beyaz Gürültü Süreci, 73 -- 1.7.1.5. Gecikme İşlemcisi, 74 -- 1.7.1.6. Fark İşlemcisi, 74 -- 1.7.1.7. Durağanlık Kavramı, 75 -- 1.7.2. Tek Değişkenli Zaman Serileri Analizleri, 77 -- 1.7.2.1. Otoregresif Model (AR), 77 -- 1.7.2.2. Hareketli Ortalama Modeli (MA), 78 -- 1.7.2.3. Üssel Düzeltme, 79 -- 1.7.2.4. ARMA Modeli, 81 -- 1.7.2.5. ARIMA Modeli, 81 -- 1.7.3. Çok Değişkenli Zaman Serileri Analizleri, 83 -- 1.7.3.1. Var Modelleri, 83 -- 1.7.3.2. Etki Tepki Fonksiyonları, 85 -- 1.7.3.3. Varyans Ayrıştırma, 86 -- 1.8. BULANIK ESNEK KÜMELERE DAYALI KARMA TAHMİNLEME MODELİ,87 -- İKİNCİ BÖLÜM -- MATERYAL VE YÖNTEM -- 2.1. VERİ TOPLAMA YÖNTEMİ VE ÖZELLİKLERİ, 92 -- 2.2. VERİ SETİ, 92 -- 2.3. TEST İSTATİSTİKLERİ, 99 -- ÜÇÜNCÜ BÖLÜM -- ARAŞTIRMA BULGULARI VE TARTIŞMA -- 3.1. TAHMİNLEME TEKNİKLERİNE İLİŞKİN SONUÇLAR, 101 -- 3.1.1. Regresyon Analizi Bulguları, 101 -- 3.1.2. Yapay Sinir Ağları Bulguları, 111 -- 3.1.3. ARIMA Bulguları, 118 -- 3.1.4. Üssel Düzeltme Bulguları, 125 -- 3.2. TAHMİN SONUÇLARININ KOMBİN MODEL ÜZERİNDE -- BİRLEŞTİRİLMESİNE İLİŞKİN SONUÇLAR, 126 -- SONUÇ VE ÖNERİLER, 132 -- KAYNAKÇA, 136 --en_US
dc.language.isoturen_US
dc.publisherHitit Üniversitesi Sosyal Bilimler Enstitüsüen_US
dc.rightsinfo:eu-repo/semantics/openAccessen_US
dc.subjectTahminlemeen_US
dc.subjectBulanık Esnek Kümeleren_US
dc.subjectKombin Modelleren_US
dc.titleBulanık esnek kümelere dayalı birleştirilmiş bir tahminleme yaklaşımıen_US
dc.title.alternativeCombined estimation method on fuzzy soft setsen_US
dc.typedoctoralThesisen_US
dc.departmentHitit Üniversitesi, Sosyal Blimler Enstitüsü, İşletme Anabilim Dalıen_US
dc.relation.publicationcategoryTezen_US


Bu öğenin dosyaları:

Thumbnail

Bu öğe aşağıdaki koleksiyon(lar)da görünmektedir.

Basit öğe kaydını göster