Özet:

Özet: Bu çalışmada, durağan olmayan zaman serileri için kullanılan tahmin tekniklerinin karşılaştırmalı analizi yapılmıştır. Tek değişkenli analiz için Box-Jenkins, Çok değişkenli analizler için Çoklu Regresyon ve Yapay Sinir Ağları yöntemleri kullanılmıştır. Veri olarak 2000-2014 yıllarına ait aylık Türkiye pamuk fiyatları, Dünya pamuk fiyatları, Türkiye buğday fiyatları ve Türkiye mısır fiyatları kullanılmıştır. Analiz yöntemlerinin tahmin gücünü ölçmek için verilerin % 10’luk kısmı analize dâhil edilmemiştir. Yapılan analizler sonucunda kullanılan yöntemlerin son 18 aylık dönemle ilgili elde edilen tahmin değerleri karşılıklı olarak incelenmiştir. Birim kök testleri uygulanarak değişkenlerin durağanlığı incelenmiştir. Türkiye pamuk fiyatlarına bir ve iki yapısal kırılmaya kadar izin veren sırasıyla Zivot-Andrews ve Lumsdaine-Papell yapısal kırılmalı birim kök testleri uygulanmıştır. Box- Jenkins (ARIMA) yöntemi ile Türkiye pamuk fiyatlarının geçmiş değerleri dikkate alınarak uygulama yapılmıştır. En uygun ARIMA seviyesinin (3,1,2) olduğuna karar verilmiştir. Çok değişkenli yöntemler için bağımlı değişken, Türkiye pamuk fiyatları, bağımsız değişkenler, Dünya pamuk fiyatları, Türkiye buğday fiyatlar, Türkiye mısır fiyatları ve bütün değişkenlerin bir gecikmeli değerleri kullanılmıştır. Çoklu Regresyon Analizi ile elde edilen tahmin sonuçları incelenmiştir. Yapay Sinir Ağları için en uygun ağ mimarisi (7,7,1)olarak bulunmuştur. Tahmin değerlerini karşılaştırmak için MAPE, SSE, MSE ve RMSE performans kriterleri kullanılmıştır. Yapay Sinir Ağlarının diğer tahmin yöntemlerine göre daha başarılı sonuçlar verdiği tespit edilmiştir. Anahtar Kelimeler: Yapay Sinir Ağları, Çoklu Regresyon Analizi, Box-Jenkins Yöntemi, Yapısal Kırılmalı Birim Kök Testleri, Pamuk Fiyatları A Comparative Investigation of Alternative Estimation Methods in Non-Stationary Time Series: Analysis of Cotton Price Abstract: In this study, comparative analysis of the predective techniques used for non-stationary time series had been made.The method of Box-Jenkins for univariate analysis, Multiple Regression Analysis and Artificial Neural Networks techniques for multivariate analysis had been used. The monthly prices of cotton in Turkey and World and also the monthly price of wheat and corn in Turkey used as time series data. %10 of the data hadn’t been included in the analysis to measure the predictivite power of analysis methods. At the end of the analysis, predicted values obtained about the last 18 months period had been examined in mutual. The stationary of the variables were examined by applying unit root tests. Zivot-Andrews structural break unit root test which allows single structural break and Lumsdaine-Papell structural break unit root test which allows two structural breaks has been applied to Turkey cotton prices. Past values of prices Turkish cotton has been applied with  Box-Jenkins method. It has been concluded that the most appropriate level of ARIMA (3,1,2). The dependent variable is Turkey cotton prices, independent variables are World cotton prices, Turkey wheat prices and Turkey corn prices and lagged values of all variables for multivariate methods. It has been examined results of regression analysis. Optimal network architecture (7,7,1) were found for artificial neural Networks. MAPE, SSE, MSE and RMSE performance criteria were used to compare the predicted values. It was determined that Artificial Neural Networks gave more reliable results than other estimation methods. Keywords: Artificial Neural Networks, Multiple Regression Analysis, Box-Jenkins Methods, Structural Break Unit root Tests, Cotton Prices

Anahtar Kelimeler: