Abstract:

Zaman serileri analizi alanında son yıllarda birden çok modelin bir arada kullanıldığı melez modeller ortaya konulmaktadır. Literatürde yer alan en önemli melez model sınıflarından biri ARIMA-Yapay Sinir Ağları (YSA) melez model sınıfıdır. Gerçek hayatta karşılaşılan zaman serilerinin genellikle doğrusal ve doğrusal olmayan özellikleri bir arada taşıması, ARIMA-YSA melez modellerin tahmin performanslarının yüksek olmasını sağlamaktadır. Bu çalışmada optimizasyon tabanlı özgün bir ARIMA-YSA melez model ortaya konulmaktadır. İleri sürülen melez model, zaman serisini doğrusal ve doğrusal olmayan iki serinin toplamı olarak kabul etmektedir. İki aşamalı modelin ilk aşamasında, doğrusal ve doğrusal olmayan bileşenlerin elde edilmesi amacıyla ARIMA ve YSA modelleri ile gerçek seri bir en küçük kareler optimizasyonu sürecinden geçmektedir. İkinci aşamada ise doğrusal bileşenin hataları doğrusal olmayan bileşene aktarılarak doğrusal olmayan bileşen revize edilmekte ve YSA ile tekrar modellenmektedir. Tahmin performansının tespiti için Optimize ARIMA-YSA (OptAA) melez modeli, ARIMA, YSA, literatürdeki başlıca melez ARIMA-YSA modelleri ve rassal yürüyüş modeli ile karşılaştırılmaktadır. Uygulama aşaması için literatürde sıklıkla kullanılan üç farklı zaman serisi seçilmiştir. Elde edilen sonuçlar OptAA melez modelin özellikle görece kısa dönem tahmin performansının diğer modellere göre oldukça yüksek olduğunu ve zaman serisi analizi alanında oldukça güçlü bir yöntem olduğunu göstermektedir.

Keywords: