Özet:

Online oyun sektörü, herhangi bir değişikliğin etkilerinin çok kısa sürede görülebildiği bir alandır. Bu nedenle; gelirlerin gerçek zamanlı analizi, geliştirilen içeriğin ticari performansının analizi ve içeriğe yapılan geliştirmelerin sağladığı gelir katkılarının anlık izlenmesi esastır. Bu durum; finansal tahminleri, bir şirkete ne kadar çok ve ne kadar hızlı büyümek istediği konusunda stratejik yardımı olabilecek bir iş planının çok önemli bir parçası haline getirir. Belirli bir zaman serisinin finansal tahmininde geleceğe yönelik gelir tahminleri, endüstride önemli bir araştırma konusu olmaktadır. Bu çalışma, son zamanlardaki zaman serisi modellerinin ayrıntılı bir analizini sunar ve gerçek dünya gelir verileri üzerinde zaman serisi tahmini için hem derin öğrenme hem de istatistiksel öğrenme metodlarına odaklıdır. Araştırmanın sonuçları; Finlandiya merkezli, önde gelen bir çevrimiçi oyun şirketinin gelir verileri kullanılarak incelenmiştir. Deneylerimizde Dönemsel Otoregresif Entegre Hareketli Ortalama (SARIMA/Seasonal AutoRegressive Integrated Moving Average), Theta, Holt Winters, Prophet, Yoğun Sinir Ağları (DNN/Dense Neural Network), Evrişimsel Sinir Ağları (CNN/Convolutional Neural Network), Uzun Kısa Süreli Bellek (LSTM/Long Short-Term Memory), N-Beats ve Ensemble gibi çeşitli zaman serisi tahmin yöntemlerini inceledik. Deneysel değerlendirmeler, derin öğrenme modellerinin, finansal tahmin işlemlerini optimize edebileceğini göstermektedir. Bu çalışmanın sonucu, işletmecilere ve araştırmacılara hangi modeli benimsemenin en iyi olacağına karar verme konusunda farkındalık sağlayacaktır.

Anahtar Kelimeler: