TY  - JOUR
T1  - ARPS Düşüş Eğrisi Modelinden Genişletilen Çok Değişkenli Doğrusal Olmayan Model ile Altın Fiyatlarının Analiz Edilmesi
TT  - Analysis of Gold Prices with Multivariate Nonlinear Model Extended from the ARPS’ Decline Curve Model
AU  - Çelik, Ufuk
AU  - Başarır, Çağatay
PY  - 2018
DA  - December
Y2  - 2018
DO  - 10.18506/anemon.465861
JF  - Anemon Muş Alparslan Üniversitesi Sosyal Bilimler Dergisi
PB  - Mus Alparslan University
WT  - DergiPark
SN  - 2149-4622
SP  - 363
EP  - 369
VL  - 6
IS  - ICEESS’ 18
LA  - tr
AB  - Bu çalışmada, ARPS düşüş eğrisi modelinden genişletilen KNEA algoritmasıkullanılarak altın fiyatları tahminlenmiştir. Petrol üretim miktarlarıtahminlemesinde kullanılan ARPS düşüş eğrileri, üretim kapasitesi ve onu etkileyenfaktörler arasındaki doğrusal olmayan ilişkiyi ortaya koyması, KNEA sayesinde girişverilerini doğrusal olmayan kombinasyonda sağlaması ile zaman serisindekikaçınılmaz (aşırı küçük veya büyük) eksiklikler tahmin edilebilir. Analiz için 04.01.2010ile 14.12.2015 tarihleri arasındaki altın, gümüş, platin, paladyum, BrentPetrol, doğalgaz, 5, 10 ve 30 yıllık bono, S&P500, Nasdaq, DowJones,FTSE100, DAX, CAC40, SMI, NIKKEI, HANH, SEND ve Avro/Dolar verilerineodaklanılmıştır. Toplamda 1447 adet veriden, test amaçlı 10 günlük 2015 Aralıkayı verilerinin tahminlemesinde Mutlak Ortalama Sapması 6.926, Ortalama KareHatası 66.348, Kök Ortalama Kareler Hatası 8.145 ve Mutlak Ortalama YüzdeHatası ise 0.65 bulunmuştur.
KW  - Altın Fiyatları
KW  - Tahmin
KW  - Makro Ekonomik Değişkenler
N2  - In this study, gold prices are estimated by using KNEA algorithm, whichis extended from ARPS decline curve model. ARPS decline curves that are used inpredicting oil production quantities providesa good indication of the nonlinear relationship between production capacity andinfluencing factors, KNEA provides input data in non-linear combination, andinevitable (extreme small or large) deficiencies in time series can beestimated. The study focused on gold, silver, platinum, palladium, Brent Petrol,Natural Gas, 5, 10 and 30-year bonds, S&P500, Nasdaq, DowJones, FTSE100,DAX, CAC40, SMI, NIKKEI, HANH, SEND and Euro/Dollar data between January 4,2010 and December 14, 2015 for analysis. For testing, 10 days of the 2015December data were calculated as Mean Absolute Deviation 6.926, Mean SquareError 66.348, Root Mean Square Error 8.145 and Mean Absolute Percentage Error0.65 from the 1447 days in total data.
CR  - Arps, J. J. (1945). Analysis of Decline Curves. Transactions of the AIME, 160(01), 228-247
CR  - Atay, G. (2013). Dünyada ve Türkiye’de Altın Piyasaları ve Türkiye’de Altın Fiyatlarını Etkileyen Faktörlerin İncelenmesi. Yüksek Lisans Tezi. İstanbul: İstanbul Üniversitesi.
CR  - Benli, Y. K., & Yıldız, A. (2014). Altın Fiyatının Zaman Serisi Yöntemleri ve Yapay Sinir Ağları ile Öngörüsü. Dumlupınar Üniversitesi Sosyal Bilimler Dergisi, 42, 213-224.
CR  - Chamzini, A., Yakhchali, H. S. Y., Volungevičienė, D., &  Zavadskas, Z. (2012). Forecasting Gold Price Changes by Using Adaptive Network Fuzzy Inference System, Journal of Business Economics and Management, 13(5): 994–1010.
CR  - Çelik, U., & Başarır, Ç. (2017). Yapay Sinir Ağları İle Kıymetli Maden Fiyatlarının RapidMiner İle Tahmin Edilmesi. Alphanumeric Journal, 5(1), 45-54.
CR  - Dooley, M. P.,  Isard, P., & Taylor, M. P. (1995). Exchange Rates, Country-Specific Shocks, and Gold. Applied Financial Economics, 5(3), 121-129.
CR  - Kaufmann, T. D., & Winters, R. A. (1989). The Price of Gold: A Simple Model. Resources Policy, (15), 309-313.
CR  - Kocatepe, C. İ., & Yıldız, O. (2016). Ekonomik Endeksler Kullanılarak Türkiye’deki Altın Fiyatındaki Değişim Yönünün Yapay Sinir Ağları ile Tahmini. Düzce Üniversitesi Bilim ve Teknoloji Dergisi, 4(3), 926-934.
CR  - Koutsoyiannis, A. (1983). A Short-run Pricing Model For a Speculative Asset, Tested With Data From The Gold Bullion Market. Applied Economics, 15(5), 563-581
CR  - Kuhn, H. W., & Tucker, A. W. (2014). Nonlinear programming. Traces and Emergence of Nonlinear Programming, (pp. 247-258). Birkhäuser, Basel.
CR  - Kutlar, A., & Turgut, T. (2006). Türkiye’deki Başlıca Ekonomi Serilerinin ARFIMA Modelleri ile Tahmini ve Öngörülebilirliği. Kocaeli Üniversitesi Sosyal Bilimler Enstitüsü Dergisi, 11(1), 120-149.
CR  - Küçükaksoy, İ., & Yalçin, D. (2017). Altın Fiyatlarını Etkileyebilecek Faktörlerin İncelenmesi. Ekonomik ve Sosyal Araştırmalar Dergisi, 13(2), 1-19.
CR  - Lagrange, J. L. (1853). Mécanique analytique (Vol. 1). Mallet-Bachelier.
CR  - Lemin, G. (2016) Analysis of GM Grey Model and the Theory. Computer Engineering and Applications, 52(6), 58-63.
CR  - Ma, X., & Liu, Z. (2018). Predicting the Oil Production Using the Novel Multivariate Nonlinear Model Based on Arps Decline Model and Kernel Method. Neural Computing and Applications, 29(2), 579-591.
CR  - Paksoy, S. (2017). Hibrit Markov Zinciri Süreci İle Altın Getirisinin Öngörülmesi. Abant İzzet Baysal Üniversitesi Sosyal Bilimler Enstitüsü Dergisi, 17(1), 29-49.
CR  - Sjaastad, L. A., & Scacciavillani, F. (1996). The Price of Gold and the Exchange Rate. Journal of International Money and Finance, 6(15), 879-897.
CR  - Suykens, J. A. K., & Vandewalle, J. (1999). Least Squares Support Vector Machine Classifiers. Neural Processing Letters, 9(3), 293–300.
CR  - Topçu, A. (2010), Altın fiyatlarını etkileyen faktörler, SPK Araştırma Dairesi Yılık Raporu. (Erişim:01.06.2018), www.spk.gov.tr/SiteApps/Yayin/YayinGoster/1016
CR  - Toraman, C., Basarir, Ç., & Bayramoglu, M. F. (2011). Determination of Factors Affecting the Price of Gold: A Study of MGARCH Model. Business and Economics Research Journal, 2(4), 37-50.
CR  - Tully, E., & Lucey, B. M. (2007). A Power GARCH Examination of the Gold Market. Research in International Business and Finance, 21(2), 316-325.
CR  - Yüksel, R., & Akkoç, S. (2016). Altın Fiyatlarının Yapay Sinir Ağları İle Tahmini ve Bir Uygulama. Doğuş Üniversitesi Dergisi, 17(1), 39-50.
CR  - Zhu, H. C., & Dong, W. (2017). Predict the price of gold Based on Machine Learning Techniques. DEStech Transactions on Computer Science and Engineering, (mmsta). Doi: 10.12783/dtcse/mmsta2017/19700
UR  - https://doi.org/10.18506/anemon.465861
L1  - https://dergipark.org.tr/en/download/article-file/548305
ER  -