YAPAY SİNİR AĞLARI YÖNTEMİ İLE OTOMOBİL SATIŞ TAHMİNİ

Yıl 2012, Cilt: 8 Sayı: 17, 87 - 100, 01.01.2012

Meltem Karaatlı Özlem Ceyda Helvacıoğlu Nuri Ömürbek Gönül Tokgöz

https://doi.org/10.11122/ijmeb.2012.8.17.290

Cited By: 22

Öz

Talep tahmini tüketicilerin gelecekte ne kadar mal ve hizmet talep edeceklerinin değişkenler yardımıyla tahmin edilmesidir. Talep tahmin metotları kantitatif ve kalitatif yöntemler olmak üzere iki grupta toplanmaktadır. Bu çalışmanın amacı da yeni otomobil satış miktarlarının yapay sinir ağları yöntemiyle önceden tahmin edilerek otomotiv sektörü ile ilgili bir takım politikaların belirlenmesine katkı sağlamaktır. Çalışmada Ocak-2007 ile Haziran-2011 yılları arasındaki aylık veriler kullanılmıştır. Çalışmada bağımsız değişkenler olarak gayri safi yurtiçi hasıla, reel kesim güven endeksi, yatırım harcamaları, tüketim harcamaları, tüketici güven endeksi, dolar kuru ve zaman, bağımlı değişken olarak ise satılan toplam otomobil sayısı alınmıştır.

Anahtar Kelimeler

Talep Tahmini, Otomotiv Sektörü, Yapay Sinir Ağları

AN ARTIFICIAL NEURAL NETWORK BASED AUTOMOBILE SALES FORECASTING

Öz

Sales forecasting is a method of predicting the quantity of products or services that consumers may demand in the future by utilizing variables. Sales forecasting methods can be divided in two groups, qualitative and quantiative. The objective of this study is to predict the amount of future automotive sales by using Artificial Neural Networks in order to help decision makers on their policies about the automotive industry. In this study, monthly data between January-2007 and June-2011 has been used. While the total number of automobile sold has been used as dependent variable, the gross domestic product, real sector confidence index, investment spending, consumer spending, consumer confidence index, USD Exchange rate and time have been selected as independent variables

Anahtar Kelimeler

Forecasting, Automotive Sector, Artificial Neural Networks

Kaynakça

• Alper, E., & Mumcu, A. S. (2000). Türkiye’de otomobil talebinin tahmini. İstanbul: Boğaziçi Üniversitesi, Ekonomi Bölümü, Ekonomi ve Ekonometri Merkezi.
• Asilkan, Ö., & Sezgin, I. (2009). İkinci el otomobillerin gelecekteki fiyatlarının yapay sinir ağları ile tahmin edilmesi. Süleyman Demirel Üniversitesi İktisadi İdari Bilimler Fakültesi Dergisi, 14(2), 375-391.
• Chen, H. W., Yang, H. H., & Wang, Y. S. (2009). Automobile gross emitter screening with remote sensing data using objetive-oriented neural network. Science of Total Environment, 407, 5811-5817.
• Cho, V. (2003). A comparison of three different approaches to tourist arrival forecasting. Tourism Management, 24: 323-330.
• Chunq, Y. W., & Lee, S. C. (2008). A selective aqs system with artificial neural network in automobile. Sensor and Actuators, 130, 258-263.
• Çuhadar, M., & Kayacan, C. (2005). Yapay sinir ağları kullanılarak konaklama işletmelerinde doluluk oranı tahmini: Türkiye’deki konaklama işletmeleri üzerine bir deneme. Anatolia: Turizm Araştırmaları Dergisi, 16(1), 24-30.
• De Lurgio, A. S. (1998). Forecasting principles and applications. Singapore: Irwin McGraw-Hill.
• Dikmen, I. (2006). Otomotiv sektörü ve rekabet değerlendirme. Erişim Tarihi: 10.12.2011, http://www.kalder.org.tr/genel/15kongre/sunumlar/isik_dikmen.doc
• Efendigil, T., Önüt, S., & Kahraman, C. (2009). A decision support system for demand forecasting with artificial neural networks and neuro-fuzzy models: A comparative analysis. Expert Systems with Applications, 36, 6697–6707.
• Hamid, S., A. & Iqbal, Z. (2004). Using neural networks for forecasting volatility of s&p 500 index futures prices, Journal of Business Research, 57, 1116-1125.
• Hamzaçebi, C., & Kutay, F. (2004). Yapay sinir ağları ile Türkiye elektrik enerjisi tüketiminin 2010 yılına kadar tahmini. Gazi Üniversitesi Mühendislik Mimarlık Fakültesi Dergisi, 19(3), 227-233.
• Hosoz, M., & Ertunç, H.M. (2006). Artificial neural network analysis of an automobile air conditioning system. Energy Conversion and Management, 47, 1574-1587.
• Erişim Tarihi: 26.05.2012, http://www.cnnturk.com/2010/ekonomi/03/31/iste.son.10.yilin.buyume.rakamlari/ 570273.0/index.html
• İşeri, A., & Karlık, B. (2009). An artificial neural network approach on automobile pricing. Expert Systems with Applications, 36, 2155-2160.
• Karbuz, F., Silahçı, & Çalışkan, E., Otomotiv sektör raporu. İstanbul Ticaret Odası Ekonomi ve Sosyal Araştırmalar Şubesi. Erişim Tarihi: 10.12.2011, http://www.ito.org.tr/Dokuman/Sektor/1-69.pdf
• Kartalopoulos, S. V. (1996). Understanding neural network and fuzzy logic. Newyork: IEEE Press.
• Kaynar, O., & Taştan, S. (2009). Zaman serileri tahmininde arıma-mlp melez modeli. Atatürk Üniversitesi İktisadi ve İdari Bilimler Dergisi, 23 (3), 141-149.
• Kolich, M. (2003). Predicting automobile seat comfort using a neural netwrok, International Journal of Industrial Ergonomics, 33(4), 285-293.
• Küçükdeniz,T.,ErişimTarihi:10.03.2012,http://www.istanbul.edu.tr/muh/endustri/lojisti k/wp-content/uploads/TalepTahminYontemleri.pdf
• Merkez Bankası. Erişim Tarihi: 11.02.2012, www. tcmb.gov.tr
• Otomobil Distribütörleri Derneği. Pazar değerlendirme (2011). Erişim Tarihi: 10.12.2011, www.odd.org.tr
• Otomobil Distribütörleri Derneği. Perakende satış raporları. Erişim Tarihi: 10.12.2011, www.odd.org.tr
• Öztemel, E. (2003). Yapay sinir ağları. İstanbul: Papatya Yayınları.
• Palmer, A., Montano, J. J., & Sese, A. (2006). Designing an artificial neural network for forecasting tourism time series. Tourism Management, 27, 781-790.
• Rovetta, A., Zocchi, C, Giusti, Alessandro, Adami, A., & Scramellını F. (2007). Methodology of evaluating safety in automobiles using intelligent sensor architecture and neural Networks. Sensor and Actuators, 134, 622-630.
• Smith, K., & Grupta, J. N. D. (2000). Neural networks in business: techniques and applications for the operations researcher. Computers & Operations Research, 27, 1023-1044.
• Subelj, Lovro, Furlan, Stefan, & Bajec, Makro (2011). An expert system for detecting automobile insurence fraud using social network analysis. Expert Systems with Applications, 38, 1039-1052.
• Şen, Z. (2004). Yapay sinir ağları ilkeleri. İstanbul: Su Vakfı Yayınları.
• Tang, T. C., & Chi, L. C. (2005). Neural networks analysis in business failure prediction of chinese importers: a between-countries approach. Expert Systems with Applications, 29, 244–255.
• TC. Sanayi ve Ticaret Bakanlığı Sanayi Genel Müdürlüğü (2011). Türkiye otomotiv sektörü strateji belgesi ve eylem planı 2011-2014. Erişim Tarihi: 11.02.2012, http://www.alomaliye.com/2011/turkiye_otomotiv_sektoru.htm
• Tekin, M. (2009). Üretim yönetimi. Konya: Günay Ofset.
• Wang, F. K., Chang, K. K., & Tzeng, C. W. (2011). Using adaptive network-based fuzzy inference system to forecast automobile sales. Expert Systems with Applications, 38, 10587–10593.
• Werbos, P. J. (1998). Generalization of backpropagation with application to a recurrent gas market models. Neural Network, 339-356.
• Zhang, G., & Hu, M. Y. (1998). Neural network forecasting of the british pound/US Dollar exchange rate, Omega International journal of Management Science, 26(4), 495-506.