Bulanık Zaman Serileri (BZS) yöntemleri, istatistiksel
yöntemlerin aksine, hiçbir varsayım gerektirmemesi, az sayıda gözlemle
çalışabilmesi, eksik, belirsiz ve dilsel veriyi işleyebilme yeteneğine sahip
olması gibi avantajlarından dolayı zaman serisi analizinde son zamanlarda
sıklıkla kullanılmaktadır. Şu ana kadar çok sayıda BZS yöntemi önerilmiştir. Bu
yöntemlerden bir kısmı bulanıklaştırma adımında bulanık kümeleme
algoritmalarının kullanımına dayanmaktadır. Ancak
bu yöntemlerin ekonometrik zaman serilerinin tahmininde performanslarının
karşılaştırılmasına dayanan bir çalışma bulunmamaktadır. Bu çalışmada,
bulanıklaştırma adımında sırasıyla Bulanık C-Ortalamalar (BCO),
Gustafson-Kessel (GK) ve Bulanık K-Medoidler (BKM) kümeleme algoritmalarını
kullanan 3 BZS yöntemi 454 ekonometrik zaman serisine uygulanmış ve elde edilen
tahmin sonuçları Ortalama Mutlak Yüzde Hata (OMYH), Hata Kareler Ortalamasının
Karekökü (HKOK), Varyans Hesabı (VF) uyum iyiliği kriterlerine göre
karşılaştırılmıştır. Karşılaştırmalar sonucunda, BKM algoritmasına dayanan BZS
yönteminin tüm zaman serilerinin OMYH kriterine göre %72.25’inde, HKOK
kriterine göre %65.9’unda, VH kriterine göre ise %59.3’ünde en iyi tahmin
sonuçlarını sağladığı görülmüştür.
Bulanık Kümeleme Bulanık Zaman Serileri Zaman Serileri Analizi Tahmin
Fuzzy Time Series
(FTS) methods are used frequently in time series analysis due to their
advantages such as having no assumptions, having few observations, being able
to process incomplete, uncertain and linguistic data. The FTS consists of 6
steps, each of which has a significant impact on forecasting performance. A
number of methods have been developed to improve these steps and hence improve
the performance of FTS. Some of these studies are based on the use of fuzzy
clustering algorithms in the blurring step of FTS. However, so far, there is no
study based on comparing the performance of these methods in the estimation of
econometric time series. In this study, 3 FTS methods using the Fuzzy C-Means
(FCM), Gustafson-Kessel (GK) and Fuzzy K-Medoids (FKM) clustering algorithms
were applied to the 454 econometric time series in the blurring step and the
predicted results were compared according to the criterion of conformity 3. As
a result of the comparisons, it was concluded that the performance of the FTS
method based on BKM algorithm is better.
Fuzzy Clustering Fuzzy Time Series Time Series Analysis Forecast
Birincil Dil | Türkçe |
---|---|
Bölüm | Makaleler |
Yazarlar | |
Yayımlanma Tarihi | 28 Temmuz 2019 |
Yayımlandığı Sayı | Yıl 2019 |