Zaman serisine dayalı tahmin yöntemlerinin rassallık ve trend içeren veri setlerindeki tahmin performanslarının karşılaştırılması

Abstract

Tahmin, geleceği planlamak, yönlendirmek ve gelecekte gerçekleşebilecek durumlara karşı önceden önlemler alabilmek açısından oldukça önemli bir değere sahiptir. Geleceğe yönelik tahmin yapabilmek kadar önemli olan bir konuda yapılan öngörülerin başarısıdır. Günümüze kadar çok sayıda tahmin yöntemi başarılı yani performansı yüksek sonuçlar elde edebilmek amacıyla geliştirilmiştir. Tahmin yöntemleri temel olarak sebep-sonuç ilişkisine ve zaman serisine dayalı olmak üzere ikiye ayrılmaktadır. Çalışma kapsamında zaman serisine dayalı olan Otoregresif Entegreli Hareketli Ortalamalar (ARIMA), Yapay Sinir Ağları (YSA) ve Gri Tahmin yöntemlerinin rassal dağılan ve trend içeren verilerin bulunduğu zaman serilerindeki tahmin performasları incelenmiştir. Bahsi geçen yöntemlerin tahmin başarısını ölçmek amacıyla 64 farklı zaman serisi ele alınmış olup Mean Absolute Percentage Error (MAPE) ve Root Mean Square Error (RMSE) ölçütleri ile performansları mukayese edilmiştir. Sonuç olarak YSA'nın verilere daha uygun modeller ortaya koymasına rağmen Gri Tahmin yönteminin hem rassallık hem de trend içeren veri setlerinde diğer yöntemlere göre daha başarılı tahminler yaptığı kanısına ulaşılmıştır. Anahtar Kelimeler: Zaman Serileri, Tahmin Yöntemleri, ARIMA, YSA, Gri Tahmin

Estimation has a vital important value in planning and directing the future and taking precaution against future unexpected situations. The success of the estimations made in a subject are as important as forecasting the future. Until today, numerous forecasting methods have been developed to be successful, namely, on the purpose of obtain high performance results.The estimation methods are basically divided into two grups that are based on time series and cause-effect relation. The scope of this study, Autoregressive Integrated Moving Average (ARIMA), Artificial Neural Networks (ANN) and Grey Prediction methods based on time series have been investigated to prediction performance in the time series of randomly dispersed and trendy data. So as to measure the estimation performance of aforomentioned methods, 64 different time series data set have been handled and their estimation performance were compared with Mean Absolute Percentage Error (MAPE) ve Root Mean Square Error (RMSE). As a result, though ANN present more suitable model for the data set, it has been deduced that Grey Estimation method makes better estimation in both random and trend data sets than other methods.Keywords: Time Series, Forecasting Methods, ARIMA, ANN, Grey Prediction