Tahminleme Tekniklerinin Bulanık Esnek Kümeler Üzerinde Birleştirilmesi: BIST 100 Uygulaması

Yıl 2021, Cilt: 35 Sayı: 1, 21 - 43, 15.01.2021

Buğra Bağcı , Ömür Demirer

https://doi.org/10.16951/atauniiibd.637554

Cited By: 1

Öz

Gelecekteki
belirsizlik insanoğlunu tarih boyunca korkutmuş ve insanoğlu da bu duruma
karşılık, belirsizliği azaltmak veya onu ortadan kaldırabilmek için faklı
yöntemler kullanmıştır. Gelecek olayların ve şartların daha önceden tahmin
edilmesinin işletmecilikte olduğu gibi, makroekonomi, biyoloji, tıp,
mühendislik ve sosyal bilimler alanlarında da çok önemli olduğu bilinmektedir. Gelecek
bir zamanda gerçekleşecek senaryolara hazırlıklı olmak, planlar yapıp
politikalar belirlemek ve nihayetinde kararlar almak ancak geleceğin iyi tahmin
edilmesiyle mümkün olabilecektir. Bu şekilde yapılacak iyi bir tahmin geleceğin
belirsizliğinden kaynaklanan endişeyi de azaltacaktır.

Günümüzde,
regresyon analizi, zaman serisi analizleri ve sezgisel yöntemler gibi birçok
tahmin tekniği kullanılmaktadır. Fakat her bir yöntemin altyapısı ve
algoritması birbirinden farklı olduğu için farklı sonuçlar üretmektedir. Tahmin
sonuçları ile direkt olarak ilgilenen kişiler ve kurumlar da, en doğru sonucu
veren analiz tekniğini bilmek istemektedirler. Çünkü gelecekteki olayların
doğru tahmini, yoğun rekabet ortamında ilgililere üstünlük sağlayabilecektir.
Buradan hareketle bu çalışmada farklı tahmin teknikleri, kurulan bir bulanık
esnek küme üzerinde birleştirilmiş ve tek bir çıktı ile tahmin değeri elde
edilmiştir. Analizlerde BIST 100 endeksi düzey değerleri ve bu değişken
üzerinde etkisi olduğu düşünülen makroekonomik değişkenlere ilişkin gerçek
veriler kullanılmıştır. Oluşturulan bu veri seti gerek tek, gerekse çok boyutlu
olarak çalışan farklı tahmin yöntemleri ile analiz edilmiş ve elde edilen
sonuçlar bulanık esnek küme üzerinde birleştirilmiştir. Her bir yöntem ve
kombin modelin başarısı hata terimleri ile ölçülmüş ve bu ölçüm kombin modeli
öne çıkarmıştır. 

Anahtar Kelimeler

Tahminleme, Bulanık Esnek Kümeler, Kombin Modeller

Kaynakça

• Aykut, M.E. (2015). BIST-100 Endeksi İle Makroekonomik Değişkenler Arasındaki Nedensellik: 2005-2015 Yılları Arasında Türkiye Uygulaması, (Doktora Tezi), Eskişehir: Anadolu Üniversitesi Sosyal Bilimler Enstitüsü.
• Bates, J.M. ve Granger, C.W. (1969). The Combination Of Forecasts. Journal Of The Operational Research Society, 20(4), 451-468.
• Baykal, N. ve Beyan, T. (2004). Bulanık Mantık İlke Ve Temelleri, Ankara: Bıçaklar Kitabevi.
• Bojadziev, G. (2007). Fuzzy Logic For Business, Finance, And Management, Vol. 23. World Scientific.
• Cağman, N. ve Enginoğlu, S. (2012). Fuzzy Soft Matrix Theory And Its Application İn Decision Making. Iranian Journal of Fuzzy Systems, 9(1), 109-119.
• Cihangir, M. ve Kandemir, T. (2010). Finansal Kriz Dönemlerinde Hisse Senetleri Getirilerini Etkileyen Makroekonomik Faktörlerin Arbitraj Fiyatlandırma Modeli Aracılığıyla Saptanmasına Yönelik Bir Çalışma (Kasım 2000 ve Şubat 2001 Finansal Krizleri Üzerine Değerlendirme ve Gözlemler), Süleyman Demirel Üniversitesi İktisadi ve İdari Bilimler Fakültesi Dergisi, 15(1), 257-296.
• Demir, Y. ve Göçmenyağcılar, G. (2009). İMKB’de İşlem Gören Banka Hisse Senetlerinin Getirilerini Etkileyen Faktörlerin Arbitraj Fiyatlama Modeli İle Belirlenmesi. Uluslararası Alanya İşletme Fakültesi Dergisi, 1(2).
• Deutsch, M., Granger, C.W. ve Teräsvirta, T. (1994). The Combination Of Forecasts Using Changing Weights. International Journal of Forecasting, 10(1), 47-57.
• Dickinson, J.P. (1975). Some Comments On The Combination Of Forecasts. Journal of the Operational Research Society, 26(1), 205-210.
• Elmas, Ç. (2003). Bulanık Mantık Denetleyiciler, Ankara: Seçkin Yayıncılık.
• Enginoğlu, S. (2008). Soft Kümeler Ve Soft Karar Verme Metodları, (Yüksek Lisans Tezi), Tokat: Gaziosmanpaşa Üniversitesi, Fen Bilimleri Enstitüsü.
• İltaş, Y. (2015). Temel Makroekonomik Göstergelerin İşletme Sermayesi Üzerine Etkisinin İncelenmesi: BIST’te Sektörler Arası Bir Karşılaştırma, (Doktora Tezi), Kayseri: Erciyes Üniversitesi Sosyal Bilimler Enstitüsü.
• Kayım, H. (1985). İstatistiksel Ön Tahmin Yöntemleri, Ankara: Hacettepe Üniversitesi İktisadi Ve İdari Bilimler Fakültesi Yayınları.
• Maji, P.K, Kumar, B., Ranjit. R. ve Akhil R. (2001). Fuzzy Soft Sets, Journal Of Fuzzy Mathematics, 9(3), 589-602.
• Maji, P.K., Roy, A.R. ve Biswas, R. (2002). An Application Of Soft Sets In A Decision Making Problem, Computers & Mathematics With Applications, 44(8-9), 1077-1083.
• Makridakis, S., Andersen, A., Carbone, R., Fildes, R., Hibon, M., Lewandowski, R., ... & Winkler, R. (1982). The Accuracy Of Extrapolation (Time Series) Methods: Results Of A Forecasting Competition, Journal Of Forecasting, 1(2), 111-153.
• Molodtsov, D. (1999). Soft Set Theory—First Results, Computers & Mathematics with Applications, 37(4-5), 19-31.
• Orhunbilge, N. (1999). Zaman Serileri Analizi Tahmin Ve Fiyat İndeksleri, İstanbul: Tunç Matbaacılık.
• Orhunbilge, N. (2002). Uygulamalı Regresyon Ve Korelasyon Analizi, İstanbul: İ.Ü. Basım Ve Yayınevi.
• Öztürk, B. (2011). Çok Kriterli Karar Verme Tekniklerinden Bulanık Topsıs Ve Bulanık Analitik Hiyerarşi Süreci, (Doktora Tezi), Bursa: Uludağ Üniversitesi Sosyal Bilimler Enstitüsü.
• Ross, T.J. (2004). Fuzzy Logic With Engineering Applications, USA: John Wiley & Sons Ltd.
• Roy, A.R. ve Maji, P.K. (2007). A Fuzzy Soft Set Theoretic Approach To Decision Making Problems, Journal of Computational and Applied Mathematics, 203(2), 412-418.
• Sevinç, E. (2014). Makroekonomik Değişkenlerin, BÌST-30 Endeksinde İşlem Gören Hisse Senedi Getirileri Üzerindeki Etkilerinin Arbitraj Fiyatlama Modeli Kullanarak Belirlenmesi, Istanbul University Journal of the School of Business Administration, 43(2).
• Şen, Z. (2009). Bulanık Mantık İlkeleri Ve Modelleme, İstanbul: İstanbul Su Vakfı Yayınları.
• Xiao, Z., Gong, K. ve Zou, Y. (2009). A Combined Forecasting Approach Based On Fuzzy Soft Sets, Journal of Computational and Applied Mathematics, 228(1), 326-333.
• Yaman, B.O. (2014). Hisse Senedi Endeks Getirileri Üzerinde Temel Makroekonomik Değişkenlerin Etkilerinin Ölçülmesi: Bazı Avrupa Birliği Üyesi Ülkeler İle Türkiye Örneği, (Yüksek Lisans Tezi), Tokat: Gaziosmanpaşa Üniversitesi, Sosyal Bilimler Enstitüsü.
• Zadeh, L.A. (1965). Fuzzy Sets, Information And Control, 8(3), 338-353.
• Zadeh, L.A. (1995). Discussion: Probability Theory And Fuzzy Logic Are Complementary Rather Than Competitive. Technometrics, 37(3), 271-276.
• Zhang, H. ve Liu, D. (2006). Fuzzy Modeling And Fuzzy Control, Control Engineering Book Series, Boston: Brikhauser.