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.