Tez No |
İndirme |
Tez Künye |
Durumu |
474933
|
|
A novel algorithm for time series model selection: mutual information model selection algorithm (MIMSA) / Zaman serileri için yeni bir model seçme algoritmasının oluşturulması: Karşılıklı bilgi model seçme algoritması
Yazar:ELİF AKÇA
Danışman: DOÇ. DR. CEYLAN YOZGATLIGİL
Yer Bilgisi: Orta Doğu Teknik Üniversitesi / Fen Bilimleri Enstitüsü / İstatistik Ana Bilim Dalı
Konu:İstatistik = Statistics
Dizin:
|
Onaylandı
Yüksek Lisans
İngilizce
2017
185 s.
|
|
Zaman serilerinde model seçimi, son yıllarda birçok araştırmacı tarafından ilgi gören
bir alandır. Bu kapsamda birçok yöntem literatüre kazandırılmıştır. Herhangi bir seri
için aday modeller arasından en iyi modeli seçmek, veriyi oluşturan prosedürün açıklanması
ve verinin bir sonraki zaman diliminde nasıl bir de˘ger alacağını öngörmek
açısından oldukça önemlidir. Bu tezde, orijinal veri ve her bir aday modelin sağladığı
tahminler arasındaki ortak bilgiyi, veriden gelen ampirik bilgi ve aday modellerdeki
parametre sayısı ile düzenleyen yeni bir algoritmanın geliştirilmesi amaçlanmaktadır.
Farklı senaryolar için gerçekleştirilen simülasyon çalışmaları ve gerçek veri üzerine
uygulama, Box-Jenkins modellerinde sıra seçimi için geliştirilen bu algoritmanın var
olan diğer yöntemler için iyi bir alternatif olabileceğini doğrulamaktadır.
Anahtar Kelimeler: Zaman Serileri, Box-Jenkins Modelleri, Model Seçme Yöntemleri,
Karşılıklı Bilgi
|
|
Time series model selection has gained a significant popularity, and a variety of methods
has been introduced in the recent years. It is crucial for a method to propose
a candidate model as the final model that explains the procedure underlying a series
best and provides accurate forecasts among many candidates. In this study, it is
aimed to create an algorithm for order selection in Box-Jenkins models that combines
penalized natural logarithm of mutual information among the original series and predictions
coming from each candidate. The penalization is achieved by subtracting the
number of parameters in each candidate and empirical information the data provide.
Simulation studies under various scenarios and application on a real data set imply
that our algorithm offers a promising and satisfactory alternative to its counterparts.
Keywords: Time Series, Box-Jenkins Models, Order Selection, Mutual Information. |