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.