Fotoğrafta ben yokum, ben fotoğrafı çekenim. Bir yanlış anlama olmasın.
Türkiye Bilişim Derneği TBD'nin organize ettiği Bilişim 2011 28. Ulusal Bilişim Kurultayı 26-29 Ekim 2011 tarihleri arasında Ankara'da JW Marriott Otelde gerçekleştirilmekte. Benim de birazdan "Yapay Sinir Ağları Kullanılarak Döviz Kuru Tahmini Üzerine Bir Çalışma" başlıklı bir bildiri sunumum olacak.
Neyse çok şükür hayırlısıyla yaptım sunumu. İnşallah birilerine bir faydası dokunur çalışmamızın. Bildirimi, 2006 yılında tamamladığım İşletme yüksek lisans tezimden özetleyerek çıkartmıştık. Biraz geç oldu ama oldu nihayetinde. o zamandan beri aklımın bir kenarında duruyordu bu iş. Temizlemiş oldum hiç olmazsa.
Bildiriye şu adresten: http://www.indirdur.net/files/1CXOXW3P/Bilisim2011_YSA_ile_Doviz_Kuru_Tahmini.zip
Teze de şuradan erişebilirsiniz: http://www.babamonk.com/2010/12/doviz-kuru-tahmininde-yapay-sinir.html#axzz1c472hd5f
Faydalı olması dileğimle.
Bildiri ayrıca aşağıdadır.
Yapay Sinir Ağları Kullanılarak Döviz Kuru Tahmini Üzerine Bir Çalışma
Ömür YILDIZ ESOGÜ FBE, Elk.Elkt. (Dr. Öğrencisi)
Doç.Dr.Birol YILDIZ
ESOGÜ, İktisadi ve İdari Bilimler Fakültesi
Döviz kurlarının aldığı değerler bir zaman serisi şeklinde düzenlenebilir. Yapay Zekânın (Artificial Intelligence) bir uygulaması olan Yapay Sinir Ağları (YSA – Artificial Neural Network) son yıllarda geleceği öngörmede; özellikle döviz kuru gibi lineer olmayan (non-lineer), birçok değişkene bağımlı zaman serilerinin tahmin edilmesinde önemli bir araç olmuştur.
Bu çalışmada da, USD’nin gelecekteki değerinin tahmin
edilebilmesi için YSA ile oluşturulan bir model kullanılmıştır. Modele girdi
olarak ise T.C. Merkez Bankası tarafından günlük olarak açıklanan ekonomik
değişkenlerden 41 adet bağımsız parametre kullanılmıştır ve USD’nin
ertesi günkü değeri bu parametrelerin gün sonu değerlerinden yola çıkılarak
elde edilmeye çalışılmıştır.
Bu çalışmanın önemli hedeflerinden birisi de; zaman
serilerini öngörmede YSA kullanacak araştırmacılara; ağın mimarisi, gizli
katman sayısı, katmanlardaki yapay sinir hücresi sayısı, hangi eğitim
algoritmalarını ve aktivasyon fonksiyonlarını kullanabilecekleri konusunda yol
gösterebilmektir.
Yapılan denemelerde, birden fazla gizli katman içermesinin
başarı oranını arttırmadığı fakat bunun yanında doğal olarak ağın çalışma
hızını olumsuz yönde etkilediği tespit edilmiştir. Aynı şekilde, gizli
katmanlarda kullanılan nöron sayısının arttırılmasının da ağın hata oranını
düşürmediği ama ağın hızını hissedilir şekilde azalttığı görülmüştür.
Değişik katman ve nöron sayılarında kurduğumuz ağlarda,
türevlenebildiği için, geriye yayılım algoritmasında kullanılmaya en uygun olan
aktivasyon fonksiyonlarından “Hiperbolik Tanjant Sigmoid” ve
“Logaritmik Sigmoid” fonksiyonları kullanılmıştır. Denemelerimizde
iki fonksiyonun ağlarımızda kullanımında önemli bir fark tespit edilememekle
birlikte tansig’in daha başarılı sonuçlar ürettiği gözlemlenmiştir.
Anahtar Kelimeler
Yapay Zekâ, Yapay Sinir Ağları, Döviz Kuru Tahmini, Temel
Analiz, Merkez Bankası, MATLAB, Geriye Yayılım Algoritması
Summary
The values of the exchange rates can be arranged as a time series. ANNs (Artificial Neural Networks), which are a branch of Artificial Intelligence have become an important tools for prediction of the future especially non –lineer series like exchange rates, in recent years .
Data were collected from the official web site of Central Bank of the Republic of Turkey. 41 economical parameters and variables which affect the fluctuations of the USD were used in this study.
As a result of this study we determined how affects these parameters such as the structure of ANN, number of layers in the ANN and artificial neurons in the layers, the training methods to reach the best solution. We have decided that ANNs can be used as a supplementary tool to predict future value and trend of the USD.
It is obvious that one of the most important aims of this study is being a guide to the researchers using ANN to predict time series according to network architecture, the number of hidden layers, the number of artificial neurons, training algorithms, and activation functions.
The most suitable activation functions of using with the-back propagation algorithm are , “Hyperbolic Tangent Sigmoid” and ”Logarithmic Sigmoid” according to our experiments. Be cause, these functions can be derivated. The results of our experiments show that using these two functions in networks is not generate a big difference; however the Tangent Sigmoid has more succesful results.
Keywords
Artificial Neural Networks, Exchange Rate Prediction,
MATLAB, Central Bank of the Republic of Turkey, Back Propagation Algorithm
