Abstract
Purpose: Fluctuations in oil prices are seen as fundamental reasons for many economic crises, especially the 1973 oil crisis. It is important to anticipate and predict the price movements that take place in this factor affecting the supply and demand side of the economy at the same time. There are many studies in the literature using different methods in estimating the oil prices. Within the scope of this study, it was aimed to compare and compare the forecasting successes of oil prices by using different models in artificial neural networks method. Method: Estimation of oil prices with Artificial Neural Network models was made using Daily and Monthly data models. Findings: According to the findings obtained, it is seen that the error rate in the model made with the data used by considering the daily period is very low. In the studies performed considering the daily period, when the number of significant inputs increases, when the number of neurons increases in the studies performed considering the monthly period, the error rates decrease
Öz
Amaç: Petrol fiyatlarındaki dalgalanmalar başta 1973 Petrol krizi olmak üzere birçok ekonomik krizin temel nedeni olarak görülmektedir. Ekonominin arz ve talep yanını aynı anda etkileyen bu faktörde meydana gelen fiyat hareketlerinin öngörülmesi ve tahmin edilmesi önem arz etmektedir. Literatürde petrol fiyatlarının yönünün kestirilmesinde farklı yöntemler kullanarak yapılmış birçok çalışma bulunmaktadır. Bu çalışma kapsamında ise yapay sinir ağları yönteminde farklı modeller kullanılarak petrol fiyatlarına ilişkin öngörü başarıları incelenerek karşılaştırma yapmak amaçlanmıştır. Yöntem: Günlük ve Aylık veri modelleri kullanılarak petrol fiyatlarının Yapay Sinir Ağı modelleri ile tahminlemesi yapılmıştır.. Bulgular: Elde edilen bulgulara göre günlük periyot dikkate alınarak kullanılan veriler ile yapılan modellemede hata oranının oldukça düşük gerçekleştiği görülmüştür. Günlük periyot dikkate alınarak yapılan çalışmalarda, anlamlı girdi sayısı artması halinde, aylık periyot dikkate alınarak yapılan çalışmalarda ise nöron sayısının yükselmesi halinde olarak hata oranlarında düşüş gözlenmektedir
Keywords
Artificial Neural Networks; Price Forecasting; Oil Prices; Energy Markets
Anahtar kelimeler
Yapay Sinir Ağları; Fiyat Tahmini; Petrol Fiyatı; Enerji Piyasası
Topics
Neural networks / Yapay sinir ağları Energy prices / Enerji fiyatları Forecasting / Tahmin ve öngörü JEL C4 · Econometric and Statistical Methods: Special Topics / Ekonometrik ve İstatistiksel Yöntemler: Özel Konular JEL C5 · Econometric Modeling / Ekonometrik Modelleme JEL Q4 · Energy / Enerji Artificial Neural Networks Price Foreceasting, Oil Prices, Energy Markets, Layer
JEL classification / JEL sınıflaması
- C45 Neural Networks and Related Topics
Yapay Sinir Ağları ve İlgili Konular - C53 Forecasting and Prediction Methods • Simulation Methods
Öngörü ve Tahmin Yöntemleri • Simülasyon Yöntemleri - Q41 Demand and Supply • Prices
Talep ve Arz • Fiyatlar
JEL codes: American Economic Association classification. Turkish descriptions are an unofficial translation. Türkçe açıklamalar gayriresmî çeviridir.
Cite this work
- APA 7
Saldanlı, A., & Ketrez, R. Ş. (2018). Yapay Sinir Ağları Yöntemi ile Petrol Fiyatları Tahmini. Kırklareli Üniversitesi İktisadi ve İdari Bilimler Fakültesi Dergisi, 7(3), 91–106. https://dergipark.org.tr/tr/pub/klujfeas/article/446784
- MLA 9
Saldanlı, A., and R. Ş. Ketrez. "Yapay Sinir Ağları Yöntemi ile Petrol Fiyatları Tahmini." Kırklareli Üniversitesi İktisadi ve İdari Bilimler Fakültesi Dergisi, vol. 7, no. 3, 2018, pp. 91–106. https://dergipark.org.tr/tr/pub/klujfeas/article/446784.
- Chicago 17 (author-date)
Saldanlı, A., and R. Ş. Ketrez. 2018. "Yapay Sinir Ağları Yöntemi ile Petrol Fiyatları Tahmini." Kırklareli Üniversitesi İktisadi ve İdari Bilimler Fakültesi Dergisi 7 (3): 91–106. https://dergipark.org.tr/tr/pub/klujfeas/article/446784.
Cite the version identified by the DOI or source record where available.
Download citation
BibTeX (.bib)RIS (.ris)EndNote (.enw)
RIS opens in Reference Manager, RefWorks, EndNote, Zotero and Mendeley. BibTeX works with LaTeX and Overleaf.
BibTeX
@article{saldanli2018yapay,
title = {Yapay Sinir Ağları Yöntemi ile Petrol Fiyatları Tahmini},
author = {Saldanlı A. and Ketrez R. Ş.},
year = {2018},
journal = {Kırklareli Üniversitesi İktisadi ve İdari Bilimler Fakültesi Dergisi},
volume = {7},
number = {3},
pages = {91-106},
url = {https://dergipark.org.tr/tr/pub/klujfeas/article/446784}
}