Yapay sinir ağları ile bütçe gelirlerinin tahmini
| dc.contributor.author | Aydemir, Musap | |
| dc.date.accessioned | 2020-11-09T11:32:46Z | |
| dc.date.available | 2020-11-09T11:32:46Z | |
| dc.date.issued | 2020 | |
| dc.department | Enstitüler, | en_US |
| dc.description.abstract | Ülkeler ekonomik anlamda yatırım, harcama ve ihtiyaçların giderilmesi hususunda doğru adım atabilmek adına bütçe tahminlerini doğru şekilde gerçekleştirmeye özen göstermektedir. Tüm ülkeleri yakından ilgilendiren bütçe tahmini, geleceği şekillendirmede önemli görülmektedir. Bütçe gelirlerinin doğru tahmini sayesinde optimum kar düzeyine yaklaşmakta ve stratejik hedefler ile operasyonel ihtiyaçlar arasında çatışma minimum düzeye inmektedir. Bu çalışmada önemi git gide artan Yapay Sinir Ağları (YSA) yönteminden yararlanılmıştır. Bu yöntem, problemlerin çözümüne odaklanan aynı zamanda birbiriyle bağlantılı işlem elemanlarının bir bütün olarak beraber çalışmasına dayanan, girdi-süreç-çıktı aşamasındaki örüntüyü bulmaya yarayan ve insan beynini taklit eden bir tekniktir. İlgili literatür incelendiğinde YSA modelinin iç dinamiğini anlamaya yönelik farklı yöntemler ortaya çıkarılsa da çalışmanın kapsamında YSA yöntemi ile bütçe gelirleri tahmini yapılarak bütçe gelirleri üzerinde etkili olan değişkenlerin önemini değerlendirmek amacıyla önem sıralaması yapılmıştır. Çalışmanın birinci bölümünde bütçe gelirleri, ikinci bölümünde YSA ve talep tahmini kavramı açıklanmıştır. Çalışmanın uygulama bölümünde ise YSA kullanılarak bütçe gelirlerinin ilgili bir tahmin modeli kurulmuş ve tahmin gerçekleştirilmiştir. Uygulama sonucunda yapay sinir ağ yönteminin etkin bir talep tahmini yöntemi olduğu gösterilmiştir. Anahtar Kelimeler: Bütçe Gelirleri, Yapay Sinir Ağları | en_US |
| dc.description.abstract | Countries take care to apply the forecasts correctly in order to take the right step in terms of investment, expenditure and meeting the needs in the economic sense. Budget forecasting, which is closely related to all countries, is considered important in shaping the future. Thanks to the accurate estimation of budget revenues, it approaches the optimum profit level and minimizes the conflict between strategic objectives and operational needs. In this study, Artificial Neural Networks (ANN) method, which is increasingly important, has been utilized. This method is a technique that focuses on the solution of problems and at the same time relies on the interoperability of the interconnected process elements as a whole, which serves to find the pattern in the input-process-output stage and mimics the human brain. When the related literature is examined, although different methods for understanding the internal dynamics of the ANN model are revealed, the budget revenues are estimated by ANN method and the importance of the variables that have an effect on the budget revenues are listed in the scope of the study. In the first part of the study, budget revenues, in the second part ANN and demand estimation are explained. In the application part of the study, a related estimation model of budget revenues was established by using ANN and the estimation was realized. As a result of the application, it has been shown that artificial neural network method is an effective demand estimation method. Keywords: Budget Revenues, Artificial Neural Networks | en_US |
| dc.identifier.citation | Aydemir, Musap (2020). Yapay sinir ağları ile bütçe gelirlerinin tahmini. Yayımlanmış Yüksek Lisans tezi, İnönü Üniversitesi, Malatya.1-64 ss. | en_US |
| dc.identifier.endpage | 64 | en_US |
| dc.identifier.startpage | 1 | en_US |
| dc.identifier.uri | https://hdl.handle.net/11616/18670 | |
| dc.language.iso | tr | en_US |
| dc.publisher | İnönü Üniversitesi | en_US |
| dc.relation.publicationcategory | Tez | en_US |
| dc.rights | info:eu-repo/semantics/openAccess | en_US |
| dc.subject | Ekonometri | en_US |
| dc.subject | Econometrics | en_US |
| dc.title | Yapay sinir ağları ile bütçe gelirlerinin tahmini | en_US |
| dc.title.alternative | Budget revenues forecast using artificial neural networks | en_US |
| dc.type | Master Thesis | en_US |
