TR-Dizin İndeksli Yayınlar Koleksiyonu

Permanent URI for this collectionhttps://hdl.handle.net/20.500.12573/396

Browse

Filters

2021 - 20259

Settings

Language: search.filters.language.enSubject: search.filters.subject.İktisat

Search Results

Now showing 1 - 9 of 9
  • Article
    G7 Countries Unemployment Rate Predictions Using Seasonal Arima Garch Coupled Models
    (2021) Kılıç, Edanur; Mugaloglu, Erhan
    Despite the unemployment data have been recently released as seasonally adjusted, seasonality may still exist in moving average (MA) or auto-regressive (AR) terms. This can be detected by searching for a regular pattern in auto-correlation function (ACF) and partial ACF (PACF) diagrams. Therefore, models that aim to forecast unemployment rates should consider their seasonal properties so as to obtain better mean equation estimations. Univariate models mostly employ integrated ARMA (ARIMA) or generalized auto regressive conditional heteroscedastic (GARCH) models or any combination of them. Once the mean equations are structured better, GARCH estimations of variance equation is expected to perform better accuracy in forecasts. This study first examines the ACF's and PACF's of seasonally adjusted unemployment rate data in G-7 countries for 1995-2019 period. Then it compares the 4-quarter and 8-quarter ahead forecast performance of the seasonal ARIMA (SARIMA) coupled volatility models of GARCH in mean, absolute value GARCH, GJR-GARCH, exponential GARCH and asymmetric GARCH models. The performance of these models is also compared to SARIMA and MA filtered volatility models. The results show that seasonality should be re-examined even in seasonally adjusted unemployment data, since SARIMA models outperform ARIMA models in terms of out of sample forecast errors. Besides SARIMA-GARCH models provide better out of sample prediction accuracy.
  • Article
    Forecasting the Consumer Price Index in Türkiye Using Machine Learning Models: A Comparative Analysis
    (Gazi Univ, 2025-09-01) Söylemez, İsmet; Ünlü, Ramazan; Nalici, Mehmet Eren
    This study utilizes machine learning models to forecast Türkiye's Consumer Price Index (CPI), thereby addressing a critical gap in inflation prediction methodologies. The central research problem involves the forecasting of CPI in a volatile economic environment, which is essential for informed policymaking. The primary objective of this study is to evaluate the performance of three machine learning models, such as Decision Tree (DT), Random Forest (RF), and Support Vector Machine (SVM), in forecasting CPI over periods ranging from one to six months, utilizing data from 2012 to 2024. The study's unique contribution lies in the application of the \"SelectKBest\" method, which identifies the most relevant indices, thereby enhancing the efficiency of the models. An ensemble method, Averaging Voting, is also employed to combine the strengths of these models, producing more accurate and robust predictions. The findings indicate that while the RF model consistently generates the most accurate forecasts across all shifts, the SVM model demonstrates a particular strength in the domain of short-term predictions. The ensemble model demonstrates a substantial performance improvement, with a R2 value of 0.962 for one-month ahead of estimates and 0.956 for five-month forecasts. This combined approach has been shown to outperform individual models, offering a more reliable framework for CPI forecasting. The findings offer valuable insights for economic policymakers, enabling more precise and stable inflation predictions in Türkiye.
  • Article
    Performance Evaluation of Energy Companies With a Novel Integrated Multi- Criteria Decision Making Method
    (Kafkas University Iibf, 2022-12-27) Madenoglu, Fatma Selen; Unlusoy, Omer Faruk; Yilmaz, Cagatay
    Financial statements are an important tool for assessing and analyzing an organization's financial performance. Financial performance analysis allows for an accurate and appropriate appraisal of an organization's performance. The evaluation procedure must be thoroughly stated because financial performance indicators represent a company's competitiveness. This study provides a novel integrated multi-criteria decision-making method for analyzing an organization's financial performance. The applicability of the proposed method is assessed employing financial ratios that are integrated to generate a financial performance score for eight well-known Turkish energy companies. The criteria are weighted using the entropy method in the proposed method. The multi- attributive border approximation area comparison (MABAC) method is used to rank the companies. As the weights of the criteria have an impact on the ranking outcomes, a sensitivity analysis of the weights is performed. We also exhibit a comparison analysis of energy company rankings to validate the proposed approach's results using four MCDM methods: ELECTRE, MAUT, TOPSIS, and WASPAS. In addition, an alternative weighting method is also used to evaluate the results. The results show that the proposed method is an effective MCDM for coping with evaluation problems.
  • Article
    Citation - Scopus: 1
    Electricity Load Forecasting Using Deep Learning and Novel Hybrid Models
    (Sakarya University, 2022-02-28) Sutcu, Muhammed; Şahi̇n, Kübra Nur; Koloğlu, Yunus; Çelikel, Mevlüt Emirhan; Gulbahar, Ibrahim Tümay
    Load forecasting is an essential task which is executed by electricity retail companies. By predicting the demand accurately, companies can prevent waste of resources and blackouts. Load forecasting directly affect the financial of the company and the stability of the Turkish Electricity Market. This study is conducted with an electricity retail company, and main focus of the study is to build accurate models for load. Datasets with novel features are preprocessed, then deep learning models are built in order to achieve high accuracy for these problems. Furthermore, a novel method for solving regression problems with classification approach (discretization) is developed for this study. In order to obtain more robust model, an ensemble model is developed and the success of individual models are evaluated in comparison to each other. © 2025 Elsevier B.V., All rights reserved.
  • Article
    A Comparative Analysis of Passenger Flow Forecasting in Trams Using Machine Learning Algorithms
    (2024-03-24) Akbaş, Ayhan; Dedeturk, Beyhan Adanur; Dedeturk, Bilge Kagan
    Forecasting tram passenger flow is an important part of the intelligent transportation system since it helps with resource allocation, network design, and frequency setting. Due to varying destinations and departure times, it is difficult to notice large fluctuations, non-linearity, and periodicity of tram passenger flows. In this paper, the first-order difference technique is used to eliminate seasonal structure from the time series data and the performance of different machine learning algorithms on passenger flow forecasting in trams is evaluated. Furthermore, the impact of the Covid-19 pandemic on forecasting success is examined. For this purpose, the tram data of Kayseri Transportation Inc. for the years 2018-2021 are used. Different estimation models including Linear Regression, Support Vector Regression, Random Forest, Artificial Neural Network, Convolutional Neural Network, and LongTerm Short Memory are applied and the time series forecasting performances of the models are evaluated with MAPE and R2 metrics.
  • Article
    Estimation of Economic Costs of Air Pollution From Road Vehicle Transportation in Turkey
    (2023-11-10) Ustaoglu, Eda
    Hava kirliliğinin sosyo-ekonomik ve çevresel etkilerinin değerlendirilmesi, eylem önceliklerini belirlemek için bir temel oluşturan kirlilik kontrol stratejilerinin maliyet-fayda analizi için çok önemlidir. Bu makale, hava kalitesi modelleme, mühendislik ve ekonomiyi birleştiren entegre bir değerlendirme metodolojisi kullanarak karayolu taşımacılığıyla ilgili hava kirleticilerinin neden olduğu toplam dışsal maliyetlerin tahminine odaklanmaktadır. Karayolu taşımacılığından kaynaklanan emisyonların hesaplanmasında emisyon faktörleri ve ulaşım ağı özellikleri kullanılmış olup uluslararası örnek çalışmalardan uyarlanan ekonomik değerleme yaklaşımları takip edilerek Türkiye’deki hava kirliliğinin ekonomik maliyetinin hesaplanmasında kullanılmıştır. Sonuçlar, 2018 yılında Türkiye’de hava kirliliğinin toplam dışsal maliyetinin CO emisyonları için hesaplanan 37,500 avro ile NOx emisyonları için üst sınır olarak hesaplanan 2,686 milyon avro arasında değiştiğini gösterdi. CO2 emisyonlarının sosyal maliyetleri ile ilgili olarak, değerler 31 milyon avro ile 1,427 milyon avro arasında değişmektedir. Bunlardan ilki düşük değerli tahmini, ikincisi ise yüksek değerli tahmini temsil etmektedir. Bulgular karayolu taşımacılığından kaynaklanan emisyonların çevre ve toplum üzerindeki etkisinin Türkiye’de önemli olabileceğini göstermektedir. Bu nedenle, ulaşım emisyonlarını azaltmak ve sosyo-ekonomik refahı sürdürmek için bazı düzenlemeler gereklidir.
  • Article
    Examination of Provinces in Türkiye about Sectoral Employment Share by Cluster Analysis
    (2024-03-28) Madenoglu, Fatma Selen; Sungur, Banu
    Ekonomik kalkınma ve bölgesel kalkınma sürecinde bölgesel dinamiklerin önemi; rekabet gücü, insan kaynağı gelişimi ve küresel pazarın gözlemlenmesi gibi önemli faktörlerin bir sonucu olarak artmıştır. Bu çalışmada, sektörel istihdam oranlarına göre Türkiye’deki bölgeleri gruplayabilmek için matematiksel programlama tabanlı kümele analizi yapılmıştır. Küme içi uzaklığın en büyüğünü minimize ederken küme dışı uzaklıkların en küçüğünü maksimize eden karma tamsayılı bir matematiksel model sunulmuştur. Türkiye'deki 26 Düzey 2 bölgesi, 2021 ve 2022 yılları sektörel istihdam verilerine göre kümelenmiştir. Sonuç olarak ülkemizde sektörel bazda cinsiyete göre istihdam durumuna göre her iki yıl için de iki küme elde edilmiştir. Bunlardan biri tarım sektörünün istihdam oranının diğer sektörlere göre daha yüksek olduğu diğeri ise sanayi ve hizmet sektörleri istihdam oranının daha yüksek olduğu kümelerdir. 2021 yılı ve 2022 yılı kümeleri karşılaştırıldığınde toplamda, TR22, TR32, TR33, TRC3; erkeklerde, TR21, TR22, TR32, TR52, TR81; kadınlarda ise TRC1 bölgelerinin farklı kümelere atandığı görülmüştür. Ulusal hükümet genelinde başarılı bir istihdam politikasının, insan kaynaklarının geliştirilmesinin uygulanmasıyla, Türkiye'nin çeşitli coğrafi bölgelerinde yer alan illerin dengeli büyümesinin sağlanması mümkün olacaktır.
  • Article
    The Effect of COVID-19 on Sharing Economy: Survival Analysis of Airbnb Listings
    (2021-03-25) Türk, Umut; Sarp, Serap
    Bu araştırma, İstanbul'da Ocak-Ekim 2020 arasındaki COVİD-19 döneminde Airbnb platformunda yer alan listelerin sağkalım (survival) olasılıklarını araştırmayı amaçlamaktadır. Araştırma amacı doğrultusunda, Airbnb listelerinin fiziksel ve mekansal özelliklerinin tahmin aracı olarak kullanıldığı sağkalım analizini yapmak için Cox’un Orantılı Tehlike Modeli kullanılmıştır. Araştırma bulgularına göre, fiziksel özellikler COVİD öncesi bulgularla benzerlik gösterirken, mekansal özellikler COVİD öncesi ve COVİD sonrası karşılaştırmasında önemli farklılıklar göstermektedir. Çalışmanın alana iki yönlü katkısı vardır. Teorik olarak, araştırmanın bulguları, COVİD-19 salgını sırasında değişen tüketici tercihlerinin daha iyi anlaşılması ve Airbnb listelerinin hayatta kalma oranlarını etkileyen faktörlerin belirlenmesinde mevcut literatüre katkı sağlamaktadır. Ayrıca bulgular, ev sahiplerine, özellikle COVİD ile birlikte değişen mekansal müşteri tercihlerinin daha iyi anlaşılmasına yardımcı olabilicektir. Ayrıca, müşteri geri bildirimlerinin kalitesi ve miktarı, Airbnb ev sahiplerinin hizmet kalitelerini iyileştirmelerine, daha fazla müşteri çekmelerine ve değişen koşullara göre daha dirençli olmalarına yardımcı olabilecektir.
  • Article
    How and When Customer Engagement Underlies the Link Between Family Ownership and Firm Performance: A Conceptual Framework
    (2022-10-29) Sarp, Serap; Bozkurt, Sıddık; Gligor, David
    Sosyal medyanın hızla yaygınlaşmasıyla birlikte müşterilerin ve firmaların birbirleriyle olan etkileşimi son on yılda hızla arttı. Bu etkileşimli iletişim, firmaların müşteri katılımını artırmalarına yardımcı oldu. Bu nedenle, sosyal medya odaklı müşteri katılımı ve firma performansı akademisyenlerin ilgisini çekmiştir. Ancak, mevcut çalışmalar büyük ölçüde müşterilere odaklanmaktadır ve firmalarla ilgili faktörler (öncüller) hakkında bilinenler çok kısıtlı kalmaktadır. Bu nedenle, bu çalışmada ilişkiler, firma ile ilgili özelliklere odaklanarak müşteri katılımını açıklamak için tasarlanmıştır. Bu çalışma, müşteri katılımına ilişkin kapsamlı bir kavramsal çerçeveyi, öncülleri (firmanın yönetişim özellikleri), sonuçları (firma performansı) ve moderatörleri (aile stratejik vurgusu ve sosyal medya kullanım yoğunluğu) kapsayacak bir biçimde geliştirmeyi amaçlamaktadır. Yeni ilişkileri açıklayabilmek için beş teorik önerme tasarlanmıştır. Önerilen yeni kavramsal model, müşteri bağlılığı literatürünü genişletmektedir. Ayrıca aile şirketleri, iletişim stratejilerinde kendi özelliklerini vurgulayarak rakiplerine karşı rekabet avantajı da elde edebilirler.