Farklı döviz kurları ve emtia fiyatlarının makine öğrenmesi yaklaşımlarıyla tahmin edilmesi

Çelik endüstrisi ekonomik ilerlemenin bir göstergesi olarak kabul edilmekle birlikte toplumsal kalkınmaya katkısı ve günlük hayatımızda birçok şekilde geniş kapsamlı kullanımı, refahımız için önemini belirlemektedir. Bu nedenle bu tez çalışmasında makine öğrenmesi yöntemleri kullanılarak, çelik sektörünün fiyat tahminlenmesi için üç model önerilmiştir. İlk modelde tüm verilerle, ikinci modelde son üç yıllık verilerle tüm döviz kurları ve emtia fiyatlarının bir sonraki günkü değerleri ve üçüncü modelde ise Türkiye demir çelik fiyatlarına özel bir model önerilmiştir. 25 değişken için üç farklı tahmin yönteminin de elde ettiği veriler incelendiğinde en iyi tahmin yaklaşımının rastgele orman algoritması (RF) olduğu görülmektedir. RF'in eğitimde <%1 mutlak ortalama yüzde hata ile tahmin yapılabilmektedir. YSA ile %19,6 , SVR ile %300 gibi oldukça kötü sonuçlar elde edilmiştir. Ayrıca veri setinin son üç yıllık dönemi ayrılarak yapılan tahminleme çalışmasında yine Rastgele Orman Algoritması oldukça iyi performans göstermiştir ancak tüm modeller için hata oranlarının arttığı gözlemlenmiştir. Genişletilmiş veri seti ile yapılan tahminlerde daha doğru sonuçlar elde edildiği belirlenmiştir. Türkiye CRC ve HRC Türkiye kıymetlerinin veri seti ile oldukça iyi korelasyon gösterdiği analiz edilmiştir. Türkiye CRC için YSA 1,67% , RF 0,55% , SVR 2,63% ve HRC Türkiye için YSA 1,71% ,RF 0,57% ,SVR 2,35% hata oranı sonuçları ile tahmin modelinin doğru ve kesin bir tahmin üretme konusunda oldukça başarılı olduğu söylenebilir. Son olarak, makine öğrenmesi algoritmalarının hassas ayarlamaları ile daha iyi sonuçlar elde edilebileceği öne sürülmüş ve hiper parametre optimizasyonları neticesinde tahmin başarılarının artırıldığı gözlemlenmiştir. Özellikle Türkiye CRC ve HRC Türkiye bağımlı değişkenlerinde yapılan optimizasyonlar, Yapay Sinir Ağları (%1,49 - %1,52), Rastgele Orman Algoritması (%0,49 – %0,52), Destek Vektör Makineleri (%2,34 - %2,00) ile daha başarılı tahmin sonuçlarına ulaşmıştır.