Yeni bir yapay sinir ağı ve gri kurt optimizasyonu algoritmasına dayalı karışık düzen tek değişken sezgisel bulanık zaman serisi tahmin yöntemi

Neden bu tahmin fikri günlük veriler için önemli

Kripto para fiyatlarından benzin deposunu doldurma veya altın satın alma maliyetine kadar, finansal değerler öngörülmesi zor biçimde yukarı aşağı sıçrar. Bu çalışma, insan benzeri tereddütleri gerçek sinir hücrelerinin dallanmış yapısından esinlenen gelişmiş bir sinir ağıyla harmanlayarak dünün gürültülü fiyat eğrilerini yarın için daha iyi kestirilere dönüştürmenin yeni bir yolunu tanıtıyor.

Belirsizliği insanlara daha yakın şekilde ele almak

Çoğu tahmin aracı her veri noktasını bir modele ait ya da ait değil şeklinde ele alır; tıpkı açık veya kapalı bir ışık anahtarı gibi. Bulanık zaman serisi yöntemleri bu yaklaşımı yumuşatır ve verinin aynı anda birkaç desene “kısmen” uymasına izin verir. Bu makaledeki yaklaşım bir adım daha ileri giderek bir veri noktasının bir desene uymadığını ne kadar gösterdiğini ve arada kalan tereddüdün yoğunluğunu da takip eder. Sezgisel bulanık zaman serisi olarak adlandırılan bu daha zengin tanım, modelin yalnızca kısmi uyumu değil, aynı zamanda açıkça uyumsuzluğu ve bir değerin gerçekten nereye ait olduğuna dair kalan belirsizliği de temsil etmesine olanak sağlar.

Verinin iki bakış açısının birlikte öğrenmesine izin vermek

Yazarlar, üyelik ve üyelik-dışı bilgiyi aynı zaman serisinin paralel iki görünümü olarak ele alan bir tahmin modeli tasarlıyor. Önce bir kümeleme prosedürü geçmiş verileri bulanık bölgelere ayırır ve her noktaya üç puan atar: ne kadar ait olduğu, ne kadar ait olmadığı ve modelin ne kadar emin olmadığı. Bu puanlar ile ham geçmiş değerler özel bir sinir ağına beslenir. Ağın bir bölümü üyelik tarafına odaklanırken, diğer bölüm üyelik-dışı tarafa odaklanır. Her bölüm kendi iç ilişkilerini öğrenir ve bir sonraki değerin kendi tahminini üretir.

Dallanmış nöronlar gibi şekillenen bir sinir ağı

Standart katmanlı bir ağ yerine yöntem, biyolojik nöronların dallanma yapısını taklit eden bir dendritik nöron modeline dayanır. Sinyaller önce sinaptik katmandan geçer, sonra dendritik dallar boyunca çarpılarak, membran katmanında toplanıp soma katmanında çıktıya dönüştürülür. Önerilen birleşik tasarımda üyelik ve üyelik-dışı girdiler için ayrı dendritik yollar vardır. Bunların çıktıları daha sonra sistemin otomatik olarak öğrendiği bir ağırlıkla harmanlanır. Bu yapı, verideki karmaşık etkileşimleri yakalarken genel mimariyi kompakt tutmaya olanak verir.

Ağın çok sayıda ayarını gri kurtlar inceliyor

Böylesine ayrıntılı bir ağı eğitmek, çok sayıda iç ağırlık ve eşik ayarı yapılmasını gerektirir. Sıradan gradyan tabanlı eğitim yerine yazarlar, yüzeysel çözümlere takılabilen klasik yöntemlerden kaçınmak için doğadan esinlenen bir strateji olan gri kurt optimizasyonu algoritmasını benimser. Burada sanal “kurtlar” ağ parametreleri için farklı ayarları keşfeder; gerçek kurt sürülerinin avlanmasını taklit eden bir hiyerarşi tarafından yönlendirilir. Zamanla sürü, üyelik ve üyelik-dışı dalları arasındaki kritik denge dahil olmak üzere tahmin hatalarını minimize eden parametre değerlerine yaklaşır.

Önemli finansal serilerde daha iyi tahminler

Araştırma ekibi yöntemini dört tanıdık finansal zaman serisi üzerinde test ediyor: Bitcoin, ham petrol, Euro'nun Amerikan doları karşısı ve altın fiyatları. Her veri setini eğitim, doğrulama ve test bölümlerine ayırıyor ve yaklaşımlarını birkaç tanınmış bulanık ve sezgisel bulanık tahmin modeliyle karşılaştırıyorlar. Bu örneklerin çoğunda yeni yöntem genellikle en düşük ortalama tahmin hatasını elde ediyor; birinci sırada yer almadığı durumlarda bile en iyi rakibe çok yakın kalıyor. Sonuçlar, modelin her desenle uyum ve uyumsuzluktan öğrenmesine izin vermenin ve dendritik tarzda bir ağın gri kurtlarla ayarlanmasının daha doğru ve kararlı tahminler sağlayabileceğini öne sürüyor.

Gelecekteki tahmin araçları için ne anlama geliyor

Basitçe ifade etmek gerekirse, makale belirsizliği daha dikkatli ele almanın ve sinir ağına daha zengin, biyolojik ilhamlı bir yapı kazandırmanın gerçek dünya finansal verileri için kısa vadeli tahminleri iyileştirebileceğini gösteriyor. Yöntem hâlâ tek bir değişkene odaklanıyor, ancak tek bir keskin çizgi yerine çoklu inanç ve şüphe tonlarını kullanacak tahmin sistemlerine işaret ediyor. Daha fazla uzantıyla benzer fikirler, belirsiz zaman temelli verilerin kritik rol oynadığı her yerde analistlerin ve otomatik sistemlerin daha bilinçli kararlar almasına yardımcı olabilir.

Atıf: Cansu, T., Bas, E. & Egrioglu, E. Mixed order single variable intuitionistic fuzzy time series forecasting method based on a new artificial neural network and grey wolf optimization algorithm. Sci Rep 16, 15682 (2026). https://doi.org/10.1038/s41598-026-45059-2

Anahtar kelimeler: finansal tahmin, bulanık zaman serileri, yapay sinir ağları, gri kurt optimizasyonu, sezgisel bulanık kümeler