Affiliation:
1. YILDIZ TEKNİK ÜNİVERSİTESİ
Abstract
Ajan bazlı modelleme (ABM) yöntemi gelişen bilgisayar altyapıları sayesinde giderek daha kompleks ve kullanışlı hale gelmiştir. ABM, kullanım alanlarının çeşitliliği ve modellerin karmaşık sistemler üzerindeki etkinliği nedeniyle araştırmacıların ilgisini çeken bir yöntemdir. ABM ile araştırmacılar orman yangınlarından virüs yayılımlarına hatta sağlık bilimlerine, ekonomilerden yapay piyasalara kadar birçok alanda modelleme yaparak çalışmalarını geliştirebilmişlerdir. Bu çalışmada Ajan Bazlı Finansal Modelleme (ABFM) ve ABFM ile birlikte kullanılan teknikler ele alınmıştır. Bu alandaki erken dönem çalışmalardan olan Genoa Yapay Borsası (GASM - Genoa Artificial Stock Market) ve Santa Fe Enstitüsü tarafından yayımlanmış borsa modeli (SFI-ASM – Santa Fe Instıtute Artificial Stock Market) teknik açıdan anlatılmıştır. Söz konusu çalışmalar ABM literatürünün en bilinen çalışmaları arasında yer aldıklarından bu çalışmada modellemeye örnek olması açısından incelenmiştir
Funder
Yıldız Teknik Üniversitesi Bilimsel Araştırma Projeleri Koordinasyon Birimi
Reference40 articles.
1. Agrawal, A., Gans, J.S., & Goldfarb, A. (2019), Artificial Intelligence: The Ambiguous Labor Market Impact of Automating Prediction. Journal of Economic Perspectives, 33(2), 31-50.
2. Alpaydın, E. (2010). Introduction to Machine Learning. MIT Press.
3. Aras, G. (2003). Sermaye piyasalarının gelişmesinde kurumsal yatırımcıların rolü: OECD ülkeleri ve Türkiye örneği. Kurumsal Yatırımcı Yöneticileri Derneği, İstanbul
4. Arifovic, J. (1994). Genetic algorithm learning and the cobweb model. Journal of Economic dynamics and Control, 18(1), 3-28.
5. Bajari, P., Nekipelov, D., Ryan, S. P., Yang M. (2015). Machine Learning Methods for Demand Estimation, Journal American Economic Review, 105(5), 481-485.