TÜRKİYE’NİN GSYİH TAHMİNİ İÇİN YAPAY SİNİR AĞLARI MODEL PERFORMANSLARININ KARŞILAŞTIRILMASI

Hasan Söyler, Oktay Kızılkaya
904 181

Öz


Bir ülkenin gelecek yıllara ait ekonomik büyüme tahminleri, ticari kuruluşlar için iş planlarının belirlenmesinde ve hükümetler için mali politikaların oluşturulmasında önemli bir role sahiptir. Bu çalışmada; son yıllarda tahmin modellemesinde sıklıkla kullanılan yapay sinir ağları modeli yardımı ile ekonomik büyüme değişkeni GSYİH’nın tahmini yapılması amaçlanmıştır. Ekonomik büyüme için; Çok Katmanlı Algılayıcı (ÇKA), Radyal Tabanlı Fonksiyon Ağları (RTFA) ve geri dönüşümlü Elman Ağı kullanılarak kendi gecikmeli değerlerine göre tahminler elde edilmiştir. Kullanılan YSA mimarilerinin tahmin performansları incelendiğinde 4 girdi katmana sahip RTFA modelinin en yüksek doğruluğu sağladığı görülmüş ve bu model yardımıyla 2013Q4:2014Q4 dönemleri için ekonomik büyüme oranı tahminleri üretilmiştir. Elde edilen sonuçlar yapay sinir ağlarının ekonomik büyüme tahmininde kullanılabilecek başarılı bir yöntem olduğunu göstermiştir.


Anahtar kelimeler


Yapay Sinir Ağları, Zaman Serisi, Ekonomik Büyüme

Tam metin:

PDF

Referanslar


Huang, W., Lai, K.K., Nakamori, Y., Wang, S., Yu, L., “Neural Networks in Finance and Economics Forecasting”, International Journal of Information Technology and Decision Making, Vol. 6, No.1, 113-140, 2007.

Sukirno, S., Makroekonomi: Teori Pengantar, 1st ed., PT Raja Grafindo Persada, Jakarta, 2008.

Liliana, Napitupulu, T. A., “Artificial Neural Network Application in Gross Domestic Product Forecasting an Indonesia Case”, Journal of Theoretical and Applied Information Technology, Vol. 45, No. 2, pp. 410-415, 2012.

Kaplan, M., Tekeli, R., Ekonomide Bekleyişler ve Tahmin: Yapay Sinir Ağları Uygulamaları, Konya: Tablet Yayınları, 2008.

TÜİK, www.tuik.gov.tr , Erişim tarihi: 20.09.2013

Kubat C., Elinizin Altındaki Matematik Laboratuvarı: Matlab: Yapay Zekâ ve Mühendislik Uygulamaları, İstanbul: Pusula Yayıncılık, 2013.

Hamzaçebi C., Yapay Sinir Ağları: Tahmin Amaçlı Kullanımı Matlab ve Neurosolutions Uygulamalı, Bursa: Ekin Yayıncılık, 2011.

Zhang, G., Patuwo, B. E. ve Hu, M. Y., “Forecasting with artificial neural networks: the state of the art”, International Journal of Forecasting, 14, ss.35-6, 1998.

Tkacz, G., “Neural Network Forecasting of Canadian GDP Growth”, International Journal of Forecasting, 17, 57-69, 2001.

Junoh, M. Z. H. M., ”Predicting GDP Growth in Malaysia Using Knowledge- Based Economy Indicators: A Comparison Between Neural Network and Econometric Approach”, Sunway College Journal, Vol. 1, 39-50, 2004.

Düzgün, R., “A Comparison of Artificial Neural Networks and ARIMA Models Success in GDP Forecast”, Marmara Üniversitesi İ. İ. B. F. Dergisi, Cilt.XXV, Sayı. 2, 2008, s. 165-176, 2008.

Mirbagheri, M., “Fuzzy Logic and Neural Network Fuzzy Forecasting of Iran GDP Growth”, African Journal of Business Management, Vol.4, No.6, 925-929, 2010.

Fausett, L., Fundamentals of Neural Networks: Architecture, Algoritma and Applications, New Jersey: Printice Hall, 1994.

Zhang, X., Liu, Y., Yang, M., Zhang, T., Young, A. A., Li, X., “Comparative Study of Four Time Series Methods in Forecasting Typhoid Fever Incidence in China”, PloS ONE, 8(5): e63116, 2013.

Kaynar, O., Taştan S. ve Demirkoparan F., “Ham Petrol Fiyatlarinin Yapay Sinir Ağlari ile Tahmini”, Ege Akademik Bakış / Ege Academic Review, 10 (2): 561-575, 2010.

Erilli, N.A., Eğrioğlu, E., Yolcu, U., Aladağ, Ç.H. ve Uslu, V.R., “Türkiye’de Enflasyonun İleri ve Geri Beslemeli Yapay Sinir Ağlarının Melez Yaklaşımı İle Öngörüsü”, Doğuş Üniversitesi Dergisi, 11(1):42-55, 2010.

Öztemel, E., Yapay Sinir Ağları, İstanbul: Papatya Yayıncılık, 2003.




İrtibat
C.Ü. İktisadi ve İdari Bilimler Dergisi
İktisadi ve İdari Bilimler Fakültesi Dekanlığı
58140 Kampüs SİVAS
Tel: 0346 2191010-1710
Fax: 0346 2191202
E-Mail: iibfdergi@cumhuriyet.edu.tr

İndekslendiği Kaynaklar:
--------------------------------------------------------
    
--------------------------------------------------------