Avrupa biRLİĞİnde mevduatin korunmasi

Yapay Sinir Ağları Metodolojisi ile Öngörü Modellemesi: Bazı Makroekonomik Değişkenler İçin Türkiye Örneği    
Dolayısıyla, modellemeye dahil edilmeyen diğer açıklayıcı değişkenlerin bağımlı 
değişkenin gecikmesi ile temsil edildiği varsayılmaktadır. Sonuç olarak, çalışmada 
kullanılan enflasyon oranı modellerinin genel fonksiyonel gösterimi aşağıdaki 
gibidir: 
 
P = f ( P
-1 
, E
-1 
, M
-1 
)
15
 
Model yapısının belirlenmesinde bazı teorik kısıtlar gözardı edilmiştir. Çünkü, 
çalışmanın temel amacı, bir politika analizinden ziyade bir performans 
karşılaştırmasını içermektedir. Bu nedenle, açıklayıcı değişkenlerin 
belirlenmesinde, değişkenlerin açıklayıcılık gücü ve veri kısıtları öncelikli olarak 
değerlendirilmiştir. Bu amaca yönelik olarak çeşitli analizler sonucunda, ekonomi 
teorisinin içerdiği açıklayıcı değişkenler arasından açıklama gücü yüksek olan ve 
veri kısıtı en az olan değişkenler tercih edilmiştir. Bu sayede, modellerdeki 
açıklayıcı değişken sayısı da sabit tutulmuştur. Bu nokta modellerin 
karşılaştırılabilir olması açısından önem arz etmektedir. Çünkü, YSA modelleri 
sınırsız sayıda açıklayıcı değişken kullanabilmektedir. Oysa, diğer doğrusal 
yöntemler korelasyon gibi problemler nedeniyle sınırlı sayıda açıklayıcı değişken 
içerebilmektedir. Bu yüzden, her yöntem için en iyi modeli bulmak yerine belirli bir 
yapı ile çalışılmıştır. 
 
Üretim olarak ise Aylık  İmalat Sanayi Üretim Endeksi
16
 kullanılmaktadır. 
1997=100 bazlı bu seri 1985 yılı Ocak ayından itibaren mevcut olmasına rağmen 
açıklayıcı değişkenler de göz önüne alındığında örneklem genişliği kısalmaktadır. 
Bu çerçevede, üretim modelleri de fiyat modellerine benzer şekilde Ocak 1986 – 
Temmuz 2001 dönemini kapsayan bir veri seti kullanılarak tahmin edilmiştir. 
Bağımlı değişken olarak İmalat Sanayi Üretim Endeksinin (U) aylık artış oranları 
kullanılmıştır. Bu üretim serisinin grafiği Grafik 3.2’de sunulmaktadır.
17
  
 
                                                      
15
 Doğal olarak ARMA model bu açıklayıcı değişkenleri içermemektedir. 
16
 İlgili seri için kaynak: Devlet İstatistik Ensttüsü (DİE) 
17
 Hem üretim hem de fiyat modelleri için bağımlı değişkenlerin açıklayıcı değişkenlerle ikili karşılaştırma 
grafikleri Ek 2’de verilmektedir. 
http://ekutup.dpt.gov.tr/ekonomi/tahmin/yurtoglh/ysa..pdf   
45

---

Yapay Sinir Ağları Metodolojisi ile Öngörü Modellemesi: Bazı Makroekonomik Değişkenler İçin Türkiye Örneği    
Grafik 3.1 Aylık Enflasyon Oranı (TEFE, %) 
 
-10
0
10
20
30
86 87 88 89 90 91 92 93 94 95 96 97 98 99 00 01
Grafik 3.2: Aylık İmalat Sanayi Üretim Artış Oranı (%) 
 
-30
-20
-10
0
10
20
30
40
86 87 88 89 90 91 92 93 94 95 96 97 98 99 00 01
 
Üretim modellerinde de iki açıklayıcı değişken kullanılmıştır. Bu 
değişkenlerin birincisi faiz oranıdır. Faiz oranı olarak, 12 aylık mevduat faiz 
oranları (R) tercih edilmiştir. İkinci açıklayıcı değişken ise üretimde karar sürecinin 
önemli belirleyicilerinden birisi olan fiyat değişkenidir. Fiyat değişkeni için TEFE 
endeksinin bir alt detayı olan İmalat Sanayi Toptan Eşya Fiyat Endeksi (Pi) serisi 
kullanılmıştır. Bu seri de genel TEFE serisi gibi 1994=100 bazlı bir seridir ve 1994 
http://ekutup.dpt.gov.tr/ekonomi/tahmin/yurtoglh/ysa..pdf   
46

---

Yapay Sinir Ağları Metodolojisi ile Öngörü Modellemesi: Bazı Makroekonomik Değişkenler İçin Türkiye Örneği    
yılı Ocak ayından başlamaktadır. Dolayısıyla, aynı  şekilde, örneklem boyutunu 
genişletebilmek için 1987=100 bazlı  İmalat Sanayi Toptan Eşya Fiyat Endeksinin 
artış oranları kullanılarak geriye doğru uzatılmıştır. Bu değişkenler kullanılarak, 
Ocak 1986 ile Temmuz 2001 dönem aralığında geriye dönük modelleme yapısında 
üretim modelleri tahmin edilmiştir. Modellerin genel fonksiyonel yapısı  şu 
şekildedir: 
 
U = f ( U
-1 
, R
-1 
, Pi
-1 
) 
 
Fonksiyonel yapıdan da görülebileceği gibi, üretim modellerinde faiz ve fiyat 
açıklayıcı değişkenlerinin bir gecikmeli değerleri kullanılmıştır ve bu değişkenlere 
bağımlı değişkenin de bir gecikmeli değeri eklenmiştir. Burada belirtilmesi gereken 
bir nokta üretim ve imalat sanayi fiyatı için artış oranı modellenirken, faiz oranının 
düzey olarak modellere dahil edildiğidir.  
 
Kullanılan tahmin yöntemlerinden ilki, bu çalışmanın temel konusu olan 
Yapay Sinir Ağları tekniğidir. Önceki bölümde de belirtildiği gibi günümüzde 
YSA’lar bir çok alanda yaygın ve etkin bir şekilde kullanılmaktadır. Ekonomik 
öngörü de bu alanlardan bir tanesidir. Literatürde özellikle finansal değişkenlerin 
modellenmesi ve tahmini konusunda bir çok çalışma bulunmaktadır. Bu çalışmalar 
ağırlıklı olarak döviz kuru ve hisse senedi fiyatlarının tahmin edilmesini konu 
almaktadır. Bu çalışmalara örnek olarak, döviz kuru için Balkin (2001), El Shazly 
ve El Shazly (1998) ve hisse senedi piyasası için Leung, Daouk ve Chen (2000) vb. 
gösterilebilir. Bununla beraber, diğer makro ve mikro ekonomik değişkenlere 
yönelik çalışmalar da mevcuttur. Beltratti, Margarati ve Terna (1996) YSA’ların 
ekonomi alanındaki uygulamalarını içeren bir kitap yazmışlardır. Bunun dışında, 
Tkacz (2001) GSYİH büyümesi için, Heinemann (2000) rasyonel bekleyişler için, 
Church ve Curram (1996) tüketici harcamaları için YSA tekniğini kullanan 
çalışmalara sahiptirler. Türkçe çalışmalara bakıldığında ise YSA ile ilgili 
çalışmaların çok fazla olmadığı görülmektedir. Az sayıdaki Türkçe çalışmalar 
http://ekutup.dpt.gov.tr/ekonomi/tahmin/yurtoglh/ysa..pdf   
47

---