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