Avrupa biRLİĞİnde mevduatin korunmasi

Yapay Sinir Ağları Metodolojisi ile Öngörü Modellemesi: Bazı Makroekonomik Değişkenler İçin Türkiye Örneği    
katsayısının anlamlılığı biraz düşük gözükmesine rağmen, yüzde 10 civarı bir 
anlamlılık düzeyinin göz ardı edilmesinin daha büyük hata içerebileceği düşüncesi 
ile modelde tutulmuştur. ARMA-2 modelinin örneklem içi ve dışı öngörüleri Grafik 
3.10’da gerçekleşmelerle karşılaştırmalı olarak verilmiştir. 
 
Grafik 3.10: ARMA-2 Modeli Öngörüleri (%) 
-30
-20
-10
0
10
20
30
40
86
87
88
89
90
91
92
93
94
95
96
97
98
99
00
01
Gerçekleşme
Öngörü
 
 
ARIMA(1,1,1) modelden genel olarak başarılı öngörüler elde edilmiştir. 
Fakat, model yüksek varyans hareketlerini yaklamak konusunda zayıf kalmıştır. 
Özellikle, negatif yönlü şokların tahmininde önemli derecede hata payı kalmaktadır. 
Bu durum 1994 krizinde ve son dönemde yaşanan krizlerde belirgin olarak ortaya 
çıkmaktadır. Buna bağlı olarak, eğitme seti döneminde başarılı sayılabilecek bir 
öngörü performansı sağlayan model, test döneminde (gölgeli alan) düşük bir 
performans sağlamıştır. Yine de bu saptamanın temel sebeplerinden biri olarak kısa 
sayılabilecek test döneminin birkaç şoku kapsaması gösterilebilir. 
 
 
 
 
http://ekutup.dpt.gov.tr/ekonomi/tahmin/yurtoglh/ysa..pdf   
72

---

Yapay Sinir Ağları Metodolojisi ile Öngörü Modellemesi: Bazı Makroekonomik Değişkenler İçin Türkiye Örneği    
4. Öngörü Değerlendirmesi ve Model Karşılaştırması 
 
Öngörü (forecasting) modellemesi alanı bilinmeyeni tahmin etmek için 
kullanılan yöntemlerle ilgilenir. Genel olarak, bilinmeyen geleceği tahmin etmek 
(zaman serileri öngörüsü) için kullanılmakla birlikte panel (cross-sectional) veri 
setleri için de uygulama alanı bulmaktadır. Bu alan kantitatif (istatistiksel) 
yöntemler kadar karar yöntemlerine ait çalışma ve uygulamaları da içermektedir. 
 
Öngörü modellemesi, diğer bir çok alan gibi, ekonomi alanı için büyük bir 
önem taşımaktadır ve oldukça yaygın bir şekilde kullanılmaktadır. Ekonomik 
birimlerin karar mekanizmalarını oluşturmalarından makroekonomik politikaların 
oluşturulmasına ve değerlendirilmesine kadar çok sayıda ekonomik aktivite öngörü 
modellemesinden faydalanmaktadır. Örneğin, son dönemlerde giderek artan oranda 
önem kazanan rasyonel bekleyişler teorisinin ortaya koyduğu ileriye dönük 
(forward-looking) bekleyişler, öngörü modellemesinin ekonomi alanındaki önemini 
daha da artırmıştır.  
 
Öngörü modellemesinin ekonomi ve finans alanlarındaki öneminin temel 
sebebi karar mekanizmasında önemli rol oynamasıdır. Basit bir şekilde, iyi 
öngörüler iyi kararlar alınabilmesine neden olmaktadır. Bu ilişki daha iyi 
öngörülerin nasıl elde edilebileceği sorusunu ilgi merkezi konumuna getirmektedir. 
Bu yönde, öngörü modellemesi yöntemlerinin geliştirilmesine yönelik çalışmalar 
olduğu gibi öngörü değerlendirmesi ve öngörülerin geliştirilmesi için 
kullanılabilecek tekniklere (örneğin öngörü birleştirme teknikleri
25
) yönelik 
çalışmalar da bulunmaktadır. 
 
Bu çalışmanın konusunu oluşturan Yapay Sinir Ağları yöntemi ekonomi 
alanında ve başka bir çok alanda öngörü modellemesi için kullanılan yeni bir 
                                                      
25
 Bkz. Diebold ve Lopez (1995) 
 
http://ekutup.dpt.gov.tr/ekonomi/tahmin/yurtoglh/ysa..pdf   
73

---

Yapay Sinir Ağları Metodolojisi ile Öngörü Modellemesi: Bazı Makroekonomik Değişkenler İçin Türkiye Örneği    
yöntemdir. Dolayısıyla, öngörü modellemesi tekniklerinin geliştirilmesi ve 
çeşitlendirilmesi çalışmalarına dahil olmuş bulunmaktadır. Bundan önceki 
bölümlerde teorisi ve uygulaması anlatılan YSA modelleme tekniğinin, bu bölümde 
diğer modellerle birlikte bir öngörü karşılaştırması yapılmaktadır. Bu karşılaştırma 
için, Bölüm 3’te tahmin edilen modellerden elde edilen öngörüler üzerinde bazı 
öngörü değerlendirme analizleri uygulanmaktadır.  
 
Öngörü değerlendirmesi, öngörülerin kalitesini belirlemeye yarayan karmaşık 
bir işlem olarak tanımlanabilmektedir ve öngörülerin kalitelerini artırabilmek 
açısından da önemli bir kavramdır. Bu ifadede kalite terimi doğruluk (accuracy), 
sapma (bias) veya beceri (skill) gibi bir çok ölçüyü içerebilir. Öngörü doğruluğunun 
ölçülmesinde öncelikli konu bir kayıp fonksiyonunun belirlenmesidir. Kayıp 
fonksiyonunun belirlenmesi önemlidir çünkü aynı zamanda uygun bir doğruluk 
ölçüsünün belirlenmesi anlamına gelmektedir. Örneğin, ikinci dereceden (quadratic) 
kayıp fonksiyonu, MSE
26
 kullanılması anlamına gelmektedir. Kayıp fonksiyonu, 
öngörü ve gerçekleşme verilerin bir fonksiyonudur: 
 
,
,
ˆ
(
,
)
(
t k
t k t
t k t
Kısıtlama
L y
y
L e
+
+
+
⎯⎯⎯⎯⎯→
)  
 
Burada, 
 t+k  dönemindeki gerçekleşme değeri ve 
 t+k dönemi için 
t döneminde yapılan öngörüyü temsil ederken 
k
t
y
+
t
k
t
y
,
ˆ
+
t
k
t
k
t
t
k
t
y
y
e
,
,
ˆ
+
+
+
−
=
 olarak 
tanımlanmaktadır. Öngörü doğruluğunun ölçülmesinde başka bir önemli kavram ise 
öngörü uzunluğudur (forecast horizon). Çünkü, farklı kayıp fonksiyonları ile 
değişik öngörü sıralamaları ortaya çıkabileceği gibi, farklı öngörü aralıkları için 
farklı sıralamalar da oluşabilmektedir. 
 
                                                      
26
 Ortalama Hata Kareleri Toplamı – Mean Squared Errors 
 
http://ekutup.dpt.gov.tr/ekonomi/tahmin/yurtoglh/ysa..pdf   
74

---