Avrupa biRLİĞİnde mevduatin korunmasi

Yapay Sinir Ağları Metodolojisi ile Öngörü Modellemesi: Bazı Makroekonomik Değişkenler İçin Türkiye Örneği    
Grafik 4.7: Örneklem Dışı Öngörü Karşılaştırması (%) 
-30
-20
-10
0
10
20
00:01
00:03
00:05
00:07
00:09
00:11
01:01
01:03
01:05
01:07
U
ARMA
VAR
YSA
 
 
Grafik 4.8: Örneklem Dışı Öngörü Hataları Karşılaştırması (%) 
-20
-15
-10
-5
0
5
10
15
00:01
00:03
00:05
00:07
00:09
00:11
01:01
01:03
01:05
01:07
ARMA
VAR
YSA
 
http://ekutup.dpt.gov.tr/ekonomi/tahmin/yurtoglh/ysa..pdf   
85

---

Yapay Sinir Ağları Metodolojisi ile Öngörü Modellemesi: Bazı Makroekonomik Değişkenler İçin Türkiye Örneği    
Tablo 4.3: Öngörü Hatalarına Ait Temel İstatistikler 
Örneklem İçi Dönem 
Örneklem Dışı Dönem 
 
ARMA VAR YSA ARMA VAR YSA 
Ortalama 
 0.007 
0.000
-0.185
-2.000
-1.047 
 1.877
Medyan 
 0.362 
 0.399
-0.302
-1.107
 0.287 
 2.518
Maksimu
m 
 15.811 
 18.861
 17.268
 7.982
 10.96 
 10.622
Minimum 
-18.908 -16.681
-17.030
-15.350
-13.858 -13.220
Std. Sapma 
 6.438 
 6.391
 6.502
 7.122
 7.554 
 6.992
Gözlem 
166 166
166
20
20  20
 
Tablo 4.4’te sunulan öngörü doğruluk ölçülerine bakıldığında daha tutarlı 
sonuçlar elde edilebilmektedir. Özellikle, örneklem dışı dönemde en yüksek öngörü 
doğruluğuna sahip model olarak YSA-2 ortaya çıkmaktadır. Bu ifade ME dışındaki 
tüm ölçüler tarafından desteklenmektedir. Diğer iki modelden hangisinin daha iyi 
performansa sahip olduğuna ise karar verilememektedir çünkü ölçülerin yarısı bir 
modeli kalan yarısı ise diğer modeli göstermektedir. Örneklem içi döneme bakılırsa 
performans sıralamasındaki ilk model olarak VAR-2 modeli görülmektedir. İkinci 
model olarak ise, hata ölçülerine göre (soldaki ölçüler) ARMA modeli tercih 
edilirken yüzde hata ölçülerine göre YSA modeli tercih edilmektedir. 
 
Tablo 4.4: Öngörü Doğruluk Ölçüleri 
 
ARMA VAR  YSA 
  ARMA VAR  YSA 
Örneklem İçi Dönem 
ME 
0.0001 
 0.0000
 -0.0019 MPE 
 -0.0041
 -0.0041 
 -0.0064
MSE 
 0.0041 
 0.0041
 0.0042 MSPE 
 0.0044
 0.0042 
 0.0043
RMSE 
 0.0642 
 0.0637
 0.0649 RMSPE
 0.0662
 0.0647 
 0.0653
MAE 
 0.0508 
 0.0502
 0.0497 MAPE 
 0.0512
 0.0505 
 0.0497
Örneklem Dışı Dönem 
ME 
 -0.0200 
 -0.0105
 0.0188 MPE 
 -0.0239
 -0.0150 
 0.0161
MSE 
 0.0052 
 0.0055
 0.0050 MSPE 
 0.0059
 0.0062 
 0.0054
RMSE 
 0.0722 
 0.0744
 0.0707 RMSPE
 0.0770
 0.0784 
 0.0736
MAE 
 0.0618 
 0.0607
 0.0600 MAPE 
 0.0643
 0.0627 
 0.0614
 
Son olarak, model öngörü doğruluklarının istatistiksel olarak anlamlı net bir 
sıralamasını oluşturabilmek için Diebold ve Mariano Test İstatistiği kullanılmıştır. 
Bu çerçevede ikişerli gruplar halinde modellerin öngörü doğruluklarının aynı 
http://ekutup.dpt.gov.tr/ekonomi/tahmin/yurtoglh/ysa..pdf   
86

---

Yapay Sinir Ağları Metodolojisi ile Öngörü Modellemesi: Bazı Makroekonomik Değişkenler İçin Türkiye Örneği    
olduğu sıfır hipotezi için test edilmişlerdir. Testler, fiyat bölümünde olduğu gibi 
yüzde 5 anlamlılık düzeyinde ve örneklem dışı dönem için gerçekleştirilmiştir. Test 
sonuçları en yüksek öngörü doğruluğuna sahip modelin YSA-2 olduğunu 
göstermektedir. Diğer taraftan, ARMA ve VAR modelleri için yapılan test 
sonucunda sıfır hipotezi reddedilememiştir ve öngörü doğruluklarının istatistiksel 
olarak farklı olmadığı sonucu elde edilmiştir. Bu bölümde ortaya çıkan sıralama, 
öngörü doğruluk ölçülerine göre yapılan analizin sonuçları ile örtüşmektedir. 
 
 
 
 
 
 
 
http://ekutup.dpt.gov.tr/ekonomi/tahmin/yurtoglh/ysa..pdf   
87

---

Yapay Sinir Ağları Metodolojisi ile Öngörü Modellemesi: Bazı Makroekonomik Değişkenler İçin Türkiye Örneği    
5. Sonuç 
 
Bu çalışmada, öngörü modellemesi yöntemi olarak Yapay Sinir Ağları (YSA) 
metodolojisinin kullanımı araştırılmıştır. Temel olarak, YSA teorisi detaylı bir 
şekilde incelenmiştir ve uygun görülen bir YSA mimarisi kullanılarak Türkiye 
ekonomisine ait bazı makroekonomik değişkenler modellenmiştir. Tahmin edilen 
modeller hem kendi içinde değerlendirilmiş hem de yaygın olarak kullanılmakta 
olan ve öngörü gücü yüksek modelleme teknikleri ile performans karşılaştırmaları 
yapılmıştır. 
 
Çok sayıdaki YSA mimarisi arasından yaygın  şekilde kullanılması ve 
kullanışlı olması nedeniyle Geri Yayılma Yapay Sinir Ağı (GYYSA) mimarisi 
modellemede tercih edilmiştir. GYYSA mimarisi kullanılarak fiyat değişkeni 
(Toptan Eşya Fiyat Endeksi - TEFE) ve Üretim değişkeni (İmalat Sanayi Üretim 
Endeksi) için modeller tahmin edilmiştir. Diğer taraftan, YSA modellerinin öngörü 
performansları VAR (Vektör Otoregresyon) ve Box-Jenkins modelleme teknikleri 
kullanılarak tahmin edilen modellerin öngörü performansları ile karşılaştırılmıştır. 
Ayrıca, karşılaştırmaların yorumlanabilir olması için farklı yöntemlerin mümkün 
olduğunca benzer yapı taşımalarına özen gösterilmiştir. 
 
Her iki değişken için tahmin edilen YSA modelleri kendi içlerinde tutarlı bir 
yapı ve iyi bir öngörü performansı sergilemişlerdir. VAR ve Box-Jenkins modelleri 
ile yapılan öngörü karşılaştırmalarında ise YSA metodolojisinin diğer yöntemlere 
göre daha iyi bir öngörü performansına sahip olduğu sonucuna varılmıştır. 
Karşılaştırmalarda en dikkat çekici nokta YSA modellerinin örneklem içi dönemde 
diğer modelleme tekniklerine göre daha zayıf bir performansa sahip olmasına 
rağmen örneklem dışı dönemde en iyi performansı sağlayan yöntem olmasıdır. Bu 
durum, örneklem içi dönemde diğer modellerin performansını yakalayacak YSA 
modellerinin çok daha başarılı öngörü performansı sağlayabileceği  şeklinde 
yorumlanabilir. Bu da YSA modelleme tekniğinin daha etkili bir öngörü 
http://ekutup.dpt.gov.tr/ekonomi/tahmin/yurtoglh/ysa..pdf   
88

---