Yapay Sinir Ağları Metodolojisi ile Öngörü Modellemesi: Bazı Makroekonomik Değişkenler İçin
Türkiye Örneği
arasında, Yıldız (2001) finansal başarısızlığın öngörülmesinde ve Baylar ve
diğerleri (1999) mühendislik alanında YSA’ların kullanımına yönelik çalışmalar
olarak sayılabilir. Ayrıca, Altuğ (1994) İMKB’de fiyat öngörüsü, Üngör (1998)
döviz kuru tahmini ve Gülseçen (1993) işletme alanlarında YSA kullanımı
konusunda çalışmalara sahiptirler. Tüm bu çalışmaların genelinde, YSA’ların
(ekonomik) öngörü alanında diğer tekniklere göre daha etkili olduklarına yönelik
bulgulara işaret edilmektedir. Bu tür bulguların
doğruluk derecesinin Türkiye
ekonomisine ait değişkenler için araştırılması da bu çalışmanın kapsamı içinde
bulunmaktadır. Bu amaçla, öncelikli olarak fiyat ve üretim değişkenleri için
detayları Bölüm 2.3’te açıklanan Geri Yayılmalı İleri Besleme yapısına sahip bir
YSA modeli kullanılmıştır. Tahmin edilen YSA modelleri Bölüm 3.1’de
açıklanmaktadır.
Tahmin edilen YSA modellerini karşılaştırmak için iki farklı ekonometrik
yöntem kullanılmıştır. Bunlar Vektör Otoregresyon (VAR) ve ARMA modelleme
teknikleridir.
Burada dikkati çeken nokta, doğrusal olmayan modelleme tekniği
YSA ile doğrusal modelleme tekniklerinin karşılaştırılıyor olmasıdır. Bu durum bir
miktar tezat oluştursa da amaca yönelik bakıldığında en uygun seçenek olduğu
görülmektedir. Çünkü VAR ve ARMA ekonometride en yaygın şekilde kullanılan
ve öngörü gücü yüksek yöntemlerdir. Bu yüzden karşılaştırma için tercih
edilmişlerdir.
Buna ek olarak, bu tür bir analiz doğrusal ve doğrusal olmayan
yöntemlerin karşılaştırılması olarak da görülebilir ki bu sayede, kesin olmamakla
birlikte, değişkenlerin doğrusallık özellikleri hakkında bir takım fikirler elde etmek
de mümkün gözükmektedir.
Bölümün kalan kısmında tahmin edilen modeller ayrıntılı bir şekilde
anlatılmaktadır. Ayrıca, VAR ve ARMA modelleri anlatılırken
bu yöntemler için
bazı teorik bilgilere de yer verilmektedir. Modellerin karşılaştırılmasına yönelik
analizin ayrıntıları ve sonuçları ise bir sonraki bölüme bırakılmaktadır.
http://ekutup.dpt.gov.tr/ekonomi/tahmin/yurtoglh/ysa..pdf
48
Yapay Sinir Ağları Metodolojisi ile Öngörü Modellemesi: Bazı Makroekonomik Değişkenler İçin Türkiye Örneği
3.1. YSA Modelleri
Yapay Sinir Ağı modelleri, Bölüm 2.3’te detaylı olarak açıklanan Geri
Yayılma Yapay Sinir Ağı metodolojisi kullanılarak tahmin edilmiştir. İleri besleme
ağ yapısına sahip bu ağ mimarilerinde yönlendirmeli eğitme kullanılmaktadır.
Zaten, Geri Yayılma Ağ olarak adlandırılmalarının
temel sebebi de bir
yönlendirmeli eğitme tekniği olan geri yayılma algoritması kullanılmasıdır.
Bu yöntem, kantitatif verilerle öngörü amaçlı çalışmalarda en çok kullanılan
ağ mimarisi olması nedeniyle bu çalışmada tercih edilen metot olmuştur. Hem
doğrusal hem de doğrusal olmayan yapılarda oldukça başarılı sonuçlar vermesi
öngörü amaçlı çalışmalarda sıkça kullanılmasının ve dolayısıyla bu çalışmada
uygulanan metot olmasının en temel sebeplerinden birisidir. Başka bir önemli sebep
ise diğer mimarilere göre çok daha kullanışlı bir yöntem olmasıdır. Bu sayede daha
az çaba ile yeterli derecede başarılı sonuçlar elde edebilen bir mimari olarak dikkat
çekmektedir.
Gerek fiyat modeli (YSA-1) gerekse üretim modelinin (YSA-2) tahmininde
tam bağlantılı ve iki tabakalı ağ mimarisi oluşturulmuştur. Dolayısıyla, ağ
mimarileri tek gizli tabakaya sahiptirler. Ayrıca,
her iki model için de eğitme
sürecinde öğrenme kuralı olarak Delta Kuralına yer verilmiştir. Girdi ve çıktı
tabakalarındaki nöron sayılarının normal olarak girdi ve çıktı değişkenlerin sayısına
bağlı olduğu göz önüne alındığında, sadece gizli tabakanın sahip olduğu nöron
sayısı için herhangi bir kısıt kullanılmamıştır.
Bundan sonraki iki alt bölümde sırasıyla YSA metodolojisi ile tahmin edilen
fiyat ve üretim modelleri açıklanmaktadır. Hem oluşturulan model mimarisi hem de
elde edilen sonuçlara yer verilmektedir. Bu model tahminleri MATLAB yazılımının
Sinir Ağları Alt Yazılımı (Neural Network Toolbox) kullanılarak
gerçekleştirilmiştir.
http://ekutup.dpt.gov.tr/ekonomi/tahmin/yurtoglh/ysa..pdf
49
Yapay Sinir Ağları Metodolojisi ile Öngörü Modellemesi: Bazı Makroekonomik Değişkenler İçin Türkiye Örneği
3.1.1. Fiyat Modeli (YSA-1)
Fiyat modelinde bağımlı değişken olarak kullanılan genel TEFE serisinin aylık
artış oranlarını açıklamak için döviz kuru (ABD Doları) ve M2Y para arzı tanımının
aylık artış oranları ile birlikte bağımlı değişkenin birinci gecikmeleri kullanılmıştır.
Dolayısıyla, bu tercihlerin ima ettiği fonksiyonel yapı üç girdi değişkenine (P
-1
, E
-1
,
M
-1
) ve bir çıktı değişkenine (P) sahiptir. Büyük harflerle
gösterilen bu değişken
isimleri, değişkenlerin doğal logaritmalı birinci farklarını temsil etmektedir ve aksi
belirtilmedikçe bütün modellerde bu gösterim kullanılmıştır.
Üç girdi değişkeni ve bir çıktı değişkeni içeren bu fonksiyonel yapıyı tahmin
etmek için iki tabakalı bir Geri Yayılmalı YSA mimarisi (YSA-1) oluşturulmuştur.
Şekil 3.1’de sunulan bu mimarinin girdi tabakasında girdi değişkenlerin
değerlerinin ağa sunulmasını sağlayan üç adet nöron ve çıktı tabakasında ise
bağımlı değişkene ait ağ çıktısının alındığı bir adet nöron bulunmaktadır.
Şekil 3.1: YSA-1 Modelinin Mimarisi
Önceden de bertildiği gibi, gizli tabakadaki nöron sayısı için bir kısıt
kullanılmamıştır.
Bunun yerine, gizli tabakadaki nöron sayısı, üst limit kriteri de
dikkate alınarak, bir performans değerlendirmesine göre belirlenmiştir. Değişik
sayıda gizli nöronlarla yapılan denemeler sonunda gizli tabakadaki nöron sayısı dört
olarak belirlenmiştir. Şekil 3.1’de gizli nöronlar numaralandırılmış dairelerle
http://ekutup.dpt.gov.tr/ekonomi/tahmin/yurtoglh/ysa..pdf
50