A comparative analysis of the ARMA and Neural Network Models: A case of Turkish economy

Insel, Aysu; Süalp, M. Nedim; Karakaş, Mesut

doi:10.3848/iif.2010.290.0467

Cited by 4 publications

References 38 publications

Supporting

Mentioning

Contrasting

Order By: Relevance

Türkiye’de Enflasyon Oranlarının Makine Öğrenme Yöntemi ile Tahmini

Nas,

Akboz Caner,

Ergin Ünal

2024

GAUN-JSS

View full text Add to dashboard Cite

Karar birimleri ve politika yapıcıların başarılı politikalar geliştirebilmelerinin önemli etkileyenlerinden biri gelecek dönemlere ait makroekonomik değişkenlerin doğru tahmin edilmesiyle gerçekleştirilmektedir. Enflasyon, söz konusu makroekonomik göstergeler arasında yer almakta olup başarılı politikalar gerçekleştirebilmek için enflasyonun reel etkilerini ve şiddetini minimize etmek, gelecek dönem değişimlerini ve etkileyenlerini belirlemek, enflasyonu güvenilir tahmin etmek gerekmektedir. Enflasyonun doğru bir şekilde tahmin edilmesi demek kamu sektörü ve özel sektör tarafından hem uygulanacak politikalar açısından hem de alınacak yatırım kararları bakımından önem arz etmektedir. Bu bağlamda yapılan çalışmada, Türkiye için 2008-2023 zaman aralığı kullanılarak üçer aylık veriler seçilmiştir. Çalışmada, geleneksel ekonometri yöntemleri yerine tahmin ile gerçeğin arasındaki farkın en aza indirgendiği makine öğrenme yöntemleri kullanılmıştır. Alternatif makine öğrenme metotları olan rastgele orman, karar ağacı ile yapay sinir ağları yöntemi olan çok katmanlı algılayıcı kullanılarak enflasyonu etkilediği düşünülen Brent petrol, Reeskont avans faiz oranı, para arzı, TÜFE, vergi gelirleri, genel bütçe gelirleri, politika faizi, Amerikan Doları/TL paritesi, GSYİH öznitelikleri seçilmiştir. Seçilen öznitelikler ile doğru tahminlemenin yapılacağı yöntem ve etkileyenin belirlenmesi amaçlanmaktadır. Analiz sonuçları karar ağacı modelinin, rastgele orman ve çok katmanlı algılayıcıya oranla en doğru enflasyon oranını tahmin ettiğini göstermektedir. Çalışma sonucundan elde edilen diğer bir bulgu ise Türkiye’de enflasyonun en yüksek belirleyicisinin Amerikan doları olduğu olgusudur.

show abstract

Türkiye’de Enflasyon Oranlarının Makine Öğrenme Yöntemi ile Tahmini

Nas,

Akboz Caner,

Ergin Ünal

2024

GAUN-JSS

View full text Add to dashboard Cite

show abstract

BIST 100 Endeksi İle Altın Fiyatları İlişkisinin Yapay Sinir Ağları Yöntemiyle Belirlenmesi (1988-2020)

Keskin

YÜCEL

2022

MANAS Sosyal Araştırmalar Dergisi

View full text Add to dashboard Cite

Tarihin her döneminde önemli bir ticaret ve finans aracı olan altın, günümüzde de önemli bir yatırım ve rezerv aracı olarak değerlendirilmeye devam etmektedir. Altın fiyatlarındaki değişim ve altına dayalı işlem hacminin büyüklüğü ile borsa ilişkisi çalışmanın temel araştırma konusunu oluşturmaktadır. Çalışmanın veri seti; 1988-2020 yılları arasındaki verilerden oluşmaktadır. Altın fiyatları ve BIST 100 endeksi arasındaki ilişkinin varlığı, yönü ve boyutu çalışma kapsamında incelenmiştir. Yapay sinir ağları (YSA) yöntemi veri analizinde kullanılmıştır. Değişkenler arasındaki nedensellik ilişkileri doğrusal ve olasılık tabanlı olarak iki aşamada incelenmiştir. Doğrusal ilişkinin %52 ve olasılığa dayalı ilişkinin ise %70 üzerinde olduğu gözlemlenmiştir. Bu amaçla, 1988-2019 dönemine ait kontrol veri üzerine geliştirilen model, 2020 yılına ait veri üzerinde test edilmiştir. İlgili model %54 üzerinde bir doğruluk oranı sağlamıştır.

show abstract

Forecasting and Technical Comparison of Inflation in Turkey With Box-Jenkins (ARIMA) Models and the Artificial Neural Network

Işiğiçok

Öz

Tarkun

2022

Research Anthology on Artificial Neural Network Applications

View full text Add to dashboard Cite

Inflation refers to an ongoing and overall comprehensive increase in the overall level of goods and services price in the economy. Today, inflation, which is attempted to be kept under control by central banks or, in the same way, whose price stability is attempted, consists of continuous price changes that occur in all the goods and services used by the consumers. Undoubtedly, in terms of economy, in addition to the realized inflation, inflation expectations are also gaining importance. This situation requires forecasting the future rates of inflation. Therefore, reliable forecasting of the future rates of inflation in a country will determine the policies to be applied by the decision-makers in the economy. The aim of this study is to predict inflation in the next period based on the consumer price index (CPI) data with two alternative techniques and to examine the predictive performance of these two techniques comparatively. Thus, the first of the two main objectives of the study are to forecast the future rates of inflation with two alternative techniques, while the second is to compare the two techniques with respect to statistical and econometric criteria and determine which technique performs better in comparison. In this context, the 9-month inflation in April-December 2019 was forecast by Box-Jenkins (ARIMA) models and Artificial Neural Networks (ANN), using the CPI data which consist of 207 data from January 2002 to March 2019 and the predictive performance of both techniques was examined comparatively. It was observed that the results obtained from both techniques were close to each other.

show abstract

A comparative analysis of the ARMA and Neural Network Models: A case of Turkish economy

Cited by 4 publications

References 38 publications

Türkiye’de Enflasyon Oranlarının Makine Öğrenme Yöntemi ile Tahmini

Türkiye’de Enflasyon Oranlarının Makine Öğrenme Yöntemi ile Tahmini

BIST 100 Endeksi İle Altın Fiyatları İlişkisinin Yapay Sinir Ağları Yöntemiyle Belirlenmesi (1988-2020)

Forecasting and Technical Comparison of Inflation in Turkey With Box-Jenkins (ARIMA) Models and the Artificial Neural Network

Contact Info

Product

Resources

About