Döviz Kuru Tahmini: LSTM Yaklaşımıyla Türkiye Üzerine Bir Uygulama
Abstract
Bu çalışma, Türkiye Cumhuriyet Merkez Bankası’ndan (TCMB) elde edilen 2012–2025 dönemine ait aylık USD/TRY döviz kuru verilerine dayanarak, Long Short-Term Memory (LSTM) derin öğrenme modeli ile kur tahmini yapmayı amaçlamaktadır. Finansal zaman serilerinin doğrusal olmayan ve dalgalı yapısı, geleneksel modellerin karmaşık desenleri yakalamakta yetersiz kalmasına neden olmaktadır. Bellek temelli mimarisi sayesinde LSTM, bu tür tahmin görevleri için güçlü bir alternatif sunmaktadır. Çalışmada, geçmiş döviz kuru verileriyle eğitilmiş tek değişkenli bir LSTM modeli kullanılarak ileriye dönük 12 aylık tahmin gerçekleştirilmiştir. Modelin başarımı Kök Ortalama Kare Hata (RMSE) ile değerlendirilmiş ve sonuçlar grafiksel olarak sunulmuştur. Elde edilen bulgular, LSTM’nin doğru ve dengeli tahminler sunduğunu göstermekte, bu yönüyle finansal tahminleme için umut vadettiğini ortaya koymaktadır. Gelecekte yapılacak araştırmalarda faiz oranları ve küresel ekonomik göstergeler gibi dışsal değişkenlerin de modele entegre edilmesi önerilmektedir.
Keywords
Döviz Kuru Tahmini, LSTM, Derin Öğrenme, Zaman Serisi Analizi, Yapay Zekâ Uygulamaları, Ekonomik Öngörü Modelleme
Supporting Institution
İstanbul Topkapi Universitesi
Ethical Statement
yok.
Thanks
yok.
References
- Ahmed, S., Haider, S. I., & Khan, M. T. (2020). Exchange rate forecasting in emerging markets using deep learning. Journal of Risk and Financial Management, 13(6), 120. https://doi.org/10.3390/jrfm13060120
- Bayramoğlu, M. F., & Öztürk, H. (2022). GRU ve LSTM ile döviz kuru tahmini: Karşılaştırmalı bir analiz. İktisat ve Toplum Dergisi.
- Box, G. E. P., & Jenkins, G. M. (1970). Time series analysis: Forecasting and control. Holden-Day.
- Cai, Y., Li, C., & Gao, L. (2020). Forecasting RMB exchange rate using LSTM. Economic Modelling, 88, 66–76.0
- Fischer, T., & Krauss, C. (2018). Deep learning with long short-term memory networks for financial market predictions. European Journal of Operational Research.
- Hochreiter, S., & Schmidhuber, J. (1997). Long short-term memory. Neural Computation, 9(8), 1735-1780.
- Huang, H., Hsu, C., & Yang, C. (2019). Forecasting foreign exchange rates with multilayer neural networks: A comparison of multivariate and univariate models. Mathematics, 7(9), 796. https://doi.org/10.3390/math7090796
- Hyndman, R. J., & Athanasopoulos, G. (2018). Forecasting: Principles and practice (2nd ed.). OTexts. https://otexts.com/fpp3/
- Karaaslan, M., & Memiş, A. (2021). Döviz kuru tahmininde derin öğrenme: LSTM ile bir uygulama. Finans Ekonomi ve Sosyal Araştırmalar Dergisi.
- Kourentzes, N., Barrow, D. K., & Crone, S. F. (2020). Neural networks for time series forecasting: Practical implications and future directions. European Journal of Operational Research, 273(3), 1166–1171. https://doi.org/10.1016/j.ejor.2018.08.003
