Türkiye İçin Makroekonomik Performans Endeksinin Analizi (1990-2017): Yapay Sinir Ağı Yaklaşımı

Abstract

Son yıllarda ülkelerin makroekonomik performansları OECD tarafından geliştirilen Makroekonomik Performans Endeksi ile değerlendirilmektedir. Bu endeks içinde 5 farklı makro değişken yer alırken endeks, bu değişkenlerin belli oralardaki ağırlıkları toplamına 100 eklenmesiyle elde edilmektedir. OECD üyesi tüm ülkelerin homojen bir ekonomik yapı sergilemediği dikkate alındığında, makroekonomik performans endeksi içinde yer alan 5 değişkene ait sabit ağırlıklar problem oluşturmaktadır. Bu değişkenlerden biri olan ve dış denge göstergesi kabul edilen cari açığın GSYİH’a oranı dış ticaret yapısına göre iki üye ülkede farklı makroekonomik etkiye sahip olabilecektir. İşte bu çalışmada Türkiye’de 1990-2017 döneminde makroekonomik performans endeksi OECD yönteminde kullanılan 5 değişkene ait verilerle Yapay Sinir Ağı (YSA) yöntemiyle tahmin edilmiştir. Bu tahmin endeks içinde yer alan değişkenlerin ağırlıklarını kendi içinde belirlemiştir. Yapılan tahminde OECD hesaplamasında işsizlik oranının %20 olan ağırlığının değişmediği, ekonomik büyümenin endeks içi ağırlığının %30’dan yaklaşık %27’ye ve enflasyonun %20 olan ağırlığının %17’ye gerilediği, bütçe ve cari açık değişkenlerinin ağırlıklarının da %15’den sırasıyla %20 ve %17’ye yükseldiği görülmüştür.

Keywords

• Büyüme,işsizlik,bütçe açığı,cari açık,makroekonomik performans indeksi,yapay sinir ağları

Analyzing the Macroeconomic Performance Index for Turkey (1990-2017): Artificial Neural Network Approach

Abstract

In recent years, macroeconomic performances of countries have been evaluated with the Macroeconomic Performance Index developed by OECD. While there are 5 different macro variables in this index, the index is obtained by adding 100 to the total weight of these variables at certain points. Considering that not all OECD member countries exhibit a homogeneous economic structure, the fixed weights of the 5 variables in the macroeconomic performance index are problematic. The ratio of the current account deficit to GDP, which is one of these variables and is considered as an external balance indicator, may have different macroeconomic effects in the two member countries depending on the foreign trade structure. This study was estimated by Turkey in the 1990-2017 period, macroeconomic performance index of Artificial Neural Network methods used in the OECD method 5 of variable data. This estimate determined the weights of the variables within the index. According to the OECD calculation, the weight of the unemployment rate, which is 20%, did not change, the economic growth decreased from 30% to about 27% and the inflation rate decreased to 17% from 20%, while the weight of budget and current account deficit variables were 15% respectively. 20% and 17% respectively.

Keywords

• Growth,unemployment,budget deficit,current account deficit,macroeconomic performance index,artificial neural networks

References

1. Aiginger, K. (2011). “Why Performance Differed Across Countries in the Recent Crisis: How Country Performance in the Recent Crisis Depended on Pre-crisis Conditions”. WIFO Working Papers, 387: 1-23.
2. Akın, F. (2017). “Türkiye ve Seçilmiş İslam Ülkelerinin Makroekonomik Göstergelerinin Karşılaştırılması”. Kastamonu Üniversitesi İktisadi ve İdari Bilimler Fakültesi Dergisi, 19(4), 60-73.
3. Al, İ., ve Baday Yıldız, E. (2019). “Türkiye’nin 2006-2017 Dönemi Makroekonomik Performansı: Sihirli Kare Yaklaşımı”. Atatürk Üniversitesi İktisadi ve İdari Bilimler Dergisi, 33(1), 303-320.
4. Altay Topçu, B., ve Oralhan, B. (2017). “Türkiye ve OECD Ülkeleri’nin Temel Makroekonomik Göstergeler Açısından Çok Kriterli Karar Verme Yöntemleri İle Karşılaştırılması”. International Journal of Academic Value Studies, 3(14), 260-277.
5. Chattopadhyay, S. ve Bose, S. (2015). “Global Macroeconomic Performance: A Comparative Study Based on Composite Scores”. Journal of Reviews on Global Economics, 4, 51-68.
6. Demireli, E., & Özdemir, A. Y. (2013). “Seçilmiş Avrupa Ülkelerinde Makroekonomik Performans Ölçümü: Şans Kısıtlı Veri Zarflama Analizi İle Bir Uygulama”. Dumlupınar Üniversitesi Sosyal Bilimler Dergisi, (37), 303-320.
7. Ekren, N., Aykaç Alp, E., & Yağmur, M. H. (2017). “Macroeconomic Performance Index: A New Approach to Calculation of Economic Wellbeing”. Applied Economics, 49(53), 5462-5476.
8. Eleren, A. & Karagül, M. (2008). “1986-2006 Türkiye Ekonomisinin Performans Değerlendirmesi”. Celal Bayar Üniversitesi İktisadi ve İdari Bilimler Fakültesi Yönetim ve Ekonomi Dergisi, Cilt 15, Sayı 1: 1-14.

9. Eyüboğlu, K. (2016). “Comparison of Developing Countries’ Macro Performances With AHP and TOPSIS Methods”. Çankırı Karatekin Üniversitesi İktisadi ve İdari Bilimler Fakültesi Dergisi, 6(1), 131-146.
10. Gür, B. (2017). “Türkiye’nin Makroekonomik Performansı Üzerine Bir Değerlendirme: 2002-2016 Dönemi”. Social Sciences Studies Journal, 3(5), 726-737.Güran, M., ve Tosun, M. (2005). “Türkiye Ekonomisinin Makro Ekonomik Performansı: 1951-2003 Dönemi İçin Parametrik Olmayan Bir Ölçüm”. Ankara Üniversitesi SBF Dergisi, 60(4), 89-115.
11. Hutton, A., Dow, A. ve Deeney, T. (1988). “Meaning and Measurement of National Economic Success: UK Relative Economic Performance in the 1980s”. Economic Issues, 3(2): 73-86.
12. Karabulut, K., Ersungur, Ş. M., & Polat, Ö. (2008). “Avrupa Birliği Ülkeleri Ve Türkiye’nin Ekonomik Performanslarının Karşılaştırılması: Veri Zarflama Analizi”. Atatürk Üniversitesi İktisadi ve İdari Bilimler Dergisi, 22(1), 1-11.
13. Kowalski, T. (2013). “Poland’s Long-term Macroeconomic Performance and Recent Trends: A Comparative Analysis”. In CESifo Forum (Vol. 14, No. 1, pp. 41-56). München: ifo Institut–Leibniz-Institut für Wirtschaftsforschung an der Universität München.
14. Lovell, C.A.K., Pastor, J.T. and Turner, J.A. (1995). “Measuring Macroeconomic Performance in the OECD: A Comparison of European and Non-European Countries”. European Journal of Operational Research, 87, 507-518.
15. McCulloch, W. S., & Pitts, W. (1943), "A Logical Calculus of Ideas Immanent in Nervous Activity". Bulletin of Mathematical Biophysics, 5:115–133. Reprinted in Neurocomputing: Foundations of Research. Edited by James A. Anderson and Edward Rosenfeld. MIT Press, 1988, 15–27.
16. Moesen, W. and Cherchye, L. (1998). “The Macroeconomic Performance of Nations Measurement and Perception”. Centre for Economic Studies Catholic University of Leuven Discussion Paper Series, 98.22: 1-29.
17. OECD (1987), World Economic Outlook, Published in Paris/FRANSA.
18. Önder, E., Taş, N., ve Hepsen, A. (2015). “Economic Performance Evaluation of Fragile 5 Countries after the Great Recession of 2008-2009 using Analytic Network Process and Topsis Methods”. Journal of Applied Finance & Banking, 5(1), 1-17.
19. Sancak, E., ve Demirbaş, E. (2011). “Küresel Ekonomik Kriz Ve Türkiye Konut Sektörüne Etkileri”. Süleyman Demirel Üniversitesi İktisadi ve İdari Bilimler Fakültesi Dergisi, 16(3), 171-190.
20. Susam, N., ve Bakkal, U. (2008). “Kriz Süreci Makro Değişkenleri ve 2009 Bütçe Büyüklüklerini Nasıl Etkileyecek?”. Maliye dergisi, 155, 72-88.
21. Teixeira, J. R. (2014). “Index of Macroeconomic Performance for a Subset of Countries: A Kaldorian Analysis from the Magic Square Approach Focusing on Brazilian Economy in the Period 1997-2012”. Panoeconomicus, 61(5), 527-542.
22. TÜİK, (2019), Temel İstatistikler, www.tuik.gov.tr.
23. Wang, C. N., and Le, A. (2018). “Measuring the Macroeconomic Performance among Developed Countries and Asian Developing Countries: Past, Present, and Future”. Sustainability, 10(10), 1-18.
24. Yükseler, Z. (2018). Türkiye'nin Göreli Makroekonomik Performansı-2003-2016 Dönemi Ülke Karşılaştırması. Teknik rapor, https://www.researchgate.net/ publication/ 318497727_Turkiye'nin_Makroekonomik_Performansi_2003-2016_Donemi_Ulke_ Karsilastirmasi (Erişim tarihi:27.06.2019).