An Analysis on The Relation Between Consumer Confidence Index and Macro Variables By Artificial Neural Newtworks Method

Abstract

Tüketici güven endeksi, ekonomik faaliyetteki değişiklikleri işaret etmek için tasarlanmış ve makroekonomik değerlendirme ve tahminlerde yaygın olarak kullanılan birçok göstergeden biridir. Bu makale, tekrarlayan sinir ağlarının (RNN) zaman serilerini gerçekleştirme öngörü yeteneğini incelemektedir. Rnn'lerde, tekrarlayan bağlantılardan geçen sinyaller ağ için etkili bir bellek oluşturur ve daha sonra gelecekteki zaman serisi değerlerini daha iyi tahmin etmek için bellekteki bilgileri kullanabilir. Çalışmada kur, işsizlik, tüketici fiyat endeki girdi değerleriyle, tüketici güven endeksi hedef değeri ile doğrusal olmayan otoregresif (NARX) modeli olan tekrarlayan bir dinamik ağ kullanıyoruz. Sonuç olarak, RNN modelinin zaman serisi tahmininde yüksek bir doğruluk elde ettiği sonucuna varılmıştır.

Keywords

• Artificila Neural Network
• Recurrent Neural Network
• Consumer Confidence Index

Yapay Sinir Ağları Yöntemiyle Tüketici Güven Endeksi ve Makro Değişkenler Arasındaki İlişki Üzerine Bir Analiz

Abstract

Tüketici güven endeksi, ekonomik faaliyetteki değişiklikleri işaret etmek için tasarlanmış ve makroekonomik değerlendirme ve tahminlerde yaygın olarak kullanılan birçok göstergeden biridir. Bu makale, tekrarlayan sinir ağlarının (RNN) zaman serilerini gerçekleştirme öngörü yeteneğini incelemektedir. Rnn'lerde, tekrarlayan bağlantılardan geçen sinyaller ağ için etkili bir bellek oluşturur ve daha sonra gelecekteki zaman serisi değerlerini daha iyi tahmin etmek için bellekteki bilgileri kullanabilir. Çalışmada kur, işsizlik, tüketici fiyat endeki girdi değerleriyle, tüketici güven endeksi hedef değeri ile doğrusal olmayan otoregresif (NARX) modeli olan tekrarlayan bir dinamik ağ kullanıyoruz. Sonuç olarak, RNN modelinin zaman serisi tahmininde yüksek bir doğruluk elde ettiği sonucuna varılmıştır.

Keywords

• Yapay Sinir Ağları
• Tekrarlayan Sinir Ağları
• Tüketici Güven Endeksi

References

1. Alkaiem, L., Keller, F., & Sternberg, H. (2016). Analysis of inclination measurement by means of artificial neural networks-A comparison of static and dynamic networks. 3rd JISDM, (s. 29–31 ). Vienna,Austria.
2. Bhatt, A. K., & Pant, D. (2015). Automatic apple grading model development based on back propagation neural network and machine vision, and its performance evaluation. Al & Soc, 45-56. doi:https://doi.org/10.1007/s00146-013-0516-5
3. Bile, A., Tari, H., Grinde, A., Frasca, F., Siani, A. M., & Fazio, E. (2022). Novel Model Based on Artificial Neural Networks to Predict Short-Term Temperature Evolution in Museum Environment. Sensors, 2(22), 10-16. doi:https://doi.org/10.3390/s22020615