GRİ TAHMİN YÖNTEMİ: BİREYSEL EMEKLİLİK SİSTEMİ ÜZERİNE BİR UYGULAMA

Öz

Bir ülkede var olan finansal sistemin en temel özelliği; tasarruf sahiplerinin elinde bulunan fonları, fon ihtiyacı olan kesime ulaştırmaktır. Aynı zamanda toplanan fonların verimli bir biçimde ülke ekonomisi için kullanılmasını sağlamaktır. Özellikle gelişmiş ve gelişen ülke ekonomilerinde, bu iki etkenin bir araya getirilmesi için oldukça profesyonel yapılara ihtiyaç vardır. Bireysel Emeklilik Sistemleri (BES) ise aktif olarak piyasalara uzun vadeli fon sağlaması için tasarlanmış bir sistemdir.  BES’in ülke ekonomisi açısından en temel işlevi bu fonların toplanmasında artış sağlamaktır. Bireysel açıdan bakıldığında ise yatırım yapan bireylerin emeklilik dönemlerinde rahat bir hayat sürmesi; elde edilecek ek gelire bağlı olarak refah seviyesinin artmasıdır. Genel bir ifadeyle bir ülkede iyi bir finansal sistemin var olması ve verimli bir şekilde işlemesi hem ülke hem de birey tarafından oldukça önem arz etmekte olup o ülkedeki ekonomik gelişmenin ise itici bir gücü olmaktadır. Bu çalışmanın amacı ise Türkiye de var olan BES sistemine bağlı katılımcı sayılarını ve yatırıma yönlendirilen tutarların gelecek dönem için tahmininin yapılmasıdır.  Uygulama için Gri Teori’nin bir dalı olan Gri Tahmin G(1,1) modeli kullanılmıştır. Çalışmada 2011-2016 yılları arasındaki veriler yıllık olarak alınmıştır ve 2020 yılına kadar 4 yıllık tahmin yapılmıştır. Ele alınan 6 yıllık veriler için öncelikle test tahmini yapılarak uygulamadaki test tahmininin hata payı oranları hesaplanmıştır. Daha sonra elde edilen hata payı oranlarının güvenilirliği test edilerek, gelecek yıllar için katılımcı sayısı ve yatırıma yönlendirilen tutarların tahminleri yapılmıştır.

Anahtar Kelimeler

• Bireysel Emeklilik Sistemi,Gri Teori,Gri Sistem

Kaynakça

1. Apak, S. ve Taşcıyan, K.H., (2010). Türkiye’de Bireysel Emeklilik Sisteminin Gelişimi. Ekonomi Bilimleri Dergisi, 2(2), 121-129.
2. Can, Y. (2010). Bireysel Emekliliğin Türkiye’deki Durumu ve Gelişimi. Ekonomi Bilimleri Dergisi, 2(2), 139-146.
3. Chen, Z. ve Wang, X., (2012). Applying the Grey Forecasting Model to the Energy Supply Managechenament Engineering, Systems Engineering Procedia 5, 179-184.
4. Chiou, H., Tzeng, G. and Cheng, C. (2004). Grey Prediction GM(1,1) Model For Forecasting Demand Of Planned Spare Parts In Navy Of Taiwan, MCDM 2004, Whistler, B. C. Canada August, 6-11.
5. Cui, J., Liu S., Zeng B., Xie N. (2013). A Novel Grey Forecasting Model and Its Optimization. Applied Mathematical Modelling, 37, 4399-4406.
6. Emeklilik Gözetim Merkezi Bireysel Emeklilik Sistemi Gelişim Raporu 2016, https://www.egm.org.tr/bes2016gr/T%C3%BCrk%C3%A7e/BES%20Geli%C5%9Fim%20Raporu%202016/E-Kitap/mobile/index.html#p=7, Erişim Tarihi: 05.04.2018.
7. Emeklilik Gözetim Merkezi Bireysel Emeklilik Sistemi Gelişim Raporu 2015, https://www.egm.org.tr/bes2016gr/T%C3%BCrk%C3%A7e/%C3%96nceki%20Y%C4%B1llar%C4%B1n%20Raporlar%C4%B1/BES%20Geli%C5%9Fim%20Raporu%202015/E-Kitap/mobile/index.html#p=I, Erişim Tarihi: 05.04.2018.
8. Emeklilik Gözetim Merkezi Bireysel Emeklilik Sistemi Gelişim Raporu 2014, https://www.egm.org.tr/bes2016gr/T%C3%BCrk%C3%A7e/%C3%96nceki%20Y%C4%B1llar%C4%B1n%20Raporlar%C4%B1/BES%20Geli%C5%9Fim%20Raporu%202014/E-Kitap/mobile/index.html#p=I, Erişim Tarihi: 05.04.2018.

9. Emeklilik Gözetim Merkezi Bireysel Emeklilik Sistemi Gelişim Raporu 2013, https://www.egm.org.tr/bes2016gr/T%C3%BCrk%C3%A7e/%C3%96nceki%20Y%C4%B1llar%C4%B1n%20Raporlar%C4%B1/BES%20Geli%C5%9Fim%20Raporu%202013/E-Kitap/mobile/index.html#p=I, Erişim Tarihi: 05.04.2018.
10. Emeklilik Gözetim Merkezi Bireysel Emeklilik Sistemi Gelişim Raporu 2012, https://www.egm.org.tr/bes2016gr/T%C3%BCrk%C3%A7e/%C3%96nceki%20Y%C4%B1llar%C4%B1n%20Raporlar%C4%B1/BES%20Geli%C5%9Fim%20Raporu%202012/E-Kitap/mobile/index.html#p=I, Erişim Tarihi: 05.04.2018.
11. Feng, S.J., Ma, Y.D., Song, Z.L.ve Ying, J. (2012). Forecasting the Energy Consumption of China by the Grey Prediction Model. Energy Sources, Part B, Economics, Planning and Policy, 7(4), 376-389.
12. Hu, Y.C. (2017). Predicting Foreign Tourists for the Tourism Industry Using Soft Computing-Based Grey–Markov Models, Sustainability, 9, 1228, 1-12.
13. Huang, C., Kuo, C. , Kao Y., Lu H. and Chiang, P. (2014). Forecasting the Internet of Things Market by Using the Grey Prediction Model Based Forecast Method, International Conference on Economic Management and Trade Cooperation, 337-345.
14. Huang, K. ve Jane C. (2009). A Hybrid Model for Stock Market Forecasting and Portfolio Selection Based on ARX, Grey System and RS Theories, Expert Systems with Applications, 36(3), 5387- 5392.
15. Julong, D. (1989). Introduction to Grey System Theory, The Journal of grey System 1, 1-24.
16. Liu, S. ve Lin, Y.., (2010). Grey Systems Teory and Applications, Springer.
17. Liu, S.M. ve Zhang, G.Y. (2007). An Improved Grey Model For Corrosion Prediction of Tank Bottom, Protection of Metals, 43 (4), 407-412.
18. Mostafaeı, H. ve Kordnoori, S. (2012). Hybrid Grey Forecasting Model for Iran’s Energy Consumption and Supply. International Journal of Energy Economics and Policy, 2(3), 97-102.
19. Oruç, K. ve Çelik Eroğlu, Ş. (2017). Isparta İli İçin Doğal Gaz Talep Tahmini. Süleyman Demirel Üniversitesi İktisadi ve İdari Bilimler Fakültesi Dergisi,22(1),31-42.
20. Ömürbek V., Akçakanat Ö. ve Aksoy E. (2018), Kamu Sermayeli Mevduat Bankalarının Karlılıklarının Gri Tahmin Yöntemi İle Değerlendirilmesi, 1. Uluslararası Bankacılık Kongresi, 4-5 Mayıs, Ankara, 496-508.
21. Ömürbek V., Aksoy E. ve Akçakanat Ö. (2018), Bankaların Grup Bazlı Karlılıklarının Gri Tahmin Yöntemi İle Değerlendirilmesi. Mehmet Akif Ersoy Üniversitesi Sosyal Bilimler Enstitüsü Dergisi, 10(23), 75-89.
22. Özer Keçe, F., Ömürbek, V. ve Acar, D. (2016). Gri Temelli Maliyet Tahmini, Süleyman Demirel Üniversitesi İktisadi ve İdari Bilimler Fakültesi Dergisi, 21 (2), 453-461.Polat, A. ve Kekeç, H.M. (2017). Bireysel Emeklilik Sisteminin Türk Vergi Sistemi Açısından Analizi. Gazi Üniversitesi İktisadi ve İdari Bilimler Fakültesi Dergisi Gazi Akademi Genç Sosyal Bilimciler Sempozyumu Özel Sayısı, 175-191.
23. Shen X. ve Lu Z. (2014). The Application of Grey Theory Model in the Predication of Jiangsu Province’s Electric Power Demand. AASRI Procedia, 7, 81-87.Xie, N. ve Liu, S.F. (2009). Discrete Grey Forecasting Model And Its Optimization, Applied Mathematical Modelling, 33, 1173–1186.
24. Yao, A. W. L., Chi, S. C. ve Chen, J. H. (2003). An Improved Grey-Based Approach for Electricity Demand Forecasting. Electric Power Systems Research, 67(3), 217-224.
25. Yıldırım, B.F. ve Keskintürk, T. (2015). Kredi Kartı Kullanım İstatistiklerinin Gri Tahmin ve Genetik Algoritma Tabanlı Gri Tahmin Metodu İle Tahmini: Karşılaştırmalı Analiz, Bankacılar Dergisi, 94, 65-80.
26. Yılmaz, H. ve Yılmaz M (2013). Forecasting CO2 Emissions For Turkey By Using The Grey Prediction Method, Journal of Engineering and Natural Sciences, Sigma 31, 141-148.
27. Yu X., Lu Z. (2012). Prediction of Energy Consumption Based on Grey Model - GM (1,1). In: Lei J., Wang F.L., Deng H., Miao D. (eds) Artificial Intelligence and Computational Intelligence. AICI 2012. Lecture Notes in Computer Science, 7530. Springer, Berlin, Heidelberg.
28. Yu, M.C., Wang, C.N. ve Ho, N.N.Y. (2016). A Grey Forecasting Approach for the Sustainability Performance of Logistics Companies. Sustainability 8, 866; doi:10.3390/su8090866.
29. Zhao, J. (2016). A Project Cost Forecasting Method Based on Grey System Theory, Chemical Engineering Transactions, (51), 367-372.
30. Zhao, Z. ve Yin, R. (2018). Application of Grey Neural Network in Vehicle Vibration Prediction, Advances in Automobile Engineering Research Article, 7(1), doi: 10.4172/2167-7670.1000180.