Estimation of Turkey and Germany’s Furniture Foreign Trade Using Artificial Neural Networks

Yıl 2017, Cilt: 19 Sayı: 2, 136 - 143, 01.12.2017

Muhammet Esat Özdağ Murat Yeşilkaya Yıldız Çabuk

Öz

In this study, the furniture foreign trade (export and
import) between Turkey and Germany was estimated between the years 2017-2023.
Artificial Neural Networks (ANN) was utilized as the method. Artificial Neural
Networks (ANN) was utilized as the method. The selected independent variables
were the populations of countries, Gross Domestic Products (GDP) and real
exchange rates while the sector export-import and time were used as dependent
variables. 16-year data set obtained was grouped into two as test and training
in this study and it was aimed to enable the network to gain the best
coefficients with 5000 iteration and make the closest estimations on the test
data. The results show that the artificial neural networks are an efficient
estimation method for furniture foreign trade. These results are aimed to make
predictions for the future plans for furniture industry between two countries.

Anahtar Kelimeler

Artificial neural networks, Estimation, Furniture, Foreign trade, Turkey, Germany

Türkiye-Almanya Mobilya Dış Ticaretinin Yapay Sinir Ağları İle Tahmini

Öz

Bu
çalışmada, Türkiye ile Almanya mobilya dış ticaretinin (ithalat ve ihracat)
2017-2023 yılları için tahmini yapılmıştır. Yöntem olarak yapay sinir ağları
(YSA) kullanılmıştır. Seçilen bağımsız değişkenler ülkelerin nüfusu,  Gayri Safi Yurtiçi Hasılaları (GSYİH), reel
döviz kuru endeksidir. Sektör ithalatı-ihracatı ve zaman bağımlı değişkenler
olarak kullanılmıştır. Bu çalışmada, elde edilen 16 yıllık veri seti test ve
eğitim olarak iki bölüme ayrılmış olup, 5000 iterasyon ile ağın en iyi
katsayıları kazanması ve test verileri üzerinde en yakın tahminlemeyi yapması
sağlanmıştır. Bulunan sonuçlar, yapay sinir ağlarının mobilya dış ticareti için
etkili bir tahmin yöntemi olduğunu göstermiştir. Elde edilen bu sonuçların iki
ülke arasında mobilya endüstrisi için gelecek planlamalarına öngörü oluşturması
hedeflenmektedir.

Anahtar Kelimeler

Yapay sinir ağları, Tahmin, Mobilya, Dış ticaret, Türkiye, Almanya

Kaynakça

• 1. Adıgüzel, M. (2016). Dünyada ve Türkiye’de Mobilya Sektörü: Mevcut Durum, Sorunlar, Öneriler ve Rekabet Gücü, Sektörel Etütler ve Araştırmalar, İstanbul Ticaret Odası (İTO) Yayın No: 2016-7
• 2. Anonim (2014) Germany Furniture Outlook, September 2014, XIX Ed CSIL Milano
• 3. Du, K. L., Lai, A. K. Y., Cheng, K. K. M., & Swamy, M. N. S. (2002). Neural methods for antenna array signal processing: a review. Signal Processing, 82(4), 547-561.
• 4. ITC, (2017). International Trade Center, Trade Statistics For İnternational Business Development. http://www.trademap.org Erişim Tarihi: 25.07.2017
• 5. Koparal, C., Tonus, H. Z., Ersoy, N. F., Aydın, N., Güllüpınar, F., Önce, S. (2014). Uluslararası İşletmecilik, Anadolu Üniversitesi Yayını No: 2591. Açıköğretim Fakültesi Yayını, Yayın no: 1560. ISBN 978-975-06-1260-2
• 6. Postell, J (2012). Furniture Design, (second ed.), 978-1-118-09078-7, Wiley & Sons, Inc., Hoboken, New Jersey p. 416
• 7. Şerefli, M. (2016). Dış Ticaretin Ekonomik Büyüme Üzerine Etkisi: Türkiye Örneği. Kastamonu University Journal of Economics & Administrative Sciences Faculty, 13.
• 8. T.C. Resmi Gazete (2016). İstatistik Pozisyonlarına Bölünmüş Türk Gümrük Tarife Cetveli’nin 1/1/2017 Tarihinden Geçerli Olmak Üzere Yürürlüğe Konulması ve 21/12/2016 Tarihli ve 2015/8320 Sayılı Kararnamenin Yürürlükten Kaldırılması Hakkında Karar, T.C. Başbakanlık, Gümrük ve Ticaret Bakanlığı, Tarih: 30.12.2016, Sayı : 29934 (2. Mükerrer).
• 9. TÜİK (2016). İthalat – İhracat İstatistik Kayıtları, T.C. Başbakanlık Türkiye İstatistik Kurumu (TUİK), http://www.tuik.gov.tr Erişim Tarihi: 18.07.2016
• 10. TÜİK (2017). İthalat – İhracat İstatistik Kayıtları, T.C. Başbakanlık Türkiye İstatistik Kurumu (TUİK), http://www.tuik.gov.tr Erişim Tarihi: 10.05.2017
• 11. Utkulu, U. (2001). Türkiye'de Dış Açıkların Belirleyicileri: Ekonometrik Bir İnceleme. Dokuz Eylül Üniversitesi, İktisadi ve İdari Bilimler Dergisi, 16 (2), 113-132.
• 12. Witten, I. H., Frank, E., Hall, M. A., & Pal, C. J. (2016). Data Mining: Practical machine learning tools and techniques. Morgan Kaufmann.
• 13. Yamanoğlu, K. K. (2008). Turkiye'de Sosyo-Ekonomik Faktörlerin İller Arası Yakınsama Üzerine Etkileri. İstatistikçiler Dergisi: İstatistik ve Aktüerya, 1(1).