A GENETIC ALGORITHM APPROACH TO PARAMETER ESTIMATION IN NONLINEAR ECONOMETRIC MODELS

Öz

Genetic algorithm (GA) is a method based on the principle of evolution theory. It is widely used in stochastic optimization applications. In recent years, genetic algorithms have frequently been used in economics. The purpose of this study is to show that GA is not only used in solving optimization problems but also used as an alternative method in parameter estimation in solving nonlinear econometric models. By using a nonlinear trend model of the Turkish Statistical Institute’s monthly CPI data for the period 1990.01 and 2000.10, we first estimated the parameter of an econometric model which is not linear in its parameters, and then we used GA method for parameter estimation of the same model. The results obtained from two methods are compared

Anahtar Kelimeler

• Nonlinear econometric model, parameter estimation, genetic algorithm, consumer price index

A GENETIC ALGORITHM APPROACH TO PARAMETER ESTIMATION IN NONLINEAR ECONOMETRIC MODELS

Öz

Genetik algoritma (GA) evrim teorisi prensibi temelinde geliştirilmiş bir yöntemdir. Bu metot stokastik optimizasyon uygulamalarında yaygın biçimde kullanılmaktadır. Genetik algoritmalar son yıllarda ekonomide de yaygın biçimde kullanılmaya başlandı. Bu çalışmanın amacı GA’nın yalnızca optimizasyon problemlerinin çözümünde kullanılmadığını, ama doğrusal olmayan ekonometrik modellerin çözümünde parametre tahmininde kullanılan alternatif bir metot olduğunu da göstermektir. Biz önce 1990.01 ve 2000.10 dönemi için Türkiye İstatistik Kurumunun aylık TÜFE verilerinin doğrusal olmayan bir trend modelini kullanarak, parametrelinde doğrusal olmayan bir ekonometrik modelin parametrelerini tahmin ettik, daha sonra aynı modelin parametrelerini GA’yı kullanarak tahmin ettik. Sonuç olarak iki modelden elde edilen sonuçları karşılaştırdık

Anahtar Kelimeler

• Doğrusal olmayan ekonometrik model, parametre tahmini, genetik algoritma, tüketici fiyat endeksi

Kaynakça

1. Aksoy, S. (1996), Otokorelasyonlu Hata Terimli Doğrusal Olmayan Regresyon Modellerinde Parametre Tahmini,
2. (Yayınlanmamış Doktora Tezi), Gazi
3. Üniversitesi, Ankara.
4. Chatterjee, S., and Laudato, M. (1997), “Genetic Algorithms in Statistics", Common Statist.
5. Simula., 26, 1617-1630.
6. Gen, M., and Cheng, R. (1996), Genetic Algorithms and Engineering Design, Wiley, New York.
7. Goldberg, D. E.( 1989), Genetic Algorithms in Search, Optimization and Machine Learning,
8. Addison-Wesley Publishing Company, Inc., Reading, Massachusetts.

9. Rawlings, J.O. (1988) Brooks / Cole
10. Advanced Books and Software, California.
11. Yeniay, .M.Ö.(1999), Taguchi Deney Tasarımı Problemlerine Genetik Algoritma Yaklaşımı,
12. Yayınlanmamış Doktora Tezi, Hacettepe Üniversitesi, Fen Bilimleri Enstitüsü, Ankara.
13. Zeltkevic, M. (1998), “Nonlinear Models and Linear Regression”
14. http://web.mit.edu/on.001/Web/CourseNotes/StatisticsNotes/Corr elation/node6.html