Araştırma Makalesi
BibTex RIS Kaynak Göster

Forecasting Turkey’s Exports and Imports via Artificial Neural Network

Yıl 2022, Cilt: 6 Sayı: 2, 808 - 822, 28.05.2022
https://doi.org/10.25295/fsecon.1077683

Öz

Foreign trade has been one of the prominent areas of interest since the emergence of nation states. The aim of this study is to forecast exports and imports for the Turkish economy using artificial neural networks. Machine learning and artificial neural networks are relatively new methods in the economics literature, and in recent years, there has been an increase in evaluations that the predictions made by these methods are more effective. The findings of the study, in which the data gathered from Turkish Statistical Institute for the period of 1923-2019 (yearly) and from The Central Bank of The Republic of Turkey for the period of 1992:1-2021:6 (monthly), support this view. The pandemic process has once again revealed that economic variables can also be affected dramatically by non-economic reasons. For all these reasons, it is obvious how important it is to be able to forecast foreign trade series, although it is difficult. This is the main motivation of this study. It has been observed that artificial neural networks allow successful forecast results in the process when all macroeconomic indicators were affected dramatically due to the pandemic. The results of this and similar studies will be a guide for all policy practitioners and economic agents.

Kaynakça

  • Alam, T. (2019). Forecasting Exports and Imports Through Artificial Neural Network and Autoregressive Integrated Moving Average: Decision Science Letters, 8, 249-260.
  • Basuchoudhary, A., Bang, J.T. ve Sen, T. (2017). Machine-learning Techniques in Economics New Tools for Predicting Economic Growth. ABD: Springer Briefs in Economics.
  • Bayır, F. (2006). Yapay Sinir Ağları ve Tahmin Modellemesi Üzerine Bir Uygulama. Yüksek Lisans Tezi. İstanbul: İstanbul Üniversitesi, Sosyal Bilimler Enstitüsü.
  • Hebb, D. (1949). The Organization of Behaviour A Neuropsychological Theory. New York: John Wiley & Sons, London: Chapman & Hall.
  • Karahan, M. (2015). Yapay Sinir Ağları Metodu ile İhracat Miktarlarının Tahmini: ARIMA ve YSA Metodunun Karşılaştırmalı Analizi: Ege Akademik Bakış, 15(2), 165-172.
  • Kurt, R., Karayılmazlar, S., İmren, E. ve Çabuk, Y. (2017). Yapay Sinir Ağları ile Öngörü Modellemesi: Türkiye Kağıt-Karton Sanayi Örneği: Bartın Orman Fakültesi Dergisi, 19(2), 99-106.
  • Liu, Y. (2021). Foreign Trade Export Forecast Based on Fuzzy Neural Network: Complexity, 2021, 1-10.
  • McCulloch, W.S. ve Pitts, W. (1943). A Logical Calculus of the Ideas Immanent in Nervous Activity: The Bulletin of Mathematical Biophysics, 5, 115-133.
  • Önder, E., Bayır, F. ve Hepşen, A. (2013). Forecasting Macroeconomic Variables using Artificial Neural Network and Traditional Smoothing Techniques: Journal of Applied Finance & Banking, 3(4), 73-104.
  • Özbek, A. ve Akalın, M. (2011). The Prediction of Turkey’s Denim Trousers Export to Germany with ANN Models: Tekstil ve Konfeksiyon, 4, 313-322.
  • Özbek, A., Akalın, M., Topuz, V. ve Sennaroğlu, B. (2011). Prediction of Turkey’s Denim Trousers Export Using Artificial Neural Networks and the Autoregressive Integrated Moving Average Model: FIBRES & TEXTILES in Eastern Europe, 19(3), 10-16.
  • Özdağ, M.E., Yeşilkaya, M. ve Çabuk, Y. (2017). Türkiye-Almanya Mobilya Dış Ticaretinin Yapay Sinir Ağları ile Tahmini: Bartın Orman Fakültesi Dergisi, 19(2), 136-143.
  • Öztemel, E. (2006). Yapay Sinir Ağları. İstanbul: Papatya Yayıncılık Eğitim.
  • Polat, Ö. (2009). Türkiye’nin Dış Ticaret Verilerinin Öngörüsünde Yapay Sinir Ağları ve Box-Jenkins Modellerinin Karşılaştırmalı Analizi. Doktora Tezi. Erzurum: Atatürk Üniversitesi, Sosyal Bilimler Enstitüsü.
  • Rosenblatt, F. (1958). The Perceptron: A Probabilistic Model for Information Storage and Organization in the Brain: Psychological Review, 65(6), 386-408.
  • Rumelhart, D.E., Hinton, G.E. ve Williams, R.J. (1986). Learning Representations by Back-Propagating Errors: Nature, 323, 533-536.
  • Sala-i-Martin, X. (1997). I just ran four million regressions: American Economic Review, 87, 178–183.
  • Ser, G. ve Bati, C.T. (2019). Derin Sinir Ağları ile En İyi Modelin Belirlenmesi: Mantar Verileri Üzerine Keras Uygulaması: Yüzüncü Yıl Üniversitesi Tarım Bilimleri Dergisi, 29(3), 406-417.
  • Sokolov-Mladenović, S., Milovančević, M., Mladenović, I. ve Alizamir, M. (2016). Economic Growth Forecasting by Artificial Neural Network with Extreme Learning Machine Based on Trade, Import and Export Parameters: Computers in Human Behaviour, 65, 43-45.
  • Uçar, A. ve Bingöl, M.S. (2018). Derin Öğrenmenin Caffe Kullanılarak Grafik İşleme Kartlarında Değerlendirilmesi: DÜMF Mühendislik Dergisi, 9(1), 39-49.
  • Urrutia, J.D., Abdul, A.M. ve Atienza, J.B.E. (2019). Forecasting Phillippines Imports and Exports Using Bayesian Artificial Neural Network and Autoregressive Integrated Moving Average: Proceedings of The 8th SEAMS-UGM International Conference on Mathematics and its Applications 2019, AIP Conf. Proc. 2192, 090015-1–090015-11; https://doi.org/10.1063/1.5139185, AIP Publishing.
  • Yaman Selçi, B. ve Akgül, Y. (2019). Türkiye’nin İhracat Değerlerinin Yapay Sinir Ağları ile Tahmini Üzerine Bir İnceleme: Nicel Bilimler Dergisi, 2(2), 29-42.
  • Yurdakul, E.M. (2014). Türkiye’de İthalatın Gelişimi ve İthalatın Yapay Sinir Ağları Yöntemi ile Tahmin Edilebilirliğine Yönelik Bir Analiz. Doktora Tezi. Aydın: Adnan Menderes Üniversitesi, Sosyal Bilimler Enstitüsü.

Türkiye Ekonomisi İçin İhracat ve İthalatın Yapay Sinir Ağları İle Tahmini

Yıl 2022, Cilt: 6 Sayı: 2, 808 - 822, 28.05.2022
https://doi.org/10.25295/fsecon.1077683

Öz

Dış ticaret, ulus devletlerin ortaya çıkışından bu yana öne çıkan ilgi alanlarından biri olmuştur. Bu çalışmanın amacı, Türkiye ekonomisi için ihracat ve ithalatın yapay sinir ağları kullanılarak tahmin edilmesidir. Makine öğrenmesi ile yapay sinir ağları iktisat literatüründe nispeten yeni yöntemler olup son yıllarda bu yöntemlerle gerçekleştirilen tahminlerin daha etkin oldukları yönünde değerlendirmeler artmaktadır. Türkiye İstatistik Kurumu’ndan alınan 1923-2019 dönemi yıllık ve Türkiye Cumhuriyet Merkez Bankası’ndan alınan 1992:1-2021:6 dönemi aylık verilerinin kullanıldığı bu çalışmanın bulguları da bu görüşü destekler niteliktedir. Pandemi süreci, bir kez daha ekonomik değişkenlerin ekonomik olmayan gerekçelerden de dramatik bir şekilde etkilenebildiğini gözler önüne sermiştir. Tüm bu nedenlerle, her ne kadar zor olsa da dış ticaret verilerinin tahmin edilebilmesinin ne kadar önemli olduğu ortadadır. Bu çalışmanın temel motivasyonu da budur. Yapay sinir ağlarının, pandemi nedeniyle tüm makroekonomik göstergelerin dramatik bir şekilde etkilendiği süreçte de başarılı tahmin sonuçları elde edilmesine olanak sağladığı görülmüştür. Bu ve benzeri çalışmaların sonuçları tüm politika uygulayıcıları ve ekonomik aktörler için yol gösterici olacaktır.

Kaynakça

  • Alam, T. (2019). Forecasting Exports and Imports Through Artificial Neural Network and Autoregressive Integrated Moving Average: Decision Science Letters, 8, 249-260.
  • Basuchoudhary, A., Bang, J.T. ve Sen, T. (2017). Machine-learning Techniques in Economics New Tools for Predicting Economic Growth. ABD: Springer Briefs in Economics.
  • Bayır, F. (2006). Yapay Sinir Ağları ve Tahmin Modellemesi Üzerine Bir Uygulama. Yüksek Lisans Tezi. İstanbul: İstanbul Üniversitesi, Sosyal Bilimler Enstitüsü.
  • Hebb, D. (1949). The Organization of Behaviour A Neuropsychological Theory. New York: John Wiley & Sons, London: Chapman & Hall.
  • Karahan, M. (2015). Yapay Sinir Ağları Metodu ile İhracat Miktarlarının Tahmini: ARIMA ve YSA Metodunun Karşılaştırmalı Analizi: Ege Akademik Bakış, 15(2), 165-172.
  • Kurt, R., Karayılmazlar, S., İmren, E. ve Çabuk, Y. (2017). Yapay Sinir Ağları ile Öngörü Modellemesi: Türkiye Kağıt-Karton Sanayi Örneği: Bartın Orman Fakültesi Dergisi, 19(2), 99-106.
  • Liu, Y. (2021). Foreign Trade Export Forecast Based on Fuzzy Neural Network: Complexity, 2021, 1-10.
  • McCulloch, W.S. ve Pitts, W. (1943). A Logical Calculus of the Ideas Immanent in Nervous Activity: The Bulletin of Mathematical Biophysics, 5, 115-133.
  • Önder, E., Bayır, F. ve Hepşen, A. (2013). Forecasting Macroeconomic Variables using Artificial Neural Network and Traditional Smoothing Techniques: Journal of Applied Finance & Banking, 3(4), 73-104.
  • Özbek, A. ve Akalın, M. (2011). The Prediction of Turkey’s Denim Trousers Export to Germany with ANN Models: Tekstil ve Konfeksiyon, 4, 313-322.
  • Özbek, A., Akalın, M., Topuz, V. ve Sennaroğlu, B. (2011). Prediction of Turkey’s Denim Trousers Export Using Artificial Neural Networks and the Autoregressive Integrated Moving Average Model: FIBRES & TEXTILES in Eastern Europe, 19(3), 10-16.
  • Özdağ, M.E., Yeşilkaya, M. ve Çabuk, Y. (2017). Türkiye-Almanya Mobilya Dış Ticaretinin Yapay Sinir Ağları ile Tahmini: Bartın Orman Fakültesi Dergisi, 19(2), 136-143.
  • Öztemel, E. (2006). Yapay Sinir Ağları. İstanbul: Papatya Yayıncılık Eğitim.
  • Polat, Ö. (2009). Türkiye’nin Dış Ticaret Verilerinin Öngörüsünde Yapay Sinir Ağları ve Box-Jenkins Modellerinin Karşılaştırmalı Analizi. Doktora Tezi. Erzurum: Atatürk Üniversitesi, Sosyal Bilimler Enstitüsü.
  • Rosenblatt, F. (1958). The Perceptron: A Probabilistic Model for Information Storage and Organization in the Brain: Psychological Review, 65(6), 386-408.
  • Rumelhart, D.E., Hinton, G.E. ve Williams, R.J. (1986). Learning Representations by Back-Propagating Errors: Nature, 323, 533-536.
  • Sala-i-Martin, X. (1997). I just ran four million regressions: American Economic Review, 87, 178–183.
  • Ser, G. ve Bati, C.T. (2019). Derin Sinir Ağları ile En İyi Modelin Belirlenmesi: Mantar Verileri Üzerine Keras Uygulaması: Yüzüncü Yıl Üniversitesi Tarım Bilimleri Dergisi, 29(3), 406-417.
  • Sokolov-Mladenović, S., Milovančević, M., Mladenović, I. ve Alizamir, M. (2016). Economic Growth Forecasting by Artificial Neural Network with Extreme Learning Machine Based on Trade, Import and Export Parameters: Computers in Human Behaviour, 65, 43-45.
  • Uçar, A. ve Bingöl, M.S. (2018). Derin Öğrenmenin Caffe Kullanılarak Grafik İşleme Kartlarında Değerlendirilmesi: DÜMF Mühendislik Dergisi, 9(1), 39-49.
  • Urrutia, J.D., Abdul, A.M. ve Atienza, J.B.E. (2019). Forecasting Phillippines Imports and Exports Using Bayesian Artificial Neural Network and Autoregressive Integrated Moving Average: Proceedings of The 8th SEAMS-UGM International Conference on Mathematics and its Applications 2019, AIP Conf. Proc. 2192, 090015-1–090015-11; https://doi.org/10.1063/1.5139185, AIP Publishing.
  • Yaman Selçi, B. ve Akgül, Y. (2019). Türkiye’nin İhracat Değerlerinin Yapay Sinir Ağları ile Tahmini Üzerine Bir İnceleme: Nicel Bilimler Dergisi, 2(2), 29-42.
  • Yurdakul, E.M. (2014). Türkiye’de İthalatın Gelişimi ve İthalatın Yapay Sinir Ağları Yöntemi ile Tahmin Edilebilirliğine Yönelik Bir Analiz. Doktora Tezi. Aydın: Adnan Menderes Üniversitesi, Sosyal Bilimler Enstitüsü.
Toplam 23 adet kaynakça vardır.

Ayrıntılar

Birincil Dil Türkçe
Bölüm Makaleler
Yazarlar

Aslı Seda Kurt 0000-0003-0356-7443

Yayımlanma Tarihi 28 Mayıs 2022
Yayımlandığı Sayı Yıl 2022 Cilt: 6 Sayı: 2

Kaynak Göster

APA Kurt, A. S. (2022). Türkiye Ekonomisi İçin İhracat ve İthalatın Yapay Sinir Ağları İle Tahmini. Fiscaoeconomia, 6(2), 808-822. https://doi.org/10.25295/fsecon.1077683

 Fiscaoeconomia is licensed under a Creative Commons Attribution-NonCommercial-ShareAlike 4.0 International License.