MODELING THE RELATIONSHIP BETWEEN GDP GROWTH RATE AND CONSUMER PRICE INDEX CHANGE RATES USING TUNED MACHINE LEARNING REGRESSORS

Yıl 2026, Cilt: 22 Sayı: 1, 104 - 129, 26.03.2026

Emek Aslı Cinel , Ufuk Yolcu

https://doi.org/10.17130/ijmeb.1706446

https://izlik.org/JA97SP59GS

Öz

Growth and price stability are among the most widely researched topics. This study explores the relationship between Consumer Price Index (CPI) change rates and Gross Domestic Product (GDP) growth rates in Turkey from the first quarter of 2005 to the third quarter of 2024. It aims to forecast GDP growth rates using lagged CPI and GDP values as predictors through four machine learning algorithms: Support Vector Regression (SVR), Gaussian Process Regression (GPR), Neural Network Regression (NNR), and Cascade Neural Network Regression (CNNR). Forecasting performance was assessed across four scenarios using RMSE and MAPE metrics. Results revealed that CNNR provided the most accurate forecasts, with the lowest errors in most scenarios. NNR also demonstrated strong performance, particularly in capturing nonlinear patterns. The CNNR model’s superior predictive accuracy is attributed to its hybrid architecture, which enables modeling of both linear and nonlinear relationships. Overall, machine learning algorithms, especially CNNR and NNR, offer reliable tools for forecasting GDP growth based on inflation indicators. These findings can support policymakers and analysts in forming more robust economic strategies, especially under volatile inflation conditions.

Anahtar Kelimeler

GDP Growth , Inflation , Forecasting , Machine Learning , Neural Networks

GSYİH BÜYÜME ORANI VE TÜKETİCİ FİYAT ENDEKSİ DEĞİŞİM ORANLARI İLİŞKİSİ VE AYARLANMIŞ MAKİNE ÖĞRENİMİ ÖNGÖRÜCÜLERİ İLE MODELLENMESİ

https://izlik.org/JA97SP59GS

Öz

Büyüme ve fiyat istikrarı, üzerinde sıkça araştırmaların yapıldığı en önemli konular arasında yer almaktadır. Bu çalışma, 2005 yılının birinci çeyreğinden 2024 yılının üçüncü çeyreğine kadar Türkiye'de Tüketici Fiyat Endeksi (TÜFE) değişim oranları ile Gayri Safi Yurtiçi Hasıla (GSYİH) büyüme oranları arasındaki ilişkiyi incelemektedir. Gecikmeli TÜFE ve GSYİH değerleri kullanılarak, dört farklı makine öğrenmesi algoritmasıyla (SVR, GPR, NNR ve CNNR) GSYİH büyüme oranlarının öngörülmesi amaçlanmıştır. Öngörü başarısı dört farklı senaryo altında, HKOK ve OMYH ölçütleriyle değerlendirilmiştir. Bulgular, CNNR algoritmasının çoğu senaryoda en düşük hata ile en doğru öngörüleri sağladığını göstermiştir. NNR da özellikle doğrusal olmayan desenleri yakalama konusunda başarılı performans sergilemiştir. CNNR modelinin üstün öngörü doğruluğu, doğrusal ve doğrusal olmayan ilişkileri birlikte modelleyebilme yeteneğinden kaynaklanmaktadır. Genel olarak, makine öğrenmesi algoritmaları—özellikle CNNR ve NNR—enflasyon göstergeleri üzerinden GSYİH büyümesini güvenilir bir şekilde öngörebilecek araçlar sunmaktadır. Bu sonuçlar, özellikle dalgalı enflasyon koşullarında, politika yapıcılar ve analiz uzmanları için daha sağlam ekonomik stratejiler geliştirmede yol gösterici olabilir.

Anahtar Kelimeler

GSYİH Büyümesi , Enflasyon , Öngörü , Makine Öğrenmesi , Sinir Ağları

Kaynakça

• Abifarin, M. O., Isah, A., Yakubu, Y. & Adeyemi, R. A. (2024). A study on the effect of the growth rate of gross domestic product on some macroeconomic variables. Science World Journal, 1, 24-28.
• Akan, Y. & Kanca, O. C. (2015). Türkiye’de dış borçlanma ve enflasyon ilişkisi: VAR yaklaşımı (1980-2013). Hacettepe Üniversitesi İktisadi ve İdari Bilimler Fakültesi Dergisi, 33(3), 1-22.
• Almarashi A., Daniyal M & Jamal F (2024). Modelling the GDP of KSA using linear and non-linear NNAR and hybrid stochastic time series models. Plos One, 19(2), 114-118.
• Aral, A. (2015). Türkiye’de döviz kuru ve dış ticaret ilişkisi:1992–2013 dönemi eş bütünleşme analizi (Yayınlanmamış Yüksek Lisans Tezi). Aydın Adnan Menderes Üniversitesi Sosyal Bilimler Enstitüsü, Aydın.
• Atabey, A. Ö. & Karakuş, M. (2022). Türkiye’ye yönelik enflasyon, dış ticaret ve ekonomik büyüme ilişkisinin ampirik analizi. Cumhuriyet Üniversitesi İktisadi ve İdari Bilimler Fakültesi Dergisi, 23(3), 747-759.
• Barro, R. J. (1995). Inflation and economic growth. Bank of England quarterly bulletin, 35(2), 407-443.
• Berentsen, A. & Shouyong, S. (2008). Financial deepening, inflation and growth. Working Paper: Money, Banking and Payments, Federal Reserve Bank of Chicago.
• Božić, R. (2022). Forecasting GDP growth using data mining on the example of Serbia. Novi Ekonomist, 16(31).
• Burdekin, R. C. K., Denzau, A. T., Keil, M. W., Sitthiyot, T. & Willet, T. D. (2000). When does inflation hurt economic growth? Different nonlinearities for different economies. Claremont McKenna Collage & Claremont Graduate School, No:2000–22.
• Chowdhury, A. (2002). Does ınfIation affect economic growth? The relevance of the debate for Indonesia. Journal of Asia Pacifıc Economy, 7(1), 20-34.
• Ciaburro, G. & Iannace, G. (2021). Machine learning-based algorithms to knowledge extraction from time series data: A review. MDPI, 6(6), 1-30.
• Çanakci, M. (2021). Does inflation affect economic growth? A case of Turkey and U.S. International Journal of Economics and Financial Issues, 11(3), 45–54.
• Demuth, H. (1992). Neural network toolbox. In: Edition, M. (Ed.), Natick, Massachusetts, USA.
• Dunaev, B. (2025). Inflation dynamics in the country’s economy. International Theoretical Science Journal, 61(1), 115-119.
• Emsen S., Turan, S. A. & Aksu, H. (2012). Sınır testi ile enflasyon ve ekonomik büyüme ilişkileri: Türkiye üzerine incelemeler. Anadolu Üniversitesi Sosyal Bilimler Dergisi, 12(2), 25–40.
• Erdoğan, L., Tiryaki, A. & Ceylan, R. (2018). Türkiye'de uzun dönem ekonomik büyümenin belirleyicilerinin ARDL, FMOLS, DOLS ve CCR yöntemleriyle tahmini. Hacettepe Üniversitesi İktisadi ve İdari Bilimler Fakültesi Dergisi, 36(4), 39-57.
• Fahlman, S. E. (1988). Faster-learning variations on back-propagation: An empirical study in proceedings of the 1988 Connectionist Models Summer School, Morgan Kaufmann.
• Fahlman, S. E. & Lebiere, C. (1990). The cascade-correlation learning architecture. In: Advances in neural information processing systems (NIPS), 1, 524–532.
• Fischer, S. (1993). The role of macroeconomic factors in growth. Journal of Monetary Economics, 32(3), 48-51.
• Geçgil, G. & Akgül, Y. (2020). Türkiye’nin GSYİH değerlerinin yapay sinir ağları ile tahmini üzerine bir inceleme. Nicel Bilimler Dergisi, 2(1), 61-77.
• Granger, C.W.J. (1969). Investigating causal relations by econometrie models and cross-spectral methods. Econometrica, 37(3), 424-438.
• Hussain, S. & Malik, S. (2011). Inflation and economic growth: Evidence from Pakistan. International Journal of Economics and Finance, 3(5), 262-276.
• Johansen, S. (1990). Maximum likelihood estimation and inference on cointegration with applications to the demand for Money. Oxford Bulletin of Economics and Statistics, 52, 169-210.
• Kankpeyeng, J. G., Maham, I. & Abubakar, M. (2021). Impact of inflation on gross domestic product growth in Ghana. Ghana Journal of Development Studies.1, 64-71.
• Karabulut, Ş. (2019). Türkiye’de ekonomik büyüme ve enflasyon ilişkisi. Optimum Ekonomi ve Yönetim Bilimleri Dergisi, 6(2), 171-184.
• Karaca, O. (2003). Türkiye'de enflasyon-büyüme ilişkisi: Zaman serisi analizi. Doğuş Üniversitesi Dergisi, 4(2), 247-255.
• Karaçor, Z., Özer, H. & Saraç, Taha B. (2011). Enflasyon ve ekonomik büyüme ilişkisi: Türkiye ekonomisi üzerine ekonometrik bir uygulama (1988-2007). Niğde Üniversitesi İktisadi ve İdari Bilimler Fakültesi Dergisi, 4(2), 29–44. Korkulu, A. & Yılmaz, B. (2017). Türkiye’de büyüme-enflasyon ilişkisi: Granger nedensellik analizi( 1939–2013).
• International Journal of Academic Value Studies, 3(13), 85–93.
• Kumar, S., Kumar, A., Shaikh, G. M., Ali, K. & Azhar, M. (2023). The long run impact of exchange rate and inflation on GDP: A panel data approach consistent with data from Brazil, Russia, India, China and South Africa (BRICS). Journal of Economic Impact, 5(3), 317–326.
• Kumar, M., Komirelli, A., Meghana, S. & Prafull, L. N. (2024). A study on analysis of the relationship between GDP growth and inflation in India. International Journal of Scientific Research in Engineering and Management, 1, 117-131.
• Kumari, S. & Singh, S.K. (2022). Deep learning-based time series models for GDP and ICT growth prediction in India. International Conference on Computing, Communication, and Intelligent Systems (ICCCIS), Greater Noida, India, 250-256.
• Lucas, R. E. (1973). Some international evidence on output-inflation trade off. The American Economic Review, 63(3), 326–334.
• Ma, Y. (2024). Analysis and forecasting of GDP using the arima model. Information Systems and Economics, 5, 91-97.
• Malec, K., Maitah, M., Rojik, S., Aragaw, A., & Fulnečková, P. R. (2024). Inflation, exchange rate and economic growth in Ethiopia: A time series analysis. International Review of Economics & Finance, 96, 103-161.
• Martyniak, I., Trubnik, T. & Kostenko, Y. (2025). Comprehensive empirical analysis of the impact of inflationary processes on economic development: Trends, mechanisms and forecasting models. Social Development: Economic and Legal Issues, 1,42-47.
• MotIey, B. (1998). Growth and inflation: A cross-country study. Federal Reserve Bank of San Francisco Economic Review, No: 1, 1528.
• Paul, S., Kearney, C. & Chowdhury, K. (1997). Inflation and economic growth: A multi- country empirical analysis. Applied Economics, 29,1387-1401.
• Pediz, B. & Yenilmez, F. (2025). Vergi yükü, enflasyon ve ekonomik büyüme ilişkisi: 1990-2022 Türkiye örneği. Journal of Institute of Economic Development and Social Researches, 9(36), 56-78.
• Rasmussen & Williams (2005). Gaussian Processes for Machine Learning, By: Carl Edward Rasmussen, Christopher K. I. Williams, The MIT Press, 1, 7-31.
• Söyler, H. & Kızılkaya, O. (2015). Türkiye’nin GSYİH tahmini için yapay sinir ağları model performanslarının karşılaştırılması. Cumhuriyet Üniversitesi İktisadi ve İdari Bilimler Fakültesi Dergisi, 16(1), 45-58.
• Şencan, D. & Şencan Şahin, A. (2022). Anfis yöntemi kullanılarak Türkiye’de GSYİH tahmini. Kafkas Üniversitesi İktisadi ve İdari Bilimler Fakültesi Dergisi, 13(26), 953–971.
• Terzi, H. & Oltulular, S. (2006). Enflasyon-büyüme sürecinde sabit sermaye yatırımları. İktisadi ve İdari Bilimler Dergisi, 20(1), 3-6.
• Thirlwall, A.P. & Barton, C. A. (1971). Inflation and growth: The international evidence. Banco Nazionale del Lavoro Quarterly Review, No:98, 263-275.
• Tjandrasa, B. B. & Dewi, V. I. (2022). The model of GDP growth in ASEAN-4 countries: Control of corruption as an intervening variable. Journal of Economics, Business and Accountancy Ventura, 25(1), 1–9.
• Toda, H.Y. & Yamamoto, T. (19959. Statistical inference in vector autoregressions with possibly integrated processes. J. Econom. 66(1), 225–250.
• Topçu, E. (2017). Enflasyon oranı-ekonomik büyüme ilişkisi: Türkiye örneği. Nevşehir Hacı Bektaş Veli Üniversitesi Sosyal Bilimler Enstitüsü Dergisi, 7(2), 180-191.
• Wu, J. & He, Y. (2021). Prediction of GDP in time series data based on neural network model. IEEE International Conference on Artificial Intelligence and Industrial Design (AIID), Guangzhou, China, 20-23.
• Xiong, M. (2023). Relationship between GDP and inflation rate. BCP Business & Management, 40, 372-376.
• Yu, Z. (2024). Analysis of economic impact based on time series model - taking the GDP of two provinces as an example. Highlights in Business, Economics and Management, 30, 125-134.