Türkiye’de Aylık Süt Fiyatlarının ETS Modeli Kullanılarak Zaman Serisi Analizi

Öz

Süt fiyatları, üreticiler, işleyiciler ve tüketiciler üzerinde yarattığı etkiler nedeniyle süt sektörünün sürdürülebilirliğinde kritik bir rol oynamaktadır. Türkiye’de son yıllarda süt fiyatlarında görülen keskin artışlar ve artan oynaklık, piyasa istikrarı ve tahmin güvenilirliği konusunda önemli endişelere yol açmıştır. Bu çalışma, Türkiye’de aylık süt fiyatlarının dinamiklerini analiz etmeyi ve Hata–Trend–Mevsimsellik (ETS) üstel düzeltme modelinin tahmin performansını değerlendirmeyi amaçlamaktadır. Çalışmanın analizi, 2005–2024 dönemini kapsayan aylık süt fiyatı verilerine dayanmaktadır. Tanımlayıcı istatistikler ve grafiksel analizler, özellikle 2020 sonrasında belirginleşen güçlü bir artan trend ile birlikte belirgin mevsimsel dalgalanmaların varlığına işaret etmekte; bu durum fiyat davranışında açık bir yapısal değişime işaret etmektedir. Bu özellikleri modellemek amacıyla ETS çerçevesi kullanılmış ve model seçimi standart bilgi kriterleri yardımıyla gerçekleştirilmiştir. Tahmin performansı, yaygın olarak kullanılan doğruluk ölçütleri aracılığıyla örneklem dışı bir değerlendirme ile analiz edilmiştir. Elde edilen bulgular, ETS modelinin görece istikrarlı dönemlerde süt fiyatlarının genel trendini ve mevsimsel yapısını makul ölçüde yakalayabildiğini göstermektedir. Ancak, hızlı fiyat artışlarının yaşandığı dönemlerde tahmin doğruluğunun azaldığı; bunun da yapısal değişimler ve piyasa şokları karşısında tarihsel zaman serisi modellerinin sınırlılıklarını yansıttığı görülmektedir. Bu sınırlamalara rağmen, ETS tabanlı tahminler kısa vadeli fiyat hareketlerine ilişkin yararlı bilgiler sunmaktadır. Araştırma sonuçları ETS modellerinin, özellikle daha geniş piyasa bilgileriyle desteklendiğinde, Türkiye’de süt fiyatı dinamiklerinin izlenmesinde şeffaf ve pratik bir temel araç olarak kullanılabileceğini ortaya koymaktadır. Çalışma, süt fiyatı davranışına ilişkin güncel ampirik kanıtlar sunması ve oynak tarım piyasalarında üstel düzeltme yaklaşımlarının güçlü ve zayıf yönlerini vurgulaması açısından literatüre katkı sağlamaktadır.

Anahtar Kelimeler

• Süt Fiyatları
• Üstel Düzeltme
• ETS Modeli
• Zaman Serisi Analizi
• Tarım Ekonomisi
• Türkiye

An ETS-Based Time Series Analysis of Monthly Milk Prices in Türkiye

Öz

Milk prices play a crucial role in the sustainability of the dairy sector, affecting producers, processors, and consumers alike. In Türkiye, recent years have been marked by sharp increases and heightened volatility in milk prices, raising concerns about market stability and forecasting reliability. This study aims to analyze the dynamics of monthly milk prices in Türkiye and to evaluate the forecasting performance of an Error–Trend–Seasonality (ETS) exponential smoothing model. The analysis is based on monthly milk price data covering the period from 2005 to 2024. Descriptive statistics and graphical analysis reveal a strong upward trend combined with pronounced seasonal fluctuations, particularly after 2020, indicating a clear structural shift in price behavior. To model these characteristics, an ETS framework was employed, and model selection was conducted using standard information criteria. Forecast performance was assessed through an out-of-sample evaluation using commonly applied accuracy measures. The results show that the ETS model captures the overall trend and seasonal structure of milk prices reasonably well under relatively stable conditions. However, forecasting accuracy declines during periods of rapid price increases, reflecting the limitations of historical time-series models in the presence of structural changes and market shocks. Despite these limitations, ETS-based forecasts provide useful short-term insights into price movements. Overall, the findings suggest that ETS models can serve as a transparent and practical baseline tool for monitoring milk price dynamics in Türkiye, particularly when complemented with broader market information. The study contributes to the literature by offering updated empirical evidence on milk price behavior and highlighting the strengths and constraints of exponential smoothing approaches in volatile agricultural markets.

Anahtar Kelimeler

• Milk Prices
• Exponential Smoothing
• ETS Model
• Time Series Analysis
• Agricultural Economics
• Türkiye

Kaynakça

1. Azazi, H., 2022. An application on the source of inflation in Turkey. Yönetim Bilimleri Dergisi. 20(46): 997–1021. https://doi.org/10.35408/comuybd.1075637
2. Ayyıldız, M., Çiçek, A., Kaplan, K., 2021. Asymmetric relationship between raw milk and retail milk prices in Türkiye. KSU Journal of Agriculture and Nature. 24(3): 594–602. https://doi.org/10.18016/ksutarimdoga.vi.749975
3. Box, G. E. P., Jenkins, G. M., Reinsel, G. C., Ljung, G. M., 2015. Time Series Analysis: Forecasting and Control (5th Ed.). Hoboken, NJ, USA: Wiley.
4. Chatfield, C., Koehler, A. B., Ord, J. K., Snyder, R. D., 2001. A new look at models for exponential smoothing. Journal of the Royal Statistical Society Series D (Statistics). 50(2): 147–159. https://doi.org/10.1111/1467-9884.00267
5. Ergün, O. F., Bayram, B., 2021. Changes in the livestock sector in Turkey. Journal of Bahri Dagdas Animal Research. 10(2): 158–175.
6. Frey, G., Manera, M., 2007. Econometric models of asymmetric price transmission. Journal of Economic Surveys. 21(2): 349–415. https://doi.org/10.1111/j.1467-6419.2007.00507.x
7. Gardner, E. S., 1985. Exponential smoothing: The state of the art. Journal of Forecasting. 4(1): 1–28. https://doi.org/10.1002/for.3980040103
8. Goodwin, B. K., Holt, M. T., 1999. Price transmission and asymmetric adjustment in the U.S. beef sector. American Journal of Agricultural Economics. 81(3): 630–637. https://doi.org/10.2307/1244026

9. Hyndman, R. J., Athanasopoulos, G., 2018. Forecasting: Principles and Practice (2nd Ed.). Melbourne, Australia: OTexts. Available online: https://otexts.com/fpp2/ (Accessed: 15.11.2025).
10. Makridakis, S., Spiliotis, E., Assimakopoulos, V., 2020. The M4 competition: 100,000 time series and 61 forecasting methods. International Journal of Forecasting. 36(1): 54–74. https://doi.org/10.1016/j.ijforecast.2019.04.014
11. Montgomery, D. C., Jennings, C. L., Kulahci, M., 2015. Introduction to Time Series Analysis and Forecasting. Hoboken, NJ, USA: John Wiley & Sons.
12. Ogbonna, S. I., Esheya, E. S., 2025. Drivers and management strategies for food price inflation in Abia State, Nigeria: A dual-perspective analysis of food dealers and consumers. African Journal of Agricultural Science and Food Research. 19(1): 189–207. https://doi.org/10.62154/ajasfr.2025.019.01023
13. Perez, H. C., 1998. Time Series Forecasting of Mexican Trade Prices. Ph.D. Dissertation. West Virginia University, Morgantown, WV, USA.
14. Punyapornwithaya, V., Jampachaisri, K., Klaharn, K., Sansamur, C., 2021. Forecasting of milk production in northern Thailand using seasonal autoregressive integrated moving average, error trend seasonality, and hybrid models. Frontiers in Veterinary Science. 8: 775114. https://doi.org/10.3389/fvets.2021.775114
15. Septiana, D., 2024. Forecasting rice prices with Holt–Winter exponential smoothing model. Hanif Journal of Information Systems. 1(2): 62–67. https://doi.org/10.56211/hanif.v1i2.17
16. Shankar, S. V., Chandel, A., Gupta, R. K., Sharma, S., Chand, H., Aravinthkumar, A., Ananthakrishnan, S., 2025. Comparative study on key time series models for exploring the agricultural price volatility in potato prices. Potato Research. 68(2): 1189–1207. https://doi.org/10.1007/s11540-024-09776-3
17. Tratar, L. F., Mojškerc, B., Toman, A., 2016. Demand forecasting with four-parameter exponential smoothing. International Journal of Production Economics. 181: 162–173. https://doi.org/10.1016/j.ijpe.2016.08.00
18. Turkish Statistical Institute (TÜİK), 2025. Livestock production statistics. Available online: https://biruni.tuik.gov.tr/medas/?kn=92&locale=tr (Accessed: 15.11.2025).
19. Üreten, S., 2004. Production/Operations Management: Strategic Decisions and Decision Models (4th Ed.). Ankara, Türkiye: Gazi Kitabevi.
20. Wright, B. D., 2011. The economics of grain price volatility. Applied Economic Perspectives and Policy. 33(1): 32–58. https://doi.org/10.1093/aepp/ppq033