Araştırma Makalesi

Döviz Kurunu Belirleyen Değişkenlerin Tahmini: Doğrusal Zaman Serisi Ve Doğrusal Olmayan Yapay Sinir Ağı (YSA) İle Bir Model Önerisi

Cilt: 12 Sayı: 2 16 Temmuz 2025
PDF İndir
TR EN

Döviz Kurunu Belirleyen Değişkenlerin Tahmini: Doğrusal Zaman Serisi Ve Doğrusal Olmayan Yapay Sinir Ağı (YSA) İle Bir Model Önerisi

Öz

The aim of this study is to identify the most significant variables influencing the exchange rate and to propose a high-performing predictive model using both linear and nonlinear time series methods. A dataset comprising 16 variables obtained from the Central Bank of the Republic of Turkey was analyzed. Three different models were applied: a traditional Artificial Neural Network (ANN) model (97.2% accuracy, RMSE 2.7960), a combined VAR-ANN model (99.6% accuracy, RMSE 0.3184), and a Multi-Stage Data Cleaning–Causality–ANN model (99.7% accuracy, RMSE 0.3062). The third model demonstrated the highest predictive accuracy. The key determinants of the exchange rate were identified as the consumer price index, real interest rate, unemployment rate, current account balance, gross domestic product, and exports. The findings offer strategic insights for policymakers and researchers, contributing meaningfully to the existing literature.

Anahtar Kelimeler

Döviz Kuru Teorileri , Toda-Yamamoto Nedensellik Analizi , Yapay Sinir Ağı.

Kaynakça

  1. Ajayi, R. A., & Mougouė, M. (1996). On the dynamic relation between stock prices and exchange rates. Journal of Financial Research, 19(2), 193-207. https://doi.org/10.1111/j.1475-6803.1996.tb00593.x
  2. Aliber, R. Z. (1973). The interest rate parity theorem: A reinterpretation. Journal of Political Economy, 81(6), 1451-1459.
  3. Asterious, D., Masatci, K., & Pilbeam, K. (2016). Exchange rate volatility and international trade: International evidence from the MINT countries. Economic Modelling, 58, 133-140. https://doi.org/10.1016/j.econmod.2016.05.006
  4. Ayhan, F. (2019). Türkiye ekonomisinde işsizliğin belirleyicisi olan temel makroekonomik değişkenlerin tespitine ilişkin bir uygulama. Uluslararası İktisadi ve İdari İncelemeler Dergisi, 25, 235-252. https://doi.org/10.18092/ulikidince.567458
  5. Baek, J., & Kim, H. Y. (2020). Sahra altı Afrika ülkelerinde ham petrol fiyatları ile döviz kurları arasındaki ilişki üzerine: Doğrusal olmayan bir ARDL yaklaşımı. Uluslararası Ticaret ve Ekonomik Kalkınma Dergisi, 29(1), 119-130. https://doi.org/10.1080/09638199.2019.1638436
  6. Bahmani-Oskooee, M., & Hajilee, M. (2013). Exchange rate volatility and its impact on domestic investment. Research in Economics, 67(1), 1-12. https://doi.org/10.1016/j.rie.2012.08.002
  7. Barrell, R., Gottschalk, S. D., & Hall, S. G. (2007). Foreign direct investment (FDI) and exchange rate uncertainty in imperfectly competitive industries. In Exchange rates, prices, and world trade (ss. 77-99). Physica-Verlag HD. https://doi.org/10.1007/978-3-7908-1925-0_5
  8. Benita, G., & Lauterbach, B. (2007). Politika faktörleri ve döviz kuru oynaklığı: Panel veri ve belirli bir ülke analizi. Uluslararası Finans ve Ekonomi Araştırma Dergisi, 7(7), 7-23.
  9. Benli, Y. K., ve Tosunoğlu, N. G. (2014). Avrupa Birliği üyesi ülkelerin Morgan Stanley Capital International endekslerinin değerlendirilmesi ve yapay sinir ağları ile öngörüsü. Gazi Üniversitesi İktisadi ve İdari Bilimler Fakültesi Dergisi, 16(2), 72-87.
  10. Berke, B. (2014). Döviz kurlarına mikro yapı yaklaşımı: Bir yazın incelemesi. Hacettepe Üniversitesi İktisadi ve İdari Bilimler Fakültesi Dergisi, 32(2), 27-56. https://doi.org/10.17065/huiibf.06200

Kaynak Göster

APA
Sünbül, E., & Keskin Benli, Y. (2025). Döviz Kurunu Belirleyen Değişkenlerin Tahmini: Doğrusal Zaman Serisi Ve Doğrusal Olmayan Yapay Sinir Ağı (YSA) İle Bir Model Önerisi. Bankacılık ve Finansal Araştırmalar Dergisi, 12(2), 192-209. https://izlik.org/JA32YS96SL