TÜFE Bazlı Reel Efektif Döviz Kurunun Alternatif Yaklaşımlarla Modellenmesi ve Tahminlenmesi

Yıl 2019, Sayı: 34, 78 - 103, 31.08.2019

Murat Çuhadar Kerime Demirbaş Kübra Dayan

Öz

Tüketici
Fiyat Endeksi (TÜFE) bazlı reel efektif döviz kuru (REK), para biriminin
rekabet gücünü ölçen bir endekstir. Döviz
kurunun kısa aralıkları değişmesi ve çoğu zaman inişli çıkışlı olması
nedeniyle, yatırımcılar riskleri azaltmak için etkili yöntemlere ihtiyaç
duymaktadırlar. Bu çalışmada, farklı mimarilere sahip Yapay Sinir Ağı
modelleri, Box-Jenkins ve Üstel Düzleştirme yöntemlerinin tahmin başarıları
karşılaştırılarak en yüksek tahmin performansı gösteren yöntemin belirlenmesi
ve belirlenen model yardımıyla 2019 yılı için aylık TÜFE abzlı REK
tahminlerinin üretilmesi amaçlanmıştır. Çalışmada, Türkiye Cumhuriyet Merkez
Bankası tarafından yayınlanan “Döviz Kurları İstatistikleri” bülteninden elde
edilen Ocak 2003 - Mart 2019 dönemini kapsayan 195 aylık TÜFE bazlı reel
efektif döviz kuru verilerinden yararlanılmıştır. Modellerin tahmin başarıları Ortalama Mutlak Yüzde Hata
(MAPE) istatistiği ile değerlendirilmiştir. 
Gerçekleştirilen analizler neticesinde, uygulanan çeşitli modeller
arasında en başarılı sonucu veren modelin, Box-Jenkins Çarpımsal-mevsimsel SARIMA(0,1,1)(1,0,0)₁₂
modeli olduğu görülmüş, elde edilen model yardımıyla 2019 yılı için aylık
tahmin değerleri üretilmiştir.

Anahtar Kelimeler

TÜFE Bazlı Reel Efektif Döviz Kuru, Modelleme, Tahmin

Kaynakça

• Abdul Hamid, N, Nawi, N.M, Ghazali, R. & Mohd S.N.M. (2011). Accelerating Learning Performance of Back Propagation Algorithm by Using Adaptive Gain Together with Adaptive Momentum and Adaptive Learning Rate on Classification Problems, International Journal of Software Engineering and Its Applications, 5 (4), 31-44.Akdağ, M. (2015). Box-Jenkins ve Yapay Sinir Ağı Modelleri İle Enflasyon Tahmini, (Yayınlanmamış Yüksek Lisans Tezi), Atatürk Üniversitesi Fen Bilimleri Enstitüsü, Erzurum.Akgül, I. (2003). Zaman Serilerinin Analizi ve ARIMA Modelleri, İstanbul: Der Yayınları.Aladağ, Ç.H. (2010). Farklı Öğrenme Algoritmalarıyla Türkiye’ye Gelen Yabancı Turist Sayısının Tahmini, I. Disiplinler arası Turizm Araştırmaları Kongresi, 27-30 Mayıs 2010, Nevşehir. Bildiriler Kitabı, S. 188-197.Al-Hafid, M. S. & Al-Maamary, G. H. (2011). Short Term Electrical Load Forecasting Using Holt-Winters Method, Al-Rafidain Engineering, 20 (6), 15-22.Anderson, D & McNeill, G. (1992). Artificial Neural Networks Technology, A DACS State-of-the-Art Report, Kaman Sciences Corporation, NY.Bayramoğlu, M.F. & Başarır, Ç. (2018). “International Diversified Portfolio Optimization With Artificial Neural Networks: An Application With Foreign Companies Listed on NYSE” s. 201-223, (Ed.) Dileep Kumar G. Machine Learning Techniques for Improved Business Analytics, IGI-Global. Bircan, H. ve Karagöz, Y. (2003). Box-Jenkins Modelleri ile Aylık Döviz Kuru Tahmini Üzerine Bir Uygulama, Kocaeli Üniversitesi Sosyal Bilimler Enstitüsü Dergisi, 6 (2), 49-62.Bolat, S. ve Kalenderli, Ö. (2003). Yapay Sinir Ağı ile İzolatör Konum Açısı Optimizasyonu”, Elektrik, Elektronik, Bilgisayar Mühendisliği 10. Ulusal Kongresi, İstanbul, 189-192.Chen, B. F., Wang, H. D. & Chu, C. C. (2007). Wavelet and Artificial Neural Network Analyses of Tide Forecasting and Supplement of Tides Around Taiwan and South China Sea, Ocean Engineering, 34 (16), 2161–2175.Çetin, E. (2016). Yapay Zeka Uygulamaları, Ankara: Seçkin Yayıncılık.Çuhadar, M. (2013). Türkiye’ye Yönelik Dış Turizm Talebinin MLP, RBF Ve TDNN Yapay Sinir Ağı Mimarileri İle Modellenmesi ve Tahmini: Karşılaştırmalı Bir Analiz, Journal of Yasar University, 8 (31), 5274-5295.Çuhadar, M. (2014). Muğla İline Yönelik Dış Turizm Talebinin Modellenmesi ve 2012 – 2013 Yılları İçin Tahminlenmesi. Uluslararası İktisadi ve İdari İncelemeler Dergisi, (12), 1-22.Çuhadar, M., Güngör, İ., ve Göksu, A. (2009). Turizm Talebinin Yapay Sinir Ağları ile Tahmini ve Zaman Serisi Yöntemleri ile Karşılaştırmalı Analizi: Antalya İline Yönelik Bir Uygulama, Süleyman Demirel Üniversitesi, İktisadi ve İdari Bilimler Fakültesi Dergisi, 14 (1), 99-114.Değirmenci, N. ve Akay, A. (2017). Finansal Verilerin ARIMA ve ARCH Modelleriyle Öngörüsü: Türkiye Örneği, Eskişehir Osmangazi Üniversitesi İİBF Dergisi, 12 (3), 15 – 36. Efe, M. Ö. ve Kaynak, O. (2000). Yapay Sinir Ağları ve Uygulamaları, İstanbul: Boğaziçi Üniversitesi Yayınları, No: 696.Eğilmez, M. (2012, 11 18). Reel Efektif Döviz Kuru Endeksi Nedir? http://www.mahfiegilmez.com/2012/11/reel-efektif-doviz-kuru-endeksi-nedir.html. (Alıntılanma Tarihi: 4.08.2018)Egrioglu, E., Aladag, Ç.H., Yolcu, U., Baş, E. & Dalar, A.Z. (2017). “A New Neural Network Model with Deterministic Trend and Seasonality Components for Time Series Forecasting”, s. 76-92, Aladağ Ç.H. (Ed.) Advances in Time Series Forecasting, Vol. 2, Bentham Science Publishers, Sharjah, UAE. Elmas, Ç. (2016). Yapay Zeka Uygulamaları, Ankara: Seçkin Yayıncılık. Fat, C. M. & Dezsi, E. (2011). Exchange-Rates Forecasting: Exponential Smoothing Techniques And Arima Models, Annals of Faculty of Economics, University of Oradea, Faculty of Economics, 1(1), 499-508. Haider, A. & Hanif, M. N. (2009). Inflation Forecasting in Pakistan Using Artificial Neural Networks, Pakistan Economic and Social Review, 47(1), 123-138.Kaynar, O. ve Taştan, S. (2009a). Zaman Serileri Tahmininde ARIMA-MLP Melez Modeli, Atatürk Üniversitesi İktisadi ve İdari Bilimler Dergisi, 23 (3), 141-149.Kaynar, O. ve Taştan, S. (2009b). Zaman Serisi Analizinde MLP Yapay Sinir Ağları ve ARIMA Modelinin Karşılaştırılması, Erciyes Üniversitesi İktisadi ve İdari Bilimler Fakültesi Dergisi, Sayı: 33, 161-172.Kaynar, O., Taştan, S. ve Demirkoparan, F. (2010). Ham Petrol Fiyatlarının Yapay Sinir Ağları İle Tahmini, Ege Akademik Bakış, 10 (2), 559-573.Keleşoğlu, Ö ve Ekinci, C. (2008). Silis Dumanı Katkılı Betonların Çarpma Dayanımının Yapay Sinir Ağı İle Belirlenmesi, e-Journal of New World Sciences Academy (Natural And Applied Sciences), 3 (1): 30-38.Koşalay, İ ve Yılmaz, E.N. (2004). Güç Transformatörü Uç Empedans Eğrisinin Yapay Sinir Ağları Yardımıyla Kestirimi, Politeknik Dergisi, 7 (3), 185-189.Liu, G.S. & Quek, C. (2007). RLDDE: A novel reinforcement learningbased dimension and delay estimator for neural networks in time series prediction, Neurocomputing, 70, 1331-1341.Makridakis, S., Wheelwright, S.C. & Hyndman, R.J. (1998), Forecasting: Methods and Applications (Third edition), John Wiley and Sons.Maniatis, P. (2012). Forecasting The Exchange Rate Between Euro And USD: Probabilistic Approach Versus ARIMA and Exponential Smoothing Techniques, The Journal of Applied Business Research, 28 (2), 171-192.Moreno J.J., Pol, A.P. & Gracia, P.M. (2011). Artifi cial neural networks applied to forecasting time series, Psicothema, 23 (2), 322-329.Orhunbilge, N. (1999). Zaman Serileri Analizi Tahmin ve Fiyat Endeksleri, İstanbul Üniversitesi İşletme Fakültesi Yayınları, No: 277, İstanbul. Özyıldız, H. (2017). Sıcak Para Yatırımcıları Reel Kur Endeksi Değişimine göre Karar Veriyor. https://www.paraanaliz.com/2017/ekonomi/sicak-para-yatirimcilari-reel-kur-endeksi-degisimine-gore-karar-veriyor-13075/ (Alıntılanma Tarihi: 14.08.2018)Sayılı, H., Sayılı, M. ve Yılmaz, G. (2010). Türkiye İçin Yeni Reel Efektif Döviz Kuru Endeksleri. Ankara: T. C. Merkez Bankası Çalışma Tebliği No: 10/12.Singh, N., Mohanty, S. R. & Shukla, R. D. (2017). Short Term Electricity Price Forecast Based on Environmentally Adapted Generalized Neuron, Energy, No: 125, 127-139.Steve, N.C. (2014). Autoregressive Integrated Moving Average (ARIMA) Model for Exchange Rate (Naira to Dollar), Academic Journal of Interdisciplinary Studies, 3 (4), 429-433.Tatoğlu, Y. (2009). Reel Efektif Döviz Kurunun Durağanlığının Yapısal Kırılmalı Panel Birim Kök Testleri Kullanılarak Sınanması, Doğuş Üniversitesi Dergisi, 10 (2), 310-323.Ulusoy, T. (2010). İMKB Endeks Öngörüsü İçin İleri Beslemeli Ağ Mimarisine Sahip Yapay Sinir Ağı Modellemesi, Uluslararası İktisadi ve İdari İncelemeler Dergisi, 2 (5), 21-40.Yaffee, R.A. & McGee, M. (2000). Introduction to Time Series Analysis and Forecasting with Applications of SAS and SPSS, London: Academic Press.Yağımlı, M. ve Ergin, H. (2017). Türkiye’de İş Kazalarının Üstel Düzeltme Metodu ile Tahmin Edilmesi, Marmara Fen Bilimleri Dergisi, 2017, 4: 118-123.Yıldız, B. (2009). Finansal Analizde Yapay Zeka, Ankara: Detay Yayıncılık.Zhang, G. P. (2003). Time Series Forecasting Using a Hybrid ARIMA and Neural Network Model, Neurocomputing, 50, 159 – 175.Zhang, G. P. (2004). “A combined ARIMA and Neural Network Approach for Time Series Forecasting”, s. 213-225, (Ed.) Zhang, G.P., Neural Networks in Business Forecasting, Idea Group Publishing.