Öz
Inflation is defined as the continuous increase in the general level of prices. The existence of continuous and rapid price increases during inflationary periods reflects the destabilization of price. Price stability is also one of the significant topics to ensure confidence. As the economy follows a dynamic course, constant changes will be noticeable. However, the main thing is to keep changes to a minimum and not to allow hard fluctuations. It is required to prevent the consequences of inflation. Because inflation has a significant cost and in economy, it is very important to find solutions to the problems caused by inflation. In this study, a data involving the factors affecting inflation is created on countries basis. These factors are taken as variables and their effects on inflation are analyzed. Finally, the analysis is made with the feed-forward backpropagation network which is an artificial neural network model.
Anahtar Kelimeler
Inflation feed-forward backpropagation network artificial neural networks
Kaynakça
- AĞYAR, Z. 2015 , Yapay Sinir Ağlarının Kullanım Alanları ve Bir Uygulama. Mühendis ve Makine 56 662 , 22-23.
- ERDOĞAN, E. ve ÖZYÜREK, H. 2012 , Yapay Sinir Ağları ile Fiyat Tahminlenmesi, Sosyal ve Beşerî Bilimler Dergisi, Cilt 4, No 1, 2012 ISSN: 1309-8012.
- ERİLLİ N. A. vb. 2010 , Türkiye’de Enflasyonun İleri ve Geri Beslemeli Yapay Sinir Ağlarının Melez Yaklaşımı ile Öngörüsü, Doğuş Üniversitesi Dergisi, Cilt 11, No 1, 2010, 42-55.
- GEÇGİL, G. ve AKGÜL, Y. 2020 , Türkiye’nin GSYH Değerlerinin Yapay Sinir Ağları ile Tahmini Üzerine Bir İnceleme, Nicel Bilimler Dergisi, Cilt 2, No 1, 2020, 74-75.
- KAKICI, A. 2017 , Yapay Sinir Ağlarının Katmanları ve Sınıflandırılması, 26.11.2020 tarihinde yapay zeka sitesi: https://yapayzeka.ai/yapay-sinir-aglarinin-katmanlari-ve-siniflandirilmasi-3/ adresinden alındı.
- KIZILGÖL, Ö. ve İŞGÜDEN, B. 2008 , Bandırma ve Norfolk Şehirlerinin Girişimcilik Profillerinin Karşılaştırmalı Analizi Üzerine Bir Araştırma. Yönetim ve Ekonomi Araştırmaları Dergisi, Cilt 9, No 1, 2-14.
- MTHANTİ, T., & OJAH, K. 2017 , Entrepreneurial Orientation EO : Measurement and Policy Implications of Entrepreneurship at the Macroeconomic Level. Research Policy, Cilt: 46, No 4, 1-16.
- ÖZTEMEL, E. 2006 , Yapay Sinir Ağları. Papatya Yayıncılık, İstanbul.
- MCNELİS, P. D. 2005 , Neural Networks in Finance: Gaining Predictive Edge in the Market, California.
- PİRİM, A. 2006 , Yapay Zekâ. Yaşar Üniversitesi Dergisi, Cilt: 1, No 1, 81-93.
- RUMELHART, D. E., HİNTON, D. E. and WİLLİAMS, R. J. 1986 , Learning Representation by Backpropagating Errors. Nature 323 9 , pp. 533-536.
- Schwartz, L. V. 2009 . Inflation: Causes and Effects, New York.
- SÖYLER, H. ve KIZILKAYA, O. 2015 , Türkiye’nin GSYİH Tahmini için Yapay Sinir Ağları Model Performanslarının Karşılaştırılması, C.Ü. İktisadi ve İdari Bilimler Dergisi, Cilt 16, No 1, 55-56.
- TCMB 2013 , Enflasyon ve Fiyat İstikrarı. Türkiye Cumhuriyet Merkez Bankası Yayınları, 1s., Ankara. www.tcmb.gov.tr
- Working Paper Series, Vol. 1, Issue 1, 26-37 15. TETİK, N., KARAHAN, M. ve SOLAK, B. 2015 , Yapay Sinir Ağları Metodu ile Yunanistan Krizini Etkileyen
- Major Faktörlerin Belirlenmesi. Atatürk Üniversitesi İktisadi ve İdari Bilimler Dergisi, Cilt: 29, No 1, 45.
- TOSUNOĞLU, N. ve KESKİN BENLİ, Y. 2012 , Morgan Stanley Capital International Türkiye Endeksinin Yapay Sinir Ağları ile Öngörüsü. Ege Akademik Bakış, Cilt 12, No 4, 2012, 541-547.
- TÜİK 2008 , Fiyat Endeksler ve Enflasyon: sorularla Resmi İstatistik Dizisi- 3. Türkiye İstatistik Kurumu Yayınları, s. 2-3, Ankara.
- World Bank Group 2019 , data.worldbank.org Erişim Tarihi: 22.06.2019 .
Öz
Enflasyon, fiyatlar genel seviyesindeki sürekli artış olarak tanımlanmaktadır.Enflasyonist dönemlerdeki sürekli ve hızlı fiyat artışlarının varlığı ise fiyat istikrarının bozulmasını yansıtmaktadır. Güvenin sağlanması için fiyat istikrarı da önemli başlıklardan birisidir. Ekonomi dinamik bir seyir izlediğinden, sürekli değişiklikler görülebilir. Fakat asıl önemli olan; değişikliklerin minimum düzeyde tutulması, sert dalgalanmalara izin verilmemesidir. Enflasyonun ortaya çıkardığı sonuçların önlenebilmesi gerekmektedir. Çünkü enflasyonun önemli bir maliyeti vardır ve ekonomide enflasyonun çıkardığı sorunlara çözüm üretmek oldukça önemlidir. Çalışmada; enflasyonu etkileyen faktörler ülkeler baz alınarak bir veri oluşturulmuştur. Bu faktörler değişken olarak esas alınıp, enflasyon üzerindeki etkileri incelenmiştir. Son olarak da yapay sinir ağları modeli olan ileri beslemeli geri yayılım ağı ile analiz yapılmıştır.
Anahtar Kelimeler
Enflasyon ileri beslemeli geri yayılım ağı yapay sinir ağları
Kaynakça
- AĞYAR, Z. 2015 , Yapay Sinir Ağlarının Kullanım Alanları ve Bir Uygulama. Mühendis ve Makine 56 662 , 22-23.
- ERDOĞAN, E. ve ÖZYÜREK, H. 2012 , Yapay Sinir Ağları ile Fiyat Tahminlenmesi, Sosyal ve Beşerî Bilimler Dergisi, Cilt 4, No 1, 2012 ISSN: 1309-8012.
- ERİLLİ N. A. vb. 2010 , Türkiye’de Enflasyonun İleri ve Geri Beslemeli Yapay Sinir Ağlarının Melez Yaklaşımı ile Öngörüsü, Doğuş Üniversitesi Dergisi, Cilt 11, No 1, 2010, 42-55.
- GEÇGİL, G. ve AKGÜL, Y. 2020 , Türkiye’nin GSYH Değerlerinin Yapay Sinir Ağları ile Tahmini Üzerine Bir İnceleme, Nicel Bilimler Dergisi, Cilt 2, No 1, 2020, 74-75.
- KAKICI, A. 2017 , Yapay Sinir Ağlarının Katmanları ve Sınıflandırılması, 26.11.2020 tarihinde yapay zeka sitesi: https://yapayzeka.ai/yapay-sinir-aglarinin-katmanlari-ve-siniflandirilmasi-3/ adresinden alındı.
- KIZILGÖL, Ö. ve İŞGÜDEN, B. 2008 , Bandırma ve Norfolk Şehirlerinin Girişimcilik Profillerinin Karşılaştırmalı Analizi Üzerine Bir Araştırma. Yönetim ve Ekonomi Araştırmaları Dergisi, Cilt 9, No 1, 2-14.
- MTHANTİ, T., & OJAH, K. 2017 , Entrepreneurial Orientation EO : Measurement and Policy Implications of Entrepreneurship at the Macroeconomic Level. Research Policy, Cilt: 46, No 4, 1-16.
- ÖZTEMEL, E. 2006 , Yapay Sinir Ağları. Papatya Yayıncılık, İstanbul.
- MCNELİS, P. D. 2005 , Neural Networks in Finance: Gaining Predictive Edge in the Market, California.
- PİRİM, A. 2006 , Yapay Zekâ. Yaşar Üniversitesi Dergisi, Cilt: 1, No 1, 81-93.
- RUMELHART, D. E., HİNTON, D. E. and WİLLİAMS, R. J. 1986 , Learning Representation by Backpropagating Errors. Nature 323 9 , pp. 533-536.
- Schwartz, L. V. 2009 . Inflation: Causes and Effects, New York.
- SÖYLER, H. ve KIZILKAYA, O. 2015 , Türkiye’nin GSYİH Tahmini için Yapay Sinir Ağları Model Performanslarının Karşılaştırılması, C.Ü. İktisadi ve İdari Bilimler Dergisi, Cilt 16, No 1, 55-56.
- TCMB 2013 , Enflasyon ve Fiyat İstikrarı. Türkiye Cumhuriyet Merkez Bankası Yayınları, 1s., Ankara. www.tcmb.gov.tr
- Working Paper Series, Vol. 1, Issue 1, 26-37 15. TETİK, N., KARAHAN, M. ve SOLAK, B. 2015 , Yapay Sinir Ağları Metodu ile Yunanistan Krizini Etkileyen
- Major Faktörlerin Belirlenmesi. Atatürk Üniversitesi İktisadi ve İdari Bilimler Dergisi, Cilt: 29, No 1, 45.
- TOSUNOĞLU, N. ve KESKİN BENLİ, Y. 2012 , Morgan Stanley Capital International Türkiye Endeksinin Yapay Sinir Ağları ile Öngörüsü. Ege Akademik Bakış, Cilt 12, No 4, 2012, 541-547.
- TÜİK 2008 , Fiyat Endeksler ve Enflasyon: sorularla Resmi İstatistik Dizisi- 3. Türkiye İstatistik Kurumu Yayınları, s. 2-3, Ankara.
- World Bank Group 2019 , data.worldbank.org Erişim Tarihi: 22.06.2019 .
Ayrıntılar
| Birincil Dil | Türkçe |
|---|---|
| Bölüm | Araştırma Makalesi |
| Yazarlar | |
| Yayımlanma Tarihi | 30 Aralık 2020 |
| Yayımlandığı Sayı | Yıl 2020 Cilt: 1 Sayı: 1 |