Makroekonomik zaman serisi analizi ve yapay sinir ağı uygulamaları

Abstract

Son yıllarda zaman serisi analizinde yapay sinir agı modellerinin kullanımına ilgi artmaktadır. Dogrusal dısı modelleme basarısı, veri setinden ögrenebilme yetenegi ve veri yaratma sürecine kısıt getirmemesi gibi özellikler yapay sinir agı modellerini çekici kılmaktadır. Diger taraftan farklı bir terminolojiye sahip olması ve parametrik olamayan dogası ise bir dezavantaj olarak görülmektedir. Bu çalısmada iktisadi zaman serilerinin sahip oldugu farklı anahtar özellikler durumunda yapay sinir agı modellerinin kullanımının uygunlugu arastırılmaktadır. Bu amaçla mevsimsellik, yapısal kırılma, volatilite ve dogrusal dısılık gibi özelliklere sahip farklı zaman serileri kullanılmıstır. lk olarak bu seriler sahip oldukları bu anahtar özellikler durumda kullanılan geleneksel modellerle modellenmistir. kinci olarak ilgili seriler yapay sinir agı modelleriyle modellenmis ve önraporlama performansları karsılastırılmıstır. Elde edilen sonuçlar volatilite dısında diger durumlarda yapay sinir agı modellerinin kullanılabilecegini destekler yöndedir.

There is an increasing interest in time series analysis using artificial neural networks models (ANN) in recent years. ANN models are attractive because of their nonlinear modelling success, learning from data capability. On the other hand it is a disadvantage that it has a different nomenclature and nonparametric nature. In this study it was investigated that in which cases it is usefull to use ANN models in economic time series analysis. For this purpose, some economic time series which have different key features such as seasonality, structural break, volatility and nonlinearity are used. Firstly these series are modelled by using traditional methods. Secondly same series are modelled by using ANN models and forecasting performance of those models are compared. Results are supported that except for volatility, ANN models can be used as a time series analysis method.