Enflasyonun yapay sinir ağları kullanılarak tahmin edilmesi
Estimation of inflation using artificial neural networks
- Tez No: 654251
- Danışmanlar: DOÇ. DR. SELÇUK ALP
- Tez Türü: Yüksek Lisans
- Konular: Endüstri ve Endüstri Mühendisliği, Industrial and Industrial Engineering
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2020
- Dil: Türkçe
- Üniversite: Yıldız Teknik Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Endüstri Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Endüstri Mühendisliği Bilim Dalı
- Sayfa Sayısı: 80
Özet
İktisat tarihi boyunca en önemli ekonomik göstergeler arasında yer alan enflasyon, insanların alım gücünü olumsuz olarak etkilemektedir. Bu sebepten günümüzde enflasyonun tahmin edilmesi enflasyonist beklentileri azaltacağı için önemli bir konu haline gelmiştir. Enflasyonun tahmin edilmesi için birçok yöntem bulunmaktadır. Yapay zeka yöntemlerinden biri olan yapay sinir ağları da bu yöntemlerden biridir. Bu çalışmada, 2007:06 – 2019:09 dönemleri arasındaki USD, Euro, faiz oranı, para arzı, ihracat, ithalat ve işsizlik oranı verileri girdi değerleri olarak kullanılarak üretici fiyat endeksi ve tüketici fiyat endeksi verilerine ait ayrı ayrı yapay sinir ağları modellenmiş ve modellerin simülasyonları gerçekleştirilmiştir. Oluşturulan ağların performansı, hata kareleri ortalaması performans ölçütü kullanılarak değerlendirilmiştir. Girdi değişkenlerinin performansa etkisi ölçmek için çalışmanın ilk kısmında en iyi sonuçlar veren ağların öğrenme fonksiyonu, katman sayısı, nöron sayısı ve aktivasyon fonksiyonu değerleri aynı kalacak şekilde sırasıyla para arzı, Euro, faiz oranı, ihracat, işsizlik oranı, ithalat ve USD değişkenleri girdi katmanından çıkarılmıştır. Oluşturulan yapay sinir ağlarının öğrenme verileri ve simülasyon verileri üzerindeki performansı ölçülerek, tüm değişkenlerin dahil edildiği ağların performansı ile kıyaslanmıştır. ÜFE verisinin tahminlenmesi için oluşturulan girdilerden ihracat, işsizlik oranı, ithalat ve USD değişkenlerinin çıkarıldığı ağların %50'sinden fazlasında öğrenme ve simülasyon verileri üzerindeki performans sonuçlarının iyileştiği görülmüştür. TÜFE verisinin tahminlenmesi için oluşturulan girdilerden para arzı, ihracat, işsizlik oranı, ithalat ve USD değişkenlerinin çıkarıldığı ağların %50'sinden fazlasında simülasyon verileri üzerindeki performans sonuçlarının iyileştiği görülmüştür. Çalışmanın son aşamasında 2019:01 – 2019:12 dönemleri arasındaki ÜFE ve TÜFE verileri tahmin edilmiştir.
Özet (Çeviri)
Inflation, which has been one of the most important economic indicators throughout the economic history, negatively affects the purchasing power of people. For this reason, estimation of inflation has become an important issue since it will reduce inflationary expectations. There are many methods for estimation of inflation. Artificial neural networks that one of the artificial intelligence methods, is one of these methods. In this study In this study, by using USD, Euro, interest rate, money supply, export, import and unemployment rate as input data artificial neural networks are modeled separately for producer price index and consumer price index data between the dates 2007:06 – 2019:09 and models were simulated. The performance of the created networks was evaluated using the error mean square performance criteria. In order to measure the effect of input variables on performance; money supply, Euro, interest rate, export, unemployment rate, import and USD variables are removed from the input layer respectively by remaining same learning function, number of layers, number of neurons and activation function of the networks that give the best results in the first part of the study. The performance of the artificial neural networks created on learning data and simulation data were measured and compared with the performance of the networks in which all variables were included. It was observed that the performance results on learning and simulation data improved in more than 50% of the networks, where exports, unemployment rate, imports and USD variables were extracted from the inputs created to estimate the producer price index data. It was observed that the performance results on simulation data improved in more than 50% of the networks, where money supply, exports, unemployment rate, imports and USD variables were extracted from the inputs created to estimate the consumer price index data. At the last stage of the study, Producer Price Index and Consumer Price Index data between the periods of 2019:01 - 2019:12 were estimated.
Benzer Tezler
- Yapay zeka teknikleri ile yatırım değerlemesi analizi
Investment valuation analysis with artificial intelligence techniques
KADİR SAYIM
Doktora
Türkçe
2018
İşletmeGebze Teknik Üniversitesiİşletme Ana Bilim Dalı
PROF. DR. HÜSEYİN İNCE
PROF. DR. NİHAT KASAP
- Essays on estimation methods
Tahmin yöntemleri üzerine makaleler
YASİN KÜTÜK
Doktora
İngilizce
2019
Ekonometriİstanbul Teknik Üniversitesiİktisat Ana Bilim Dalı
PROF. DR. BÜLENT GÜLOĞLU
- Ekonomik endeksler kullanılarak Türkiye'deki altın fiyatındaki değişim yönünün yapay sinir ağları ile tahmini
Forecasting of the direction changes in the gold price in Turkey with artificial neural network by using economic indices
CEVDET İLKER KOCATEPE
Yüksek Lisans
Türkçe
2017
Bilgi ve Belge YönetimiGazi ÜniversitesiYönetim Bilişim Sistemleri Ana Bilim Dalı
DR. OKTAY YILDIZ
- Türkiye'deki altın ve döviz fiyatlarının değişimininekonomik veriler kullanılarak yapay zeka ile tahmini vekriz öngörüsü
Exchange rates's change by using economic data with artificial intelligence and forecasting the crisis
KEMAL GÜLER
Yüksek Lisans
Türkçe
2019
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolYalova ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DOÇ. DR. ABDULKADİR TEPECİK
- Portfolio optimization with wavelet analysis and neural fuzzy networks
Dalgacık analizi ve bulanık sinir ağları modeli ile portföy optimizasyonu
ÖMER ZEKİ GÜRSOY