Dış ticaretin yapay zeka yöntemleriyle analizi: Türkiye örneği (2000-2022)
Analysis of foreign trade using artificial intelligence methods: The case of Türkiye (2000-2022)
- Tez No: 955183
- Danışmanlar: PROF. DR. FATİH MANGIR
- Tez Türü: Doktora
- Konular: Ekonomi, Economics
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2025
- Dil: Türkçe
- Üniversite: Selçuk Üniversitesi
- Enstitü: Sosyal Bilimler Enstitüsü
- Ana Bilim Dalı: İktisat Ana Bilim Dalı
- Bilim Dalı: İktisat Bilim Dalı
- Sayfa Sayısı: 152
Özet
Bu çalışmada, Türkiye'nin 2000–2022 döneminde 152 ülkeye gerçekleştirdiği ihracat verileri kullanılarak, 2023–2027 yıllarına yönelik ihracat tahminleri yapılmıştır. Çalışmanın temel amacı, yapay zekâ temelli tahmin modelleri olan Uzun Kısa Süreli Bellek (LSTM) ve Destek Vektör Regresyonu (SVR) yöntemlerinin dış ticaret tahmin performanslarını karşılaştırmalı olarak değerlendirmektir. Çalışmada öncelikle, 2018–2022 dönemi test verisi olarak ayrılmış ve bu dönem için modellerin örneklem içi tahmin performansları değerlendirilmiştir. Ardından, modellerin daha önce hiç görmediği 2023–2027 dönemi için örneklem dışı (out-of-sample) tahminleme gerçekleştirilmiştir. Modellerin tahmin girişlerinde kullanılan bağımsız değişkenlerin (örneğin GSYİH, reel efektif kur, Linder ölçeği) 2023–2027 verileri mevcut olmadığı için, bu değişkenler geçmiş eğilimlere dayalı olarak üstel düzeltme yöntemi ile öngörülmüş ve tahminleme modellerine girdi olarak sunulmuştur. Modelleme sonuçlarına göre hem LSTM hem de SVR modelleri 2018–2022 dönemine ait test verileri üzerinde başarılı tahmin performansı sergilemiş, R² değerleri sırasıyla %86.71 (LSTM) ve %83.61 (SVR) olarak hesaplanmıştır. Örneklem dışı tahmin döneminde (2023–2024) ise her iki modelin doğruluk oranlarında artış gözlemlenmiş ve R² değerleri LSTM için %94.58, SVR için %95.02 seviyesine yükselmiştir. Bu durum, dönüştürülmüş verilerle yapılan tahminlerin istatistiksel açıdan güçlü bir uyum gösterdiğini ortaya koymaktadır. LSTM modeli, ileriye dönük tahminlerde ihracat hacminde artış eğilimi üretmiş; ancak bu tahminler zamanla artan varyans ve belirsizlik içermiştir. SVR modeli ise daha dengeli ve istikrarlı bir yapı sunarak kısa vadeli öngörülerde dar hata aralığı ile başarılı sonuçlar vermiş, ancak bazı ülkeler bazında belirgin sapmalar görülmüştür. Model performansı, RMSE, MAE, R² gibi klasik regresyon metrikleriyle değerlendirilmiş; ayrıca tahmin/gerçek oranları temelinde ülkeler uyum sınıflarına (isabetli, kısmen iyi, sapmalı) göre ayrılmıştır. Bu analiz, modellerin hangi ülke gruplarında daha başarılı tahminler ürettiğini ortaya koymuştur. Sonuç olarak, çalışmada kullanılan iki farklı yapay zekâ modelinin dış ticaret tahmininde etkin biçimde kullanılabileceği, ancak model seçiminde veri yapısı, tahmin dönemi ve ekonomik bağlam gibi faktörlerin dikkate alınmasının önemli olduğu sonucuna ulaşılmıştır. Bu yönüyle çalışma, dış ticaretin yapay zekâ yöntemleriyle tahmini konusunda ulusal literatüre LSTM ve SVR karşılaştırması üzerinden özgün bir katkı sunmaktadır.
Özet (Çeviri)
In this study, Türkiye's export data to 152 countries between 2000 and 2022 was utilized to generate export forecasts for the 2023–2027 period. The primary objective of the study is to comparatively evaluate the forecasting performance of two artificial intelligence-based models Long Short-Term Memory (LSTM) and Support Vector Regression (SVR) in predicting foreign trade. Initially, the period of 2018–2022 was set aside as the test dataset, and in-sample forecast performance was evaluated for both models. Subsequently, out-of-sample forecasting was conducted for the 2023–2027 period, which includes years the models had not previously encountered. Since real-world values of independent variables (such as GDP, real effective exchange rate, and Linder index) were unavailable for 2023–2027, these variables were projected using the exponential smoothing method based on historical time series trends and were used as inputs to the forecasting models. According to the modeling results, both LSTM and SVR demonstrated high predictive accuracy for the 2018–2022 test period, with R² scores calculated as 86.71% for LSTM and 83.61% for SVR. In the out-of-sample prediction phase (2023–2024), an improvement in model accuracy was observed, with R² scores rising to 94.58% for LSTM and 95.02% for SVR. These findings indicate a strong statistical fit when using transformed data. The LSTM model exhibited an upward trend in export volume forecasts for future years but also showed increased variance and uncertainty over time. In contrast, the SVR model provided more stable and controlled forecasts in the short term, although notable deviations were observed for some countries. Model performance was evaluated using classical regression metrics such as RMSE, MAE, and R². Furthermore, countries were classified into three accuracy categories (accurate, moderately accurate, and deviated) based on the ratio of predicted to actual values, which helped identify where each model performed more effectively. In conclusion, the study demonstrates that both LSTM and SVR can be effectively applied for foreign trade forecasting. However, model selection should consider factors such as data structure, forecast horizon, and economic context. By presenting a comparative analysis of LSTM and SVR in this domain, the study provides a novel contribution to the national literature on artificial intelligence applications in trade forecasting.
Benzer Tezler
- İhracat pazar seçimi sürecinde karar destek sistemlerinin kullanımı
The use of decision support systems in the process of export market selection
SEYDİ AHMET ÖZKAYA
Doktora
Türkçe
2025
Uluslararası TicaretDüzce Üniversitesiİşletme Ana Bilim Dalı
DOÇ. DR. İSTEMİ ÇÖMLEKÇİ
- Characterization of Martens hardness with dead weight force application in macro range
Ölü ağırlık kuvvet uygulama yöntemi ile makro aralıkta Martens sertliği karakterizasyonu
CİHAN KUZU
Doktora
Türkçe
2024
Metalurji Mühendisliğiİstanbul Teknik ÜniversitesiMalzeme Bilimi ve Mühendisliği Ana Bilim Dalı
PROF. DR. MUHAMMET KÜRŞAT KAZMANLI
- İstatistik ve yapay zeka yöntemleri ile dış ticaret tahmini: Güney Ege Bölgesi
Foreign trade forecast with statistics and artificial intelligence methods: The South Aegean Region
GAMZEGÜL ÇALIKOĞLU
Doktora
Türkçe
2023
İşletmeMuğla Sıtkı Koçman Üniversitesiİşletme Ana Bilim Dalı
PROF. DR. ERDOĞAN GAVCAR
- 2002 sonrası Türkiye ekonomisinde dış ticaret açıklarının değerlendirilmesi
The evaluation of foreign trade deficit in Turkish economy after 2002
FATİH SARITAŞ
- Cryptocurrency trading based on heuristic guided approach with feature engineering
Öznitelik mühendisliği ile sezgisel kılavuzlu yaklaşıma dayalı kripto ticaret işlemleri
ÇAĞRI KARAHAN
Yüksek Lisans
İngilizce
2022
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
PROF. DR. ŞULE ÖĞÜDÜCÜ