Doğrusal ve doğrusal olmayan zaman serileri analizinin seçilmiş bazı makroekonomik değişkenler üzerine uygulaması

Günümüzde iktisadi değişkenlerin seyrinin belirlenmesi ve ileriye yönelik gösterecekleri değişimin yönü, karar alıcılar ve politika belirleyicileri için oldukça önem kazanmıştır. Oluşturulacak hedeflerin veya planlamalarının öngörüsünde doğruluk ve tutarlılık gerekmektedir. Son dönemde kullanımı yaygınlaşan Yapay Sinir Ağları ve Yapay sinir ağlarına dayalı hibrit modelleme teknikleri, bu anlamda başarılı bir analiz aracı olarak karşımıza çıkmaktadır. Geleneksel zaman serisi modelleri, otoregresif koşullu değişen varyans modelleri, Markov rejim değişimi modelleri, eşik ve geçiş modelleri tek başına değişkenlerin öngörülmesinde hibrit yapılara göre yetersiz kalmaktadır. Bu doğrultuda tezde ispatlanmak istenen hipotez, "makroekonomik değişkenlerin öngörülmesinde hibrit tekniklerin en güvenilir ve tutarlı sonuçlar üreteceği" yönünde olmuştur. Bu tez çalışmasında, Türkiye ekonomisinin zaman serilerinin farklı özelliklerini içeren 7 makroekonomik değişkeni analiz edilmiştir. Çalışma dönemi 01/01/1997-31/10/2020 için ele alınmış ve tahminler gerçekleştirilmiştir. 01/01/2020-31/10/2020 dönemi için gerçekleştirilen öngörü değerleri gerçek seri değerleri ile karşılaştırılmıştır. Çalışma üç ana başlıkta ele alınmıştır. İlk bölümde zaman serilerinin özellikleri ve yapay sinir ağı teorisinden bahsedilmiştir. İkinci bölümde yukarıdan bahsedilen modellere ilişkin teorik yapılar ele alınmıştır. Son bölümde de BIST 100 Endeks getirisi, işsizlik oranı, enflasyon, reel para arzı, reel efektif döviz kuru, ihracat ve net dış borç stoku değişkenleri için gerekli tahminler ve karşılaştırmalar yapılmıştır. Çalışmada ele alınan tüm seriler için hibrit model sonuçları; serinin yapısına bağlı gerçekleştirilen model tahminleri ve yapay sinir ağına dayalı model sonuçlarından daha başarılı olmuş olup gerçeğe en yakın değerleri elde etmiştir. Bu anlamda, karar vericiler için yapay sinir ağlarına dayalı hibrit modellerin makroekonomik değişkenlerin öngörü performansını arttırabilecek şekilde kullanılabileceği belirlenmiştir.