Dış ticaretin yapay zeka yöntemleriyle analizi: Türkiye örneği (2000-2022)

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.