Karma frekanslı veri örnekleme (MIDAS) yöntemi: Teori ve uygulama

Bilindiği üzere geleneksel zaman serili regresyon modelleriyle çalışabilmenin en önemli koşulu, modelde yer alan bağımlı ve bağımsız değişkenlerin aynı frekansta olmaları gerektiğidir. Ancak bu koşul, iktisadi ve finansal değişkenlerin farklı frekanslarda yayınlanmalarından dolayı her zaman sağlanamaz. Uygulamalı literatürde bahsi geçen bu koşulu sağlamanın geleneksel çözümü toplulaştırma yöntemine başvurmaktır. Fakat toplulaştırma neticesinde yüksek frekanslı değişkendeki yararlı ve gerekli bilgilerin kaybolması olasıdır. Gyhsels ve diğerleri (2004), literatürdeki bu sorunu ortadan kaldırabilmek için farklı frekanslı değişkenlerin aynı modelde kullanılabildiği bir yöntem geliştirmişlerdir. Bu yöntem Karma Frekanslı Veri Örnekleme (Mixed Data Sampling, MIDAS) olarak adlandırılmaktadır. MIDAS yöntemi, yüksek frekanslı değişkenlerin toplulaştırma işlemine tabi tutulmadan çok değişkenli modellere dahil edilebilmelerine imkân sağlamaktadır. Dolayısıyla MIDAS yöntemiyle birlikte ilgili literatürde ülkelerin ekonomik büyüme oranlarının öngörüsünde yüksek frekanslı bilgilerin kullanımının önemi artmıştır. Bu çalışmanın amacı, MIDAS yöntemi altında aylık frekanslı değişkenlerden yararlanılarak Türkiye ekonomisinin üçer aylık frekanslı Gayri Safi Yurtiçi Hasıla (GSYİH) büyüme oranının anlık tahminin, belirli bir zaman aralığında gerçek zamanlı olarak uygulanmasıdır. Analizlerde aylık ve üçer aylık frekanslı değişkenler için 2020'nin Haziran ayında ulaşılabilen veri setleri temin edilerek GSYİH'nin 2015'in 1. çeyrek – 2020'nin 2. çeyrek dönemleri arasındaki büyüme oranı gerçek zamanlı olarak anlık tahmin edilmiştir. Çalışmada MIDAS modelinin anlık tahmin performansı, toplulaştırılmış değişkenlerin yer aldığı geleneksel modelin tahmin performansıyla karşılaştırılmıştır. Söz konusu bu karşılaştırma sonucunda genel olarak MIDAS modeliyle daha tutarlı tahminlerin elde edildiği belirlenmiştir.