A comparative study of classical and machine learning approaches for time series forecasting: An empirical analysis on exports in turkey

İhracat, ülkeler için temel ekonomik göstergelerden biri haline gelmiştir. Bu doğrultuda, ihracatın doğru tahmin edilmesi karar alma süreçlerinde oldukça önemlidir ve en uygun tahmin modelinin bulunması birçok çalışmanın konusunu oluşturmaktadır. Bu çalışmada, zaman serilerinin tahminindeki popülerliği ve başarısı dikkate alınarak makine öğrenmesi yöntemlerinin Türkiye ihracatı üzerindeki tahmin performansları analiz edilmiştir. Bu kapsamda, uzun kısa süreli bellek (LSTM), destek vektör makineleri (SVM) ve rassal orman (RF) yöntemlerinden yararlanılmış ve bulgular klasik zaman serisi modelleri olan bütünleşik otoregresif hareketli ortalama (ARIMA) ve üstel düzeltme (ETS) modelleriyle karşılaştırılmıştır. Analizde, Türkiye İstatistik Kurumundan (TÜİK) alınan Ocak 1997 – Eylül 2019 tarihleri arasında gerçekleşen aylık ihracat verileri kullanılmıştır. Analizin temel aşamaları, anomalilerin belirlenmesi ve temizlenmesi, veri üzerinde yapılan ön işlemler, model gelişimi, parametrelerin ayarlanması ile model seçimi ve seçilen modellerin karşılaştırılmasıdır. Çalışma sonucunda elde edilen bulgular şu şekilde özetlenebilir: İhracatın tahminlenmesinde en iyi tahmin modeli ETS olurken; SVM, makine öğrenmesi modelleri arasında gelecek çalışmalar için en umut verici model olmuştur. Bunun yanında, ARIMA modeli ihracat verisinin tahmininde diğer modellere göre zayıf performans göstermiştir.