YAPAY SİNİR AĞLARI ARACILIĞIYLA DÖVİZ KURUNU BELİRLEME: TÜRKİYE ÖRNEĞİ

Year 2021, Volume: 8 Issue: 2, 749 - 760, 27.07.2021

Ayça Sarıalioğlu Hayali , Hasan Babacan

https://doi.org/10.30798/makuiibf.800405

Abstract

Yüzyılın en büyük inovasyonu için öncü aday olan Yapay Zeka uygulamalarından biri olarak Yapay Sinir Ağları, bir süredir ekonominin karmaşık problemlerini çözmekte kullanılmaya başlanmıştır. Onların içinde, döviz kurunu tahmin etme, döviz kurundaki değişikliğin makro değişkenlerden mikro değişkenlere kadar ekonomideki diğer tüm değişkenleri etkilediği Türkiye gibi özellikle küçük açık ülkeler için belirlenmesi gereken en önemli karmaşık konulardan biridir. Bu makale, Türk Lirası ve Amerikan Doları arasındaki Döviz Kurunu belirmeyi parasalcı modeller kapsamında Yapay Sinir Ağlarını kullanarak analiz etmeyi amaçlamaktadır. Sonuç olarak, gerçek değerlere çok yakın sonuçlar elde edilmiştir. Söylenebilir ki döviz kuru tahmininde hem Yapay Sinir Ağları- Levenberg Marquardt hem de Yapay Sinir Ağları- Quasi-Newton modelleri iyi sonuç verse de Yapay Sinir Ağları- Levenberg Marquardt modeli genel anlamda daha başarılıdır.

Keywords

Yapay Sinir Ağları, Döviz Kuru Belirleme, Türkiye Örneği

EXCHANGE RATE DETERMINATION BY ARTIFICIAL NEURAL NETWORKS: TURKISH CASE

Abstract

Artificial Neural Networks as one of the Artificial Intelligence applications, which is the leading candidate for the greatest innovation of the century, has been started to be used in solving the complex problems of the economy for a while. Among them, predicting the exchange rate is one of the utmost important complex issues to be determined especially for the small open economies, such as Turkey, where the changes in exchange rate influence all the other variables in the economy, from macro variables to micro ones. This paper aims to analyse the exchange rate determination between Turkish Lira and American Dollar by using Artificial Neural Networks through the Monetarist Model. As a result, much closed results to the real values were obtained. It can be said that although in exchange rate estimation both Artificial Neural Networks -Levenberg Marquardt and Artificial Neural Networks-Quasi-Newton models give good results, the Artificial Neural Networks -Levenberg Marquardt model is more successful in general terms.

Keywords

Artificial Neural Networks, Exchange Rate Determination, Turkish Case

References

• Altan, Ş. (2008). Döviz Kuru Öngörü Performansı İçin Alternatif Bir Yaklaşım: Yapay Sinir Ağı- An Alternative Approach For The Performance Of Exchange Rate Projection: Artificial Neural Network. Gazi Üniversitesi İktisadi ve İdari Bilimler Fakültesi Dergisi, 10(2), 1-20.
• Altunöz, U. (2013). Bankaların Finansal Başarısızlıklarının Yapay Sinir Ağları Modeli Çerçevesinde Tahmin Edilebilirliği-Prediction of Financial Failure of Banks by Artifical Neural Network Model. Dokuz Eylül Üniversitesi İktisadi ve İdari Bilimler Fakültesi Dergisi, 28(2), 189-217.
• Babacan, H.T. (2015). Future Flow Prediction And Flow Modelling With Artificial Neural Network Using Different Parameters For Aksu River In Giresun. Unpublished Master’s Thesis, Gumushane University.
• Çuhadar, M. and Kayacan, C. (2005). Yapay Sinir Ağları Kullanılarak Konaklama İşletmelerinde Doluluk Oranı Tahmini: Türkiye'deki Konaklama İşletmeleri Üzerine Bir Deneme -Occupancy Rate Forecasting in Lodging Properties by Using Artificial Neural Networks: An Experimental Study of Lodging Properties in Turkey. Anatolia: Turizm Arastirmalari Dergisi, 16(1), 24-30.
• Erilli, N.A., Eğrioğlu, E., Yolcu, U., Aladağ, Ç.H. and Uslu, V.R. (2010). Türkiye’de Enflasyonun İleri Ve Geri Beslemeli Yapay Sinir Ağlarının Melez Yaklaşımı İle Öngörüsü -Forecasting Of Turkey Inflation With Hybrid Of Feed Forward And Recurrent Artifical Neural Networks. Doğuş Üniversitesi Dergisi, 11 (1) 2010, 42-55.
• Frankel, J.A. (1984). Tests of Monetary and Portfolio Balance Models of Exchange Rate Determination. John F. O. Bilson and Richard C. Marston, (Eds), In Exchange Rate Theory and Practice (239 - 260). USA: University of Chicago Press.
• Gill, P.E., Murray, W. and Wright, M.H. (1981). Practical Optimization. California, USA: Elsevier Academic Press.
• International Monetary Fund, International Financial Statistics, https://data.imf.org/.
• Kalender, F. Y. and Hamzaçebi, C. (2014). Yapay Sinir Ağlari ile Türkiye Net Enerji Talep Tahmini. Gazi Üniversitesi Mühendislik-Mimarlık Fakültesi Dergisi, 29(3).
• Karaatlı, M., Helvacıoğlu, Ö. C., Ömürbek, N. and Tokgöz, G. (2012). Yapay Sinir Ağları Yöntemi İle Otomobil Satış Tahmini-An Artificial Neural Network Based Automobile Sales Forecasting. Uluslararası Yönetim, İktisat ve İşletme Dergisi, 8(17), 87-100.
• Kocatepe, C. İ. and Yıldız, O. (2016). Ekonomik Endeksler Kullanılarak Türkiye’deki Altın Fiyatındaki Değişim Yönünün Yapay Sinir Ağları İle Tahmini- Forecasting Of The Direction Changes In The Gold Price In Turkey With Artificial Neural Network By Using Economic Indices. Düzce Üniversitesi Bilim ve Teknoloji Dergisi, 4(3), 926-934.
• Mansouri, A., Nazari, A., and Ramazani, M. (2016). A Comparison Of Artificial Neural Network Model And Logistics Regression In Prediction Of Companies' Bankruptcy (A Case Study Of Tehran Stock Exchange). International Journal of Advanced Computer Research, 6(24), 81.
• Moré, J. J. (1978). The Levenberg-Marquardt Algorithm: Implementation And Theory. In Numerical Analysis (105-116). Berlin, Heidelberg: Springer.
• Öztemel, E. (2003). Yapay Sinir Ağlari. Istanbul: PapatyaYayincilik.
• Schalkoff, R. J. (1997). Artificial Neural Networks (Vol. 1). New York: McGraw-Hill.
• Yüksek, Ö., Babacan, H. T., and Saka, F. (2018). Yağış-Akış Modellemesinde Optimum Yapay Sinir Ağı Yapısının Araştırılması. Türk Hidrolik Dergisi/Turkish Journal of Hydraulic, 2(1), 31-37.
• Yüksel, R. and Akkoç, S. (2016). Altın Fiyatlarının Yapay Sinir Ağları İle Tahmini Ve Bir Uygulama -Forecasting Gold Prices By Using Artificial Neural Network And An Application. Doğuş Üniversitesi Dergisi, 17 (1), 39-50.