TÜRKİYE’NİN İHRACAT DEĞERLERİNİN YAPAY SİNİR AĞLARI İLE TAHMİNİ ÜZERİNE BİR İNCELEME

Yıl 2020, Cilt: 2 Sayı: 2, 29 - 42, 31.12.2020

Burcu Yaman , Yakup Akgül

Öz

Yaklaşık iki buçuk asırlık bir geçmişe sahip olan ve dışa açık ekonomiler için büyük önem arz eden dış ticaret kavramı günümüz küresel rekabet ortamında ülke ekonomilerinin gelişmesi ve kalkınmasında kilit rol oynamaktadır. Dış ticaret işlemleri içerisinde ise özellikle ihracat önemli bir yer kaplamaktadır. Çünkü ihracat, ekonomik büyüme, döviz ve sermaye girdisi arasında itici bir güç bulunmaktadır. Çalışmanın amacı Türkiye’nin ihracat değerlerinin tahminin yapay sinir ağları kullanılarak gerçekleştirilmesi ve bu sayede literatüre katkı sunulmasıdır. İhracat bağımlı değişkeninin tahmini gerçekleştirilmek üzere gayri safi sermaye oluşumu, sanayi, tasarruf, kur, lojistik, gayrisafi yurtiçi hasıla, kişi başına düşen gayrisafi yurtiçi hasıla, ticari servis ihracatı ve mal ihracatı bağımsız değişkenleri seçilmiştir. 2002-2017 yılları arasındaki on altı yılı kapsayan toplamda 256 adet veri ile MATLAB R2013a programı kullanılarak yapay sinir ağları ile bir model kurulmuş ve analiz gerçekleştirilmiştir. 2-9 gizli katman ile yapılan denemeler sonucunda en iyi sonucun gizli katman sayısı 9 olduğunda ortaya çıktığı görülmüştür. Gizli katman sayısı 9 olduğunda R2=0,99, RMSE=3611616, MAE=2613313 ve MAPE= %45,14141 olarak hesaplanmıştır. Elde edilen bulgular yapay sinir ağlarının Türkiye’nin ihracat değerlerinin tahmininde güçlü istatistiki sonuçlar üreterek başarılı olduğunu göstermiştir.

Anahtar Kelimeler

ihracat, yapay sinir ağları, tahmin

A STUDY ON FORECAST OF TURKEY'S EXPORT VALUE BY NEURAL NETWORKS

Öz

The concept of foreign trade, which has a history of about two and a half centuries and is of great importance for foreign economies, plays a key role in the development and development of national economies in today's global competitive environment. Export has an important place in foreign trade transactions. Because there is a driving force between exports, economic growth, foreign exchange and capital input. The aim of the study carried out using artificial neural networks to estimate the value of Turkey's exports and thus contribute to the literature is presented. In order to estimate the export dependent variable, gross capital formation, industry, savings, exchange rate, logistics, gross domestic product, per capita gross domestic product, commercial service export and commodity export were selected. A model with artificial neural networks has been established and analyzed by using MATLAB R2013a program with 256 data in total covering sixteen years between 2002-2017. As a result of the experiments with 2-9 hidden layers, the best result was found to be when the number of hidden layers was 9. When the number of hidden layers is 9, R2 = 0.99, RMSE = 3611616, MAE = 2613313 and MAPE = 45.14141. The findings by producing strong statistical results to estimate the value of Turkey's exports of artificial neural networks has shown that successful.

Anahtar Kelimeler

Export, Prediction, Artificial Intelligence

Kaynakça

• Alam T. (2019), Forecasting exports and imports through artificial neural network and autoregressive integrated moving average, Decision Science Letters, 8, 249-260.
• Co H.C. ve Boosarawongse R. (2007), Forecasting Thailand rice export: Statistical techniques vs. artificial neural networks. Computers & Industrial Engineering, 53, 610-627.
• Çabuk Y., Yeşilkaya M. ve Özdağ, M. E. (2017), Türkiye-Almanya mobilya dış ticaretinin yapay sinir ağları ile tahmini. Bartın Orman Fakültesi Dergisi, 19(2), 136-143.
• Hamzaçebi C. (2011), Yapay Sinir Ağları Tahmin Amaçlı Kullanımı Matlab ve Neurosolutions Uygulamalı. Bursa: Ekin Yayınevi.
• http://www.tuik.gov.tr/PreTablo.do?alt_id=1046, Erişim Tarihi: 08.01.2019.
• https://databank.worldbank.org, Erişim tarihi: 20.01.2019.
• https://evds2.tcmb.gov.tr/index.php?/evds/serieMarket/#collapse_2, Erişim tarihi: 26.01.2019.
• https://data.worldbank.org/indicator/NY.GDP.MKTP.CD?locations=TR, Erişim Tarihi: 27.01.2019.
• http://www.kgm.gov.tr/SiteCollectionDocuments/KGMdocuments/Istatistikler/SeyirveTasimalar/SeyirVeTasimalar.pdf, Erişim Tarihi: 27.01.2019.
• https://atlantis.udhb.gov.tr/istatistik/istatistik_filo.aspx, Erişim Tarihi: 27.01.2019.
• İmren E., Çabuk Y., Karayılmazlar S. ve Kurt R. (2017), Yapay sinir ağları ile öngörölü modellemesi: Türkiye kağıt-karton sanayi örneği. Bartın Orman Fakültesi Dergisi, 19(2), 99-106.
• Karahan M. (2015), Yapay sinir ağları metodu ile ihracat miktarlarının tahmini: ARIMA ve YSA metodunun karşılaştırmalı analizi, Ege Akademik Bakış, 15(2), 165-172.
• Kargı V. S. (2015), Yapay Sinir Ağ Modelleri ve Bir Tekstil Firmasında Uygulama, Bursa: Ekin Yayınevi.
• Lewis C. D. (1982), Industrial and Business Forecasting Methods, London: Butterworths Publishing.
• Özbek A., Akalın M., Topuz V. ve Sennaroğlu, B. (2011), Prediction of Turkey’s denim trousers export using artificial neural networks and the autoregressive integrated moving average model, FIBRES & TEXTILES in Eastern Europe, 19 (3), 10-16.
• Polat Ö. (2009), Türkiye’nin Dış Ticaret Verilerinin Öngörüsünde Yapay Sinir Ağları ve Box-Jenkins Modellerinin Karşılaştırmalı Analizi, Doktora Tezi, Atatürk Üniversitesi, Erzurum.
• Temiz İ. ve Temuçin T. (2016), Türkiye dış ticaret ihracat hacminin projeksiyonu: Holt Winters ve Box-Jenkins modellerinin bir kıyaslaması, Süleyman Demirel Üniversitesi İktisadi ve İdari Bilimler Fakültesi Dergisi, 21(3), 937-960.
• Yurtoğlu H. (2005), Yapay Sinir Ağları Metodolojisi ile Öngörü Modellemesi: Bazı Makroekonomik Değişkenler için Türkiye örneği, DPT