DÖVİZ KURU ÖNGÖRÜ PERFORMANSI İÇİN ALTERNATİF BİR YAKLAŞIM: YAPAY SİNİR AĞI

Yapay sinir ağları (YSA) çok değişkenli ve değişkenler arasındaki karmaşık, karşılıklı etkileşimin bulunduğu veya tek bir çözüm kümesinin bulunmadığı durumlarda başarılı sonuçlar üreten bir yapay zekâ teknolojisidir. Yapay sinir ağları, özellikle günümüze kadar çözümü güç ve karmaşık olan ya da ekonomik olmayan çok farklı alanlardaki problemlerin çözümüne uygulanmış ve genellikle başarılı sonuçlar elde edilerek, kendisine geniş bir uygulama alanı bulmuştur. Öngörü modellemesi, birçok alanda olduğu gibi ekonomi alanı için de büyük bir önem taşımaktadır. Karar birimlerinin (hükümetler, üreticiler, tüketiciler vb.) davranışları ne olursa olsun, geleceğin doğru bir şekilde öngörülebilmesi, alınan kararların başarısı için vazgeçilmez bir zorunluluktur. Son yıllarda yapay sinir ağları öngörü için kullanılmaya başlanmıştır. Bu çalışmada, Ocak 1987 - Eylül 2007 dönemine ait aylık veriler kullanılarak, oluşturulan döviz kuru hem yapay sinir ağı hem de vektör otoregresif (VAR) modeli çerçevesinde öngörülmüş ve her iki yöntem için elde edilen sonuçların öngörü performansları karşılaştırılmıştır. Ayrıca, bu iki yaklaşımdan elde edilen öngörülerin birleştirilmesi yöntemiyle döviz kuru öngörü başarısının arttığı tespit edilmiştir. Bu çalışmada çok katmanlı ileri beslemeli bir yapay sinir ağı mimarisi ve geri yayılım öğrenme metodu uygulanmıştır.

AN ALTERNATIVE APPROACH FOR THE PERFORMANCE OF EXCHANGE RATE PROJECTION: ARTIFICIAL NEURAL NETWORK

Artificial neural network (ANN) is an artificial intelligence technology that produces successful outcomes when there is complex and interaction between multivariate and variables or when there is not only one solution set. Artificial neural network has been applied to the solution of the problems which are difficult and complex or in fields that are not related to economics, and usually successful outcomes have been achieved, hence gained a wide field of application for itself. Whatever the behavior of the decision-makers (governments, producers, consumers, etc..) it is mandatory to envisage the future in an appropriate manner for the success of the decisions made. Projection modeling is of great importance for the field of economics as in many fields. During the last years, artificial neural networks have been used for the purposes of projection. In this study, exchange rate, based on the monthly data in the period of January 1987 - September 2007, has been projected within the frame of both artificial neural network and vector autoregressive (VAR) model and projection performances of the results obtained from the two methods have been compared. Besides, by combining the projections through the two approaches, it has been found out that the success of the projections for exchange rate has increased. In this study, a multilayered feed forward artificial neural network architecture and back propagation learning method were applied.
Ankara Hacı Bayram Veli Üniversitesi İktisadi ve İdari Bilimler Fakültesi  Dergisi-Cover
  • Yayın Aralığı: Yılda 3 Sayı
  • Başlangıç: 1999
  • Yayıncı: Ankara Hacı Bayram Veli Üniversitesi