Türkiye`de tasarruf açığının yapay sinir ağları modeli ile analizi

Abstract

Ülkemizde tasarruf, yatırım ve tasarruf açığının tarihsel süreç içerisindeki değişiminin incelenmesi ve yapay sinir ağları yöntemi ile tasarruf açığını tahmin edecek en iyi mimariyi belirlemek bu tezin ana amacı olarak benimsenmiştir. Bu bağlamda tasarruf açığı yapısal olarak analiz edildi, diğer ekonomik değişkenler ile ilişkisi irdelendi ve tasarruf açığının yapay sinir ağları yöntemi ile tahmin edilebilirliğine yönelik analiz yapıldı. Her ne kadar Yapay sinir ağları birçok problemin çözümü olmamaktadır, ne kadar çok öğrenseler de gene hata yapmaktadırlar. Yapay sinir ağları kendi kararları doğrultusunda davranışlar sergilemektedirler. Bu çalışmada Türkiye'nin tasarruf açığı verilerini tahmin edebilmek için, geçmiş yıllardaki enflasyon oranı, nominal faiz oranı, brüt dış borç stoku, kişi başına düşen GSYH ve kamu harcaması verileriYapay Sinir Ağlarının eğitim verileri olarak kullanılmıştır. MatlabNeural Network toolbox kullanılarak yapay sinir ağları oluşturulmuştur. Matlab ortamında; Network (ysa) tipi: Feedforwardbeckpropogation, Training function (eğitim fonksiyonu): Trainlm (Levenberg-Marquardt), Adaptivelearningfunction (adaptif öğrenme fonksiyonu):Learngdm, Performancefunction (performans fonksiyonu): mse (Mean Squared Error) yapay sinir ağları eğitimi gerçekleştirilmiştir. Eğitilen Yapay sinir ağı ile Türkiye'nin geçmiş yıllar için tasarruf açığı verilerinin tahmini gerçekleştirilmiştir. Eğitimde kullanılmayan verilerin yüksek doğruluklar ile belirlenmesi yapay sinir ağının eğitiminin başarı ile sonuçlandığını göstermektedir.

The main objective of this thesis is to determine the best architecture to estimate thesaving gap by using the artificial neural network method and to examine the changesin the historical process of saving, investment and saving gap in our country. In thiscontext, the saving gap was analyzed structurally, the relationship between the othereconomic variables was examined and the predictability of the saving gap withartificial neural networks was performed. Although artificial neural networks do notsolve many problems, no matter how much they learn, they still make mistakes.Artificial neural networks behave according to their own decisions. To estimateTurkey's saving gap data in this study, the rate of inflation in the past year, nominal interest rate, gross external debt per capita GDP and public expenditure data are used as training data of Neural Networks. Artificial neural networks were created by using Matlab Neural Network toolbox. Matlab environment; Network type: Feed-forward beckpropogation, Training function: Trainlm (Levenberg-Marquardt), Adaptive learning function: Learngdm, Performance function: mse (Mean Squared Error) neural networks training was carried out. Neural network trained with Turkey for the past year savings estimate of the saving gap data was performed. The determination of the data which is not used in education with high accuracy shows that the training of artificial neural network is successful.