A comparison of time series and artificial neural network models for forecasting Turkey's monthly agricultural exports to Iraq

Abstract

Projeksiyon, istatistiğin önemli bir dalıdır ve özellikle ekonometri dalında birçok kullanım alanına sahiptir. Pek çok ülke, gelecek için uzun vadeli planlar yapmak ve kararlar almak için tahmin ve projeksiyonlardan faydalanmaktadır. Bu çalışmada, Türkiye'den Irak'a ihraç edilen aylık tarımsal ürün miktarında en iyi tahmin modelini bulmak amacıyla iki ana tahmin yöntemi birbiriyle karşılaştırılmıştır. Birinci yöntem, Otoregresif Bütünleşik Hareketli Ortalama (ARIMA) modeli olan Box-Jenkins olarak bilinmektedir ve ikincisi ise Yapay Sinir Ağları (YSA) modelidir. Her iki model de yumurta, sebze ve kanatlı eti dahil olmak üzere ihraç edilen üç tarım ürününün aylık miktarına uygulanmıştır. Veriler, 2010-2019 yılları arasında ihraç edilen bu üç ürünün aylık miktarlarını içermektedir ve bu veriler Birleşmiş Milletler ve Türkiye İstatistik Kurumu (TÜİK) resmi web sitesinden alınmıştır. Öte yandan analiz için Alyuda NeuroIntelligence, RStudio ve SPSS olmak üzere üç yazılım kullanılmıştır. Ayrıca bu karşılaştırma için AIC, MAE, RMSE ve R2 kullanılmıştır. Çalışmanın sonuçları, ileri beslemeli sinir ağları modellerinin ARIMA modellerinden daha iyi sonuç verdiğini göstermiştir. Ayrıca, FFNN modelleri ARIMA modellerine göre daha az hataya sahiptir ve FFNN modellerinin MAE, RMSE ve AIC değerleri MAE değerinden küçük olduğu için uyum iyiliği açısından FFNN modellerinin ARIMA modellerine göre önemli bir üstünlüğü vardır. Bu nedenle, Türkiye'den Irak'a tarımsal ihracat değeri tahniminde FFNN modellerinin ARIMA modellerine göre daha doğru olduğu ve daha az hataya sahip olduğu söylenebilir.

Forecasting is an important branch of statistics which has many uses, especially in econometrics fields. Many countries use it to devise long-term plans and decision making for the future. In this study, the two main methods of forecasting are compared to find the best model of forecasting for the monthly amount of agricultural products exported from Turkey to Iraq. The first method, known as Box-Jenkins, is the Autoregressive Integrated Moving Average (ARIMA) model and the second route is the Artificial Neural Network (ANN) model. Both models were applied to the monthly amount of three exported agricultural products: eggs, vegetables and poultry meat. The data includes the monthly amount of these three exported products between 2010 and 2020, and is taken from the UN Comtrade and Turkish Statistical Institute (TUIK) official websites. Three software programs Alyuda NeuroIntelligence, RStudio and SPSS - were used for analysis. AIC, MAE, RMSE and R2 were also used for this comparison. The results showed that the feed-forward neural networks model fits better than the ARIMA model. Furthermore, the FFNN model has fewer errors than the ARIMA model, and is significantly superior in terms of goodness of fit, because of its lower value of MAE, RMSE and AIC. Therefore, it can be said that the FFNN model is more accurate than the ARIMA model when used for predicting agricultural export values from Turkey to Iraq.