» Döviz Kuru Tahmininde Yapay Sinir Ağlarıyla AlternatifYaklaşım 1

Yayinlanma Zamani: 2011-12-05 20:50:00





Döviz Kuru Tahmininde Yapay Sinir Ağlarıyla Alternatif Yaklaşım


Filiz ÖZKAN
Dr., Sakarya Üniversitesi, Kaynarca MYO,
fozkan@sakarya.edu.tr

Döviz Kuru Tahmininde Yapay Sinir Ağlarıyla Alternatif Yaklaşım


Özet

Bretton Woods sisteminin 1971 yılında çökmesi ile döviz kuru öngörüsünde yeni bir döneme girilmiştir. Bu dönem sonrasında, ekonomik karar alma sürecinde önemli rolü olan döviz kurlarının tahmini, üzerinde  çalışılan önemli bir konu olmuştur. Bu çalışmada Yapay Sinir Ağları ile döviz kuru tahmininde alternatif çözüm yöntemleri aranmaktadır. Bu amaçla, döviz kuru öngörüsünde kullanılan zaman serisi modellerindeki "gecikmeli değerler" ve döviz kuru öngörüsünde kullanılan yapısal modellerden "Parasal model ve Satınalma Gücü Paritesi modellerinin değişkenleri" kullanılarak oluşturulan Yapay Sinir Ağları modellerinin tahmin performansları incelenmiştir. Çalışmada Türkiye'ye ilişkin Amerikan Doları ve Avro döviz kuru tahminleri yapılmıştır. Çalışmanın sonuçlarına bakıldığında döviz kuru değişkeninin gecikmeli değerleri kullanılarak oluşturulan Yapay Sinir Ağları modelinin en iyi öngörü gücüne sahip olduğu  görülmüştür. Bu modelden sonra en iyi performansa sahip  modelin ise Satınalma Gücü Paritesi değişkenleri ile oluşturulan Yapay Sinir Ağları modeli, en son olarak da Parasal modelin değişkenleri kullanılarak oluşturulan Yapay Sinir Ağları modeli olduğu  sonucuna ulaşılmıştır.


Anahtar Kelimler: Döviz kuru tahmini, yapay sinir ağlari, zaman serileri, parasal model, satinalma gücü paritesi.

Alternative Approach to Exchange Rate Predictions
through Artificial Neural Networks
Abstract
With the collapse of the Bretton Woods System
in 1971, a new era has started in exchange rate
predictions. In this era prediction of exchange
rates, which is crucial in economic decision
processes, became a major research topic. In this
study alternative methods are explored to predict
exchange values through Artificial Neural
Networks. For this aim prediction performances
of three different Artificial Neural Network
models are examined; first model that is constructed
by using the Lagged Values in time
series models, second model that is constructed
by using the variables of “Monetary Model”,
which is a structural model to predict exchange
rates, the last model that is constructed by using
the “Purchasing Power Parity Model”, which is
another structural model to predict exchange
rates. In the study, exchange values of US Dollar
and Euro are predicted against the Turkish Lira.
Results of the study show that Artificial Neural
Networks model, which was constructed by using
the lagged values of exchange value variable,
has the best prediction performance. Artificial
Neural Network models that are constructed by
using the variables of Purchasing Power Parity
Model and the variables of Monetary Model are
ranked as the second and the third in the prediction
performance ranking respectively.
Keywords: Exchange rate forecasting, artifical
neural network, time series, monetary model,
purchasing power parity.

1. Giriş
Döviz kurlarının modellenmesi ve öngörüsü 1971 yılında "Bretton Woods" sabit
kur sisteminin çökmesi ve değişken kur rejiminin başlangıcından itibaren uluslararası
finansın önemli konularından biri olmuştur (Diamandis vd., 1998). Küreselleşen
dünyada ekonomik krizlerin odağında döviz kurları yer almaktadır. Bu sebeple
bir ülkede yaşanan kriz ilişkide olduğu bütün ülkeleri etkilemektedir. Gelişmekte
olan ülkeler gelişmiş ülkelerden farklı olarak finansal piyasaların iyi gelişmemesi ve
döviz kurlarına devlet müdahalesi gibi problemlere sahiptir. Gelişmekte olan ülkeler
için döviz kuru tahminin başarılı yapılması veya yapılan tahmin hatalarının en
düşük düzeyde gerçekleşmesi bu yüzden oldukça önemlidir.
Dalgalı kur sistemine geçiş sonrasında yaşanan hızlı değişim ortamı, döviz kurunun
belirlenmesinde problemlere sebebiyet vermiştir. Dalgalı kur sistemi sonrasında
döviz kuru belirleyicisi olan teoriler döviz kuru hareketlerinin belirlenmesindeki
karışık ilişkiye tam anlamıyla tatmin edici açıklamalar getirememiştir. Döviz kuru
tahmininde, satınalma gücü paritesinden (SGP) başlayan mali piyasa yaklaşımı,
ödemeler dengesi esasına doğru bir gelişim ve sonrasında yeni yaklaşımlar geliştirilmiştir.
Döviz kurunun oluşumunu açıklamak için geliştirilen en eski teori SGP modeli yaklaşımıdır.
Daha sonra para politikalarının önem kazandığı 70’li yıllarda Mussa
(1976), Frenkel (1976; 1981) ve Kouri (1976) gibi iktisatçılar, Parasal Modeller
yaklaşımı konusunda çalışmalara başlamışlardır. Parasal Modellerde ekonomik
birimlerin portföy tercihlerine yer verilmesi gerektiği düşüncesiyle, Parasal Modellerin
geliştirilmiş hali olan Portföy Denge modeli kapalı ekonomiler için Tobin
(1980) tarafından, daha sonra açık ekonomiler için ise, Kouri ve Branson gibi iktisatçılar
tarafından döviz kuru tahmini için geliştirilmiştir (Kouri, 1976).
Bu çalışmada döviz kuru tahmininde SGP, Parasal ve ARIMA modellerinde kullanılan
değişkenler ile oluşturulan YSA modellerinin öngörü performansı karşılaştırılacaktır.
Çalışmada ikinci bölümde yapay sinir ağları, üçüncü bölümde ekonomik
model ve metodoloji, dördüncü bölümde ise çalışmanın sonuçları verilecek ve
modellerin kıyaslanması yapılacaktır.
2. Literatür Taraması
Döviz kurlarının tahmininde kullanılan en eski model SGP modelidir. Model döviz
kuru ile fiyatlar arasında doğrudan ilişki kurarak döviz kurunun belirlenmesini
amaçlayan bir teoridir (Dornbusch, 1988). Teori, farklı ülkelerin paralarının, aynı
veya benzer satınalma gücüne sahip olmaları gerektiği temeline dayanmaktadır.
SGP, mal ve hizmetler açısından paranın değeri olarak tanımlanmaktadır. SGP teorisine
göre, mal ve hizmetlerin fiyatlarındaki değişmeler paranın değerini değiştirmektedir. Dolayısıyla döviz kuru, iki ülke paralarının nispi fiyatı olarak tanımlanmaktadır
(Hallwood ve McDonald, 1986: 48).
Frenkel (1981) ve Dornbusch (1980)'a göre 1920’li yıllardan 1970’li yıllara kadar
kurların belirlenmesinde sıklıkla kullanılan SGP teorisinin 1970’li yıllardan sonra
etkinliği azalmıştır. Bu dönemden itibaren Mussa (1976), Frenkel (1976 ve 1981)
ve Kouri (1976) gibi iktisatçılar Parasal Modeller yaklaşımı konusunda çalışmalara
başlamışlardır. Parasal Modeller yaklaşımında kur, iki ülkenin paralarının nispi
fiyatı olduğuna göre, kurların belirlenmesinde öncelikle bu paraların arz ve talepleri
ile diğer mali varlıkların arz ve talepleri dikkate alınmalıdır. Parasal yaklaşım
açısından döviz kuru değişimleri para arz ve talebi arasındaki dengesizlik doğuracak
gelişmelerin bir sonucudur (Eren, 1992: 183). Para arzının, para talebini aşması
durumunda mal ve hizmet ithali ve sermaye ihracı artar, dolayısıyla dövize olan
talep artar ve döviz kurları yükselir, ulusal para değer kaybeder. Para talebi sabitken,
para arzının azalması durumunda da mal ve hizmet ithali ve menkul değerlere
yapılacak yatırımlar azalacağından, dövize talep azalır ve ulusal para değer kazanır
(Güran, 1987).
Türkiye ekonomisinde döviz kurunun belirlenmesine yönelik çalışmaların sayısı az
olmakla birlikte, son zamanlarda bu konuya olan ilginin artmış olduğu görülmektedir.
Civcir (2004) 1987‐2000 dönemi için Johansen eş‐bütünleşme yöntemini kullanarak yapmış olduğu çalışmada Türk Lirası‐ ABD Doları ilişkisini açıklamada
parasal modellerin geçerliliğini test etmiştir. Çalışmasında parasal değişkenlerle
döviz kuru arasında uzun dönemli ilişkinin var olduğu ve 2001 krizinden önce Türk
Lirasının aşırı değerlenmiş olduğu sonucuna varmıştır. Dülger ve Cin (2002) tarafından
1986:01‐1999:12 dönemi için aynı yöntemle yapılan benzer bir çalışmada
da Türkiye ekonomisinde parasal model değişkenleri ile döviz kuru arasında uzun
dönemli ilişkinin varlığı desteklenmektedir. Çavuşoğlu (1997) tarafından Türkiye’nin
döviz kuru dinamiklerini analiz etmek için 1984‐1996 dönemi verileri kullanılarak
kurulan katı fiyatlı parasal modelde Johansen eş‐bütünleşme analizi sonuçlarına
göre döviz kuru devalüasyonunu açıklayan uzun dönemli ilişkinin varlığı
bulunmuştur. Kaynar ve Taştan (2009) döviz kuru tahmininde ARIMA ve MLP
(Multiple Layer Perceptron) yapay sinir ağları yöntemlerini karşılaştırdıkları çalışmalarında,
iki modelin birbirine yakın sonuçlar verdiklerini ve YSA yönteminde
uygun ağ yapısı ve yeterli sayıda veri kullanıldığında yapay sinir ağlarının alternatif
bir yöntem olarak kullanılabileceğine dikkat çekmişlerdir. Aslan ve Kanbur (2007)
ise yapısal döviz kuru modeli olan Satınalma Gücü Paritesi'ni Türkiye ekonomisinin
1980 yılı sonrası dönemi için test etmişlerdir. Döviz kurları ve ulusal fiyatların birlikte
hareket ettiklerini varsayan göreli satın alam gücü paritesini ko‐entegrasyon
analiziyle incelediklerinde ele alınan dönemde SGP teorinin geçerli olmadığı sonucuna
ulaşmışlardır.

3. Yapay Sinir Ağları
Yapay Sinir Ağları (YSA), insan beyninden esinlenerek geliştirilmiş, ağırlıklı bağlantılar
aracılığıyla birbirine bağlanan ve her biri kendi belleğine sahip işlem elemanlarından
oluşan paralel ve dağıtılmış bilgi işleme yapılarıdır. Yapay Sinir Ağları, bir
başka deyişle, biyolojik sinir ağlarını taklit eden bilgisayar programlarıdır. Biyolojik
nöronların organizasyonu ve işleyişi yapay zeka olarak isimlendirilen matematiksel
modele esin kaynağı olmuştur. YSA, basit biyolojik sinir sisteminin çalışma şeklini
simüle etmek için tasarlanmış olup, simüle edilen sinir hücreleri (nöronlar) içerirler
ve bu nöronlar çeşitli şekillerde birbirlerine bağlanarak ağ oluştururlar. YSA’da
kurulan ağ ve görevin niteliği çok sayıda yapay sinir ağı varyasyonların varlığı ile
gerçekleşmektedir. enm.blogcu.com.Bu ağlar öğrenme, hafızaya alma ve veriler arasındaki ilişkiyi
ortaya çıkarma kapasitesine sahiptirler. Özet olarak YSA’lar, normalde bir insanın
düşünme ve gözlemlemeye yönelik doğal yeteneklerini gerektiren problemlere
çözüm üretmektedir (Rumelhart ve McClelland, 1986; Wasserman, 1989).
YSA, her biri büyük bir problemin bir parçası ile ilgilenen, çok sayıda basit işlem
elemanlarından oluşmaktadır. En basit şekilde, bir işlem elemanı, bir girdiyi bir
ağırlık kümesi ile ağırlıklandırır, doğrusal olmayan bir şekilde dönüşümünü sağlar
ve bir çıktı değeri oluşturur. İlk bakışta, işlem elemanlarının çalışma şekli yanıltıcı
şekilde basittir. Sinirsel hesaplamanın gücü, toplam işlem yükünü paylaşan işlem
elemanlarının birbirleri arasındaki yoğun bağlantı yapısından gelmektedir.
Yapay sinir ağları yeni şeyler öğrenebilme yeteneğine sahiptirler ve bunun için
eğitilebilirler. Genelleme yapabilirler, yani kendilerine gösterilen az sayıdaki örneğe
dayanarak bunların ortak özelliklerini öğrenebilirler.
Yapay sinir hücreleri, YSA’nın çalışmasına esas teşkil eden en küçük bilgi işleme
birimidir. Geliştirilen hücre modellerinde bazı farklılıklar olmakla birlikte genel
özellikleri ile bir yapay hücre modeli; girdiler, ağırlıklar, birleştirme fonksiyonu,
aktivasyon (etkinleştirme) fonksiyonu ve çıktılar olmak üzere beş bileşenden meydana
gelir. Bu bileşenlerden birincisi, girdiler diğer hücrelerden ya da dış ortamlardan
hücreye giren bilgilerdir. Girdiler (X1, X2....Xi) kendinden önceki sinirlerden
veya dış dünyadan sinir ağına gelebilir. Bir sinir genellikle gelişi güzel birçok girdileri
alır. İkincisi, ağırlıklar (W1j, W2j, .....Wij) yapay sinir tarafından alınan girişlerin
sinir üzerindeki etkisini belirleyen uygun katsayılardır. Bilgiler, bağlantılar üzerindeki
ağırlıklar üzerinden hücreye girer ve ağırlıklar, ilgili girişin hücre üzerindeki
etkisini belirler. Bir ağırlığın değerinin büyük olması, o girişin yapay sinire güçlü
bağlanması ya da önemli olması, küçük olması zayıf bağlanması ya da önemli olmaması
anlamına gelmektedir. Birleştirme fonksiyonu, bir hücreye gelen net girdiyi
hesaplayan bir fonksiyondur. Aktivasyon fonksiyonu, birleştirme fonksiyonundan
elde edilen net girdiyi bir işlemden geçirerek hücre çıktısını belirleyen ve genellikle doğrusal olmayan bir fonksiyondur. Son bileşen ise çıkış bileşenidir. Etkinlik
işlevi sonucunun dış dünyaya veya diğer sinirlere gönderildiği yerdir.
Çok katmanlı ileri beslemeli ağlar için en yaygın kullanılan eğitim algoritması Geri
Yayılma olarak bilinen "Back Propagation" (BP) algoritmasdır. BP algoritması iki
aşamadan oluşur. Geri Yayılma ağlar, çok tabakalı algılaması ile aynı yapıya sahiptirler
ve öğrenme yöntemi olarak geri yayılma algoritması kullanırlar. Dolayısıyla,
bu ağlar ileri besleme ağlar sınıfına girmektedirler. Ayrıca, çalışmada kullanılan ağ
kantitatif verilerle çalışmaktadır ve yönlendirmeli öğrenme yöntemi kullanmaktadır.
Tahmin ve sınıflandırma işlemleri için oldukça uygun olması ve doğrusal olmayan
yapılar için de oldukça kullanışlı olması sebebi ile BP algoritması seçilmiştir. Ağ
mimarisinde bir girdi tabakası, bir çıktı tabakası ve bu iki tabaka arasında en az bir
adet gizli tabaka bulunur.
Girdi tabakasında, girilecek veriler bulunmaktadır. Ağa girdi olarak her tahmin
modelinde farklı değişken tanıtılmaktadır. Bu değişkenler, döviz kurunun zaman
serileri, yerli ve yabancı ülkeye ait enflasyon, para arzı (M1), faiz ve milli gelir ekonomik
verileridir. Çıktı tabakasında ise döviz kuru çıktı olarak bulunmaktadır. Sonuç
olarak, bu ağ yapısının eğitme sürecinde iki çeşit sinyal tanımlanmaktadır.
Birbirine zıt yönde çalışan bu iki sinyal çeşidi fonksiyon sinyalleri ve hata sinyalleri
olarak adlandırılmaktadırlar (Parker, 1987). Çalışmada kullanılan YSA modeli aşağıdaki
denklemle ifade edilmektedir.

4. Ekonomik Model ve Metodoloji
4.1 Veriler
Bu çalışmada veriler IMF'den (Uluslararası Para Fonu) alınmıştır. Yerli ve yabancı
ülkelere ait enflasyon, para arzı (M1), faiz ve milli gelir verileri kullanılmış, USD
için 1986‐2010 dönemi yabancı ülke olarak Amerika Birleşik Devletleri (ABD) verileri,
EUR için ise 1999‐2010 dönemi yabancı ülke olarak da Avrupa Bölgesi ele
alınmıştır. Yerli ülke verilerinde ise Türkiye verileri kullanılmıştır.

 

Sonraki Konu

 


Duyuru

Facebook sayfamiza üye olun


Duyuru
Sitemizde güncelleme çalismalari devam etmektedir.
Görüs ve önerilerinizi bizimle paylasabilirsiniz ! mail adresimiz : endustrimuhendisligi@hotmail.com