» Döviz Kuru Tahmininde Yapay Sinir Ağlarıyla AlternatifYaklaşım 2

Yayinlanma Zamani: 2011-12-05 20:40:00





4.2 Metodoloji
Çalışmada üç farklı YSA modeli ile döviz kuru öngörüsü yapılmıştır. Birinci modelde girdi verileri olarak öncelikle zaman serileri analizinde olduğu gibi döviz kuru değişkenlerinin gecikmeli değerleri kullanılmıştır. İkinci modelde ise SGP öngörü modelinde kullanılan ekonomik verilerden yerli ve yabancı tüketici fiyat endeksi girdi verisi olarak, döviz kuru verileri ise çıktı (tahmin verisi) olarak kullanılmıştır. Son olarak kullanılan üçüncü modelde ise parasal model ekonomik verilerinden Türkiye ve yabancı ülkelerin enflasyon, para arzı (M1), faiz ve milli gelir ekonomik verileri girdi verisi, çıktı (tahmin) verisi olarak da döviz kurları kullanılmıştır. Bu üç modelin girdi verileri ile döviz kuru ilişkisi YSA’nın öğrenme tekniği ile  öğretilmiştir. Daha sonra bu üç model tahmin denklemleri oluşturularak tahmin performansları incelenmiştir. YSA tabanlı modelde ekonomik verilerin normalizasyonu aşağıdaki formül kullanılarak yapılmıştır [0, 1].

 

 

5. Ampirik Çalışma Sonuçları ve Tartışma
5.1. Zaman Serisi
Döviz kuru zaman serisinin geçmiş yıllara ait aylık verileri kullanılarak YSA öngörü
modeli oluşturulmuştur. Çalışmada USD ve EUR döviz kuru tahminleri yapılmıştır.
Döviz tahmininde, YSA modelinde girdi verisi döviz kurunun kendi gecikmeli değerleri
kullanılmıştır. Veriler iki kısma ayrılmıştır; USD tahmininde 338 verinin
199'u test, 139 tanesi ise tahmin verisi olarak kullanılmıştır. 199 adet geçmiş dönemlere
ait USD verisi ile YSA'da eğitim seti oluşturulmuştur. Oluşturulan veriler
YSA'da eğitime tabi tutulmuştur, eğitimi yapılan veriler ise 139 adet tahmin verisinde
öğrenme performansı test edilmiştir. EUR tahmininde ise 132 veriden 75
tanesi eğitim verisi, 57 tanesi ise test verisi olarak düzenlenmiştir. EU geçmiş döneme
ait döviz kuru ile YSA'da eğitim seti oluşturulmuştur. Daha sonra eğitim verileri
ile kurulan ilişki 57 adet veride test edilerek tahmin performansı belirlenmiştir.
USD ve EU döviz kuru eğitim test performansına ait grafik şekil 1' de verilmektedir.

 

Şekil 1. Eğitim Seti Performansı
Eğitim test performansının ölçülmesinde Ortalama Hata Kare (OHK) öngörüsü
doğruluk ölçüleri arasında en yaygın şekilde kullanılanıdır. Şekil 1’de eğitim aşamasında
ulaşılan hata kareleri ortalaması verilmektedir. USD öğrenme test performansında
1000 güncellenme sayısında 1,756.10‐4, EUR sonuçlarında 1000 güncellenme
sayısında 4.10‐4 minimum OHK değeri elde edilmiştir. Bu durum bize,
oluşturulan yapay sinir ağı modelinin oldukça iyi sonuçlar verdiğini göstermektedir.
USD ve EUR tahmin performansları ise Şekil 2’de verilmektedir

Şekil 2. USD ve EU döviz kuru tahmin performansı
YSA'da yapılan eğitim sonrasında döviz kuru verilerinin tahmin performansı gerçek
veriler ile karşılaştırılmıştır. Döviz kurunun kendi serisi üzerinde tahmin perforyüksek performansa sahip oldukları şekilden görülmektedir.
5.2. Satınalma Gücü
Döviz tahmininde, YSA modelinde girdi verisi olarak SGP Modelinde kullanılan
verilerden yararlanılmıştır. Girdi verisi olarak Türkiye ve yabancı ülkelerin (ABD ve
Avrupa) tüketici fiyat endeksi, çıktı (tahmin) verisi olarak da döviz kurları kullanılmıştır.
Döviz tahmininde veriler iki kısma ayrılmıştır; USD tahmininde 338 verinin
199'u test, 139 tanesi ise tahmin verisi olarak kullanılmıştır. 199 adet geçmiş dönemlere
ait ABD ve Türkiye Tüketici Fiyat Endeksi verileri ile YSA'da eğitim seti
oluşturulmuştur. Oluşturulan veriler YSA'da eğitime tabi tutulmuştur, eğitimi yapılan
veriler ise 139 adet tahmin verisinde öğrenme performansı test edilmiştir. EUR
tahmininde ise 132 veriden 75 tanesi eğitim verisi, 57 tanesi ise test verisi olarak
düzenlenmiştir. Avrupa Bölgesi ve Türkiye Tüketici Fiyat Endeksi verileri ile YSA'da
eğitim seti oluşturulmuştur. Daha sonra eğitim verileri ile kurulan ilişki 57 tane
veride test edilerek tahmin performansı belirlenmiştir. USD ve EUR döviz kuru
eğitim test performansına ait grafik şekil 3' de verilmektedir.

 

Şekil 3. Eğitim Seti Performansı
Şekil 3’te eğitim aşamasında ulaşılan hata kareleri ortalaması verilmektedir. USD
öğrenme test performansında 1000 güncellenme sayısında 9,32.10‐4, EUR sonuçlarında
1000 güncelleme sayısında 8,5.10‐4 minimum OHK değeri elde edilmiştir. Bu
durum bize oluşturulan YSA Modelinin oldukça iyi sonuçlar verdiğini göstermektedir.
EUR öğrenme OHK değeri, USD OHK değerinden düşük seviyededir. Bu da EUR
öğrenme performansının daha iyi olduğunu ifade etmektedir. USD ve EUR tahmin
performansları ise Şekil 4’te verilmektedir.

Şekil 4. USD ve EUR Döviz Kuru Tahmin Performansı
YSA'da yapılan eğitim sonrasında döviz kuru verilerinin tahmin performansı gerçek
veriler ile karşılaştırılmıştır. Döviz kurunun kendi serisi üzerinde tahmin performanslarına
bakıldığında, hem öğrenme aşamasında hem de tahmin aşamasında
yüksek performansa sahip oldukları şekilden görülmektedir.
5.3. Parasal Model
Döviz kuru tahmininde, YSA modelinde girdi verisi olarak parasal modelde kullanılan
ekonomik verilerden yararlanılmıştır. Girdi verisi olarak Türkiye ve yabancı
ülkelerin enflasyon, para arzı (M1), faiz ve milli gelir ekonomik verileri, çıktı (tahmin)
verisi olarak da döviz kurları kullanılmıştır. Veriler iki kısma ayrılmıştır; USD
tahmininde 338 verinin 199'u test, 139 tanesi ise tahmin verisi olarak kullanılmıştır.
199 adet USD tahminine ait Türkiye ve ABD ülkelerin enflasyon, para arzı (M1),
faiz, milli gelir ve döviz kuru ekonomik verileri ile YSA'da eğitim seti oluşturulmuştur.
Oluşturulan veriler YSA'da eğitime tabi tutulmuştur, eğitimi yapılan veriler ise
139 adet tahmin verisinde öğrenme performansı test edilmiştir. EUR tahmininde
ise 132 veriden 75 tanesi eğitim verisi, 57 tanesi ise test verisi olarak düzenlenmiştir.
Türkiye ve Avrupa bölgesi enflasyon, para arzı (M1), faiz, milli gelir ve döviz
kuru ekonomik verileri ile YSA da eğitim seti oluşturulmuştur. Daha sonra eğitim
verileri ile kurulan ilişki 57 adet veride test edilerek tahmin performansı belirlenmiştir.
USD ve EUR döviz kuru eğitim test performansına ait grafik Şekil 5' te verilmektedir.

 

Şekil 5. Eğitim Seti Performansı
Şekil 5’te eğitim aşamasında ulaşılan hata kareleri ortalaması verilmektedir. USD
öğrenme test performansında 1000 güncellenme sayısında 11,29.10‐4, EUR sonuçlarında
1000 güncelleme sayısında 5,85.10‐4 minimum OHK değeri elde edilmiştir.
Bu durum bize oluşturulan yapay sinir ağı modelinin oldukça iyi sonuçlar verdiğini
göstermektedir. EUR öğrenme OHK değeri, USD OHK değerinden düşük seviyededir.
Bu da EUR öğrenme performansının daha iyi olduğunu ifade etmektedir. USD
ve EU tahmin performansları Şekil 6’da verilmektedir.

Şekil 6. USD ve EU Döviz Kuru Tahmin Performansı

 

Sonraki Konu


Duyuru

Facebook sayfamiza üye olun


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