Abstract
Karar birimleri ve politika yapıcıların başarılı politikalar geliştirebilmelerinin önemli etkileyenlerinden biri gelecek dönemlere ait makroekonomik değişkenlerin doğru tahmin edilmesiyle gerçekleştirilmektedir. Enflasyon, söz konusu makroekonomik göstergeler arasında yer almakta olup başarılı politikalar gerçekleştirebilmek için enflasyonun reel etkilerini ve şiddetini minimize etmek, gelecek dönem değişimlerini ve etkileyenlerini belirlemek, enflasyonu güvenilir tahmin etmek gerekmektedir. Enflasyonun doğru bir şekilde tahmin edilmesi demek kamu sektörü ve özel sektör tarafından hem uygulanacak politikalar açısından hem de alınacak yatırım kararları bakımından önem arz etmektedir. Bu bağlamda yapılan çalışmada, Türkiye için 2008-2023 zaman aralığı kullanılarak üçer aylık veriler seçilmiştir. Çalışmada, geleneksel ekonometri yöntemleri yerine tahmin ile gerçeğin arasındaki farkın en aza indirgendiği makine öğrenme yöntemleri kullanılmıştır. Alternatif makine öğrenme metotları olan rastgele orman, karar ağacı ile yapay sinir ağları yöntemi olan çok katmanlı algılayıcı kullanılarak enflasyonu etkilediği düşünülen Brent petrol, Reeskont avans faiz oranı, para arzı, TÜFE, vergi gelirleri, genel bütçe gelirleri, politika faizi, Amerikan Doları/TL paritesi, GSYİH öznitelikleri seçilmiştir. Seçilen öznitelikler ile doğru tahminlemenin yapılacağı yöntem ve etkileyenin belirlenmesi amaçlanmaktadır. Analiz sonuçları karar ağacı modelinin, rastgele orman ve çok katmanlı algılayıcıya oranla en doğru enflasyon oranını tahmin ettiğini göstermektedir. Çalışma sonucundan elde edilen diğer bir bulgu ise Türkiye’de enflasyonun en yüksek belirleyicisinin Amerikan doları olduğu olgusudur.
Publisher
Gaziantep University Journal of Social Sciences
Reference41 articles.
1. Akay, E. Ç. (2018). Ekonometride yeni bir ufuk: Büyük veri ve makine öğrenmesi. Sosyal Bilimler Araştırma Dergisi, 7(2), 41-53.
2. Akdağ, M., Yiğit, V. (2016). Box-Jenkıns ve yapay sinir ağı modelleri ile enflasyon tahmini. Atatürk Üniversitesi İktisadi ve İdari Bilimler Dergisi, 30 (2), 0-0. Retrieved From Https://Dergipark.Org.Tr/En/Pub/Atauniiibd/İssue/29907/322094
3. Araujo, GS., Gaglianone, WP (2023). Brezilya'da enflasyon tahmini için makine öğrenimi yöntemleri: Klasik modellere karşı yeni yarışmacılar. Latin Amerika Merkez Bankacılığı Dergisi, 4 (2), 100087.
4. Başçı, E., Kara, H. (2011). Finansal istikrar ve para politikası. İktisat İşletme ve Finans, 26(302), 9-25.
5. Baybuza, I. (2018). Inflation forecasting using machine learning methods. Russian Journal of Money and Finance, 77(4), 42-59.