Forecasting the exchange rate series with ann: the case of turkey

As it is possible to model both linear and nonlinear structures in time series by using Artificial Neural Network (ANN), it is suitable to apply this method to the chaotic series having nonlinear component. Therefore, in this study, we propose to employ ANN method for high volatility Turkish TL/US dollar exchange rate series and the results show that ANN method has the best forecasting accuracy with respect to time series models, such as seasonal ARIMA and ARCH models. The suggestions about the details of the usage of ANN method are also made for the exchange rate of Turkey.

Activation Function ,

ARIMA ,

ARCH ,

Artificial Neural Network ,

Chaotic Series ,

Exchange Rate ,

Forecasting ,

Time Series ,

Zaman serilerindeki hem doğrusal, hem de doğrusal olmayan yapıyı Yapay Sinir Ağlarıyla (YSA) modellemek mümkün olduğundan, YSA yönteminin doğrusal olmayan yapıya sahip kaotik serilerin modellenmesinde de kullanımı uygun olacaktır. Bu nedenle, yapılan çalısmada, yüksek dalgalanma gösteren Türkiye TL/US dolar döviz kuru zaman serisinin modellenmesinde YSA yöntemi kullanılmıstır. Elde edilen sonuçlar göre, YSA yönteminin mevsimsel ARIMA ve ARCH gibi modellerden daha iyi öngörüler ürettiği görülmüstür. Ek olarak, Türkiye döviz kuru zaman serisinin çözümlenmesinde, YSA yöntemi kullanımının detayları da verilmistir.

Aktivasyon Fonksiyonu, ,

ARIMA, ,

ARCH, ,

Döviz Kuru, ,

Kaotik Seriler, ,

Öngörü, ,

Yapay Sinir Ağları, ,

Zaman Serileri ,