SavedAdd your journal

Journals / Finans Politik ve Ekonomik Yorumlar Dergisi / 2013 / Cilt: 50 - Sayı: 582

Turkish budget balance estimate with artificial neural networks method

Türk bütçe dengesinin yapay sinir ağları yöntemiyle tahmini

HAKAN HOTUNLUOĞLU
İsmet GÖÇER
Mehmet MERCAN
Pages
91–99
DOI
—
🏛️Bibliographic metadata and full text access for this article are provided via DergiPark.
DergiPark Record ↗
✨

AI Summary & Key Takeaways

AI Insight
⚡ TL;DR(Too Long; Didn't Read)

Particularly, the availability of this method in budget balance estimation will be investigated.

📌 3 Key Takeaways

🎯
Objective & Hypothesis:The balance between public revenues and expenditures are crucial for econo- mic development and to sustain this development.
📊
Key Findings & Data:The effects of Political reasons on the budget are usually attributed to increased public spending in election years.
💡
Conclusion & Impact:Particularly, the availability of this method in budget balance estimation will be investigated.
🔬Design:Research Article
📍Scope:Comprehensive Sample
⚙️Variables:Domain Parameters

Abstract

The balance between public revenues and expenditures are crucial for econo- mic development and to sustain this development. In the literature, the Main reasons of imbalances between revenue and expenditure considered under two he- adings: economic and political reasons. Economic reasons that affect the budget balance are unemployment, economic growth, economic crises, inflation and the debt stock. The effects of Political reasons on the budget are usually attributed to increased public spending in election years. In this study, the budget balance, unlike traditional methods, will be analyzed by artificial neural networks. Turkey’s budget balance will be estimated using eco- nomic and political indicators. Particularly, the availability of this method in budget balance estimation will be investigated.

Özet

Kamu gelir ve giderleri arasındaki denge ülkelerin ekonomik kalkınma ve bu kal- kınmayı sürdürebilmesi açısından önem arz etmektedir. Gelir ve gider arasında- ki dengesizliklerin temel nedenleri literatürde ekonomik ve siyasi nedenler olarak iki başlık altında değerlendirilmiştir. Bütçe dengesi üzerinde etkili olan ekonomik değişkenler işsizlik, ekonomik krizlerin varlığı, enflasyon ve borç stoku olarak değerlendirilmektedir. Siyasi nedenlerin bütçe üzerindeki etkisi de genellikle seçimlerin yapıldığı yıllardaki artan kamu harcamalarına bağlanmaktadır. Bu çalışmada Türkiye’nin bütçe dengesi geleneksel yöntemlerden farklı olarak bir yapay zeka uygulaması olan Yapay Sinir Ağları yöntemi ile analiz edilecek- tir. Bütçe dengesi üzerinde etkili olan ekonomik ve siyasi göstergeler kullanılarak Türkiye’nin bütçe dengesi tahmini gerçekleştirilecek ve bu bütçe tahmininde Yapay Sinir Ağları yönteminin kullanılabilirliği araştırılacaktır.

🔖

Cite This Article

HOTUNLUOĞLU, H., GÖÇER, İ., MERCAN, M. (2013). Turkish budget balance estimate with artificial neural networks method. Finans Politik ve Ekonomik Yorumlar Dergisi, Cilt: 50 - Sayı: 582, 91–99. https://ajindex.com/articles/223964

📄 Full Text PDF Viewer

📄

PDF görüntüleyici hazırlanıyor...

References (22)

  1. BULUT, C. ve CANBOLAT, Y.B. (2003) “Türkiye Ekonomisi’nde artan Kamu Açıklarının Enflasyon, Fazi Oranı ve Döviz Kuru Üzerindeki Etkileri” Journal of Qafqaz University, 12, 13-28.
  2. DPT, Devlet Planlama Teşkilatı. EDWARDS, S. and TABELLİNİ, G., (1991) “Explaining fiscal policies and inflation in developing countries” Journal of International Money and Finance 10, 516–548.
  3. EFE, Ö. ve KAYNAK, O. (2004)
  4. Yapay Sinir Ağları ve Uygulamaları, Boğaziçi Üniversitesi.
  5. İstanbul.
  6. GALUSHKIN, A.I. (2007)
  7. Neural Networks Theory, Springer- Verlag Berlin Heidelberg GIMENO, F. A. and JURADO, I. (2011) “Minority governments and budget deficits: The role of the opposition” European Journal of Political Economiy, 554-565.
  8. GRILLI, V., MASCİANDARO, D. and TABELLİNİ, G., 1991. Political and monetary institutions and public financial policies in the industrial countries. Economic Policy 6, 342–392.
  9. HAMZAÇEBİ, C. ve KUTAY, F, (2004) Yapay Sinir Ağları İle Türkiye Elektrik Enerjisi Tüketiminin 2010
  10. Yılına Kadar Tahmini, Gazi Üniv. Müh. Mim. Fak. Der. 19 (3), 227-233.
  11. HANSEN, J.V. ve NELSON, R.D. (1997) “Neural Networks and Traditional Time Series Methods: A Synergistic combination in State Economic Forecasts”, IEEE Transactions on Neural Networks, 8 (4), 863-873.
  12. HAYKIN, S. (2001) Neural Networks A Comprehensive Foundation, Pearson Education, Singapore. KAASTRA, I. and BOYD, M. (1996) “Designing a Neural Network for Forecasting Financial and Economic Time Series” Neurocomputing, cilt: 10, 215-236.
  13. KAPLAN, M. ve TEKELİ, R. (2008)
  14. Ekonomide Bekleyişler ve Tahmin, Yapay Sinir Ağları Uygulamaları, Tablet Yayınları,
  15. Konya. MAO, H., LIU, D., JIN, Y. and LIN, J. (2010) “Forecasting model on general budget revenue of regional finance based on dynamic combination of BP neural Network” 2010 International Conference of Information Science and Management Engineering, 282-286.
  16. MINSKY, M. and PAPERT, S. (1969).
  17. Perceptrons. MIT Press,
  18. Cambridge. MURAT, Y. S. ve CEYLAN, H. (2006) “Use of Artificial Neural Networks for Transport Energy Demand Modeling” Energy Policy, 34, 3165-3172.
  19. ÖZTEMEL, E. (2006)
  20. Yapay Sinir Ağları, Papatya Yayıncılık, İstanbul.
  21. PALAU, A., VELO, E. and PUIGJANER, L. (1999) “Use of Neural Networks and Expert Systems to Control a Gas/Solid Sorption Chilling Machine” International Journal of Refrigeration, 22, 59-66. PICHÉ, S.W. (1994) “Steepest Descent Algorithms for Neural Network Controllers and Filtres”, IEEE Transactions on Neural Networks, 5 (2), 198-212.
  22. ROUBINI, N., (1991) “