Journals / Öneri Dergisi / 2007 / Cilt: 7 - Sayı: 28

TÜRKİYE’DEKİ ENFLASYONUN BAYESCİ VEKTÖR OTOREGRESYON MODELLER İLE İNCELENMESİ

Pages
287–300
Publication Date
2007-06-10
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)

Çıkan sonuçlar BVAR modellerinin, VAR modeline göre 2001 yılı gerçek değerlerin tahmininde çok daha başarılı olduğunu kanıtlamıştır.

📌 3 Key Takeaways

🎯
Objective & Hypothesis:Bu çalışmada, zaman serileri analizinde yaygın biçimde kullanılan Bayesci Vektör Oto-regresyon (BVAR) modeller ayrıntılı bir şekilde açıklanmıştır.
📊
Key Findings & Data:Bilindiği gibi Türkiye, çok uzun zamandan beri yüksek enflasyon oranlarının yol açtığı sıkıntılarla uğraşmaktadır.
💡
Conclusion & Impact:Çıkan sonuçlar BVAR modellerinin, VAR modeline göre 2001 yılı gerçek değerlerin tahmininde çok daha başarılı olduğunu kanıtlamıştır.
🔬Design:Modeling & Simulation
📍Scope:2001 Verileri
⚙️Variables:Vektör Oto-regresyon Modeller (VAR) · Bayesci Vektör Oto-regresyon Modeller (BVAR) · Minnesota önseli

Özet

Bu çalışmada, zaman serileri analizinde yaygın biçimde kullanılan Bayesci Vektör Oto-regresyon (BVAR) modeller ayrıntılı bir şekilde açıklanmıştır. Bu çerçeve içinde Vektör Oto-regresyon (VAR) modeller de incelenmiştir. Bilindiği gibi Türkiye, çok uzun zamandan beri yüksek enflasyon oranlarının yol açtığı sıkıntılarla uğraşmaktadır. Öyle ki yüksek enflasyon oranları Türkiye’nin en önemli sorunlarından biri haline gelmiştir. Bu faktörün önemi, bizi onu modellemeye yönlendirmiştir. Modelleme için iki ayrı dönem, Ocak 1986 - Aralık 2001 ve Ocak 1986 - Aralık 2000 seçilmiştir. Bu dönemler için yedi farklı BVAR modeli oluşturulmuş ve daha sonra 2002 ve 2001 yılları için bu modellerin öngörü performansları VAR modeller ile karşılaştırılmıştır. Sonuçlar incelendiğinde, BVAR modellerinin Ocak 2002 - Aralık 2002 döneminin öngörüsünde VAR modeline oranla iyi bir performans sergileyemediği anlaşılmıştır. Bu duruma, 2001 yılında yaşanmış olan ekonomik krizin yol açtığı düşünüldüğünden, Ocak 1986 - Aralık 2000 dönemi için ayrı bir modellemeye gidilmiş ve Ocak 2001 - Aralık 2001 öngörülerine bakılmıştır. Çıkan sonuçlar BVAR modellerinin, VAR modeline göre 2001 yılı gerçek değerlerin tahmininde çok daha başarılı olduğunu kanıtlamıştır.

🔖

Cite This Article

ÇOKER, E., SEZGİN, F. (2007). TÜRKİYE’DEKİ ENFLASYONUN BAYESCİ VEKTÖR OTOREGRESYON MODELLER İLE İNCELENMESİ. Öneri Dergisi, Cilt: 7 - Sayı: 28, 287–300. https://ajindex.com/articles/35926

📄 Full Text PDF Viewer

📄

PDF görüntüleyici hazırlanıyor...

References (17)

  1. Todd, R., (1984). Improving Economic Forecasting with Bayesian Vector Autoregression. Quarterly Review, Federal Reserve Bank of Minneapolis, 8(Fall), 18-29
  2. Litterman, R. (1986). A Statistical Approach to Economic Forecasting. Journal of Business and Economic Statisiics, 4(1), 1-4
  3. Litterman, R. (1986). Forecasting with Bayesian Vector Autoregression - Five Years of Experience. Journal of Business and Economic Statistics, 4(1), 25-38
  4. Spencer, D. (1993). Developing a Bayesian Vector Autoregression Forecasting Model. International Journal of Forecasting, 9(3), 407-421
  5. Bessler, D.A. & Kling, J.L. (1986). Forecasting Vector Autoregressions with Bayesian Priors. American Journal of Agricultural Economics, 68(1), 144-151
  6. Nelson, C.R. & Plosser, C. (1982). Trends and Random Walks in Macroeconomic Time Series. Journal of Monetary Economics, 10(2), 139-162
  7. Tiao, G.C. &Box, G.E.P. (1981). Modelling Multiple Time Series with Application. Journal of The American Statistical Association, 76(376), 802-816
  8. Tiao, G. & Tsay, R. (1983). Multiple Time Series Modeling and Extended Sample Cross-Correlations. Journal of Business and Economic Statistics, 1(1), 43-56
  9. Engle, R.F. & Granger, C.W.J. (1987). Cointegration and Error Correction: Representation, Estimation and Testing. Econometrica, 55(2), 251-276
  10. Engle, R.F. & You, B.S. (1987). Forecasting and Testing in Cointegrated Systems. Journal of Econometrics, 35(1), 143-159
  11. Fırat, B.E. (1994). Estimating and Forecasting Exchange Rate: Comparison of Structural and VAR Models. A Master’s Thesis, Middle East Technical University. Master of Science in Economics, Ankara
  12. Doan, T.; Litterman, R.B. & Sims, C. (1983). Forecasting and Conditional projection Using Realistic Prior Disributions. NBER Working Papers Series. No: 1202, Cambridge
  13. Larson, H.J. (1982). Introduction to Probability Theory and Statistics Inference. Third Edition. New York: John Wiley and Sons
  14. Hsu, P.; Wang, C.; Shyu, J.Z. & Yu, H. (2003). A Litterman BVAR Approach for Production Forecasting of Technology Industries. Technological Forecasting & Social Change, 70(1), 67-82
  15. Rarnos, F. (2003). Forecasts of Market Shares from VAR and BVAR Models: A Comparison of Their Accuracy. International Journal of Forecasting, 19(1), 95-110
  16. Doan, T. (1992). RATS. Users Manual Version 4. Illinois: Estima
  17. Bischoff, C.W.; Belay, H. & Kang, I. (2000). Bayesian VAR Forecasts Fail To Live Up to Their