Dergiler / Uluslararası Ekonomi İşletme ve Politika Dergisi / 2018 / Cilt: 2 - Sayı: 1
TÜRKİYE CUMHURİYET MERKEZ BANKASI ALTIN REZERVİNİN HOLT-WİNTERS ÜSTEL DÜZLEME YÖNTEMİ VE YAPAY SİNİR AĞLARI İLE İNCELENMESİ / Investigation of the Republic of Turkey Central Bank’s Gold Reserve with Holt-Winters Exponential Smoothing and Artificial Neural Networks
- Sayfa
- 131–146
- DOI
- —
Özet
Merkez Bankaları ülkelerin finansal düzenlemelerinin yapılması ve ülkenin genel ekonomik dengelerinin korunması için çalışmaktadırlar. Bunun için beklenmedik ihtiyaçlar doğduğunda kullanmak üzere rezerv bulundururlar. Ancak belirsizliğin yoğun olduğu finans piyasalarında piyasa hareketlerinin doğru tahmin yöntemleriyle desteklenmemesi beklenmedik sonuçlar doğurabilir. Bu nedenle merkez bankaları, ülkelerinin finansal yapısını göz önüne alarak rezervleri ile ilgili tahmin çalışmaları yürütmektedirler. Piyasada meydana gelen dalgalanmalar verilerin klasik istatistiksel yöntemlerle modellenmesini zorlaştırmaktadır. Birçok çalışmada yapay zekâya dayalı tekniklerin doğrusal olmayan verilerin modellenmesinde klasik tekniklerle göre üstün performans gösterdiği belirtilmektedir. Bu amaçla çalışmamızda Türkiye Cumhuriyet Merkez Bankası (TCMB)’nın aylık altın rezervi Yapay Sinir Ağları (YSA) ve Holt-Winters Üstel Düzleme yöntemleri ile analiz edilmiştir. Çalışmada Aralık 1987– Mayıs 2017 dönemine ait aylık ağırlıklı ortalama rezerv tutarları ($/milyon) kullanılmıştır. Toplamsal Holt-Winters Üstel Düzleme yöntemiyle elde edilen modelin performans sonuçları YSA modeli ile karşılaştırılmıştır. R2, MAPE ve RMSE değerleri bakımından YSA modeli Toplamsal Holt-Winters Üstel Düzleme yönteminden daha başarılı sonuçlar vermiştir.
Abstract
The Central Banks carry out various studies to make financial arrangements for their countries. In addition, central banks hold reserves for unexpected needs. However, using wrong forecasting methods in a volatile financial market may cause unexpected consequences. From this point, central banks use prediction methods considering the financial structure of their countries. The economic fluctuations make it difficult to model data with classical statistical methods. In recent years, new modeling techniques are generally superior to classical techniques in modeling nonlinear data. We investigated Central Bank of Turkey’s monthly gold reserves with Artificial Neural Networks (ANN) and Holt-Winters Exponential Smoothing methods. Monthly weighted average reserve amounts ($/million) for the period of December 1987 to May 2017 were used in the study. Additive Holt-Winters Exponential Smoothing model's performance compared with the ANN model. ANN method yielded more successful results in terms of R2, MAPE and RMSE values.