The Turkish economy has faced many economic difficulties throughout it's history. At this point, predicting inflation accurately is very important for policy makers, businesses, investors and consumers. This study aims to estimate the Turkish Consumer Price Index. Producer price index, M1 money supply, gold price, dollar price, natural gas price and interest rate variables were used to estimate the CPI for Turkey. The variables used in the research were obtained through EVDS, the Central Bank's Electronic Data Management System. Monthly data from January 2003 to August 2023 was used in the study. The obtained data were estimated using DDPG, XGBoost, SVR, KNN and CNN-BiLSTM methods. Model performances were compared using RMSE, MSE, MAE, MAPE and R2 statistical coefficients. When model performances were evaluated, the best CPI prediction for Turkey was obtained by the SVR method.
CIP Prediction SVR Time Series Decision Support System Machine Learning Deep Learning
Türkiye ekonomisi tarih boyunca birçok ekonomik zorlıkla karşılaşmıştır. Bu noktada enflasyonun doğru bir şekilde tahmin edilmesi politika yapıcıları, işletmeler, yatırımcılar ve tüketiciler açısından oldukça önemlidir. Bu çalışmanın amacı Türkiye Tüketici Fiyat Endeksi’nin tahmin edilmesidir. Türkiye için TÜFE’nin tahmin edilmesinde üretici fiyat endeksi, M1 para arzı, altın fiyatı, dolar fiyatı, doğalgaz fiyatı ve faiz oranı değişkenleri kullanılmıştır. Araştırmada kullanılan değişkenler Merkez Bankasının Elektronik Veri Yönetim Sistemi olan EVDS üzerinden elde edilmiştir. Çalışmada Ocak 2003’ten Ağustos 2023’e kadar olan aylık veriler kullanılmıştır. Elde edilen veriler DDPG, XGBoost, SVR, KNN ve CNN-BiLSTM yöntemleri kullanılarak tahmin edilmiştir. Model performansları RMSE, MSE, MAE, MAPE ve R2 istatistik katsayıları kullanılarak karşılaştırılmıştır. Model performansları değerlendirildiğinde Türkiye için en iyi TÜFE tahmini SVR yöntemi tarafından elde edilmiştir.
TÜFE Tahmini SVR Zaman Serisi Karar Destek Sistemleri Makine Öğrenmesi Derin Öğrenme
Birincil Dil | İngilizce |
---|---|
Konular | Karar Desteği ve Grup Destek Sistemleri, Zaman Serileri Analizi |
Bölüm | Araştırma Makaleleri |
Yazarlar | |
Erken Görünüm Tarihi | 27 Ekim 2024 |
Yayımlanma Tarihi | 30 Ekim 2024 |
Gönderilme Tarihi | 23 Kasım 2023 |
Kabul Tarihi | 9 Eylül 2024 |
Yayımlandığı Sayı | Yıl 2024Sayı: 28 |