INVESTIGATION OF THE REPUBLIC OF TURKEY CENTRAL BANK’S GOLD RESERVE WITH HOLT-WINTERS EXPONENTIAL SMOOTHING AND ARTIFICIAL NEURAL NETWORKS / Türkiye Cumhuriyet Merkez Bankası Altın Rezervinin Holt-Winters Üstel Düzleme Yöntemi Ve Yapay Sinir Ağları İle İncelenmesi
| Autor: | Hasan Aykut Karaboğa, Tuğçe Genç, İbrahim Demir |
|---|---|
| Rok vydání: | 2018 |
| Předmět: |
050208 finance
Altın Rezervi Yapay Sinir Ağları RMSE Holt-Winters Üstel Düzleme Economics holt-winters üstel düzleme 05 social sciences Gold Reserve Artificial Neural Network MLP RMSE Holt-Winters Exponential Smoothing holt-winters exponential smoothing General Medicine mlp İktisat altın rezervi rmse Economics as a science gold reserve Central bank 0502 economics and business yapay sinir ağları 050207 economics Political science HB71-74 Humanities artificial neural network Mathematics |
| Zdroj: | Uluslararası Ekonomi, İşletme ve Politika Dergisi, Vol 2, Iss 1, Pp 131-146 (2018) Volume: 2, Issue: 1 131-146 Uluslararası Ekonomi İşletme ve Politika Dergisi |
| ISSN: | 2587-2559 |
| DOI: | 10.29216/ueip.411814 |
| Popis: | Merkez Bankaları ülkelerin finansaldüzenlemelerinin yapılması ve ülkenin genel ekonomik dengelerinin korunmasıiçin çalışmaktadırlar. Bunun için beklenmedik ihtiyaçlar doğduğunda kullanmaküzere rezerv bulundururlar. Ancak belirsizliğin yoğun olduğu finanspiyasalarında piyasa hareketlerinin doğru tahmin yöntemleriyle desteklenmemesibeklenmedik sonuçlar doğurabilir. Bu nedenle merkez bankaları, ülkelerininfinansal yapısını göz önüne alarak rezervleri ile ilgili tahmin çalışmalarıyürütmektedirler. Piyasada meydana gelen dalgalanmalar verilerin klasikistatistiksel yöntemlerle modellenmesini zorlaştırmaktadır. Birçok çalışmada yapayzekâya dayalı tekniklerin doğrusal olmayan verilerin modellenmesinde klasiktekniklerle göre üstün performans gösterdiği belirtilmektedir. Bu amaçla çalışmamızda Türkiye CumhuriyetMerkez Bankası (TCMB)’nın aylık altın rezervi Yapay Sinir Ağları (YSA) veHolt-Winters Üstel Düzleme yöntemleri ile analiz edilmiştir. Çalışmada Aralık 1987–Mayıs 2017 dönemine ait aylık ağırlıklı ortalama rezerv tutarları ($/milyon)kullanılmıştır. Toplamsal Holt-Winters Üstel Düzleme yöntemiyle elde edilen modelinperformans sonuçları YSA modeli ile karşılaştırılmıştır. R2, MAPE veRMSE değerleri bakımından YSA modeli Toplamsal Holt-Winters Üstel Düzleme yöntemindendaha başarılı sonuçlar vermiştir. The CentralBanks carry out various studies to make financial arrangements for theircountries. In addition, central banks hold reserves for unexpected needs. However,using wrong forecasting methods in a volatile financial market may causeunexpected consequences. From this point, central banks use prediction methodsconsidering the financial structure of their countries. The economic fluctuationsmake it difficult to model data with classical statistical methods. In recentyears, new modeling techniques are generally superior to classical techniques inmodeling nonlinear data. We investigated Central Bank of Turkey’s monthly goldreserves with Artificial Neural Networks (ANN) and Holt-Winters ExponentialSmoothing methods. Monthly weighted average reserve amounts ($/million) for theperiod of December 1987 to May 2017 were used in the study. AdditiveHolt-Winters Exponential Smoothing model's performance compared with the ANNmodel. ANN method yielded more successful results in terms of R2,MAPE and RMSE values. |
| Databáze: | OpenAIRE |
| Externí odkaz: |
|