Akademik Veri Yönetim Sistemi
Guncel Ekonometrik Yaklaşımlar: Zaman Serisi Analizleri Çerçevesinde Teori ve Uygulamalar, İmre Bıyıklı Süreyya, Editör, Gazi Kitapevi, Ankara, ss.105-135, 2025
Zaman serilerinde sıklıkla karşımıza çıkan “Nowcasting”, “Şimdi/ An” ve “Tahmin”in birleşiminden oluşan bir kavramdır ve türkçeye anlık / şimdiki tahmin olarak çevrilmektedir. Anlık tahminde amaç, mevcut olan bilgileri kullanarak bir hedef değişkenin mevcut veya ona yakın zamanda ileri veya geri durumunun daha zamanlı bir şekilde tahminidir. Keith Browning, bu terimi ilk defa, 1981'de (WMO, 2017) çok yakın gelecekteki hava durumunu, mevcut durumuna dayanarak tahmin etmeyi tanımlamak için kullanmıştır. Makroekonomik duruma ilişkin “gerçek zamanlı tahminler” kavramı ise Mariano ve Murasawa (2003) tarafından ilk defa ele alınmıştır.
Gayrisafi Yurt İçi Hasılanın (GSYH) ekonominin büyüklüğünü ve performansını ölçmedeki önemi hafife alınamaz. Hükümet yetkilileri, politika yapıcılar ve hatta genel halk için ekonomik sağlık ve dolayısıyla sosyal refah gibi sayısız ilgili ölçüt hakkında fikir edinmek için başvurulan bir ölçüttür (Dynan vd., 2018; IMF, 2020; Kapoor ve Debroy, 2019). Ancak bu rakama ne kadar bağımlı olunsa da, çoğu zaman önemli bir gecikmeyle yayınlanmaktadır. Bu nedenle 2010’lu yıllarda GSYH, ticaret, ekonomik faaliyetlere ilişkin değişkenlerin “anlık / şimdiki tahmin”i üzerine birçok çalışma yapılmıştır. Bu çalışmalarda klasik zaman serisi yöntemlerinden yararlanılmaktadır. Bu yöntemler genellikle tek değişkenli tahminler sağlar ve mevsimsellik ile diğer parametreleri modellemek için elle ayarlanmış özellikler gerektirir. Ancak ulusal istatistik ofislerinin mevcut veri kaynaklarının alternatif veri kaynakları ile güçlendirmesi ile ekonomik veriler daha ayrıntılı ve daha kısa zaman diliminde incelenebilmektedir. Ele alınan ekonometrik modeldeki değişken sayısı arttıkça ve zaman frekansları farklılık gösterdikçe, model kurulumuna ilişkin çoklu doğrusallık, eksik gözlemler, karma frekanslı verilerin varlığı (bağımlı ve bağımsız değişkenlerin farklı periyotlarda olması) ve değişen yayın tarihleri gibi sorunlar ortaya çıkmaktadır. Bu sorunların çözümüne ilişkin çalışmaların artmasıyla ekonomik verilerin anlık tahmininde Yapay Sinir Ağ (YSA) modellerinin kullanımında son on yılda metodolojik ilerlemeler kaydedilmiştir.
Bu çalışma zaman serilerinin anlık tahmininde sıklıkla kullanılan LSTM modelleri ile örnek olarak seçilen klasik ekonometrik yöntemleri karşılaştırırken, LSTM modellerine ilişkin detaylı bilgi sağlamayı amaçlamaktadır. Bu kapsamda ikinci bölümde konu ile ilgili yapılmış ulusal ve uluslararası çalışmalara yer verilmiştir. Üçüncü bölümde Yapay Sinir Ağlarının, Tekrarlayan Sinir Ağlarının (RNN) ve Uzun Kısa Süreli Bellek (LSTM) ağlarının yapısı teorik olarak ele alınmıştır. Uygulama bölümünde ise farklı frekanslarda yayınlanan iki seri ile öngörü modelleri için deneysel bir çalışma yapılmıştır. Türkiye Elektrik Tüketimi için saatlik frekansta, GSYH büyümesi için aylık frekansta TRAMO /SEATS, ARIMA ve LSTM modeli tahminleri elde edilmiş, sonuçlar yorumlanmıştır. Çalışmanın RNN&LSTM modellerinin teorik yapısını incelemesi ve ekonomik serilerde kullanımına örnek temsil etmesi nedeniyle alan çalışmalarına katkıda bulunacağı düşünülmektedir.
Kitaptaki uygulama kısmına ait kodlar için https://github.com/mervegokcin/Nowcasting- den yararlanabilirsiniz.