Türkiye GSYH büyümesinde başarılı tahmincilerin tespiti, yön tahmini ve tahmin kombinasyon uygulamaları

Abstract

Ekonomik büyümenin yönü ve büyüklüğünü tahmin etmek her zaman önemli görülmüştür. Ekonomik büyümeye ilişkin sağlıklı ve anlamlı tahminler yapabilmek büyümeye uygun politika setleri geliştirebilmek açısından önem arz etmektedir. Bu çalışmada Türkiye GSYH büyümesini tahmin etmede başarılı tahminciler analiz edilmiştir. 2006-2019 arası çeyreklik verilerin kullanıldığı çalışmada örneklem dışı tahmin metoduyla veri seti ikiye bölünmüş ve ARDL model kurgusuyla model tahmini yapılmıştır. Çıkan sonuçlar ölçüt AR modele göre değerlendirilmiş ve ayrıca verilerin yön tahmini performanslarına bakılmıştır. Son olarak da tahmin literatüründe geniş yer kaplayan tahmin kombinasyon yöntemlerinin tahmin performansını nasıl etkilediğine bakılmıştır. Çalışma sonucunda en başarılı tahminciler olarak sanayi üretim endeksi, borsa endeksleri ve bileşik öncü göstergeler endeksi ön plana çıkarken; RMSE ağırlıklarına dayalı yapılan kombinasyonlar tüm tahmin ufuklarında ölçüt AR modele göre daha iyi performans göstermiştir.

It has always been significant to predict the direction and magnitude of economic growth. Making robust and statistically meaningful forecasts about economic growth is important in terms of developing policy sets suitable for growth. In this study, successful estimators were determined to forecsast Turkey's GDP growth. Accordingly, quarterly data set between 2006-2019 was used. The data set is divided into two for out of sample estimation method and GDP growth forecast is made with the help of ARDL model. Model results were evaluated according to the benchmark AR model and the directional forecast performances of the individual estimators were examined. Lastly how foecast combination methods affect forecast performance was evaluated, which occupy a large place in the literature. As a result of the study, industrial production index, stock indexes and composite leading indicators index came to the fore as the most successful estimators. Moreover, combinations based on RMSE weights performed better on all forecast horizons than benchmark AR model