Ekonomik Zaman Serilerindeki Mevsimsellik ve Alternatif Modelleme Yaklaşımları

Abstract

Haftalık, aylık veya üç aylık periyotlarda gözlenebilen zaman serilerinde kendini gösteren, her yıl az ya da çok kendini yineleyen yaklaşık periyodik örüntü mevsimsellik diye tanımlanabilir. Bu örüntünün zaman içersinde sabit kalmayıp, yıldan yıla değişim gösterebilme olasılığı analizini güçleştir. Ekonomik verilerde kendini gösteren mevsimsellik ya zaman serisi analizlerine geçilmeden seriden tamamen arındırılır ya da serinin izlediği temel yol kabul edilir ve bir model içinde açıklanır. Mevsimselliğin modellenmesi anlamına gelen bu görüşten hareket edilen makalede, modellemede kullanılan alternatif yaklaşımlar üzerinde durulmuştur. Deterministik, stokastik ve bütünleşik mevsimsel modelleme yöntemleri ele alınmış, ekonominin reel kesimindeki değişimleri ifade eden sanayi üretim endeksi verilerine uygulanmıştır. 1980.1 -2002.2 dönemindeki üç aylık veriler kullanılarak, alternatifler arasından kestirim performansı en iyi olanın belirlenmesi yoluna gidilmiştir. Sonuçta aranan modelin, deterministik ve stokastik mevsimselliğin kombinasyonundan oluşan model olduğu belirlenmiştir.

Seasonality is an approximately cyclical pattern that more or less repeats itself each year. Complicating analysis is the possibility that the pattern will change from year to year. Seasonal pattern in the macroeconomic time series is form data contamination which obscures features. Hence, seasonality should be removed. There are however several occasions in which forecasts of the seasonal fluctuations themselves are required and hence in which the analysis of seasonally adjusted data may not be useful. In this paper, it has been focused on modelling seasonality and three main approaches. One can model seasonality as a deterministic seasonal process, a stationary stochastic process and seasonally integrated process. These approaches have been applied to the quarterly industrial production index for 1980.1 - 2002.2. To investigate which approach is the best, consider the forecasting results. Finally, it has decided that the model that is combination of deterministic and stochastic seasonality is the best one.