Türkiye’de Bütçe Gelirlerinin Tahmini İçin Yenilikçi Bir Model Önerisi: XGBoost-LSTM-GRU Hibrit Yaklaşımı

Abstract

Bu çalışma, Çok Katmanlı Algılayıcı (MLP), Geçitli Tekrarlayan Birim (GRU), Uzun Kısa Süreli Bellek (LSTM), Aşırı Gradyan Güçlendirme (XGBoost) ve yığılmış bir XGBoost-LSTM-GRU hibrit modeli gibi çeşitli makine öğrenimi ve derin öğrenme modellerinin bütçe geliri tahmini performanslarını karşılaştırmış ve en iyi tahmin performansına sahip modelle Kasım 2023’ten Aralık 2024'e kadar gelecekteki aylık bütçe gelirlerinin tahminini kapsamlı bir şekilde yapmıştır. Modellerin eğitim ve test performanslarını değerlendirmek için Hazine ve Maliye Bakanlığının yayınlamış olduğu Ocak 2008-Ekim 2023 dönemindeki bütçe raporu verileri kullanılmıştır. Çalışmada, mali yönetimde sofistike analitik modellerin potansiyeli ortaya koyularak mali planlama ve politika oluşturma süreçlerinin iyileştirilmesi için önemli çıkarımlarda bulunulmuştur.