Foreign trade flows estimations of RCEP countries using neural networks and panel data analysis

Abstract

Bölgesel Kapsamlı Ekonomik Ortaklık, Güneydoğu Asya ve Okyanusya bölgelerinden, çeşitli ekonomik büyüklükteki 15 ülke arasında yapılan nispeten yeni bir çok taraflı serbest ticaret anlaşmasıdır. Dünyanın, son dönemlerde en önemli ekonomilerinin ve en büyük tüketici pazarlarının bazılarını kapsayan bu anlaşma, araştırmacılar ve analistler arasında haklı olarak bir merak konusu haline gelmiştir. Çeşitli çalışmalar, bu anlaşmanın küresel tedarik zincirleri, ticaret, gelir ve diğer ilgili konular üzerindeki potansiyel etkisini araştırmıştır. Bu tezde, yer çekimi modeli yaklaşımı kullanılarak bölgedeki ticaret akımlarının arkasındaki itici güçlerin araştırılmasına ve ayrıca gelecekteki ihracat büyüklüklerini tahmin etme yöntemlerinin değerlendirilmesine gayret edilmiştir. Bu çerçevede, elde ettiğimiz sonuçlar uluslararası ticareti yer çekim modeli ile inceleyen önceki çalışmaların çıkarımları ile uyumludur. Çalışma sonucunda ihracatçı ve ithalatçı ülke GSYİH'larının ticareti olumlu yönde etkilediği tespit edilmiştir; ticaret yapan ülkelerin nüfus büyüklüklerinin ise ticaret akımları üzerindeki etkisinin çok yönlü olduğu görülmüştür. Ticaret ağırlıklı göreli mesafenin ticaret akımlarını teşvik ettiği tespit edilmiştir. İhracatı etkileyen faktörlerin ne ölçüde ve ne yönde bir etkisi olduğu panel data analizi ve yapay sinir ağları yöntemleri ile yapılmış ve ayrıca bu iki modelin açıklama gücü birbiri ile karşılaştırılmıştır. Düzeltilmiş R-Kare ve kök ortalama kare hata baz alınarak değerlendirildiğinde, yapay sinir ağlarının doğrusal regresyon modeline kıyasla daha üstün bir tahmin performansı gösterdiği tespit edilmiştir. Çalışmada yapay sinir ağlarının sınırlamalarına da değinilmiştir. Son olarak, bazı çıkarımlar ileriye sürülmüş ve bundan sonraki araştırmalar için önerilerde bulunulmuştur.

Regional Comprehensive Economic Partnership is a relatively new multilateral free trade agreement among 15 countries of various economic size from the Southeast Asia and Oceania regions. Covering some of the world’s recently most influential economies and largest consumer markets it has rightfully invoked curiosity among researchers and analysts. Several studies have investigated the agreement’s potential effect on global supply chains, trade, income and other relevant subjects. In this study it is attempted to investigate the driving forces behind trade flows in the region using a gravity approach and also, to evaluate methods to estimate future export magnitudes. In this context, the findings of this thesis are consistent with the previous findings of the gravity model of international trade literature. Exporter and importer’s GDPs are found to positively stimulate trade between trading partners; population sizes of the trading countries is found to have a multi-directional effect; trade weighted relative distance is observed to have a stimulating effect on exports. In order to estimate magnitude and direction of the impact of dependent variables on trade flows between RCEP countries a linear regression model and artificial neural networks model is used. Moreover, both approaches are compared in terms of explanatory power. Based on Adjusted R-Squared and root mean squared error benchmarks the artificial neural network is found to have shown superior predictive performance compared to the linear regression model. The limitations of neural networks’ applications are also touched upon. Finally, some implications are put forward and suggestions for further research are made.