1 / 18

Zaman Serisi Analizi II

jaden
Download Presentation

Zaman Serisi Analizi II

An Image/Link below is provided (as is) to download presentation Download Policy: Content on the Website is provided to you AS IS for your information and personal use and may not be sold / licensed / shared on other websites without getting consent from its author. Content is provided to you AS IS for your information and personal use only. Download presentation by click this link. While downloading, if for some reason you are not able to download a presentation, the publisher may have deleted the file from their server. During download, if you can't get a presentation, the file might be deleted by the publisher.

E N D

Presentation Transcript

    1. Zaman Serisi Analizi II

    3. ARMA Modelleri ARMA(p,q) Neden ARMA modeli? Minimum sayida bagimsiz degisken kullanarak etkili tahmin modelleri kurma imkani saglar. AIC ve BIC kullanilarak optimal p ve q degerleri bulunur.

    4. ARMA Modelleri ARMAX(p,q) Xt farkli degislenlerin t ve daha önceki degerlerini içerebilir.

    5. ARMA Modelleri ARMAX modeki ARMA modeli ile ayni özelliklere sahiptir. Bagimsiz degiskenlerin AR kismi hata terimleri ile iliskili Otokorelasyon Maximum likelihood metodu dogru katsayilari ve dogru hata terimleri ile istatistikleri verir.

    6. ARMA Modelleri ARIMA (p,d,q) Birim kök oldugu durumlarda kullanilir.

    7. Zaman Serileri ile Tahmin Metotlari

    8. Tahmin yt+1 ARMA denklemi kullanilarak tahmin edilebilir. Bagimli degiskenin hesaplanan degeri (predicted values) n dönem ileri degerlerin (yt+n) tahmin edilmesi

    9. Tahminin Dogrulugunun Ölçülmesi Tahmin hatalarinin kareleri toplami (Root Mean Squared Error)

    10. Tahminin Dogrulugunun Ölçülmesi Toplam Hata (Mean Absolute Error): RMSE ve MAE nin küçük olmasi istenir. RMSE ve MAE bir ölçege bagli degildir.

    11. Tahminin Dogrulugunun Ölçülmesi Theil’s U istatistigi: Büyük U degerleri kötü tahmin performansini gösterir. Bir ölçege baglidir.

    12. Fama-French Tahmin Regresyonu (Predictive Regression) Portföy getirisinin tahmini Newey-West hata terimleri

    13. Zaman Bagli Degisken Varyans Modelleri Zaman serilerinde varyansin zamana göre degiskenlik gösterdigi durumlarda kullanilir. Varyansi tahmin etmek için kullanilabilir. Varyansi etkileyen faktörleri belirlemek ve katsayilari hesaplamak için kullanilabilir.

    14. Zamana Bagli Degisken Varyans Modelleri

    15. Zamana Bagli Degisken Varyans Modelleri ARCH (autoregressive conditional heteroskedasticity) Autoregression: Varyans önceki dönemlerdeki varyans degerlerine baglidir. Heteroskedasticity:Varyansin olasilik dagilimi degerlere göre farklilik gösterir

    16. ARCH ARCH(1) Modeli: MA(1)

    17. GARCH GARCH(1,1) (General-ARCH): Varyans denkleminin içine disaridan bagimsiz degiskenler eklenebilir. ARMA(1,1)

    18. Zamana Bagli Degisken Varyans Modelleri Diger GARCH modelleri için: Campbell, Lo, MacKinlay (1997), The Econometrics of Financial Markets, Bölüm 12.2 Hamilton, (1994), Time Series Analysis, Bölüm 21

More Related