Dokuz Eylül Üniversitesi Ders Katoloğu / Bilgi Paketi

Ders Bilgileri

Ders Kodu	Ders Adı	Ders Türü	D	U	L	AKTS
STA 6054	İleri Zaman Serisi Analizi	SEÇMELİ	3	0	0	8

Dersi Veren Birim

Fen Bilimleri Enstitüsü

Dersin Düzeyi

Yüksek Lisans

Ders Koordinatörü

PROF.DR. ESİN FİRUZAN

Dersi Alan Birimler

İstatistik Bütünleşik Doktora
İstatistik Doktora
İstatistik Yüksek Lisans

Dersin Amacı

İleri zaman serisi analizi, çeşitli araştırma alanlarında zaman serisi verileri ile çalışılırken kullanılan ileri düzeyde istatistiksel teknikler ve modeller hakkında bilgi verir. Ders, tek değişkenli durağan ve durağan olmayan modeller, vektör otoregressif, zaman serisinde kestirim ve çıkarsama için modeller konularını içermektedir.

Dersin Öğrenme Kazanımları

1	Birim-kök durağan/durağan olmama durumunu anlamak,
2	Doğrusal ve doğrusal olmayan zaman serisi süreçleri hakkında bilgi edinmek,
3	Eşbütünleşik otoregressif süreçleri anlamak,
4	Çok değişkenli VAR modelleri uygulayabilmek,
5	Çok değişkenli volatilite modellerini anlamak.

Dersin Öğretim Türü

Örgün Öğretim

Dersin Önkoşulu/Önkoşulları

Yok

Ders İçin Önerilen Diğer Hususlar

Yok

Ders İçeriği

Hafta	Konular	Açıklama
1	Birim-kök durağan olmama (Rassal Yürüyüş, Eğilimli Rassal Yürüyüş)
2	Birim-kök durağan olmama (Trend-durağan zaman serisi, genel birim-kök durağan olmayan modeller)
3	Sürekli-zamanlı stokastik süreçler (Wiener Süreç, Genelleştirilmiş Wiener Süreç)
4	Zayıf Durağan ve Çapraz Korelasyon Matrisler (Çapraz korelasyon matrisler, Doğrusal bağımlılık, Çok değişkenli portmanteau testleri)
5	Vektör Otoregressif Modeller
6	Birim-kök Durağan Olmama ve Eşbütünleşme, Ödev 1
7	Eşbütünleşik VAR Modelleri
8	Eşik-değer Eşbütünleşme
9	Çok Değişkenli Volatilite Modeller ve Uygulamaları (Üstel ağırlıklandırılmış kestirim, Bazı çok değişkenli GARCH Modelleri), Ödev 2
10	Çok Değişkenli Volatilite Modeller ve Uygulamaları (Yeniden parametreleştirme, Yüksek dereceden volatilite)
11	State-Space Modeller ve Kalman Filtreleme (Lokal Trend Modeli, Doğrusal State-Space Modelleri)
12	State-Space Modeller ve Kalman Filtreleme (Model Dönüşümü, Kalman Filtreleme ve Düzleme), Ödev 3
13	Ödev Değerlendirme
14	Ödev Değerlendirme

Ders İçin Önerilen Kaynaklar

Ana kaynak: Tsay, P.J., Davis, R.A. (2002), Analysis of Financial Time Series, Wiley.

Yardımcı Kaynak:
Lütkepohl H.2006, New Introduction to Multiple Time Series Analysis, Springer
White, H. (2002) Asymptotic Theory for Econometricians. (Revised Edition) San Diego: Academic Press.
Wei, W.W., (1990) Time Series Analysis- Univariate and Multivariate Methods, Wesley.

Öğrenme ve Öğretme Yöntemleri

Ödev değerlendirmesi, problem çözümü

Değerlendirme Yöntemleri

SIRA NO	KISA KOD	UZUN ADI	FORMUL
1	ODV 1	ÖDEV 1
2	ODV 2	ÖDEV 2
3	ODV 3	ÖDEV 3
4	YSS	YIL SONU SINAVI
5	YSBN	YIL SONU BAŞARI NOTU	ODV 1 + ODV 2 + ODV 3/3 * 0.40 + YSS * 0.60
6	BUT	BÜTÜNLEME
7	BUTBN	BÜTÜNLEME SONU BAŞARI NOTU	ODV 1 + ODV 2 + ODV 3/3 * 0.40 + BUT * 0.60

*** Bütünleme Sınavı Yapılmayan Birimlerde Bütünleme Kriteri Dikkate Alınmaz.

Değerlendirme Yöntemlerine İliskin Aciklamalar

Yok

Değerlendirme Kriteri

Ödevlerin ve final sınavının değerlendirilmesi.

Dersin Öğretim Dili

İngilizce

Derse İlişkin Politika ve Kurallar

Dönem boyunca derslerin %70'ine devam etme sorumluluğu öğrenciye aittir. Ders saatine ve ödev teslimi ile ilgili belirtilen zamana uyulmalıdır. Derslerde ve sınavlarda meydana gelebilecek etik-dışı davranışlar konusunda ilgili yönetmelik çerçevesinde hareket edilecektir. D.E.Ü. Fen Bilimleri Enstitüsü öğretim ve sınav uygulama esasları yönetmeliğini http://www.fbe.deu.edu.tr adresinden temin edebilirsiniz.

Dersin Öğretim Üyesi İletişim Bilgileri

DEU Fen Fakültesi İstatistik Bölümü
e-posta: esin.firuzan@deu.edu.tr
Tel: 0232 301 85 57

Ders Öğretim Üyesi Görüşme Gün ve Saatleri

İlan Edilecektir.

Staj Durumu

YOK

İş Yükü Hesaplaması

Etkinlikler	Sayısı	Süresi (saat)	Toplam İş Yükü (saat)
Ders Anlatımı	14	3	42
Haftalık Ders öncesi/sonrası hazırlıklar	13	3	39
Final Sınavına Hazırlık	1	36	36
Ödev Hazırlama	3	25	75
Final Sınavı	1	2	2
TOPLAM İŞ YÜKÜ (saat)			194

Program ve Öğrenme Kazanımları İlişkisi

PK/ÖK	PK.1	PK.2	PK.3	PK.4	PK.6	PK.8	PK.9	PK.10
ÖK.1	5	5	5		5	5		5
ÖK.2	5	5	5		5			5
ÖK.3	5	5		5	5			5
ÖK.4	5		5	5	5		5	5
ÖK.5	5		5	5				5

DERS ADI

DERECE PROGRAMLARI