DERS ADI

: DOĞRUSAL OLMAYAN ZAMAN SERİLERİ ANALİZİ

Ders Bilgileri

Ders Kodu Ders Adı Ders Türü D U L AKTS
EMT 4032 DOĞRUSAL OLMAYAN ZAMAN SERİLERİ ANALİZİ SEÇMELİ 3 0 0 5

Dersi Veren Birim

Ekonometri

Dersin Düzeyi

Lisans

Ders Koordinatörü

DOÇ. DR. ÖZLEM KİREN GÜRLER

Dersi Alan Birimler

Ekonometri
Ekonometri (İ.Ö)

Dersin Amacı

Bu dersin amacı, İleri düzey doğrusal olmayan zaman serisi modelleri ve teknikleri geniş bir biçimde ele alarak bu alanda istatistiksel çıkarım ve öngörü yapmak, Ampirik doğrusal olmayan zaman serisi analizi yapma konusunda metodolojik ve pratik beceriler geliştirmektir.

Dersin Öğrenme Kazanımları

1   Doğrusal olmama (nonlineerlik) kavramını temel düzeyde kavrayabilmek
2   R programlama dili ve kütüphanelerini kullanabilmekv
3   Farklı doğrusal olmayan zaman serisi modelleri geliştirebilmek
4   Veri ön işleme ve model değerlendirme becerilerini uygulayabilmek
5   Gerçek dünya verilerini analiz edebilmek ve bağımsız araştırmalar yürütebilmek
6   Ampirik doğrusal olmayan zaman serisi analizi yapabilmek için yöntemsel ve pratik beceriler geliştirebilmek

Dersin Öğretim Türü

Örgün Öğretim

Dersin Önkoşulu/Önkoşulları

Yok

Ders İçin Önerilen Diğer Hususlar

Yok

Ders İçeriği

Hafta Konular Açıklama
1 Doğrusal olmama neden önemlidir Basit kavramlar, Doğrusal olmayan zaman serisi örnekleri Koşullu Ortalama Modelleri 1, Doğrusal olmayan koşullu ortalama modelleri (SETAR, STAR)
2 Doğrusal olmayan zaman serilerinin belirlenmesi, Doğrusal olmama testleri Koşullu Ortalama Modelleri 2, Eşik ve düzgün geçiş modelleri
3 Tek değişkenli Parametrik Doğrusal olmayan modeller 1, A Two-regime TAR Model Koşullu Ortalama Modelleri 3, Model spesifikasyonu ve tahmini
4 Tek değişkenli Parametrik Doğrusal olmayan modeller 2, Markov Switching Modelleri Gerçek Veri ile R Uygulamaları
5 Tek değişkenli Parametrik Doğrusal olmayan modeller 3, Örnek veri üzerinden uygulamalar
6 Temel Doğrusal Olmayan Modeller 1, ARCH ve GARCH modellerinin yapısı
7 Temel Doğrusal Olmayan Modeller 2, Örnek veri seti ile ARCH/GARCH model tahmini
8 İleri GARCH Modelleri 1, EGARCH, TGARCH ve diğer asimetrik GARCH modelleri
9 İleri GARCH Modelleri 2, Volatilite modellemesi ve kaldıraç etkisi
10 İleri GARCH Modelleri 3, Model karşılaştırması ve seçimi

Ders İçin Önerilen Kaynaklar

NONLINEAR TIME SERIES ANALYSIS, Yazrlar: Ruey S. Tsay, University of Chicago, Chicago, Illinois, United States

Rong Chen, Rutgers, The State University of New Jersey,United States

Öğrenme ve Öğretme Yöntemleri

Bu ders, sınıf içi ders anlatımları, sınıf içi tartışmalar, gösterimler, örnek olay incelemeleri, soru-cevap oturumları kullanılarak sunulacaktır

Değerlendirme Yöntemleri

SIRA NO KISA KOD UZUN ADI FORMUL
1 STT TERM WORK (SEMESTER)
2 MTE MIDTERM EXAM
3 MTEG MIDTERM GRADE STT * 0.50 +MTE * 0.50
4 FIN FINAL EXAM
5 FCG FINAL COURSE GRADE MTEG * 0.40 + FIN * 0.60
6 RST RESIT
7 FCGR FINAL COURSE GRADE (RESIT) MTEG * 0.40 + RST * 0.60


Değerlendirme Yöntemlerine İliskin Aciklamalar

Yok

Değerlendirme Kriteri

İlan Edilecektir.

Dersin Öğretim Dili

Türkçe

Derse İlişkin Politika ve Kurallar

İlan Edilecektir.

Dersin Öğretim Üyesi İletişim Bilgileri

emrah.gulay@deu.edu.tr

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 14 2 28
Final Sınavına Hazırlık 1 15 15
Bireysel Ödev Hazırlama (CBİKO Yetenek Kapısı) 1 25 25
Sunum Hazırlama 1 11 11
Final Sınavı 1 2 2
Vize Sınavı 1 2 2
TOPLAM İŞ YÜKÜ (saat) 125

Program ve Öğrenme Kazanımları İlişkisi

PK/ÖKPK.1PK.2PK.3PK.4PK.5PK.6PK.7PK.8PK.9PK.10
ÖK.11
ÖK.21
ÖK.31
ÖK.41
ÖK.51
ÖK.61