Dokuz Eylül Üniversitesi Ders Katoloğu / Bilgi Paketi

Ders Bilgileri

Ders Kodu	Ders Adı	Ders Türü	D	U	L	AKTS
FİB 5117	Uygulamalı Ekonometri	SEÇMELİ	3	0	0	6

Dersi Veren Birim

Finansal İktisat ve Bankacılık Yüksek Lisans

Dersin Düzeyi

Yüksek Lisans

Ders Koordinatörü

PROF. DR. HAKAN KAHYAOĞLU

Dersi Alan Birimler

Finansal İktisat ve Bankacılık Yüksek Lisans

Dersin Amacı

İktisat teorisine konu olan iktisadi (mikro ve makro) modelleri ekonometrik analiz teknikleri yardımıyla test etmek, iktisatçılar için veri bilimi temel oşuturacak (makine öğrenmesi, derin öğrenme) yaklaşımlar ile yapay zeka araçlarını ders kapsamında kullanılmak ve öğrenciye güven duyabileceği iktisadi ve finansal öngörü ve tahmin yeteneği kazandırmaktır.

Dersin Öğrenme Kazanımları

1	İktisadî modellerle ekonometrik modelleri ayrıştırabilme.
2	Ekonometrik modellemelere referans olan matematiksel istatistik tekniklerini içselleştirebilme ve uygulamalı olarak açıklayabilme.
3	İktisadi modellere yönelik hipotez testleri yapabilme ve parametrik tahminciler elde edebilme.
4	Ekonometrik modellerden elde edilen parametrik tahminciler aracılığıyla öngörü yapabilme.
5	Ekonometrik modellere yöneltilen eleştirileri birincil ve ikincil verilerle test edebilme.
6	Makine öğrenmesi, derine öğrenme yaklaşımları ile Yapay zeka araçlarını analiz aracı olaral kullanabilme

Dersin Öğretim Türü

Örgün Öğretim

Dersin Önkoşulu/Önkoşulları

Yok

Ders İçin Önerilen Diğer Hususlar

Yok

Ders İçeriği

Hafta	Konular	Açıklama
1	Ekonometri ve İktisat Bilimi ile Teknolojik Gelişmelerin Etkisi
2	İki Değişkenli Regresyon Analizi ve Hipotez Testleri
3	Çok Değişkenli Zaman Serisi Analizleri ve Yorumlanması
4	Çok Değişkenli Analizlerinde Temel Ekonometrik Sorunlar
5	Açık Kaynak Kodlu Araçlara Giriş: R, Python, Julia
6	R, Python, Julia Uygulamalar.
7	Nitel Bağımlı Değişken Modelleri, R, Python, Julia Uygulamaları
8	ARA SINAV
9	Dinamik Ekonometrik Modelleme, R, Python, Julia Uygulamaları
10	Eşzamanlı Denklem Modelleri, R, Python, Julia Uygulamaları
11	Zaman Serisi Analizine Giriş
12	Temel Zaman Serisi Analizi Analizleri (Birim Kök, Tümleşme, Kırılmalar)
13	Çok Değişkenli Zaman Serisi Analizleri ( VAR ve İleri Zaman Serisi
14	Ekonometride Makine Derin Öğreneme , yapay zeka

Ders İçin Önerilen Kaynaklar

Ana kaynak / Yardımcı kaynaklar:
- Gujarati, Damodar N. (1999), Temel Ekonometri, Çev. Ümit Şenesen&Gülay Günlük Şenesen, Literatür Yay., İstanbul.
-Gujarati, Damodar N. (2016), Örneklerle Ekonometri, BB101 Yayınları
-Chris, Brooks. (2014), Introductory Econometrics for Finance, 3rd edition by Palgrave Cambridge University Press
-R. Carter Hill, William E. Griffith and Guay C. Lim., (2007), Principles of Econometrics by John Wiley & Sons
-Dimitrios Asteiou and Stephan Hall (2015), Applied Econometrics 3rd edition by Palgrave
-Enders, Walter (1995), Applied Econometric Time Series, John Wiley and Sons, USA.
- Uygur, Ercan (2001), Ekonometri: Yöntem ve Uygulama, İmaj Yay., Ankara.
-James, Witten, Hastie, Tibshirani. An Introduction to Statistical Learning with Applications in R, (2021)
-James, Witten, Hastie, Tibshirani. An Introduction to Statistical Learning with Applications in Python
-Referanslar: İktisadi ve ekonometrik modelleme Temelli (SSCI, Econlit vb.) yayınlar.
-Diğer ders materyalleri: Dersle ilgili paket programlar
Christoph Hanck, Martin Arnold, Alexander Gerber, and Martin Schmelzer, Introduction To Econometrics With R,https://www.econometrics-with-r.org/, (2025-07-23)
Florian Heiss Using R for Introductory Econometrics, 2nd edition, 2020, http://www.urfie.net/
Florian Heiss, Daniel Brunner, Using Python for Introductory Econometrics, 2020, http://www.urfie.net/
-Han, Jiawei (2011), Data Mining: Concepts and Techniques, 3rd
Açık kaynaklar:
R, Python, Julia

Öğrenme ve Öğretme Yöntemleri

Sınıfta ders anlatımının ve olgular hakkında tartışmanın yanı sıra, belirtilen teorik çerçeveye uygun olarak her bir konu bilgisayar ortamında ekonometrik uygulamalarla desteklenecektir.

Değerlendirme Yöntemleri

SIRA NO	KISA KOD	UZUN ADI	FORMUL
1	MTE	MIDTERM EXAM
2	STT	TERM WORK (SEMESTER)
3	FIN	FINAL EXAM
4	FCG	FINAL COURSE GRADE	MTE * 0.20 + STT * 0.30 + FIN* 0.50
5	RST	RESIT
6	FCGR	FINAL COURSE GRADE (RESIT)	MTE * 0.20 + STT * 0.30 + RST* 0.50

Değerlendirme Yöntemlerine İliskin Aciklamalar

Yok

Değerlendirme Kriteri

Yukarıda belirtilen öğrenme çıktılarını içeren yazılı belge ve sunumlar, derste yapılan sözlü tartışmalar, uygulamalı sonuçların grup içinde tartışılıp değerlendirilmesi.

Dersin Öğretim Dili

Türkçe

Derse İlişkin Politika ve Kurallar

İlan Edilecektir.

Dersin Öğretim Üyesi İletişim Bilgileri

hakan.kahyaoglu@deu.edu.tr
hakan.kahyaoglu@gmail.com

Ders Öğretim Üyesi Görüşme Gün ve Saatleri