Koşullu Volatilitenin Modellenmesinde Destek Vektör Makinesi GARCH Modeli ve Türk Finans Piyasaları Üzerine Bir Uygulama

Ebat: px
Şu sayfadan göstermeyi başlat:

Download "Koşullu Volatilitenin Modellenmesinde Destek Vektör Makinesi GARCH Modeli ve Türk Finans Piyasaları Üzerine Bir Uygulama"

Transkript

1 13. ULUSLARARASI EKONOMETRİ, YÖNEYLEM ARAŞTIRMASI VE İSTATİSTİK KONFERANSI, MAYIS, 2012 Koşullu Volatilitenin Modellenmesinde Destek Vektör Makinesi GARCH Modeli ve Türk Finans Piyasaları Üzerine Bir Uygulama (Support Vector Machine GARCH Models in Modeling Conditional Volatility: An Application to Turkish Financial Markets) Prof. Dr. Melike Bildirici T.C. Yıldız Teknik Üniversitesi, İİBF, İktisat Bölümü Yrd.Doç.Dr. Özgür Ömer Ersin T.C. Beykent Üniversitesi, İİBF, İngilizce İktisat Bölümü

2 Sunum İzleği 1. Giriş 1.1. Koşullu Volatilite Modellerine Genel Bakış 1.2. SVR Modelleri ve Zaman Serileri 2. Modeller 2.1. MLP-GARCH (Çok Katmanlı Perseptron GARCH) Modeli 2.2. SVR-GARCH (Destek Vektör Regresyonu GARCH) Modeli 3. Ampirik Sonuçlar 3.1. Veri Seti 3.2. Ekonometrik Sonuçlar GARCH Modeli(Baseline modeli) MLP-GARCH Model Sonuçları SVR-GARCH Model Sonuçları Örneklem Dışı Öngörü Karşılaştırması MSE, RMSE hata kriterleri DM eşit tahmin tutarlığı testleri 4. Sonuçlar ve Değerlendirme

3 1. Giriş Çalışmada, GARCH modelinin Destek Vektör Makinesi (SVM) ve Yapay Sinir Ağı yöntemlerinden hareketle genelleştirilmesi ile elde edilen SVR-GARCH ve MLP- GARCH modellerinin tahmin başarısı bakımından incelenmesi amaçlanmıştır. Modellerin oluşturulmasında Donaldson ve Kamstra (1997) ANN-GARCH modelleri önem taşımaktadır (NN-GARCH, NN-EGARCH, NN-GJR modellerine genelleştirme) Bildirici ve Ersin (2009), Donaldson ve Kamstra (1997) NN-GARCH modellerini, içinde NN-PGARCH, NN-APGARCH ın da bulunduğu bir model ailesine genelleştirmektedir. Perez-Cruz (2003) ve Ou ve Wang (2010), Donaldson ve Kamstra (1997) den farklı olarak SVR modelleri ile GARCH modellerinin melez yapıda modellendiği SVR- GARCH yapısından hareket etmektedir. Her iki yaklaşımda da (SVR ve NN) GARCH modellerinin tahmin başarısı bakımından iyileştirilmesi amaçlanmaktadır. Çalışmada, GARCH yapısı temel alınarak, SVR-GARCH ve MLP-GARCH modelleri incelenecektir. IMKB100 endeksinde günlük getirilerin modellenmesi ve modellerin tahmin başarısı bakımından karşılaştırılması amaçlanmıştır.

4 1.1.Koşullu Volatilite Modellerine Genel Bakış Engle (1982), Bollersev (1986) koşullu olasılığın ARCH ve Genelleştirilmiş ARCH gösterimleri ile: serilerde volatite kümelenmesi (clustering), normal-olmayanve leptokörtik dağılım özelikleri altında modelleme. Engle (1990), Nelson (1990), Asimetrik AGARCH ve EGARCH modelleri ile negatif ve pozitif şoklara tepki altında asimetrinin yakalanması Glosten, Jaganathan verunkle (1993) vezakoian (1994), GJR-GARCH modeli Ding, Granger veengle (1993), Asimetrik Üst (Power) APGARCH modeli ile farklı üstel dönüşümler. Bailie, Bollerslevve Mikkelsen(1996) FIGARCH modeli ile kalıcılık ve hafızanın (long memory) modellere dahil edilmesi Tse (1998) FIAPGARCH modeli. Baillie et.al. (1996) FIGARCH ve Ding et.al. (1993)APGARCHmodellerinden hareketle koşulu ikinci momentte hafıza (long memory) ve fraksiyonel bağlanım (integrasyon) yapısının genelleştirilmesi.

5 Asimetrinin modellenmesinde doğrusal olmayan modellerden hareket eden çalışmaların RS (rejim geçişli), TAR/STAR ailesi modellerinde yoğunlaştığı görülmektedir. Doğrusal olmayan modellerin temel alındığı yaklaşımlara ANN ve SVR yapılarının da dahil edilmeye başlandığı dikkat çekmektedir:

6 1) Rejim geçişli modeller (Başlıca MS-GARCH çalışmaları, Cai, 1994; Hamilton ve Susmel, 1994; Gray, 1996; Klaassen, 2002; Haas et al. 2004); 2) TAR ve STAR tipi doğrusal olmamanın GARCH modellerine genelleştirilmesi (ST-GARCH ve STAR-GARCH modelleri. Hagerud, 1997; Anderson et al., 1999; Gonzalez-Rivera, 1999; Lee vedegennaro, 2000; Lundberg ve Terasvirta, 1998; Amado ve Terasvirta (2008) TV-GARCH; Kılıç 2009, ST- FIGARCH modeli ) 3) Yapay sinir ağı modellerinin evrensel yaklaştırım özelliklerinin kullanılması ile GARCH modellerinin ANN-GARCH modellerine genelleştirilmesi.gjr yapısındaki süreksiz geçiş fonksiyonu ile modellenen asimetri yapısı yerine, sürekli fonksiyonlar olan sigmoid fonksiyonların (nöron) kullanılması (temel çalışma: Donaldson ve Kamstra, farklı GARCH modellerine genelleştirilmesinde Bildirici ve Ersin, 2009). 4) Destek Vektör Makinesi. SVM algoritmasının devralınarak GARCH modelinin SVR-GARCH modelline genelleştirilmesi (Perez-Cruz ve ark., 2003, Ou ve Wang, 2010a, 2010b, 2010c)

7 1.2. Koşullu Ortalamanın Modellenmesinde SVR Modelleri ve Zaman Serileri SVR modellerinin doğrusal olmayan regresyon modelleri kapsamında değerlendirilmesi (Christianini vetaylor, 2000; Schoelkopf et.al., 1999; Thissen et. al., 2003) Tay ve Cao (2001), Qi vewu (2003)ve Müller et.al. (1997)*. Finans piyasalarında döviz kurları ve bazı finansal zaman serilerinin koşullu ortalamasının modellenmesi MLP ve SVR modellerinin karşılaştırıldıkları bazı temel çalışmalar, Mohandes et.al. (2005), Pai et.al. (2005), Wang (2005), Huang and Wu (2008). *Müller et. al. (1997) yüksek parazite sahip (noisy) veri türetim süreçlerinin ve kaotik finansal serilerin SVM ile modellenmesi durumunda RBF den başarılı bulunmasına ilişkin bulgular. Türkiye de, Özdemir et.al. (2011), Kara et.al. (2011) SVM ile IMKB100 endeksinde getirilerin yönünün sınıflandırılması; İnce vetrafalis (2006), iki aşamalı modelleme yaklaşımı. Kointegrasyon, VAR ve ARIMA yöntemleri ile girdi seçimi ve girdilerin SVR ve MLP modellerinde kullanılması ile kurların modellenmesinde tahmin başarısı

8 2. Modeller 2.1. MLP ve GARCH Modelleri

9

10 SVR ve GARCH Modeli SVR nin öne çıkan başlıca özellikleri: 1) Bir SVR veyasvm modeli, MLP ile benzer şekilde evrensel yaklaştırım özelliği taşır*. *BirMLP modeli optimum adet sigmoid fonksiyonla tanımlandığında herhangi bir sürekli fonksiyonun başarılı bir yaklaştırımıdır (Cybenko 1989; Funahashi, 1989; Hornik, Stinchcombe ve White, 1989) Bir SVR modeli optimum optimum destek vektörü ve basis fonksiyonu ile tanımlandığında herhangi bir sürekli fonksiyonun başarılı yaklaştırımını sunabileceğinin gösterilmesi(boser, Guyon and Vapnik, 1992; Vapnik, 1995, 1998; Haykin, 1999).

11 SVR nin öne çıkan başlıca özellikleri: 2) MLP (ve regresyon) modellerinden farklı olarak SVR modelinde amprik riskin minimizasyonuyerine yapısal riskin minimizasyonu hedeflenir* (Vapnik, 1995; Haykin, 1999; Boser, Guyon ve Vapnik, 1992) SVM de birhiperdüzlem hesaplanır. Hiperdüzlemde karar yüzeyi pozitif ve negatif gözlemler arasındaki ayrıştırma marjininin maksimize olmasına dayanır. (Haykin, 1999, 319).

12 SVR ve GARCH Modelleri

13

14

15 Çalışmada, Ou vewang (2010) veperez-cruz et. al. (2003) SVR-GARCH yaklaşımı temel alınmıştır. Kernel fonksiyonu Gaussyan fonksiyon olarak seçilmiştir. Gausyan fonksiyon test örnekleminde daha düşük MSE sonuçları vermiştir. Seçimde, çalışılan zaman serisi önem taşır. Müller et.al. (1997) farklı kayıp fonksiyonları altında model başarısını incelemiştir. Çalışmada Vapnik (1995) e-hassasiyetsizlik fonksiyonu temel alınmıştır. (Tahmin başarısı faklı algoritmalar bakımından incelenmemiştir) Diğer bazı yaklaşımlar, Huang vewu(2009), genetik algoritma; Chen et.al.(2009) ANN algoritmaları kullanılmasıdır.

16 3. Ampirik Sonuçlar 3.1. Veri IMKB100 Endeksi günlük getiri serisi hesaplanmıştır. Örneklem: , n=5957. IMKB 100 serisi doğal log birinci fark alınarak hesaplanmıştır: y=ln(p t /P t-1 )=ln(p t )-ln(p t-1 ) Serinin ortalaması: JB= (p-değeri= ) ARCH-LM(1)= (0.0000), ARCH-LM(1-5) = (0.0000) ADF, PP ve KPSS test ist.leri: (0.0001), (0.0001) ve 0.31.

17 3.2. Ekonometrik Sonuçlar GARCH Modeli İlk aşamada, GARCH modeli tahmin edilmiştir. Örneklem dışı karşılaştırmasında temel (baseline) model olarak değerlendirilecektir.

18 MLP-GARCH Modeli, Eğitme Sonuçları Gizli katmanda nöron adetinin belirlenmesi farklı nöron adetine sahip 100 MLP-GARCH modeli tahmin edilerek test örnekleminde en düşük MSE ye sahip model alınmıştır. Eğitmede, algoritma ortaklığı (BP + CGD algoritmaları) ve erken durdurma yöntemleri kullanılmıştır (Fausett, 1994; Patterson, 1996).

19 SVR-GARCH Modeli, Eğitme Sonuçları

20 SVR-GARCH Modeli, Eğitme Sonuçları (devam)

21 SVR-GARCH ve MLP-GARCH Modelleri Parametre Tahminleri

22 GARCH, SVR-GARCH ve MLP-GARCH Modellerinin Örneklem-Dışı Öngörü Başarısının Hata Kriterleri Bakımından İncelenmesi

23 Örneklem-Dışı için Diebold Mariano Eşit Tahmin Tutarlılığı Testleri

24 4. Sonuçlar Yapay sinir ağı ve destek vektör makinesi modellerinin evrensel yaklaştırım özelliği birçok çalışmada teorik gösterime sahiptir. Çalışmada, GARCH modellerinin SVR ve ANN modellerine genelleştirildiği çalışmalardan hareket edilerek modellerin tahmin başarısı açısından değerlendirilmesi amaçlanmıştır. MLP-GARCH modelinde Donaldson ve Kamstra (1997) NN-GARCH modelinden hareket edilirken, SVR-GARCH modelinde Perez-Cruz et.al. (2003) veou ve Wang (2010) SVR-GARCH yaklaşımı takip edilmiştir.

25 Modeller örneklem-içi tahmin açısından değerlendirildiğinde SVR-GARCH modelinin MLP- GARCH modelinden daha başarılı olduğu sonucuna varılmıştır. Modeller örneklem dışı performansları bakımından incelenmiştir. Modellerin örneklem dışı başarılarının karşılaştırmasında MSEveRMSE hata kriterlerine ek olarak Diebold-Mariano eşit öngörü tutarlılığı testlerine başvurulmuştur.

26 RMSE ve MSE kriterleri çerçevesinde temel bulgular şunlardır: i. SVR-GARCH ve MLP-GARCH modelleri GARCH modeline karşı tüm öngörü uzunluklarında daha başarılı bulunmaktadır ii.svr-garch modeli öngörü uzaklıklarının çoğunda birinci model seçilmektedir. DM testlerinden hareket edildiğinde, i. SVR-GARCH vemlp-garch modelleri GARCH modeline karşı daha başarılı bulunurken, birbirleri ile karşılaştırıldığında yakın sonuçlar elde edilmiştir. ii. SVR-GARCH modeli MLP-GARCH modeline karşı istatistiksel olarak 8 öngörü uzaklığından 2 sinde daha başarılı bulunmuştur iii. 8 öngörü uzaklığından 6 sında ise MLP ve SVR-GARCH modelleri için eşit tahmin tutarlılığı önsavı reddedilememiştir. IMKB100 getirileri ve ilgili örneklem için olmak üzere, örneklem içi ve gelecek tahminlerinde SVR-GARCH ve MLP-GARCH modellerinin GARCH modellerine karşı daha başarılı olduğu sonucuna varılmaktadır.

International Journal of Academic Value Studies (Javstudies) ISSN: Vol: 3, Issue: 14, pp

International Journal of Academic Value Studies (Javstudies) ISSN: Vol: 3, Issue: 14, pp International Journal of Academic Value Studies (Javstudies) ISSN:2149-8598 Vol: 3, Issue: 14, pp. 122-128 www.javstudies.com Javstudies@gmail.com Disciplines: Business Administration, Economy, Econometrics,

Detaylı

HİSSE SENEDİ GETİRİLERİNDEKİ VOLATİLİTENİN TAHMİNLENMESİNDE DESTEK VEKTÖR MAKİNELERİNE DAYALI GARCH MODELLERİNİN KULLANIMI

HİSSE SENEDİ GETİRİLERİNDEKİ VOLATİLİTENİN TAHMİNLENMESİNDE DESTEK VEKTÖR MAKİNELERİNE DAYALI GARCH MODELLERİNİN KULLANIMI HİSSE SENEDİ GETİRİLERİNDEKİ VOLATİLİTENİN TAHMİNLENMESİNDE DESTEK VEKTÖR MAKİNELERİNE DAYALI GARCH MODELLERİNİN KULLANIMI Mutlu GÜRSOY Yrd. Doç. Dr., İstanbul Arel Üniversitesi, İİBF İşletme Bölümü mutlugursoy@arel.edu.tr

Detaylı

ĐMKB MALĐ ve SINAĐ ENDEKSLERĐ NĐN DÖNEMĐ ĐÇĐN GÜNLÜK OYNAKLIĞI NIN KARŞILAŞTIRMALI ANALĐZĐ

ĐMKB MALĐ ve SINAĐ ENDEKSLERĐ NĐN DÖNEMĐ ĐÇĐN GÜNLÜK OYNAKLIĞI NIN KARŞILAŞTIRMALI ANALĐZĐ Đşletme Fakültesi Dergisi, Cilt 12, Sayı 2, 2011, 187-199 ĐMKB MALĐ ve SINAĐ ENDEKSLERĐ NĐN 2002-2010 DÖNEMĐ ĐÇĐN GÜNLÜK OYNAKLIĞI NIN KARŞILAŞTIRMALI ANALĐZĐ Eşref Savaş Başcı * ÖZET Bu çalışmada ĐMKB

Detaylı

YAPAY SİNİR AĞI KULLANARAK DEPREM EĞİLİMİNİN KESTİRİMİ. Umut FIRAT

YAPAY SİNİR AĞI KULLANARAK DEPREM EĞİLİMİNİN KESTİRİMİ. Umut FIRAT YAPAY SİNİR AĞI KULLANARAK DEPREM EĞİLİMİNİN KESTİRİMİ Umut FIRAT ufirat@yahoo.com Öz: Depremler yeryüzünde en çok yıkıma neden olan doğal afetlerdir. Bu durum, depremlerin önceden tahmin edilmesi fikrini

Detaylı

EAD YBU 2015 BAHAR DÖNEMİ UYGULAMALI EKONOMETRİ EĞİTİM PROGRAMI

EAD YBU 2015 BAHAR DÖNEMİ UYGULAMALI EKONOMETRİ EĞİTİM PROGRAMI EAD YBU 2015 BAHAR DÖNEMİ UYGULAMALI EKONOMETRİ EĞİTİM PROGRAMI Aşağıda iki güne yayılmış olarak sunulmuş olan 6 Eğitim Modülü 21 22 Mart, 11 12 Nisan ve 2 3 Mayıs tarihlerinde Yıldırım Beyazıt Üniversitesi

Detaylı

2008 KÜRESEL KRİZİNİN İMKB HİSSE SENEDİ PİYASASI ÜZERİNDEKİ ETKİLERİNİN GARCH MODELLERİ İLE ANALİZİ

2008 KÜRESEL KRİZİNİN İMKB HİSSE SENEDİ PİYASASI ÜZERİNDEKİ ETKİLERİNİN GARCH MODELLERİ İLE ANALİZİ Marmara Üniversitesi İ.İ.B.F. Dergisi YIL 2010, CİLT XXVIII, SAYI I, S. 573585 2008 KÜRESEL KRİZİNİN İMKB HİSSE SENEDİ PİYASASI ÜZERİNDEKİ ETKİLERİNİN GARCH MODELLERİ İLE ANALİZİ Gülcan ÇAĞIL * Mustafa

Detaylı

Makroekonomik Faktörlerin Vadeli İşlem (Futures) Sözleşmelerine Etkisi: VOB ta Bir Uygulama

Makroekonomik Faktörlerin Vadeli İşlem (Futures) Sözleşmelerine Etkisi: VOB ta Bir Uygulama Makroekonomik Faktörlerin Vadeli İşlem (Futures) Sözleşmelerine Etkisi: VOB ta Bir Uygulama Hasibe ÖZGÜMÜŞ Turhan KORKMAZ ** Emrah İsmail ÇEVİK *** Özet Bu çalışmada Şubat 2005 - Kasım 2011 tarihleri arasında,

Detaylı

3 KESİKLİ RASSAL DEĞİŞKENLER VE OLASILIK DAĞILIMLARI

3 KESİKLİ RASSAL DEĞİŞKENLER VE OLASILIK DAĞILIMLARI ÖNSÖZ İÇİNDEKİLER III Bölüm 1 İSTATİSTİK ve SAYISAL BİLGİ 11 1.1 İstatistik ve Önemi 12 1.2 İstatistikte Temel Kavramlar 14 1.3 İstatistiğin Amacı 15 1.4 Veri Türleri 15 1.5 Veri Ölçüm Düzeyleri 16 1.6

Detaylı

BNK10 Endeksindeki Kaldıraç Etkisinin Genelleştirilmiş Otoregresif Koşullu Varyans Modeli İle Analiz Edilmesi

BNK10 Endeksindeki Kaldıraç Etkisinin Genelleştirilmiş Otoregresif Koşullu Varyans Modeli İle Analiz Edilmesi Uluslararası Alanya İşletme Fakültesi Dergisi International Journal of Alanya Faculty of Business Yıl:2015, C:7, S:3, s.169-181 Year:2015, Vol:7, No:3, s. 169-181 BNK10 Endeksindeki Kaldıraç Etkisinin

Detaylı

Volatilite Alanında Yapılmış Lisansüstü Tezlere Yönelik Bir İçerik Analizi

Volatilite Alanında Yapılmış Lisansüstü Tezlere Yönelik Bir İçerik Analizi Muhasebe ve Finansman Dergisi Ekim /2015 Volatilite Alanında Yapılmış Lisansüstü Tezlere Yönelik Bir İçerik Analizi Özkan ŞAHİN Mehmet Akif ÖNCÜ ÖZET Riskin temel göstergesi olan volatilite, finansın en

Detaylı

İMKB 100 ENDEKSİ GÜNLÜK GETİRİLERİ İÇİN UYGUN GENELLEŞTİRİLMİŞ FARKLI VARYANS MODELİNİN SEÇİMİ 1

İMKB 100 ENDEKSİ GÜNLÜK GETİRİLERİ İÇİN UYGUN GENELLEŞTİRİLMİŞ FARKLI VARYANS MODELİNİN SEÇİMİ 1 İMKB 100 ENDEKSİ GÜNLÜK GETİRİLERİ İÇİN UYGUN GENELLEŞTİRİLMİŞ FARKLI VARYANS MODELİNİN SEÇİMİ 1 Aziz KUTLAR * Pınar TORUN ** ÖZ Bu çalışmanın amacı, 01.11.00-08.08.01 dönemindeki günlük getiri değerleri

Detaylı

Eğitim / Danışmanlık Hizmetinin Tanımı

Eğitim / Danışmanlık Hizmetinin Tanımı Eğitim / Danışmanlık Hizmetinin Tanımı 1. Proje Kapsamında Eğitim Talep Edilmiş ise, Eğitimin İçeriği Hakkında bilgi veriniz. Ekonometri alanı iktisat teorisi, işletme, matematik ve istatistiğin birleşmesiyle

Detaylı

Koşullu Değişen Varyans Modelleri ile BİST 100 Endeks Getirisi ve Altın Getiri Serisi Volatilitesinin Tahmini

Koşullu Değişen Varyans Modelleri ile BİST 100 Endeks Getirisi ve Altın Getiri Serisi Volatilitesinin Tahmini Uluslararası Alanya İşletme Fakültesi Dergisi International Journal of Alanya Faculty of Business Yıl:2014, C:6, S:1, s. 79-90 Year:2014, Vol:6, No:1, s. 79-90 Koşullu Değişen Varyans Modelleri ile BİST

Detaylı

DÖVĐZ KURU OYNAKLIĞININ ÖNGÖRÜLMESĐ VE RĐSK YÖNETĐMĐ: TÜRKĐYE ÖRNEĞĐ

DÖVĐZ KURU OYNAKLIĞININ ÖNGÖRÜLMESĐ VE RĐSK YÖNETĐMĐ: TÜRKĐYE ÖRNEĞĐ DÖVĐZ KURU OYNAKLIĞININ ÖNGÖRÜLMESĐ VE RĐSK YÖNETĐMĐ: TÜRKĐYE ÖRNEĞĐ Özlem Serpil ÜNAL Danışman Doç. Dr. Uğur SOYTAŞ Uzmanlık Yeterlilik Tezi Türkiye Cumhuriyet Merkez Bankası Piyasalar Genel Müdürlüğü

Detaylı

BİLECİK ÜNİVERSİTESİ AKADEMİK ÖZGEÇMİŞ FORMU

BİLECİK ÜNİVERSİTESİ AKADEMİK ÖZGEÇMİŞ FORMU BİLECİK ÜNİVERSİTESİ AKADEMİK ÖZGEÇMİŞ FORMU KİŞİSEL BİLGİLER Adı Soyadı SERPİL TÜRKYILMAZ Ünvanı Yardımcı Doçent Doktor Birimi SOSYAL BİLİMLER ENSTİTÜSÜ Doğum Yeri ESKİŞEHİR E-Posta serpil.turkyilmaz@bilecik.edu.tr

Detaylı

Endüstriyel Metal Piyasasında Piyasa Riskinin Ölçülmesi: Riske Maruz Değer (VaR) Yöntemi İle Bir Uygulama

Endüstriyel Metal Piyasasında Piyasa Riskinin Ölçülmesi: Riske Maruz Değer (VaR) Yöntemi İle Bir Uygulama Niğde Üniversitesi İktisadi ve İdari Bilimler Fakültesi Dergisi Yıl: Ocak 2015 Cilt-Sayı: 8 (1) ss: 157-170 ISSN: 2148-5801 e-issn 1308-4216 http://dergipark.ulakbim.gov.tr/niguiibfd/ Endüstriyel Metal

Detaylı

Koşullu Değişen Varyans Modelleri ile BİST 100 Endeks Getirisi ve Altın Getiri Serisi Volatilitesinin Tahmini

Koşullu Değişen Varyans Modelleri ile BİST 100 Endeks Getirisi ve Altın Getiri Serisi Volatilitesinin Tahmini ı şı üı ı ı ı ı İş ü İ İ ı ı ü ö İş ü ö ı Ğ ö ı ı İ ç ü ı ı ı ı Ö Ğ ç ç ü ı ş Ö ş ü ğ ç ü Ö Ç Ş Ğ Ğ Ğ ç ü ö Ç ı ş ş ğı ı ü ı ş ş ğı ı ş ı ı ı ş ı üç ı ı ü ö üş ı ğ İı ş ı ş ö ü ü ı ü İÇ İ ö ü Öıı ı Ş Ç

Detaylı

2008 KRİZ SONRASI İMKB 30 ENDEKSİ VOLATİLİTESİNİN GENELLEŞTİRİLMİŞ ARCH MODELİ İLE TAHMİNİ

2008 KRİZ SONRASI İMKB 30 ENDEKSİ VOLATİLİTESİNİN GENELLEŞTİRİLMİŞ ARCH MODELİ İLE TAHMİNİ 2008 KRİZ SONRASI İMKB 30 ENDEKSİ VOLATİLİTESİNİN GENELLEŞTİRİLMİŞ ARCH MODELİ İLE TAHMİNİ Selçuk KENDİRLİ Gülnara KARADENİZ ÖZET Finansal piyasalarda olumlu ve olumsuz sonuçların başlıca nedenlerinden

Detaylı

Oynaklık Tahmininde Simetrik ve Asimetrik GARCH Modellerinin Kullanılması: Seçilmiş BİST Alt Sektör Endeksleri Üzerine Bir Uygulama

Oynaklık Tahmininde Simetrik ve Asimetrik GARCH Modellerinin Kullanılması: Seçilmiş BİST Alt Sektör Endeksleri Üzerine Bir Uygulama Muhasebe ve Finansman Dergisi Ekim/2016 Oynaklık Tahmininde Simetrik ve Asimetrik GARCH Modellerinin Kullanılması: Seçilmiş BİST Alt Sektör Endeksleri Üzerine Bir Uygulama Berk YILDIZ ÖZET Bu çalışmada,

Detaylı

Makroekonomik Faktörlerin Vadeli İşlem (Futures) Sözleşmelerine Etkisi: VOB ta Bir Uygulama

Makroekonomik Faktörlerin Vadeli İşlem (Futures) Sözleşmelerine Etkisi: VOB ta Bir Uygulama Makroekonomik Faktörlerin Vadeli İşlem (Futures) Sözleşmelerine Etkisi: VOB ta Bir Uygulama Hasibe ÖZGÜMÜŞ Turhan KORKMAZ ** Emrah İsmail ÇEVİK *** Özet Bu çalışmada Şubat 2005 - Kasım 2011 tarihleri arasında,

Detaylı

DERS BĠLGĠLERĠ Ders Kodu Yarıyıl T+U Saat Kredi AKTS Para Banka EKO403 Güz Ön KoĢul Dersin Dili. Seçmeli

DERS BĠLGĠLERĠ Ders Kodu Yarıyıl T+U Saat Kredi AKTS Para Banka EKO403 Güz Ön KoĢul Dersin Dili. Seçmeli DERS BĠLGĠLERĠ Ders Kodu Yarıyıl T+U Saat Kredi AKTS Para Banka EKO403 Güz 3+0 3 3 Ön KoĢul Dersin Dili Türkçe Dersin Seviyesi Lisans Dersin Türü Dersi Veren Öğretim Elemanı Dersin Yardımcıları Dersin

Detaylı

A. Regresyon Katsayılarında Yapısal Kırılma Testleri

A. Regresyon Katsayılarında Yapısal Kırılma Testleri A. Regresyon Katsayılarında Yapısal Kırılma Testleri Durum I: Kırılma Tarihinin Bilinmesi Durumu Kırılmanın bilinen bir tarihte örneğin tarihinde olduğunu önceden bilinmesi durumunda uygulanır. Örneğin,

Detaylı

İçindekiler. Ön Söz... xiii

İçindekiler. Ön Söz... xiii İçindekiler Ön Söz.................................................... xiii Bölüm 1 İstatistiğe Giriş....................................... 1 1.1 Giriş......................................................1

Detaylı

İş Zekası. Hafta 6 Kestirimci Modelleme Teknikleri. Yrd. Doç. Dr. H. İbrahim CEBECİ

İş Zekası. Hafta 6 Kestirimci Modelleme Teknikleri. Yrd. Doç. Dr. H. İbrahim CEBECİ İş Zekası Hafta 6 Kestirimci Modelleme Teknikleri Business Intelligence and Analytics: Systems for Decision Support 10e isimli eserden adapte edilmiştir Bölüm Amaçları Yapay Sinir Ağları (YSA) kavramını

Detaylı

BİST-100 ENDEKSİNDE VOLATİLİTENİN MODELLENMESİ VE ÖNGÖRÜLMESİNDE ARCH MODELLERİ

BİST-100 ENDEKSİNDE VOLATİLİTENİN MODELLENMESİ VE ÖNGÖRÜLMESİNDE ARCH MODELLERİ BİST-100 ENDEKSİNDE VOLATİLİTENİN MODELLENMESİ VE ÖNGÖRÜLMESİNDE ARCH MODELLERİ Semra TAŞPUNAR ALTUNTAŞ İstanbul Üniversitesi İşletme Fakültesi Finans Anabilim Dalı Fatma Deniz ÇOLAK Yapı ve Kredi Bankası

Detaylı

Popülasyon Ortalamasının Tahmin Edilmesi

Popülasyon Ortalamasının Tahmin Edilmesi Güven Aralıkları Popülasyon Ortalamasının Tahmin Edilmesi Tanımlar: Nokta Tahmini Popülasyon parametresi hakkında tek bir rakamdan oluşan tahmindir. Popülasyon ortalaması ile ilgili en iyi nokta tahmini

Detaylı

Naive Bayes Yöntemi ile Spam Mail Teşhisi Kübra KURNAZ

Naive Bayes Yöntemi ile Spam Mail Teşhisi Kübra KURNAZ Naive Bayes Yöntemi ile Spam Mail Teşhisi 2 17574006-Kübra KURNAZ Yıldız Teknik Üniversitesi, Elektrik-Elektronik Fakültesi, Bilgisayar Mühendisliği Bölümü, Tezsiz Yüksek Lisans Bilgi Teknolojileri Özet

Detaylı

TABLO-1 KPSS DE UYGULANACAK TESTLERİN KAPSAMLARI Yaklaşık Ağırlığı Genel Yetenek

TABLO-1 KPSS DE UYGULANACAK TESTLERİN KAPSAMLARI Yaklaşık Ağırlığı Genel Yetenek TABLO-1 KPSS DE UYGULANACAK TESTLERİN KAPSAMLARI Yaklaşık Ağırlığı Genel Yetenek Yaklaşık Ağırlığı 1) Sözel Bölüm 0 2) Sayısal Bölüm 0 Sözel akıl yürütme (muhakeme) becerilerini, dil bilgisi ve yazım kurallarını

Detaylı

IMKB'de Oynaklık Tahmini Üzerine Bir Çalışma

IMKB'de Oynaklık Tahmini Üzerine Bir Çalışma IMKB'de Oynaklık Tahmini Üzerine Bir Çalışma Yrd. Doç. Dr. Hakan Aygören Pamukkale Üniversitesi, İ.İ.B.F. Özet Finansal piyasalarda oynaklık yatırımcılar için yatırım kararlan verirken önemli rol oynamaktadır.

Detaylı

2. REGRESYON ANALİZİNİN TEMEL KAVRAMLARI Tanım

2. REGRESYON ANALİZİNİN TEMEL KAVRAMLARI Tanım 2. REGRESYON ANALİZİNİN TEMEL KAVRAMLARI 2.1. Tanım Regresyon analizi, bir değişkenin başka bir veya daha fazla değişkene olan bağımlılığını inceler. Amaç, bağımlı değişkenin kitle ortalamasını, açıklayıcı

Detaylı

MOCKUS HİDROGRAFI İLE HAVZA & TAŞKIN MODELLENMESİNE BİR ÖRNEK: KIZILCAHAMAM(ANKARA)

MOCKUS HİDROGRAFI İLE HAVZA & TAŞKIN MODELLENMESİNE BİR ÖRNEK: KIZILCAHAMAM(ANKARA) MOCKUS HİDROGRAFI İLE HAVZA & TAŞKIN MODELLENMESİNE BİR ÖRNEK: KIZILCAHAMAM(ANKARA) Tunç Emre TOPTAŞ Teknik Hizmetler ve Eğitim Müdürü, Netcad Yazılım A.Ş. Bilkent, Ankara, Öğretim Görevlisi, Gazi Üniversitesi,

Detaylı

Borsa İstanbul Pay Endekslerinin Volatilite Yapısı: BİST-50 Örneği ( Yılları) *

Borsa İstanbul Pay Endekslerinin Volatilite Yapısı: BİST-50 Örneği ( Yılları) * Borsa İstanbul Pay Endekslerinin Volatilite Yapısı: BİST-50 Örneği (2007-2016 Yılları) * DOI NO: 10.5578/jss.66770 Ender BAYKUT ** Geliş Tarihi: 07.08.2017 Veysel KULA *** Kabul Tarihi: 05.06.2018 Özet

Detaylı

TABLO-1 KPSS DE UYGULANACAK TESTLERİN KAPSAMLARI Yaklaşık Ağırlığı Genel Yetenek

TABLO-1 KPSS DE UYGULANACAK TESTLERİN KAPSAMLARI Yaklaşık Ağırlığı Genel Yetenek TABLO-1 KPSS DE UYGULANACAK TESTLERİN KAPSAMLARI Yaklaşık Ağırlığı Genel Yetenek Yaklaşık Ağırlığı 1) Sözel Bölüm %50 2) Sayısal Bölüm %50 Sözel akıl yürütme (muhakeme) becerilerini, dil bilgisi ve yazım

Detaylı

DERS BİLGİLERİ Ders Kodu Yarıyıl T+U Saat Kredi AKTS Çok Değişkenli İstatistik EKO428 Bahar Ön Koşul Dersin Dili

DERS BİLGİLERİ Ders Kodu Yarıyıl T+U Saat Kredi AKTS Çok Değişkenli İstatistik EKO428 Bahar Ön Koşul Dersin Dili DERS BİLGİLERİ Ders Kodu Yarıyıl T+U Saat Kredi AKTS Çok Değişkenli İstatistik EKO428 Bahar 3+0 3 3 Ön Koşul Yok Dersin Dili Türkçe Dersin Seviyesi Lisans Dersin Türü Seçmeli Dersi Veren Öğretim Elemanı

Detaylı

DÖVĐZ KURU GETĐRĐ VOLATĐLĐTESĐNĐN KOŞULLU DEĞĐŞEN VARYANS MODELLERĐ ĐLE ÖNGÖRÜSÜ

DÖVĐZ KURU GETĐRĐ VOLATĐLĐTESĐNĐN KOŞULLU DEĞĐŞEN VARYANS MODELLERĐ ĐLE ÖNGÖRÜSÜ Ekonometri ve Đstatistik Sayı:9 2009 1-16 ĐSTANBUL ÜNĐVERSĐTESĐ ĐKTĐSAT FAKÜLTESĐ EKONOMETRĐ VE ĐSTATĐSTĐK DERGĐSĐ DÖVĐZ KURU GETĐRĐ VOLATĐLĐTESĐNĐN KOŞULLU DEĞĐŞEN VARYANS MODELLERĐ ĐLE ÖNGÖRÜSÜ Doç.

Detaylı

International Journal of Academic Value Studies (Javstudies) ISSN: Vol: 3, Issue: 14, pp

International Journal of Academic Value Studies (Javstudies) ISSN: Vol: 3, Issue: 14, pp International Journal of Academic Value Studies (Javstudies) ISSN:2149-8598 Vol: 3, Issue: 14, pp. 39-47 www.javstudies.com Javstudies@gmail.com Disciplines: Business Administration, Economy, Econometrics,

Detaylı

Türkiye Döviz Piyasalarında Oynaklığın Öngörülmesi ve Risk Yönetimi Kapsamında Değerlendirilmesi

Türkiye Döviz Piyasalarında Oynaklığın Öngörülmesi ve Risk Yönetimi Kapsamında Değerlendirilmesi YÖNETİM VE EKONOMİ Yıl:010 ilt:17 Sayı:1 elal Bayar Üniversitesi İ.İ.B.F. MANİSA Türkiye Döviz Piyasalarında Oynaklığın Öngörülmesi ve Risk Yönetimi Kapsamında Değerlendirilmesi Doç. Dr. Uğur SOYTAŞ Orta

Detaylı

Akademik Sosyal Araştırmalar Dergisi, Yıl: 4, Sayı: 35, Aralık 2016, s

Akademik Sosyal Araştırmalar Dergisi, Yıl: 4, Sayı: 35, Aralık 2016, s Akademik Sosyal Araştırmalar Dergisi, Yıl: 4, Sayı: 35, Aralık 2016, s. 589-603 Yayın Geliş Tarihi / Article Arrival Date Yayınlanma Tarihi / The Publication Date 15.11.2016 10.12.2016 Öğr. Gör. Arzu ÖZMERDİVANLI

Detaylı

İSTANBUL MENKUL KIYMETLER BORSASI NDA ETKİN PİYASA HİPOTEZİNİN UZUN HAFIZA MODELLERİ İLE ANALİZİ: SEKTÖREL BAZDA BİR İNCELEME

İSTANBUL MENKUL KIYMETLER BORSASI NDA ETKİN PİYASA HİPOTEZİNİN UZUN HAFIZA MODELLERİ İLE ANALİZİ: SEKTÖREL BAZDA BİR İNCELEME Journal of Yasar University 2012 26(7) 4437-4454 İSTANBUL MENKUL KIYMETLER BORSASI NDA ETKİN PİYASA HİPOTEZİNİN UZUN HAFIZA MODELLERİ İLE ANALİZİ: SEKTÖREL BAZDA BİR İNCELEME THE TESTING OF EFFICIENT MARKET

Detaylı

PSM 11 PEM YAKIT HÜCRELERİNİN YAPAY SİNİR AĞLARI İLE MODELLENMESİ

PSM 11 PEM YAKIT HÜCRELERİNİN YAPAY SİNİR AĞLARI İLE MODELLENMESİ PSM 11 PEM YAKIT HÜCRELERİNİN YAPAY SİNİR AĞLARI İLE MODELLENMESİ U. Özveren 2, S. Dinçer 1 1 Yıldız Teknik Üniversitesi, Kimya Müh. Bölümü, Davutpaşa Kampüsü, 34210 Esenler / İstanbul e-posta: dincer@yildiz.edu.tr

Detaylı

KPSS LİSANS DA UYGULANAN TESTLERİN KAPSAMLARI

KPSS LİSANS DA UYGULANAN TESTLERİN KAPSAMLARI 2012 - LİSANS DA UYGULANAN TESTLERİN KAPSAMLARI Genel Yetenek 1) Türkçe %50 2) Matematik %50 a) Sözcük bilgisi %5 a) Sayılarla işlem yapma %10 b) Dil bilgisi %10 b) Matematiksel ilişkilerden yararlanma

Detaylı

T.C. SELÇUK ÜNİVERSİTESİ REKTÖRLÜĞÜ

T.C. SELÇUK ÜNİVERSİTESİ REKTÖRLÜĞÜ T.C. SELÇUK ÜNİVERSİTESİ REKTÖRLÜĞÜ Fen Fakültesi Dekanlığı İstatistik Bölümü 017-018 Eğitim-Öğretim Yılı Normal Öğretim Güz Ve Bahar Yarıyıllarda Okutulacak Dersler 1. SINIF I.YARIYIL AKTS Adı 7011 Matematik

Detaylı

Dokuz Eylül Üniversitesi İktisadi ve İdari Bilimler Fakültesi İktisat Bölümü 35160 Buca - İZMİR

Dokuz Eylül Üniversitesi İktisadi ve İdari Bilimler Fakültesi İktisat Bölümü 35160 Buca - İZMİR Mert URAL Dokuz Eylül Üniversitesi İktisadi ve İdari Bilimler Fakültesi İktisat Bölümü 35160 Buca - İZMİR Telefon (İş) : 0232-3010633 Faks (İş) : 0232-4409458 E-Posta : mert.ural@deu.edu.tr Kişisel Bilgi

Detaylı

Oluşturulan evren listesinden örnekleme birimlerinin seçkisiz olarak çekilmesidir

Oluşturulan evren listesinden örnekleme birimlerinin seçkisiz olarak çekilmesidir Bilimsel Araştırma Yöntemleri Prof. Dr. Şener Büyüköztürk Doç. Dr. Ebru Kılıç Çakmak Yrd. Doç. Dr. Özcan Erkan Akgün Doç. Dr. Şirin Karadeniz Dr. Funda Demirel Örnekleme Yöntemleri Evren Evren, araştırma

Detaylı

QUANTILE REGRESYON * Quantile Regression

QUANTILE REGRESYON * Quantile Regression QUANTILE REGRESYON * Quantile Regression Fikriye KURTOĞLU İstatistik Anabilim Dalı Olcay ARSLAN İstatistik Anabilim Dalı ÖZET Bu çalışmada, Lineer Regresyon analizinde kullanılan en küçük kareler yöntemine

Detaylı

BIST Şehir Endekslerinde Oynaklığın Ölçülmesi: Alternatif Ekonometrik Modellerin Karşılaştırmalı Olarak İncelenmesi

BIST Şehir Endekslerinde Oynaklığın Ölçülmesi: Alternatif Ekonometrik Modellerin Karşılaştırmalı Olarak İncelenmesi Finans Politik & Ekonomik Yorumlar (639) Mayıs 2018 : 67 86 BIST Şehir Endekslerinde Oynaklığın Ölçülmesi: Alternatif Ekonometrik Modellerin Karşılaştırmalı Olarak İncelenmesi Sevda YAPRAKLI Gürkan BOZMA

Detaylı

Morgan Stanley Capital International Türkiye Endeksinin Yapay Sinir Ağları ile Öngörüsü

Morgan Stanley Capital International Türkiye Endeksinin Yapay Sinir Ağları ile Öngörüsü EGE AKADEMİK BAKIŞ / EGE ACADEMIC REVIEW Cilt: 12 Sayı: 4 Ekim 2012 ss. 541-547 Morgan Stanley Capital International Türkiye Endeksinin Yapay Sinir Ağları ile Öngörüsü Forecasting of Morgan Stanley Capital

Detaylı

YAPISAL KIRILMALAR DAHİLİNDE BİST-100 ENDEKSi VOLATİLİTESİNİN UZUN DÖNEMLİ BELLEK ANALİZİ

YAPISAL KIRILMALAR DAHİLİNDE BİST-100 ENDEKSi VOLATİLİTESİNİN UZUN DÖNEMLİ BELLEK ANALİZİ Journal of Yasar University, 2014 9(36) 6261-6380 YAPISAL KIRILMALAR DAHİLİNDE BİST-100 ENDEKSi VOLATİLİTESİNİN UZUN DÖNEMLİ BELLEK ANALİZİ LONG MEMORY ANALYSIS of the BIST-100 INDEX VOLATILITY INCLUSIVE

Detaylı

R ILE ENERJI MODELLEMESI

R ILE ENERJI MODELLEMESI DEPARTMENT OF TECHNOLOGY & OPERATIONS MANAGEMENT R ILE ENERJI MODELLEMESI EZGI AVCI, MSC,PHDC MEVSIMSEL MODELLER ÜSTEL DÜZELTME (DURUM UZAY MODELLERI) Holt s ve Holt-Winters metotları başta olmak birçok

Detaylı

ÇİMENTO BASMA DAYANIMI TAHMİNİ İÇİN YAPAY SİNİR AĞI MODELİ

ÇİMENTO BASMA DAYANIMI TAHMİNİ İÇİN YAPAY SİNİR AĞI MODELİ ÇİMENTO BASMA DAYANIMI TAHMİNİ İÇİN YAPAY SİNİR AĞI MODELİ Ezgi Özkara a, Hatice Yanıkoğlu a, Mehmet Yüceer a, * a* İnönü Üniversitesi Mühendislik Fakültesi Kimya Mühendisliği Bölümü, Malatya, 44280 myuceer@inonu.edu.tr

Detaylı

BÖLÜM 1: YAşAM ÇÖzÜMLEMEsİNE GİRİş... 1

BÖLÜM 1: YAşAM ÇÖzÜMLEMEsİNE GİRİş... 1 ÖN SÖZ...iii BÖLÜM 1: Yaşam Çözümlemesine Giriş... 1 1.1. Giriş... 1 1.2. Yaşam Süresi... 2 1.2.1. Yaşam süresi verilerinin çözümlenmesinde kullanılan fonksiyonlar... 3 1.2.1.1. Olasılık yoğunluk fonksiyonu...

Detaylı

ÖZGEÇMİŞ ENDER BAYKUT

ÖZGEÇMİŞ ENDER BAYKUT ÖZGEÇMİŞ ENDER BAYKUT İLETİŞİM BİLGİLERİ -Posta Adresi Kocatepe Üniversitesi, ANS Kampüsü Eğitim 3. Blok Oda No: 205, Afyonkarahisar/TÜRKİYE - Tel No: +90-272-228-12-92/13321 -E-Mail ebaykut@aku.edu.tr

Detaylı

MURAT EĞİTİM KURUMLARI

MURAT EĞİTİM KURUMLARI 2013 KPSS de Testlerin Kapsamları Değişti ÖSYM tarafından yapılan açıklamaya göre 2013 KPSS de uygulanacak testlerin içeriğinde bir takım değişiklikler yapıldı. Bu değişikler başta Genel Yetenek - Genel

Detaylı

ZAMAN SERİLERİNDE REGRESYON ANALİZİ

ZAMAN SERİLERİNDE REGRESYON ANALİZİ ZAMAN SERİLERİNDE REGRESYON ANALİZİ 1 1. GİRİŞ Trent, serinin genelinde yukarıya ya da aşağıya doğru olan hareketlere denmektedir. Bu hareket bazen düz bir doğru şeklinde olmaktadır. Bu tür harekete sahip

Detaylı

Hisse Senedi Piyasası Oynaklık Riskini Fiyatlıyor mu? Sermaye Piyasası Kurulu - Bilkent Üniversitesi Finans Seminerleri Serisi 2 Şubat 2009

Hisse Senedi Piyasası Oynaklık Riskini Fiyatlıyor mu? Sermaye Piyasası Kurulu - Bilkent Üniversitesi Finans Seminerleri Serisi 2 Şubat 2009 Hisse Senedi Piyasası Oynaklık Riskini Fiyatlıyor mu? Sermaye Piyasası Kurulu - Bilkent Üniversitesi Finans Seminerleri Serisi 2 Şubat 2009 Sunum Akışı Oynaklık Tahminlemesi Oynaklık ve Değerleme Modelleri

Detaylı

2.1 Bir Sınıfı Örneklerinden Öğrenme... 15 2.2 Vapnik-Chervonenkis (VC) Boyutu... 20 2.3 Olası Yaklaşık Doğru Öğrenme... 21

2.1 Bir Sınıfı Örneklerinden Öğrenme... 15 2.2 Vapnik-Chervonenkis (VC) Boyutu... 20 2.3 Olası Yaklaşık Doğru Öğrenme... 21 İçindekiler Önsöz İkinci Basım için Önsöz Türkçe Çeviri için Önsöz Gösterim xiii xv xvii xix 1 Giriş 1 1.1 Yapay Öğrenme Nedir?......................... 1 1.2 Yapay Öğrenme Uygulamalarına Örnekler...............

Detaylı

Destekçi Vektör Makineleri. Destekçi Vektör Makineleri(Support Vector Machines)

Destekçi Vektör Makineleri. Destekçi Vektör Makineleri(Support Vector Machines) Destekçi Vektör Makineleri Destekçi Vektör Makineleri(Support Vector Machines) Değişkenler arasındaki örüntülerin bilinmediği veri setlerindeki sınıflama problemleri için önerilmiş bir makine öğrenmesi

Detaylı

Uzaktan Algılama Teknolojileri

Uzaktan Algılama Teknolojileri Uzaktan Algılama Teknolojileri Ders 11 Hiperspektral Görüntülerde Kümeleme ve Sınıflandırma Alp Ertürk alp.erturk@kocaeli.edu.tr Sınıflandırma Sınıflandırma işleminin amacı, her piksel vektörüne bir ve

Detaylı

EME 3117 SİSTEM SİMÜLASYONU. Üçgensel Dağılım. Sürekli Düzgün Dağılım. Sürekli Rassal Değişkenlerin Modellemesinde Kullanılan Dağılımlar

EME 3117 SİSTEM SİMÜLASYONU. Üçgensel Dağılım. Sürekli Düzgün Dağılım. Sürekli Rassal Değişkenlerin Modellemesinde Kullanılan Dağılımlar 9.0.06 Sürekli Rassal Değişkenlerin Modellemesinde Kullanılan Dağılımlar EME 7 SİSTEM SİMÜLASYONU Simulasyonda İstatistiksel Modeller (Sürekli Dağılımlar) Ders 5 Sürekli Düzgün Dağılım Sürekli Düzgün (Uniform)

Detaylı

FİNANSAL RİSK ANALİZİNDE KARMA DAĞILIM MODELİ YAKLAŞIMI * Mixture Distribution Approach in Financial Risk Analysis

FİNANSAL RİSK ANALİZİNDE KARMA DAĞILIM MODELİ YAKLAŞIMI * Mixture Distribution Approach in Financial Risk Analysis FİNANSAL RİSK ANALİZİNDE KARMA DAĞILIM MODELİ YAKLAŞIMI * Mixture Distribution Approach in Financial Risk Analysis Keziban KOÇAK İstatistik Anabilim Dalı Deniz ÜNAL İstatistik Anabilim Dalı ÖZET Son yıllarda

Detaylı

YBS Ansiklopedi. Skorlama Algoritmaları 1 (Scoring Algorithms 1) Amine YEŞİLYURT 1, Şadi Evren ŞEKER Giriş

YBS Ansiklopedi. Skorlama Algoritmaları 1 (Scoring Algorithms 1) Amine YEŞİLYURT 1, Şadi Evren ŞEKER Giriş YBS Ansiklopedi www.ybsansiklopedi.com Cilt 5, Sayı 1, Mayıs 2018 Skorlama Algoritmaları 1 (Scoring Algorithms 1) Amine YEŞİLYURT 1, Şadi Evren ŞEKER 2 1. Gebze Teknik Üniversitesi, Bilgisayar Mühendisliği

Detaylı

2016 YILI AKTÜERLİK SINAVLARI: İSTATİSTİK OLASILIK

2016 YILI AKTÜERLİK SINAVLARI: İSTATİSTİK OLASILIK Soru 1 X rassal değişkeninin olasılık yoğunluk fonksiyonu x x, x> f ( x) = 0, dy. 1 werilmiş ve Y = rassal değişkeni tanımlamış ise, Y değişkenin 0< 1 X 1 y için olasılık yoğunluk fonksiyonu aşağıdaki

Detaylı

EME 3117 SİSTEM SIMÜLASYONU. Girdi Analizi. Özet İstatistikler ve Histogram (Minitab)(1) Örnek: Eczane İçin Servis Süreleri

EME 3117 SİSTEM SIMÜLASYONU. Girdi Analizi. Özet İstatistikler ve Histogram (Minitab)(1) Örnek: Eczane İçin Servis Süreleri EME 3117 1 2 Girdi Analizi SİSTEM SIMÜLASYONU Modellenecek sistemi (prosesi) dokümante et. Veri toplamak için bir plan geliştir. Veri topla. Verilerin grafiksel ve istatistiksel analizini yap. Girdi Analizi-I

Detaylı

Bankaların Sermaye Yeterliliği Oranı Açısından Riske Maruz Değer Hesaplama Yöntemlerinin Karşılaştırılması*

Bankaların Sermaye Yeterliliği Oranı Açısından Riske Maruz Değer Hesaplama Yöntemlerinin Karşılaştırılması* Volume 5 Number 3 2014 pp. 15-41 ISSN: 1309-2448 www.berjournal.com Bankaların Sermaye Yeterliliği Oranı Açısından Riske Maruz Değer Hesaplama Yöntemlerinin Karşılaştırılması* Ahmet Bostancı a Turhan Korkmaz

Detaylı

2. BASİT DOĞRUSAL REGRESYON 12

2. BASİT DOĞRUSAL REGRESYON 12 1. GİRİŞ 1 1.1 Regresyon ve Model Kurma / 1 1.2 Veri Toplama / 5 1.3 Regresyonun Kullanım Alanları / 9 1.4 Bilgisayarın Rolü / 10 2. BASİT DOĞRUSAL REGRESYON 12 2.1 Basit Doğrusal Regresyon Modeli / 12

Detaylı

R ILE ENERJI MODELLEMESI

R ILE ENERJI MODELLEMESI DEPARTMENT OF TECHNOLOGY & OPERATIONS MANAGEMENT R ILE ENERJI MODELLEMESI EZGI AVCI, MSC,PHDC TALEP TAHMIN MODELLERI ELEKTRIK ARZ SISTEMI YONETIMI Elektrik arz sisteminin doğru planlanması ve yönetilmesi

Detaylı

Türkiye deki İş Kazalarının Box-Jenkins Tekniği ile İncelenmesi. Doç. Dr. Arzu ALTIN YAVUZ Ar. Gör. Barış ERGÜL Ar. Gör. Ebru GÜNDOĞAN AŞIK

Türkiye deki İş Kazalarının Box-Jenkins Tekniği ile İncelenmesi. Doç. Dr. Arzu ALTIN YAVUZ Ar. Gör. Barış ERGÜL Ar. Gör. Ebru GÜNDOĞAN AŞIK Türkiye deki İş Kazalarının Box-Jenkins Tekniği ile İncelenmesi Doç. Dr. Arzu ALTIN YAVUZ Ar. Gör. Barış ERGÜL Ar. Gör. Ebru GÜNDOĞAN AŞIK Sunu Planı Giriş Bu bölümde İş Sağlığı ve Güvenliği ile ilgili

Detaylı

ZAMAN SERİSİ ANALİZİNDE MLP YAPAY SİNİR AĞLARI VE ARIMA MODELİNİN KARŞILAŞTIRILMASI

ZAMAN SERİSİ ANALİZİNDE MLP YAPAY SİNİR AĞLARI VE ARIMA MODELİNİN KARŞILAŞTIRILMASI ZAMAN SERİSİ ANALİZİNDE MLP YAPAY SİNİR AĞLARI VE ARIMA MODELİNİN KARŞILAŞTIRILMASI Oğuz KAYNAR * Serkan TAŞTAN ** ÖZ Bu çalışmada zaman serisi analizinde yaygın olarak kullanılan Box-Jenkis modelleri

Detaylı

Sürelerine Göre Tahmin Tipleri

Sürelerine Göre Tahmin Tipleri Girişimcilik Bölüm 5: Talep Tahmini scebi@ktu.edu.tr 5.1. Talep Tahmini Tahmin: Gelecek olayları önceden kestirme bilim ve sanatı. İstatistiksel Tahmin: Geçmiş verileri matematiksel modellerde kullanarak

Detaylı

Gelişmekte Olan Ülke Borsalarında Volatilite: BRIC ve Türkiye Örneğinde Hesaplamaların Yapılması ve Sonuçların Karşılaştırılması

Gelişmekte Olan Ülke Borsalarında Volatilite: BRIC ve Türkiye Örneğinde Hesaplamaların Yapılması ve Sonuçların Karşılaştırılması Gelişmekte Olan Ülke Borsalarında Volatilite: BRIC ve Türkiye Örneğinde Hesaplamaların Yapılması ve Sonuçların Karşılaştırılması Prof. Dr. Veysel Kula Afyon Kocatepe Universitesi, kula@aku.edu.tr Arş.

Detaylı

Örnek. Aşağıdaki veri setlerindeki X ve Y veri çiftlerini kullanarak herbir durumda X=1,5 için Y nin hangi değerleri alacağını hesaplayınız.

Örnek. Aşağıdaki veri setlerindeki X ve Y veri çiftlerini kullanarak herbir durumda X=1,5 için Y nin hangi değerleri alacağını hesaplayınız. Örnek Aşağıdaki veri setlerindeki X ve Y veri çiftlerini kullanarak herbir durumda X=1,5 için Y nin hangi değerleri alacağını hesaplayınız. i. ii. X 1 2 3 4 1 2 3 4 Y 2 3 4 5 4 3 2 1 Örnek Aşağıdaki veri

Detaylı

İÇİNDEKİLER 1. GİRİŞ...

İÇİNDEKİLER 1. GİRİŞ... İÇİNDEKİLER 1. GİRİŞ... 1 1.1. Regresyon Analizi... 1 1.2. Uygulama Alanları ve Veri Setleri... 2 1.3. Regresyon Analizinde Adımlar... 3 1.3.1. Problemin İfadesi... 3 1.3.2. Konu ile İlgili Potansiyel

Detaylı

7.Ders Bazı Ekonometrik Modeller. Đktisat (ekonomi) biliminin bir kavramı: gayrisafi milli hasıla.

7.Ders Bazı Ekonometrik Modeller. Đktisat (ekonomi) biliminin bir kavramı: gayrisafi milli hasıla. 7.Ders Bazı Ekonometrik Modeller Đktisat (ekonomi) biliminin bir kavramı: gayrisafi milli hasıla. Kaynak: TÜĐK dönemler gayri safi yurt içi hasıla düzeyi 1987-1 8680793 1987-2 9929354 1987-3 13560135 1987-4

Detaylı

Koşullu Öngörümleme. Bu nedenle koşullu öngörümleme gerçekleştirilmelidir.

Koşullu Öngörümleme. Bu nedenle koşullu öngörümleme gerçekleştirilmelidir. Koşullu Öngörümleme Ex - ante (tasarlanan - umulan) öngörümleme söz konusu iken açıklayıcı değişkenlerin hatasız bir şekilde bilindiği varsayımı gerçekçi olmayan bir varsayımdır. Çünkü bazı açıklayıcı

Detaylı

PARAMETRİK OLMAYAN İSTATİSTİKSEL TEKNİKLER 8

PARAMETRİK OLMAYAN İSTATİSTİKSEL TEKNİKLER 8 PARAMETRİK OLMAYAN İSTATİSTİKSEL TEKNİKLER 8 Prof. Dr. Ali ŞEN İki Populasyonun Karşılaştırılması: Eşleştirilmiş Örnekler için Wilcoxon İşaretli Mertebe Testi -BÜYÜK ÖRNEK Bağımsız populasyonlara uygulanan

Detaylı

OTOMOBİL İHRACATI VE İTHALATI FİYAT ENDEKSİ VERİLERİNİN FARKLI VARYANSLILIĞININ İNCELENMESİ

OTOMOBİL İHRACATI VE İTHALATI FİYAT ENDEKSİ VERİLERİNİN FARKLI VARYANSLILIĞININ İNCELENMESİ İstanbul Ticaret Üniversitesi Sosyal Bilimler Dergisi Yıl:6 Sayı:11 Bahar 2007/2 s.149-162 OTOMOBİL İHRACATI VE İTHALATI FİYAT ENDEKSİ VERİLERİNİN FARKLI VARYANSLILIĞININ İNCELENMESİ Cengiz AKTAŞ * ÖZET

Detaylı

ÜSTEL DÜZLEŞTİRME YÖNTEMİ

ÜSTEL DÜZLEŞTİRME YÖNTEMİ ÜSEL DÜLEŞİRME YÖNEMİ ÜSEL DÜLEŞİRME YÖNEMİ Bu bölüme kadar anlatılan yöntemler zaman içinde değişmeyen parametre varsayımına uygun serilerin tahminlerinde kullanılmaktaydı. Bu tür seriler deterministik

Detaylı

ÖZGEÇMİŞ VE ESERLER LİSTESİ. Derece Bölüm/Program Üniversite Yıl Doktora Bankacılık Bilim Dalı Marmara Üniversitesi,

ÖZGEÇMİŞ VE ESERLER LİSTESİ. Derece Bölüm/Program Üniversite Yıl Doktora Bankacılık Bilim Dalı Marmara Üniversitesi, ÖZGEÇMİŞ VE ESERLER LİSTESİ Adı Soyadı : DOÇ DR. DİNA ÇAKMUR YILDIRTAN Doğum Tarihi : 28.08.1973 Öğrenim Durumu: Derece Bölüm/Program Üniversite Yıl Doktora Bankacılık Bilim Dalı Marmara Üniversitesi,

Detaylı

CEVAP ANAHTARI. Tempo Testi D 2-B 3-A 4-A 5-C 6-B 7-B 8-C 9-B 10-D 11-C 12-D 13-C 14-C

CEVAP ANAHTARI. Tempo Testi D 2-B 3-A 4-A 5-C 6-B 7-B 8-C 9-B 10-D 11-C 12-D 13-C 14-C 01. BÖLÜM: FONKSİYONLARLA İLGİLİ UYGULAMALAR - 1 1-E 2-D 3-C 4-E 5-B 6-C 7-C 8-B 9-C 10-D 11-C - 2 1-D 2-E 3-C 4-D 5-E 6-E 7-C 8-D 9-E 10-B - 3 1-E 2-A 3-B 4-D 5-A 6-E 7-E 8-C 9-C 10-C 11-C 1-A 2-B 3-E

Detaylı

STRATEJİ PORTFÖY YÖNETİMİ A.Ş. STRATEJİ PORTFÖY İKİNCİ HİSSE SENEDİ FONU (HİSSE SENEDİ YOĞUN FON)

STRATEJİ PORTFÖY YÖNETİMİ A.Ş. STRATEJİ PORTFÖY İKİNCİ HİSSE SENEDİ FONU (HİSSE SENEDİ YOĞUN FON) A. TANITICI BİLGİLER PORTFÖYE BAKIŞ Halka arz tarihi: 15 Ekim 2003 YATIRIM VE YÖNETİME İLİŞKİN BİLGİLER 31 Aralık 2015 tarihi itibariyle Fon un Yatırım Amacı Portföy Yöneticileri Fon Toplam Değeri 26.267.484

Detaylı

Korelasyon, Korelasyon Türleri ve Regresyon

Korelasyon, Korelasyon Türleri ve Regresyon Korelasyon, Korelasyon Türleri ve Regresyon İçerik Korelasyon Korelasyon Türleri Korelasyon Katsayısı Regresyon KORELASYON Korelasyon iki ya da daha fazla değişken arasındaki doğrusal ilişkiyi gösterir.

Detaylı

Ýþletme Fakültesi Uluslararasý Ticaret ve Finansman

Ýþletme Fakültesi Uluslararasý Ticaret ve Finansman Ýþletme Fakültesi Uluslararasý Ticaret ve Finansman ITF 415 - Finansal Ekonometri DERS TANITIM BÝLGÝLERÝ Dersin Adý Kodu Yarýyýl Teori (saat/hafta) Uygulama/Laboratuar (saat/hafta) Yerel Kredi AKTS Finansal

Detaylı

YÖNEYLEM ARAŞTIRMASI - III

YÖNEYLEM ARAŞTIRMASI - III YÖNEYLEM ARAŞTIRMASI - III Prof. Dr. Cemalettin KUBAT Yrd. Doç. Dr. Özer UYGUN İçerik Bu bölümde eşitsizlik kısıtlarına bağlı bir doğrusal olmayan kısıta sahip problemin belirlenen stasyoner noktaları

Detaylı

Doç. Dr. Doğan Uysal - Dr. Şerife Özşahin

Doç. Dr. Doğan Uysal - Dr. Şerife Özşahin Anadolu Üniversitesi Sosyal Bilimler Dergisi Anadolu Unıversity Journal of Social Sciences Reel Efektif Döviz Kuru Endeksi Volatilitesinin ARCH ve GARCH Modelleri ile Tahmini Estimating the Real Effective

Detaylı

STRATEJİ PORTFÖY YÖNETİMİ A.Ş. STRATEJİ PORTFÖY BİRİNCİ HİSSE SENEDİ FONU (HİSSE SENEDİ YOĞUN FON)

STRATEJİ PORTFÖY YÖNETİMİ A.Ş. STRATEJİ PORTFÖY BİRİNCİ HİSSE SENEDİ FONU (HİSSE SENEDİ YOĞUN FON) A. TANITICI BİLGİLER PORTFÖYE BAKIŞ YATIRIM VE YÖNETİME İLİŞKİN BİLGİLER Fon Toplam Halka arz tarihi: 26 Kasım 1996 31 Aralık 2015 tarihi itibariyle Fon un Yatırım Amacı Yöneticileri Değeri 33.799.135

Detaylı

Merkez Bankası Faiz Duyurularının Finansal Piyasalara Etkisi*

Merkez Bankası Faiz Duyurularının Finansal Piyasalara Etkisi* Volume 5 Number 4 2014 pp. 89-118 ISSN: 1309-2448 www.berjournal.com Merkez Bankası Faiz Duyurularının Finansal Piyasalara Etkisi* Neilan Soylu a Turhan Korkmaz b Emrah Đsmail Çevik c Özet: 2005 yılından

Detaylı

FİNANSAL YATIRIM ARAÇLARININ REEL GETİRİ ORANLARI HABER BÜLTENİNDE YAPILAN ANA REVİZYONA İLİŞKİN METODOLOJİK DOKÜMAN

FİNANSAL YATIRIM ARAÇLARININ REEL GETİRİ ORANLARI HABER BÜLTENİNDE YAPILAN ANA REVİZYONA İLİŞKİN METODOLOJİK DOKÜMAN Giriş FİNANSAL YATIRIM ARAÇLARININ REEL GETİRİ ORANLARI HABER BÜLTENİNDE YAPILAN ANA REVİZYONA İLİŞKİN METODOLOJİK DOKÜMAN 1997-2013 yılları arasında, Finansal Yatırım Araçlarının Reel Getiri Oranları,

Detaylı

BKİ farkı Standart Sapması (kg/m 2 ) A B BKİ farkı Ortalaması (kg/m 2 )

BKİ farkı Standart Sapması (kg/m 2 ) A B BKİ farkı Ortalaması (kg/m 2 ) 4. SUNUM 1 Gözlem ya da deneme sonucu elde edilmiş sonuçların, rastlantıya bağlı olup olmadığının incelenmesinde kullanılan istatistiksel yöntemlere HİPOTEZ TESTLERİ denir. Sonuçların rastlantıya bağlı

Detaylı

Yrd. Doç. Dr. Veli Akel - Uzm. Fikriye Karacameydan

Yrd. Doç. Dr. Veli Akel - Uzm. Fikriye Karacameydan Anadolu Üniversitesi Sosyal Bilimler Dergisi Anadolu University Journal of Social Sciences Yatırım Fonları Net Varlık Değerlerinin Yapay Sinir Ağları Yöntemiyle Tahmin Edilmesi * Forecasting Mutual Fund

Detaylı

Tanımlayıcı İstatistikler. Yrd. Doç. Dr. Emre ATILGAN

Tanımlayıcı İstatistikler. Yrd. Doç. Dr. Emre ATILGAN Tanımlayıcı İstatistikler Yrd. Doç. Dr. Emre ATILGAN 1 Tanımlayıcı İstatistikler Yer Gösteren Ölçüler Yaygınlık Ölçüleri Merkezi Eğilim Ölçüleri Konum Ölçüleri 2 3 Aritmetik Ortalama Aritmetik ortalama,

Detaylı

Halka Arz Tarihi 07/11/2008 Portföy Yöneticileri. Fon Toplam Değeri 527, Fonun Yatırım Amacı, Stratejisi ve Riskleri

Halka Arz Tarihi 07/11/2008 Portföy Yöneticileri. Fon Toplam Değeri 527, Fonun Yatırım Amacı, Stratejisi ve Riskleri A. TANITICI BİLGİLER PORTFÖY BİLGİLERİ YATIRIM VE YÖNETİME İLİŞKİN BİLGİLER Halka Arz Tarihi 07/11/2008 Portföy Yöneticileri 31.12.2008 tarihi itibariyle Murat İNCE Vahap Tolga KOTAN Doruk ERGUN Fon Toplam

Detaylı

Ýþletme Enstitüsü Finans Ekonomisi Yüksek Lisans Programý (Tezli)

Ýþletme Enstitüsü Finans Ekonomisi Yüksek Lisans Programý (Tezli) Ýþletme Enstitüsü Finans Ekonomisi Yüksek Lisans Programý (Tezli) ECON 517 - Finansal Ekonometri DERS TANITIM BÝLGÝLERÝ Dersin Adý Kodu Yarýyýl Teori (saat/hafta) Uygulama/Laboratuar (saat/hafta) Yerel

Detaylı

YÖNEYLEM ARAŞTIRMASI - III

YÖNEYLEM ARAŞTIRMASI - III YÖNEYLEM ARAŞTIRMASI - III Prof. Dr. Cemalettin KUBAT Yrd. Doç. Dr. Özer UYGUN İçerik Quadratic Programming Bir karesel programlama modeli aşağıdaki gibi tanımlanır. Amaç fonksiyonu: Maks.(veya Min.) z

Detaylı

FİRMA KARLILIĞINI ETKİLEYEN FAKTÖRLERİN SAHİPLİK YOĞUNLAŞMASI DOĞRULTUSUNDA TESPİTİ: AMPİRİK BİR YAKLAŞIM

FİRMA KARLILIĞINI ETKİLEYEN FAKTÖRLERİN SAHİPLİK YOĞUNLAŞMASI DOĞRULTUSUNDA TESPİTİ: AMPİRİK BİR YAKLAŞIM Süleyman Demirel Üniversitesi İktisadi ve İdari Bilimler Fakültesi Dergisi Y.217, C.22, S.1, s.95-112. Suleyman Demirel University The Journal of Faculty of Economics and Administrative Sciences Y.217,

Detaylı

Geriye Yayılım ve Levenberg Marquardt Algoritmalarının YSA Eğitimlerindeki Başarımlarının Dinamik Sistemler Üzerindeki Başarımı. Mehmet Ali Çavuşlu

Geriye Yayılım ve Levenberg Marquardt Algoritmalarının YSA Eğitimlerindeki Başarımlarının Dinamik Sistemler Üzerindeki Başarımı. Mehmet Ali Çavuşlu Geriye Yayılım ve Levenberg Marquardt Algoritmalarının YSA Eğitimlerindeki Başarımlarının Dinamik Sistemler Üzerindeki Başarımı Mehmet Ali Çavuşlu Özet Yapay sinir ağlarının eğitiminde genellikle geriye

Detaylı

CETP KOMPOZİTLERİN DELİNMELERİNDEKİ İTME KUVVETİNİN ANFIS İLE MODELLENMESİ MURAT KOYUNBAKAN ALİ ÜNÜVAR OKAN DEMİR

CETP KOMPOZİTLERİN DELİNMELERİNDEKİ İTME KUVVETİNİN ANFIS İLE MODELLENMESİ MURAT KOYUNBAKAN ALİ ÜNÜVAR OKAN DEMİR CETP KOMPOZİTLERİN DELİNMELERİNDEKİ İTME KUVVETİNİN ANFIS İLE MODELLENMESİ MURAT KOYUNBAKAN ALİ ÜNÜVAR OKAN DEMİR Çalışmanın amacı. SUNUM PLANI Çalışmanın önemi. Deney numunelerinin üretimi ve özellikleri.

Detaylı

TÜRKİYE CUMHURİYET MERKEZ BANKASI PARA POLİTİKASININ GECELİK REPO FAİZ ORANLARININ OYNAKLIĞI ÜZERİNDEKİ ETKİSİ ÖZET

TÜRKİYE CUMHURİYET MERKEZ BANKASI PARA POLİTİKASININ GECELİK REPO FAİZ ORANLARININ OYNAKLIĞI ÜZERİNDEKİ ETKİSİ ÖZET İktisat Politikası Araştırmaları Dergisi Journal of Economic Policy Researches Cilt/Volume:3, Sayı/Issue:1, Yıl/Year: 2016, 37-54 TÜRKİYE CUMHURİYET MERKEZ BANKASI PARA POLİTİKASININ GECELİK REPO FAİZ

Detaylı

EM302 Yöneylem Araştırması 2 Çok değişkenli DOP ların çözümü. Dr. Özgür Kabak

EM302 Yöneylem Araştırması 2 Çok değişkenli DOP ların çözümü. Dr. Özgür Kabak EM302 Yöneylem Araştırması 2 Çok değişkenli DOP ların çözümü Dr. Özgür Kabak Doğrusal olmayan programlama Tek değişkenli DOP ların çözümü Uç noktaların analizi Altın kesit Araması Çok değişkenli DOP ların

Detaylı

31 Aralık 2017 tarihi itibarıyla yatırım performansı konusunda kamuya açıklanan bilgilere ilişkin rapor

31 Aralık 2017 tarihi itibarıyla yatırım performansı konusunda kamuya açıklanan bilgilere ilişkin rapor 31 Aralık 2017 tarihi itibarıyla yatırım performansı konusunda kamuya açıklanan bilgilere ilişkin rapor A. TANITICI BİLGİLER PORTFÖY BİLGİLERİ YATIRIM VE YÖNETİME İLİŞKİN BİLGİLER Halka Arz Tarihi 13.10.1992

Detaylı

ALKÜ EKONOMİ ve FİNANS BÖLÜMÜ ISL 207 İSTATİSTİK I ALIŞTIRMALAR

ALKÜ EKONOMİ ve FİNANS BÖLÜMÜ ISL 207 İSTATİSTİK I ALIŞTIRMALAR ALKÜ EKONOMİ ve FİNANS BÖLÜMÜ ISL 207 İSTATİSTİK I ALIŞTIRMALAR 1- İlaçla tedavi edilen 7 hastanın ortalama iyileşme süresi 22.6 gün ve standart sapması.360 gündür. Ameliyatla tedavi edilen 9 hasta için

Detaylı