Koşullu Volatilitenin Modellenmesinde Destek Vektör Makinesi GARCH Modeli ve Türk Finans Piyasaları Üzerine Bir Uygulama
|
|
- Ata Özmen
- 6 yıl önce
- İzleme sayısı:
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:2149-8598 Vol: 3, Issue: 14, pp. 122-128 www.javstudies.com Javstudies@gmail.com Disciplines: Business Administration, Economy, Econometrics,
DetaylıHİSSE 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
DetaylıĐMKB 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
DetaylıYAPAY 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
DetaylıEAD 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
Detaylı2008 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
DetaylıMakroekonomik 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,
Detaylı3 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
DetaylıBNK10 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
DetaylıVolatilite 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
DetaylıİMKB 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
DetaylıEğitim / 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
DetaylıKoşullu 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
DetaylıDÖVĐZ 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
DetaylıBİLECİK 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
DetaylıEndüstriyel 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
DetaylıKoşullu 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
Detaylı2008 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
DetaylıOynaklık 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,
DetaylıMakroekonomik 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,
DetaylıDERS 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
DetaylıA. 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,
Detaylıİçindekiler. Ön Söz... xiii
İçindekiler Ön Söz.................................................... xiii Bölüm 1 İstatistiğe Giriş....................................... 1 1.1 Giriş......................................................1
Detaylıİş 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
DetaylıBİST-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
DetaylıPopülasyon 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
DetaylıNaive 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
DetaylıTABLO-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
DetaylıIMKB'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.
Detaylı2. 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
DetaylıMOCKUS 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,
DetaylıBorsa 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
DetaylıTABLO-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
DetaylıDERS 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
DetaylıDÖVĐZ 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.
DetaylıInternational 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,
DetaylıTürkiye 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
DetaylıAkademik 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
DetaylıİSTANBUL 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
DetaylıPSM 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
DetaylıKPSS 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
DetaylıT.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
DetaylıDokuz 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
DetaylıOluşturulan 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
DetaylıQUANTILE 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
DetaylıBIST 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
DetaylıMorgan 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
DetaylıYAPISAL 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
DetaylıR 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
DetaylıÇİMENTO 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
DetaylıBÖLÜM 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...
DetaylıÖZGEÇMİŞ 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
DetaylıMURAT 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
DetaylıZAMAN 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
DetaylıHisse 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
Detaylı2.1 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...............
DetaylıDestekçi 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
DetaylıUzaktan 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
DetaylıEME 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)
DetaylıFİNANSAL 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
DetaylıYBS 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
Detaylı2016 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
DetaylıEME 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
DetaylıBankaların 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
Detaylı2. 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
DetaylıR 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
DetaylıTürkiye 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
DetaylıZAMAN 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
DetaylıSürelerine 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
DetaylıGelişmekte 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.
DetaylıÖrnek. 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
DetaylıİÇİNDEKİLER 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
Detaylı7.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
DetaylıKoşullu 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
DetaylıPARAMETRİK 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
DetaylıOTOMOBİL 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
DetaylıÜSTEL 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
DetaylıÖZGEÇMİŞ 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,
DetaylıCEVAP 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
DetaylıSTRATEJİ 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
DetaylıKorelasyon, 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.
DetaylıÝþletme 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
DetaylıYÖNEYLEM 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
DetaylıDoç. 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
DetaylıSTRATEJİ 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
DetaylıMerkez 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
DetaylıFİNANSAL 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,
DetaylıBKİ 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
DetaylıYrd. 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
DetaylıTanımlayıcı 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,
DetaylıHalka 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
DetaylıÝþletme 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
DetaylıYÖNEYLEM 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
DetaylıFİRMA 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,
DetaylıGeriye 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
DetaylıCETP 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.
DetaylıTÜRKİYE 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
DetaylıEM302 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
Detaylı31 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
DetaylıALKÜ 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