Sunum yükleniyor. Lütfen bekleyiniz

Sunum yükleniyor. Lütfen bekleyiniz

Zaman Serileri Analizi M.Vedat PAZARLIO Ğ LU Ekonometricinin Amacı Nedir? 14.04.2015 2 Öngörü, Yorumlama, Hipotez Testleri. 14.04.2015Pazarlıo ğ lu.

Benzer bir sunumlar


... konulu sunumlar: "Zaman Serileri Analizi M.Vedat PAZARLIO Ğ LU Ekonometricinin Amacı Nedir? 14.04.2015 2 Öngörü, Yorumlama, Hipotez Testleri. 14.04.2015Pazarlıo ğ lu."— Sunum transkripti:

1

2 Zaman Serileri Analizi M.Vedat PAZARLIO Ğ LU

3 Ekonometricinin Amacı Nedir? 14.04.2015 2 Öngörü, Yorumlama, Hipotez Testleri. 14.04.2015Pazarlıo ğ lu

4 Neden Öngörü Gerekli? Karar vericiler gelece ğ in nasıl şekillenece ğ ini tam olarak bilemediklerinden dolayı belirsizlik altında karar verirler. Ancak verdikleri kararlar ile kurumların gelece ğ inide etkilemektedirler. Bu durumda karar vericiler “do ğ ru karar verme” baskısı altındadırlar. 14.04.2015Pazarlıo ğ lu

5 Neden Öngörü Gerekli? Bu nedenler verdikleri kararların nesnel ölçütlere dayanması gerekmektedir. Bunun için de gelece ğ in nasıl şekillenece ğ i nesnel ölçütlere dayanan öngörüde bulunarak karar verirler. Öngörüde bulunurlarken 14.04.2015Pazarlıo ğ lu

6 Neden Öngörü Gerekli? Reklam harcamaları bütçemiz %15 arttırıldı ğ ında satışlarımız ne kadar artar? Maliye Bakanlı ğ ı olarak önümüzdeki yıl ne kadar vergi toplayabiliriz? Numara de ğ iştirme ile birlikte abonelerin % kaçı operatörlerini de ğ iştirecek? Hangi etmenler satışlarımızı etkilemektedir? Önümüzdeki yıl $ ve €’nun TL karşısındaki bant aralı ğ ı ne olur? 14.04.2015Pazarlıo ğ lu

7 Öngörü Adımları 1.Veri toplama 2.Veri indirgeme 3.Modelin kurulması ve de ğ erlendirilmesi 4.Modelden bilinen verilere dayanan öngörü 5.Modelin kullanılması 14.04.2015Pazarlıo ğ lu

8 Öngörü Sürecinin Yönetimi-1 Öngörü neden gereklidir? Öngörü sonuçlarını kim ya da kimler kullanacak? Öngörü ile ilgili ayrıntı düzeyi nedir? Veri var mıdır? Veri varsa yeterli midir? 14.04.2015Pazarlıo ğ lu

9 Öngörü Sürecinin Yönetimi-2 Öngörü maliyetleri nedir? Öngörünün sa ğ layaca ğ ı faydalar nelerdir? Karar verme sürecine faydası olacak öngörü zamanında yapılabilecek mi? Öngörüyü yapan kişi öngörünün kurumunda nasıl kullanılaca ğ ını anlamış mı? 14.04.2015Pazarlıo ğ lu

10 Öngörü Sürecinin Yönetimi-3 Yapılan öngörüyü de ğ erlendirmek ya da öngörü sürecini düzeltmek için geri bildirim süreci mevcut mu? 14.04.2015Pazarlıo ğ lu

11 Temel Kavramlar 14.04.2015Pazarlıo ğ lu

12 Örnek 1-1 500 büyük firmadan ilk 209 firmanın dışa açılma oranları 17151191417151291811 23251823215101311441 22182720922121343 18121814171219110317 8201425115161812178 77111216104 3127 5361213142013985 21116812118791619 4907112217213 722 142214516143122716 14 12187142014127 36101413614781611 16141014 615111819 7 891022391712 3820161 411 22 812132211332203 1013819351410161014 11212321208711914 203618 121512 7 17222192861611228 14.04.2015Pazarlıo ğ lu

13 Örnek 1-2 500 büyük firmadan ilk 209 firmanın dışa açılma oranları Dışa Açılma%Frekans 0-4.993 05-9,9924 10-14,9944 15-19,9967 20-24,9943 25-29,9919 30-34,993 35-34,991 40-44,993 45 ve üstü2 14.04.2015Pazarlıo ğ lu

14 Örnek 1-3 500 büyük firmadan ilk 209 firmanın dışa açılma oranları 14.04.2015Pazarlıo ğ lu

15 Örnek 2-1 1968-2005 yıllarında Türkiye’nin GSMH (1987 fiyatlarıyla, bin YTL.) YıllarGSMHYıllarGSMHYıllarGSMH 196831,635.20198153,316.85199491,733.01 196933,002.58198254,963.22199599,028.24 197034,468.62198357,279.001996106,079.78 197136,897.38198461,349.831997114,874.20 197240,279.25198563,989.101998119,303.12 197342,255.00198668,314.881999112,043.83 197443,633.17198775,019.392000119,144.47 197546,275.41198876,108.142001107,783.06 197650,437.97198977,347.312002116,337.62 197751,944.34199084,591.722003123,164.99 197852,582.17199184,887.072004135,308.02 197952,324.18199290,322.522005145,650.60 198050,869.92199397,676.592006 14.04.2015Pazarlıo ğ lu

16 Örnek 2-2 1968-2005 yıllarında Türkiye’nin GSMH (1987 fiyatlarıyla, bin YTL.) 14.04.2015Pazarlıo ğ lu

17 Örnek 2-3 1968-2005 yıllarında Türkiye’nin GSMH (1987 fiyatlarıyla, bin YTL.) 14.04.2015Pazarlıo ğ lu

18 Örnek 3-1 GSY İ H (1998 yılı fiyatlarıyla, Bin YTL) 14.04.2015Pazarlıo ğ lu

19 Örnek 4-1 İ malat Sanayi İ ndeksi (1997 bazlı) 14.04.2015Pazarlıo ğ lu

20 Veriler Temel Özellikleri 1.Veriler güvenilir ve do ğ ru olmalıdır. 2.Veriler uygun (=iyi seçilmiş)olmalıdır. 3.Veriler tutarlı olmalıdır. 4.Veriler sıralı olmalıdır. 14.04.2015Pazarlıo ğ lu

21 Veri Tipleri 1.Kesit Verisi Serileri 2.Zaman Verisi Serileri 3.Panel Verisi Serileri 14.04.2015Pazarlıo ğ lu

22 Zaman Serileri-1 Zaman serileri bir dönemden di ğ erine de ğ işkenlerin de ğ erlerinin ardışık bir şekilde gözlendi ğ i sayısal büyüklüklerdir. Dizinin gelişimini görmek için zaman serisi verileri düzenli aralıklarla elde edilmelidir. 14.04.2015Pazarlıo ğ lu

23 Zaman Serileri-1 Zaman serileri bir dönemden di ğ erine de ğ işkenlerin de ğ erlerinin ardışık bir şekilde gözlendi ğ i sayısal büyüklüklerdir. Dizinin gelişimini görmek için zaman serisi verileri düzenli aralıklarla elde edilmelidir. 14.04.2015Pazarlıo ğ lu

24 Zaman Serileri-II Zaman serisi analizlerinde verilerin sırasının önemi büyüktür. Zaman serisi verilerinin di ğ er seri verilerinden farklı olmasının en belirgin özelli ğ i, zaman süreci içersinde serideki gözlem de ğ erlerinin birbiri ile ba ğ ımlı olmasıdır. 14.04.2015Pazarlıo ğ lu

25 Zaman Serileri-III Zaman serilerinin gelecekte gösterecekleri performans ve davranış biçimini önceden kestirmek karar verme açısından önemlidir. Zaman serileri Analizi bir serinin özelliklerini özetler ve serinin göze çarpan yapısını ortaya koymaya çalışır. Zaman serileri analizleri hem zaman boyutunda hem de frekans boyutunda yapılabilir. 14.04.2015Pazarlıo ğ lu

26 Zaman Serileri-IV Zaman serileri analizleri de ğ işken sayısına göre tek de ğ işkenli ve çok de ğ işkenli olmak üzere iki başlık altında da incelenebilir. Zaman serisi için kurulan model, serinin gelecekte alabilece ğ i de ğ erleri öngörmelidir. Zaman serisi modelleri serinin iç dinamiklerinde hareketle serinin davranışlarını açıklamaya çalışır. Bu açıdan ekonometrik modeller ile farklılık gösterir. 14.04.2015Pazarlıo ğ lu

27 Zaman Serisinin Unsurları 14.04.2015Pazarlıo ğ lu Trend Unsuru, Mevsimsel Hareketler, Devri Hareketler, Düzensiz Hareketler

28 Zaman Serisinin Ayrıştırılması 14.04.2015Pazarlıo ğ lu Zaman serilerinin özelliklerini belirlemek için baş vurulan temel yöntemlerden birisi geleneksel zaman serisi ayrışım yöntemidir. Zaman serilerinin geleneksel ayrışım yöntemi, serideki trend, konjonktür, mevsimsel ve düzensiz hareketlerin ayrıştırılmasıdır. İ lk adım serinin da ğ ılma grafi ğ inin çizilmesidir. İ kinci adım ise çarpımsal veya toplamsal model kullanılarak seri ayrıştırılır.

29 Trend 14.04.2015Pazarlıo ğ lu Zamana göre gözlemlenen bir de ğ işkenin uzun dönemde gösterdi ğ i artış veya azalışa trend denilir. Trend - do ğ rusal - do ğ rusal olmayan

30 Trend 14.04.2015Pazarlıo ğ lu Trend zaman serisinin ölçüldü ğ ü her hangi bir birimde yani yıl, çeyrek, ay,hafta ve gün birimlerinde gözlemlenebilir. Buna karşılık zaman serisinin di ğ er unsurları bütün zaman birimlerinde belli olmaz. Örne ğ in mevsimsel unsur yıllık zaman serisinde görülemez.

31 Trend Do ğ rusu 14.04.2015Pazarlıo ğ lu T t =1 + 0.1t

32 Devri Hareketler 14.04.2015Pazarlıo ğ lu Zaman serisindeki dalgalanmalar bir yıldan daha uzun dönemi kapsar şekilde seyir izliyorsa bu gidişat devri hareketler unsuru olarak adlandırılır. Devri hareketler dönem uzunlu ğ u ve şiddeti açısından farklılıklar gösterirler. Yani mevsimsel unsurdaki gibi benzer de ğ ildirler.

33 Devri Hareketler Örne ğ i 1968-2005 yıllarında Türkiye’nin GSMH (1987 fiyatlarıyla, bin YTL.) 14.04.2015Pazarlıo ğ lu

34 Mevsimsel Hareketler 14.04.2015Pazarlıo ğ lu Zaman serileri ölçüldükleri birime ba ğ lı olarak benzer biçimde tekrar eden seyire sahip olabilirler. İ şte bu seyire mevsimsel unsur denilmektedir. Bu seyir dalgaya benzer yapıdadır. Bir dalganın zaman boyutu tekrarlama dönemi olarak tanımlanmaktadır. Bir mevsimsel unsurun tekrarlama dönemi ise en çok bir yıldır.

35 Mevsimsel Hareketler Örne ğ i GSY İ H (1998 yılı fiyatlarıyla, Bin YTL) 14.04.2015Pazarlıo ğ lu

36 Mevsimsel Unsur Grafi ğ i 14.04.2015Pazarlıo ğ lu S t =1.6sin(t  /2)

37 Düzensiz (Tesadüfi) Hareketler 14.04.2015Pazarlıo ğ lu Zaman serisi verilerindeki öngörülmeyen ve trend, mevsimsel ve konjonktür unsurlarla ba ğ lantılı olmayan de ğ işmelere tesadüfi unsur denilir. Tesadüfi unsur genellikle verilerdeki “gürültü” olarak söz edilir. Sahip oldu ğ u seyri tanımlanamayan zaman serisi tamamıyla tesadüfidir ve yalnızca gürültü içerirler.

38 Düzensiz (Tesadüfi) Hareketler 14.04.2015Pazarlıo ğ lu I t =0.7I t-1 +e t

39 Zaman Serisinin Unsurları 14.04.2015Pazarlıo ğ lu T t =1 + 0.1t S t =1.6sin(t  /2) I t =0.7I t-1 +e t

40 E ğ ilim-Tabanlı Öngörü-I 14.04.2015Pazarlıo ğ lu Zaman Serisinde trendin varlı ğ ı ya da trendi modellemek için kullanılan öngörü tekni ğ idir. Genellikle dört aşamada uygulanır: 1.Modelin tanımlanma aşaması: Zaman serisinin da ğ ılma grafi ğ i çizilerek serinin nasıl bir e ğ ilim gösterdi ğ ine karar verilir.

41 E ğ ilim-Tabanlı Öngörü-2 14.04.2015Pazarlıo ğ lu 2. Modelin tahmin edilmesi : E ğ ilimin fonksiyonel biçiminin katsayıları uygun yöntemle tahmin edilir. 3. Modelin geçerlili ğ ine karar verilmesi : Tahmin edilen modelin belirlilik katsayısı, t-istatisti ğ i, F-istatisti ğ i v.b. istatistiklere bakılarak modelin öngörü için kullanılmaya uygun olup olmadı ğ ına karar verilir. 4. Modelin kullanılması:Uygun model karar vericiler ya da iktisat politikaları uygulayıcıları tarafından de ğ erlendirilir.

42 E ğ ilim-Tabanlı Öngörü-3 14.04.2015Pazarlıo ğ lu Yıllar 1991 1992 1993 1994 1995 1996 1997 1998 1999 2000 Satışlar 300,000 295,000 330,000 345,000 320,000 370,000 390,000 400,000 395,000 430,000 ABC şirketinin 10 yıllık Dondurma Satış Verileri

43 E ğ ilim-Tabanlı Öngörü-4 14.04.2015Pazarlıo ğ lu

44 E ğ ilim-Tabanlı Öngörü-5 14.04.2015Pazarlıo ğ lu

45 E ğ ilim-Tabanlı Öngörü-6 14.04.2015Pazarlıo ğ lu Model 1: OLS estimates using the 10 observations 1991-2000 Dependent variable: satislar coefficient std. error t-ratio p-value -------------------------------------------------------- const 277333 9914.66 27.97 2.88e-09 *** time 14575.8 1597.89 9.122 1.68e-05 *** Mean dependent var 357500.0 S.D. dependent var 46203.05 Sum squared resid 1.69e+09 S.E. of regression 14513.58 R-squared 0.912289 Adjusted R-squared 0.901325 F(1, 8) 83.20842 P-value(F) 0.000017 Log-likelihood -108.9021 Akaike criterion 221.8041 Schwarz criterion 222.4093 Hannan-Quinn 221.1403 rho -0.371095 Durbin-Watson 2.653991

46 E ğ ilim-Tabanlı Öngörü-7 14.04.2015Pazarlıo ğ lu Analysis of Variance: Sum of squares df Mean square Regression 1.75273e+010 1 1.75273e+010 Residual 1.68515e+009 8 2.10644e+008 Total 1.92125e+010 9 2.40156e+009 R^2 = 1.75273e+010 / 1.92125e+010 = 0.912289 F(1, 8) = 1.75273e+010 / 2.10644e+008 = 83.2084 [p-value 1.68e-005]

47 E ğ ilim-Tabanlı Öngörü-8 14.04.2015Pazarlıo ğ lu Model estimation range: 1991 - 2000 Standard error of the regression = 14513.6 satislar fitted residual 1991 300000.00 291909.09 8090.91 1992 295000.00 306484.85 -11484.85 1993 330000.00 321060.61 8939.39 1994 345000.00 335636.36 9363.64 1995 320000.00 350212.12 -30212.12 1996 370000.00 364787.88 5212.12 1997 390000.00 379363.64 10636.36 1998 400000.00 393939.39 6060.61 1999 395000.00 408515.15 -13515.15 2000 430000.00 423090.91 6909.09

48 E ğ ilim-Tabanlı Öngörü-9 14.04.2015Pazarlıo ğ lu t(8, 0.025) = 2.306 VARIABLE COEFFICIENT 95% CONFIDENCE INTERVAL const 277333 254470. 300197. time 4575.8 10891.0 18260.5

49 E ğ ilim-Tabanlı Öngörü-10 14.04.2015Pazarlıo ğ lu Covariance matrix of regression coefficients: const time 9.83005e+07 -1.40429e+07 const 2.55326e+06 time

50 E ğ ilim-Tabanlı Öngörü-1I 14.04.2015Pazarlıo ğ lu

51 E ğ ilim-Tabanlı Öngörü-12 14.04.2015Pazarlıo ğ lu

52 E ğ ilim-Tabanlı Öngörü-13 14.04.2015Pazarlıo ğ lu

53 E ğ ilim-Tabanlı Öngörü-14 14.04.2015Pazarlıo ğ lu 1991 yılına ait cari gözlem de ğ eri 300 000 TL iken öngörü de ğ eri 291 909.08 TLolarak elde edilmiştir. 300 000 TL -291 909.08 TL= 8 090.92TL

54 E ğ ilim-Tabanlı Öngörü-15 14.04.2015Pazarlıo ğ lu t zamanındaki cari gözlem de ğ eri ile t zamanındaki öngörü de ğ eri arasındaki fark öngörü hatası ya da artık olarak isimlendirilir. Öngörü hatasının 0’a yakınlaşması modelin cari de ğ erlere olan uyumunu gösterir. Ayni zamanda, bu öngörü hatası de ğ erlerin sistematik bir davranış göstermemesi beklenir.

55 E ğ ilim-Tabanlı Öngörü-16 14.04.2015Pazarlıo ğ lu Modelin uyumunu sınayan ve yaygın olarak kullanılan iki ölçü vardır: 1.Hata kareler ortalaması (MSE) 2.Mutlak sapma ortalaması (MAD) y t = t zamanındaki cari gözlem de ğ eri, F t =t zamanındaki öngörü de ğ eri, n=gözlem sayısı

56 E ğ ilim-Tabanlı Öngörü-17 14.04.2015Pazarlıo ğ lu YıllarSatışlarÖngörüArtık 1991300000291909.18090.91 1992295000306484.9-11484.85 1993330000321060.68939.39 1994345000335636.49363.64 1995320000350212.1-30212.12 1996370000364787.95212.12 1997390000379363.610636.36 1998400000393939.46060.61 1999395000408515.2-13515.15 2000430000423090.96909.09 Toplam (y t -F t ) 2 65462824.63 131901779.5 79912693.57 87677754.05 912772194.9 27166194.89 113132154 36730993.57 182659279.5 47735524.63 1685151393  y t -F t  8090.91 11484.85 8939.39 9363.64 30212.12 5212.12 10636.36 6060.61 13515.15 6909.09 110424.2

57 E ğ ilim-Tabanlı Öngörü-18 14.04.2015Pazarlıo ğ lu

58 E ğ ilim-Tabanlı Öngörü-19 14.04.2015Pazarlıo ğ lu E ğ ilim Öngörüsü Trend Projeksiyonu

59 E ğ ilim-Tabanlı Öngörü-20 14.04.2015Pazarlıo ğ lu

60 E ğ ilim-Tabanlı Öngörü-21 14.04.2015Pazarlıo ğ lu Model 1: OLS estimates using the 7 observations 1991-1997 Dependent variable: satislar coefficient std. error t-ratio p-value -------------------------------------------------------- const 277143 14232.0 19.47 6.59e-06 *** time 14642.9 3182.38 4.601 0.0058 *** Mean dependent var 335714.3 S.D. dependent var 35169.66 Sum squared resid 1.42e+09 S.E. of regression 16839.58 R-squared 0.808951 Adjusted R-squared 0.770741 F(1, 5) 21.17128 P-value(F) 0.005834 Log-likelihood -76.87533 Akaike criterion 157.7507 Schwarz criterion 157.6425 Hannan-Quinn 156.4136 rho -0.377616 Durbin-Watson 2.574847

61 E ğ ilim-Tabanlı Öngörü-22 14.04.2015Pazarlıo ğ lu YıllarSatışlarÖngörüArtık 1998400000394285.655714.35 1999395000408928.50-13928.50 2000430000423571.356428.65 Toplam (y t -F t ) 2 32653795.92 194003112.25 41327540.82 267984448.995  y t -F t  5714.35 13928.50 6428.65 26071.5


"Zaman Serileri Analizi M.Vedat PAZARLIO Ğ LU Ekonometricinin Amacı Nedir? 14.04.2015 2 Öngörü, Yorumlama, Hipotez Testleri. 14.04.2015Pazarlıo ğ lu." indir ppt

Benzer bir sunumlar


Google Reklamları