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? Öngörü, Yorumlama, Hipotez Testleri Pazarlıo 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 Pazarlıo 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 Pazarlıo 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? Pazarlıo 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 Pazarlıo 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? Pazarlıo 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? Pazarlıo ğ lu

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

11 Temel Kavramlar Pazarlıo ğ lu

12 Örnek büyük firmadan ilk 209 firmanın dışa açılma oranları Pazarlıo ğ lu

13 Örnek büyük firmadan ilk 209 firmanın dışa açılma oranları Dışa Açılma%Frekans , , , , , , , , ve üstü Pazarlıo ğ lu

14 Örnek büyük firmadan ilk 209 firmanın dışa açılma oranları Pazarlıo ğ lu

15 Örnek yıllarında Türkiye’nin GSMH (1987 fiyatlarıyla, bin YTL.) YıllarGSMHYıllarGSMHYıllarGSMH , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , Pazarlıo ğ lu

16 Örnek yıllarında Türkiye’nin GSMH (1987 fiyatlarıyla, bin YTL.) Pazarlıo ğ lu

17 Örnek yıllarında Türkiye’nin GSMH (1987 fiyatlarıyla, bin YTL.) Pazarlıo ğ lu

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

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

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

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

28 Zaman Serisinin Ayrıştırılması Pazarlıo 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 Pazarlıo 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 Pazarlıo 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 Pazarlıo ğ lu T t = t

32 Devri Hareketler Pazarlıo 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 yıllarında Türkiye’nin GSMH (1987 fiyatlarıyla, bin YTL.) Pazarlıo ğ lu

34 Mevsimsel Hareketler Pazarlıo 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) Pazarlıo ğ lu

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

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

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

40 E ğ ilim-Tabanlı Öngörü-I Pazarlıo 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 Pazarlıo 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 Pazarlıo ğ lu Yıllar Satışlar 300, , , , , , , , , ,000 ABC şirketinin 10 yıllık Dondurma Satış Verileri

43 E ğ ilim-Tabanlı Öngörü Pazarlıo ğ lu

44 E ğ ilim-Tabanlı Öngörü Pazarlıo ğ lu

45 E ğ ilim-Tabanlı Öngörü Pazarlıo ğ lu Model 1: OLS estimates using the 10 observations Dependent variable: satislar coefficient std. error t-ratio p-value const e-09 *** time e-05 *** Mean dependent var S.D. dependent var Sum squared resid 1.69e+09 S.E. of regression R-squared Adjusted R-squared F(1, 8) P-value(F) Log-likelihood Akaike criterion Schwarz criterion Hannan-Quinn rho Durbin-Watson

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

47 E ğ ilim-Tabanlı Öngörü Pazarlıo ğ lu Model estimation range: Standard error of the regression = satislar fitted residual

48 E ğ ilim-Tabanlı Öngörü Pazarlıo ğ lu t(8, 0.025) = VARIABLE COEFFICIENT 95% CONFIDENCE INTERVAL const time

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

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

51 E ğ ilim-Tabanlı Öngörü Pazarlıo ğ lu

52 E ğ ilim-Tabanlı Öngörü Pazarlıo ğ lu

53 E ğ ilim-Tabanlı Öngörü Pazarlıo ğ lu 1991 yılına ait cari gözlem de ğ eri TL iken öngörü de ğ eri TLolarak elde edilmiştir TL TL= TL

54 E ğ ilim-Tabanlı Öngörü Pazarlıo 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 Pazarlıo 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 Pazarlıo ğ lu YıllarSatışlarÖngörüArtık Toplam (y t -F t )  y t -F t 

57 E ğ ilim-Tabanlı Öngörü Pazarlıo ğ lu

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

59 E ğ ilim-Tabanlı Öngörü Pazarlıo ğ lu

60 E ğ ilim-Tabanlı Öngörü Pazarlıo ğ lu Model 1: OLS estimates using the 7 observations Dependent variable: satislar coefficient std. error t-ratio p-value const e-06 *** time *** Mean dependent var S.D. dependent var Sum squared resid 1.42e+09 S.E. of regression R-squared Adjusted R-squared F(1, 5) P-value(F) Log-likelihood Akaike criterion Schwarz criterion Hannan-Quinn rho Durbin-Watson

61 E ğ ilim-Tabanlı Öngörü Pazarlıo ğ lu YıllarSatışlarÖngörüArtık Toplam (y t -F t )  y t -F t 


"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