ZAMAN SERİLERİ -1 ÖNGÖRÜ : İncelenen bir değişkenin şimdiki ve geçmiş dönemdeki gözlem değerlerini kullanarak bir takım varsayımlar altında ön dönemlerdeki Değerlerinin hangi güven sınırları arasında gerçekleşebileceğini ortaya koymak için yapılan uğraşıdır. Öngörü amacıyla çeşitli seriler dikkate alınabilir. Bunlar içinde en çok dikkate alınan “Zaman Serilerine dayalı istatistiksel yöntemlerdir”. Zaman serisi verilerinin kullanıldığı ilk öngörü modelleri olan AR, MA, ARMA süreçlerinin dayandığı temel varsayım ; Zaman serisinin “Durağan” olmasıdır. dikkat 2004 Dr.Tayfun ÖZDEMİR

“Birleştirilmiş Otoregresif Hareketli Ortalama” ZAMAN SERİLERİ -2 Borsa endeksi, hisse senedi fiyatları ve getirileri, portföy getirileri, döviz kurları.........gibi veriler “Durağan olmayan” ama Durağanlaştırılabilir Zaman Serileridir. ARIMA( Box-Jenkins) : Tek değişkenli zaman serilerinin tahmininde kullanılır. “Birleştirilmiş Otoregresif Hareketli Ortalama” Bu tür zaman serilerini kullanarak öngörü yapılabilmesine olanak tanır (1976). “Yöntem : ekonomik zaman serilerinin olasılık veya stokastik özelliklerini analiz etmeye yöneliktir. dikkat 2004 Dr.Tayfun ÖZDEMİR

ARCH : Otoregresif Koşullu Değişken Varyans ZAMAN SERİLERİ -3 AR, MA, ARMA gibi (geleneksel modellerde) Hata teriminin varyansı sabit kabul edilir. Halbuki , bir çok zaman serisi bir durağan dönemi izleyen ani ve büyük değişkenlikler gösteren dönemler ortaya koyarlar. ARCH : Otoregresif Koşullu Değişken Varyans ve GARCH : Genelleştirilmiş Otoregresif Koşullu Değişken Varyans yöntemleri değişkenliklerin davranışı ile ilgili 2 modeldir. Bu modeller, bir serinin zaman içinde belli bir andaki varyansının tahmin edilebilmesini sağladığından yaygın biçimde kullanılırlar. dikkat 2004 Dr.Tayfun ÖZDEMİR

“Birleştirilmiş Otoregresif Hareketli Ortalama”-1 ARIMA( Box-Jenkins) : Tek değişkenli zaman serilerinin tahmininde kullanılır. “Birleştirilmiş Otoregresif Hareketli Ortalama”-1 Bu öngörü yönteminin esası ; Zaman serilerinin olasılıklı veya rassal özelliklerinin analizine dayanmaktadır. Bağımlı değişkenin (Xt), açıklayıcı değişkenler tarafından açıklandığı regresyon modellerinin tersine, ARIMA türü zaman serisi modellerinde bağımlı değişken, geçmiş dönem veya gecikmeli değerleri ve rassal hata terimleri ile açıklanabilir. Bu sebeple,“Tek değişkenli bir istatistiksel öngörü” yöntemidir. ARIMA, eşit zaman aralıklarıyla elde edilen gözlem değerlerinden oluşan “kesikli ve durağan Z.S için ileriye dönük öngörü modellerinin kurulması ve öngörüde bulunulması bakımından sistematik bir yaklaşım getirmektedir. dikkat 2004 Dr.Tayfun ÖZDEMİR

“Birleştirilmiş Otoregresif Hareketli Ortalama”-2 ARIMA( Box-Jenkins) : Tek değişkenli zaman serilerinin tahmininde kullanılır. “Birleştirilmiş Otoregresif Hareketli Ortalama”-2 Eşit zaman aralıklarıyla elde edilen gözlemlerden oluşan serinin kesikli ve durağan olması yöntemin en önemli varsayımlarıdır. Bu modeller, Uygulama yönünden, Zaman serisini oluşturan ve birbirini izleyen en aşağı 75 gözlem değerinin bulunduğunu varsayar. (Uygulamada 30-40 gözlem değerinin bulunması yeterli görülür) Durağan olmayan Z.Serisinin ileriye dönük tahmininde ; Box-Jenkins yönteminin uygulanabilmesi için önce serinin DURAĞAN hale getirilmesi gereklidir. “Bir Z.S’nin zaman boyunca ortalaması ve varyansı sabitse, ve herhangi iki zaman noktasında yapılan gözlemler arasındaki kovaryansın değeri hesaplandığı gerçek zamana değil, sadece zaman arasındaki aralığa bağlı ise, sürecin durağan olduğu söylenir. dikkat 2004 Dr.Tayfun ÖZDEMİR