E ğ ilim-Tabanlı Öngörü-23 25.04.2015Pazarlıo ğ lu Öngörü gerçekleşen de ğ erin altında ya da üstünde olabilir. Bu duruma öngörü sapması adı verilir. Öngörü.

Slides:



Advertisements
Benzer bir sunumlar
ZAMAN SERİLERİ -1 ÖNGÖRÜ :
Advertisements

Portföy oluşturulurken göz önünde bulundurulması gereken diğer bir gösterge de “Değişim Katsayısıdır” *Değişim katsayısı,her birim getiri için riski ölçer.
BENZETİM Prof.Dr.Berna Dengiz 7. Ders.
İstatistik Tahmin ve Güven aralıkları
Box-Jenkins Yöntemi ile Zaman Serileri Perspektifinden Avro’ya Bakış
Zamanı Ölçme Yıl Ay Hafta Gün
Sarayköy Gazi İlköğretim Okulu
Matematik 1 Takvim Nedir?.
MODERN PORTFÖY TEORİSİ
2 dakikada hep beraber tus birikimi yapalım
2 dakikada hep beraber tus birikimi yapalım
Dünya hep dönüyor.
ZAMAN SERİLERİNDE AYRIŞTIRMA YÖNTEMLERİ
ZAMANI ÖĞRENELİM.
KOŞULLU ÖNGÖRÜMLEME.
Jeoistatistiksel Dispersiyon Modeli
GECE GÜNDÜZ Dünya’nın kendi ekseni etrafında dönmesiyle gece – gündüz oluşur.
Hedef ve Amaçlar Çocuklara mevsim ve ayları öğretmek,bunları sırasıyla sayabilme becerisini kazandırmak. Mevsimlerin hangi aylardan oluştuğunu kavratmak.
Mevsim Şeridi
PORTFÖY OPTİMİZASYONU
BİR YILDA DÖRT MEVSİM VARDIR
Zaman Serileri Analizi
Öngörü Tekniğinin Seçimi-I
Box-Jenkins Metodolojisi-I
FİNANS KURUMLARI YAZILIM PROJELERİNDE EFOR TAHMİNİ İÇİN PARAMETRİK YÖNTEMLERİN ANALİZİ Mevlüt GÜÇLÜ Kuveyt Türk Katılım Bankası Bilgi Teknolojileri ve.
Nakit bütçesi, gelecek bir dönem içinde, (“genellikle bir yıl” veya “altı ay”) nakit giriş ve çıkışlarını gösteren bir tablodur. Bu tablonun yöneticinin.
Otokorelasyon Analizi
ÇOKLU DOĞRUSAL BAĞLANTI
MEVSİMSELLİKTEN ARINDIRMA
Artık (Residual) Pazarlıo ğ lu De ğ işkenlerin cari de ğ erleri ile öngörü de ğ erleri arasındaki fark artık (residual) olarak adlandırılmaktadır.
Ölçme Sonuçlarının Değerlendirilmesi
Nakit Bütçesi Uygulaması- 3
1.HAFTA 25 Ağustos 2009 SALI 2.HAFTA 02 EYLÜL 2009 ÇARŞAMBA 3.HAFTA 08 EYLÜL 2009 SALI 4.HAFTA 16 EYLÜL 2009 ÇARŞAMBA 5.HAFTA 22 EYLÜL 2009 SALI 6.HAFTA.
ÇOKLU DOĞRUSAL BAĞLANTI
Otokorelasyon ut = r ut-1 + et -1 < r < +1 Yt = a + bXt + ut 
2010 TAKVİMİ İYİ SENELER.
OTOKORELASYON.
1.HAFTA 25 Ağustos 2009 SALI 2.HAFTA 02 EYLÜL 2009 ÇARŞAMBA 3.HAFTA 08 EYLÜL 2009 SALI 4.HAFTA 16 EYLÜL 2009 ÇARŞAMBA 5.HAFTA 22 EYLÜL 2009 SALI 6.HAFTA.
Üstel Düzeltme Yöntemi-1
Otokorelasyon Y t =  +  X t + u t  u t =  u t-1 +  t -1 <  < +1 Birinci dereceden Otokorelasyon Cov (u t,u s )  0  Birinci Dereceden Otoregressif.
OTOKORELASYON.
Tüketim Gelir
Normal Dağılımlılık EKK tahmincilerinin ihtimal dağılımları u i ’nin ihtimal dağılımı hakkında yapılan varsayıma bağlıdır.  tahminleri için uygulanan.
ÖNGÖRÜMLEME (Forecasting)
ÖĞRENME AMAÇLARI İki değişken arasındaki “ilişki” ile neyin kastedildiğini öğrenmek Farklı yapıdaki ilişkileri incelemek Ki-kare analizinin uygulandığı.
ZAMANI ÖĞRENELİM.

İstatistik-4 Prof.Dr. Cem S. Sütcü Marmara Üniversitesi İletişim Fakültesi Bilişim A.B.D. cemsutcu.wordpress.com.
Elektrik Vadeli İşlem Sözleşmeleri Piyasa Yapıcılık Uygulamaları
2016 AYLARA GÖRE MESLEK GRUPLARI YENİ KAYIT DAĞILIMLARI
BİLGİLENDİRME TOPLANTISI Öğr.Gör. Naci KANATLAR.
MEVSİMLER.
TEDARİK ZİNCİRİ YÖNETİMİ
TAHMİN I see that you will get an A this semester.
2017 OCAK-NİSAN AYLARI TÜRKİYE VE MALATYA EKONOMİSİNDEKİ GELİŞMELER
Uzun vadeli kredilerin döviz kompozisyonu
ÜSTEL DÜZLEŞTİRME YÖNTEMİ
Uzun vadeli kredilerin döviz kompozisyonu
2014 Yeni Slayt Masa Takvimi
2017 AYLARA GÖRE MESLEK GRUPLARI YENİ KAYIT DAĞILIMLARI
2010 Aylık Takvim Bu şablonu, duvar takvimi olarak kullanmak için yazdırabilir veya kendi sununuza eklemek için herhangi bir ayın sayfasını kopyalayabilirsiniz.
2010 TAKVİMİ İYİ SENELER.
İSTATİSTİKİ VERİLERE BAKTIĞIMIZ DA BORSA OLARAK BİZ NE YAPMIŞIZ..
YILLIK HAREKET ( DÜNYANIN GÜNEŞ ETRAFINDAKİ HAREKETİ ) Dünyanın, güneş etrafında, elips bir yörüngede 365 gün 6 saatte tamamladığı hareketine denir.
YILLIK HAREKET ( DÜNYANIN GÜNEŞ ETRAFINDAKİ HAREKETİ ) Dünyanın, güneş etrafında, elips bir yörüngede 365 gün 6 saatte tamamladığı hareketine denir.
2016 AYLARA GÖRE MESLEK GRUPLARI YENİ KAYIT DAĞILIMLARI
Ocak 2010 PAZARTESİ SALI ÇARŞAMBA PERŞEMBE CUMA CUMARTESİ PAZAR 1 2 3
2018 AYLARA GÖRE MESLEK GRUPLARI YENİ KAYIT DAĞILIMLARI
Normal Dağılımlılık EKK tahmincilerinin ihtimal dağılımları ui’nin ihtimal dağılımı hakkında yapılan varsayıma bağlıdır. b tahminleri için uygulanan testlerin.
2019 AYLARA GÖRE MESLEK GRUPLARI YENİ KAYIT DAĞILIMLARI
Sunum transkripti:

E ğ ilim-Tabanlı Öngörü Pazarlıo ğ lu Öngörü gerçekleşen de ğ erin altında ya da üstünde olabilir. Bu duruma öngörü sapması adı verilir. Öngörü sapması pozitif (negatif) ise gerçekleşen de ğ erin altında (üstünde) elde edilmiştir

E ğ ilim-Tabanlı Öngörü Pazarlıo ğ lu YıllarSatışlarÖngörü Öngörü sapması Model öngürü satış de ğ erlerini ortalama TL gerçek de ğ erinin üzerinde tahmin etmiştir.

Otokorelasyon Analizi Pazarlıo ğ lu Otokorelasyon, bir de ğ işkenin bir dönem gecikmeli ya da daha fazla dönem gecikmeli de ğ erleri arasındaki ilişkidir.

Gecikmeli de ğ er kavramı Pazarlıo ğ lu AylarYtYt-1Yt-2 Ocak123 Şubat Mart Nisan Mayıs Haziran Temmuz Ağustos Eylül Ekim Kasım Aralık

r k için gerekli hesaplamalar Pazarlıo ğ lu AylarYtYt Ocak123 Şubat130 Mart125 Nisan138 Mayıs145 Haziran142 Temmuz141 Ağustos146 Eylül147 Ekim157 Kasım150 Aralık160 Y t -Y ort Y t Y t-1 -Y ort (Y t -Y ort )(Y t-1 -Y ort ) (Y t -Y ort )  1704  843  1474 Y ort =142

1. Gecikme için Otokorelasyon Katsayısı Pazarlıo ğ lu

Korelogram Pazarlıo ğ lu Bir zaman serisinin farklı gecikmelerine göre hesaplanan otokorelasyon katsayılarının grafi ğ ine korelogram ya da otokorelasyon fonksiyonu adı verilir.

Otokorelasyon katsayıları Pazarlıo ğ lu Autocorrelations Series:Yt LagAutocorrelationStd. Error a Box-Ljung Statistic ValuedfSig. b 1,572,2564,9951,025 2,463,2448,5922,014 3,111,2318,8203,032 4,016,2188,8254,066 5-,033,2048,8525,115 6-,102,1899,1426,166 7-,250,17311,2487,128 8-,328,15415,7578,046 9-,466,13427,9229, ,250,10933,15810,000 a. The underlying process assumed is independence (white noise). b. Based on the asymptotic chi-square approximation.

Korelogram Pazarlıo ğ lu

Otokorelasyon katsayıları Pazarlıo ğ lu Bir zaman serisi de ğ işkeninin farklı gecikmelere göre hesaplanan otokorelasyon katsayıları izleyen soruları cevaplamakta kullanılır. 1.Veriler tesadüfi midir? 2.Veriler bir trende sahip midirler? 3.Veriler dura ğ an mıdırlar? 4.Verilerde mevsimsel hareket var mıdır?

Verilerin tesadüfi olması-I Pazarlıo ğ lu E ğ er bir seri tesadüfi ise, her hangi bir gecikmede yani Y t ve Y t-k arasındaki otokorelasyonlar sıfıra yakın olmaktadır. Bu durumda zaman serisinin ardışık de ğ erlerinin birbirleriyle ilişkisi yoktur.

Verilerin tesadüfi olması-II Pazarlıo ğ lu

Verilerin tesadüfi olması-III Pazarlıo ğ lu

Verilerin trende sahip olması Pazarlıo ğ lu E ğ er bir zaman serisi trende sahipse ise, Y t ve Y t-1 arasında yüksek korelasyon bulunacaktır. Birkaç gecikmeden sonra otokorelasyon katsayıları hızlıca sıfıra yaklaşacaktır. İ lk gecikmede otokorelasyon kat sayısı 1’e yakındır. İ kinci gecikmede de oldukça yüksektir. Ve daha sonra hızlıca azalır.

Otokorelasyon katsayıları Pazarlıo ğ lu Autocorrelations Series:Yt LagAutocorrelationStd. Error a Box-Ljung Statistic ValuedfSig. b 1,572,2564,9951,025 2,463,2448,5922,014 3,111,2318,8203,032 4,016,2188,8254,066 5-,033,2048,8525,115 6-,102,1899,1426,166 7-,250,17311,2487,128 8-,328,15415,7578,046 9-,466,13427,9229, ,250,10933,15810,000 a. The underlying process assumed is independence (white noise). b. Based on the asymptotic chi-square approximation.

Verilerin Mevsimlik harekete sahip olması Pazarlıo ğ lu E ğ er bir zaman serisi mevsimsel harekete sahipse ise, mevsimsel gecikmelerde anlamlı otokorelasyon katsayılarına sahip olacaktır.

Dura ğ anlık Pazarlıo ğ lu Zaman serisi modellerinde de ğ işkenlerin dura ğ an oldukları varsayılır. Bu varsayım etkin ve tutarlı tahminler elde etmek için gereklidir.

Dura ğ anlı ğ ın Tanımı Pazarlıo ğ lu Zaman serisi modellerinde rassal de ğ işken X t zaman boyunca ortalaması sabit ve sabit varyanslı dura ğ an bir stokastik süreç olarak tanımlanır. E(X t ) = sabit(tüm t’ ler için) Var(X t ) = sabit(tüm t’ ler için) Cov(X t,X t+k )= sabit(tüm t’ ler için tüm k0 için)

Kovaryans dura ğ anlı ğ ı Pazarlıo ğ lu Cov(X t,X t+k ) ifadesi, X’in her hangi iki de ğ eri arasında zamana göre farklılaşmayan her hangi iki de ğ eri arasında zamana de ğ il de yalnızca farka(gecikmeye) dayanan kovaryansı ve dolayısıyla korelasyonu göstermektedir. Cov(X t,X t+4 ); Cov (X 10, X 14 ) = Cov (X 13, X 17 ) =Cov (X 16,X 20 ) Cov(X t,X t+6 ); Cov (X 10, X 16 ) = Cov (X 13, X 19 ) =Cov (X 16,X 22 )

Dura ğ an-dışılık Pazarlıo ğ lu XtXt XtXt tt

Dura ğ an-dışılık-1I Pazarlıo ğ lu t XtXt