R ile Finansal Zaman Serisi Modellemesi


foto

AMAÇ

R, açık kaynak kodlu olması nedeni ile günden güne büyüyen, gelişen bir dildir. Geçmişinin çok eski olmamasına rağmen gerek akademik gerekse profesyonel çevreler tarafından desteklenmiş ve istatistiksel veri analizi için bugün dünyadaki en popüler dillerden biri haline gelmiştir. Bu eğitim, R ile finansal zaman serisi analizlerini inceleyecektir. Katılımcılara makroekonomik değişkenlerin tahmin edilmesi ve modellerin yorumlanmasını, stokastik modeller ile kur simülasyonlarının oluşturulmasını, trend ve mevsimsellik analizlerinin R ile yapılabilmesini öğretmeyi hedeflemektedir.

ODAK NOKTALARI

#R ile Zaman Serisi Analizi #R ile Regresyon Analizi #Makroekonomik Değişken Tahmini #Kur Simülasyonu #Mevsimsellik Analizi #Trend Analizi

EĞİTİMDEN BEKLENEN SONUÇLAR

Bilir: R ile etkin biçimde finansal zaman serisi analizi yapmayı bilir. Zaman serisi analizlerinde en çok kullanılan R kütüphanelerini bilir. Makroekonomik göstergelerin tahmini için R ile model oluşturmayı bilir. R ile kur simülasyonu yapmayı bilir.
Anlar: Finansal zaman serilerinin R ile analiz edilebilmesi ve yorumlayabilmesi için gerekli olan adımları anlar.
Yapar: R ile finansal zaman serilerinin karakteristiklerini belirler. Zaman serilerindeki yapısal kırılmaları inceleyerek trend ve mevsimsellik analizi yapar. R ile tek değişkenli ve çok değişkenli modeller oluşturarak hata sınamalarını (diagnostic checks) inceler. Hibrit modeller geliştirir. Kur simülasyonları, hisse senedi analizi ve makroekonomik değişken tahminlerini yapar.

HEDEF KİTLE

Eğitim, R dilini finansal zaman serisi analizlerinde kullanmak isteyen ve özellikle ekonomik araştırmalar departmanı çalışanları, risk yönetimi ve hazine çalışanlarının katılımına uygundur.

İÇERİK

  • Zaman Serisi Analizleri için Kullanılan R Paketleri
  • Zaman Serilerinin Karakteristiklerinin Belirlenmesi
    • Tanımlayıcı İstatistikler
    • Tanımlayıcı Grafikler (Plots, Boxplot, Density, Histogram, Acf, Pacf, Seasonal)
    • Zaman Serilerinde Durağanlık
    • Zaman Serilerinde Otokorelasyon
    • Zaman Serilerinde Bellek Kavramı (Long-Memory)
    • Zaman Serilerinde Değişken Varyans (ARCH Effect)
    • Zaman Serilerinin Ayrıştırılması (Decomposition: De-Trend, De-Noising)
    • Yapısal Kırılma (Structural Break)
    • Transformasyonlar (Frekans Arttırma, Azaltma)
  • Tek Değişkenli (Univariate) Zaman Serisi Analizi
    • Zaman Serisi Modelleri
      • Fiyat Tabanlı Analiz ve Kestirimler (AR, MA, ARMA, ARIMA)
      • Mevsimsellik Etkisi ile Analiz Ve Kestirim (SARIMA, SES, Holt-Winters)
      • “Long-Memory” ile Analiz ve Kestirim (ARFIMA, LSTM)
      • Volatilite Tahmin Modelleri (ARCH, GARCH, EWMA, igarch, gjrgarch)
    • Stokastik Modeller
      • GBM (Geometric Brownian Motion)
      • Vasicek
      • CIR (Cox, Ingersoll, Ross)
      • Hull-White
  • Çok Değişkenli (Multivariate) Zaman Serisi Analizi
    • Eş-Bütünleşme (Cointegration) Analizi
    • Temel Bileşen Analizi (Principal Component Analysis, PCA)
    • Nedensellik Analizi
    • Çok Değişkenli Regresyon Analizi
      • Model Oluşturma ve Model Seçimi
      • Collinearity Ve Variance İnflation
      • Model Sınamalarının Yapılması (Diagnostic Checks)
      • Kestirim (Forecast) Ve Güven Aralıklarının Oluşturulması
      • Model Performanslarının Karşılaştırılması
  • Uygulamalar
    • Hibrit Modeller ile Kur Tahmini
    • Mevsimsellik Etkisine Sahip Değişkenlerin Tahmini
    • Hisse Senedi Fiyat Analizi
    • Makroekonomik Değişkenlerin Tahmini
    • Stokastik Modeller ile Kur ve Faiz Simülasyonu ve Tahmini

EĞİTİM YETKİNLİK İLİŞKİSİ

Davranışsal Yetkinlikler: Mesleki Gelişim, Merak ve Keşfetme, Analitik Düşünme ve Yaratıcılık
Yönetsel Yetkinlikler: Hızlı Karar Alma ve Çeviklik, Sonuç Odaklılık
Mesleki/Bankacılık Teknik Yetkinlikler: Operasyonel Verimlilik, Raporlama ve Sunum Kıyaslama, Global Zeka
Öz-Gelecek Yetkinlikleri: Değişim ve Düşünce Liderliği, Öğrenme Stratejileri

NOT

Eğitim iki gün boyunca bilgisayar uygulamalı gerçekleştirilecektir.