ZAMAN SERS ANALZ

Ne ilgintir ki, insanlar byk lde rassal olan eylerde anlaml rnekler bulmaya alr. Mr. Data Star Trek, 1992

Zaman Serisi Analizi in Temel Kavramlar

Duraanlk ve Duraan olmama, Autoregressive and moving average Unit roots. Dickey fuller test. Cointegration and spurious regression. Cointegrationun testi.

Neden Zaman Serisi Analizi

Ama Serinin yapsnn gemi deeri dikkate alnarak tanmlanmas Neden Bu Model Kullanlr? Basit olmas, Teorinin olmamas ya da az olmas, ngr iin kolay olmas.

MAKRO-EKONOMETR
Cowles Komisyonu Motivasyon: Klasik regresyonun, large scale, e-anl denklemler, ngr ve kriz tahmininde yetersiz kalmas, Temel olarak klasik ekonometri denklemleri getirilen eletiriler, -Dynamic stability -Exogeneity (Lucas Kritii)

ZAMAN SERS VERLER VE BLEENLER

Bir zaman serisi,ilgilenilen bir bykln zaman ierisinde sralanm lmlerinin bir kmesidir. Bu analizin yaplma amac ise, gzlem kmesince temsil edilen gerein anlalmas ve zaman serisindeki deikenlerin gelecekteki deerlerinin tahmin(forecast) edilmesidir. Zaman serileri drt bileenden oluur; 1.Trend(Genel Eilim) bileeni 2.Mevsim Bileeni 3.evrimsel Bileen 4.Dzensiz Bileen

1.Trend(Genel Eilim) Bileeni Zaman serilerinin uzun srede gsterdii kararl dme ve ykselme durumudur. 2.evrimsel Bileen Ekonomide, mevsimsel deimeler ile ilgili olmayan dnemsel deimelerdir. 3.Mevsimsel Bileen Zaman serilerinde mevsimlere gre deimeyi ifade eder. 4.Dzensiz Bileen Dier unsurlar gibi belirli olmayan, hata terimi ile ifade edilebilecek deimelerdir.

TREND VE EVRMSEL BLEEN

The business cycle

Potential output

National output

Trend output

Actual output

Time

MEVSMSEL BLEEN

TOPLAMA VE ARPMA MODEL

X=T+S+C+I ya da X=TSCI Zaman serisini bileenlerin toplam ya da arpm olarak ele alabiliriz.

Box-Jenkins Yaklam ve Forecasting

Box-Jenkins yaklam zaman serilerinin duraan olduunu varsayar. Ancak duraan olmamas durumunda zaman serilerinin bir yada daha fazla kere fark alnmas gerekmekte ve duraanlatrma sonucunda ARMA yaps oluturulur. Box-Jenkis ynteminin temeli ARIMA(p,d,q) paradigmasna dayanr., otoregresif ve hareketli ortalamaya sahip zaman serilerini incelemekte ve bu ynteme gre zaman serilerinin duraanl korelogram ile tespit edilmekte ve yine zaman serisinin ne tr bir sre ierdii de korelasyon fonksiyonlar ile analiz edilmektedir.Zaman serilerinde duraan olmama durumunda fark alnarak duraanlatrlmakta,ancak eer yine duraanlk ile karlalmaz ise bu sefer verilere yine geri dnlmektedir.Ancak eer duraanlk salanm ise bu durumda model ARMA ile tahmin edilip, ngr ilemi yaplmaktadr.

AR, MA ve ARMA; Autoregressive (AR) Model

Bir AR modelinde, baml deiken gemiteki deerinin bir fonksiyonudur.Bi ok zaman serisi verisi de bu sreci tar. Basit bir AR modeli,
Yt = 0 + 1Yt 1 + t

Bu birinci dereceden bir otoregresif yani AR(1) modelidir.Genel hali, AR(p) eklindedir

AR Sreci(Process)
Yt = 0 + 1Yt 1 + t

Yt deikeninin bu gnk (current) deeri, b1 deeri ile ifade edilen gecikme deerine ve ngrlemez hata terimine eittir Bu durum AR(p) sreci iinde, xt = a+ a1*x(t-1) + a2*x(t-2) + a3*x(t-3) + ... + eklinde geniletebilinir..

AR Sreci
AR sreci iin bir rnek olarak, Bir limonata satcs olduunuzu ve her saat be bardak limonata sattnz dnrseniz .Eer siz limonata sattnz yeri kapatmak ve limonata bittii iin satmaktan vazgemek istemiyorsanz, her saat bana tkenen limonata yerine yeni limonata doldurmanz gerekir.Bylece her saat be bardak limonata satlsa da siz her zaman yerine yenisini ilave ettiinizden siz bir kaza geirmediiniz srece asla limonata satnzda bir aksama olmaz. Bu bir otoregresif sreci tarif eder.nk daha az ya da daha fazla limonata satmanz eklinde bir ok belli bir saatteki limonata seviyesini etkiler. verilebilir.

MOVNG AVERAGE (MA)

Eer serinin gecikmeli hata terimi, imdiki hata terimini etkiliyorsa hareketli ortalama sreci tanmlanr. Bir hareketli ortalama sreci, xt = et - a1et-1 -....., t = 1, 2, n eklinde ifade edilebilir. Yukardaki durum, birinci dereceden bir MA srecini yani MA(1)i tarif eder.

Moving Average(MA)
MA sreci de, xt = et - a1et-1 -....., t = 1, 2, n Hata teriminin nceki dnem deerleri ve ngrlemez hata teriminin fonksiyonudur.

MA Sreci
Hareketli ortalama sreci iin, yolda kalan kamyonlar ekmek zerenine uzmanlam olan bir irkete sahip olduunuzu dnrseniz,her bir yolda kalan aracn ekilmesi bir bamsz olay olacaktr.Deneyimleriniz aracn bozulduu yere ve araca sahip olan irketin bir tamir irketinin tamirhanesinin olduu yere bal olarak, bir aracn ekilmesi ve onun tamirhaneye gtrlmesi iin gnn gerekli olduunu gstermitir.Eer siz yeterli ekiciye sahip olmazsanz aracn sahipleri bu ii bakasna verecektir.Bir gndeki tamir edilmek iin ekilmesi gerekli ara says size gerekli olan ekici iin bilgi vermektedir. gn tesinde, bu gnk tercihler size gelecekte olanlar hakknda bir ey sylemez.Bu sre bir hareketli ortalama srecidir rnei verilebilir.

ARMA VE ARIMA Seriler ou durumda her iki srecide birlikte ierirler. Yt=m+a1yt-1....................apyt-p+ut-but-1-..........bqut-q eklinde ARMA(1,1) olarak ifade edilir. ARIMA(1,0,1) ise, Serinin duraan olduunu gsterir. BOX-JENKS 5 AAMA AIC,SBC ile gecikme.

ARMA ve ARIMA
Ulusal park yaknnda bir hotele sahip olduunuzu dnn,Hotel defteri baz rezervasyonlar iermektedir.Yani, mterilerin bazlar otelinizde bir gnden daha fazla zaman harcamakta ve ayrca mterilerden bazlar da ulusal parkta bir haftalk tatil geirirken ayn zamanda evlerine dnmeden nce gece kalmak iin sizin otelinize gelmektedirler.Belli bir gnde meydana gelecek ok otelde srekli kalan mterileri artanbirden fazla dnem- bir ekilde etkileyecektir. Ancak bu okun, ulusal parkta bir tatil geirdikten sonra gece iin kalmaya gelenler stnde bir hafta sonra tek bir etkisi olacaktr

SERNN YAPISINI NASIL ANLARIZ

ACF and PACF fonksiyonlar yoluyla, PACF (Tepe says) AR srecini tanmlamamz, ACF(Tepe Says) ise MA srecini tanmlamamz salar

AR
yt = yt-1 + t AR(1) sreci iin, Otokorelasyon fonksiyonu k = k dr. ||<1 iken duraanlk var ve gemi ok azalarak etkiler.

AR(1) with = 0.5

AR(1) with = 0.9

Source: Verbeek (2000)

MA
yt = t + t-1 MA(1) sreci, iin otokorelasyon, 1 = 1 + 2 ve k = 0 (k = 2,3,4,)

MA(1) sreci iin duraanlk geerlidir.

ZAMAN SERLERNDE DURAANLIK

Zaman serilerinin duraan olmas olarak ifade edilen ey, zaman iinde varyansn ve ortalamann sabit olmas ve gecikmeli iki zaman periodundaki deikenlerin kovaryansnn deikenler arasndaki gecikmeye bal olup zamana bal olmamasdr. Ortalama=E(Yt)= Varyans=var(Yt- )2=2 Kovaryans= k=E((Yt- )(Yt-k- )

ki Tr Duraanlk Yaklam vardr, lki deikenlerin dalmnn tmnn zamanda bamsz olmas anlamnda strong, Dieri de,
Ortalama=E(Yt)= Varyans=var(Yt- )2=2 Kovaryans= k=E((Yt- )(Yt-k- )

eklinde weak anlamda duraanlktr.

Duraan Olmamann Belirleyenleri

Her hangi bir okun etkilerinin ortadan kalkmamas ve ya deikenlerin zaman patikalarnn deimesi, Ortalamann tanmlanamaz ve varyansn sonsuz olmas

TREND Zaman serisinin duraan olmamas, trend iermesi anlamna gelmektedir.Olduka uzun bir devrede ortaya kan ve birbirini takip eden ykseli ve alal durumlar asndan, uzun dnemde ortaya kan deterministik trend ve zaman ierisinde dzensiz(ngrlemeyen-tesadfi) modellerde ortaya kan stokastik trend birbirinden farkldr.

Bir seri, Birim kke sahipse byle bir serinin stokastik(rassal) bir trende sahip olduunu, Yt=Yt-1+ te taraftan eer birim kk yoksa bu zaman serisi deterministik(btn ile ngrlebilir) bir trend izler. Yt=a+t + Trendsizletirme TSP-DSP

BORSA N ZAMANLA DEM

16 00 14 00

12 00

10 00

8 00

6 00

4 00

2 00

BORSADA DEM(FarkByme)
0.3 0.2

0.1

-0.1

-0.2

-0.3

-0.4

 EVRM TEORLERRASSALYR, Kalc ve Geici Etki

Y Y

t Deterministik Trend Y=a+bt

Stokastik Trend Y=Y(-1)+e

DURAAN BR ZAMAN SERSN NASIL ANLARIZ?

Grsel Tespit Otokorelasyon Fonksiyonu (ACF) Formal Test Kullanm:

Dickey-Fuller test

Grsel Method (1) Eye ball the data (a) Constant mean?
12 RW2 10

0 0 50 100 150 200 250 300 350 400 450 500

(b) Constant variance?

200 150 100 50 0 -50 -100 -150 -200 0 50 100 150 200 250 300 350 400 450 500 var

ACF -KORELOGRAM
Otokorelasyon serinin baz deerleri ve gecikmeli deerleri arasndaki ilikinin (correlation) boyutunu belirler.Deiik zaman aralklar(k) iin bulunacak ACF(k) katsays deerleri ilikilendirildiinde, korelogram elde edilir. (Xt-Xbar)(Xt-k-Xbar) -----------------------(Xt-Xbar)2

ACF(k) =

H0=(BtnACF(k) iin)Otokorelasyon Yok H1= (BtnACF(k) iin) Otokorelayon Var Eer korelogram deerleri gven aral snrlar ierisinde ise Ho red edilemez(yt ve Y arasnda O.Kor. Yok),dnda kalyorsa Ho red edilebilir. AZALMA

KISM OTOKORELASYON FONKSYONU

Ksmi korelasyon fonksiyonu gecikmeli deikenler arasndaki ilikiyi ifade eder.
Ksmi korelasyon fonksiyonu ile korelasyon Y ve Yt-k deerleri arasndaki terimlerin etkisi karlarak bulunur.

Q istatistii
Box-Pierce Q Ljung-BoxQ Ho red edilirse duraan deil.
LB

n (n + 2) n
Box PierceQ

k = 1

n k
k
m

k = 1

Duraan Olmayan Zaman Serileri

Non stationary deterministic ya da stokastik trendi (birim kk) ifade eder. AR(1 yt = yt-1 + t Stationary if || < 1 Contains a unit root if || = 1 (ie. a random walk) Explosive if ||> 1

Duraanln Testi
Dickey-Fuller test (unit root test)

Yt = (Yt Yt 1 ) = 0 + 1Yt 1 + t

H0 : 1 = 0 H1 : 1 < 0

(unit root)

Y t= b0+ Yt 1 + t I (1) Yt = Yt Yt 1 = b0+ t I (0)

Non-stationarity: oklarn Etkisi

1) yt = yt-1 + ut 2) yt-1 = yt-2 + ut-1 3) yt-2 = yt-3 + ut-2 4) yt = (yt-2 + ut-1) + ut = 2yt-2 + ut-1 + ut 5) yt-2: yt = 2(yt-3 + ut-2) + ut-1 + ut = 3 yt-3 + 2ut-2 + ut-1 + ut Sonu yt = T y0 + ut-1 + 2ut-2 + 3ut-3 + ...+ Tu0 +

ut

1. <1 T0 as T ok ortadan kalkyor, 2. =1 T =1 T ok kalc, T iken ngr deeri sonsuza gider, 3. >1.
yt = y 0 + u t
i =0

Arttrc etki, ok etkili, >1, 3>2> etc.

Detrending a Stochastically Non-stationary Series yt = + yt-1 + ut I(1) DSP Ve TSP yt = + t + ut .

yt = yt - yt-1
L yt = yt-1 ve (1-L) yt = yt - L yt = yt - yt-1 yt - yt-1 = + ut yt = + ut I(0)
Elde edilir.

Different DF tests Summary t-type test

Yt = b0 + Yt-1 + b2 trend + t (a) Ho: = 0 Ha: < 0 Yt = b0 + Yt-1 + t (b) Ho: = 0 Yt = Yt-1 + t (c) Ho: = 0

Ha: < 0

Ha: < 0

Kritik Deerler Fuller (1976)

A White Noise Process

4 3 2 1 0 -1 1 -2 -3 -4

40 79 118 157 196 235 274 313 352 391 430 469

Random Walk and a Random Walk with Drift

70

60

Random Walk
50

Random Walk with Drift

40

30

20

10

0 1 -10 19 37 55 73 91 109 127 145 163 181 199 217 235 253 271 289 307 325 343 361 379 397 415 433 451 469 487

-20

Deterministic Trend

30 25 20 15 10 5 0 -5 1 40 79 118 157 196 235 274 313 352 391 430 469

Different DF tests Summary F-type test

3 1

Yt = b0 + Yt-1 + b2 trend + t (a) Ho: = b2 = 0 Ha: 0 and/or b2 0 Yt = b0 + Yt-1 + t (b) Ho: = b0 = 0

Ha: 0 and/or b0 0

1 parametresi sfrdan farkl ise, ho hipotezini red edebiliriz yani seri duraandr.

ADF
Yt = b0 + Yt-1 + 1Yt-1 + 2Yt-2 + 3Yt-3 + 4Yt-4 + t DW istatistii ve Otokorelasyon giderilmesi.

Look at the Series Is there a Trend? Yes Estimate No Estimate

Yt = b0 + b2t + Yt1 +

j Y t

Yt = b0 + Yt1 +

Yt

Use

to test

Use

1 to test

H 0 : b 0 , b 2 , = b 0 ,0 ,0 v H 1 : b 0 , b 2 , b 0 ,0 ,0

H 0 : b 0 , = 0 ,0 v H 1 : b 0 , 0 ,0

Reject
test =0 using the t-stat. from step 1 using

Accept

Reject

Accept
Pure Random Walk
test =0 using the t-stat. from step 1 using

Reject
No Unit Root

Accept
Unit Root +Trend Use

Reject

Accept
Random Walk + Drift

Normal Test procedure to determine the presence of Time trend or Drift

Stable Series, use normal test to check the drift

To determine if there is a drift as well