Temelden İleri Seviyeye Yapay Zeka Destekli Zaman Serileri Analizi Öğrenme Deneyimi

 

Ekonomik ve finansal veriler çoğu zaman zaman boyutu içerir ve bu tür verilerle yapılan analizler, klasik regresyon yaklaşımından farklı bir metodolojik çerçeve gerektirir. Zaman serileri analizi, ekonomik değişkenlerin geçmişten gelen dinamik yapısını dikkate alarak ilişkileri doğru biçimde modellemeyi, şokların etkisini izlemeyi ve güvenilir öngörüler üretmeyi amaçlar.

Bu eğitim programı, zaman serisi analizine hiçbir ön bilgisi olmayan katılımcıları temelden alarak ileri düzey ekonometrik modellere ulaştırmayı hedefler. Grafiksel inceleme ile başlayan süreç, durağanlık ve eşbütünleşme analizleriyle derinleşir; kısa ve uzun dönem ilişkilerin birlikte modellenmesiyle tamamlanır. Amaç, veri yapısına uygun yöntemi seçebilme becerisini kazandırmak ve sahte ilişkilerden kaçınarak iktisadî olarak anlamlı sonuçlara ulaşmaktır.

 

Program kapsamı (özet) (müfredatın tümü için tıklayın)

Temeller & veri yapısı: Zaman serisi kavramı; yatay kesit–zaman serisi–panel veri ayrımı; zaman sıralılığı, zaman bağımlılığı ve dinamik yapı sezgisi.

Grafikler & tanımlayıcı istatistikler: Zaman yolu grafikleri ile trend, mevsimsellik ve yapısal kırılma sinyallerinin görsel analizi; ortalama, medyan, standart sapma, çarpıklık ve basıklık ile serinin düzey ve oynaklığının sayısal özeti.

Zaman bağımlılığı & durağanlık: Otoregresif süreç sezgisi, güçlü–zayıf durağanlık, sahte regresyon problemi; deterministik ve stokastik trend ayrımı; korelogramın tanılayıcı rolü.

Birim kök & kırılmalar: DF, ADF, ADF-GLS, Phillips–Perron ve KPSS testleri ile durağanlık sınaması; yapısal kırılma altında birim kök analizi (Zivot–Andrews).

Model seçimi & eşbütünleşme: Bütünleşme derecelerine göre regresyon, VAR, eşbütünleşme veya ARDL yaklaşımı arasında sistematik karar süreci; Engle–Granger ve Johansen yöntemleriyle uzun dönem ilişki analizi.

Dinamik sistemler & nedensellik: VAR modelleri, gecikme seçimi; etki–tepki fonksiyonları ve varyans ayrıştırması; Granger nedensellik testleriyle yönlü ilişkilerin sınanması.

Kısa–uzun dönem birlikte: VECM yaklaşımı ile hata düzeltme mekanizması; uzun dönem katsayı tahmini (DOLS, FMOLS, CCR); ARDL modeli ve sınır testiyle kısa ve uzun dönem ilişkilerin tek çerçevede modellenmesi.

 

Kimler için?

• Akademide/özel sektörde veriyle karar verenler

• Finans, pazarlama, kamu politikası, enerji, sağlık ekonomisi vb. alanlarda çalışanlar

• İstatistik/ekonometri/veri bilimi öğrencileri ve araştırmacılar

 

Ön koşul

Temel istatistik ve ekonometri kavramlarına ve konularına hakim olmak için istatistik ve ekonometri modüllerinin bitirilmesi önerilir. 

​​​

Kayıt olun, hemen başlayın, ekonometrinin dilini öğrenin; veriye yön verin.