Ders Detayı

Eğitmenin Cevabı (BURÇAY YAŞAR AKÇALI)

Merhaba Osman, Özellikle Winrats kodlarında sorun yaşadığını belirttiğin için benim de eğitimde bizzat yararlanmış olduğum Aycan Hepsağ hocamızın "Ekonometrik Zaman Serileri Analizinde Güncel Yöntemler (Winrats Uygulamalı)" kitabından destek alabilirsin. Fiyat köpüğünün RALS-eg koentegrasyon testi ile test edilmesi ile ilgili kullanmış olduğum kodlar aşağıdadır: Sabitli ve Trendli Durum seed 12345 cal 1997 2 12 all 2019:6 open data d:\banka.xlsx data(format=xlsx,org=cols) / dt pt compute n = 269 compute maxlags = 12*((n/100)^(1/4)) compute lmax = fix(%round(maxlags,1)) set y = dt set x1 = pt set trend = t dif y / dy dif x1 / dx1 linreg(noprint) dy # y{1} x1{1} dx1 constant trend compute aicmin = %nobs*log(%rss) + 2*(%nreg) , optimallag1 = 0 do i = 1,lmax linreg(noprint) dy # y{1} x1{1} dx1 constant trend dx1{1 to i} compute aic = %nobs*log(%rss) + 2*(%nreg) if aic < aicmin ; compute optimallag1 = i , aicmin = aic end do i linreg(noprint) dy / e # y{1} x1{1} dx1 constant trend dx1{1 to optimallag1} compute tstat = %tstats(1) set e2 = e^2 set e3 = e^3 set m2 = e2/n set m3 = e3/n set w1 = e2 - m2 set w2 = e3 - m3 - 3*m2*e linreg(noprint) dy # y{1} x1{1} dx1 constant trend w1 w2 compute aicmin = %nobs*log(%rss) + 2*(%nreg) , optimallag2 = 0 do i = 1,lmax linreg(noprint) dy # y{1} x1{1} dx1 constant trend w1 w2 dx1{1 to i} compute aic = %nobs*log(%rss) + 2*(%nreg) if aic < aicmin ; compute optimallag2 = i , aicmin = aic end do i linreg(noprint) dy / v # y{1} x1{1} dx1 constant trend w1 w2 dx1{1 to optimallag2} vcv(matrix=vcvmat,noprint) # e v compute sigmaesq = vcvmat(1,1) compute sigmavsq = vcvmat(2,2) compute sigmaesqvsq = vcvmat(1,2) compute p2 = (sigmaesqvsq^2)/(sigmaesq*sigmavsq) compute p = p2^(1/2) compute tau_ralsadl = (p*tstat)+((1-p2)^1/2)*%ran(1.0) display "p2 =" p2 "tau_ralsadl =" tau_ralsadl "optimallag =" optimallag2

Eğitmenin Cevabı (BURÇAY YAŞAR AKÇALI)

Merhaba Hakan hocam, eğitimi beğenmenize sevindim umarım faydalı olur ben de teşekkür ediyorum. Günlük veriler üzerinden reel getiriyi ya da reel faizi hesaplayamıyoruz enflasyon verisi aylık olarak yayınlandığından reel getiriyi ancak aylık ya da yıllık olarak hesaplamamız mümkün. Günlük olarak yapılan çalışmalar nominal değerler üzerinden yapılmaktadır. İyi çalışmalar diliyorum.

Eğitmenin Cevabı (BURÇAY YAŞAR AKÇALI)

Merhaba Hakan hocam, Paket programlar doğal logaritma alır yani ln olarak işlemi yapmaktadır.. log 10 tabanında logaritma alırken, ln e tabanında logaritma almaktadır. Dolayısıyla paket programlarında log formülünü yazdığımızda aslında ln almış oluyoruz tekrardan ln almamıza gerek yok. Getiri hesabında log ya da ln açısından herhangi bir farklılık olmamaktadır. log üzerinden de ln üzerinden de aynı getiri oranı bulunmaktadır.

Eğitmenin Cevabı (BURÇAY YAŞAR AKÇALI)

Hakan hocam öncelikle gecikme için özür diliyorum. sisteme giriş sağlayamadım bir süre benden kaynaklı bir aksama yaşandı. Sorunuzu da maalesef çok net anlayamadım. 7.derste FVFM ni anlatmıştım EKKY üzerinden regresyon yöntemi ile. Regresyon analizlerinde neden sonuç ilişkisini kullanırız teoriden yararlanarak. Regresyon analizinde nedenselliğin yönü önceden bellidir. Bağımlı değişkeni önce yazar, sonra sabit parametreyi yazar, sonra sırasız bir şekilde bağımsız değişkenleri sıralarız. yani bağımlı ve bağımsız değişkenler önceden bilinir. FVFM de de bu değişkenleri önceden biliriz. Varlık getirisi bağımlı değişkendir ve pazarın getirisi ile beta katsayıları tahmin edilir. sizin örnekte verdiğiniz değişkenler için belli bir teori yoksa nedenselliğin yönü net değilse regresyona çok da uygun olmayabilir bunun için koentegrasyon (eş bütünleşme) analizleri ya da nedensellik analizleri daha uygun olabilir.

Eğitmenin Cevabı (BURÇAY YAŞAR AKÇALI)

1. hayır maalesef Eviewsta RALS yapamıyoruz bunun için Winrats üzerinden uygulamaları sizinle kodlarıyla paylaştım. 2. genel olarak kurulabilir ancak zaten anlamsız olan değişkenler ve çoklu doğrusal bağlantıya sahip olanlar model dışına alınacağından o kadar çok bağımsız değişken kalmayacaktır. Model spesifikasyonun doğru belirlenip belirlenmedğini anlamak için de Ramsey reset testi yapılabilir. gereksiz bir değişken modele alındıysa model doğru bir model olmayacaktır. Literatüre göre; Bağımsız değişkenler arasında “çoklubağıntı” (multicollinearity) görülmemelidir. Çoklubağıntı, bağımsız değişkenlerin birbirleriyle ilişkili olduğunu gösterir (Tacq, 1997). Bağımsız değişkenler arasında böyle bir ilişkinin olması, değişkenlerden birinin modele ek bir katkı getirmediğine dikkat çeker. Bu durum, bağımsız değişkenler arasındaki korelasyon katsayılarının mutlak değerinin .80 den büyük bulunmasıyla belirlenebilir. Multicollinearity olup olmadığını anlayabilmek için VIF değerlerine bakılmalıdır (Alpar, 2001). Çoklu bağıntı (veya çoklu birlikte doğrusallık) belirlendikten sonra bu sorunu aşabilmek için araştırmacı, araştırmanın kuramsal temellerini dikkate alarak bu değişkenlerden sadece birini analize dahil edip, diğerini/diğerlerini analiz dışında tutabilir. Bağımsız değişken sayısı fazla olduğunda çeşitli yöntemler yardımıyla modele katkısı en fazla olan daha az sayıdaki değişken veya değişkenler belirlenebilir. Söz konusu yöntemler arasında; adım adım regresyon yöntemi (stepwise), ileriye doğru seçim (forward selection), geriye doğru çıkarma (backward elemination) gibi yöntemler sayılabilir. 3. Hata terimi (gerçek-tahmin) işleminden geliyor. Ekonometri bilimi de burada devreye giriyor zaten biz gerçek değil tahmini değerlerden hareket ediyoruz ancak bu durumda hata payıyla karşılaşıyoruz amacımız ise hatayı minimum kılmak. gerçek değerlerden tahmin değerleri çıkardığımızda ve bunları topladığımızda hata payı bulunur ancak burada hem eksi hem artı değerler vardır. yani bazen gerçek, tahminden büyük bazen de tersi çıkabilir ve bunların toplamı birbirini götürebilir. eksi değerler artı değerler birbirini götürüp toplamın olduğundan küçük çıkmasına neden olabilir bu yüzden yani eksiler artıları götürmesin diye kareleri alınıp öyle toplanır. bu yüzden bu yönteme en küçük kareler yöntemi diyoruz.