Ders Detayı

Winrats ve Eviews İle Finansal Ekonometri Eğitimi
17 Video, Ders Süresi: 75 gün

Dersler

Ders 1: Tanıtım

Ders 2: Finansal Ekonometriye Giriş

Ders 3: Getiri Kavramı

Ders 4: Tanımlayıcı İstatistikler 1- Risk Kavramı- Riske Maruz Değer (RmD)

Ders 5: Tanımlayıcı İstatistikler 2- Kovaryans ve Korelasyon Kavramı- Beta Katsayısı

Ders 6: Tanımlayıcı İstatistikler 3- Otokovaryans ve Otokorelasyon Kavramı- Piyasa Etkinliği

Ders 7: Stokastik Süreçler

Ders 8: Finansta Regresyon Uygulamaları- CAPM

Ders 9: Kalıntılarla Arttırılmış EKKY(RALS)- CAPM

Ders 10: Regresyon Modellerinde Nitel Değişkenler- Logit- Probit Modeller- Finansal Krizlerin Tahmini

Ders 11: Simetrik Volatilite Modelleri- ARCH, GARCH, ARCH-M, GARCH-M

Ders 12: Koşulsuz Varyans İle RmD Hesaplama ve Asimetrik Volatilite Modelleri- EGARCH, TARCH

Ders 13: Finansal Zaman Serilerinde Geleneksel Birim Kök Testleri Ve Durağanlık Analizi- Zayıf Formda Etkinlik

Ders 14: Finansal Zaman Serilerinde Yapısal Kırılmalı Birim Kök Testleri- Zayıf Formda Etkinlik

Ders 15: Finansal Zaman Serilerinde Kalıntılarla Arttırılmış (RALS) Birim Kök Testleri- Zayıf Formda Etkinlik

Ders 16: Fiyat Köpüğünün Test Edilmesi- Koentegrasyon Testleri-RalsKoentegresyon Testleri

Ders 17: Son ders

Bu ders toplam 600 dk'dır.

Eğitim Hakkında

Bu eğitimde, Finans ve Ekonometriyi birleştiren konulara yer verilmiştir. Detaylı teorik bilgi yanında Eviews ve WinRats paket programları kullanılarak finansal verilerde ekonometrik yöntemler hem geleneksel hem de yeni ve daha güçlü diyebileceğimiz yöntemler ile çeşitli konular üzerinden uygulamalarla aktarılmıştır.

Eğitmen Hakkında

BurçayYAŞAR AKÇALI, Lisans eğitimini 2006 yılında İstanbul Üniversitesi, İktisat Fakültesi, Ekonometri Bölümü’nde tamamlamıştır. Yüksek lisans eğitimini İstanbul Üniversitesi Sosyal Bilimler Enstitüsü, İşletme (İktisat) Anabilim Dalı’nda vermiş olduğu “Davranışsal Finans ve Fiyat Köpüğü: İMKB Endekslerinde Fiyat Köpüğüyle İlgili Mevsimsel Birim Kök Araştırması" isimli teziyle 2008 yılında; doktora eğitimini, “Finansal Krizlerin Öncü Göstergeler Yardımıyla Tahmin Edilmesi ve Türkiye Örneği” isimli teziyle 2014 yılında tamamlamıştır. 2006 yılından bu yana İstanbul Üniversitesi, İktisat Fakültesi, İşletme Bölümü, Finans Anabilim Dalı’nda görev yapan ve Finans Alanında Doçent ünvanını2020 yılında alan YAŞAR AKÇALI, lisans ve yüksek lisans seviyelerinde Finansal Yönetim, Finansal Analiz, Sermaye Piyasaları ve Portföy Yönetimi,  Vadeli İşlemler ve Finansal Ekonometri derslerini yürütmekte ve tez danışmanlığı görevlerini yerine getirmektedir.

#AYEUM  #finansalekonometri  #winrats

 

Eğitmen: Doç. Dr. Burçay YAŞAR AKÇALI

Katılım Belgesi: Evet

Durum: Tüm Dersler Yüklendi

Garanti: %100  Memnuniyet ve İade Garantisi

Özellikleri: İnteraktif, Online Sınav, Eğitmene soru sorma İmkanı

Fiyat:
1.249,90 TL
Ders İzleme Süresi: 75 Gün
Erişim Zamanı: 7/24
Video Sayısı: 17
Durum: Satın Alınabilir
Favoriye Ekle


Tanıtım Videosunu İzle



Örnek Dersi İzle

Puanlar 0 Kişi Oyladı (0/100)

0 Kişi
0 Kişi
0 Kişi
0 Kişi
0 Kişi

Yorumlar

O.K.

HOCAM MERHABALAR, EĞİTİM SIRASINDA KULLANDIĞINIZ VERİLERİ VE SLAYTI PAYLAŞMA ŞANSINIZ VAR MIDIR?


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


H.A.

SAYIN HOCAM, BU GÜZEL DERS NOTLARI İÇİN TEŞEKKÜR EDERİZ. BENİM SORUM: VERİLER AYLIK DEĞİLDE GÜNLÜK OLMUŞ OLSAYDI, REEL GETİRİYİ NASIL HESAPLARIZ. ÇÜNKÜ, GÜNLÜK ENFLASYON ORANLARI YAYINLANIYOR MU? BENZER ŞEKİLDE GÜNLÜK REEL FAİZ ORANINI HESAPLAMAK İSTERSEM? TEŞEKKÜR EDERİM.


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.


H.A.

EVİEWS: GENR LOGX1=LOG(X1) YAZDIĞINIZDA SERİNİN LOGARİTMASINI ALABİLİYORUZ. ANCAK, İŞLEMİ "LN" İÇİN YAPTIĞIMIZDA HATA VERİYOR. SERİYİ "LN" YE DÖNÜŞTÜRECEK FORMÜL VAR MI? İNTERNETE BAKTIM HERKES, LOG KULLANIYOR. ANCAK SİZ "LN" Yİ EXCEL DE YAPIYORSUNUZ. BU ARADA, GÜNLÜK VERİ İLE SORUYU SORAN KİŞİ DE BENİM. HAKAN ALTIN.


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.


H.A.

SAYGIDEĞER HOCAM, BU GÜZEL DERSLER İÇİN ÖNCELİKLE TEŞEKKÜR EDERİM. DERSLERİNİ FIRSAT BULDUKÇA SIRASI BİR ŞEKİLDE TAKİP EDİYORUM. BENİM, SORUM 7. DERS İLE İLGİLİ. SORUM ŞU: VARSAYALIM Kİ; 1. SERİ PARA ARZI OLSUN. DENKLEMİNİ YAZIYORUM: PARA ARZI C PARA ARZI(-1) @TREND TÜM PARAMETRELER ANLAMLI VE NORMAL DAĞILIMA UYGUN. 2. SERİ ENFLASYON. DENKLEMİNİ YAZIYORUM: ENFLASYON C ANLAMI OLSUN. DİĞERLERİ ANLAMSIZ. NORMAL DAĞILIMA UYGUN. 3. SERİ FAİZ ORANI. DENKLEMİNİ YAZIYORUM: FAİZ ORANI @TREN ANLAMLI. DİĞERLERİ ANLAMSIZ. NORMAL DAĞILIMA UYGUN. DİKKAT EDİLECEĞİ ÜZERE SERİLER ARASINDA ANLAMLI ORTAK PARAMETRE YOK. EKK YAPMAK İSTEDİĞİM VARSAYIMI ALTINDA, DENKLEM EVİEWS A NASIL YAZILIYOR? YAZILMIYORSA BAŞKA BİR MODEL Mİ KULLANILIR. EKK YAZMAK İSTERSEM NASIL YAZMALIYIM. VARSAYALIM Kİ; YUKARIDAKİ SERİLERDE TÜM PARAMETRELER ANLAMI, ANCAK ENFLASYON VE FAİZ ORANI NORMAL DAĞILIMA UYGUN OLAMASIN. YİNE EKK YAPMAK İSTERSEM DENKLEM EVİEWS A NASIL YAZILABİLİR. VARSAYALIM Kİ, HER ŞEY OLUMLU ÇIKSIN. TÜM PARAMETRELER ANLAMLI VE NORMAL DAĞILIMA UYGUN. BU DURUMDA DENKLEM EVİEWS A NASIL YAZILACAK? TÜM DEĞİŞKENLER VE PARAMETRELER BİR ARADA MI? SAYGILARIMLA. HAKAN ALTIN


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.


H.A.

HOCAM MERHABA, AN İTİBARIYLA 8. DERSTEYİM VE SİZE GENEL BİR KAÇ SORUM OLACAK. 1. ANLADIĞIM KADARIYLA, EVİEWS KALINTILARLA ARTIRILMIŞ TESTLERİ YAPAMIYOR. BENDE, EVİEWS 12 VAR. İNTERNETTE 14 GÖRDÜM. BU VERSİYONLAR YAPIYOR MU? 2. ÖRNEĞİN BİST100'E ETKİ EDEN SEKTÖRLERİ İNCELEMEK İSTİYORUM. ÇOK SAYIDA VAR. YILLAR ÖNCE BAKTIĞIMDA 40 TANE GÖRMÜŞTÜM. ŞİMDİ ÇOK DAHA FAZLADIR. SORUM ŞU: BİST100 BAĞIMLI OLMAK ÜZERE 40 BAĞIMSIZ DEĞİŞKEN OLDUĞU BİR EKONOMETRİK DENKLEM KURULABİLİR Mİ? BUNUN BİR OPTİMAL ÖLÇÜSÜ VAR MI? LİTERATÜR BUNUNLA İLGİLİ NE SÖYLÜYOR? 3. HATA KERELERİNİ MİNİMİZE ETMEK İSTİYORUZ. TAMAM BİR SORUN YOK. ANCAK, SORUM ŞU, NEDEN 3. KUVVET VEYA 4. KUVVET DEĞİLDE, KARESİNİ ALIYORUZ. SAYGILARIMLA. HAKAN ALTIN


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.