Parametrik olmayan regresyon ve tahmin yöntemleri:İmkb'de işlem gören hisse senetlerine ait piyasa riskinin tahmini üzerine bir uygulama
Nonparametric regression and estimation methods:Application on the estimation of market risks relative to the returns of the stocks in Ise
- Tez No: 217250
- Danışmanlar: PROF.DR. AHMET GÖKÇEN
- Tez Türü: Yüksek Lisans
- Konular: Ekonometri, İşletme, Econometrics, Business Administration
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2007
- Dil: Türkçe
- Üniversite: İstanbul Üniversitesi
- Enstitü: Sosyal Bilimler Enstitüsü
- Ana Bilim Dalı: Ekonometri Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 138
Özet
Parametrik regresyon modelleri ekonometrik modellemelerde en fazla kullanılan modellerdir. Ancak bu modellere ait matematiksel kalıba ve modele ait hata terimlerine iliskin kısıtlayıcı varsayımların varlıgı parametrik regresyon modellerinin kullanım alanını daraltmaktadır. Parametrik olmayan regresyon modellerinde ise iktisadi degiskenler arasındaki nedensellik iliskisi söz konusu varsayımlardan bagımsız olarak belirlenmeye çalısılmaktadır. Çalısmada parametrik ve parametrik olmayan regresyon modelleri kullanılarak ?Finansal Varlık Fiyatlama Modelleri?nden hareketle belirlenen 15 hisse senedine ait piyasa riskleri tahmin edilmis ve parametrik regresyon modellerinin gerekli varsayımları yerine getirmedigi görülmüstür. Bu modeller kullanılarak elde edilen piyasa riski katsayılarının egilimli ve tutarsız tahminler oldugu ve dogrusal bir matematiksel kalıpla modellenemeyecegi görülmüstür. Bu nedenle alternatif olarak piyasa riski katsayıları parametrik olmayan modellerle tahmin edilmis ve farklı düzgünlestirme fonksiyonları kullanılması durumunda tahmin edilen risk katsayıları birbirine çok yakın degerler almıstır. Bu durum elde edilen katsayıların tutarlı oldugunu göstermistir.
Özet (Çeviri)
Parametric regression models are widely used in econometric modeling. In consequence of the existence of restricted assumptions about the specification of models and error terms, the application fields of parametric regression models decline. In nonparametric regression models, the relationships of causality between economic variables are free from these restricted assumptions. In this study for the 15 returns of stocks market risks have estimated with parametric and nonparametric regression models. The parametric regression models have not provided the assumptions for error terms and the other assumptions. According to the results have found that the estimated market risk parameters with parametric regression models are biased and inconsistent. In addition to specification of models are not linear. Alternatively, market risk parameters have estimated with nonparametric models. Although different smoothing functions used for estimation these risk parameters, estimated parameters have the same values so that we have seen that estimated risk parameters are consistent.
Benzer Tezler
- Değişen katsayılı regresyon modeli ile gebelerin ortalama arteriyel kan basıncına etki eden risk faktörlerinin belirlenmesi
Determination of the risk factors affecting the mean arterial blood pressure of pregnants via varying coefficient regression model
IŞIL DURMUŞ
Yüksek Lisans
Türkçe
2018
İstatistikHacettepe Üniversitesiİstatistik Ana Bilim Dalı
DOÇ. DR. SEMRA TÜRKAN
- Parametrik olmayan regresyonda bulanık tahmin ediciler
Fuzzy estimators in nonparametric regression
NİMET YAPICI PEHLİVAN
- Ölçüm hatalı değişkenli yarı parametrik regresyon modelleri
Semiparametric regression models with errors in variables
SEÇİL TOPRAK
Doktora
Türkçe
2015
İstatistikDicle ÜniversitesiMatematik Ana Bilim Dalı
PROF. DR. HASAN İLHAN TUTALAR
PROF. DR. MÜJGAN TEZ
- Dağılımı belli olmayan dairesel verilerde aykırı değer tespiti için bir yöntem önerisi
A proposal method for detection of outliers in circular data with unknown distribution
SÜMEYRA SERT
- Parametrik ve parametrik olmayan basit doğrusal regresyon analiz yöntemlerinin karşılaştırmalı olarak incelenmesi
Investigation of the comparisons of parametric and non parametric linear regression analysis methods
SAVAŞ OKUR