Predicting crisis: This time is different (?)
Kriz tahminleme: Bu defa farklı (?)
- Tez No: 319521
- Danışmanlar: DOÇ. DR. SELİN SAYEK BOKE
- Tez Türü: Yüksek Lisans
- Konular: Ekonomi, Economics
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2012
- Dil: İngilizce
- Üniversite: İhsan Doğramacı Bilkent Üniversitesi
- Enstitü: Ekonomi ve Sosyal Bilimler Enstitüsü
- Ana Bilim Dalı: İktisat (İngilizce) Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 92
Özet
Bu tez calismasi para, bankacilik ve borc krizlerini tahminlemeyi ve daha ozelde konut piyasasi verilerinin kriz tahminleme uzerindeki etkilerini arastirmayi amaclamaktadir. Bu calisma sadece gecmis calismalarda kullanilan verilerden olusan bir kriz tahminleme metodu kurgulamamakta, ayni zamanda konut piyasasi verilerinin kriz tahminlemedeki etkilerini arastirmak icin bunlari iceren yeni bir kriz tahminleme metodu da onermektedir. Calisma sirasinda kullanilan veriler, Dunya Bankasi, Uluslararasi Para Fonu(IMF), Ekonomik Kalkinma ve Isbirligi Orgutu(OECD) ve Eurostat veritabanlarindan alinmistir ve 1999-2010 yillari arasini kapsamaktadir. Kriz tahminlemede ` Cok Terimli Lojistik Regresyon' teknigi kullanilmistir. Bir avantaj olarak bu yontem ` kriz sonrasi sapma' problemini onlemektedir. Analizin saglamligi bu sekilde gelistirilmektedir. Regresyon analizi, t'nin simdiki yili belirttigi durumda `t-1, t, t+1' ve `t, t+1, t+2' seklinde iki farkli zaman penceresi icin kosturumustur. Konut piyasasi verilerinin eklenmesiyle `t-1, t, t+1' penceresindeki tahminleme gucu %60'tan %100'e yukselmistir. Bu durumda, system herhangi bir yanlis uyari vermemektedir. `t, t+1, t+2' penceresi icinse sistemin orneklem icin tahminleme gucu %68'den %95'e cikarilmis ve yanlis uyari orani %6.6'dan %3'e dusurulmustur. `t, t+1, t+2' penceresi icin sistemin orneklem disi tahminleme gucu konut piyasasi verilerinin dahil edilmesiyle %33'ten %60'a yukseltilmistir. Veri kumesindeki bazi kisitlamalar nedeniyle, `t-1, t, t+1' penceresi icin orneklem disi performans analizi yapilmistir. Onerilen kriz tahminleme metodu, konut piyasasi verileri ile 2000'li yillardaki krizleri tahminlemeyi basarmistir. Konut piyasasi verilerinin kriz tahminlemedeki etkisi acik sekilde gosterilmistir. Ayrica, cok terimli regresyon analizi ile kriz tahminlemesi yapilirken, secilen zaman pencerelerinin tahminleme sonuclarinda degisikliklere neden olabilecegi de gosterimlistir.
Özet (Çeviri)
This thesis aims to predict the currency, banking and debt crises and more specifically investigates the effect of the housing sector on the crisis prediction. This study is not only constructing a crisis prediction method, which uses the previous literatures data set, but also proposing a new one including the housing market data, and comparing the performances of the two in order to measure the impact of the housing market on the prediction power. The data are taken from World Bank, IMF, OECD and Eurostat and cover the years between 1999 and 2010. Multinomial logistic regression is used for crisis prediction. As an advantage, it prevents the `post-crisis bias? problem; by this way the robustness of the analysis is also improved. The multinomial logistic regression is run for two different time windows `t-1, t, t+1? and `t, t+1, t+2? as t denoting the current year. By inclusion of the housing market data, the prediction power is increased from 60% to 100% in the case of `t-1, t, t+1?. The model sends no false alarms in this case. For the case of `t, t+1, t+2?, the in-sample prediction power is improved from 68% to 95% and the false alarm ratio is reduced from 6.6% to 3%. The-out-of-sample predictive performance of the system in `t, t+1, t+2? is improved from 33% to 60% by the inclusion of the housing market data. Due to the restrictions of the data set, out-of-sample analysis could not be performed for the case of `t-1, t, t+1?. The proposed crisis prediction method succeeds in predicting the crises of 2000s by using housing sector data. The impact of the housing sector in predicting crisis is clearly shown. Also, it is shown that chosen time window for the multinomial logistic regression in predicting crisis can lead to variations on the predicted results.
Benzer Tezler
- Biyobelirteçlerin tedavi seçimine etkisinin farklı risk modelleriyle değerlendirilmesi
Evaluation of the effect of biomarkers on treatment selection with different risk models
MERVE TÜRKEGÜN ŞENGÜL
Doktora
Türkçe
2022
BiyoistatistikMersin ÜniversitesiBiyoistatistik ve Tıbbi Bilişim Ana Bilim Dalı
PROF. DR. BAHAR TAŞDELEN
PROF. DR. SAİM YOLOĞLU
- Para krizlerinin tahmininde logit-probit modelleri ve yapay sinir ağları: Türkiye örneği
Logit-probit models and artificial neural networks for the estimation of currency crisis: The case of Turkey
OKTAY KIZILKAYA
- Is it time for action(?): Loss minimization in crisis prediction
Önlem alma zamanı mı(?): Kriz tahminlemede hatanın en aza indirgenmesi
TUĞBA SAĞLAMDEMİR
Yüksek Lisans
İngilizce
2013
BankacılıkDokuz Eylül Üniversitesiİktisat (İngilizce) Ana Bilim Dalı
PROF. DR. SAADET KASMAN
- Makro ihtiyati politika ve finansal istikrar ilişkisi: Türkiye'de konut sektörüne yönelik araçların etkinliği
The relationship between macro prudential policy and financial stability: Effectiveness of tools for the housing sector in Turkey
MURAT SARI
Yüksek Lisans
Türkçe
2022
EkonomiGalatasaray Üniversitesiİktisat Ana Bilim Dalı
DR. ÖĞR. ÜYESİ ZEHRA YEŞİM GÜRBÜZ
- Yapay sinir ağlarını kullanarak 2019 kriz öngörüsü üzerine bir deneme
Crisis prediction for 2019 using artificial neural networks
SÜMEYYE SEVİM
Yüksek Lisans
Türkçe
2019
Ekonomiİstanbul Teknik ÜniversitesiBilişim Ana Bilim Dalı
PROF. DR. ERTUĞRUL KARAÇUHA