Nonstationary factor model applications of elastic net
Durağan olmayan faktör modellerde elastic net uygulamaları
- Tez No: 327524
- Danışmanlar: DOÇ. DR. TANER YİĞİT
- Tez Türü: Yüksek Lisans
- Konular: Ekonometri, Ekonomi, Econometrics, Economics
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2013
- Dil: İngilizce
- Üniversite: İhsan Doğramacı Bilkent Üniversitesi
- Enstitü: Ekonomi ve Sosyal Bilimler Enstitüsü
- Ana Bilim Dalı: İktisat Bölümü
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 38
Özet
Bu tez çalışmamzda, durağan olan ve durağan olmayan faktörlerin kullanıldığı faktör modeller icin elastic net tahmin edicilerini kullandık. Elastic net shrinkage tahmin edicileri ailesinin bir üyesidir. Bu ailenin bir üyesi olarakelastic net tahmin edicileri, veri setlerindeki değişmelerden etkilenmezler ve genel olarak, gerçek modelde olandan fazla parametre tahmin etmezler. Belirtilen bu iki özellik faktör sayısı tahminleri icin elastic net tahmin edicilerini bilgi temelli ceza yöntemlerine göre daha tercih edilir yapmaktadır. Temel bileşenler analizi tabanlı algoritmalar durağan olmayan serilerde sadece tek faktör tahmin etmeye eğilimli oldukları için temel bileşenler analizinin regresyon tabanlı optimizasyon algoritması olan seyrek temel bileşenler analizi yöntemini kullandık. Yaplan simülasyonlar elastic net tahmin edicilerinin durağan olan ve durağan olmayan faktörlerin tahmin edilmesindeki performanslarını göstermektedir.
Özet (Çeviri)
In this thesis, we adopted Elastic Net estimators for selecting true number of factors in factor models with stationary and nonstationary factors. Elastic Net is a member of shrinkage estimators family. As a member of shrinkageestimators family, elastic net estimators are stable to changes in data and in general they do not over parametrize the models. These two properties of elastic net estimators makes elastic net more favourable than informationbased criterion penalty methods for estimating true factor number. Since Principal Components Analysis (PCA) based algorithms always tends to give only single factor for nonstationary data sets, we use Sparse Principal ComponentsAnalysis (SPCA) algorithm which is a regression-type optimization formulation of PCA. Simulations show the performance of Elastic Net estimator for estimation of true factor number with stationary and nonstationary factors cases .
Benzer Tezler
- Türkiye rüzgâr verilerinin bayesyen maksimum entropi yaklaşımıyla uzay-zaman modeli
Spatiotemporal model of Turkey wind speed data with Bayesian maximum entropy approach
ÖZLEM BAYDAROĞLU
Doktora
Türkçe
2016
Enerjiİstanbul Teknik ÜniversitesiMeteoroloji Mühendisliği Ana Bilim Dalı
PROF. DR. KASIM KOÇAK
- Düşük bir hızlarında konuşma kodlama ve uygulamaları
Low bit rate speech coding and applications
TARIK AŞKIN
Doktora
Türkçe
1999
Elektrik ve Elektronik Mühendisliğiİstanbul Teknik ÜniversitesiPROF.DR. GÜNSEL DURUSOY
- Designing business model framework for public bus transportation authorities: A fuzzy approach
Otobüs toplu taşıma otoriteleri için iş modeli dizaynı: Bir fuzzy yaklaşımı
BÜŞRA BURAN
Doktora
İngilizce
2023
İşletmeİstanbul Teknik Üniversitesiİşletme Mühendisliği Ana Bilim Dalı
DOÇ. DR. MEHMET ERÇEK
- Asenkron makinanın hız kontrolü için PID kontrolör tasarımı
The design of pid controller for an induction machine speed control
OKAN TEKMAN
Yüksek Lisans
Türkçe
1997
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik ÜniversitesiKontrol ve Bilgisayar Mühendisliği Ana Bilim Dalı
DOÇ. DR. SALMAN KURTULAN
- Zamanla değişen kanalların kestirimi ve uyarlamalı kodlama
The Estimation of time varying channels and adaptive coding
CÜNEYT DELİKTAŞ
Yüksek Lisans
Türkçe
1997
Elektrik ve Elektronik Mühendisliğiİstanbul Teknik ÜniversitesiElektronik ve Haberleşme Mühendisliği Ana Bilim Dalı
DOÇ. DR. ÜMİT AYGÖLÜ