Geri Dön

Karma frekanslı veri örnekleme (MIDAS) yöntemi: Teori ve uygulama

Mixed data sampling (MIDAS) method: Theory and application

  1. Tez No: 651276
  2. Yazar: SERKAN SAMUT
  3. Danışmanlar: PROF. DR. RAHMİ YAMAK
  4. Tez Türü: Doktora
  5. Konular: Ekonometri, Econometrics
  6. Anahtar Kelimeler: Belirtilmemiş.
  7. Yıl: 2020
  8. Dil: Türkçe
  9. Üniversite: Karadeniz Teknik Üniversitesi
  10. Enstitü: Sosyal Bilimler Enstitüsü
  11. Ana Bilim Dalı: Ekonometri Ana Bilim Dalı
  12. Bilim Dalı: Belirtilmemiş.
  13. Sayfa Sayısı: 133

Özet

Bilindiği üzere geleneksel zaman serili regresyon modelleriyle çalışabilmenin en önemli koşulu, modelde yer alan bağımlı ve bağımsız değişkenlerin aynı frekansta olmaları gerektiğidir. Ancak bu koşul, iktisadi ve finansal değişkenlerin farklı frekanslarda yayınlanmalarından dolayı her zaman sağlanamaz. Uygulamalı literatürde bahsi geçen bu koşulu sağlamanın geleneksel çözümü toplulaştırma yöntemine başvurmaktır. Fakat toplulaştırma neticesinde yüksek frekanslı değişkendeki yararlı ve gerekli bilgilerin kaybolması olasıdır. Gyhsels ve diğerleri (2004), literatürdeki bu sorunu ortadan kaldırabilmek için farklı frekanslı değişkenlerin aynı modelde kullanılabildiği bir yöntem geliştirmişlerdir. Bu yöntem Karma Frekanslı Veri Örnekleme (Mixed Data Sampling, MIDAS) olarak adlandırılmaktadır. MIDAS yöntemi, yüksek frekanslı değişkenlerin toplulaştırma işlemine tabi tutulmadan çok değişkenli modellere dahil edilebilmelerine imkân sağlamaktadır. Dolayısıyla MIDAS yöntemiyle birlikte ilgili literatürde ülkelerin ekonomik büyüme oranlarının öngörüsünde yüksek frekanslı bilgilerin kullanımının önemi artmıştır. Bu çalışmanın amacı, MIDAS yöntemi altında aylık frekanslı değişkenlerden yararlanılarak Türkiye ekonomisinin üçer aylık frekanslı Gayri Safi Yurtiçi Hasıla (GSYİH) büyüme oranının anlık tahminin, belirli bir zaman aralığında gerçek zamanlı olarak uygulanmasıdır. Analizlerde aylık ve üçer aylık frekanslı değişkenler için 2020'nin Haziran ayında ulaşılabilen veri setleri temin edilerek GSYİH'nin 2015'in 1. çeyrek – 2020'nin 2. çeyrek dönemleri arasındaki büyüme oranı gerçek zamanlı olarak anlık tahmin edilmiştir. Çalışmada MIDAS modelinin anlık tahmin performansı, toplulaştırılmış değişkenlerin yer aldığı geleneksel modelin tahmin performansıyla karşılaştırılmıştır. Söz konusu bu karşılaştırma sonucunda genel olarak MIDAS modeliyle daha tutarlı tahminlerin elde edildiği belirlenmiştir.

Özet (Çeviri)

As known, the most important requirement for traditional time series regression models is that all dependent and independent variables in the model must be at the same frequency. However, this requirement is not always ensured because economic and financial variables are released at different frequencies. The traditional solution of this aforementioned requirement is to perform aggregation method in applied literature. However, it is possible that the useful and necessary information in the high frequency variable will be likely lost as a result of aggregation. Gyhsels et al. (2004) developed a method in which variables with different frequencies can be used in the same model in order to eliminate this problem in the literature. This method is called Mixed Data Sampling (MIDAS). The MIDAS method enables high frequency variables to be included in multivariate models without being subjected to aggregation. With the MIDAS method, the importance of using high frequency information in forecasting of the economic growth rates of countries has increased in the relevant literature. The aim of this study is the real-time application of nowcast of Turkey's economy quarterly frequency of Gross Domestic Product (GDP) growth rates during a given time interval by benefiting monthly frequency variables under the MIDAS method. In the analyses, the growth rate of GDP between the 1st quarter of 2015 and the 2nd quarter of 2020 was nowcasted in real time by providing data sets accessible in June 2020 for monthly and quarterly frequency variables. In the study, the nowcasting performance of the MIDAS model was compared with the forecasting performance of the conventional model with aggregated variables. As a result of this comparison, it is determined that more accurate forecast is generally obtained with the MIDAS model.

Benzer Tezler

  1. Karma frekanslı verilerde MİDAS regresyon modellerinin uygulanması: Türkiye'nin ekonomik büyüme tahmini

    Application of MIDAS regression models in mixed-frequency data: Economic growth forecast for Turkey

    HASRADDIN GULIYEV

    Yüksek Lisans

    Türkçe

    Türkçe

    2018

    EkonometriAkdeniz Üniversitesi

    Ekonometri Ana Bilim Dalı

    YRD. DOÇ. DR. ÇİĞDEM DEMİR

  2. Somut olmayan kültürel miras Bodrum yöresel yemekleri üzerine bir inceleme

    Intangible cultural heritage an investigation on Bodrum local foods

    HAKAN ÖZLER

    Yüksek Lisans

    Türkçe

    Türkçe

    2022

    Gastronomi ve Mutfak SanatlarıBaşkent Üniversitesi

    Gastronomi ve Mutfak Sanatları Ana Bilim Dalı

    PROF. DR. HAKAN TURGUT

  3. Single-frame and multi-frame super-resolution on remote sensing images via deep learning approaches

    Derin öğrenme yaklaşımlarıyla uzaktan algılama görüntülerinde tek çerçeve ve çok çerçeve süper çözünürlük

    PEIJUAN WANG

    Doktora

    İngilizce

    İngilizce

    2022

    İletişim Bilimleriİstanbul Teknik Üniversitesi

    İletişim Sistemleri Ana Bilim Dalı

    PROF. DR. ELİF SERTEL

  4. A data fusion application with linear kalman filter

    Lineer kalman filtresi kullanarak veri füzyonu uygulaması

    EMRE GENİŞ

    Yüksek Lisans

    İngilizce

    İngilizce

    2023

    Elektrik ve Elektronik Mühendisliğiİstanbul Teknik Üniversitesi

    Elektrik Mühendisliği Ana Bilim Dalı

    DR. ÖĞR. ÜYESİ DUYGU BAYRAM KARA

  5. Karma frekanslı veri örneklemesi ile Türkiye'de finansal krizlerin öncü göstergelerinin belirlenmesi

    Identifying leading indicators of financial crises in Türkiye with mixed-frequency data sampling

    MERVE KURT DEĞİRMENCİ

    Doktora

    Türkçe

    Türkçe

    2024

    EkonometriAnkara Hacı Bayram Veli Üniversitesi

    Ekonometri Ana Bilim Dalı

    PROF. DR. FURKAN EMİRMAHMUTOĞLU