Vektör otoregresyon modellerinde belirleme sorunu
The Identification problem in vector autoregressive models
- Tez No: 97796
- Danışmanlar: PROF. DR. CENAP ERDEMİR
- Tez Türü: Doktora
- Konular: İstatistik, Statistics
- Anahtar Kelimeler: Mevsimsellik, Vektör otoregresyon modeli, Seasonality, Vector autoregression model
- Yıl: 2000
- Dil: Türkçe
- Üniversite: Hacettepe Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: İstatistik Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: Belirtilmemiş.
Özet
HI ÖZET Bu doktora tezi çalışmasında, tahmin hatası en az olan vektör otoregresyon modellerinin gecikme sayısını bulabilmek amacıyla literatürde varolan kriterler incelenmiş, bu konu ile ilgili Nickelsburg (1985), Lütkepohl (1985), Pukkila ve Krishnaiah (1988) ve Koreisha ve Pukkila (1993) gibi literatürdeki çalışmalar örnek alınarak seriye en uygun gecikme sayısını tesbit etmede kullanılan Akaike (1974), Schwarz (1978) Shibata (1980) ve Quinn (1980) geleneksel bilgi kriterlerinin, bir benzetim çalışmasıyla vektör otoregresyon modellerinde olduğu gibi mevsimsel vektör otoregresyon modeller üzerinde de uygulanılabileceği gösterilmeye çalışılmış ve bu kriterler bu modeller üzerinde başarımları bakımından karşılaştırılıp elde edilen sonuçlar tartışılmıştır. Bu sonuçlardan mevsimsel vektör otoregresyon modellerinde Akaike bilgi kriteri üzerinde birtakım mevsimsel düzeltmelere gidilmeye ihtiyaç duyulmuş, bu düzeltmeler sonucunda“Mevsimselliğe Göre Düzeltilmiş Akaike Bilgi Kriteri”geliştirilmiş ve böylece mevsimsel vektör otoregresyon modellerinin gecikme sayısının tesbiti ile ilgili bir çalışma ortaya konmuştur.
Özet (Çeviri)
IV ABSTRACT In this Ph.D. dissertation, the criteria, used to determine the lag number of the VAR models which have the smallest estimation error, in literature are investigated, and by following the papers, such as Nickelsburg (1985), Lütkepohl (1985), Pukkila and Krishnaiah (1988), Koreisha and Pukkila (1993), a simulation study is made to show the traditional information criteria, as Akaike (1974), Schwarz (1978), Shibata (1980), Quinn (1980), can be used in SVAR models as well, and by the results of the simulation these criteria are compared by their performances in VAR and SVAR models. This comparison reveals that Akaike information criterion (AIC) should be modified in SVAR models, and after this modification“Seasonally Modified Akaike Information Criterion (SMAIC)”is developed. By this way, it is noted that this Ph.D. dissertation presents a study about identifying the order of SVAR models.
Benzer Tezler
- Vektör otoregressif modeller üzerine bir inceleme
An Investigation on vector autoregressive models
NEZİR KÖSE
- New model for forecasting financial data
Finansal verilerin öngörüsü için yeni bir model
ÖZGÜN SEYMEN UZUN
Yüksek Lisans
İngilizce
2019
Matematikİstanbul Teknik ÜniversitesiMatematik Mühendisliği Ana Bilim Dalı
DOÇ. DR. BURCU TUNGA
- Derin öğrenme ve büyük veri analitiği yöntemleriKullanarak Covid-19 yayılımının ileriye dönük tahmini
Forecasting the spread of covid-19 using deep learning and big data analytics methods
CYLAS KIGANDA
Yüksek Lisans
İngilizce
2023
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolGazi ÜniversitesiBilgisayar Bilimleri Ana Bilim Dalı
PROF. DR. MUHAMMET ALİ AKCAYOL
- A stress testıng framework for the Turkısh bankıng sector: an augmented approach
Türk bankacılık sektörü için bir stres testi çerçevesi: Bir genişletilmiş yaklaşım
BAHADIR ÇAKMAK
- Exploration of USD-DEM exchange rate returns at different time horizons and its implication to risk management
Amerikan doları-Alman markı döviz kuru getirilerinin değişik zaman aralıklarında incelenmesi ve bunların risk yönetimi üzerindeki etkileri
RAMZI NEKHILI
Doktora
İngilizce
2002
İşletmeİhsan Doğramacı Bilkent Üniversitesiİşletme Ana Bilim Dalı
YRD. DOÇ. DR. ASLIHAN ALTAY-SALİH
