Durağanlık Analizi (ADF, KPSS Testleri)
• Analizin Amacı: Zaman serisinin durağan olup olmadığını test etmek. Durağanlık, zaman serisi modellerinin geçerli olabilmesi için önemli bir varsayımdır.
• Kullanım Alanları: Finansal veriler, makroekonomik göstergeler, enerji fiyatları.
• Gereken Veri Seti ve Türü: Zaman serisi verileri (örneğin, aylık satış verileri, hisse senedi fiyatları).
• Analiz Süreci: ADF (Augmented Dickey-Fuller) ve KPSS (Kwiatkowski-Phillips-Schmidt-Shin) testleri ile durağanlık kontrol edilir. R, Python veya EViews gibi yazılımlar kullanılır.
• Örnek Uygulama: Hisse senedi fiyatlarının durağan olup olmadığı ADF testi ile incelenir.
ARIMA Modelleri (Box-Jenkins Yaklaşımı)
• Analizin Amacı: Zaman serisi verilerini modellemek ve gelecekteki değerleri tahmin etmek.
• Kullanım Alanları: Finansal tahminler, envanter yönetimi, talep tahmini.
• Gereken Veri Seti ve Türü: Durağan zaman serisi verileri.
• Analiz Süreci: ARIMA (Autoregressive Integrated Moving Average) modeli, otoregresif(AR), entegre (I) ve hareketli ortalama (MA) bileşenlerinden oluşur. R, Python veya EViews ile uygulanır.
• Örnek Uygulama: Aylık satış verileri kullanılarak gelecek dönem satış tahminleri yapılır.
VAR (Vektör Otoregresif) Modelleri
• Analizin Amacı: Birden fazla zaman serisi arasındaki dinamik ilişkiyi modellemek.
• Kullanım Alanları: Makroekonomik analizler, finansal piyasalar, enerji fiyatları.
• Gereken Veri Seti ve Türü: Birden fazla zaman serisi verisi.
• Analiz Süreci: VAR modelleri, her bir değişkenin kendi gecikmeli değerleri ve diğer değişkenlerle ilişkisini içerir. R, Python veya EViews kullanılır.
• Örnek Uygulama: Faiz oranları, enflasyon ve GSYİH arasındaki ilişki incelenir.
Granger Nedensellik Testi
• Analizin Amacı: İki zaman serisi arasında nedensellik ilişkisi olup olmadığını test etmek.
• Kullanım Alanları: Ekonomi, finans, sosyal bilimler.
• Gereken Veri Seti ve Türü: İki zaman serisi verisi.
• Analiz Süreci: Granger nedensellik testi, bir değişkenin diğerini tahmin edip edemeyeceğini inceler. R, Python veya EViews ile uygulanır.
• Örnek Uygulama: Petrol fiyatları ile enflasyon arasındaki nedensellik ilişkisi test edilir.
ARCH/GARCH Modelleri (Volatilite Analizi)
• Analizin Amacı: Zaman serisindeki volatiliteyi (oynaklığı) modellemek.
• Kullanım Alanları: Finansal piyasalar, risk yönetimi, hisse senedi fiyatları.
• Gereken Veri Seti ve Türü: Zaman serisi verileri (özellikle finansal veriler).
• Analiz Süreci: ARCH (Autoregressive Conditional Heteroskedasticity) ve GARCH (Generalized ARCH) modelleri kullanılır. R, Python veya EViews ile analiz edilir.
• Örnek Uygulama: Hisse senedi getirilerinin volatilitesi modellenir.
ARDL (Autoregressive Distributed Lag) Modelleri
• Analizin Amacı: Kısa ve uzun dönem dinamikleri incelemek ve eşbütünleşme analizi yapmak.
• Kullanım Alanları: Makroekonomik analizler, finansal modeller.
• Gereken Veri Seti ve Türü: Zaman serisi verileri.
• Analiz Süreci: ARDL modelleri, değişkenler arasındaki kısa ve uzun dönem ilişkileri inceler. R, Python veya EViews kullanılır.
• Örnek Uygulama: Faiz oranları ile yatırım arasındaki ilişki incelenir.
Eşbütünleşme Analizi (Engle-Granger, Johansen)
• Analizin Amacı: Zaman serileri arasında uzun dönemli bir ilişki olup olmadığını test etmek.
• Kullanım Alanları: Makroekonomik analizler, finansal modeller.
• Gereken Veri Seti ve Türü: Zaman serisi verileri.
• Analiz Süreci: Engle-Granger ve Johansen testleri kullanılır. R, Python veya EViews ile uygulanır.
• Örnek Uygulama: Tüketici fiyat endeksi ile üretici fiyat endeksi arasındaki uzun dönem ilişki incelenir.
Hata Düzeltme Modelleri (ECM)
• Analizin Amacı: Kısa dönemde dengeden sapmaların uzun dönemde nasıl düzeltildiğini modellemek.
• Kullanım Alanları: Makroekonomik analizler, finansal modeller.
• Gereken Veri Seti ve Türü: Zaman serisi verileri.
• Analiz Süreci: ECM, eşbütünleşme analizi sonrası uygulanır. R, Python veya EViewskullanılır.
• Örnek Uygulama: Faiz oranları ile enflasyon arasındaki kısa ve uzun dönem ilişki incelenir.
Mevsimsellik Analizi (Seasonal Decomposition)
• Analizin Amacı: Zaman serisindeki mevsimsel etkileri ayırmak ve analiz etmek.
• Kullanım Alanları: Perakende satışları, turizm, enerji tüketimi.
• Gereken Veri Seti ve Türü: Zaman serisi verileri (aylık, çeyreklik).
• Analiz Süreci: Mevsimsel bileşenler ayrıştırılır ve analiz edilir. R, Python veya EViewskullanılır.
• Örnek Uygulama: Aylık elektrik tüketimi verilerindeki mevsimsel etkiler incelenir.
Panel Veri Analizleri
• Sabit Etkiler ve Rastgele Etkiler Modelleri
• Dinamik Panel Veri Modelleri (GMM)
• Panel Birim Kök Testleri (Levin-Lin-Chu, Im-Pesaran-Shin)
• Panel Eşbütünleşme Testleri
• Panel VAR Modelleri
Faktör ve Küme Analizleri
• Temel Bileşenler Analizi (PCA)
• Faktör Analizi (Exploratory ve Confirmatory)
• Kümeleme Analizi (K-Means, Hiyerarşik Kümeleme)
• Diskriminant Analizi
• Çok Boyutlu Ölçekleme (MDS)
Endojenlik ve İçsel Değişken Analizleri
• İki Aşamalı En Küçük Kareler (2SLS)
• Araç Değişken (IV) Regresyonu
• Heckman Düzeltme Modeli (Seçim Yanlılığı)
• Dif-in-Dif (Farkların Farkı) Analizi
• RDD (Regression Discontinuity Design)
Mekansal Ekonometri ve Coğrafi Analizler
• Mekansal Otokorelasyon Analizi (Moran’s I)
• Mekansal Regresyon Modelleri (SAR, SEM)
• Coğrafi Ağırlıklı Regresyon (GWR)
• Kriging ve Mekansal Enterpolasyon
Nitel ve Sınırlı Bağımlı Değişken Analizleri
• Lojistik ve Probit Modelleri
• Multinominal ve Sıralı Lojistik Regresyon
• Tobit Modelleri
• Hayatta Kalma Analizi (Cox Regresyon, Kaplan-Meier)
• Olay Çalışması Analizi (Event Study Analysis)
Makroekonometrik ve Finansal Analizler
• Yapısal VAR (SVAR) Modelleri
• DSGE (Dinamik Stokastik Genel Denge) Modelleri
• Finansal Risk Analizi (VaR, CVaR)
• Portföy Optimizasyonu
• Faiz Oranı ve Döviz Kuru Tahmini
Büyük Veri ve Makine Öğrenmesi Analizleri
• Regresyon Ağaçları ve Rastgele Ormanlar
• Lasso, Ridge ve Elastic Net Regresyonu
• Yapay Sinir Ağları (ANN) ile Tahmin
• Destek Vektör Makineleri (SVM)
• Doğal Dil İşleme (NLP) ile Metin Analizi
• Zaman Serisi Tahmini için Derin Öğrenme Modelleri (LSTM, GRU)
Anket ve Pazar Araştırması Analizleri
• Güvenilirlik Analizi (Cronbach’s Alpha)
• Faktör Analizi ile Anket Geçerliliği
• Konjoint Analizi
• Müşteri Segmentasyonu
• Memnuniyet Analizi (CSI, NPS)
Simülasyon ve Monte Carlo Analizleri
• Monte Carlo Simülasyonu ile Risk Analizi
• Bootstrap Yöntemleri
• Stokastik Süreçler ve Markov Zincirleri
• Senaryo Analizi ve Duyarlılık Testleri
• Meta-Analiz
• Bayesci Ekonometri
• Nonparametrik ve Semiparametrik Modeller
• Karar Ağacı Analizi
• Çok Kriterli Karar Analizi (AHP, TOPSIS)
İleri Zaman Serisi Analizleri
• Dalgacık Dönüşümü (Wavelet Transform) ile Zaman Serisi Analizi
• Uzun Hafıza Modelleri (ARFIMA)
• Yapısal Kırılma Testleri (Chow Testi, Bai-Perron Testi)
• Frekans Alanı Analizi (Fourier Dönüşümü)
• Çoklu Zaman Serileri için Eşbütünleşme Analizi
• Yüksek Frekanslı Veri Analizi (High-Frequency Data Analysis)
Finansal Ekonometri ve Risk Analizleri
• Stres Testi ve Senaryo Analizi
• Finansal Varlık Fiyatlandırma Modelleri (CAPM, Fama-French)
• Opsiyon Fiyatlandırma Modelleri (Black-Scholes, Binom Ağaçları)
• Finansal Piyasa Mikroyapısı Analizi
• Kredi Riski Modelleri (Credit Scoring, PD, LGD)
• Portföy Performans Ölçümü (Sharpe Oranı, Treynor Oranı)
