GERİ DÖN
Ders Öğretim Planı
| Dersin Kodu | Dersin Adı | Dersin Türü | Yıl | Yarıyıl | AKTS | Kredi |
|---|---|---|---|---|---|---|
| EECF409 | Time Series Analysis | Seçmeli Ders Grubu | 4 | 7 | 5.00 | 3.00 |
Dersin Seviyesi
Lisans
Dersin Sunulduğu Dil
İngilizce
Dersin Amacı
Bu dersin amacı, öğrencilere ekonomik ve finansal verilerin zaman serileri analizi yöntemlerini öğretmek, ekonomik ve finansal tahminleme yeteneklerini geliştirmek ve ekonomik ve finansal olayların zamana bağlı olarak nasıl değiştiğini anlamalarını sağlamaktır.
Dersi Veren Öğretim GörevlisiGörevlileri
Öğrenme Çıktıları
| 1 | Zaman serisi analizi kavramlarını ve yöntemlerini anlama. |
| 2 | İktisadi ve finansal verileri zaman serileri olarak analiz etme becerisi geliştirme. |
| 3 | Zaman serisi tahmin modellerini oluşturma ve değerlendirme yeteneği geliştirme. |
| 4 | İktisadi ve finansal kararlar için zaman serisi analizi sonuçlarını yorumlama yeteneği geliştirme. |
| 5 | İktisadi ve finansal kararlar için zaman serisi analizi sonuçlarını yorumlama yeteneği geliştirme. |
Öğrenim Türü
Birinci Öğretim
Dersin Ön Koşulu Olan Dersler
Yok.
Ders İçin Önerilen Diğer Hususlar
Yok.
Dersin İçeriği
Bu dersin amacı, öğrencilere ekonomik ve finansal verilerin zaman serileri analizi yöntemlerini öğretmek, ekonomik ve finansal tahminleme yeteneklerini geliştirmek ve ekonomik ve finansal olayların zamana bağlı olarak nasıl değiştiğini anlamalarını sağlamaktır.
Haftalık Ayrıntılı Ders İçeriği
| Hafta | Teorik | [OgretimYontemVeTeknikleri] | [OnHazirlik] |
|---|---|---|---|
| 1 | Zaman Serileri Analizi ve Uygulama Alanları | ||
| 2 | Zaman Serilerinin İncelenmesi: Grafikler ve İstatistiksel Ölçümler | ||
| 3 | Zaman Serisi Bileşenleri ve Veri Dönüşümleri | ||
| 4 | Zaman Serileri Modelleri: Yatay Modeller | ||
| 5 | Zaman Serileri Modelleri: Hareketli Ortalama Modelleri | ||
| 6 | Zaman Serileri Modelleri: Karma Modeller | ||
| 7 | Zaman Serileri Tahminleme Metodları: Kesikli ve Sürekli Modeller | ||
| 8 | Mevsimsellik ve Uzun Vadeli Tahminleme | ||
| 9 | Zaman Serilerinde Model Seçimi ve Tahmin Gücü | ||
| 10 | Zaman Serilerinde Trend Analizi ve Düzeltme | ||
| 11 | Eşbütünleşme ve Hata Düzeltme Modelleri | ||
| 12 | Volatilite Modelleri ve Finansal Zaman Serileri | ||
| 13 | Zaman Serilerinde Değişim ve Yapısal Kırılma Analizi | ||
| 14 | Uygulama ve Proje Çalışmaları |
Ders Kitabı Malzemesi Önerilen Kaynaklar
Modern Time Series Forecasting with Python: Industry-ready machine learning and deep learning time series analysis with PyTorch and pandas by Manu Joseph , Jeffrey Tackes, et al. | Oct 31, 2024
Planlanan Öğrenme Aktiviteleri ve Metodları
Yok.
Değerlendirme
| Yarıyıl (Yıl) İçi Etkinlikleri | Adet | Değer |
|---|---|---|
| Ara Sınav | 1 | 100 |
| Toplam | 100 | |
| Yarıyıl (Yıl) Sonu Etkinlikleri | Adet | Değer |
| Final Sınavı | 1 | 100 |
| Toplam | 100 | |
| Yarıyıl (Yıl) İçi Etkinlikleri | 40 | |
| Yarıyıl (Yıl) Sonu Etkinlikleri | 60 | |
Staj Durumu
Yok.
İş Yükü Hesaplaması
| Etkinlikler | Sayısı | Süresi (saat) | Toplam İş Yükü (saat) |
|---|---|---|---|
| Ara Sınav | 1 | 1 | 1 |
| Final Sınavı | 1 | 1 | 1 |
| Ara Sınav İçin Bireysel Çalışma | 1 | 50 | 50 |
| Final Sınavı içiin Bireysel Çalışma | 1 | 72 | 72 |
| Toplam İş Yükü (saat) | 124 | ||
Program ve Öğrenme Çıktıları İlişkisi
| PÇ 1 | PÇ 2 | PÇ 3 | PÇ 4 | PÇ 5 | PÇ 6 | PÇ 7 | PÇ 8 | PÇ 9 | |
| ÖÇ 1 | 5 | 4 | 4 | 3 | 4 | 3 | 5 | 3 | 3 |
| ÖÇ 2 | 4 | 4 | 4 | 4 | 4 | 4 | 5 | 5 | 5 |
| ÖÇ 3 | 3 | 4 | 5 | 4 | 5 | 3 | 3 | 3 | 3 |
| ÖÇ 4 | 3 | 5 | 4 | 4 | 5 | 5 | 5 | 4 | 5 |
| ÖÇ 5 | 4 | 4 | 5 | 4 | 3 | 3 | 3 | 3 | 5 |
* Katkı Düzeyi : 1 Çok düşük 2 Düşük 3 Orta 4 Yüksek 5 Çok yüksek