Doğrusal Zaman Serisi Analizi - I Ders İzlencesi

EĞİTİM
Doğrusal Zaman Serisi Analizi - I
EĞİTMENLER
Prof. Dr. Mehmet BALCILAR
University of New Haven Dr. Öğr. Üyesi Çağın KARUL
Pamukkale Üniversitesi
KULLANILACAK YAZILIMLAR
EVIEWS 12+ GAUSS 25+ R
 

EĞİTİMİN KAPSAMI VE YÖNTEMİ 

Bu eğitim doğrusal zaman serisi ekonometrisinin temel araçlarından başlayarak, son yirmi yılda makroekonomi ve finansal ekonometri yazınında merkezi bir rol kazanmış olan zamanla değişen ve doğrusal olmayan VAR modellerine uzanan bütünleşik bir çerçeve sunmaktadır. İlk üç gün durağanlık ve birim kök testleri, VAR, eşbütünleşme ve vektör hata düzeltme modelleri ile nedensellik analizine ayrılmıştır. Son iki gün ise sabit parametreli VAR modellerinin yetersiz kaldığı rejim değişiklikleri, doğrusal olmayan dinamikler ve kuyruk bağımlılıkları altında geliştirilen kayan-pencere VAR, zamanla değişen parametreli VAR (TVP-VAR), kantil VAR (QVAR) ve eşikli VAR (TVAR) yaklaşımlarını, Diebold–Yılmaz yayılma endeksi çerçevesiyle birleştirerek sistemik risk yayılımı ve ağ bağlantılılığı analizine odaklanmaktadır.

Eğitim Yöntemi: Anlatılacak yöntemler teorik altyapısı aktarıldıktan sonra EViews, GAUSS ve R yazılımları kullanılarak pratik uygulamalarla desteklenecektir. Eğitim, teorik temellerden uygulamalı kodlamaya uzanan bir akış izlemektedir.

 

EĞİTİM KONULARI VE YÖNTEMLER

(13–17 Temmuz 2026)
DERS SAATLERİ: 09:00 - 15:00
Gün Konu Başlığı İçerik ve İncelenecek Yöntemler
BİRİNCİ BÖLÜM — DOĞRUSAL ZAMAN SERİSİ YÖNTEMLERİ
1. GÜN Durağanlık ve Birim Kök Testleri Zaman serisi ekonometrisinin temeli olan durağanlık kavramı, deterministik/stokastik trend ayrımı, sahte regresyon problemi ve bütünleşme derecesinin belirlenmesi:
  • 1.1. Geleneksel Birim Kök ve Durağanlık Testleri: Genişletilmiş Dickey–Fuller (ADF), Phillips–Perron (PP), KPSS durağanlık testi, DF-GLS etkin birim kök testi (Elliott, Rothenberg ve Stock, 1996), Ng–Perron (2001) ve LM tabanlı birim kök testleri (Schmidt ve Phillips, 1992).
  • 1.2. Birim Kök ve Durağanlık Testlerinin Yeni Uzantıları: Eş-değişkenli durağanlık testleri, normal olmayan hatalar altında yeni durağanlık testi (Nazlıoğlu, Lee, Karul ve You, 2022), Kantil birim kök testi (Koenker ve Xiao, 2004; Galvao, 2009) ve RALS yaklaşımıyla normal olmayan hatalar altında birim kök testleri: RALS-ADF (Im, Lee ve Tieslau, 2014) ile RALS-LM (Meng, Im, Lee ve Tieslau, 2014).
2. GÜN VAR Analizi ve Eşbütünleşme Analizi Çok değişkenli doğrusal zaman serisi modellemesi, dinamik şok aktarımı ve değişkenler arası uzun dönem ilişkilerin test edilmesi:
  • 2.1. VAR Analizi: Etki–tepki fonksiyonları, genelleştirilmiş etki–tepki analizi (Koop, Pesaran ve Potter, 1996; Pesaran ve Shin, 1998) ve Varyans Ayrıştırması.
  • 2.2. Eşbütünleşme ve Vektör Hata Düzeltme Modelleri: Artık tabanlı Engle–Granger (1987), Phillips–Ouliaris (1990) ve Shin (1994) eşbütünleşme testleri; Johansen (1988) ve Johansen–Juselius (1990) sistem yaklaşımı çerçevesinde eşbütünleşme; ARDL sınır testi yaklaşımı (Pesaran, Shin ve Smith, 2001).
3. GÜN Eşbütünleşme Tahmincileri ve Nedensellik Analizi Eşbütünleşik değişkenler arasındaki uzun dönem parametrelerinin etkin tahmini ve nedensel etkileşimlerin yönünün belirlenmesi:
  • 3.1. Uzun Dönem Eşbütünleşme Tahmincileri: Tam Değiştirilmiş En Küçük Kareler (FMOLS) (Phillips ve Hansen, 1990), Kanonik Eşbütünleşme Regresyonu (CCR) (Park, 1992), Dinamik EKK (DOLS) (Stock ve Watson, 1993) ve ARDL tabanlı uzun dönem tahmini (Pesaran ve Shin, 1999).
  • 3.2. Nedensellik Testleri: Granger nedensellik testi (Granger, 1969), Toda–Yamamoto (1995) nedensellik testi, Bootstrap Toda–Yamamoto yaklaşımı (Hacker ve Hatemi-J, 2006) ve Asimetrik nedensellik testi (Hatemi-J, 2012).
İKİNCİ BÖLÜM — ZAMANLA DEĞİŞEN, KANTİL VE EŞİKLİ VAR İLE BAĞLILIK ANALİZİ
4. GÜN Zamanla Değişen ve Kantil VAR Modelleri Sabit parametreli modellerin yetersiz kaldığı durumlarda yapısal kırılmalar, politika rejimleri ve rejim değişiklikleri altında modelleme yöntemleri:
  • 4.1. VAR’dan Zamanla Değişen VAR’a: Sims (1980) indirgenmiş form/yapısal şoklar; Andrews (1993) ve Bai–Perron (1998) yapısal kırılma sınamaları; Lucas eleştirisi, politika rejimleri ve katsayıların değişimi (Cogley ve Sargent, 2001, 2005; Primiceri, 2005); rolling-window, TVP ve eşik/rejim tabanlı (TVAR, MS-VAR) stratejilerin karşılaştırılması.
  • 4.2. Kayan-Pencere (Rolling-Window) VAR: İstatistiksel özellikler (yanlılık–varyans değişimi), etki-tepki fonksiyonlarının zaman içindeki yörüngesi ve çapraz doğrulama/bilgi kriterleri ile pencere boyutu seçimi.
  • 4.3. TVP-VAR ve Stokastik Oynaklık: TVP-VAR (Primiceri, 2005) durum-uzayı yapısı, Gibbs örnekleyici, Carter–Kohn algoritması ve Kim, Shephard ve Chib (1998) karışım örnekleyicisi; önsel seçimi (Minnesota vb.); Geweke yakınsama tanılaması, zamanla değişen dürtü–tepki ve genelleştirilmiş dürtü–tepki (GIRF).
  • 4.4. Kantil VAR (QVAR): Dağılımın kuyruklarındaki yayılma ve asimetrik tepkilerin tespiti (Cecchetti ve Li, 2008; White, Kim ve Manganelli, 2015; Chavleishvili ve Manganelli, 2024); kantil etki–tepki ve kantil bağlılık (Ando, Greenwood-Nimmo ve Shin, 2022).
5. GÜN Eşikli VAR ve Bağlılık Analizi Doğrusal olmayan dinamiklerin yakalanması ve Diebold–Yılmaz çerçevesiyle sistemik risk yayılımı ile finansal ağ bağlantılılığı analizleri:
  • 5.1. Eşikli VAR (TVAR): İki rejimli eşikli VAR modeli, doğrusallık testleri (Hansen, 1996) ve rejim-bağımlı etki–tepki fonksiyonları (Koop, Pesaran ve Potter, 1996).
  • 5.2. Diebold–Yılmaz Yayılma Endeksi: Tahmin hata varyans ayrıştırması (FEVD) ve genelleştirilmiş FEVD (gFEVD) ile bağlılık ölçümü (Diebold ve Yılmaz, 2009, 2012, 2014); çift-bağlılık, net çift-bağlılık, tahmin ufku (H) ve VAR derecesi (p) etkileri; Bayes ve LASSO büzüştürme.
  • 5.3. Dinamik Bağlılık ve Ağ Analizi: Zamanla değişen tahmin (Antonakakis, Chatziantoniou ve Gabauer, 2020); unutma faktörü seçimi; düğüm merkezilik ölçütleri (derece, ara-merkezilik, özvektör merkeziliği) ile yönlü ağırlıklı ağ inşası ve sistemik önem yorumlamaları.
  • 5.4. Frekans Alanı ve Kantil Bağlılık: Spektral alanda kısa ve uzun dönem bileşenlerine ayrıştırma (Baruník ve Křehlík, 2018) ile QVAR(p) üzerinden sol-kuyruk ortak risk yayılımı ve kantil bağlılık (Ando, Greenwood-Nimmo ve Shin, 2022).
 

LİTERATÜR VE KAYNAKÇA

Birim Kök ve Durağanlık Testleri
  • Dickey, D. A., & Fuller, W. A. (1979). Distribution of the estimators for autoregressive time series with a unit root. Journal of the American Statistical Association, 74(366), 427-431.
  • Phillips, P. C. B., & Perron, P. (1988). Testing for a unit root in time series regression. Biometrika, 75(2), 335-346.
  • Kwiatkowski, D., Phillips, P. C. B., Schmidt, P., & Shin, Y. (1992). Testing the null hypothesis of stationarity against the alternative of a unit root. Journal of Econometrics, 54(1-3), 159-178.
  • Elliott, G., Rothenberg, T. J., & Stock, J. H. (1996). Efficient tests for an autoregressive unit root. Econometrica, 64(4), 813-836.
  • Ng, S., & Perron, P. (2001). Lag length selection and the construction of unit root tests with good size and power. Econometrica, 69(6), 1519-1554.
  • Schmidt, P., & Phillips, P. C. B. (1992). LM tests for a unit root in the presence of deterministic trends. Oxford Bulletin of Economics and Statistics, 54(3), 257-287.
  • Nazlioglu, S., Lee, J., Karul, C., & You, Y. (2022). Testing for stationarity with covariates: More powerful tests with non-normal errors. Studies in Nonlinear Dynamics & Econometrics, 26(2), 191-203.
  • Koenker, R., & Xiao, Z. (2004). Unit root quantile autoregression inference. Journal of the American Statistical Association, 99(467), 775-787.
  • Galvao, A. F. (2009). Unit root quantile autoregression testing using covariates. Journal of Econometrics, 152(2), 165-178.
  • Im, K. S., Lee, J., & Tieslau, M. A. (2014). More powerful unit root tests with non-normal errors. In Festschrift in Honor of Peter Schmidt (pp. 315-342). Springer.
  • Meng, M., Im, K. S., Lee, J., & Tieslau, M. A. (2014). More powerful LM unit root tests with non-normal errors. In Festschrift in Honor of Peter Schmidt (pp. 343-357). Springer.
VAR, Yapısal VAR ve Etki-Tepki Analizi
  • Sims, C. A. (1980). Macroeconomics and reality. Econometrica, 48(1), 1-48.
  • Lütkepohl, H., & Krätzig, M. (2004). Applied Time Series Econometrics. Cambridge University Press.
  • Enders, W. (2010). Applied Econometric Time Series (3rd ed.). John Wiley & Sons.
  • Sims, C. A., Stock, J. H., & Watson, M. W. (1990). Inference in linear time series models with some unit roots. Econometrica, 58(1), 113-144.
  • Koop, G., Pesaran, M. H., & Potter, S. M. (1996). Impulse response analysis in nonlinear multivariate models. Journal of Econometrics, 74(1), 119-147.
  • Pesaran, M. H., & Shin, Y. (1998). Generalized impulse response analysis in linear multivariate models. Economics Letters, 58(1), 17-29.
Eşbütünleşme ve Vektör Hata Düzeltme
  • Engle, R. F., & Granger, C. W. J. (1987). Co-integration and error correction: Representation, estimation, and testing. Econometrica, 55(2), 251-276.
  • Phillips, P. C. B., & Ouliaris, S. (1990). Asymptotic properties of residual based tests for cointegration. Econometrica, 58(1), 165-193.
  • Johansen, S. (1988). Statistical analysis of cointegration vectors. Journal of Economic Dynamics and Control, 12(2-3), 231-254.
  • Johansen, S., & Juselius, K. (1990). Maximum likelihood estimation and inference on cointegration - with applications to the demand for money. Oxford Bulletin of Economics and Statistics, 52(2), 169-210.
  • Juselius, K. (1999). Models and relations in economics and econometrics. Journal of Economic Methodology, 6(2), 259-290.
  • Pesaran, M. H., Shin, Y., & Smith, R. J. (2001). Bounds testing approaches to the analysis of level relationships. Journal of Applied Econometrics, 16(3), 289-326.
  • Shin, Y. (1994). A residual-based test of the null of cointegration against the alternative of no cointegration. Econometric Theory, 10(1), 91-115.
Eşbütünleşme Tahmincileri
  • Phillips, P. C. B., & Hansen, B. E. (1990). Statistical inference in instrumental variables regression with I(1) processes. Review of Economic Studies, 57(1), 99-125.
  • Park, J. Y. (1992). Canonical cointegrating regressions. Econometrica, 60(1), 119-143.
  • Stock, J. H., & Watson, M. W. (1993). A simple estimator of cointegrating vectors in higher order integrated systems. Econometrica, 61(4), 783-820.
  • Pesaran, M. H., & Shin, Y. (1999). An autoregressive distributed lag modelling approach to cointegration analysis. In S. Strøm (Ed.), Econometrics and Economic Theory in the 20th Century: The Ragnar Frisch Centennial Symposium (Ch. 11). Cambridge University Press.
  • Pesaran, M. H., & Pesaran, B. (1997). Working with Microfit 4.0: Interactive Econometric Analysis. Oxford University Press.
Nedensellik Testleri
  • Granger, C. W. J. (1969). Investigating causal relations by econometric models and cross-spectral methods. Econometrica, 37(3), 424-438.
  • Toda, H. Y., & Yamamoto, T. (1995). Statistical inference in vector autoregressions with possibly integrated processes. Journal of Econometrics, 66(1-2), 225-250.
  • Hacker, R. S., & Hatemi-J, A. (2006). Tests for causality between integrated variables using asymptotic and bootstrap distributions: Theory and application. Applied Economics, 38(13), 1489-1500.
  • Hatemi-J, A. (2012). Asymmetric causality tests with an application. Empirical Economics, 43(1), 447-456.
Zamanla Değişen ve Bayes VAR
  • Andrews, D. W. K. (1993). Tests for parameter instability and structural change with unknown change point. Econometrica, 61(4), 821-856.
  • Bai, J., & Perron, P. (1998). Estimating and testing linear models with multiple structural changes. Econometrica, 66(1), 47-78.
  • Cogley, T., & Sargent, T. J. (2001). Evolving post-World War II U.S. inflation dynamics. NBER Macroeconomics Annual, 16, 331-373.
  • Cogley, T., & Sargent, T. J. (2005). Drifts and volatilities: Monetary policies and outcomes in the post WWII US. Review of Economic Dynamics, 8(2), 262-302.
  • Primiceri, G. E. (2005). Time varying structural vector autoregressions and monetary policy. Review of Economic Studies, 72(3), 821-852.
  • Carter, C. K., & Kohn, R. (1994). On Gibbs sampling for state space models. Biometrika, 81(3), 541-553.
  • Kim, S., Shephard, N., & Chib, S. (1998). Stochastic volatility: Likelihood inference and comparison with ARCH models. Review of Economic Studies, 65(3), 361-393.
  • Koop, G., & Korobilis, D. (2013). Large time-varying parameter VARs. Journal of Econometrics, 177(2), 185-198.
Kantil VAR
  • Cecchetti, S. G., & Li, H. (2008). Measuring the impact of asset price booms using quantile vector autoregressions. Brandeis University Working Paper.
  • White, H., Kim, T.-H., & Manganelli, S. (2015). VAR for VaR: Measuring tail dependence using multivariate regression quantiles. Journal of Econometrics, 187(1), 169-188.
  • Chavleishvili, S., & Manganelli, S. (2024). Forecasting and stress testing with quantile vector autoregression. Journal of Applied Econometrics, 39(1), 66-85.
Eşikli ve Doğrusal Olmayan VAR
  • Tsay, R. S. (1998). Testing and modeling multivariate threshold models. Journal of the American Statistical Association, 93(443), 1188-1202.
  • Hansen, B. E. (1996). Inference when a nuisance parameter is not identified under the null hypothesis. Econometrica, 64(2), 413-430.
Bağlılık ve Yayılma Endeksleri
  • Diebold, F. X., & Yilmaz, K. (2009). Measuring financial asset return and volatility spillovers, with application to global equity markets. The Economic Journal, 119(534), 158-171.
  • Diebold, F. X., & Yilmaz, K. (2012). Better to give than to receive: Predictive directional measurement of volatility spillovers. International Journal of Forecasting, 28(1), 57-66.
  • Diebold, F. X., & Yilmaz, K. (2014). On the network topology of variance decompositions: Measuring the connectedness of financial firms. Journal of Econometrics, 182(1), 119-134.
  • Antonakakis, N., Chatziantoniou, I., & Gabauer, D. (2020). Refined measures of dynamic connectedness based on time-varying parameter vector autoregressions. Journal of Risk and Financial Management, 13(4), 84.
  • Baruník, J., & Křehlík, T. (2018). Measuring the frequency dynamics of financial connectedness and systemic risk. Journal of Financial Econometrics, 16(2), 271-296.
  • Ando, T., Greenwood-Nimmo, M., & Shin, Y. (2022). Quantile connectedness: Modeling tail behavior in the topology of financial networks. Management Science, 68(4), 2401-2431.
© 2026 Uluslararası Ekonomi Yaz Seminerleri
EYS Düzenleme Kurulu; program akışı, dersler, konaklama, ulaşım ve sunulan tüm imkânlarda değişiklik yapma hakkını saklı tutar.

Menü