Durağan Olmayan Zaman Serisi Modelleri

76 questions

Question 1Question

Bir zaman serisinin ancak ikinci dereceden farkı alındığında durağan hale geldiği ve durağanlaşan bu serinin AR(1)AR(1) ve MA(1)MA(1) süreçleri ile temsil edilebildiği saptanmıştır. Gecikme operatörü BB (BYt=Yt1B Y_t = Y_{t-1}) ve hata terimi ϵt\epsilon_t olmak üzere, bu sürecin genel ARIMA model yapısı aşağıdakilerden hangisidir?

Show answer & explanation

Answer: (1ϕ1B)(1B)2Yt=(1+θ1B)ϵt(1 - \phi_1 B) (1-B)^2 Y_t = (1 + \theta_1 B) \epsilon_t

Answer

Model, ikinci dereceden fark operatörü (1B)2(1-B)^2 ile AR(1)AR(1) ve MA(1)MA(1) polinomlarının çarpımı şeklinde ifade edilen (1ϕ1B)(1B)2Yt=(1+θ1B)ϵt(1 - \phi_1 B) (1-B)^2 Y_t = (1 + \theta_1 B) \epsilon_t yapısındadır.
Durağan olmayan bir seriyi durağanlaştırmak için uygulanan fark alma işlemi (1B)d(1-B)^d operatörü ile temsil edilir. Soruda d=2d=2 olarak verildiğinden fark operatörü (1B)2(1-B)^2 olur. Durağanlaşan serinin AR(1)AR(1) ve MA(1)MA(1) yapısında olması, denklemin sol tarafında (1ϕ1B)(1-\phi_1 B) polinomunun, sağ tarafında ise (1+θ1B)(1+\theta_1 B) polinomunun yer almasını gerektirir.

Step-by-Step Solution

1
Bütünleşiklik derecesini (dd) belirle.
d=2d = 2
Soruda serinin 'ikinci dereceden farkı' alındığında durağanlaştığı belirtilmiştir.
2
Otoregresif (pp) ve hareketli ortalama (qq) derecelerini belirle.
p=1,q=1p = 1, q = 1
Durağanlaşan serinin AR(1)AR(1) ve MA(1)MA(1) olduğu verilmiştir.
3
Gecikme operatörü BB kullanarak model denklemini kur.
(1ϕ1B)(1B)dYt=(1+θ1B)ϵt(1 - \phi_1 B) (1-B)^d Y_t = (1 + \theta_1 B) \epsilon_t
ARIMA(p, d, q) modellerinin genel matematiksel gösterimi bu operatörler üzerine kuruludur.

Key Concept

ARIMA(p, d, q) modellerinde 'd' parametresi serinin durağanlaşması için gereken fark alma sayısını, 'p' ve 'q' ise durağanlaşan fark serisinin ARMA yapısını belirler.

Practice More

ARIMA modellerinde durağanlık ve tersinirlik kısıtlarının (parametrelerin mutlak değerce 1'den küçük olması) önemini inceleyen bir soru çözülebilir.
Estimated Time:1m 30s
Question 2Question

Yt=Yt1+ϵtY_t = Y_{t-1} + \epsilon_t (ϵtBN(0,σ2)\epsilon_t \sim \text{BN}(0, \sigma^2)) şeklinde tanımlanan sabitsiz rassal yürüyüş (random walk without drift) süreci için aşağıdakilerden hangisi doğrudur?

Show answer & explanation

Answer: Sürecin varyansı zamana bağlıdır ve Var(Yt)=tσ2Var(Y_t) = t \sigma^2 şeklinde zamanla doğrusal olarak artar.

Answer

Sabitsiz rassal yürüyüş modelinde varyans zamana bağlı olarak Var(Yt)=tσ2Var(Y_t) = t \sigma^2 formülüyle doğrusal olarak artar.
Sabitsiz rassal yürüyüş modelinde Yt=Yt1+ϵtY_t = Y_{t-1} + \epsilon_t denkleminde otoregresif katsayı tam olarak 1'dir. Bu durum sürecin birim köke sahip olduğunu ve varyansının Var(Yt)=tσ2Var(Y_t) = t \sigma^2 şeklinde zamanla arttığını gösterir. Varyansın zamanın bir fonksiyonu olması sürecin durağan olmadığını kanıtlar.

Step-by-Step Solution

1
Sürecin ardışık yerine koyma yöntemiyle hata terimleri cinsinden ifadesini bulma
Yt=Y0+i=1tϵiY_t = Y_0 + \sum_{i=1}^t \epsilon_i
Varyans ve beklenen değer hesaplamaları için sürecin geçmişteki tüm şokların toplamı olduğunu görmek gerekir.
2
Varyans operatörünü eşitliğin her iki tarafına uygulama
Var(Yt)=Var(Y0+ϵ1+ϵ2+...+ϵt)=0+σ2+σ2+...+σ2=tσ2Var(Y_t) = Var(Y_0 + \epsilon_1 + \epsilon_2 + ... + \epsilon_t) = 0 + \sigma^2 + \sigma^2 + ... + \sigma^2 = t \sigma^2
Başlangıç değeri sabit olduğu için varyansı sıfırdır ve hata terimleri bağımsız olduğundan varyansları toplanır.

Key Concept

Birim köklü süreçlerde varyansın zamana bağlılığı (stokastik trend).
Estimated Time:2m 0s
Question 3Question

Bir zaman serisinin üretim süreci aşağıdaki fark denklemi ile verilmiştir:

Yt=δ+Yt1+ϵtY_t = \delta + Y_{t-1} + \epsilon_t

Burada δ0\delta \neq 0 bir sabit ve ϵtWN(0,σ2)\epsilon_t \sim WN(0, \sigma^2) (beyaz gürültü süreci) olduğuna göre, bu seri ile ilgili aşağıdakilerden hangisi doğrudur?

Show answer & explanation

Answer: Birinci dereceden farkı alındığında durağan hale gelen stokastik trendli bir süreçtir.

Answer

Verilen model birinci dereceden farkı alındığında durağan hale gelen stokastik trendli bir süreçtir.
Verilen denklem sabitli bir rassal yürüyüş modelidir. Bu tür modellerde birim kök bulunduğu için seri seviye değerinde durağan değildir. Ancak birinci dereceden farkı alındığında (DeltaYt=delta+epsilont\\Delta Y_t = \\delta + \\epsilon_t) elde edilen yeni seri, sabit ortalama ve varyansa sahip bir beyaz gürültü sürecine dönüştüğü için durağan hale gelir. Bu durum stokastik trendli veya fark durağan süreçlerin temel özelliğidir.

Step-by-Step Solution

1
Modelin yapısını analiz etme
Yt=δ+Yt1+ϵtY_t = \delta + Y_{t-1} + \epsilon_t denklemi, sabitli (driftli) bir rassal yürüyüş (Random Walk with Drift) modelidir.
Gecikmeli terim Yt1Y_{t-1}'in katsayısının 1 olması sürecin birim köke sahip olduğunu gösterir.
2
Fark operatörünü uygulama
ΔYt=YtYt1=δ+ϵt\Delta Y_t = Y_t - Y_{t-1} = \delta + \epsilon_t
Seriyi durağanlaştırmak için birinci dereceden fark alma işlemi (d=1d=1) uygulanır.
3
Sonuç serisinin durağanlığını kontrol etme
E[ΔYt]=δE[\Delta Y_t] = \delta ve Var(ΔYt)=σ2Var(\Delta Y_t) = \sigma^2
Farkı alınmış serinin ortalaması ve varyansı zamandan bağımsız (sabit) hale geldiği için seri durağandır.

Key Concept

Fark Durağan Süreçler (Difference-Stationary Processes)
Question 4Question

İktisadi bir zaman serisi olan YtY_t üzerinde yapılan birim kök testleri sonucunda, serinin düzey değerlerinde durağan olmadığı ancak birinci dereceden farkı alındığında durağan bir yapı kazandığı saptanmıştır. Durağan hale getirilen bu serinin yapısal özellikleri incelendiğinde ise bir adet otoregresif (ARAR) ve bir adet hareketli ortalama (MAMA) parametresi içerdiği belirlenmiştir. Buna göre, söz konusu süreci temsil eden modelin gecikme operatörü (BB) cinsinden kapalı ifadesi aşağıdakilerden hangisidir?

Show answer & explanation

Answer: (1ϕ1B)(1B)Yt=(1θ1B)ϵt(1 - \phi_1 B) (1 - B) Y_t = (1 - \theta_1 B) \epsilon_t

Answer

(1ϕ1B)(1B)Yt=(1θ1B)ϵt(1 - \phi_1 B) (1 - B) Y_t = (1 - \theta_1 B) \epsilon_t ifadesi, birinci dereceden farkı alınmış serinin AR(1) ve MA(1) süreçlerini içeren ARIMA(1, 1, 1) modelini temsil eder.
Durağan olmayan bir serinin durağanlaştırılması için uygulanan fark alma işlemi (d=1d=1), model denkleminde (1B)(1-B) çarpanı olarak yer alır. Bunun üzerine eklenen AR(1)AR(1) bileşeni sol tarafa (1ϕ1B)(1-\phi_1 B) çarpanı olarak, MA(1)MA(1) bileşeni ise sağ tarafa (1θ1B)(1-\theta_1 B) çarpanı olarak eklenerek doğru model yapısı oluşturulur.

Step-by-Step Solution

1
Durağanlaştırma derecesini belirle
d=1d = 1
Serinin düzeyde durağan olmayıp birinci farkı alındığında durağanlaşması, bütünleşiklik derecesinin 1 olduğunu gösterir.
2
Fark operatörünü yaz
Δ=(1B)\Delta = (1 - B)
Birinci dereceden fark alma işlemi gecikme operatörü cinsinden (1B)(1-B) şeklinde ifade edilir.
3
Model bileşenlerini tanımla
p=1,q=1p=1, q=1
Sürecin birer adet AR ve MA parametresi içerdiği belirtilmiştir.
4
Genel ARIMA(p, d, q) formülünde yerine koy
(1ϕ1B)(1B)1Yt=(1θ1B)ϵt(1 - \phi_1 B) (1 - B)^1 Y_t = (1 - \theta_1 B) \epsilon_t
Bileşenler Box-Jenkins notasyonuna göre birleştirildiğinde model kapalı formuna ulaşılır.

Key Concept

ARIMA(p, d, q) modellerinde 'd' parametresi serinin durağanlaşması için gereken fark alma sayısını temsil eder ve (1B)d(1-B)^d operatörü ile gösterilir.
Estimated Time:1m 30s
Question 5Question

Aylık veriler (s=12s=12) kullanılarak tahmin edilen bir zaman serisi modeli, gecikme operatörü (BB) cinsinden aşağıdaki gibi ifade edilmiştir:

(10.8B)(1B)(1B12)Yt=(10.4B12)ϵt(1 - 0.8B)(1 - B)(1 - B^{12})Y_t = (1 - 0.4B^{12})\epsilon_t

Buna göre, belirlenen bu modelin ARIMA(p,d,q)(P,D,Q)sARIMA(p,d,q)(P,D,Q)_s yapısı aşağıdakilerden hangisidir?

Show answer & explanation

Answer: ARIMA(1,1,0)(0,1,1)12ARIMA(1,1,0)(0,1,1)_{12}

Answer

Verilen modelin yapısı ARIMA(1,1,0)(0,1,1)12ARIMA(1,1,0)(0,1,1)_{12} olarak belirlenmiştir.
Verilen denklemde (10.8B)(1-0.8B) ifadesi birinci dereceden otoregresif (p=1p=1), (1B)(1-B) ifadesi mevsimsel olmayan birinci derece fark (d=1d=1), (1B12)(1-B^{12}) ifadesi mevsimsel birinci derece fark (D=1D=1) ve (10.4B12)(1-0.4B^{12}) ifadesi mevsimsel birinci derece hareketli ortalama (Q=1Q=1) bileşenlerini göstermektedir. Bu birleşim ARIMA(1,1,0)(0,1,1)12ARIMA(1,1,0)(0,1,1)_{12} modelini oluşturur.

Step-by-Step Solution

1
Mevsimsel olmayan (non-seasonal) bileşenlerin belirlenmesi
p=1,d=1,q=0p=1, d=1, q=0
(10.8B)(1 - 0.8B) terimi birinci dereceden otoregresif süreci (p=1p=1), (1B)(1 - B) terimi ise birinci dereceden fark alma işlemini (d=1d=1) temsil eder. Eşitliğin sağ tarafında sadece BB operatörüne bağlı bir terim olmadığı için q=0q=0 olur.
2
Mevsimsel (seasonal) bileşenlerin belirlenmesi
P=0,D=1,Q=1,s=12P=0, D=1, Q=1, s=12
(1B12)(1 - B^{12}) terimi mevsimsel birinci derece fark almayı (D=1D=1), (10.4B12)(1 - 0.4B^{12}) terimi ise mevsimsel birinci derece hareketli ortalama sürecini (Q=1Q=1) ifade eder. Mevsimsellik periyodu BB'nin üssünden görüleceği üzere s=12s=12'dir. Mevsimsel AR terimi (B12B^{12} içeren sol taraf polinomu) bulunmadığı için P=0P=0 olur.
3
Bileşenlerin standart notasyonda birleştirilmesi
ARIMA(1,1,0)(0,1,1)12ARIMA(1,1,0)(0,1,1)_{12}
Elde edilen tüm parametre dereceleri ARIMA(p,d,q)(P,D,Q)sARIMA(p,d,q)(P,D,Q)_s kalıbına yerleştirilir.

Key Concept

SARIMA modellerinde gecikme operatörü polinomları kullanılarak model derecelerinin (p,d,q) ve (P,D,Q)s olarak kimliklendirilmesi.

Practice More

Benzer bir soruda sabit terimin (intercept) eklenmesi durumunda serideki trendin nasıl değişeceğini inceleyebilirsiniz.
Estimated Time:1m 30s
Question 6Question

Bir YtY_t zaman serisinin düzey değerlerinde durağan olmadığı, ancak serinin birinci dereceden farkı alındığında elde edilen yeni serinin AR(2)AR(2) ve MA(1)MA(1) süreçlerinin birleşimi olan durağan bir yapıda olduğu saptanmıştır. Buna göre, bu zaman serisinin gecikme operatörü (BB) kullanılarak gösterilen kapalı formu aşağıdakilerden hangisidir?

Show answer & explanation

Answer: (1ϕ1Bϕ2B2)(1B)Yt=(1+θ1B)ϵt(1 - \phi_1 B - \phi_2 B^2)(1 - B) Y_t = (1 + \theta_1 B) \epsilon_t

Answer

Modelin doğru kapalı formu (1ϕ1Bϕ2B2)(1B)Yt=(1+θ1B)ϵt(1 - \phi_1 B - \phi_2 B^2)(1 - B) Y_t = (1 + \theta_1 B) \epsilon_t şeklindedir.
Verilen bilgiler serinin ARIMA(2,1,1)ARIMA(2,1,1) sürecine sahip olduğunu göstermektedir. Birinci dereceden fark alma işlemi (1B)(1-B) operatörü ile, AR(2)AR(2) süreci (1ϕ1Bϕ2B2)(1 - \phi_1 B - \phi_2 B^2) polinomu ile ve MA(1)MA(1) süreci (1+θ1B)(1 + \theta_1 B) polinomu ile temsil edilir. Bu bileşenlerin birleşimi doğru cevabı oluşturur.

Step-by-Step Solution

1
Bütünleşiklik derecesini (d) belirleme
d=1d = 1
Seri birinci dereceden farkı alındığında durağanlaştığı için I(1)I(1) sürecidir ve (1B)1(1-B)^1 operatörü gereklidir.
2
AR bileşeni polinomunu (p) yazma
ϕ(B)=(1ϕ1Bϕ2B2)\phi(B) = (1 - \phi_1 B - \phi_2 B^2)
AR(2)AR(2) süreci, serinin önceki iki değerine olan bağımlılığı temsil eden ikinci derece bir polinomdur.
3
MA bileşeni polinomunu (q) yazma
θ(B)=(1+θ1B)\theta(B) = (1 + \theta_1 B)
MA(1)MA(1) süreci, hata teriminin bir dönemlik gecikmesini içeren birinci derece bir polinomdur.
4
Bileşenleri ARIMA(2,1,1) yapısında birleştirme
(1ϕ1Bϕ2B2)(1B)Yt=(1+θ1B)ϵt(1 - \phi_1 B - \phi_2 B^2)(1 - B) Y_t = (1 + \theta_1 B) \epsilon_t
ARIMA modelleri ϕ(B)ΔdYt=θ(B)ϵt\phi(B) \Delta^d Y_t = \theta(B) \epsilon_t genel formunda ifade edilir.

Key Concept

ARIMA(p,d,q) modellerinde 'd' parametresi seriyi durağanlaştırmak için gereken fark sayısını, 'p' otoregresif dereceyi, 'q' ise hareketli ortalama derecesini temsil eder.

Hints

1
Serinin 'birinci dereceden farkı' ifadesi, YtY_t yerine (1B)Yt(1-B)Y_t yazmanız gerektiğini hatırlatır.
2
AR(2)AR(2) süreci sol tarafta (bağımlı değişken tarafında) ikinci dereceden bir gecikme polinomu gerektirir.
3
Genel form: ϕp(B)ΔdYt=θq(B)ϵt\phi_p(B) \Delta^d Y_t = \theta_q(B) \epsilon_t. Burada p=2p=2, d=1d=1 ve q=1q=1 değerlerini yerleştirmelisiniz.

Practice More

İkinci dereceden bütünleşik I(2)I(2) bir serinin ARIMA(1,2,1)ARIMA(1,2,1) olarak nasıl modelleneceğini inceleyebilirsiniz.
Estimated Time:1m 30s
Question 7Question
Yt=β0+β1t+ϵtY_t = \beta_0 + \beta_1 t + \epsilon_t şeklinde tanımlanan bir zaman serisi modelinde β10\beta_1 \neq 0 ve ϵtWN(0,σ2)\epsilon_t \sim WN(0, \sigma^2) (beyaz gürültü) olarak verilmiştir.

Bu süreçle ilgili aşağıdakilerden hangisi doğrudur?

Show answer & explanation

Answer: Bu süreç trend durağan (trend stationary) bir yapıdadır ve seriden deterministik trendin çıkarılmasıyla durağanlık sağlanır.

Answer

Verilen süreç trend durağan (trend stationary) bir yapıdadır ve deterministik trend bileşeni modelden çıkarıldığında (detrending) durağan hale gelir.
Verilen denklemde trend bileşeni (tt değişkeni) doğrudan bir katsayı ile modele eklenmiştir ve bu deterministik bir yapı oluşturur. Hata terimi beyaz gürültü olduğu için, bu trend bileşeni modelden çıkarıldığında geriye sadece durağan olan hata terimi kalır. Bu tür süreçlere literatürde 'Trend Durağan' (Trend Stationary) süreçler denir.

Step-by-Step Solution

1
Modelin beklenen değerini (ortalamasını) hesaplayın.
E[Yt]=E[β0+β1t+ϵt]=β0+β1tE[Y_t] = E[\beta_0 + \beta_1 t + \epsilon_t] = \beta_0 + \beta_1 t
Ortalamanın zamana bağlı olup olmadığını belirlemek için gereklidir.
2
Modelin varyansını hesaplayın.
Var(Yt)=Var(β0+β1t+ϵt)=Var(ϵt)=σ2Var(Y_t) = Var(\beta_0 + \beta_1 t + \epsilon_t) = Var(\epsilon_t) = \sigma^2
Varyansın sabit olup olmadığını kontrol etmek için gereklidir.
3
Durağanlaştırma yöntemini belirleyin.
Yt(β0+β1t)=ϵtY_t - (\beta_0 + \beta_1 t) = \epsilon_t
Ortalama zamana bağlı, varyans sabit ve trend deterministik olduğu için bu süreç trend durağandır; trendden arındırma (detrending) ile durağanlık sağlanır.

Key Concept

Trend Durağan (TS) süreçlerde trend deterministiktir ve seri bu trend çizgisi etrafında sabit bir varyansla hareket eder. Stokastik trend (DS) süreçlerinden farklı olarak, TS süreçleri fark alma ile değil, trendden arındırma ile durağanlaştırılır.

Practice More

Deterministik trend içeren bir seride fark alma işleminin (differencing) hata terimi üzerindeki etkisini (aşırı fark alma sorunu) inceleyebilirsiniz.
Estimated Time:1m 30s
Question 8Question
Zaman serisi analizinde δ0\delta \neq 0 bir sabit ve ϵtWN(0,σ2)\epsilon_t \sim WN(0, \sigma^2) bir beyaz gürültü süreci olmak üzere; Yt=δ+Yt1+ϵtY_t = \delta + Y_{t-1} + \epsilon_t şeklinde tanımlanan 'sabitli rassal yürüyüş' (random walk with drift) modeliyle ilgili aşağıdakilerden hangisi doğrudur?
Show answer & explanation

Answer: Serinin birinci dereceden farkı alındığında elde edilen yeni süreç durağandır.

Answer

Sabitli rassal yürüyüş modelinin birinci dereceden farkı alındığında elde edilen süreç durağan bir yapıdır.
Sabitli rassal yürüyüş modeli, durağan olmayan ve birinci dereceden bütünleşik I(1)I(1) bir süreçtir. Bu tür modellerde serinin birinci farkı alındığında (DeltaYt=delta+epsilont\\Delta Y_t = \\delta + \\epsilon_t), geriye sadece sabit bir terim ve beyaz gürültü kalır. Bu yeni sürecin ortalaması ve varyansı zamandan bağımsız olduğu için süreç durağan hale gelmiş olur.

Step-by-Step Solution

1
Modelin yapısını ve birim kök varlığını analiz etme
Yt=δ+Yt1+ϵtY_t = \delta + Y_{t-1} + \epsilon_t denkleminde Yt1Y_{t-1} katsayısı 11 olduğu için süreç birim köke sahiptir.
Birim köke sahip seriler durağan değildir ve farkı alınarak durağanlaştırılmalıdır.
2
Fark operatörünü model üzerine uygulama
ΔYt=YtYt1=(δ+Yt1+ϵt)Yt1=δ+ϵt\Delta Y_t = Y_t - Y_{t-1} = (\delta + Y_{t-1} + \epsilon_t) - Y_{t-1} = \delta + \epsilon_t
Seriyi durağanlaştırmak için fark alma işlemi uygulanır.
3
Elde edilen yeni sürecin durağanlık özelliklerini kontrol etme
E(ΔYt)=δE(\Delta Y_t) = \delta (sabit) ve Var(ΔYt)=σ2Var(\Delta Y_t) = \sigma^2 (sabit).
Ortalaması ve varyansı zamana bağlı olmayan süreçler zayıf durağandır.

Key Concept

Birim köklü süreçlerin (I(1)I(1)) fark alma işlemi ile durağanlaştırılması.
Estimated Time:1m 30s
Question 9Question

{ϵt}\{ \epsilon_t \} süreci Var(ϵt)=σ2\text{Var}(\epsilon_t) = \sigma^2 olan bir beyaz gürültü süreci ve Y0=0Y_0 = 0 olmak üzere, Yt=Yt1+ϵtY_t = Y_{t-1} + \epsilon_t şeklinde tanımlanan sabitsiz rassal yürüyüş (random walk without drift) modelinin istatistiksel özellikleri dikkate alındığında, aşağıdakilerden hangisi doğrudur?

Show answer & explanation

Answer: Sürecin varyansı zamana bağlı olarak tσ2t\sigma^2 değerine eşittir ve zaman geçtikçe sonsuza gider.

Answer

Sabitsiz rassal yürüyüş modelinde varyans zamana bağlıdır ve t anındaki varyans t çarpı hata terimi varyansına eşittir.
Sürecin varyansının zamana bağlı olarak doğrusal bir şekilde artması ve t'ye bağlı olarak ifade edilmesi, rassal yürüyüşün en temel durağan olmama özelliğidir.

Step-by-Step Solution

1
Modeli ardışık yerine koyma yöntemiyle genişletmek
Yt=ϵt+ϵt1+ϵt2++ϵ1+Y0Y_t = \epsilon_t + \epsilon_{t-1} + \epsilon_{t-2} + \dots + \epsilon_1 + Y_0
Sürecin tüm geçmiş şokların toplamı olduğunu görmek için.
2
Elde edilen toplamın varyansını hesaplamak
Var(Yt)=Var(i=1tϵi)=i=1tVar(ϵi)=tσ2\text{Var}(Y_t) = \text{Var}(\sum_{i=1}^t \epsilon_i) = \sum_{i=1}^t \text{Var}(\epsilon_i) = t\sigma^2
Hata terimleri bağımsız (beyaz gürültü) olduğu için varyansları toplanır.
3
Varyansın zamanla ilişkisini yorumlamak
Varyans zamana (t) bağlıdır ve sabit değildir.
Durağanlık için varyansın zamandan bağımsız (sabit) olması gerekir; bu nedenle süreç durağan değildir.

Key Concept

Stokastik Trend ve Birim Kök Özellikleri
Estimated Time:1m 30s
Question 10Question
Bir YtY_t zaman serisi için belirlenen stokastik süreç Yt=2Yt1Yt2+utY_t = 2Y_{t-1} - Y_{t-2} + u_t şeklindedir. Burada utu_t, sıfır ortalamalı ve sabit varyanslı bir beyaz gürültü (white noise) sürecini ifade etmektedir. Buna göre, bu zaman serisinin durağan hale getirilmesi için uygulanması gereken fark alma sayısını belirten bütünleşiklik derecesi (dd) aşağıdakilerden hangisidir?
Show answer & explanation

Answer: 2

Answer

Verilen süreci durağan hale getirmek için iki kez fark alma işlemi uygulanmalıdır, dolayısıyla bütünleşiklik derecesi 2'dir.
Verilen Yt=2Yt1Yt2+utY_t = 2Y_{t-1} - Y_{t-2} + u_t süreci düzenlendiğinde (1L)2Yt=ut(1-L)^2 Y_t = u_t halini alır. Burada (1L)(1-L) terimi fark operatörünü (Δ\Delta) temsil eder. Operatörün karesi alındığı için serinin durağanlaşması için iki kez fark alınması gerektiği, yani bütünleşiklik derecesinin 2 olduğu görülür.

Step-by-Step Solution

1
Verilen denklemi gecikme operatörü (LL) cinsinden yeniden düzenleyin.
Yt2Yt1+Yt2=utY_t - 2Y_{t-1} + Y_{t-2} = u_t denklemi, (12L+L2)Yt=ut(1 - 2L + L^2)Y_t = u_t haline gelir.
Birim köklerin varlığını ve derecesini belirlemek için karakteristik polinomu oluşturmak gerekir.
2
Karakteristik polinomu çarpanlarına ayırın.
12L+L21 - 2L + L^2 ifadesi, (1L)2(1 - L)^2 şeklinde tam kare bir ifadeye eşittir.
Fark operatörü Δ=(1L)\Delta = (1-L) olduğundan, bu form serinin kaçıncı dereceden farkı olduğunu gösterir.
3
Bütünleşiklik derecesini (dd) belirleyin.
Δ2Yt=ut\Delta^2 Y_t = u_t olduğu için d=2d=2 sonucuna ulaşılır.
Serinin I(d)I(d) olması, (1L)dYt(1-L)^d Y_t işleminin durağan bir süreç (I(0)I(0)) üretmesi anlamına gelir.

Key Concept

Bütünleşiklik derecesi (dd), durağan olmayan bir zaman serisinin durağan hale gelmesi için gereken minimum fark alma sayısını ifade eder ve sembolik olarak I(d)I(d) ile gösterilir.

Practice More

Farkı alınmış serinin (Δ2Yt \Delta^2 Y_t ) otokorelasyon fonksiyonunun (ACF) sönümlenme hızını inceleyerek durağanlığı doğrulayabilirsiniz.
Estimated Time:1m 30s
Question 11Question

Bir zaman serisi modelinin gecikme operatörü (BB) kullanılarak yapılan matematiksel gösterimi şu şekildedir:

(1ϕ1B)(1B)2Yt=(1+θ1B)ϵt(1 - \phi_1 B) (1 - B)^2 Y_t = (1 + \theta_1 B) \epsilon_t

Bu modelin yapısı ve bütünleşiklik derecesinin (dd) istatistiksel sonuçları dikkate alındığında, aşağıdakilerden hangisi doğrudur?

Show answer & explanation

Answer: d=2d=2 bütünleşiklik derecesi, serinin düzey değerlerinde durağan olmadığını ve stokastik trendin temizlenmesi için iki kez fark alma işlemi gerektiğini ifade eder.

Answer

Model ARIMA(1,2,1)ARIMA(1, 2, 1) yapısındadır; d=2d=2 bütünleşiklik derecesi serinin durağan olmadığını ve durağanlık için iki kez fark alınması gerektiğini gösterir.
Doğru cevap, modelin ARIMA(1,2,1)ARIMA(1, 2, 1) yapısında olduğunu ve d=2d=2 değerinin serinin düzeyde durağan olmadığını, durağanlık için iki kez fark alınması gerektiğini doğru bir şekilde açıklamaktadır. Matematiksel gösterimde (1B)2(1-B)^2 çarpanı, seride iki adet birim kök bulunduğunu ve stokastik bir trendin varlığını teyit eder.

Step-by-Step Solution

1
Modelin operatör yapısını bileşenlerine ayırın.
(1ϕ1B)(1-\phi_1 B) terimi p=1p=1 (AR), (1B)2(1-B)^2 terimi d=2d=2 (Fark) ve (1+θ1B)(1+\theta_1 B) terimi q=1q=1 (MA) olduğunu gösterir.
Modelin ARIMA(p, d, q) derecelerini belirlemek için operatörlerin konumunu ve üslerini analiz etmek gerekir.
2
Bütünleşiklik derecesinin (dd) durağanlık üzerindeki etkisini yorumlayın.
d=2d=2 olduğu için seri düzey değerlerinde durağan değildir ve iki adet birim köke (stochastic trend) sahiptir.
ARIMA modellerinde d>0d > 0 olması, serinin varyans ve ortalamasının zamana bağlı olarak değiştiği anlamına gelir.
3
Durağanlaştırma koşulunu belirleyin.
Serinin durağan bir ARMA(1,1)ARMA(1, 1) sürecine dönüşmesi için Δ2Yt=(1B)2Yt\Delta^2 Y_t = (1-B)^2 Y_t işleminin yapılması şarttır.
Fark alma işlemi, serideki birim köklerin etkisini yok ederek seriyi kovaryans durağan hale getirir.

Key Concept

ARIMA modellerinde bütünleşiklik derecesi (dd), durağan olmayan bir serideki birim kök sayısını ve seriyi durağanlaştırmak için gereken fark alma sayısını temsil eder.

Alternative Method

Denklemi açık halde yazarak Δ2Yt=(YtYt1)(Yt1Yt2)=Yt2Yt1+Yt2\Delta^2 Y_t = (Y_t - Y_{t-1}) - (Y_{t-1} - Y_{t-2}) = Y_t - 2Y_{t-1} + Y_{t-2} olduğunu görmek, fark alma işleminin derecesini doğrulamaya yardımcı olur.
Estimated Time:1m 30s
Question 12Question

Bir zaman serisinin Yt=3+Yt1+ϵtY_t = 3 + Y_{t-1} + \epsilon_t şeklinde ifade edilen sabitli rassal yürüyüş (random walk with drift) modeline uygun olduğu bilinmektedir. Burada ϵtWN(0,9)\epsilon_t \sim WN(0, 9) bir beyaz gürültü süreci ve serinin başlangıç değeri Y0=10Y_0 = 10 olarak verilmiştir.

Buna göre, bu serinin 5. dönemdeki (t=5t=5) beklenen değeri ve varyansı sırasıyla aşağıdakilerden hangisidir?

Show answer & explanation

Answer: 25 ve 45

Answer

Serinin 5. dönemdeki beklenen değeri 25, varyansı ise 45'tir.
Sabitli rassal yürüyüş modelinde E(Yt)=Y0+tδE(Y_t) = Y_0 + t\delta ve Var(Yt)=tσ2Var(Y_t) = t\sigma^2 eşitlikleri geçerlidir. Verilen Y0=10Y_0=10, δ=3\delta=3, σ2=9\sigma^2=9 ve t=5t=5 değerleri formülde yerine yazıldığında beklenen değer 25, varyans ise 45 olarak hesaplanır.

Step-by-Step Solution

1
Sabitli rassal yürüyüş modelinin genel çözüm ifadesini belirleme.
Yt=Y0+tδ+i=1tϵiY_t = Y_0 + t\delta + \sum_{i=1}^t \epsilon_i
Sürecin tt anındaki değerini başlangıç koşulları ve şoklar cinsinden ifade etmek için gereklidir.
2
Beklenen değer formülünü uygulama.
E(Yt)=Y0+tδ=10+5×3=25E(Y_t) = Y_0 + t\delta = 10 + 5 \times 3 = 25
Hata terimlerinin beklenen değeri sıfır olduğu için serinin ortalama seyri başlangıç değeri ve birikimli sürüklenme (drift) toplamıdır.
3
Varyans formülünü uygulama.
Var(Yt)=tσ2=5×9=45Var(Y_t) = t\sigma^2 = 5 \times 9 = 45
Hata terimleri bağımsız ve özdeş dağıldığı için varyans, zaman geçtikçe hata varyanslarının toplamı kadar artar.

Key Concept

Sabitli rassal yürüyüş modellerinde hem beklenen değer hem de varyans zamanın (tt) bir fonksiyonudur ve süreç durağan değildir.
Question 13Question

Bir iktisadi değişkenin zaman serisi süreci Yt=1,5+Yt1+ϵtY_t = 1,5 + Y_{t-1} + \epsilon_t modeline göre hareket etmektedir. Serinin başlangıç değeri Y0=0Y_0 = 0 ve hata terimi varyansı Var(ϵt)=4Var(\epsilon_t) = 4 olarak verildiğine göre, t=10t = 10 anı için serinin beklenen değeri ve varyansı sırasıyla aşağıdakilerden hangisidir?

Show answer & explanation

Answer: Beklenen Değer: 15; Varyans: 40

Answer

Serinin t=10t = 10 anındaki beklenen değeri 15 ve varyansı 40'tır.
Verilen Yt=1,5+Yt1+ϵtY_t = 1,5 + Y_{t-1} + \epsilon_t modeli bir sabitli rassal yürüyüş modelidir. Bu tür modellerde E(Yt)=Y0+tδE(Y_t) = Y_0 + t\delta ve Var(Yt)=tσ2Var(Y_t) = t\sigma^2 özellikleri geçerlidir. Y0=0Y_0 = 0, δ=1,5\delta = 1,5 ve σ2=4\sigma^2 = 4 değerleri t=10t=10 için yerine konulduğunda E(Y10)=15E(Y_{10}) = 15 ve Var(Y10)=40Var(Y_{10}) = 40 sonuçlarına ulaşılır.

Step-by-Step Solution

1
Modelin beklenen değer formülünün belirlenmesi
E(Yt)=Y0+δtE(Y_t) = Y_0 + \delta t
Sabitli rassal yürüyüş modelinde ortalama, zamanın bir fonksiyonu olarak doğrusal bir trend izler.
2
t=10t = 10 için beklenen değerin hesaplanması
E(Y10)=0+(1,5×10)=15E(Y_{10}) = 0 + (1,5 \times 10) = 15
Başlangıç değeri 0 ve sürüklenme terimi 1,5 değerleri formülde yerine konur.
3
Modelin varyans formülünün belirlenmesi
Var(Yt)=tσ2Var(Y_t) = t \sigma^2
Rassal yürüyüş modellerinde varyans zamanla doğrusal olarak artar, bu durum sürecin durağan olmadığını gösterir.
4
t=10t = 10 için varyansın hesaplanması
Var(Y10)=10×4=40Var(Y_{10}) = 10 \times 4 = 40
Hata terimi varyansı 4 ve zaman 10 değerleri kullanılarak toplam varyans bulunur.

Key Concept

Sabitli rassal yürüyüş modellerinde beklenen değer ve varyans her ikisi de zamanın (t) bir fonksiyonudur; bu nedenle süreç durağan değildir.
Estimated Time:1m 30s
Question 14Question

Üç aylık veriler (s=4s=4) kullanılarak analiz edilen bir zaman serisi için belirlenen model, gecikme operatörü (BB) cinsinden aşağıdaki gibi ifade edilmiştir:

(10.6B)(10.4B4)(1B)(1B4)Yt=(1+0.3B4)et(1 - 0.6B)(1 - 0.4B^4)(1 - B)(1 - B^4) Y_t = (1 + 0.3B^4) e_t

Buna göre, bu modelin SARIMA(p,d,q)(P,D,Q)sSARIMA(p,d,q)(P,D,Q)_s biçimindeki genel gösterimi aşağıdakilerden hangisidir?

Show answer & explanation

Answer: SARIMA(1,1,0)(1,1,1)4SARIMA(1, 1, 0)(1, 1, 1)_4

Answer

Verilen model denklemi incelendiğinde, bileşenlerin SARIMA(1,1,0)(1,1,1)4SARIMA(1, 1, 0)(1, 1, 1)_4 yapısına tam olarak uyduğu görülmektedir.
Verilen denklemde (10.6B)(1-0.6B) mevsimsel olmayan otoregresif bileşeni (p=1p=1), (1B)(1-B) mevsimsel olmayan fark alma işlemini (d=1d=1), (10.4B4)(1-0.4B^4) mevsimsel otoregresif bileşeni (P=1P=1), (1B4)(1-B^4) mevsimsel fark alma işlemini (D=1D=1) ve sağ taraftaki (1+0.3B4)(1+0.3B^4) mevsimsel hareketli ortalama bileşenini (Q=1Q=1) temsil etmektedir. Periyot s=4s=4 olduğu için model SARIMA(1,1,0)(1,1,1)4SARIMA(1, 1, 0)(1, 1, 1)_4 şeklindedir.

Step-by-Step Solution

1
Mevsimsellik periyodunu belirleme
s=4s = 4
Soruda verilerin üç aylık (s=4s=4) olduğu belirtilmiş ve operatörlerdeki üsler (4) bunu doğrulamıştır.
2
Mevsimsel olmayan (p,d,qp, d, q) parametrelerini belirleme
p=1,d=1,q=0p=1, d=1, q=0
(10.6B)(1-0.6B) terimi AR(1)AR(1), (1B)(1-B) terimi birinci dereceden fark (d=1d=1) ve sağ tarafta sadece BB içeren bir terim olmadığı için q=0q=0 dır.
3
Mevsimsel (P,D,QP, D, Q) parametrelerini belirleme
P=1,D=1,Q=1P=1, D=1, Q=1
(10.4B4)(1-0.4B^4) terimi SAR(1)SAR(1), (1B4)(1-B^4) terimi mevsimsel fark (D=1D=1) ve sağ taraftaki (1+0.3B4)(1+0.3B^4) terimi SMA(1)SMA(1) bileşenini temsil eder.

Key Concept

SARIMA modellerinde gecikme operatörü (BB) polinomları; mevsimsel olmayan (p, d, q) ve mevsimsel (P, D, Q, s) bileşenlerin çarpımı şeklinde ifade edilir.
Question 15Question

Durağan olmayan bir YtY_t zaman serisinin birinci dereceden farkı alındığında (ΔYt=YtYt1\Delta Y_t = Y_t - Y_{t-1}), elde edilen serinin durağan bir ARMA(1,1)ARMA(1, 1) süreci izlediği saptanmıştır.

Buna göre, orijinal YtY_t serisinin bütünleşiklik derecesi ve gecikme operatörü (BB) kullanılarak oluşturulan ARIMA model denklemi aşağıdakilerin hangisinde doğru verilmiştir?

Show answer & explanation

Answer: I(1)I(1) bütünleşiklik derecesi; (1ϕ1B)(1B)Yt=(1+θ1B)ϵt(1 - \phi_1 B)(1 - B) Y_t = (1 + \theta_1 B) \epsilon_t

Answer

Seri birinci dereceden bütünleşiktir (I(1)I(1)) ve model (1ϕ1B)(1B)Yt=(1+θ1B)ϵt(1 - \phi_1 B)(1 - B) Y_t = (1 + \theta_1 B) \epsilon_t şeklinde gösterilir.
Durağan olmayan bir serinin birinci farkının durağan bir sürece dönüşmesi, serinin I(1)I(1) olduğunu kanıtlar. Bu durum ARIMA(1, 1, 1) model yapısına karşılık gelir ve operatör gösteriminde (1B)(1-B) terimi otoregresif katsayı polinomuyla çarpım durumundadır.

Step-by-Step Solution

1
Serinin durağanlaşması için gereken fark alma sayısını belirleyin.
Seri birinci dereceden farkı alındığında durağanlaştığı için fark alma sayısı d=1d=1 olarak bulunur.
Bir zaman serisi kaçıncı dereceden farkı alındığında durağanlaşıyorsa, o serinin bütünleşiklik derecesi odur.
2
Durağanlaşan serinin model yapısını analiz edin.
Durağanlaşan seri ΔYt\Delta Y_t bir ARMA(1,1)ARMA(1,1) süreci izlemektedir; yani p=1p=1 ve q=1q=1 değerlerine sahiptir.
ARIMA(p, d, q) modelinde p ve q, farkı alınmış serinin AR ve MA derecelerini temsil eder.
3
Gecikme operatörü (BB) yardımıyla genel ARIMA denklemini kurun.
Model: (1ϕ1B)ΔYt=(1+θ1B)ϵt(1 - \phi_1 B) \Delta Y_t = (1 + \theta_1 B) \epsilon_t ve Δ=(1B)\Delta = (1-B) olduğu için (1ϕ1B)(1B)Yt=(1+θ1B)ϵt(1 - \phi_1 B)(1 - B) Y_t = (1 + \theta_1 B) \epsilon_t elde edilir.
Gecikme operatörü gösteriminde fark alma işlemi serinin sol tarafına bir çarpan olarak eklenir.

Key Concept

ARIMA(p, d, q) Modellerinde Bütünleşiklik ve Operatör Gösterimi
Question 16Question
Bir zaman serisi analizinde, YtY_t serisinin düzey değerlerinde durağanlık sergilemediği ancak seriye bir kez fark alma işlemi uygulandığında (ΔYt=YtYt1\Delta Y_t = Y_t - Y_{t-1}) elde edilen sürecin aşağıdaki gibi bir ARMA(1,1)ARMA(1,1) yapısına sahip olduğu saptanmıştır:
ΔYt=0,4ΔYt1+ϵt+0,6ϵt1\Delta Y_t = 0,4 \Delta Y_{t-1} + \epsilon_t + 0,6 \epsilon_{t-1}
Buna göre, orijinal YtY_t serisi için uygun olan ARIMA modelinin dereceleri ve BB gecikme operatörü kullanılarak ifade edilen matematiksel gösterimi aşağıdakilerden hangisidir?
Show answer & explanation

Answer: ARIMA(1,1,1)ARIMA(1, 1, 1) ve (10,4B)(1B)Yt=(1+0,6B)ϵt(1 - 0,4B)(1 - B) Y_t = (1 + 0,6B) \epsilon_t

Answer

Model ARIMA(1,1,1)ARIMA(1, 1, 1) yapısındadır ve matematiksel olarak (10,4B)(1B)Yt=(1+0,6B)ϵt(1 - 0,4B)(1 - B) Y_t = (1 + 0,6B) \epsilon_t şeklinde ifade edilir.
Durağan olmayan bir zaman serisi YtY_t için bir kez fark alma işlemi d=1d=1 anlamına gelir. Farkı alınmış serinin ARMA(1,1)ARMA(1,1) olması, orijinal serinin ARIMA(1,1,1)ARIMA(1,1,1) olduğunu gösterir. ΔYt=0,4ΔYt1+ϵt+0,6ϵt1\Delta Y_t = 0,4 \Delta Y_{t-1} + \epsilon_t + 0,6 \epsilon_{t-1} denklemi, gecikme operatörü ile (10,4B)ΔYt=(1+0,6B)ϵt(1 - 0,4B) \Delta Y_t = (1 + 0,6B) \epsilon_t şeklinde yazılır ve Δ=(1B)\Delta = (1-B) dönüşümü ile doğru sonuca ulaşılır.

Step-by-Step Solution

1
Bütünleşiklik derecesinin (dd) belirlenmesi
d=1d = 1
Seri düzey değerinde durağan değilse ve bir kez fark alındığında durağanlaşıyorsa, serinin bütünleşiklik derecesi 1'dir.
2
Modelin ARIMA derecelerinin (p,d,qp, d, q) tespit edilmesi
p=1,d=1,q=1p=1, d=1, q=1
Farkı alınmış seri ΔYt\Delta Y_t bir ARMA(1,1)ARMA(1,1) süreci izlediği için orijinal seri ARIMA(1,1,1)ARIMA(1,1,1) olarak tanımlanır.
3
Gecikme operatörü (BB) kullanılarak kapalı formun oluşturulması
(10,4B)ΔYt=(1+0,6B)ϵt(1 - 0,4B) \Delta Y_t = (1 + 0,6B) \epsilon_t
ΔYt0,4ΔYt1=ϵt+0,6ϵt1\Delta Y_t - 0,4 \Delta Y_{t-1} = \epsilon_t + 0,6 \epsilon_{t-1} denklemi operatör cinsinden yazılır.
4
Fark operatörü (Δ\Delta) yerine gecikme operatörü (BB) yazılması
(10,4B)(1B)Yt=(1+0,6B)ϵt(1 - 0,4B)(1 - B) Y_t = (1 + 0,6B) \epsilon_t
Δ=(1B)\Delta = (1 - B) olduğu için ΔYt\Delta Y_t yerine (1B)Yt(1 - B) Y_t yazılarak tam model elde edilir.

Key Concept

ARIMA modellerinde dd parametresi durağan olmayan bir seriyi durağanlaştırmak için gereken fark alma sayısını, operatör gösterimi ise sürecin sistematik bileşenlerini temsil eder.
Question 17Question

Aşağıda bir YtY_t zaman serisinin gecikme operatörü (BB) cinsinden ifade edilen model denklemi verilmiştir:

(1B)2Yt=(10,4B)ϵt(1-B)^2 Y_t = (1 - 0,4B) \epsilon_t

Bu denkleme göre, YtY_t serisinin ARIMA(p,d,q)ARIMA(p, d, q) model yapısı ve serinin bütünleşiklik derecesi hakkında aşağıdakilerden hangisi doğrudur?

Show answer & explanation

Answer: ARIMA(0,2,1)ARIMA(0, 2, 1) yapısındadır ve seri ikinci dereceden bütünleşiktir (I(2)I(2)).

Answer

Model ARIMA(0, 2, 1) yapısında olup serinin bütünleşiklik derecesi 2'dir (I(2)I(2)).
Verilen model denkleminde (1B)(1-B) operatörünün karesi alınmıştır, bu da bütünleşiklik derecesinin (dd) 2 olduğunu ve serinin I(2)I(2) olduğunu gösterir. Sağ tarafta hata teriminin sadece bir gecikmesi bulunduğu için MA derecesi (qq) 1'dir. Sol tarafta fark işlemi dışında AR bileşeni bulunmadığı için p=0p=0'dır. Dolayısıyla model ARIMA(0, 2, 1) yapısındadır.

Step-by-Step Solution

1
Fark operatörünün kuvvetini belirleme
d=2d = 2
Denklemin sol tarafındaki (1B)2(1-B)^2 ifadesi, serinin durağan hale getirilmesi için iki kez fark alma işlemi uygulandığını gösterir.
2
Otoregresif (AR) bileşen derecesini saptama
p=0p = 0
Sol tarafta fark operatörü dışında YtY_t serisi üzerinde tanımlanmış başka bir gecikme polinomu (ϕ(B)\phi(B)) bulunmamaktadır.
3
Hareketli Ortalama (MA) bileşen derecesini saptama
q=1q = 1
Sağ tarafta hata terimi (ϵt\epsilon_t) üzerinde tanımlanan (10,4B)(1 - 0,4B) polinomu, sürecin birinci dereceden bir hareketli ortalama bileşeni içerdiğini gösterir.

Key Concept

ARIMA modellerinde 'd' parametresi serinin durağanlaşması için gereken fark alma sayısını (bütünleşiklik derecesini) temsil eder.

Alternative Method

Denklemi açık halde yazarak (Yt2Yt1+Yt2=ϵt0,4ϵt1Y_t - 2Y_{t-1} + Y_{t-2} = \epsilon_t - 0,4 \epsilon_{t-1}) fark alma sayısını ve gecikme yapılarını terim terim kontrol edebilirsiniz.
Estimated Time:1m 30s
Question 18Question
Bir YtY_t zaman serisinin gecikme operatörü (BB) kullanılarak ifade edilen model denklemi aşağıda verilmiştir: (11,6B+0,6B2)Yt=(10,5B+0,06B2)ϵt(1 - 1,6B + 0,6B^2) Y_t = (1 - 0,5B + 0,06B^2) \epsilon_t Buna göre, bu serinin karakteristik özellikleri ve bütünleşiklik (integration) derecesi dikkate alındığında, uygun ARIMA(p,d,q)ARIMA(p, d, q) model yapısı aşağıdakilerden hangisidir?
Show answer & explanation

Answer: ARIMA(1,1,2)ARIMA(1, 1, 2)

Answer

Modelin yapısı ARIMA(1,1,2)ARIMA(1, 1, 2) şeklindedir.
Verilen model denkleminde AR polinomu olan 11,6B+0,6B21 - 1,6B + 0,6B^2 ifadesi, (1B)(1-B) ve (10,6B)(1-0,6B) çarpanlarına ayrılabilir. Burada (1B)(1-B) terimi serinin durağan olmadığını ve bir kez fark alınması gerektiğini (d=1d=1) ifade eder. Geriye kalan (10,6B)(1-0,6B) terimi ise birinci dereceden bir otoregresif süreci (p=1p=1) temsil eder. Eşitliğin sağ tarafındaki hata terimi bileşeni ise ikinci dereceden bir hareketli ortalama (q=2q=2) yapısındadır. Dolayısıyla model ARIMA(1,1,2)ARIMA(1, 1, 2) yapısındadır.

Step-by-Step Solution

1
Otoregresif (AR) polinomunu analiz etme
ϕ(B)=11,6B+0,6B2\phi(B) = 1 - 1,6B + 0,6B^2 polinomunda B=1B=1 yazıldığında ϕ(1)=11,6+0,6=0\phi(1) = 1 - 1,6 + 0,6 = 0 elde edilir.
Polinomun toplamının sıfır olması, serinin bir birim köke sahip olduğunu ve durağan olmadığını gösterir.
2
AR polinomunu çarpanlarına ayırma
11,6B+0,6B2=(1B)(10,6B)1 - 1,6B + 0,6B^2 = (1 - B)(1 - 0,6B)
Birim kökü (1B1-B) temsil eden fark operatörünü ayrıştırarak durağan olan AR bileşenini belirlemek gerekir.
3
Modeli fark operatörü cinsinden yeniden yazma
(10,6B)ΔYt=(10,5B+0,06B2)ϵt(1 - 0,6B) \Delta Y_t = (1 - 0,5B + 0,06B^2) \epsilon_t
Δ=(1B)\Delta = (1-B) olduğundan, model durağanlaştırılmış serinin (ΔYt\Delta Y_t) ARMA karşılığına dönüştürülür.
4
p,d,qp, d, q parametrelerini belirleme
d=1d=1 (fark alma sayısı), p=1p=1 (durağan AR kısmı derecesi), q=2q=2 (MA kısmı derecesi).
Modelin standart ARIMA formundaki dereceleri bu şekilde tanımlanır.

Key Concept

ARIMA modellerinde birim kök içeren otoregresif polinomlar, (1B)d(1-B)^d fark operatörü ve durağan bir AR(p) bileşeninin çarpımı olarak ifade edilir.
Estimated Time:1m 30s
Question 19Question

Bir zaman serisi analizinde değişkenin üretim süreci Yt=0,5+Yt1+ϵtY_t = 0,5 + Y_{t-1} + \epsilon_t şeklinde modellenmiştir. Burada ϵtBN(0,σ2)\epsilon_t \sim BN(0, \sigma^2) (beyaz gürültü) olarak varsayıldığına göre, bu zaman serisinin özellikleri hakkında aşağıdaki ifadelerden hangisi doğrudur?

Show answer & explanation

Answer: Seri, fark-durağan (difference-stationary) bir yapıdadır ve stokastik bir trend bileşeni içermektedir.

Answer

Serinin fark-durağan (difference-stationary) yapıda olması ve stokastik trend içermesi doğru ifadedir.
Verilen Yt=0,5+Yt1+ϵtY_t = 0,5 + Y_{t-1} + \epsilon_t modeli sabitli bir rassal yürüyüş sürecidir. Bu tür süreçler 'fark-durağan' (difference-stationary) süreçler olarak bilinir çünkü seviye değerlerinde durağan değillerdir ancak birinci dereceden farkları alındığında durağan hale gelirler. Bu modellerde trend, rassal şokların birikmesiyle oluştuğu için stokastik (rassal) bir yapıdadır.

Step-by-Step Solution

1
Modelin yapısını ve durağanlık durumunu analiz etme.
Yt=0,5+Yt1+ϵtY_t = 0,5 + Y_{t-1} + \epsilon_t denklemi, birim köke (B=1B=1) sahip sabitli bir rassal yürüyüş (random walk with drift) modelidir.
Gecikme operatörü kullanıldığında (1B)Yt=0,5+ϵt(1-B)Y_t = 0,5 + \epsilon_t elde edilir ve 1B=01-B=0 çözümü birim kökü verir.
2
Trend türünü belirleme.
Bu modelde trend, rassal şokların (ϵt\epsilon_t) birikimiyle oluştuğu için 'stokastik trend' olarak adlandırılır.
Seri Yt=Y0+0,5t+ϵiY_t = Y_0 + 0,5t + \sum \epsilon_i şeklinde yazılabildiği için şoklar kalıcıdır.
3
Durağanlaştırma yöntemini kontrol etme.
Serinin birinci farkı (ΔYt=YtYt1=0,5+ϵt\Delta Y_t = Y_t - Y_{t-1} = 0,5 + \epsilon_t) alındığında durağan bir süreç elde edilir.
Sabit ve beyaz gürültüden oluşan fark süreci, zaman boyunca sabit ortalama ve varyansa sahiptir, yani I(1)I(1) sürecidir.

Key Concept

Stokastik Trend (Fark Durağanlık)
Estimated Time:1m 30s
Question 20Question

Zaman serisi analizinde, deterministik bir trend içeren ve "trend durağan" (Trend StationaryTrend\ Stationary) olarak adlandırılan süreçlerin özellikleri dikkate alındığında, bu süreçlerle ilgili aşağıdaki ifadelerden hangisi doğrudur?

Show answer & explanation

Answer: Sürece gelen rassal şokların etkisi geçicidir ve seri zamanla deterministik trendine geri döner.

Answer

Sürece gelen rassal şokların etkisi geçicidir ve seri zamanla deterministik trendine geri döner.
Trend durağan süreçlerde, zaman serisi deterministik bir doğrunun (veya eğrinin) etrafında rastgele dalgalanır. Hata terimleri durağan olduğu için, seriye gelen herhangi bir rassal şokun etkisi zamanla yok olur ve seri kendi uzun dönemli trend yoluna geri döner.

Step-by-Step Solution

1
Trend durağan (TS) sürecin matematiksel yapısını tanımla.
Yt=α+βt+ϵtY_t = \alpha + \beta t + \epsilon_t Burada ϵt\epsilon_t durağan bir süreçtir (genellikle beyaz gürültü).
Sürecin davranışını analiz etmek için temel bileşenlerini görmek gerekir.
2
Beklenen değer ve varyansı analiz et.
E[Yt]=α+βtE[Y_t] = \alpha + \beta t (zamana bağlı) ve Var(Yt)=Var(ϵt)=σ2Var(Y_t) = Var(\epsilon_t) = \sigma^2 (sabit).
Durağanlık türünü belirlemek için momentlerin zamanla değişimine bakılır.
3
Şokların etkisini değerlendir.
ϵt\epsilon_t durağan olduğundan, geçmiş şokların etkisi geometrik olarak azalarak sıfıra gider.
Deterministik trend ile stokastik trend arasındaki en temel fark şokların kalıcılığıdır.

Key Concept

Trend Durağan (TS) Süreçler
Page 1 / 4Next
Durağan Olmayan Zaman Serisi Modelleri Practice Questions — KPSS İstatistik | Examkin