Kaos ve Finans

İçerik

Dersin Amacı

Öğrencide Zaman Serileri, Kaos, Risk-Belirsizlik, Davranışsal ekonomi, Finansal piyasalar kavramsal çerçevesini oluşturmak, ve ilişkilerini modelleme metodları açısından değerlendirmek.
Ekonomik, Finansal piyasalardaki Stokastik süreçlerin modellemesi, test edilmesi
Ekonomik ajanların karar verme süreçleri (davranışsal ekonomi) ile ilişkilendirilmesi
Lineer Stokastik süreçlerin Stata 10., Kaotik süreçlerin ise R programı ile analizi. Kestirim ve Öngörü yöntemleri.

Bu linkten program akış dosyasını bulabilirsiniz: http://iktisat.gsu.edu.tr/ata-ozkaya/dersler/

Dersin İçeriği

Verimli Piyasalar Hipotezi analizi-eleştirisi,
Risk ve Belirsizlik, Zaman,
Enformasyon, Bayesian Karar verme süreci ve rasyonellik
Davranışsal ekonomi uygulamaları
Denge kavramı
Zaman serisi analizi,
1. Stokastik süreçler Lineer modellemesi
Stata 10.0 programı ile uygulama
2. Nonlineer modellemesi
R programı ile uygulama
3. Kaotik süreçler

Yüksek ve düşük hacimli piyasalarda (Borsa, Forex, Tahvil i.e.,) Zaman serisi analiz yöntemlerini finansal değişkenlere uygulama.

Dersin Öğrenme Çıktıları

Öğrenci bu dersin sonunda:
1. Davranışsal ekonomi ve finans arasındaki ilişkiyi
2. Karar verme süreçlerinin piyasalar üzerindeki etkisini
3. Stokastik süreç modellemesini
4. Stokastik süreç modellemesi için Stata 10. programını
5. Faz-uzaylarını ve Nonlineer süreçleri
6. Kaos kavramını, Finansal süreçlerdeki kaosu test etmeyi
7. Nonlineer süreçleri modellemek ve test etmek için R programını
öğrenecektir.

Öğretim Yöntemleri

Teori ve uygulama

Kaynaklar

Johansen, S. (1991) Estimation and hypothesis testing of cointegration vectors in gaussian vector autoregressive models. Econometrica, 59, p 1151-1181

Johansen, S ., Juselius, K. (1991) Testing structural hypotheses in a multivariate cointegration analysis of the PPP and the UIP for UK. Journal of Econometrics, 53, p 211-244

Kahneman, D., Slovic, P., Tversky, A. (1982). Judgment Under Uncertainty: Heuristics and Biases . New York: Cambridge University Press.

Kantz, H. (1994) A robust method to estimate the maximal Lyapunov exponent of a time series, Physics Letters A 185, 77-87.

Kantz, H., Schreiber T.(1997) Nonlinear time series analysis. Cambridge, UK: Cambridge University Press.

Karanfil, F., Ozkaya, A. (2007). Estimation of real GDP and unrecorded economy in Turkey based on environmental data. Energy Policy 35 (10), 4902-4908.


Grassberger, P., Procaccia, I. (1983a). Characterization of strange attractors. Phy. Rev. Let., 50: 346-349

Grassberger, P., Procaccia, I. (1983b.) Estimation of the Kolmogorov entropy from a chaotic signal. Phys Rev [A] 29:2591-3.

Rosenstein, M.T., Collins, J.J., De Luca, C.J. (1993) A practical method for calculating largest Lyapunov exponents from small data sets, Physica D 65, 117-34.

Sachs, J.D. (1984) Theoretical issues in international borrowing. Princeton Studies in International Finance, vol. 54. Department of Economics, Princeton University, Princeton.

Said, S.E., Dickey, D.A. (1984) Testing for unit roots in autoregressive moving average models of unknown order. Biometrica, 71, p 599-608

Takens, F. (1981) Detecting strange attractors in turbulence. In: Dynamical systems and turbulence. Berlin: Springer; p. 366.

Wolf, A., Swift, J.B., Swinney, H.L., Vastano, J.A. (1985) Determining Lyapunov Exponents from a time series, Physica D 16, 285-317.

World Bank (2000, September). Turkey—Country economic memorandum— Structural reforms for sustainable Growth (Vols. I and II) (Report No.20657TU), Washington, DC.

Konu Başlıkları