GOLDAŞ FİRMASININ HİSSE SENETLERİNİN WINTER’S ÜSTEL DÜZLEŞTİRME YÖNTEMİYLE GELECEK TAHMİNİ
Bu örnek için, buradan Goldaş Kuyumculuğun Ocak 2005 ve Aralık 2008 tarihleri arasındaki hisse senetlerinin borsa fiyatları alınmıştır. Bildiğimiz gibi bu veriyi verdiğimiz link üzerinden excel dosyası olarak indirmek mümkündür. Bu veriyi excelden SPSS e aktarmak için oturup teker teker nokta işaretlerini virgül yapıp tarihleri silip SPSS e yapıştırmak olsa da daha kısa bir yol vardır. Bunun için, Excel de Date(tarih) ve Price (BOrsa fiyatı) verilerini tarayarak A’dan Z’ye tarihe göre sıralatın. Çünkü excelde en son günkü fiyat verisi en üstte ama bizim onu en alta almamız gerekiyor SPSS de veri düzeni farklı olduğu için. Daha sonra excelden çıkmadan bir notepad açın. Daha sonra excele geri dönün ve borsa fiyatı verisini tarayın ve notepad’e atın. Notepad ‘a attıktan sonra Düzen’i tıklayın tümünü seç i tıklayın daha sonra tekrar düzen’i tıklayın, değiştir’i tıklayın Aranan kısmına “.” yeni değer kısmına ise” , ” işaretlerini tırnak işaretsiz olarak yazın ve tümünü değiştir’i tıklayın. Bütün ondalıklı sayıların noktasını, virgül haline getirdikten sonra artık veriler SPSS e girmek için hazırdırlar. Verileri artık SPSS e yapıştırabilirsiniz.
1)Tüm zaman serisi analizlerinde ilk olarak yapılması gereken şey, serinin grafiğinin çizilmesidir. Bu bize seri hakkında genel bir bilgi verir. Bunun için Analyze → Timer Series → Sequance Charts tıklanır ve değişkenimiz variables kısmına atılır ve OK tuşuna basılır.
2) Bu seri durağan olmadığından dolayı (yani içinde mevsimsellik veya trend veya her ikisi de olduğundan dolayı) amacımız bu seriyi durağanlaştırmaktır. Ama öncelikle, serimizde mevsimsellik mi trend mi yoksa her ikisi birden mi var bunu bilmemiz gerekir. Bunun için Analyze → Timer Series → Autocorrelations tıklanır ve variabes kısmına değişkenimiz variable kısmına atılır ve OK tuşuna basılır. Çıktımız aşağıdaki gibi olur :
ACF grafiğine baktığımız zaman 4. , 8. ve 12. gecikmeler yani 4 ün katları olan gecikmeler 0.5 lik güven sınırını aştıkları için, serinin periodu 4 tür. Bundan sonraki işlem serinin periodunu uygulamak ve devam etmektir. Period belirleme işlemleri DATA → Define Dates tıklanarak uygun tarihsel atamayla yapılır. Fakat serimizin periodu 4 olduğu için Define Dates kısmında da genellikle periodu 7 veya 12 olan tarih atamaları olduğu için bir syntax yazmak gerekecektir. Bunun için File → New → Syntax yapılır ve çıkan küçük ekrana DATE DAY 1 4 yazılır.(1 ve 4 arasında boşluk var yani 14 değil) Daha sonra RUN → ALL tıklanır ve OK denilir. Artık tarih ve period manuel olarak atanmıştır.
3) Daha sonra yeniden 2. şıktaki işlemler yapılır ama bu sefer, serimiz mevsimsel olduğu için mevsimsel fark (seasonally difference :1) alınır. Ve aşağıdaki çıktı elde edilir ve options dan maximum number of lag veri sayısından fazla olacak şekilde bir sayı girilir. Ben 50 girdim. Daha sonra OK tıklanır ve aşağıdaki çıktı elde edilir :
Gördüğümüz gibi bütün gecikmeler güven sınırları içerisinde olduğundan dolayı serimizin durağanlaştığını söyleyebiliriz.(Not : Bu işlem yapılırken seasonally difference gibi normal difference işlemi yapılabilirdi fakat serimizde grafiktenden anlaşılacağı üzere trend olmadığı için normal difference işlemine gerek kalmamıştır. Sizler serinizi durağanlaştırmaya çalışırken muhtemelen normal difference, seasonal difference, hatta bunların yanında bulunan 1. ve 2. dereceleri ile de oynamak zorunda kalacaksınız. Çünkü her verinin kendine özgü bir doğası vardır.)
4) Artık analizimize geçebiliriz. Winter’s üstel düzleştirma yöntemini uygulayabilmek için :
Analyze → Timer Series →Create Models→Dependent Variables : Veri Seti ,Method : Exponantial Smoothing, Criteria : Winter’s additive (yada multiplicative) → Options : First case after end of estimation period through a specified date : Buradan mngörü yapmak istediğiniz tarihe kadar olanki Cycle ve Day değerlerini girin (cycle=14 , Day=1 girerseniz 53. gözleme kadar öngörü yapacaktır) Save : Bütün kutucukları işaretle , Plots : Plots for comparing models kısmından ACF ve PACF kutucuklarını seçin , Plots for individual models dan observed values, forecast, fit values, confidence intervals for forecast kutucuklarını seçin. Statistics : Goodness of fit, display forecast, parameter estimates kutucuklarını seçin ve OK tıklayın.
5) Son olaraktan hataların akgürültü olup olmadığını incelemek gerekir. Eğer hatalar akgürültü çıkmazsa model ne kadar uyumlu görünürse görünsün, model istatistiksel açıdan anlamsızdır. Bunun akgürültü olup olmadığını öğrenmek için Analyze → Timer Series → Autocorrelations tıklanır ve variabes kısmına Noise Residuals değişkeni atanır.(Not : Bunu yaparken difference ve seasonal difference seçeneklerini kaldırmayı unutmayın). Daha sonra OK tıklanarak aşağıdaki grafik elde edilir.
Grafikten de anlaşılacağı üzere, hataların tüm gecikmeleri sınırlar dahilindedir. Dolayısıyla hatalar akgürültüdür ve model kullanılabilir.
Outputa dönersek model fit çıktısında RMSE ( Root mean square error) ve BIC değerlerini göreceksiniz. Bu değerleri diğer modellerle kıyaslama yaparken kullanacaksınız. Örneğin aynı veriye çarpımsal winters ve toplamsal winters kullandınız ama hangisinin iyi olduğunu bilmiyorsunuz. RMSE si düşük olan model diğerlerine göre daha iyidir.
Output çıktısının diğer tablolarında ve veri giriş sayfasında tahmin değerlerini ve bu tahminlerin güven aralıklarını bulabilirsiniz. Örneğin veri sayfasına baktığınızda. Ocak 2009 tarihinde Goldaş firmasının hisse senedi değerinin 1.09 ve 2.17 güven aralıkları arasında 1,63 olarak gerçekleşeği model tarafından tahmin edilmiştir. Bir başka önemli nokta ise, gerçek seri ile güven aralıklarını aynı grafik içerisinde inceleyip, gerçek serinin güven aralıkları arasında kalıp kalmdığını görmektir. Seri, ne kadar o aralık içerisinde kalırsa o kadar güvenilir bir seridir. Bunun için Bunun için Analyze → Timer Series → Sequance Charts tıklanır ve Orjinal seri, UCL ve LCL variables kısmına taşınır ve birlikte grafikleri incelenebilir.
Hazırlayan : Mert Okan Sarıoğlu
Bookmark on Delicious
Digg this post
Recommend on Facebook
share via Reddit
Share with Stumblers
Tweet about it
Subscribe to the comments on this post
Tell a friend