semaver
New member
Ekonomi ve istatistik, kendi başlarına ayrıntılı olarak değerlendirilmeyi hak eden ayrıntılı bilim kollarıdır. Bu iki disiplin aslında hayli da farklı değildir zira kimi hesaplama hallerinde birbirlerinden takviye alırlar. Regresyon, bu dayanağın en kıymetli örneğidir. İktisat alanında elinizdeki büyük bir bilgi havuzunda bulunan değişkenlerin birbirleri ile ilgiye girmeleri kararı neler olacağını regresyon istatiksel yolu ile bulabilirsiniz.
elbet başlamadan belirtelim, bu yazımızda regresyon nedir ve nasıl yapılır üzere soruların temel karşılıklarını goreceksiniz fakat tam manasıyla nasıl yapılacağını öğrenmek için epeyce daha fazla araştırma yapmanız gerekiyor zira takdir edersiniz ki anlatacaklarımızın lisans programları var. Hiç bilmeyenlerin mevzu hakkında temel bir fikir sahibi olması için gelin regresyon nedir, regresyon tahlili nedir, nasıl yapılır gibi merak edilen soruları örnekler üzerinden inceleyelim.
Öncelikle, regresyon nedir?
Finans, yatırım, ekonometri ve gibisi disiplinlerde geniş bir data havuzunda bulunan birden epeyce bağımsız değişkenin, bir bağımlı değişken ile içindeki münasebet kararınu ortaya çıkarmak için kullanılan istatiksel metot regresyon olarak isimlendirilir. Doğrusal olarak isimlendirilen bir formül en yaygın kullanılan regresyon tipi olsa da farklı modeller oluşturmak için kullanılan bir epey farklı regresyon tipi de vardır.
Peki regresyon ne işe fayda?
Regresyon tekniği kullanılmasının en temel gayesi geniş bir data havuzunda bulunan değişkenler içinde yaşanan korelasyonu tespit etmek ve daha da kıymetlisi bu korelasyonun istatistiksel açıdan değerli olup olmadığını ölçmektir. Yani regresyon ile değişkenler içindeki ilgi var mı, var ise da bir işe fayda mı sorusunun karşılığı aranır.
Finans ve yatırım dünyasındaki profesyonel tahlilciler sık sık regresyon formülüne başvururlar. Tıpkı biçimde bir şirketin analizcileri de önceki satışlar ile gelecek şartları göz önüne alarak ve işin içine farklı değişkenler katarak gelecek satışları iddia etmek için regresyon metodunu kullanırlar. Varlık fiyatlandırma ve sermaye maliyetlerini ortaya çıkarma üzere süreçler için de regresyon kullanılmaktadır.
Regresyon tekniğinin bir kesimi olan regresyon tahlili nedir?
Regresyon, değişkenler içindeki ilgiyi ortaya çıkaran istatiksel yöntemken regresyon tahlili bu yolun bir modülü olarak kabul edilen araçtır. Daha sıradan anlatmak gerekirse regresyon bu istatiksel sistemin isimlendirilmesi için kullanılan genel bir terimken regresyon tahlili bu formülün uygulanması ve uygulandıktan daha sonra isimlendirilmesi için kullanılır.
En hayli kullanılan regresyon formülleri:
Regresyon metodu genel olarak bir malın fiyatı, faiz oranları ve muhakkak bir kesimde farklı faktörlerin söz konusu malın fiyatı üstündeki tesirlerini görmek için kullanılır. Malı fiyatlandırma modeli, regresyon tahlili ile elde edilir. Bir pay senedinin getirilerini hesaplamak ve bu senedin getirilerini belirleyecek beta katsayısı oluşturmak için geniş bir endeksin getirileri ön planda tutulur.
Regresyon tahlili sırasında beta katsayısı, pay senedinin piyasadaki riskini tabir eder ve malı fiyatlandırma modelinde eğim olarak ele alınır. Hisse senedinin getirisini hesaplamak için yapılan regresyon tahlilinde getiri yani bağımlı değişken Y, piyasa riski yani bağımsız değişken X olarak denkleme dahil edilir.
Daha gerçek bir sonuç almak için pay senedinin mevcut piyasa bedeli, farklı tahlillerde elde edilen kıymetlendirme oranları, son getirileri üzere ek datalar de modele dahil edilebilir. İşte bu türlü ek dataların eklendiği denklemler ile oldukcalu doğrusal regresyon modeli oluşturulur. Bu model Fama – French olarak da isimlendirilir.
Regresyon ve ekonometri alakası:
Finans, yatırım ve iktisat alanında bilgi havuzunda bulunan dataları tahlil etmek için kullanılan bir dizi istatiksel teknik ekonometri olarak olarak isimlendirilir. Ekonometri ile daha epeyce gözlemlenebilir bilgiler üzerinden gelir tesiri üzere tesirler incelenir. Örneğin bu teknik ile gelir arttıkça harcamanın da artacağı öngörülebilir.
Örnekte olduğu üzere gelir ile tüketim içinde bir münasebet öngörüldüyse bu öngörünün ne kadar manalı olduğunu tespit etmek hedefiyle regresyon tahlili yapılır. Regresyon tahlili yapılırken birkaç açıklayıcı değişken eklenmelidir. Bu değişkenlerin eklenmesi ile oldukçalu doğrusal regresyon modeli oluşturulur ki aslına bakarsanız ekonometride en yaygın kullanılan araç da budur.
Ekonometri kimi vakit eleştirilir zira regresyon tahlilinin neticelerina bir ekonomik teori ile bağ kurmadan ya da niçinsel düzenekler ile içinde bağ kurmadan güvenir. şüphesiz bu tenkit kimi vakit haklı olabilir lakin bir daha de tahlil kararı elde edilen sıradan dataların bile özel bir teori olmaksızın açıklayıcı olması son derece kıymetlidir.
özetlemek gerekirse regresyon cinslerine bakalım:
elbet başlamadan belirtelim, bu yazımızda regresyon nedir ve nasıl yapılır üzere soruların temel karşılıklarını goreceksiniz fakat tam manasıyla nasıl yapılacağını öğrenmek için epeyce daha fazla araştırma yapmanız gerekiyor zira takdir edersiniz ki anlatacaklarımızın lisans programları var. Hiç bilmeyenlerin mevzu hakkında temel bir fikir sahibi olması için gelin regresyon nedir, regresyon tahlili nedir, nasıl yapılır gibi merak edilen soruları örnekler üzerinden inceleyelim.
Öncelikle, regresyon nedir?
Finans, yatırım, ekonometri ve gibisi disiplinlerde geniş bir data havuzunda bulunan birden epeyce bağımsız değişkenin, bir bağımlı değişken ile içindeki münasebet kararınu ortaya çıkarmak için kullanılan istatiksel metot regresyon olarak isimlendirilir. Doğrusal olarak isimlendirilen bir formül en yaygın kullanılan regresyon tipi olsa da farklı modeller oluşturmak için kullanılan bir epey farklı regresyon tipi de vardır.
Peki regresyon ne işe fayda?
Regresyon tekniği kullanılmasının en temel gayesi geniş bir data havuzunda bulunan değişkenler içinde yaşanan korelasyonu tespit etmek ve daha da kıymetlisi bu korelasyonun istatistiksel açıdan değerli olup olmadığını ölçmektir. Yani regresyon ile değişkenler içindeki ilgi var mı, var ise da bir işe fayda mı sorusunun karşılığı aranır.
Finans ve yatırım dünyasındaki profesyonel tahlilciler sık sık regresyon formülüne başvururlar. Tıpkı biçimde bir şirketin analizcileri de önceki satışlar ile gelecek şartları göz önüne alarak ve işin içine farklı değişkenler katarak gelecek satışları iddia etmek için regresyon metodunu kullanırlar. Varlık fiyatlandırma ve sermaye maliyetlerini ortaya çıkarma üzere süreçler için de regresyon kullanılmaktadır.
Regresyon tekniğinin bir kesimi olan regresyon tahlili nedir?
Regresyon, değişkenler içindeki ilgiyi ortaya çıkaran istatiksel yöntemken regresyon tahlili bu yolun bir modülü olarak kabul edilen araçtır. Daha sıradan anlatmak gerekirse regresyon bu istatiksel sistemin isimlendirilmesi için kullanılan genel bir terimken regresyon tahlili bu formülün uygulanması ve uygulandıktan daha sonra isimlendirilmesi için kullanılır.
En hayli kullanılan regresyon formülleri:
- Doğrusal regresyon formülü: Y = a + bX + u
- Çoklu doğrusal regresyon formülü: Y = a + b1X1 + b2X2 + b3X3 + … + btXt + u
- Y, iddia edilmeye çalışılan bağımlı değişken
- X, bağımsız değişkenler
- a, denklem sabiti
- b; beta katsayısı, denklem eğimi
- u, regresyon kalıntısı
Regresyon metodu genel olarak bir malın fiyatı, faiz oranları ve muhakkak bir kesimde farklı faktörlerin söz konusu malın fiyatı üstündeki tesirlerini görmek için kullanılır. Malı fiyatlandırma modeli, regresyon tahlili ile elde edilir. Bir pay senedinin getirilerini hesaplamak ve bu senedin getirilerini belirleyecek beta katsayısı oluşturmak için geniş bir endeksin getirileri ön planda tutulur.
Regresyon tahlili sırasında beta katsayısı, pay senedinin piyasadaki riskini tabir eder ve malı fiyatlandırma modelinde eğim olarak ele alınır. Hisse senedinin getirisini hesaplamak için yapılan regresyon tahlilinde getiri yani bağımlı değişken Y, piyasa riski yani bağımsız değişken X olarak denkleme dahil edilir.
Daha gerçek bir sonuç almak için pay senedinin mevcut piyasa bedeli, farklı tahlillerde elde edilen kıymetlendirme oranları, son getirileri üzere ek datalar de modele dahil edilebilir. İşte bu türlü ek dataların eklendiği denklemler ile oldukcalu doğrusal regresyon modeli oluşturulur. Bu model Fama – French olarak da isimlendirilir.
Regresyon ve ekonometri alakası:
Finans, yatırım ve iktisat alanında bilgi havuzunda bulunan dataları tahlil etmek için kullanılan bir dizi istatiksel teknik ekonometri olarak olarak isimlendirilir. Ekonometri ile daha epeyce gözlemlenebilir bilgiler üzerinden gelir tesiri üzere tesirler incelenir. Örneğin bu teknik ile gelir arttıkça harcamanın da artacağı öngörülebilir.
Örnekte olduğu üzere gelir ile tüketim içinde bir münasebet öngörüldüyse bu öngörünün ne kadar manalı olduğunu tespit etmek hedefiyle regresyon tahlili yapılır. Regresyon tahlili yapılırken birkaç açıklayıcı değişken eklenmelidir. Bu değişkenlerin eklenmesi ile oldukçalu doğrusal regresyon modeli oluşturulur ki aslına bakarsanız ekonometride en yaygın kullanılan araç da budur.
Ekonometri kimi vakit eleştirilir zira regresyon tahlilinin neticelerina bir ekonomik teori ile bağ kurmadan ya da niçinsel düzenekler ile içinde bağ kurmadan güvenir. şüphesiz bu tenkit kimi vakit haklı olabilir lakin bir daha de tahlil kararı elde edilen sıradan dataların bile özel bir teori olmaksızın açıklayıcı olması son derece kıymetlidir.
özetlemek gerekirse regresyon cinslerine bakalım:
- Doğrusal regresyon, tamamı doğrusal değişkenlerden oluşan modeldir.
- Kademeli doğrusal regresyon, birden çok bağımsız değişkenin kullanıldığı modeldir.
- Polinomsal regresyon, değişkenleri doğrusal olmayan biçimde modeller.
- Lojistik regresyon, biyoloji alanında kullanılan bir modeldir.
- Ridge regresyon, oldukçalu regresyonda elde edilen dataları tahlil eder.
- Lasso regresyon, daima bilginin tipik olmadığı modeldir.
- Kantil regresyon, doğrusal regresyon için gerekli şartlar sağlanmadığı vakit kullanılan bir tekniktir.
- Elastik net regresyon, fazla bağlantılı bağımsız değişken olduğu durumlarda kullanılır.
- Sıralı regresyon, sıralı bedelleri önce gösteren tekniktir.
- Tüm değişkenler içindeki ilgi doğrusaldır.
- Değişken ve regresyon artığı sabit kalmalıdır.
- Denklemde bulunan tüm açıklayıcı değişkenler birbirinden bağımsızdır.
- Denklemde bulunan tüm değişkenler olağan dağılımlıdır.