m.MATH–STAT.NET
ALANYA ALAADDİN KEYKUBAT ÜNİVERSİTESİ

İktisadi, İdari ve Sosyal Bilimler Fakültesi | İktisat Bölümü

SEÇ 401.05

ZAMAN SERİLERİ ANALİZİ

DERS İZLENCESİ

TIME SERIES ANALYSIS SYLLABUS

Alanya Alaaddin Keykubat Üniversitesi logosuALKÜ
Zaman serisi veri bilimi amblemiTS

Veri • Modelleme • Tahmin • R

DERS HAKKINDA

Genel bilgiler

   

Dersin kodu

: SEC 401.05

Dersin adı

: ZAMAN SERİLERİ ANALİZİ

Dersin web sayfası

: www.math-stat.net/sec40105.htm

Dersin öğretim elemanı

: Doç. Dr. Yakup Arı

İletişim

: yakup.ari@alanya.edu.tr

ÖĞRETİM PLANI VE DERS İÇERİĞİ

Ders izlencesi

1. Dersin tanımı ve amacı

Bu ders, ekonomik ve finansal zaman serilerinin özelliklerini incelemeyi, uygun ekonometrik yöntemlerle model kurmayı ve tahmin sonuçlarını iktisadi açıdan yorumlamayı amaçlar. R yazılımı dersin temel uygulama ortamıdır. Öğrenciler, veri temininden grafiksel incelemeye, durağanlık testlerinden ARIMA, VAR, eşbütünleşme ve koşullu değişen varyans modellerine uzanan tekrarlanabilir bir analiz sürecini uygulamalı olarak öğrenir.

Temel başvuru kaynağı Ruey S. Tsay’ın An Introduction to Analysis of Financial Data with R kitabıdır. Dersin kapsamı finansla sınırlı tutulmayacak; enflasyon, döviz kuru, faiz oranı, işsizlik, sanayi üretimi gibi makroekonomik seriler de kullanılacaktır. R paketlerinin seçimi için 30 Eylül 2026 tarihli CRAN Task View: Time Series Analysis belgesi esas alınacaktır.

2. Öğrenme çıktıları

  • Zaman serisi verilerinin temel özelliklerini ve iktisattaki kullanım alanlarını açıklayabilmek.

  • R ve RStudio ile zaman serisi verilerini içe aktarabilmek, temizleyebilmek ve görselleştirebilmek.

  • Trend, mevsimsellik, durağanlık, beyaz gürültü ve otokorelasyon kavramlarını yorumlayabilmek.

  • ACF/PACF grafiklerini ve birim kök testlerini uygun biçimde kullanabilmek.

  • AR, MA, ARMA ve ARIMA modellerini tahmin edebilmek ve model tanısı yapabilmek.

  • Örneklem dışı tahmin üretebilmek ve tahmin performansını karşılaştırabilmek.

  • VAR, Granger nedensellik, etki-tepki fonksiyonları ve varyans ayrıştırmasını temel düzeyde uygulayabilmek.

  • Eşbütünleşme, ECM ve VECM yaklaşımlarının iktisadi anlamını açıklayabilmek.

  • ARCH/GARCH modelleriyle finansal oynaklığı temel düzeyde analiz edebilmek.

  • R kodları, tablolar ve grafiklerle tekrarlanabilir bir iktisadi analiz raporu hazırlayabilmek.

3. Haftalık ders planı

Hafta

Ana konu

İçerik

R araçları

1

Zaman serilerine giriş ve R ortamı

Veri türleri, frekans, RStudio, temel R komutları

stats, readxl, dplyr

2

Verilerin hazırlanması ve görselleştirilmesi

ts/zoo/xts yapıları; trend, mevsimsellik; dönüşümler

zoo, xts, ggplot2, quantmod

3

İstatistiksel özellikler ve otokorelasyon

Stokastik süreç, beyaz gürültü, rassal yürüyüş, ACF/PACF

stats, forecast

4

Durağanlık ve birim kök testleri

Trend/fark durağanlığı; ADF, PP, KPSS; deterministik terimler

urca, tseries

5

AR, MA ve ARMA modelleri

Model özellikleri, tanımlama, tahmin ve temel koşullar

stats, forecast

6

ARIMA ve mevsimsel modeller

ARIMA/SARIMA, AIC/BIC, artık tanısı

forecast, tseries

7

Öngörü ve tahmin başarısı

Eğitim/test ayrımı, tahmin aralığı, RMSE/MAE, rolling forecast

forecast; fable (isteğe bağlı)

8

Ara sınav

Temel kavramlar, model yorumları ve R uygulamaları

—

9

Çok değişkenli modeller: VAR

Gecikme seçimi, kararlılık, Granger nedensellik

vars, lmtest

10

VAR ile dinamik analiz

Etki-tepki fonksiyonları (IRF) ve FEVD

vars

11

Eşbütünleşme ve hata düzeltme

Sahte regresyon, Engle–Granger, Johansen, ECM/VECM

urca, vars, tsDyn

12

Finansal seriler ve ARCH

Getiriler, volatilite kümelenmesi, ARCH etkisi ve ARCH

FinTS, quantmod, rugarch

13

GARCH ve volatilite tahmini

GARCH(1,1), asimetriye giriş, tanı ve öngörü

rugarch

14

Bütünleşik uygulama / proje

Veriden rapora: model seçimi, tanı, tahmin ve iktisadi yorum

Dönem paketleri

4. R paketleri ve uygulama altyapısı

Amaç

Önerilen paketler

Veri alma ve düzenleme

readxl, dplyr, tidyr

Zaman serisi nesneleri

stats (ts), zoo, xts, tsibble

Grafikler ve finansal veri

ggplot2, quantmod

ACF/PACF ve öngörü

stats, forecast

Birim kök testleri

urca, tseries

VAR ve nedensellik

vars, lmtest

Eşbütünleşme ve VECM

urca, vars, tsDyn

ARCH/GARCH

FinTS, rugarch

Öğrencilerin bütün paketleri ezberlemesi beklenmez. Çekirdek paketler tekrarlanarak öğretilir; diğerleri ilgili uygulamada tanıtılır. Paket erişimi ve sürümleri dönem başında kontrol edilir.

5. Öğretim yöntemi ve uygulama yaklaşımı

Her konu iktisadi bir problemle başlatılır; modelin mantığı ve gerekli matematiksel gösterim açıklanır, ardından R üzerinde simülasyon ve gerçek veri uygulaması yapılır. Son aşamada varsayımlar, tanı testleri ve iktisadi yorum tartışılır. Uzun matematiksel ispatlar yerine model seçimi, güvenilir uygulama ve yorumlama yetkinliği öne çıkarılır.

Standart analiz akışı: Verinin elde edilmesi → temizleme/dönüştürme → grafiksel inceleme → ön testler → model belirleme ve tahmin → tanı testleri → örneklem dışı tahmin → iktisadi yorum ve raporlama.

6. Veri kaynakları

  • TCMB EVDS: faiz, döviz kuru ve parasal göstergeler.
  • TÜİK: TÜFE, işgücü ve sanayi üretimi gibi makroekonomik seriler.
  • FRED: uluslararası makroekonomik ve finansal zaman serileri.
  • Yahoo Finance / erişilebilir finansal veri kaynakları: endeksler, fiyatlar ve getiriler
  • Veri indirme ve API erişim koşulları değişebilir. Uygulamalarda eşdeğer CSV/Excel veri dosyaları da hazır bulundurulur.

7. Ölçme ve değerlendirme (öneri)

Bileşen

Ağırlık

Ara sınav (vize)

%30

R uygulama ödevleri

%20

Final sınavı

%50

Toplam

%100

Uygulama çalışmalarında çalışan kodun yanında uygun yöntem seçimi, tanı testleri, tablo/grafik kalitesi ve ekonomik yorum da değerlendirilir. Nihai ağırlıklar üniversitenin ilgili mevzuatı ve resmî ders bilgi paketiyle uyumlu hâle getirilir. Ölçme değerlendirme yöntemleri dönem içerisinde değişitirilebilir.

8. Örnek uygulama / dönem projesi konuları

  • Türkiye’de enflasyonun ARIMA/SARIMA ile modellenmesi ve tahmini.
  • USD/TRY getirilerinde ARMA modeli ve kısa dönem öngörü.
  • Enflasyon ve faiz oranlarının VAR ile dinamik analizi.
  • BIST 100 getirilerinde ARCH/GARCH volatilite modeli.
  • Sanayi üretimi serisinde mevsimsellik ve tahmin.
  • Faiz oranları arasında eşbütünleşme ve hata düzeltme analizi.

Not: Her çalışma veri seti, açıklamalı R kodu, grafikler, model sonuçları, tanı bulguları ve kısa bir iktisadi değerlendirme içermelidir.

9. Kaynaklar

  • Tsay, R. S. (2012). An introduction to analysis of financial data with R. John Wiley & Sons. [Temel kaynak]

  • Paolella, M. S. (2019). Linear models and time-series analysis: Regression, ANOVA, ARMA and GARCH. Wiley.

  • Heiss, F. (2020). Using R for introductory econometrics (2nd ed.).

  • Vinod, H. D., & Rao, C. R. (Eds.). (2020). Financial, macro and micro econometrics using R (Handbook of Statistics, Vol. 42). North-Holland.

  • Hyndman, R. J., & Killick, R. (2026). CRAN Task View: Time Series Analysis (Version 2026-09-30). https://CRAN.R-project.org/view=TimeSeries

  • Joseph, M., & Tackes, J. (2024). Modern time series forecasting with Python (2nd ed.). Packt. [Seçili yardımcı okumalar]

  • Atwan, T. A. (2026). Time series analysis with Python cookbook (2nd ed.). Packt. [Seçili yardımcı okumalar]

  • Cerqueira, V., & Roque, L. (2024). Deep learning for time series cookbook. Packt. [İleri okuma]

  • İstanbul Üniversitesi İSUZEM Zaman Serisi Ders Notları

  • Ankara Üniversitesi Açık Ders Malzemeleri Zaman Serisi Analizi

  • Ekonometrik Zaman Serileri Analizi, 2017, Yazar: Mehmet Çınar , Mustafa Sevüktekin, Dora Yayıncılık

  • Zaman Serileri Analizi, 2010, Yazar: Yılmaz Akdi, Yayınevi : Gazi Kitabevi

10. Dersin kapsamına ilişkin not

Dersin çekirdeğini klasik ve uygulamalı zaman serisi ekonometrisi oluşturur. Makine öğrenmesi, derin öğrenme, TVP-VAR, bağlantılılık ve ileri volatilite yöntemleri zorunlu içerik değildir; öğrencilerin temel modellerde yeterlilik kazanmaları önceliklidir. Gerektiğinde ileri yöntemler tanıtıcı bir değerlendirmeyle sunulabilir.

R Paketleri ve Kurulum Rehberi

R Packages & Installation Guide

Amaç: Ders boyunca kullanılacak R paketlerini tek bir yerde toplamak, güvenilir indirme/dokümantasyon bağlantıları sunmak ve ilk kurulumu kolaylaştırmak.

R PACKAGES & INSTALLATION GUIDE

R paketleri ve kurulum rehberi

1. R ve RStudio kurulumu

R Project — https://www.r-project.org/

İlk önce R yazılımını yükleyin.

CRAN indirme merkezi — https://cran.r-project.org/

Windows, macOS veya Linux için güncel R sürümünü seçin.

RStudio Desktop — https://posit.co/download/rstudio-desktop/

R kurulumundan sonra ücretsiz RStudio Desktop sürümünü yükleyin.

Posit Cheatsheets — https://posit.co/resources/cheatsheets/

RStudio, dplyr ve ggplot2 için hızlı başvuru kartları.

2. Ders paketlerinin bağlantıları

Paket adlarının bağlantıları CRAN üzerindeki resmî paket sayfalarına gider. “stats” R ile birlikte gelir; ayrı kurulum gerekmez.

Veri yönetimi ve grafik

Paket / bağlantı

Derste kullanım amacı

readxl

Excel dosyalarını içe aktarma

dplyr

Veri düzenleme ve dönüşümler

tidyr

Uzun/geniş veri yapıları

ggplot2

Zaman serisi grafiklerinin hazırlanması

lubridate

Tarih ve zaman işlemleri

Zaman serisi altyapısı

Paket / bağlantı

Derste kullanım amacı

zoo

Düzenli ve düzensiz zaman serileri

xts

Zaman indeksli finansal veriler

quantmod

Finansal veri erişimi ve grafikler

Tek değişkenli modeller ve testler

Paket / bağlantı

Derste kullanım amacı

forecast

ARIMA, ETS, tahmin ve değerlendirme

tseries

Zaman serisi testleri

urca

Birim kök ve eşbütünleşme testleri

Çok değişkenli modeller

Paket / bağlantı

Derste kullanım amacı

vars

VAR, Granger, IRF ve FEVD

lmtest

Ekonometrik testler

tsDyn

ECM ve VECM uygulamaları

Finansal oynaklık

Paket / bağlantı

Derste kullanım amacı

FinTS

ARCH LM testi

rugarch

ARCH/GARCH modelleme

PerformanceAnalytics

Getiri, performans ve risk analizi

İsteğe bağlı modern tahmin

Paket / bağlantı

Derste kullanım amacı

tsibble

Tidy zaman serileri

fable

Tidy tahmin modelleri

Temel R stats dokümantasyonu: stats paket indeksini aç

3. Tek seferde kurulum kodu

Aşağıdaki kodu RStudio Console penceresinde çalıştırın. Yalnızca bilgisayarınızda kurulu olmayan paketler yüklenir.

R · Console
packages <- c(
  "readxl", "dplyr", "tidyr", "ggplot2", "lubridate",
  "zoo", "xts", "quantmod", "forecast", "tseries",
  "urca", "vars", "lmtest", "tsDyn", "FinTS",
  "rugarch", "PerformanceAnalytics"
)
missing <- setdiff(packages, rownames(installed.packages()))
if (length(missing) > 0) {
  install.packages(missing, dependencies = c("Depends", "Imports", "LinkingTo"))
}
sapply(packages, requireNamespace, quietly = TRUE)

4. İlk kontrol ve sorun giderme

·        library(forecast) ve library(ggplot2) komutlarını çalıştırarak kurulumun tamamlandığını kontrol edin.

·        Kurulum sırasında bağlantı sorunu yaşanırsa farklı bir CRAN aynası seçin ve yeniden deneyin.

·        rugarch gibi paketlerde R sürümü ve sistem derleyicisi kaynaklı kurulum sorunları görülebilir; sınıfta kullanılacak R sürümünü önceden test edin.

·        Veri indirme işlemlerinde (ör. Yahoo Finance) erişim koşulları değişebilir; uygulama için yedek CSV veri dosyası bulundurun.

·        Kodların ve sonuçların tekrarlanabilir olması için proje klasörü oluşturun ve oturum bilgilerini sessionInfo() ile kaydedin.

5. Paketlerin ana referansı

CRAN Task View: Time Series Analysis — https://cran.r-project.org/web/views/TimeSeries.html

Yüklenen 30 Eylül 2026 tarihli CRAN Task View belgesiyle ilişkili resmî liste. Paketlerin güncel durumunu bu sayfadan kontrol edin.

Önemli Not

Dönem içerisinde ders kaynakları ve içeriğinde değişiklikler yapılabilir.

USEFUL LINKS & LEARNING RESOURCES

Yararlı bağlantılar ve öğrenme kaynakları

Yararlı Bağlantılar ve Öğrenme Kaynakları

Useful Links & Learning Resources

Amaç: Zaman serileri ekonometrisi ve R uygulamaları için güvenilir ders kitaplarını, veri portallarını, yöntem açıklamalarını ve konu bazlı yardımcı sayfaları bir araya getirmek.

1. Öncelikli beş bağlantı

RStudio Desktop — https://posit.co/download/rstudio-desktop/

Ücretsiz R geliştirme ortamı

Forecasting: Principles and Practice (3rd ed.) — https://otexts.com/fpp3/

Lisans düzeyinde modern tahmin kitabı ve R uygulamaları

Ruey S. Tsay – veri ve kod sayfası — https://faculty.chicagobooth.edu/ruey-s-tsay/research/an-introduction-to-analysis-of-financial-data-with-r

Ana ders kitabımızın bölümlere göre veri setleri ve R betikleri

CRAN Time Series Task View — https://cran.r-project.org/web/views/TimeSeries.html

R zaman serisi paketleri rehberi

TCMB EVDS — https://evds3.tcmb.gov.tr/

Türkiye ekonomisi için birincil ekonomik veri portalı

2. Ücretsiz kitaplar ve çalışma rehberleri

Kaynak

Kapsam

Bağlantı

Forecasting: Principles and Practice (3rd ed.)

R ile modern öngörü ve fable

Aç

Forecasting: Principles and Practice (2nd ed.)

forecast paketiyle uyumlu klasik uygulamalar

Aç

R for Data Science (2nd ed.)

Veri işleme, ggplot2 ve modern R çalışma biçimi

Aç

Using R for Introductory Econometrics

Florian Heiss: R kodları ve ekonometrik örnekler

Aç

Posit Cheatsheets

R araçları ve paketleri için özet rehberler

Aç

R Graph Gallery

Grafik ve görselleştirme örnekleri

Aç

3. Ruey S. Tsay – resmî kitap kaynakları

An Introduction to Analysis of Financial Data with R — https://faculty.chicagobooth.edu/ruey-s-tsay/research/an-introduction-to-analysis-of-financial-data-with-r

Kitapta kullanılan veri setleri, R kodları ve bölümlere göre hazırlanmış çalışma dosyaları bulunur.

Multivariate Time Series Analysis with R and Financial Applications — https://faculty.chicagobooth.edu/ruey-s-tsay/research/multivariate-time-series-analysis-with-r-and-financial-applications

Çok değişkenli yöntemlerle ilgili yardımcı veri ve R uygulamaları.

4. Ekonomik ve finansal veri kaynakları

Portal

Başlıca veri

Bağlantı

TCMB EVDS

Türkiye: faiz, kur, para ve fiyat göstergeleri

Aç

TÜİK Veri Portalı

Türkiye: TÜFE, işsizlik, üretim ve GSYH

Aç

FRED

ABD ve uluslararası makroekonomik veriler

Aç

Yahoo Finance

Hisse senedi ve borsa piyasası verileri

Aç

World Bank Open Data

Ülkeler arası kalkınma göstergeleri

Aç

IMF Data

Uluslararası makrofinansal veri

Aç

OECD Data Explorer

OECD zaman serileri

Aç

Eurostat

Avrupa Birliği istatistikleri

Aç

ECB Data Portal

Avrupa Merkez Bankası zaman serileri

Aç

5. R ve ekonometrik paket rehberleri

R Project — https://www.r-project.org/

R yazılımının ana portalı

R Documentation — https://www.rdocumentation.org/

Fonksiyonların açıklama ve örnekleri

CRAN Econometrics — https://cran.r-project.org/web/views/Econometrics.html

Ekonometrik yöntemlere göre paketler

CRAN Finance — https://cran.r-project.org/web/views/Finance.html

Finansal ekonometrik uygulamalar için paketler

forecast paketi — https://pkg.robjhyndman.com/forecast/

Klasik ARIMA/ETS uygulama açıklamaları

vars paketi — https://cran.r-project.org/package=vars

VAR, nedensellik, IRF, FEVD

6. Haftalara göre okumalar ve bağlantılar

Hafta

Konu

Kaynak

1

R ve RStudio

Aç

2

Zaman serilerinin grafikleri

Aç

3

ACF ve PACF; temel özellikler

Aç

4

Durağanlık ve birim kök testleri

Aç

5

AR, MA, ARMA

Aç

6

ARIMA ve SARIMA

Aç

7

Tahmin doğruluğu ve hata ölçüleri

Aç

9

VAR ve Granger nedensellik

Aç

10

IRF ve FEVD

Aç

11

Eşbütünleşme ve VECM

Aç

12

ARCH etkisi

Aç

13

GARCH modelleri

Aç

14

Genel uygulama, veri ve kodlar

Aç

7. İsteğe bağlı araçlar

Python — https://www.python.org/

Karşılaştırmalı zaman serisi kodları için

Positron — https://positron.posit.co/

R ve Python çalışma ortamına alternatif

ChatGPT — https://chatgpt.com/

Kod açıklama, hata ayıklama ve öğrenme desteği; üretilen sonuçlar doğrulanmalıdır.

8. Kaynak kullanımı için kısa not

Çalışmalarda kaynak adresi, veri frekansı, örneklem dönemi ve indirme tarihi belirtilmelidir. R paketlerinin işlevleri ve sürümleri zamanla değişebileceğinden ders başında öğretim elemanının sağladığı kodlar esas alınmalıdır. Yapay zekâdan alınan kodlar bağımsız olarak çalıştırılıp kontrol edilmelidir.

↑