
2020 CFA® Level I-II Review Program
İFE İstanbul Finans Enstitüsü, uluslarararası düzeyde Yatırım Profesyonellik Uzmanlık Sertifikasyonu olan CFA® için sınavlara hazırlık programları kapsamında Seviye 1 ve Seviye 2 eğitim programlarını Online olarak sunmaktadır.
Seviye I programı 1 Aralık 2020 tarihinden itibaren TalentLMS altyapısı ile İngilizce olarak hazırlanmıştır.
Seviye II programı hazırlanmakta olup Türkçe anlatımlı olacaktır.
Eğitim Platformu: Talent LMS
Eğitim Süresi: 35 Saat
Ders Başlıkları:
- Ethical & Professional Standards
- Quantitative Methods
- Economics
- Financial Reporting&Analysis
- Corporate Finance
- Equity Investments
- Fixed Income Investments
- Derivatives
- Alternative Investments
- Portfolio Management
CAMS Sertifika Programı

Türkiye’deki mali suçları önleme uzmanlarının, mesleki bilgilerini, becerilerini, mali suçları ve aklamayı tespit etme ve önleme üzerine olan deneyimlerini geliştirmelerinin yanı sıra, bir uyum kültürü oluşturmalarını ve sürdürmelerini sağlayacak olan CAMS® sertifika süreci devam ediyor.
2001 yılında kurulan Karapara Aklamayı Önleme Sertifikalı Uzmanlar Birliği (ACAMS) ve 2010 yılında kurulan iFE İstanbul Finans Enstitüsü , CAMS ve CGSS Sertifikasını Türkiye’de vermek üzere ortak olmuşlardır.
ACAMS SERTİFİKALARI
- CAMS | Certificate Anti-Money Laundering
- CGSS | Certificate Global Sanctions Specialist
GCI | Global Compliance Institute
GCI | Global Compliance Institute, Avustralya merkezli küresel bir eğitim ve sertifika kuruluşudur. KYC, Yaptırımlar ve Ambargolar, Yasal Uygunluk Yönetimi, FATCA ve CRS'ye ek olarak Kara Para Aklama ve Terörle Mücadele Finansmanı da dahil olmak üzere Uyumluluk ve Mali Suçlarla mücadele konusunda uzmandır.
IFE ve GCI Ortaklığı ile kurumumuz Türkiye Sınav ve Eğitim Merkezi olarak yetkilendirilmiştir.
1 Mart 2021 Tarihinden itibaren GCI Sertifikaları Türkçe olarak da verilmeye başlanacaktır.
GCI Sertifikaları
- KYCS - Know Your Customer Specialist
- AMLS – Anti Money Laundering Specialist
- SCS – Sanctions Compliance Specialist
- RCS – Regulatory Compliance Specialist
- FTS – Foreign Tax Specialist
- CCM- Certified Compliance Manager
CFI | Corporate Finance Institute

CFI | Corporate Finance Institute, finansal modelleme, değerleme ve diğer kurumsal finans konuları da dahil olmak üzere finans ve yatırım profesyonelleri için çevrimiçi eğitim ve öğretim sağlayan bir finansal analist sertifikasyon kuruluşudur.
IFE & CFI ortaklığı ile Türkiye ye özel lansman fiyatları finans alanında kariyer yapmak isteyen ve gerçek bir finansal analist olmak isteyenler için bir fırsat yaratıyor.
- Certified Financial Modeling & Valuation Analyst (FMVA)®
- Certified Banking & Credit Analyst (CBCA)™
- Capital Markets & Securities Analyst (CMSA)™
Online Eğitim ve Sertifika Sınavı
Ayrıntılı Bilgi ve Kredi Kartı ile Kayıt İçin:https://iif.corporatefinanceinstitute.com/
R ile Finansal Veri Analitiği
R ile Finansal Veri Analitiği eğitim programımız üç ana modülden oluşmaktadır.
Birinci Modül Veri Bilim alanında popüler programlardan olan “R” kullanımına yönelik temel kavramlar üzerinden başlangıç niteliğinde çalışmalar aktarılacaktır. Daha sonra Finansal Veri Analitiği alanında aşağıda belirtilen 4 aşamanın ilk 3’ü ile ilgili olarak yanlarında belirtilen içerikler çerçevesinde başlangıç düzeyinde uygulamalar yapılacaktır.
İkinci Modül orta ve ileri seviye finansal zaman serisi analizleri R üzerinden uygulamalı olarak aktarılacaktır.
Üçüncü Modül (Makine Öğrenmesi) 2. modülde yer alan çeşitli kavramların ileri düzey uygulamalarından başlayarak Makine Öğrenmesi yöntemlerine geçiş yapılacaktır.
Her modül sonunda uygulamalı proje yapılacaktır
Faydaları Nelerdir?
Bu eğitim, pazar analistlerinin, finans profesyonellerinin, kar optimizasyonu arayan yatırımcıların, öğrenci ve akademisyenlerin, veri bilimi (analizi) ile ilgilenen herkesin; zaman serileri, tahmin, portföy seçimi, kovaryans kümelenmesi ve türev ürünler & menkul kıymetler gibi birçok alanda becerilerini geliştirmelerine yardımcı olur.
Workshop
Her üç modüle katılanlar 6 saatlik workshopa ücretsiz katılma şansı kazanacaktır.
MODÜL I
Bu eğitimde öncelikle Veri Bilim alanında popüler programlardan olan “R” kullanımına
yönelik temel kavramlar üzerinden başlangıç niteliğinde çalışmalar aktarılacaktır
- ► Kurulum, Arayüz, Kişiselleştirme ve Çalışma Ortamı Ayarları
- ► Temel Komutlar ve Kavramlar
- ► Temel Matematiksel İşlemler
- ► Fonksiyon Kullanımı
- ► Veri Kaynaklarına Erişim ve Kaydetme
- ▼XLX, CSV, TXT dosyaları
- ▼Veri tabanları
- ▼İnternet
- ► Veri Tipleri
- ▼Vektörler
- ▼Matrisler
- ▼Dataframe
- ▼Listeler
- ► Kategorik Değişkenler
- ► Koşul ve Koşullandırma Yapıları
- ► “While” ve “For” Döngüleri
- ► Veri Analizleri için Kullanılan R Paketleri
- ► Eksik Veri Analizi ve Problem Çözüm Yöntemleri
- ▼Silme
- ▼Doldurma
- ▼Değer Atama
- ► Aykırı Gözlem Analizi ve Problem Çözüm Yöntemleri
- ► Veri Karakteristiklerinin Belirlenmesi
- ▼Tanımlayıcı İstatistikler (Aritmetik Ortalama, Medyan, Mod, Kartiller,Standart Sapma, Varyans, Çarpıklık, Basıklık)
- ▼Tanımlayıcı Grafikler (Histogram, Scatter)
- ► Olasılık Dağılımları
- ▼Normal
- ▼Poisson
- ▼Bernoulli
- ▼Binom
- ► Korelasyon
- ▼Scatterplot
- ▼Heatmap
- ► Hipotez Testleri
- ► Doğrusal ve Doğrusal Olmayan Trend Analizleri ve Üssel Düzeltme ile Tahmin Çalışmaları
- ► Basit ve Çoklu Doğrusal Regresyon ile Tahmin Çalışmaları
- ► “Tidyverse” paketi ile Veri Analizi Uygulaması
Bu eğitimde öncelikle Veri Bilim alanında popüler programlardan olan “R” kullanımına yönelik temel kavramlar üzerinden başlangıç niteliğinde çalışmalar aktarılacaktır
- ► Kurulum, Arayüz, Kişiselleştirme ve Çalışma Ortamı Ayarları
- ► Temel Komutlar ve Kavramlar
- ► Temel Matematiksel İşlemler
- ► Fonksiyon Kullanımı
- ► Veri Kaynaklarına Erişim ve Kaydetme
- ▼XLX, CSV, TXT dosyaları
- ▼Veri tabanları
- ▼İnternet
- ► Veri Tipleri
- ▼Vektörler
- ▼Matrisler
- ▼Dataframe
- ▼Listeler
- ► Kategorik Değişkenler
- ► Koşul ve Koşullandırma Yapıları
- ► “While” ve “For” Döngüleri
- ► Veri Analizleri için Kullanılan R Paketleri
- ► Eksik Veri Analizi ve Problem Çözüm Yöntemleri
- ▼Silme
- ▼Doldurma
- ▼Değer Atama
- ► Aykırı Gözlem Analizi ve Problem Çözüm Yöntemleri
- ► Veri Karakteristiklerinin Belirlenmesi
- ▼Tanımlayıcı İstatistikler (Aritmetik Ortalama, Medyan, Mod, Kartiller,Standart Sapma, Varyans, Çarpıklık, Basıklık)
- ▼Tanımlayıcı Grafikler (Histogram, Scatter)
- ► Olasılık Dağılımları
- ▼Normal
- ▼Poisson
- ▼Bernoulli
- ▼Binom
- ► Korelasyon
- ▼Scatterplot
- ▼Heatmap
- ► Hipotez Testleri
- ► Doğrusal ve Doğrusal Olmayan Trend Analizleri ve Üssel Düzeltme ile Tahmin Çalışmaları
- ► Basit ve Çoklu Doğrusal Regresyon ile Tahmin Çalışmaları
- ► “Tidyverse” paketi ile Veri Analizi Uygulaması
MODÜL II
Bu eğitimde orta ve ileri seviye finansal zaman serisi analizleri R üzerinden uygulamalı
olarak aktarılacaktır.
- ► Zaman Serilerinin Karakteristiklerinin Belirlenmesi
- ▼Otokorelasyon
- ▼Bellek Kavramı (Long-Memory)
- ▼Değişken Varyans (ARCH Effect)
- ▼Zaman Serilerinin Ayrıştırılması (Decomposition: De-Trend, De-Noising)
- ▼Yapısal Kırılma (Structural Break)
- ► Tek Değişkenli (Univariate) Zaman Serisi Analizi
- ▼Deterministik Zaman Serisi Modelleri
- •Fiyat Tabanlı Analiz ve Kestirimler (AR, MA, ARMA, ARIMA)
- •Mevsimsellik Etkisi ile Analiz ve Kestirim (SARIMA, SES, Holt-Winters)
- •“Long-Memory” ile Analiz ve Kestirim (ARFIMA, LSTM)
- •Volatilite Tahmin Modelleri (ARCH, GARCH, EWMA, IGARCH)
- ▼Stokastik Modeller
- •GBM (Geometric Brownian Motion)
- •Vasicek
- •CIR (Cox, Ingersoll, Ross)
- •Hull-White
- ► Çok Değişkenli (Multivariate) Zaman Serisi Analizi
- ▼Eş-Bütünleşme (Cointegration) Analizi
- ▼Temel Bileşen Analizi (Principal Component Analysis, PCA)
- ▼Nedensellik Analizi
- ▼Çok Değişkenli Regresyon Analizi
- •Model Oluşturma ve Model Seçimi
- •Collinearity ve Variance Inflation
- •Model Sınamalarının Yapılması (Diagnostic Checks)
- •Kestirim (Forecast) ve Güven Aralıklarının Oluşturulması
- •Model Performanslarının Karşılaştırılması
Bu eğitimde orta ve ileri seviye finansal zaman serisi analizleri R üzerinden uygulamalı olarak aktarılacaktır.
- ► Zaman Serilerinin Karakteristiklerinin Belirlenmesi
- ▼Otokorelasyon
- ▼Bellek Kavramı (Long-Memory)
- ▼Değişken Varyans (ARCH Effect)
- ▼Zaman Serilerinin Ayrıştırılması (Decomposition: De-Trend, De-Noising)
- ▼Yapısal Kırılma (Structural Break)
- ► Tek Değişkenli (Univariate) Zaman Serisi Analizi
- ▼Deterministik Zaman Serisi Modelleri
- •Fiyat Tabanlı Analiz ve Kestirimler (AR, MA, ARMA, ARIMA)
- •Mevsimsellik Etkisi ile Analiz ve Kestirim (SARIMA, SES, Holt-Winters)
- •“Long-Memory” ile Analiz ve Kestirim (ARFIMA, LSTM)
- •Volatilite Tahmin Modelleri (ARCH, GARCH, EWMA, IGARCH)
- ▼Stokastik Modeller
- •GBM (Geometric Brownian Motion)
- •Vasicek
- •CIR (Cox, Ingersoll, Ross)
- •Hull-White
- ► Çok Değişkenli (Multivariate) Zaman Serisi Analizi
- ▼Eş-Bütünleşme (Cointegration) Analizi
- ▼Temel Bileşen Analizi (Principal Component Analysis, PCA)
- ▼Nedensellik Analizi
- ▼Çok Değişkenli Regresyon Analizi
- •Model Oluşturma ve Model Seçimi
- •Collinearity ve Variance Inflation
- •Model Sınamalarının Yapılması (Diagnostic Checks)
- •Kestirim (Forecast) ve Güven Aralıklarının Oluşturulması
- •Model Performanslarının Karşılaştırılması
MODÜL III
Bu eğitimde 2. modülde yer alan çeşitli kavramların ileri düzey uygulamalarından başlayarak Makine Öğrenmesi yöntemlerine geçiş yapılacaktır
- ► Makine Öğrenmesine Giriş
- ▼Makine Öğrenmesi Nedir?
- ▼Kavramlar & Terminoloji
- ▼Gözetimli Öğrenme ve Gözetimsiz
- Öğrenme Kavramları
- ► Doğrusal Regresyon Modelleri
- ▼Basit Doğrusal Regresyon
- ▼Çoklu Doğrusal Regresyon
- ▼Veri Seti ve Train-Test Ayrımı
- ▼Çoklu Doğrusal Regresyon
- ▼Temel Bileşen Regresyonu (Principal
- Component Regression – PCR)
- ▼Kısmi En Küçük Kareler Regresyonu
- (Partial Least Squares Regression -
- PLS)
- ▼Ridge Regresyon
- ▼Lasso Regresyon
- ▼ElasticNet
- ► Doğrusal Olmayan Regresyon Modelleri
- ▼K-En Yakın Komşu (K-Nearest
- Neighbors - KNN)
- ▼Destek Vektör Regresyonu (Support
- Vector Regression - SVR)
- ▼Yapay Sinir Ağları (Neural Networks -
- NN)
- ▼Sınıflandırma ve Regresyon Ağaçları
- (Classification and Regression Trees
- – CART)
- ▼Karar Ağaçları (Decision Trees)
- ▼Rastgele Orman (Random Forest)
- ▼Gradyan ve Ekstrem Gradyan Artırma
- (Gradient and XG Boosting)
- ► Sınıflandırma Modelleri
- ▼Lojistik Regresyon (Logistic
- Regression)
- ► Denetimsiz Öğrenme
- ▼Hiyerarşik ve Birleştirici Hiyerarşik
- Kümeleme
- ▼Temel Bileşen Analizi (Principal
- Component Analysis – PCA)
CFA Chartered Financial Analyst Hazırlık Programları
Genel Bilgi

2020 CFA® Level I-II Review Program
İFE İstanbul Finans Enstitüsü, uluslarararası düzeyde Yatırım Profesyonellik Uzmanlık Sertifikasyonu olan CFA® için sınavlara hazırlık programları kapsamında Seviye 1 ve Seviye 2 eğitim programlarını Online olarak sunmaktadır.
Seviye I programı 1 Aralık 2020 tarihinden itibaren TalentLMS altyapısı ile İngilizce olarak hazırlanmıştır.
Seviye II programı hazırlanmakta olup Türkçe anlatımlı olacaktır.
Kurs İçeriği
Eğitim Platformu: Talent LMS
Eğitim Süresi: 35 Saat
Ders Başlıkları:
- Ethical & Professional Standards
- Quantitative Methods
- Economics
- Financial Reporting&Analysis
- Corporate Finance
- Equity Investments
- Fixed Income Investments
- Derivatives
- Alternative Investments
- Portfolio Management
Kayıt Formu
ACAMS Sertifika Programı
Genel Bilgi
CAMS Sertifika Programı

Türkiye’deki mali suçları önleme uzmanlarının, mesleki bilgilerini, becerilerini, mali suçları ve aklamayı tespit etme ve önleme üzerine olan deneyimlerini geliştirmelerinin yanı sıra, bir uyum kültürü oluşturmalarını ve sürdürmelerini sağlayacak olan CAMS® sertifika süreci devam ediyor.
2001 yılında kurulan Karapara Aklamayı Önleme Sertifikalı Uzmanlar Birliği (ACAMS) ve 2010 yılında kurulan iFE İstanbul Finans Enstitüsü , CAMS ve CGSS Sertifikasını Türkiye’de vermek üzere ortak olmuşlardır.
Kurs İçeriği
ACAMS SERTİFİKALARI
- CAMS | Certificate Anti-Money Laundering
- CGSS | Certificate Global Sanctions Specialist
Tarih
PDF İndir
Kayıt Formu
GCI | Global Compliance Institute
Genel Bilgi
GCI | Global Compliance Institute
GCI | Global Compliance Institute, Avustralya merkezli küresel bir eğitim ve sertifika kuruluşudur. KYC, Yaptırımlar ve Ambargolar, Yasal Uygunluk Yönetimi, FATCA ve CRS'ye ek olarak Kara Para Aklama ve Terörle Mücadele Finansmanı da dahil olmak üzere Uyumluluk ve Mali Suçlarla mücadele konusunda uzmandır.
IFE ve GCI Ortaklığı ile kurumumuz Türkiye Sınav ve Eğitim Merkezi olarak yetkilendirilmiştir.
1 Mart 2021 Tarihinden itibaren GCI Sertifikaları Türkçe olarak da verilmeye başlanacaktır.
Kurs İçeriği
GCI Sertifikaları
- KYCS - Know Your Customer Specialist
- AMLS – Anti Money Laundering Specialist
- SCS – Sanctions Compliance Specialist
- RCS – Regulatory Compliance Specialist
- FTS – Foreign Tax Specialist
- CCM- Certified Compliance Manager
Tarih
PDF İndir
Kayıt Formu
CFI | Corporate Finance Institute
Genel Bilgi
CFI | Corporate Finance Institute

CFI | Corporate Finance Institute, finansal modelleme, değerleme ve diğer kurumsal finans konuları da dahil olmak üzere finans ve yatırım profesyonelleri için çevrimiçi eğitim ve öğretim sağlayan bir finansal analist sertifikasyon kuruluşudur.
IFE & CFI ortaklığı ile Türkiye ye özel lansman fiyatları finans alanında kariyer yapmak isteyen ve gerçek bir finansal analist olmak isteyenler için bir fırsat yaratıyor.
Kurs İçeriği
- Certified Financial Modeling & Valuation Analyst (FMVA)®
- Certified Banking & Credit Analyst (CBCA)™
- Capital Markets & Securities Analyst (CMSA)™
Tarih
Online Eğitim ve Sertifika Sınavı
Ayrıntılı Bilgi ve Kredi Kartı ile Kayıt İçin:https://iif.corporatefinanceinstitute.com/
PDF İndir
Kayıt Formu
R ile Finansal Veri Analitiği
Genel Bilgi
R ile Finansal Veri Analitiği
R ile Finansal Veri Analitiği eğitim programımız üç ana modülden oluşmaktadır.
Birinci Modül Veri Bilim alanında popüler programlardan olan “R” kullanımına yönelik temel kavramlar üzerinden başlangıç niteliğinde çalışmalar aktarılacaktır. Daha sonra Finansal Veri Analitiği alanında aşağıda belirtilen 4 aşamanın ilk 3’ü ile ilgili olarak yanlarında belirtilen içerikler çerçevesinde başlangıç düzeyinde uygulamalar yapılacaktır.
İkinci Modül orta ve ileri seviye finansal zaman serisi analizleri R üzerinden uygulamalı olarak aktarılacaktır.
Üçüncü Modül (Makine Öğrenmesi) 2. modülde yer alan çeşitli kavramların ileri düzey uygulamalarından başlayarak Makine Öğrenmesi yöntemlerine geçiş yapılacaktır.
Her modül sonunda uygulamalı proje yapılacaktır
Faydaları Nelerdir?
Bu eğitim, pazar analistlerinin, finans profesyonellerinin, kar optimizasyonu arayan yatırımcıların, öğrenci ve akademisyenlerin, veri bilimi (analizi) ile ilgilenen herkesin; zaman serileri, tahmin, portföy seçimi, kovaryans kümelenmesi ve türev ürünler & menkul kıymetler gibi birçok alanda becerilerini geliştirmelerine yardımcı olur.
Workshop
Her üç modüle katılanlar 6 saatlik workshopa ücretsiz katılma şansı kazanacaktır.
Modül I
MODÜL I
Bu eğitimde öncelikle Veri Bilim alanında popüler programlardan olan “R” kullanımına
yönelik temel kavramlar üzerinden başlangıç niteliğinde çalışmalar aktarılacaktır
- ► Kurulum, Arayüz, Kişiselleştirme ve Çalışma Ortamı Ayarları
- ► Temel Komutlar ve Kavramlar
- ► Temel Matematiksel İşlemler
- ► Fonksiyon Kullanımı
- ► Veri Kaynaklarına Erişim ve Kaydetme
- ▼XLX, CSV, TXT dosyaları
- ▼Veri tabanları
- ▼İnternet
- ► Veri Tipleri
- ▼Vektörler
- ▼Matrisler
- ▼Dataframe
- ▼Listeler
- ► Kategorik Değişkenler
- ► Koşul ve Koşullandırma Yapıları
- ► “While” ve “For” Döngüleri
- ► Veri Analizleri için Kullanılan R Paketleri
- ► Eksik Veri Analizi ve Problem Çözüm Yöntemleri
- ▼Silme
- ▼Doldurma
- ▼Değer Atama
- ► Aykırı Gözlem Analizi ve Problem Çözüm Yöntemleri
- ► Veri Karakteristiklerinin Belirlenmesi
- ▼Tanımlayıcı İstatistikler (Aritmetik Ortalama, Medyan, Mod, Kartiller,Standart Sapma, Varyans, Çarpıklık, Basıklık)
- ▼Tanımlayıcı Grafikler (Histogram, Scatter)
- ► Olasılık Dağılımları
- ▼Normal
- ▼Poisson
- ▼Bernoulli
- ▼Binom
- ► Korelasyon
- ▼Scatterplot
- ▼Heatmap
- ► Hipotez Testleri
- ► Doğrusal ve Doğrusal Olmayan Trend Analizleri ve Üssel Düzeltme ile Tahmin Çalışmaları
- ► Basit ve Çoklu Doğrusal Regresyon ile Tahmin Çalışmaları
- ► “Tidyverse” paketi ile Veri Analizi Uygulaması
Bu eğitimde öncelikle Veri Bilim alanında popüler programlardan olan “R” kullanımına yönelik temel kavramlar üzerinden başlangıç niteliğinde çalışmalar aktarılacaktır
- ► Kurulum, Arayüz, Kişiselleştirme ve Çalışma Ortamı Ayarları
- ► Temel Komutlar ve Kavramlar
- ► Temel Matematiksel İşlemler
- ► Fonksiyon Kullanımı
- ► Veri Kaynaklarına Erişim ve Kaydetme
- ▼XLX, CSV, TXT dosyaları
- ▼Veri tabanları
- ▼İnternet
- ► Veri Tipleri
- ▼Vektörler
- ▼Matrisler
- ▼Dataframe
- ▼Listeler
- ► Kategorik Değişkenler
- ► Koşul ve Koşullandırma Yapıları
- ► “While” ve “For” Döngüleri
- ► Veri Analizleri için Kullanılan R Paketleri
- ► Eksik Veri Analizi ve Problem Çözüm Yöntemleri
- ▼Silme
- ▼Doldurma
- ▼Değer Atama
- ► Aykırı Gözlem Analizi ve Problem Çözüm Yöntemleri
- ► Veri Karakteristiklerinin Belirlenmesi
- ▼Tanımlayıcı İstatistikler (Aritmetik Ortalama, Medyan, Mod, Kartiller,Standart Sapma, Varyans, Çarpıklık, Basıklık)
- ▼Tanımlayıcı Grafikler (Histogram, Scatter)
- ► Olasılık Dağılımları
- ▼Normal
- ▼Poisson
- ▼Bernoulli
- ▼Binom
- ► Korelasyon
- ▼Scatterplot
- ▼Heatmap
- ► Hipotez Testleri
- ► Doğrusal ve Doğrusal Olmayan Trend Analizleri ve Üssel Düzeltme ile Tahmin Çalışmaları
- ► Basit ve Çoklu Doğrusal Regresyon ile Tahmin Çalışmaları
- ► “Tidyverse” paketi ile Veri Analizi Uygulaması
Modül II
MODÜL II
Bu eğitimde orta ve ileri seviye finansal zaman serisi analizleri R üzerinden uygulamalı
olarak aktarılacaktır.
- ► Zaman Serilerinin Karakteristiklerinin Belirlenmesi
- ▼Otokorelasyon
- ▼Bellek Kavramı (Long-Memory)
- ▼Değişken Varyans (ARCH Effect)
- ▼Zaman Serilerinin Ayrıştırılması (Decomposition: De-Trend, De-Noising)
- ▼Yapısal Kırılma (Structural Break)
- ► Tek Değişkenli (Univariate) Zaman Serisi Analizi
- ▼Deterministik Zaman Serisi Modelleri
- •Fiyat Tabanlı Analiz ve Kestirimler (AR, MA, ARMA, ARIMA)
- •Mevsimsellik Etkisi ile Analiz ve Kestirim (SARIMA, SES, Holt-Winters)
- •“Long-Memory” ile Analiz ve Kestirim (ARFIMA, LSTM)
- •Volatilite Tahmin Modelleri (ARCH, GARCH, EWMA, IGARCH)
- ▼Stokastik Modeller
- •GBM (Geometric Brownian Motion)
- •Vasicek
- •CIR (Cox, Ingersoll, Ross)
- •Hull-White
- ► Çok Değişkenli (Multivariate) Zaman Serisi Analizi
- ▼Eş-Bütünleşme (Cointegration) Analizi
- ▼Temel Bileşen Analizi (Principal Component Analysis, PCA)
- ▼Nedensellik Analizi
- ▼Çok Değişkenli Regresyon Analizi
- •Model Oluşturma ve Model Seçimi
- •Collinearity ve Variance Inflation
- •Model Sınamalarının Yapılması (Diagnostic Checks)
- •Kestirim (Forecast) ve Güven Aralıklarının Oluşturulması
- •Model Performanslarının Karşılaştırılması
Bu eğitimde orta ve ileri seviye finansal zaman serisi analizleri R üzerinden uygulamalı olarak aktarılacaktır.
- ► Zaman Serilerinin Karakteristiklerinin Belirlenmesi
- ▼Otokorelasyon
- ▼Bellek Kavramı (Long-Memory)
- ▼Değişken Varyans (ARCH Effect)
- ▼Zaman Serilerinin Ayrıştırılması (Decomposition: De-Trend, De-Noising)
- ▼Yapısal Kırılma (Structural Break)
- ► Tek Değişkenli (Univariate) Zaman Serisi Analizi
- ▼Deterministik Zaman Serisi Modelleri
- •Fiyat Tabanlı Analiz ve Kestirimler (AR, MA, ARMA, ARIMA)
- •Mevsimsellik Etkisi ile Analiz ve Kestirim (SARIMA, SES, Holt-Winters)
- •“Long-Memory” ile Analiz ve Kestirim (ARFIMA, LSTM)
- •Volatilite Tahmin Modelleri (ARCH, GARCH, EWMA, IGARCH)
- ▼Stokastik Modeller
- •GBM (Geometric Brownian Motion)
- •Vasicek
- •CIR (Cox, Ingersoll, Ross)
- •Hull-White
- ► Çok Değişkenli (Multivariate) Zaman Serisi Analizi
- ▼Eş-Bütünleşme (Cointegration) Analizi
- ▼Temel Bileşen Analizi (Principal Component Analysis, PCA)
- ▼Nedensellik Analizi
- ▼Çok Değişkenli Regresyon Analizi
- •Model Oluşturma ve Model Seçimi
- •Collinearity ve Variance Inflation
- •Model Sınamalarının Yapılması (Diagnostic Checks)
- •Kestirim (Forecast) ve Güven Aralıklarının Oluşturulması
- •Model Performanslarının Karşılaştırılması
Modül III
MODÜL III
Bu eğitimde 2. modülde yer alan çeşitli kavramların ileri düzey uygulamalarından başlayarak Makine Öğrenmesi yöntemlerine geçiş yapılacaktır
- ► Makine Öğrenmesine Giriş
- ▼Makine Öğrenmesi Nedir?
- ▼Kavramlar & Terminoloji
- ▼Gözetimli Öğrenme ve Gözetimsiz
- Öğrenme Kavramları
- ► Doğrusal Regresyon Modelleri
- ▼Basit Doğrusal Regresyon
- ▼Çoklu Doğrusal Regresyon
- ▼Veri Seti ve Train-Test Ayrımı
- ▼Çoklu Doğrusal Regresyon
- ▼Temel Bileşen Regresyonu (Principal
- Component Regression – PCR)
- ▼Kısmi En Küçük Kareler Regresyonu
- (Partial Least Squares Regression -
- PLS)
- ▼Ridge Regresyon
- ▼Lasso Regresyon
- ▼ElasticNet
- ► Doğrusal Olmayan Regresyon Modelleri
- ▼K-En Yakın Komşu (K-Nearest
- Neighbors - KNN)
- ▼Destek Vektör Regresyonu (Support
- Vector Regression - SVR)
- ▼Yapay Sinir Ağları (Neural Networks -
- NN)
- ▼Sınıflandırma ve Regresyon Ağaçları
- (Classification and Regression Trees
- – CART)
- ▼Karar Ağaçları (Decision Trees)
- ▼Rastgele Orman (Random Forest)
- ▼Gradyan ve Ekstrem Gradyan Artırma
- (Gradient and XG Boosting)
- ► Sınıflandırma Modelleri
- ▼Lojistik Regresyon (Logistic
- Regression)
- ► Denetimsiz Öğrenme
- ▼Hiyerarşik ve Birleştirici Hiyerarşik
- Kümeleme
- ▼Temel Bileşen Analizi (Principal
- Component Analysis – PCA)