Stokastik ne demektir?

Stokastik, olasılıkla ilgili veya rastgelelik içeren olayları ve süreçleri tanımlayan bir terimdir. Matematiksel olarak, stokastik terimi, kesinlik yerine olasılığa dayalı analiz ve modelleme ile ilişkilidir. Stokastik süreçler ve stokastik modeller, zaman içinde rastgele veya belirsiz değişiklikler gösteren sistemleri incelemek için kullanılır.

Temel Kavramlar:

1. Stokastik Süreçler: Zamanla rastgele değişiklikler gösteren ve belirli olasılık dağılımları ile tanımlanan süreçlerdir. Örneğin, borsadaki hisse senedi fiyatları, hava durumu değişiklikleri, Brownian motion (rastgele yürüyüş) gibi olaylar stokastik süreçlere örnek olarak verilebilir.

2. Rastgele Değişkenler: Belirli bir olasılık dağılımına sahip olan ve farklı olasılıkla farklı değerler alabilen değişkenlerdir. Örneğin, bir zar atıldığında, zarın üst yüzünde görünen sayı bir rastgele değişkendir.

3. Olasılık Dağılımları: Rastgele değişkenlerin olası değerlerinin dağılımını tanımlayan matematiksel fonksiyonlardır. Normal dağılım, binom dağılımı ve Poisson dağılımı, yaygın olarak bilinen olasılık dağılımlarıdır.

Uygulama Alanları:

1. Finans: Stokastik süreçler, hisse senedi fiyatlarının ve diğer finansal varlıkların zaman içindeki hareketlerini modellemek için kullanılır. Black-Scholes modeli gibi opsiyon fiyatlama modelleri stokastik süreçlere dayanır.

2. Mühendislik: Sinyal işleme, kontrol sistemleri ve güvenilirlik analizleri gibi mühendislik alanlarında stokastik modeller kullanılır.

3. Fizik: Partikül hareketleri, difüzyon ve diğer rastgele olayların analizi için stokastik modeller kullanılır.

4. Biyoloji ve Tıp: Genetik çeşitlilik, hastalık yayılımı ve diğer biyolojik süreçlerin modellenmesinde stokastik süreçler kullanılır.

5. Ekonomi: Ekonomik göstergelerin ve piyasa hareketlerinin modellenmesi ve tahmin edilmesinde stokastik modellerden yararlanılır.

Örnek:

Bir örnek vermek gerekirse, borsada bir hisse senedinin fiyatı zamanla değişir ve bu değişimler genellikle rastgelelik içerir. Bu fiyat hareketlerini modellemek için bir stokastik süreç kullanılabilir. Basit bir stokastik model olan Geometrik Brownian motion, hisse senedi fiyatının zamanla log-normal bir dağılım gösterdiğini varsayar ve fiyat hareketlerinin hem belirli bir trend (drift) hem de rastgele dalgalanmalar (volatilite) içerdiğini belirtir.

Özetle, stokastik terimi, rastgelelik ve belirsizlik içeren olayları ve süreçleri tanımlamak için kullanılır. Stokastik modeller ve süreçler, çeşitli bilimsel ve mühendislik disiplinlerinde belirsizliğin etkilerini anlamak ve tahmin etmek için vazgeçilmez araçlardır.

Fractional Brownian Motion (fBM) nedir?

 Fractional Brownian Motion (fBM), fraktal özelliklere sahip bir stokastik süreçtir ve klasik Brownian hareketinin (Brownian Motion, BM) genelleştirilmiş bir versiyonudur. fBM, finansal modelleme, mühendislik, fizik ve biyoloji gibi çeşitli alanlarda kullanılan güçlü bir matematiksel araçtır. İşte fBM hakkında temel bilgiler:

Temel Özellikler:

1. Stokastik Süreç: fBM, stokastik (rastgele) bir süreçtir ve belirli bir süre boyunca rastgele yürüyüşlerin toplamını temsil eder.

2. Kendine Benzerlik (Self-Similarity): fBM, ölçek değiştirildiğinde kendi ile benzer kalır. Bu, sürecin farklı zaman ölçeklerinde benzer özellikler göstermesi anlamına gelir.

3. Hurst Parametresi (H): fBM, Hurst parametresi \( H \) ile tanımlanır. \( H \) parametresi, 0 ile 1 arasında bir değere sahiptir ve sürecin pürüzlülüğünü veya düzgünlüğünü kontrol eder:
    - \( 0 < H < 0.5 \): Anti-persistans (kısa vadeli bellek); süreç negatif otokorelasyona sahiptir.
    - \( H = 0.5 \): Klasik Brownian hareketi; süreç bellekten bağımsızdır.
    - \( 0.5 < H < 1 \): Persistans (uzun vadeli bellek); süreç pozitif otokorelasyona sahiptir.

4. Kovaryans Yapısı: fBM'nin kovaryans fonksiyonu, Hurst parametresine bağlıdır ve şu şekilde ifade edilir:
   \[
   \text{Cov}(B_H(t), B_H(s)) = \frac{1}{2} \left( t^{2H} + s^{2H} - |t-s|^{2H} \right)
   \]
   Burada \( B_H(t) \), Hurst parametresi \( H \) ile tanımlanan fractional Brownian hareketinin değeri olup, \( t \) ve \( s \) zaman noktalarıdır.

Uygulamalar:

- Finans: fBM, özellikle rough volatility modellerinde ve finansal zaman serilerinin analizi ve modellemesinde kullanılır.
- Fizik: fBM, yüzeylerin ve malzemelerin fraktal özelliklerinin modellenmesinde kullanılır.
- Mühendislik: fBM, çeşitli sinyal işleme ve görüntü işleme uygulamalarında kullanılır.
- Biyoloji: fBM, biyolojik sistemlerdeki düzensiz ve fraktal davranışların modellenmesinde kullanılır.

fBM, klasik Brownian hareketinden daha genel ve esnek bir model sunar, bu da onu doğadaki ve finansal piyasalardaki karmaşık süreçlerin modellenmesi için ideal hale getirir.

Hidden Markov Model, HMM nedir?

Hidden Markov Model, HMM, gizli durumların gözlemler aracılığıyla analiz edilmesini sağlayan istatistiksel bir modeldir. HMM, genellikle zaman serisi verilerini modellemek ve analiz etmek için kullanılır ve aşağıdaki bileşenlere sahiptir:

1. Durumlar (States): Modelin içinde bulunabileceği gizli durumların kümesi. Bu durumlar doğrudan gözlemlenemez.

2. Gözlemler (Observations): Gizli durumlara bağlı olarak gözlemlenen veriler veya olaylar. Bu gözlemler, durumlar hakkında dolaylı bilgi sağlar.

3. Başlangıç Olasılıkları (Initial Probabilities): Modelin başlama durumlarına ait olasılıklar.

4. Geçiş Olasılıkları (Transition Probabilities): Bir durumdan diğerine geçiş olasılıkları. Bu olasılıklar, modelin bir durumdan başka bir duruma geçiş yapma eğilimini gösterir.

5. Gözlem Olasılıkları (Observation Probabilities): Belirli bir durumda belirli bir gözlemin gerçekleşme olasılıkları.

HMM, özellikle konuşma tanıma, biyoinformatik, dil işleme ve finans gibi alanlarda kullanılır. Modelin amacı, gözlemlerden yola çıkarak en olası gizli durum dizisini veya geçiş olasılıklarını tahmin etmektir.

Özetle, Hidden Markov Modeli, gözlemlenebilir veriler aracılığıyla gözlemlenemeyen gizli durumları analiz etmeye ve anlamaya yardımcı olan güçlü bir araçtır.