Bilgi ve iletişim teknolojilerindeki gelişmeler ve küreselleşmenin etkisiyle dünya genelindeki koşullar değişmiş ve küresel bir bilgi ekonomisi ortaya çıkmıştır. Dünya ekonomisinde yaşanan bu değişimler ve oluşan fırsatlar yeni bir girişimsel toplum yaratarak, ekonomideki en küçük aktör olan girişimcinin gücünü arttırmış ve küresel ekonominin oluşumunda girişimcinin en önemli aktör konumuna gelmesini sağlamıştır. Tarihin ilk çağlarından beri yeni iş imkanları yaratmak, keşfetmek veya tanımlamak ve bu imkanları ekonomik kazanç için yeni girişimlerde kullanmak insan yaşamında daima önemli olmuştur. Bu anlamda fırsatlar, girişimcilik alanında sınır ve değişim koşullarını tanımlayan temel kavramlardan biridir. Çünkü bir fırsat olmadan girişimcilik olamaz. Potansiyel bir girişimci son derece yaratıcı ve çalışkan olabilir, fakat hedeflenen bir fırsat olmadan bu karakteristiklerle, girişimsel aktiviteler meydana gelemez. Dolayısıyla fırsatların doğasını açık bir şekilde anlamaksızın, girişimciliği geliştirmeye yönelik akılcı politika ve uygulamalar bulmak mümkün değildir. Bu nedenle girişimsel bir fırsatın nasıl anlaşıldığı ve nereden geldiğini bilmek oldukça önem arz etmektedir.

Financial time series including high frequency structures like jumps, spikes and stochastic volatility are usually modeled in an ad-hoc manner by stochastic differential equations together with Levy processes. Estimating the parameters and determining the jump size distributions do not have a precise and universally accepted method. Under these circumstances, complexities and confusions usually arise. This book, approaches to this issue from a very different angle through introducing an autocorrelation one process together with finite number of Fourier series terms. Introduction of Fourier series to estimate the dynamics of the process is not done in an ad-hoc manner or as done before in dealing with seasonality. Here the moving average is transformed to a “moving and fluctuating” average by the help of Fourier series. Instead of adding jump structures to the model which makes the parameter estimation quite cumbersome, our model in discrete time can easily be transformed to a well-known mean reverting continuous time process. Moreover, our alternative model turned out to be a quite powerful and accurate forecasting technique.