1956 yılından bu yana, özellikle 1973 tarihindeki ilk darbeden sonra, Rus işgali, Sovyetler Birliğinin çıkışı, Mücahidin Hükümeti’nin kuruluşu, iç çatışmalar, Taliban örgütünün ortaya çıkması ve Amerika’nın ülkeye girişi gibi olaylar neticesinde siyasi, ekonomik ve sosyal karışıklık içerisine düşen ve o tarihten itibaren siyasi olarak tam bir düzen sağlayamayan Afganistan örneği üzerinden, siyasi istikrarsızlığın bir ülkede uluslararası ticarete yaptığı etkiler bu çalışmada anlatılmaya çalışılmaktadır. Siyasi istikrarı bir türlü sağlayamayan Afganistan ve benzeri ülkeler, ticari ve sosyal olarak birçok sorun ile karşılaşmaktadır. Bu çalışmada Afganistan’a yapılan müdahaleler ve ülkenin içerisinde bulunduğu iç çatışma, savaşlar ve güç gruplarının rekabeti sonucunda oluşan siyasi istikrarsızlık durumunun ülkenin uluslararası ticaretine olan etkileri, bu tür istikrarsızlaştırıcı durumların olmadığı zamanlarda ülkenin uluslararası ticaretinde gerçekleşen olumlu/olumsuz gelişmeler ile karşılaştırma yapılarak, siyasi istikrarsızlığın Afganistan’ın uluslararası ticaretine olan etkileri ele alınmıştır.

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.