Karadeniz bölgesi coğrafi konumu dolayısıyla, yüzyıllar boyunca dünya politik gündeminin üst sıralarında yer almıştır. Bu durum tüm modern jeopolitik teorilerce de onaylanmakta olup, söz konusu teorilerin tamamına göre bölge dünyanın merkezi ya da merkezin kontrolü için egemenlik altında bulundurulması gereken bir saha olarak tanımlanmaktadır. 1991 yılı sonunda SSCB’nin dağılmasıyla birlikte bölgenin dinamikleri köklü bir değişikliğe uğramış olup, iki kutuplu yapının empoze ettiği istikrar ortamı, tüm dünyada olduğu gibi, bölgede de bozulmuş ve özellikle eski SSCB topraklarında bir takım çatışmalar patlak vermiştir. 2000’li yıllarla birlikte bölgenin jeopolitik algısında da önemli bir değişiklik meydana gelmiş olup, bölge yeni devletlerin de dahil olduğu “Geniş Karadeniz” tanımı çerçevesinde algılanmaya başlanmıştır. SSCB’nin dağılmasıyla 90’lı yılların başında çatışmaya dönüşen, takiben de taraflar arasında imzalanan ateşkes anlaşmalarına karşın, henüz tatmin edici bir barışın sağlanamadığı bahsi geçen problemler halen sıcaklığını korumakta ve bazen yeni çatışmaları da tetikleyebilmektedirler. Bu noktada söz konusu problemler bölgesel güvenliğe olduğu kadar, çatışan devletlerin yanı sıra müttefikleri de göz önünde bulundurulduğunda, küresel güvenliğe de önemli bir tehdit teşkil etmektedirler. Bu nedenle kitapta, bölgesel ve küresel güvenliğe yönelik önemli bir meydan okuma teşkil eden Geniş Karadeniz Bölgesi’ndeki çatışma noktaları geçmişten günümüze bütüncül bir bakış açısıyla analiz edilmeye çalışılmıştır.

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.