Budowa sztucznych sieci neuronowych do prognozowania. Przykład jednostek uczestnictwa otwartego funduszu inwestycyjnego

Wielkość: px
Rozpocząć pokaz od strony:

Download "Budowa sztucznych sieci neuronowych do prognozowania. Przykład jednostek uczestnictwa otwartego funduszu inwestycyjnego"

Transkrypt

1 Budowa sztucznych sieci neuronowych do prognozowania. Przykład jednostek uczestnictwa otwartego funduszu inwestycyjnego Dorota Witkowska Szkoła Główna Gospodarstwa Wiejskiego w Warszawie

2 Wprowadzenie Sztuczne sieci neuronowe (SSN) są modelami nieliniowymi, które pozwalają na opisanie skomplikowanych relacji zachodzących między danymi. Można je zatem wykorzystać do analizowania zjawisk ekonomicznych i finansowych. W zależności od rodzaju problemu, jaki ma zostać rozwiązany, wykorzystuje się różne rodzaje SSN.

3 Budowa sieci neuronowej prowadzona jest zazwyczaj w kilku etapach: określenie zmiennych będących wejściami i wyjściami z sieci; wybór rodzaju sieci oraz metody jej trenowania; określenie architektury sieci; estymacja parametrów SSN; weryfikacja SSN; wykorzystanie sieci do przyjętych celów.

4 Zalety SNN 1. SSN obejmują szeroką klasę modeli, dzięki czemu nie istnieje konieczność wyboru określonego modelu już na początku prowadzonych analiz. 2. nie są potrzebne żadne założenia dotyczące natury rozkładu danych. Zamiast przyjmować założenia odnośnie nieznanej populacji, sieci neuronowe z przynajmniej jedną warstwą ukrytą wykorzystają dane do określenia charakteru zależności między zmiennym; 3. szeregi czasowe mają charakter dynamiczny zatem potrzebne jest posiadanie nieliniowych narzędzi w celu rozpoznawania zależności wśród danych tej postaci. Ponadto wiele szeregów czasowych zawiera składowe chaotyczne, które są lepiej tolerowane przez sieci neuronowe niż przez większość innych metod; 4. sieci neuronowe doskonale sobie radzą z danymi niekompletnymi, podczas gdy tradycyjne metody statystyczne są w tym przypadku całkowicie bezsilne. 5. wyznaczanie prognoz za pomocą sieci neuronowych wymaga znacznie mniej czasu niż w przypadku modeli ekonometrycznych.

5 Wady SSN nie umiemy nadać sensownej interpretacji ekonomicznej parametrom modeli nieliniowych; skłonność SSN do nadmiernego dopasowywania się do danych treningowych w trakcie procesu uczenia sieci, co powoduje że wykorzystanie SSN do prognoz może być problematyczne. Dlatego też należy starannie je testować na podstawie danych, które nie uczestniczyły w procesie estymacji parametrów modelu, aby wykryć tego typu błędy; wpadanie przez algorytmy trenujące SSN w lokalne minima w trakcie optymalizacji funkcji kosztów. Jednakże realizowane są badania prowadzące do opracowania bardziej zaawansowanych metod uczenia sieci, bądź technik pozwalających na uniknięcie problemu minimów lokalnych.

6 Wyznaczenie listy zmiennych wejściowych w sieciach neuronowych, jest zadaniem równie trudnym jak specyfikacja modeli ekonometrycznych. Dobór zmiennych powinien uwzględniać: teorię ekonomii, doświadczenie konstruktora modelu oraz analizę współzależności zjawisk.

7 Ceny jednostek uczestnictwa Obserwacje CenaNetto Jednostki uczestnictwa Wartości jednostek uczestnictwa w całym okresie trwania funduszu Skarbiec Akcja (SA)

8 Struktura funduszu struktura funduszu Udziały ,07 9,42 1,88 3,25 0,38 gotówka i ekwiwalenry J.U., ETF, NFI pozostałe aktywa papiery dłużne akcje Instrumenty finansowe udziały

9 Potencjalne zmienne objaśniające: notowania indeksu WIG20 (WIG20), ponieważ większośćśrodków pieniężnych funduszu jest lokowana w akcjach spółek wchodzących w skład tego indeksu; stopa procentowa WIBID 3-miesięczny (WIBID3M), jaką banki płacą za środki przyjęte w depozyt od innych banków; średnia rentowność bonów skarbowych 13-tygodniowych (BS13).

10 Okres badania W badaniach uwzględniono dzienne notowania z okresu od do roku (803 obserwacje). Zbiór treningowy obejmuje 85% zbioru (682 danych), a testowy 15% próby (121 obserwacji). Prognozy wyznaczono na kolejne dwa miesiące tj r., czyli na 35 dni. Uwzględniony w badaniach okres jest jednorodny z punktu widzenia występującego trendu wzrostowego wartości jednostek uczestnictwa.

11 Budowa sztucznej sieci neuronowej Do modelowania wartości jednostek uczestnictwa wykorzystano perceptron wielowarstwowy. Architekturę sieci neuronowej określano dla każdego modelu, przy czym zawsze była to sieć trójwarstwowa i zawierała opóźnione zmienne objaśniające. W badaniach uwzględniono 3 postacie modeli neuronowych. 1. SA(t) = f(wig20(t-i)) dla i=1, 2,, 5; 2. SA(t) = f(wig20(t-i), WIBID3M(t-i)) dla i=1, 2,, 5; 3. SA(t) = f(wig20(t-i), WIBID3M(t-i), SA(t-i)) dla i=1, 2.

12 Porównanie prognoz wyznaczonych za pomocą modeli SA rzeczywiste model1 model2 model

13 Podsumowanie 1 Uzyskane rezultaty wskazują, że sztuczne sieci neuronowe mogą być przydatnym narzędziem prognostycznym finansowych szeregów czasowych. Jednakże nie można ich traktować jak czarne skrzynki i należy starannie specyfikować model, dbając zarówno o odpowiedni dobór zmiennych wejściowych, jak i o stosowną architekturę sieci.

14 Podsumowanie 2 Sieci neuronowe, podobnie jak inne modele konstruowane do celów prognostycznych, muszą opisywać aktualną rzeczywistość, a modelowane zjawisko spełniać założenie o zachowaniu relacji, opisywanych przez model dla całego horyzontu prognozy. Dlatego też należy starannie dobierać okres estymacji parametrów modelu, aby zachowane były tendencje rozwoju prognozowanych relacji. W analizowanym przykładzie, skonstruowana i oszacowana, sieć neuronowa (6) mogłaby jeszcze się sprawdzać jako narzędzie prognostyczne dla notowań do 1218 obserwacji tj roku, aczkolwiek należałoby pewnie dokonać przeszacowania jej parametrów wykorzystując w tym celu świeższe dane. Natomiast SSN postaci (6) stała się zupełnie bezużyteczna dla późniejszych okresów, kiedy trend się odwrócił i na rynku pojawiła się tendencja spadkowa.

Obrona rozprawy doktorskiej Neuro-genetyczny system komputerowy do prognozowania zmiany indeksu giełdowego

Obrona rozprawy doktorskiej Neuro-genetyczny system komputerowy do prognozowania zmiany indeksu giełdowego IBS PAN, Warszawa 9 kwietnia 2008 Obrona rozprawy doktorskiej Neuro-genetyczny system komputerowy do prognozowania zmiany indeksu giełdowego mgr inż. Marcin Jaruszewicz promotor: dr hab. inż. Jacek Mańdziuk,

Bardziej szczegółowo

Zastosowanie sztucznych sieci neuronowych w prognozowaniu szeregów czasowych (prezentacja 2)

Zastosowanie sztucznych sieci neuronowych w prognozowaniu szeregów czasowych (prezentacja 2) Zastosowanie sztucznych sieci neuronowych w prognozowaniu szeregów czasowych (prezentacja 2) Ewa Wołoszko Praca pisana pod kierunkiem Pani dr hab. Małgorzaty Doman Plan tego wystąpienia Teoria Narzędzia

Bardziej szczegółowo

Analiza danych. http://zajecia.jakubw.pl/ TEMATYKA PRZEDMIOTU

Analiza danych. http://zajecia.jakubw.pl/ TEMATYKA PRZEDMIOTU Analiza danych Wstęp Jakub Wróblewski jakubw@pjwstk.edu.pl http://zajecia.jakubw.pl/ TEMATYKA PRZEDMIOTU Różne aspekty analizy danych Reprezentacja graficzna danych Metody statystyczne: estymacja parametrów

Bardziej szczegółowo

Protokół zmian w Prospekcie Millennium Funduszu Inwestycyjnego Otwartego (z wydzielonymi subfunduszami) z dnia 28 października 2015 roku.

Protokół zmian w Prospekcie Millennium Funduszu Inwestycyjnego Otwartego (z wydzielonymi subfunduszami) z dnia 28 października 2015 roku. Protokół zmian w Prospekcie Millennium Funduszu Inwestycyjnego Otwartego (z wydzielonymi subfunduszami) z dnia 28 października 2015 roku. W związku z wymogami zawartymi w 10 Rozporządzenia Rady Ministrów

Bardziej szczegółowo

Narzędzia statystyczne i ekonometryczne. Wykład 1. dr Paweł Baranowski

Narzędzia statystyczne i ekonometryczne. Wykład 1. dr Paweł Baranowski Narzędzia statystyczne i ekonometryczne Wykład 1 dr Paweł Baranowski Informacje organizacyjne Wydział Ek-Soc, pok. B-109 pawel@baranowski.edu.pl Strona: baranowski.edu.pl (w tym materiały) Konsultacje:

Bardziej szczegółowo

OGŁOSZENIE O ZAMÓWIENIU nr 1/2013 (POWYŻEJ 14 tys. EURO)

OGŁOSZENIE O ZAMÓWIENIU nr 1/2013 (POWYŻEJ 14 tys. EURO) Łódź, dn. 23.12.2013r. OGŁOSZENIE O ZAMÓWIENIU nr 1/2013 (POWYŻEJ 14 tys. EURO) 1. Zamawiający Firma i adres: PL Europa S.A. NIP: 725-195-02-28 Regon: 100381252 2. Tryb udzielenia zamówienia Zgodnie z

Bardziej szczegółowo

Etapy modelowania ekonometrycznego

Etapy modelowania ekonometrycznego Etapy modelowania ekonometrycznego jest podstawowym narzędziem badawczym, jakim posługuje się ekonometria. Stanowi on matematyczno-statystyczną formę zapisu prawidłowości statystycznej w zakresie rozkładu,

Bardziej szczegółowo

Metody Ilościowe w Socjologii

Metody Ilościowe w Socjologii Metody Ilościowe w Socjologii wykład 2 i 3 EKONOMETRIA dr inż. Maciej Wolny AGENDA I. Ekonometria podstawowe definicje II. Etapy budowy modelu ekonometrycznego III. Wybrane metody doboru zmiennych do modelu

Bardziej szczegółowo

Barometr Finansów Banków (BaFiB) propozycja badania koniunktury w sektorze bankowym

Barometr Finansów Banków (BaFiB) propozycja badania koniunktury w sektorze bankowym Jacek Batóg Uniwersytet Szczeciński Barometr Finansów Banków (BaFiB) propozycja badania koniunktury w sektorze bankowym Jednym z ważniejszych elementów każdej gospodarki jest system bankowy. Znaczenie

Bardziej szczegółowo

TYPY MODELOWYCH STRATEGII INWESTYCYJNYCH

TYPY MODELOWYCH STRATEGII INWESTYCYJNYCH ZAŁĄCZNIK NR 1 DO REGULAMINU TYPY MODELOWYCH STRATEGII INWESTYCYJNYCH W ramach Zarządzania, Towarzystwo oferuje następujące Modelowe Strategie Inwestycyjne: 1. Strategia Obligacji: Cel inwestycyjny: celem

Bardziej szczegółowo

Zysk z Inwestycji. Czas i perspektywa, najlepsze praktyki

Zysk z Inwestycji. Czas i perspektywa, najlepsze praktyki Zysk z Inwestycji Czas i perspektywa, najlepsze praktyki Fundusze Inwestycyjne Otwarte (FIO) Akcji, Zrównoważone Stabilnego Wzrostu FIO AKCJI FIO ZRÓWNOWAŻONE FIO STABILNEGO WZROSTU GWIAZDY RANKINGÓW Fundusze

Bardziej szczegółowo

Projekt Sieci neuronowe

Projekt Sieci neuronowe Projekt Sieci neuronowe Chmielecka Katarzyna Gr. 9 IiE 1. Problem i dane Sieć neuronowa miała za zadanie nauczyć się klasyfikować wnioski kredytowe. W projekcie wykorzystano dane pochodzące z 110 wniosków

Bardziej szczegółowo

1.7. Eksploracja danych: pogłębianie, przeszukiwanie i wyławianie

1.7. Eksploracja danych: pogłębianie, przeszukiwanie i wyławianie Wykaz tabel Wykaz rysunków Przedmowa 1. Wprowadzenie 1.1. Wprowadzenie do eksploracji danych 1.2. Natura zbiorów danych 1.3. Rodzaje struktur: modele i wzorce 1.4. Zadania eksploracji danych 1.5. Komponenty

Bardziej szczegółowo

PROGNOZOWANIE CENY OGÓRKA SZKLARNIOWEGO ZA POMOCĄ SIECI NEURONOWYCH

PROGNOZOWANIE CENY OGÓRKA SZKLARNIOWEGO ZA POMOCĄ SIECI NEURONOWYCH InŜynieria Rolnicza 14/2005 Sławomir Francik Katedra InŜynierii Mechanicznej i Agrofizyki Akademia Rolnicza w Krakowie PROGNOZOWANIE CENY OGÓRKA SZKLARNIOWEGO ZA POMOCĄ SIECI NEURONOWYCH Streszczenie W

Bardziej szczegółowo

OGŁOSZENIE O ZMIANIE STATUTU SKARBIEC-FUNDUSZU INWESTYCYJNEGO OTWARTEGO Z DNIA 5 CZERWCA 2017 R.

OGŁOSZENIE O ZMIANIE STATUTU SKARBIEC-FUNDUSZU INWESTYCYJNEGO OTWARTEGO Z DNIA 5 CZERWCA 2017 R. OGŁOSZENIE O ZMIANIE STATUTU SKARBIEC-FUNDUSZU INWESTYCYJNEGO OTWARTEGO Z DNIA 5 CZERWCA 2017 R. Niniejszym, SKARBIEC Towarzystwo Funduszy Inwestycyjnych S.A., na podstawie art. 24 ust. 5 i ust. 8 pkt

Bardziej szczegółowo

Mikroekonometria 5. Mikołaj Czajkowski Wiktor Budziński

Mikroekonometria 5. Mikołaj Czajkowski Wiktor Budziński Mikroekonometria 5 Mikołaj Czajkowski Wiktor Budziński Zadanie 1. Wykorzystując dane me.medexp3.dta przygotuj model regresji kwantylowej 1. Przygotuj model regresji kwantylowej w którym logarytm wydatków

Bardziej szczegółowo

SPROSTOWANIE Z DNIA 6 CZERWCA 2017 R. OGŁOSZENIA O ZMIANIE STATUTU SKARBIEC-FUNDUSZU INWESTYCYJNEGO OTWARTEGO Z DNIA 5 CZERWCA 2017 R.

SPROSTOWANIE Z DNIA 6 CZERWCA 2017 R. OGŁOSZENIA O ZMIANIE STATUTU SKARBIEC-FUNDUSZU INWESTYCYJNEGO OTWARTEGO Z DNIA 5 CZERWCA 2017 R. SPROSTOWANIE Z DNIA 6 CZERWCA 2017 R. OGŁOSZENIA O ZMIANIE STATUTU SKARBIEC-FUNDUSZU INWESTYCYJNEGO OTWARTEGO Z DNIA 5 CZERWCA 2017 R. Niniejszym, SKARBIEC Towarzystwo Funduszy Inwestycyjnych S.A. informuje,

Bardziej szczegółowo

MODELOWANIE POLSKIEJ GOSPODARKI Z PAKIETEM R Michał Rubaszek

MODELOWANIE POLSKIEJ GOSPODARKI Z PAKIETEM R Michał Rubaszek Tytuł: Autor: MODELOWANIE POLSKIEJ GOSPODARKI Z PAKIETEM R Michał Rubaszek Wstęp Książka "Modelowanie polskiej gospodarki z pakietem R" powstała na bazie materiałów, które wykorzystywałem przez ostatnie

Bardziej szczegółowo

Prognozowanie cen surowców w rolnych na podstawie szeregów w czasowych - uwarunkowania i metody. Sylwia Grudkowska NBP Mariusz Hamulczuk IERIGś-PIB

Prognozowanie cen surowców w rolnych na podstawie szeregów w czasowych - uwarunkowania i metody. Sylwia Grudkowska NBP Mariusz Hamulczuk IERIGś-PIB Prognozowanie cen surowców w rolnych na podstawie szeregów w czasowych - uwarunkowania i metody Sylwia Grudkowska NBP Mariusz Hamulczuk IERIGś-PIB Plan prezentacji Wprowadzenie do prognozowania Metody

Bardziej szczegółowo

KARTA PRZEDMIOTU. Dyscyplina:

KARTA PRZEDMIOTU. Dyscyplina: KARTA PRZEDMIOTU Jednostka: WIPiE Dyscyplina: Poziom studiów: 3 Semestr: 3 lub 4 Forma studiów: stacjonarne Język wykładowy: Nazwa przedmiotu: Metody sztucznej inteligencji Symbol przedmiotu: MSI Liczba

Bardziej szczegółowo

Dopasowywanie modelu do danych

Dopasowywanie modelu do danych Tematyka wykładu dopasowanie modelu trendu do danych; wybrane rodzaje modeli trendu i ich właściwości; dopasowanie modeli do danych za pomocą narzędzi wykresów liniowych (wykresów rozrzutu) programu STATISTICA;

Bardziej szczegółowo

Finanse behawioralne. Finanse 110630-1165

Finanse behawioralne. Finanse 110630-1165 behawioralne Plan wykładu klasyczne a behawioralne Kiedy są przydatne narzędzia finansów behawioralnych? Przykłady modeli finansów behawioralnych klasyczne a behawioralne klasyczne opierają się dwóch założeniach:

Bardziej szczegółowo

Statystyka matematyczna i ekonometria

Statystyka matematyczna i ekonometria Statystyka matematyczna i ekonometria Wykład 9 Anna Skowrońska-Szmer lato 2016/2017 Ekonometria (Gładysz B., Mercik J., Modelowanie ekonometryczne. Studium przypadku, Wydawnictwo PWr., Wrocław 2004.) 2

Bardziej szczegółowo

Załącznik do dokumentu zawierającego kluczowe informacje DODATKOWE UBEZPIECZENIE Z FUNDUSZEM W RAMACH:

Załącznik do dokumentu zawierającego kluczowe informacje DODATKOWE UBEZPIECZENIE Z FUNDUSZEM W RAMACH: Załącznik do dokumentu zawierającego kluczowe informacje DODATKOWE UBEZPIECZENIE Z FUNDUSZEM W RAMACH: GRUPOWEGO UBEZPIECZENIA NA ŻYCIE WARTA EKSTRABIZNES GRUPOWEGO UBEZPIECZENIA NA ŻYCIE WARTA EKSTRABIZNES

Bardziej szczegółowo

Jak długo żyją spółki na polskiej giełdzie? Zastosowanie statystycznej analizy przeżycia do modelowania upadłości przedsiębiorstw

Jak długo żyją spółki na polskiej giełdzie? Zastosowanie statystycznej analizy przeżycia do modelowania upadłości przedsiębiorstw Jak długo żyją spółki na polskiej giełdzie? Zastosowanie statystycznej analizy przeżycia do modelowania upadłości przedsiębiorstw dr Karolina Borowiec-Mihilewicz Uniwersytet Ekonomiczny we Wrocławiu Zastosowania

Bardziej szczegółowo

KURS DORADCY FINANSOWEGO

KURS DORADCY FINANSOWEGO KURS DORADCY FINANSOWEGO Przykładowy program szkolenia I. Wprowadzenie do planowania finansowego 1. Rola doradcy finansowego Definicja i cechy doradcy finansowego Oczekiwania klienta Obszary umiejętności

Bardziej szczegółowo

PROPOZYCJA ZAGADNIEŃ NA EGZAMIN LICENCJACKI NA KIERUNKU ANALITYKA GOSPODARCZA 1.Modele wielorównaniowe. Ich rodzaje i zalecane metody estymacji

PROPOZYCJA ZAGADNIEŃ NA EGZAMIN LICENCJACKI NA KIERUNKU ANALITYKA GOSPODARCZA 1.Modele wielorównaniowe. Ich rodzaje i zalecane metody estymacji PROPOZYCJA ZAGADNIEŃ NA EGZAMIN LICENCJACKI NA KIERUNKU ANALITYKA GOSPODARCZA 1.Modele wielorównaniowe. Ich rodzaje i zalecane metody estymacji 2.Problem niesferyczności składnika losowego w modelach ekonometrycznych.

Bardziej szczegółowo

Polityka zarządzania ryzykiem płynności w Banku Spółdzielczym w Wąsewie na 2015 rok

Polityka zarządzania ryzykiem płynności w Banku Spółdzielczym w Wąsewie na 2015 rok Załącznik Nr 2 do Uchwały Zarządu Nr 105/2014 z dnia 11.12.2014r. Załącznik do Uchwały Rady Nadzorczej Nr 45/2014 z dnia 22.12.2014 r. Polityka zarządzania ryzykiem płynności w Banku Spółdzielczym w Wąsewie

Bardziej szczegółowo

Modelowanie glikemii w procesie insulinoterapii

Modelowanie glikemii w procesie insulinoterapii Dawid Kaliszewski Modelowanie glikemii w procesie insulinoterapii Promotor dr hab. inż. Zenon Gniazdowski Cel pracy Zbudowanie modelu predykcyjnego przyszłych wartości glikemii diabetyka leczonego za pomocą

Bardziej szczegółowo

Gospodarcze zastosowania algorytmów genetycznych

Gospodarcze zastosowania algorytmów genetycznych Marta Woźniak Gospodarcze zastosowania algorytmów genetycznych 1. Wstęp Ekonometria jako nauka zajmująca się ustalaniem za pomocą metod statystycznych ilościowych prawidłowości zachodzących w życiu gospodarczym

Bardziej szczegółowo

Sieci neuronowe - dokumentacja projektu

Sieci neuronowe - dokumentacja projektu Sieci neuronowe - dokumentacja projektu Predykcja finansowa, modelowanie wskaźnika kursu spółki KGHM. Piotr Jakubas Artur Kosztyła Marcin Krzych Kraków 2009 1. Sieci neuronowe - dokumentacja projektu...

Bardziej szczegółowo

Sieci neuronowe jako sposób na optymalizacje podejmowanych decyzji. Tomasz Karczyoski Wydział W-08 IZ

Sieci neuronowe jako sposób na optymalizacje podejmowanych decyzji. Tomasz Karczyoski Wydział W-08 IZ optymalizacje podejmowanych decyzji Tomasz Karczyoski Wydział W-08 IZ Czym są sieci neuronowe Struktura matematycznych oraz programowy lub sprzętowy model, realizujących obliczenia lub przetwarzanie sygnałów

Bardziej szczegółowo

3. Modele tendencji czasowej w prognozowaniu

3. Modele tendencji czasowej w prognozowaniu II Modele tendencji czasowej w prognozowaniu 1 Składniki szeregu czasowego W teorii szeregów czasowych wyróżnia się zwykle następujące składowe szeregu czasowego: a) składowa systematyczna; b) składowa

Bardziej szczegółowo

Prognozowanie i Symulacje. Wykład I. Matematyczne metody prognozowania

Prognozowanie i Symulacje. Wykład I. Matematyczne metody prognozowania Prognozowanie i Symulacje. Wykład I. e-mail:e.kozlovski@pollub.pl Spis treści Szeregi czasowe 1 Szeregi czasowe 2 3 Szeregi czasowe Definicja 1 Szereg czasowy jest to proces stochastyczny z czasem dyskretnym

Bardziej szczegółowo

ZASADY DYWERSYFIKACJI LOKAT ORAZ INNE OGRANICZENIA INWESTYCYJNE ust. 3 otrzymuje brzmienie: "3. Przepisów ust. 1 i 2, nie stosuje się do

ZASADY DYWERSYFIKACJI LOKAT ORAZ INNE OGRANICZENIA INWESTYCYJNE ust. 3 otrzymuje brzmienie: 3. Przepisów ust. 1 i 2, nie stosuje się do Protokół zmian w Prospekcie Millennium Specjalistycznego Funduszu Inwestycyjnego Otwartego (z wydzielonymi subfunduszami) z dnia 28 października 2015 roku. W związku z wymogami zawartymi w 10 Rozporządzenia

Bardziej szczegółowo

OGŁOSZENIE O ZMIANIE STATUTU SKARBIEC FUNDUSZU INWESTYCYJNEGO OTWARTEGO Z DNIA 26 LISTOPADA 2013 R.

OGŁOSZENIE O ZMIANIE STATUTU SKARBIEC FUNDUSZU INWESTYCYJNEGO OTWARTEGO Z DNIA 26 LISTOPADA 2013 R. OGŁOSZENIE O ZMIANIE STATUTU SKARBIEC FUNDUSZU INWESTYCYJNEGO OTWARTEGO Z DNIA 26 LISTOPADA 2013 R. Niniejszym, SKARBIEC Towarzystwo Funduszy Inwestycyjnych S.A., na podstawie art. 24 ust. 5 i ust. 8 ustawy

Bardziej szczegółowo

Załącznik do dokumentu zawierającego kluczowe informacje WARTA Inwestycja

Załącznik do dokumentu zawierającego kluczowe informacje WARTA Inwestycja Załącznik do dokumentu zawierającego kluczowe informacje WARTA Inwestycja Masz zamiar kupić produkt, który nie jest prosty i który może być trudny w zrozumieniu Data sporządzenia dokumentu: 19-12-2017

Bardziej szczegółowo

Struktura terminowa rynku obligacji

Struktura terminowa rynku obligacji Krzywa dochodowości pomaga w inwestowaniu w obligacje Struktura terminowa rynku obligacji Wskazuje, które obligacje są atrakcyjne a których unikać Obrazuje aktualną sytuację na rynku długu i zmiany w czasie

Bardziej szczegółowo

Zagadnienia optymalizacji i aproksymacji. Sieci neuronowe.

Zagadnienia optymalizacji i aproksymacji. Sieci neuronowe. Zagadnienia optymalizacji i aproksymacji. Sieci neuronowe. zajecia.jakubw.pl/nai Literatura: S. Osowski, Sieci neuronowe w ujęciu algorytmicznym. WNT, Warszawa 997. PODSTAWOWE ZAGADNIENIA TECHNICZNE AI

Bardziej szczegółowo

Wstęp do teorii sztucznej inteligencji Wykład III. Modele sieci neuronowych.

Wstęp do teorii sztucznej inteligencji Wykład III. Modele sieci neuronowych. Wstęp do teorii sztucznej inteligencji Wykład III Modele sieci neuronowych. 1 Perceptron model najprostzszy przypomnienie Schemat neuronu opracowany przez McCullocha i Pittsa w 1943 roku. Przykład funkcji

Bardziej szczegółowo

Konstrukcja miernika szans na bankructwo firmy

Konstrukcja miernika szans na bankructwo firmy Natalia Nehrebecka / Departament Statystyki Konstrukcja miernika szans na bankructwo firmy Statystyka Wiedza Rozwój, 17-18 października 2013 r. w Łodzi Konstrukcja miernika szans na bankructwo firmy 2

Bardziej szczegółowo

Załącznik do dokumentu zawierającego kluczowe informacje WARTA TWOJA PRZYSZŁOŚĆ Wariant B

Załącznik do dokumentu zawierającego kluczowe informacje WARTA TWOJA PRZYSZŁOŚĆ Wariant B Data sporządzenia dokumentu: 19-12-2017 Ogólne informacje o dokumencie Załącznik do dokumentu zawierającego kluczowe informacje WARTA TWOJA PRZYSZŁOŚĆ Wariant B Masz zamiar kupić produkt, który nie jest

Bardziej szczegółowo

Załącznik do dokumentu zawierającego kluczowe informacje WARTA TWOJA PRZYSZŁOŚĆ Wariant A

Załącznik do dokumentu zawierającego kluczowe informacje WARTA TWOJA PRZYSZŁOŚĆ Wariant A Data sporządzenia dokumentu: 19-12-2017 Ogólne informacje o dokumencie Załącznik do dokumentu zawierającego kluczowe informacje WARTA TWOJA PRZYSZŁOŚĆ Wariant A Masz zamiar kupić produkt, który nie jest

Bardziej szczegółowo

Strategie VIP. Opis produktu. Tworzymy strategie oparte o systemy transakcyjne wyłącznie dla Ciebie. Strategia stworzona wyłącznie dla Ciebie

Strategie VIP. Opis produktu. Tworzymy strategie oparte o systemy transakcyjne wyłącznie dla Ciebie. Strategia stworzona wyłącznie dla Ciebie Tworzymy strategie oparte o systemy transakcyjne wyłącznie dla Ciebie Strategie VIP Strategia stworzona wyłącznie dla Ciebie Codziennie sygnał inwestycyjny na adres e-mail Konsultacje ze specjalistą Opis

Bardziej szczegółowo

PRZEWODNIK PO PRZEDMIOCIE

PRZEWODNIK PO PRZEDMIOCIE Nazwa przedmiotu: PROGNOZOWANIE Z WYKORZYSTANIEM SYSTEMÓW INFORMATYCZNYCH Kierunek: Informatyka Rodzaj przedmiotu: obowiązkowy w ramach treści kierunkowych Rodzaj zajęć: wykład, laboratorium I KARTA PRZEDMIOTU

Bardziej szczegółowo

Stanisław Cichocki. Natalia Nehrebecka Katarzyna Rosiak-Lada

Stanisław Cichocki. Natalia Nehrebecka Katarzyna Rosiak-Lada Stanisław Cichocki Natalia Nehrebecka Katarzyna Rosiak-Lada 1. Sprawy organizacyjne Zasady zaliczenia 2. Czym zajmuje się ekonometria? 3. Formy danych statystycznych 4. Model ekonometryczny 2 1. Sprawy

Bardziej szczegółowo

Kalibracja. W obu przypadkach jeśli mamy dane, to możemy znaleźć równowagę: Konwesatorium z Ekonometrii, IV rok, WNE UW 1

Kalibracja. W obu przypadkach jeśli mamy dane, to możemy znaleźć równowagę: Konwesatorium z Ekonometrii, IV rok, WNE UW 1 Kalibracja Kalibracja - nazwa pochodzi z nauk ścisłych - kalibrowanie instrumentu oznacza wyznaczanie jego skali (np. kalibrowanie termometru polega na wyznaczeniu 0C i 100C tak by oznaczały punkt zamarzania

Bardziej szczegółowo

ZAKRES TEMATYCZNY EGZAMINU LICENCJACKIEGO

ZAKRES TEMATYCZNY EGZAMINU LICENCJACKIEGO Wydział Nauk Ekonomicznych i Zarządzania Kierunek Analityka Gospodarcza Studia stacjonarne I stopnia ZAKRES TEMATYCZNY EGZAMINU LICENCJACKIEGO Zagadnienia ogólnoekonomiczne 1. Aktualna sytuacja na europejskim

Bardziej szczegółowo

7. Zastosowanie wybranych modeli nieliniowych w badaniach ekonomicznych. 14. Decyzje produkcyjne i cenowe na rynku konkurencji doskonałej i monopolu

7. Zastosowanie wybranych modeli nieliniowych w badaniach ekonomicznych. 14. Decyzje produkcyjne i cenowe na rynku konkurencji doskonałej i monopolu Zagadnienia na egzamin magisterski na kierunku Ekonomia 1. Znaczenie wnioskowania statystycznego w weryfikacji hipotez 2. Organizacja doboru próby do badań 3. Rozkłady zmiennej losowej 4. Zasady analizy

Bardziej szczegółowo

Prognozowanie popytu. mgr inż. Michał Adamczak

Prognozowanie popytu. mgr inż. Michał Adamczak Prognozowanie popytu mgr inż. Michał Adamczak Plan prezentacji 1. Definicja prognozy 2. Klasyfikacja prognoz 3. Szereg czasowy 4. Metody prognozowania 4.1. Model naiwny 4.2. Modele średniej arytmetycznej

Bardziej szczegółowo

Optymalizacja ciągła

Optymalizacja ciągła Optymalizacja ciągła 5. Metoda stochastycznego spadku wzdłuż gradientu Wojciech Kotłowski Instytut Informatyki PP http://www.cs.put.poznan.pl/wkotlowski/ 04.04.2019 1 / 20 Wprowadzenie Minimalizacja różniczkowalnej

Bardziej szczegółowo

Prognozowanie gospodarcze - opis przedmiotu

Prognozowanie gospodarcze - opis przedmiotu Prognozowanie gospodarcze - opis przedmiotu Informacje ogólne Nazwa przedmiotu Prognozowanie gospodarcze Kod przedmiotu 11.9-WZ-EkoP-PrG-S16 Wydział Kierunek Wydział Ekonomii i Zarządzania Ekonomia Profil

Bardziej szczegółowo

K wartość kapitału zaangażowanego w proces produkcji, w tys. jp.

K wartość kapitału zaangażowanego w proces produkcji, w tys. jp. Sprawdzian 2. Zadanie 1. Za pomocą KMNK oszacowano następującą funkcję produkcji: Gdzie: P wartość produkcji, w tys. jp (jednostek pieniężnych) K wartość kapitału zaangażowanego w proces produkcji, w tys.

Bardziej szczegółowo

Część 2. Teoretyczne i praktyczne aspekty wybranych metod analiz ilościowych w ekonomii i zarządzaniu

Część 2. Teoretyczne i praktyczne aspekty wybranych metod analiz ilościowych w ekonomii i zarządzaniu Spis treści Część 1 Analiza procedur wyznaczania i wykorzystania rozwiązań uogólnionych wybranej klasy nieliniowych modeli optymalizacyjnych we wspomaganiu procesów decyzyjnych (Jerzy Mika) Wprowadzenie.

Bardziej szczegółowo

Wiadomości ogólne o ekonometrii

Wiadomości ogólne o ekonometrii Wiadomości ogólne o ekonometrii Materiały zostały przygotowane w oparciu o podręcznik Ekonometria Wybrane Zagadnienia, którego autorami są: Bolesław Borkowski, Hanna Dudek oraz Wiesław Szczęsny. Ekonometria

Bardziej szczegółowo

Ocena nadzoru właścicielskiego Rating PINK 2010Y

Ocena nadzoru właścicielskiego Rating PINK 2010Y Ocena nadzoru właścicielskiego Rating PINK 2010Y analiza danych na dzień 20 czerwca 2011 roku W tym tygodniu Polski Instytut Nadzoru Korporacyjnego (PINK) postanowił po raz pierwszy opublikować stopy zwrotu

Bardziej szczegółowo

Wytyczne do projektów

Wytyczne do projektów Wytyczne do projektów Prognozowanie i symulacje wszystkie rodzaje studiów Politechnika Śląska Wydział Organizacji i Zarządzania w Zabrzu rok akademicki 2012/13 Wytyczne do projektów Prognozowanie i symulacje

Bardziej szczegółowo

http://analizy-rynkowe.pl/ile-wynosila-sredniaprocentowa-zmiana-kursu-akcji-spolki-po-

http://analizy-rynkowe.pl/ile-wynosila-sredniaprocentowa-zmiana-kursu-akcji-spolki-po- Szanowni Państwo!, Nazywam się Sławomir Kłusek Moje zainteresowania zawodowe koncentrują się na tematyce rynku kapitałowego. W przyszłości pracowałem w instytucjach finansowych. Byłem też komentatorem,,gazety

Bardziej szczegółowo

DWUKROTNA SYMULACJA MONTE CARLO JAKO METODA ANALIZY RYZYKA NA PRZYKŁADZIE WYCENY OPCJI PRZEŁĄCZANIA FUNKCJI UŻYTKOWEJ NIERUCHOMOŚCI

DWUKROTNA SYMULACJA MONTE CARLO JAKO METODA ANALIZY RYZYKA NA PRZYKŁADZIE WYCENY OPCJI PRZEŁĄCZANIA FUNKCJI UŻYTKOWEJ NIERUCHOMOŚCI DWUKROTNA SYMULACJA MONTE CARLO JAKO METODA ANALIZY RYZYKA NA PRZYKŁADZIE WYCENY OPCJI PRZEŁĄCZANIA FUNKCJI UŻYTKOWEJ NIERUCHOMOŚCI mgr Marcin Pawlak Katedra Inwestycji i Wyceny Przedsiębiorstw Plan wystąpienia

Bardziej szczegółowo

Prof. Stanisław Jankowski

Prof. Stanisław Jankowski Prof. Stanisław Jankowski Zakład Sztucznej Inteligencji Zespół Statystycznych Systemów Uczących się p. 228 sjank@ise.pw.edu.pl Zakres badań: Sztuczne sieci neuronowe Maszyny wektorów nośnych SVM Maszyny

Bardziej szczegółowo

Ekonometria_FIRJK Arkusz1

Ekonometria_FIRJK Arkusz1 Rok akademicki: Grupa przedmiotów Numer katalogowy: Nazwa przedmiotu 1) : łumaczenie nazwy na jęz. angielski 3) : Kierunek studiów 4) : Ekonometria Econometrics Ekonomia ECS 2) Koordynator przedmiotu 5)

Bardziej szczegółowo

OGŁOSZENIE O ZMIANIE STATUTU UNIOBLIGACJE HIGH YIELD FUNDUSZU INWESTYCYJNEGO ZAMKNIĘTEGO Z DNIA 23 CZERWCA 2016 R.

OGŁOSZENIE O ZMIANIE STATUTU UNIOBLIGACJE HIGH YIELD FUNDUSZU INWESTYCYJNEGO ZAMKNIĘTEGO Z DNIA 23 CZERWCA 2016 R. OGŁOSZENIE O ZMIANIE STATUTU UNIOBLIGACJE HIGH YIELD FUNDUSZU INWESTYCYJNEGO ZAMKNIĘTEGO Z DNIA 23 CZERWCA 2016 R. Niniejszym, Union Investment Towarzystwo Funduszy Inwestycyjnych S.A. ogłasza o zmianie

Bardziej szczegółowo

Arkadiusz Manikowski Zbigniew Tarapata. Prognozowanie i symulacja rozwoju przedsiębiorstw

Arkadiusz Manikowski Zbigniew Tarapata. Prognozowanie i symulacja rozwoju przedsiębiorstw Arkadiusz Manikowski Zbigniew Tarapata Prognozowanie i symulacja rozwoju przedsiębiorstw Warszawa 2002 Recenzenci doc. dr. inż. Ryszard Mizera skład i Łamanie mgr. inż Ignacy Nyka PROJEKT OKŁADKI GrafComp,

Bardziej szczegółowo

Ekonomia II stopień ogólnoakademicki. stacjonarne wszystkie Katedra Matematyki Dr hab. Artur Maciąg. podstawowy. obowiązkowy polski.

Ekonomia II stopień ogólnoakademicki. stacjonarne wszystkie Katedra Matematyki Dr hab. Artur Maciąg. podstawowy. obowiązkowy polski. KARTA MODUŁU / KARTA PRZEDMIOTU Kod modułu Z-EKO2-500 Nazwa modułu Ekonometria i prognozowanie procesów ekonomicznych Nazwa modułu w języku angielskim Econometrics and forecasting economics proceses Obowiązuje

Bardziej szczegółowo

Uczenie sieci neuronowych i bayesowskich

Uczenie sieci neuronowych i bayesowskich Wstęp do metod sztucznej inteligencji www.mat.uni.torun.pl/~piersaj 2009-01-22 Co to jest neuron? Komputer, a mózg komputer mózg Jednostki obliczeniowe 1-4 CPU 10 11 neuronów Pojemność 10 9 b RAM, 10 10

Bardziej szczegółowo

Szczegółowy program kursu Statystyka z programem Excel (30 godzin lekcyjnych zajęć)

Szczegółowy program kursu Statystyka z programem Excel (30 godzin lekcyjnych zajęć) Szczegółowy program kursu Statystyka z programem Excel (30 godzin lekcyjnych zajęć) 1. Populacja generalna a losowa próba, parametr rozkładu cechy a jego ocena z losowej próby, miary opisu statystycznego

Bardziej szczegółowo

Prognozowanie zanieczyszczeń atmosferycznych przy użyciu sieci neuronowych

Prognozowanie zanieczyszczeń atmosferycznych przy użyciu sieci neuronowych Prognozowanie zanieczyszczeń atmosferycznych przy użyciu sieci neuronowych prof. zw. dr hab. inż. Stanisław Osowski dr inż. Krzysztof Siwek Politechnika Warszawska Kontynuacja prac Prace prowadzone w roku

Bardziej szczegółowo

Projekt współfinansowany ze środków Unii Europejskiej w ramach Europejskiego Funduszu Społecznego. II seminarium konsultacyjne.

Projekt współfinansowany ze środków Unii Europejskiej w ramach Europejskiego Funduszu Społecznego. II seminarium konsultacyjne. Projekt współfinansowany ze środków Unii Europejskiej w ramach Europejskiego Funduszu Społecznego II seminarium konsultacyjne w ramach projektu Analiza czynników wpływających na zwiększenie ryzyka długookresowego

Bardziej szczegółowo

Analiza zależności liniowych

Analiza zależności liniowych Narzędzie do ustalenia, które zmienne są ważne dla Inwestora Analiza zależności liniowych Identyfikuje siłę i kierunek powiązania pomiędzy zmiennymi Umożliwia wybór zmiennych wpływających na giełdę Ustala

Bardziej szczegółowo

WYKORZYSTANIE SZTUCZNYCH SIECI NEURONOWYCH W PROGNOZOWANIU

WYKORZYSTANIE SZTUCZNYCH SIECI NEURONOWYCH W PROGNOZOWANIU WYKORZYSTANIE SZTUCZNYCH SIECI NEURONOWYCH W PROGNOZOWANIU THE USE OF ARTIFICIAL NEURAL NETWORKS IN FORECASTING Konrad BAJDA, Sebastian PIRÓG Resume Artykuł opisuje wykorzystanie sztucznych sieci neuronowych

Bardziej szczegółowo

NAJWAŻNIEJSZE INFORMACJE O PRZEMYŚLE CENTRALNYCH BANKÓW PIENIĘŻNYCH

NAJWAŻNIEJSZE INFORMACJE O PRZEMYŚLE CENTRALNYCH BANKÓW PIENIĘŻNYCH Wells Fargo & Co. (WFC) - spółka notowana na giełdzie nowojorskiej (NYSE). Wells Fargo & Co. (WFC) jest najbardziej zróżnicowaną firmą w zakresie oferowanych usług finansowych w USA. Główna siedziba banku

Bardziej szczegółowo

Zintegrowane Systemy Informatyczne analiza, projektowanie, wdrażanie

Zintegrowane Systemy Informatyczne analiza, projektowanie, wdrażanie dr hab. Grzegorz Bartoszewicz, prof. nadzw. UEP Katedra Informatyki Ekonomicznej Zintegrowane Systemy Informatyczne analiza, projektowanie, wdrażanie Tematyka seminarium związana jest z wykorzystaniem

Bardziej szczegółowo

WYZNACZANIE WARTOŚCI PODSTAWOWYCH PARAMETRÓW TECHNICZNYCH NOWOCZESNYCH KOMBAJNÓW ZBOŻOWYCH PRZY UŻYCIU SSN

WYZNACZANIE WARTOŚCI PODSTAWOWYCH PARAMETRÓW TECHNICZNYCH NOWOCZESNYCH KOMBAJNÓW ZBOŻOWYCH PRZY UŻYCIU SSN Inżynieria Rolnicza 2(9)/7 WYZNACZANIE WARTOŚCI PODSTAWOWYCH PARAMETRÓW TECHNICZNYCH NOWOCZESNYCH KOMBAJNÓW ZBOŻOWYCH PRZY UŻYCIU SSN Sławomir Francik Katedra Inżynierii Mechanicznej i Agrofizyki, Akademia

Bardziej szczegółowo

Wykład 1 Sprawy organizacyjne

Wykład 1 Sprawy organizacyjne Wykład 1 Sprawy organizacyjne 1 Zasady zaliczenia Prezentacja/projekt w grupach 5 osobowych. Każda osoba przygotowuje: samodzielnie analizę w excel, prezentację teoretyczną w grupie. Obecność na zajęciach

Bardziej szczegółowo

Uniwersytet w Białymstoku Wydział Ekonomiczno-Informatyczny w Wilnie SYLLABUS na rok akademicki 2010/2011

Uniwersytet w Białymstoku Wydział Ekonomiczno-Informatyczny w Wilnie SYLLABUS na rok akademicki 2010/2011 SYLLABUS na rok akademicki 00/0 Tryb studiów Stacjonarne Nazwa kierunku studiów EKONOMIA Poziom studiów Stopień pierwszy Rok studiów/ semestr III; semestr 5 Specjalność Bez specjalności Kod przedmiotu

Bardziej szczegółowo

Studenckie Koło Naukowe Rynków Kapitałowych

Studenckie Koło Naukowe Rynków Kapitałowych Chevron Corp. (CVX) - spółka notowana na giełdzie nowojorskiej (NYSE). Czym zajmuje się firma? Chevron Corp. (CVX)- jest jedna z największych firm energetycznych na świecie. Główna siedziba znajduje się

Bardziej szczegółowo

Imię, nazwisko i tytuł/stopień KOORDYNATORA przedmiotu zatwierdzającego protokoły w systemie USOS Jacek Marcinkiewicz, dr

Imię, nazwisko i tytuł/stopień KOORDYNATORA przedmiotu zatwierdzającego protokoły w systemie USOS Jacek Marcinkiewicz, dr Tryb studiów Stacjonarne Nazwa kierunku studiów EKONOMIA Poziom studiów Stopień pierwszy Rok studiów/ semestr III; semestr 5 Specjalność Bez specjalności Kod przedmiotu w systemie USOS 1000-ES1-3EC1 Liczba

Bardziej szczegółowo

Mikroekonometria 6. Mikołaj Czajkowski Wiktor Budziński

Mikroekonometria 6. Mikołaj Czajkowski Wiktor Budziński Mikroekonometria 6 Mikołaj Czajkowski Wiktor Budziński Metody symulacyjne Monte Carlo Metoda Monte-Carlo Wykorzystanie mocy obliczeniowej komputerów, aby poznać charakterystyki zmiennych losowych poprzez

Bardziej szczegółowo

Państwowa Wyższa Szkoła Zawodowa w Suwałkach SYLLABUS na rok akademicki 2014/2015

Państwowa Wyższa Szkoła Zawodowa w Suwałkach SYLLABUS na rok akademicki 2014/2015 Tryb studiów Niestacjonarne Nazwa kierunku studiów Finanse i Rachunkowość Poziom studiów Stopień pierwszy Rok studiów/ semestr II/4 Państwowa Wyższa Szkoła Zawodowa w Suwałkach SYLLABUS na rok akademicki

Bardziej szczegółowo

Portfel obligacyjny plus

Portfel obligacyjny plus POLITYKA INWESTYCYJNA Dokument określający odrębnie dla każdego Portfela modelowego podstawowe parametry inwestycyjne, w szczególności: profil ryzyka Klienta, strukturę portfela, cechy strategii inwestycyjnej,

Bardziej szczegółowo

Statystyka i Analiza Danych

Statystyka i Analiza Danych Warsztaty Statystyka i Analiza Danych Gdańsk, 20-22 lutego 2014 Zastosowania wybranych technik regresyjnych do modelowania współzależności zjawisk Janusz Wątroba StatSoft Polska Centrum Zastosowań Matematyki

Bardziej szczegółowo

Asset management Strategie inwestycyjne

Asset management Strategie inwestycyjne Asset management Strategie inwestycyjne Spis treści Opis Strategii Zmiennej Alokacji... 3 Opis Strategii Zmiennej Alokacji Plus... 5 Opis Strategii Akcji... 11 Opis Strategii Akcji Plus... 13 Opis Strategii

Bardziej szczegółowo

PROGNOZOWANIE PORÓWNAWCZE ENERGII PROCESOWEJ ZESTAWÓW MASZYN DO ROBÓT ZIEMNYCH JAKO CZYNNIKA RYZYKA EMISYJNOŚCI CO2

PROGNOZOWANIE PORÓWNAWCZE ENERGII PROCESOWEJ ZESTAWÓW MASZYN DO ROBÓT ZIEMNYCH JAKO CZYNNIKA RYZYKA EMISYJNOŚCI CO2 PROGNOZOWANIE PORÓWNAWCZE ENERGII PROCESOWEJ ZESTAWÓW MASZYN DO ROBÓT ZIEMNYCH JAKO CZYNNIKA RYZYKA EMISYJNOŚCI CO2 Celem opracowania algorytmu obliczeń jest umożliwienie doboru zestawu maszyn do robót

Bardziej szczegółowo

Stanisław Cichocki. Natalia Nehrebecka

Stanisław Cichocki. Natalia Nehrebecka Stanisław Cichocki Natalia Nehrebecka - adres mailowy: nnehrebecka@wne.uw.edu.pl - strona internetowa: www.wne.uw.edu.pl/nnehrebecka - dyżur: wtorek 18.30-19.30 sala 302 lub 303 - 80% oceny: egzaminy -

Bardziej szczegółowo

Stanisław Cichocki. Natalia Nehrebecka

Stanisław Cichocki. Natalia Nehrebecka Stanisław Cichocki Natalia Nehrebecka - adres mailowy: scichocki@o2.pl - strona internetowa: www.wne.uw.edu.pl/scichocki - dyżur: po zajęciach lub po umówieniu mailowo - 80% oceny: egzaminy - 20% oceny:

Bardziej szczegółowo

Portfel oszczędnościowy

Portfel oszczędnościowy POLITYKA INWESTYCYJNA Dokument określający odrębnie dla każdego Portfela modelowego podstawowe parametry inwestycyjne, w szczególności: profil Klienta, strukturę portfela, cechy strategii inwestycyjnej,

Bardziej szczegółowo

Wprowadzenie do teorii prognozowania

Wprowadzenie do teorii prognozowania Wprowadzenie do teorii prognozowania I Pojęcia: 1. Prognoza i zmienna prognozowana (przedmiot prognozy). Prognoza punktowa i przedziałowa. 2. Okres prognozy i horyzont prognozy. Prognozy krótkoterminowe

Bardziej szczegółowo

Analiza metod prognozowania kursów akcji

Analiza metod prognozowania kursów akcji Analiza metod prognozowania kursów akcji Izabela Łabuś Wydział InŜynierii Mechanicznej i Informatyki Kierunek informatyka, Rok V Specjalność informatyka ekonomiczna Politechnika Częstochowska izulka184@o2.pl

Bardziej szczegółowo

Z-EKO-184 Ekonometria Econometrics. Ekonomia I stopień Ogólnoakademicki. Studia stacjonarne Wszystkie Katedra Matematyki Dr hab. Artur Maciąg.

Z-EKO-184 Ekonometria Econometrics. Ekonomia I stopień Ogólnoakademicki. Studia stacjonarne Wszystkie Katedra Matematyki Dr hab. Artur Maciąg. KARTA MODUŁU / KARTA PRZEDMIOTU Z-EKO-184 Ekonometria Econometrics Kod modułu Nazwa modułu Nazwa modułu w języku angielskim Obowiązuje od roku akademickiego 2012/2013 A. USYTUOWANIE MODUŁU W SYSTEMIE STUDIÓW

Bardziej szczegółowo

Wykład 5: Analiza dynamiki szeregów czasowych

Wykład 5: Analiza dynamiki szeregów czasowych Wykład 5: Analiza dynamiki szeregów czasowych ... poczynając od XIV wieku zegar czynił nas najpierw stróżów czasu, następnie ciułaczy czasu, i wreszcie obecnie - niewolników czasu. W trakcie tego procesu

Bardziej szczegółowo

Efekty uczenia się na kierunku. Logistyka (studia pierwszego stopnia o profilu praktycznym)

Efekty uczenia się na kierunku. Logistyka (studia pierwszego stopnia o profilu praktycznym) Efekty uczenia się na kierunku Załącznik nr 2 do uchwały nr 412 Senatu Uniwersytetu Zielonogórskiego z dnia 29 maja 2019 r. Logistyka (studia pierwszego stopnia o profilu praktycznym) Tabela 1. Kierunkowe

Bardziej szczegółowo

Eksperyment,,efekt przełomu roku

Eksperyment,,efekt przełomu roku Eksperyment,,efekt przełomu roku Podsumowanie Kluczowe pytanie: czy średnia procentowa zmiana kursów akcji wybranych 11 spółek notowanych na Giełdzie Papierów Wartościowych w Warszawie (i umieszczonych

Bardziej szczegółowo

Sztuczne sieci neuronowe. Uczenie, zastosowania

Sztuczne sieci neuronowe. Uczenie, zastosowania Wydział Zarządzania AGH Katedra Informatyki Stosowanej Sztuczne sieci neuronowe. Uczenie, zastosowania Inteligencja Sztuczne sieci neuronowe Metody uczenia Budowa modelu Algorytm wstecznej propagacji błędu

Bardziej szczegółowo

Analiza inwestycji i zarządzanie portfelem SPIS TREŚCI

Analiza inwestycji i zarządzanie portfelem SPIS TREŚCI Analiza inwestycji i zarządzanie portfelem Frank K. Reilly, Keith C. Brown SPIS TREŚCI TOM I Przedmowa do wydania polskiego Przedmowa do wydania amerykańskiego O autorach Ramy książki CZĘŚĆ I. INWESTYCJE

Bardziej szczegółowo

Temat: Sztuczne Sieci Neuronowe. Instrukcja do ćwiczeń przedmiotu INŻYNIERIA WIEDZY I SYSTEMY EKSPERTOWE

Temat: Sztuczne Sieci Neuronowe. Instrukcja do ćwiczeń przedmiotu INŻYNIERIA WIEDZY I SYSTEMY EKSPERTOWE Temat: Sztuczne Sieci Neuronowe Instrukcja do ćwiczeń przedmiotu INŻYNIERIA WIEDZY I SYSTEMY EKSPERTOWE Dr inż. Barbara Mrzygłód KISiM, WIMiIP, AGH mrzyglod@ agh.edu.pl 1 Wprowadzenie Sztuczne sieci neuronowe

Bardziej szczegółowo

Z-LOGN Ekonometria Econometrics. Przedmiot wspólny dla kierunku Obowiązkowy polski Semestr IV

Z-LOGN Ekonometria Econometrics. Przedmiot wspólny dla kierunku Obowiązkowy polski Semestr IV bbbbkarta MODUŁU / KARTA PRZEDMIOTU Kod modułu Nazwa modułu Nazwa modułu w języku angielskim Z-LOGN1-0184 Ekonometria Econometrics Obowiązuje od roku akademickiego 2012/2013 A. USYTUOWANIE MODUŁU W SYSTEMIE

Bardziej szczegółowo

1. Ekonometria jako dyscyplina naukowa (przedmiot, metodologia, teorie ekonomiczne). Model ekonometryczny, postać modelu, struktura, klasyfikacja.

1. Ekonometria jako dyscyplina naukowa (przedmiot, metodologia, teorie ekonomiczne). Model ekonometryczny, postać modelu, struktura, klasyfikacja. 1. Ekonometria jako dyscyplina naukowa (przedmiot, metodologia, teorie ekonomiczne). Model ekonometryczny, postać modelu, struktura, klasyfikacja. Zadanie 1. Celem zadania jest oszacowanie modelu opisującego

Bardziej szczegółowo

AT i AF jako baza do decyzji o otwarciu i zamknięciu pozycji. Szymon Zajkowski, CFA 22.09.2015

AT i AF jako baza do decyzji o otwarciu i zamknięciu pozycji. Szymon Zajkowski, CFA 22.09.2015 AT i AF jako baza do decyzji o otwarciu i zamknięciu pozycji Szymon Zajkowski, CFA 22.09.2015 AT Stopy procentowe; Bilans płatniczy; Inflacja; Dane makro; Wypowiedzi członków władz monetarnych; vs Linie

Bardziej szczegółowo

Analiza sezonowości. Sezonowość może mieć charakter addytywny lub multiplikatywny

Analiza sezonowości. Sezonowość może mieć charakter addytywny lub multiplikatywny Analiza sezonowości Wiele zjawisk charakteryzuje się nie tylko trendem i wahaniami przypadkowymi, lecz także pewną sezonowością. Występowanie wahań sezonowych może mieć charakter kwartalny, miesięczny,

Bardziej szczegółowo

Regulamin Ubezpieczeniowych Funduszy Kapitałowych IKE

Regulamin Ubezpieczeniowych Funduszy Kapitałowych IKE Regulamin Ubezpieczeniowych Funduszy Kapitałowych IKE C U REGULAMIN UBEZPIECZENIOWYCH FUNDUSZY KAPITAŁOWYCH IKE Wszelkie wzory dokumentów uzyskane drogą elektroniczną mają charakter wyłącznie informacyjny

Bardziej szczegółowo