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

Save this PDF as:
 WORD  PNG  TXT  JPG

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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: 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

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

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

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 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

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

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

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

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

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

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

ROZSZERZENIE OFERTY UBEZPIECZENIOWYCH FUNDUSZY KAPITAŁOWYCH

ROZSZERZENIE OFERTY UBEZPIECZENIOWYCH FUNDUSZY KAPITAŁOWYCH Obowiązuje od 5.11.2012 r. ROZSZERZENIE OFERTY UBEZPIECZENIOWYCH FUNDUSZY KAPITAŁOWYCH W związku z rozszerzeniem oferty Towarzystwa o nowe ubezpieczeniowe fundusze kapitałowe przedstawiamy Aneks do Regulaminu

Bardziej szczegółowo

Szkolenie Regresja liniowa

Szkolenie Regresja liniowa Szkolenie Regresja liniowa program i cennik Łukasz Deryło Analizy statystyczne, szkolenia www.statystyka.c0.pl Szkolenie Regresja liniowa Co to jest regresja liniowa? Regresja liniowa jest podstawową metodą

Bardziej szczegółowo

WIELKA SGH-OWA POWTÓRKA ZE STATYSTYKI REGRESJA LINIOWA

WIELKA SGH-OWA POWTÓRKA ZE STATYSTYKI REGRESJA LINIOWA WIELKA SGH-OWA POWTÓRKA ZE STATYSTYKI REGRESJA LINIOWA Powtórka Powtórki Kowiariancja cov xy lub c xy - kierunek zależności Współczynnik korelacji liniowej Pearsona r siła liniowej zależności Istotność

Bardziej szczegółowo

Ogłoszenie o zmianach statutu KBC BETA Specjalistycznego Funduszu Inwestycyjnego Otwartego z dnia 27 lutego 2015 r.

Ogłoszenie o zmianach statutu KBC BETA Specjalistycznego Funduszu Inwestycyjnego Otwartego z dnia 27 lutego 2015 r. Ogłoszenie o zmianach statutu KBC BETA Specjalistycznego Funduszu Inwestycyjnego Otwartego z dnia 27 lutego 2015 r. KBC Towarzystwo Funduszy Inwestycyjnych S.A. działające jako organ KBC BETA Specjalistycznego

Bardziej szczegółowo

Ekonometria. Prognozowanie ekonometryczne, ocena stabilności oszacowań parametrów strukturalnych. Jakub Mućk. Katedra Ekonomii Ilościowej

Ekonometria. Prognozowanie ekonometryczne, ocena stabilności oszacowań parametrów strukturalnych. Jakub Mućk. Katedra Ekonomii Ilościowej Ekonometria Prognozowanie ekonometryczne, ocena stabilności oszacowań parametrów strukturalnych Jakub Mućk Katedra Ekonomii Ilościowej Jakub Mućk Ekonometria Wykład 4 Prognozowanie, stabilność 1 / 17 Agenda

Bardziej szczegółowo

Co to jest analiza regresji?

Co to jest analiza regresji? Co to jest analiza regresji? Celem analizy regresji jest badanie związków pomiędzy wieloma zmiennymi niezależnymi (objaśniającymi) a zmienną zależną (objaśnianą), która musi mieć charakter liczbowy. W

Bardziej szczegółowo

Ćwiczenia IV

Ćwiczenia IV Ćwiczenia IV - 17.10.2007 1. Spośród podanych macierzy X wskaż te, których nie można wykorzystać do estymacji MNK parametrów modelu ekonometrycznego postaci y = β 0 + β 1 x 1 + β 2 x 2 + ε 2. Na podstawie

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

NOTY OBJAŚNIAJĄCE NOTA NR 1 POLITYKA RACHUNKOWOŚCI FUNDUSZU

NOTY OBJAŚNIAJĄCE NOTA NR 1 POLITYKA RACHUNKOWOŚCI FUNDUSZU NOTY OBJAŚNIAJĄCE NOTA NR 1 POLITYKA RACHUNKOWOŚCI FUNDUSZU 1. Opis przyjętych zasad rachunkowości W okresie sprawozdawczym rachunkowość Funduszu prowadzona była zgodnie z przepisami ustawy o rachunkowości

Bardziej szczegółowo

INFORMATYKA i FINANSE KATEDRA INFORMATYKI TEORETYCZNEJ

INFORMATYKA i FINANSE KATEDRA INFORMATYKI TEORETYCZNEJ INFORMATYKA i FINANSE KATEDRA INFORMATYKI TEORETYCZNEJ dr hab. Czesław Bagiński, prof. PB Kierownik KIT dr hab. Wiktor Dańko, prof. PB dr hab. Piotr Grzeszczuk, prof. PB dr Ryszard Mazurek dr Jolanta Koszelew

Bardziej szczegółowo

Ekonometria i prognozowanie Econometrics and prediction

Ekonometria i prognozowanie Econometrics and prediction KARTA MODUŁU / KARTA PRZEDMIOTU Kod modułu Nazwa modułu Nazwa modułu w języku angielskim Obowiązuje od roku akademickiego 2013/2014 Ekonometria i prognozowanie Econometrics and prediction A. USYTUOWANIE

Bardziej szczegółowo

Zagospodaruj nadwyżki finansowe PAŹDZIERNIK 2012

Zagospodaruj nadwyżki finansowe PAŹDZIERNIK 2012 Zagospodaruj nadwyżki finansowe PAŹDZIERNIK 2012 Proces inwestycji środków w funduszu inwestycyjnym Stopa zwrotu na powierzonym kapitale wraca do klienta po umorzeniu jednostek uczestnictwa Inwestor Lokuje

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

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

Adam Kirpsza Zastosowanie regresji logistycznej w studiach nad Unią Europejska. Anna Stankiewicz Izabela Słomska

Adam Kirpsza Zastosowanie regresji logistycznej w studiach nad Unią Europejska. Anna Stankiewicz Izabela Słomska Adam Kirpsza Zastosowanie regresji logistycznej w studiach nad Unią Europejska Anna Stankiewicz Izabela Słomska Wstęp- statystyka w politologii Rzadkie stosowanie narzędzi statystycznych Pisma Karla Poppera

Bardziej szczegółowo

Co matematyka może dać bankowi?

Co matematyka może dać bankowi? Co matematyka może dać bankowi? Biznes zakres pracy matematyków Pomiar i analiza miar detalicznych procesów kredytowych i ubezpieczeniowych, inicjowanie działań zapewniających poprawę efektywności i obniżenie

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

ZŁOTA PRZYSZŁOŚĆ POSTANOWIENIA OGÓLNE

ZŁOTA PRZYSZŁOŚĆ POSTANOWIENIA OGÓLNE Zasady Działania Funduszy i Planów Inwestycyjnych Załącznik do Ogólnych Warunków Ubezpieczenia Indywidualne Ubezpieczenie na Życie z Ubezpieczeniowym Funduszem Kapitałowym ZŁOTA PRZYSZŁOŚĆ POSTANOWIENIA

Bardziej szczegółowo

2 (cel i aktywa Ubezpieczeniowych Funduszy Kapitałowych)

2 (cel i aktywa Ubezpieczeniowych Funduszy Kapitałowych) REGULAMIN LOKOWANIA ŚRODKÓW UBEZPIECZENIOWYCH FUNDUSZY KAPITAŁOWYCH oferowanych i zarządzanych przez Towarzystwo Ubezpieczeń na Życie Spółdzielczych Kas Oszczędnościowo-Kredytowych SA w Sopocie do umów

Bardziej szczegółowo

Specyfikacja narzędzi analizy technicznej w projekcie

Specyfikacja narzędzi analizy technicznej w projekcie Specyfikacja narzędzi analizy technicznej w projekcie Poniższy dokument opisuje parametry poszczególnych narzędzi analizy technicznej, na podstawie których generowane są sygnały kupna i sprzedaży spółek

Bardziej szczegółowo

166 Wstęp do statystyki matematycznej

166 Wstęp do statystyki matematycznej 166 Wstęp do statystyki matematycznej Etap trzeci realizacji procesu analizy danych statystycznych w zasadzie powinien rozwiązać nasz zasadniczy problem związany z identyfikacją cechy populacji generalnej

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

Wady klasycznych modeli input - output

Wady klasycznych modeli input - output Wady klasycznych modeli input - output 1)modele statyczne: procesy gospodarcze mają najczęściej charakter dynamiczny, 2)modele deterministyczne: procesy gospodarcze mają najczęściej charakter stochastyczny,

Bardziej szczegółowo

Statystyka w pracy badawczej nauczyciela Wykład 4: Analiza współzależności. dr inż. Walery Susłow walery.suslow@ie.tu.koszalin.pl

Statystyka w pracy badawczej nauczyciela Wykład 4: Analiza współzależności. dr inż. Walery Susłow walery.suslow@ie.tu.koszalin.pl Statystyka w pracy badawczej nauczyciela Wykład 4: Analiza współzależności dr inż. Walery Susłow walery.suslow@ie.tu.koszalin.pl Statystyczna teoria korelacji i regresji (1) Jest to dział statystyki zajmujący

Bardziej szczegółowo

ANALITYKA GOSPODARCZA, STUDIA MAGISTERSKIE WIEDZA

ANALITYKA GOSPODARCZA, STUDIA MAGISTERSKIE WIEDZA ANALITYKA GOSPODARCZA, STUDIA MAGISTERSKIE WIEDZA Ma rozszerzoną wiedzę o charakterze nauk ekonomicznych oraz ich miejscu w AG2_W01 systemie nauk społecznych i w relacjach do innych nauk. AG2_W02 Ma rozszerzoną

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

Studenckie Koło Naukowe Rynków Kapitałowych Goldman Sachs Group Inc. (GS) - spółka notowana na giełdzie nowojorskiej (NYSE).

Studenckie Koło Naukowe Rynków Kapitałowych Goldman Sachs Group Inc. (GS) - spółka notowana na giełdzie nowojorskiej (NYSE). Goldman Sachs Group Inc. (GS) - spółka notowana na giełdzie nowojorskiej (NYSE). Goldman Sachs Group Inc. (GS) jedna z największych ogólnoświatowych firm w branży bankowości inwestycyjnej pełniąca profesjonalne

Bardziej szczegółowo

Wojciech Skwirz

Wojciech Skwirz 1 Regularyzacja jako metoda doboru zmiennych objaśniających do modelu statystycznego. 2 Plan prezentacji 1. Wstęp 2. Część teoretyczna - Algorytm podziału i ograniczeń - Regularyzacja 3. Opis wyników badania

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

System finansowy w Polsce. dr Michał Konopczak Instytut Handlu Zagranicznego i Studiów Europejskich michal.konopczak@sgh.waw.pl

System finansowy w Polsce. dr Michał Konopczak Instytut Handlu Zagranicznego i Studiów Europejskich michal.konopczak@sgh.waw.pl System finansowy w Polsce dr Michał Konopczak Instytut Handlu Zagranicznego i Studiów Europejskich michal.konopczak@sgh.waw.pl Segmenty sektora finansowego (w % PKB) 2 27 212 Wielkość systemu finansowego

Bardziej szczegółowo