Streszczenie rozprawy doktorskiej. mgr Aleksandry Rutkowskiej. Optymalizacja portfela papierów wartościowych w świetle teorii wiarygodności Liu
|
|
- Paweł Kujawa
- 5 lat temu
- Przeglądów:
Transkrypt
1 Streszczenie rozprawy doktorskiej mgr Aleksandry Rutkowskiej Optymalizacja portfela papierów wartościowych w świetle teorii wiarygodności Liu Rozprawa porusza zagadnienie optymalizacji portfela inwestycyjnego w ujęciu teorii wiarygodności Liu. Aksjomatyczna teoria wiarygodności, będąca rozwinięciem teorii możliwości 1, została opublikowana w roku Teoria ta opiera się na pojęciu miary wiarygodności (credibility measure), zaproponowanym w roku , jako miara szansy wystąpienia danego zdarzenia. Celem pracy jest synteza elementów teorii zmiennej rozmytej na potrzeby analizy portfelowej. Dotychczasowe publikacje z zakresu analizy portfelowej w tym ujęciu pomijają często istotne elementy z punktu widzenia nauki i inwestora. Powoduje to brak spójności w teorii i trudności w empirycznych zastosowaniach. Istotne dla zrealizowania celu głównego są następujące cele pomocnicze pracy: 1. Klasyfikacja niepewności w ujęciu konsensualnym. 2. Określenie metodyki wyznaczania funkcji przynależności i wiarygodności zmiennej rozmytej. 3. Zaproponowanie jednokryterialnego, rozumianego intuicyjnie, modelu optymalizacji. 4. Porównanie i analiza rozmytych zadań optymalizacji portfela. Cel pierwszy został zrealizowany za pomocą studiów literaturowych. Na ich podstawie sformułowana została odpowiedź na pytanie: czy na podstawie dostępnej literatury można uzyskać spójną typologię pojęcia niepewności i ryzyka? Dla realizacji celu drugiego postawiono sobie pomocnicze pytania badawcze: 1. Jak wyznaczyć funkcję przynależności rozmytej stopy zwrotu? 2. Czy kształt funkcji przynależności ma wpływ na wynik zadań optymalizacji portfela? 1 zaproponowanej przez Zadeha w 1978 roku ( Zadeh, L., 1978, Fuzzy Sets as the Basis for a Theory of Possibility, Fuzzy Sets and Systems 1:3 28, wznowiony w Fuzzy Sets and Systems 100 (Supplement): 9 34, Liu, B., 2004, Uncertainty Theory: An Introduction to Its Axiomatic Foundations, Studies in Fuzziness and Soft Computing, Springer, Berlin. 3 Liu, B., Liu, Y.-K., 2002, Expected value of fuzzy variable and fuzzy expected value models, Fuzzy Systems, IEEE Transactions on, vol. 10, nr 4, s
2 3. Czy przybliżenie różnych kształtów kształtem liniowym wpływa istotnie na zmianę w doborze udziałów w wyznaczanym portfelu? Osiągnięcie celu trzeciego było możliwe po uzyskaniu odpowiedzi na pytania: 1. W jaki sposób inwestorzy wybierają akcje do portfela? 2. Czy można skonstruować jednokryterialne zadanie optymalizacji portfela akcji? 3. Jak odzwierciedlić w zadaniu optymalizacji preferencje inwestora? Cel czwarty został realizowany poprzez odpowiedzi na następujące pytania badawcze: 1. Które z zadań optymalizacji portfela są równoważne i przy jakich założeniach? 2. W jaki sposób określić skuteczność zadań optymalizacji i jakimi kryteriami ją oceniać? 3. Czy można określić, które z proponowanych zadań ma większą skuteczność? 4. Czy zadania optymalizacji uwzględniające preferencje inwestorów są równie skuteczne, co zadania oparte na miarach niepewności i zysku? W pierwszej części pracy zaprezentowano teoretyczne ramy koncepcji rozmytej stopy zwrotu zdefiniowanej na przestrzeni wiarygodności i omówiono własności zadań optymalizacji. Punktem wyjścia były sposoby modelowania niepewności oraz związane z nim różne podejścia w problemach optymalizacji portfela. Przedstawiono zagadnienia związane ze stopą zwrotu i niepewnością inwestycji kapitałowych. Omówiono typologię niepewności oraz podjęto próbę syntezy klasyfikacji prezentowanych w literaturze. Następnie scharakteryzowano koncepcję rozmytej stopy zwrotu w ujęciu teorii wiarygodności Liu. Przedstawiono podstawy teoretyczne zmiennej rozmytej oraz wprowadzono pojęcie rozmytej stopy zwrotu z uwzględnieniem miar niepewności. Zmienną rozmytą definiujemy następująco. Niech Θ będzie niepustym zbiorem, P(Θ) rodziną wszystkich podzbiorów Θ, a Cr miarą wiarygodności. Wtedy trojkę (Θ, P(Θ), Cr) nazywamy przestrzenią wiarygodności, a zmienną rozmytą ξ funkcją z przestrzeni wiarygodności w zbiór liczb rzeczywistych. Przez rozmytą stopę zwrotu będziemy rozumieć funkcję określoną na przestrzeni wiarygodności zwracającą wartość przyszłej stopy zwrotu. Funkcja przynależności zmiennej rozmytej określona jest na zbiorze wartości przyszłych stóp, przypisując każdej wartości możliwość zaistnienia. Funkcja wiarygodności Cr zmiennej rozmytej działa z podzbioru zdarzeń elementarnych, w zbiór liczb rzeczywistych, określając wiarygodność zaistnienia zdarzenia, że zmienna przyjmie wartość z danego przedziału. W tej części pracy przeprowadzono również dowód na niezależność rozmytych stóp zwrotu i omówiono problem wyznaczenia zmiennej rozmytej, sprowadzający się 2
3 do zagadnienia wyznaczania funkcji przynależności zbioru rozmytego. W niniejszej pracy skupiono uwagę i porównano trzy rodzaje transformacji w oparciu o dane statystyczne: 1. Metodę zaproponowaną przez Dubois i Prade 4 zwaną transformacją bijektywną, która zakłada, że stopnień konieczności zdarzenia A i jest dodatkową wielkością prawdopodobieństwa związanego ze zdarzeniami elementarnymi ze zbioru A i w porównaniu z wielkością prawdopodobieństwa przypisaną najczęściej występującemu zdarzeniu nie należącemu do zbioru A i.. 2. Koncepcję Klira 5, zwaną metodą zachowania niepewności, która zakłada, że przy transformacji miar z jednej teorii do drugiej wielkość niepewności powinna zostać zachowana, a każde odpowiednie wartości w jednej teorii muszą być przekształcone na odpowiedniki w drugiej teorii za pomocą pewnej skali. 3. Autorską metodę opartą na zasadzie maksymalnej entropii ważonej, zakładającej, że należy wziąć pod uwagę wszystkie dostępne informacje unikając jednocześnie nadmiarowych informacji. W następnej części omówione zostały zadania optymalizacji portfela akcji bazujące na pojęciu zmiennej rozmytej w ujęciu teorii wiarygodności. Wraz z rozwojem teorii wiarygodności, rozwijały się jej liczne zastosowania w finansach, szczególnie dynamicznie modele optymalizacji portfela inwestycyjnego. W 2005 roku zaproponowane zostały pierwsze modele w oparciu o miarę wiarygodności: model średnia-wariancja, model wartości optymistycznej, model maksymalnej wiarygodności 6. W 2006 roku Huang 7 rozwinęła zagadnienie maksymalizacji miary wiarygodności. W zaproponowane zostało w celu ograniczenia ryzyka wykorzystanie krzywej akceptowalności strat inwestora, a następnie entropia zmiennej rozmytej 9. Model średnia-wariancja ewoluował w model minmax średniawariancja 10 oraz model średnia-wariancja-skośność 11. W 2012 roku został zaprezentowany 4 D. Dubois, H. Prade. 1983, Unfair coins and necessity measures: Towards a possibilistic interpretation of histograms. Fuzzy Sets and Systems, 10(1 3):15 20,. 5 G.J. Klir. 1990, A principle of uncertainty and information invariance. International Journal of General Systems, 17: J. Peng, H. M. K. Mok, W.-M. Tse, 2005, Credibility programming approach to fuzzy portfolio selection problems, Proceedings of 2005 International Conference on Machine Learning and Cybernetics, X. Huang, 2006, Credibility Based Fuzzy Portfolio Selection. IEEE International Conference on Fuzzy Systems, X. Huang, 2006, Fuzzy chance-constrained portfolio selection. Applied Mathematics and Computation, 177(2): X. Huang, 2008, Risk curve and fuzzy portfolio selection. Computers & Mathematics with Applications, 55(6): , 9 X. Huang, 2008, Mean-Entropy Models for Fuzzy Portfolio Selection. IEEE Transactions on Fuzzy Systems, 16: , 10 X. Huang, 2010, Minimax mean-variance models for fuzzy portfolio selection. Soft Computing, 15(2): ,
4 model minimalizacji żalu 12. Zadania rozpatrzono w podziale na zadania wykorzystujące miary niepewności oraz te wykorzystujące miary stosunku do niepewności i preferencje inwestora. Zaprezentowane zostały również przykłady dla poszczególnych zadań. W drugiej grupie zaproponowano również autorski model optymalizacji w oparciu o miarę satysfakcji. Pod pojęciem satysfakcji rozumiemy w tym przypadku stopień podobieństwa uzyskanego wyniku z inwestycji do oczekiwań, przy czym ex ante będzie to podobieństwo oczekiwań inwestora, wyrażonych zbiorem rozmytym, do wiarygodności wystąpienia poszczególnych stóp zwrotu różnych portfeli. Wykorzystanie zbiorów rozmytych pozwoli na wyznaczenie preferencji, a skorzystanie z indeksu podobieństwa zaproponowanego przez Tverskiego 13 wprowadzenie parametru awersji do ryzyka i parametru żalu, określającego odpowiednio wagę bezpieczeństwa inwestycji lub skupienia uwagi na możliwości wysokich zysków. Zatem dla inwestora skupiającego uwagę jedynie na zyskach, o zerowej awersji do ryzyka, funkcja podobieństwa będzie sprawdzała jedynie stopień realizacji oczekiwań, uwzględniając część wspólną oraz niespełnione oczekiwania. W odwrotnym przypadku, dla inwestora o maksymalnej awersji do ryzyka, to zawieranie się oczekiwań w wybranym portfelu będzie brane pod uwagę wraz z niebezpieczeństwem wyniku poniżej oczekiwań. Na część badawczą pracy składają się 4 badania. Dwa z nich badane wrażliwości wyników optymalizacji na zmianę kształtu funkcji przynależności oraz badanie wpływu przyjętej metody wyznaczania funkcji przynależności na wyznaczone stopy zwrotu, są badaniem wstępnym. Celem pierwszego badania jest sprawdzenie czy kształt trójkątny funkcji przynależności zmiennej rozmytej jest wystarczającym przybliżeniem rozmytych stóp zwrotu. Badanie obejmuje 4 różne kształty funkcji przynależności: trójkątny, paraboliczny, normalny oraz kształt SZ. Kształty te zostaną zbadane w dwóch przypadkach: przy założeniu stałych parametrów funkcji oraz stałego pola pod wykresem. Drugie badanie miało na celu sprawdzenie, czy parametry wygenerowanej funkcji przynależności zmiennej rozmytej różnią się istotnie zależnie od przyjętej metody ich wyznaczania. Z wyników badań wstępnych wysunięto następujące wnioski. Przybliżenie funkcji przynależności kształtem trójkątnym jest uzasadnione w przypadku kształtu SZ. W przypadku innych kształtów błędy aproksymacji są uzależnione od rozważanego typu zadań i przyjętych założeń co do pola powierzchni lub parametrów zadania. Wyniki drugiej części badania wskazują, że wartości dyskretnych 11 X. Li, Z. Qin, S. Kar, 2010, Mean-variance-skewness model for portfolio selection with fuzzy returns. European Journal of Operational Research, 202(1): , 12 X. Li, B. Shou, Z. Qin. An expected regret minimization portfolio selection model. European Journal of Operational Research, 218(2): , A. Tversky, 1977, Features of similarity, Psychological Review, 84:
5 funkcji przynależności wyznaczonych metodami opartymi o dane historyczne są zbliżone, a aproksymacja liniowa ciągłych funkcji zmniejsza istniejące różnice. W oparciu o wyniki badań wstępnych zostało przeprowadzone badanie główne o charakterze empirycznym, polegające na wyznaczeniu i przetestowaniu portfeli wyznaczonych różnymi typami zadań w 22 okresach testowych o różnych długościach: miesięcznym (poprzedzony kwartalnym okresem obserwacji rynku), kwartalnym (poprzedzony półrocznym okresem obserwacji), półrocznym (poprzedzony rocznym okresem obserwacji), rocznym (poprzedzonym półtorarocznym okresem obserwacji danych). W badaniu zostały uwzględnione następujące zadania: zadanie średnia-wariancja: zadanie minimalizacji wariancji przy założonym poziomie wartości oczekiwanej i zadanie maksymalizacji wartości oczekiwanej przy założonym poziomie wariancji (EV), zadanie średnia-semiwariancja: zadanie minimalizacji semiwariancji przy założonym poziomie wartości oczekiwanej i zadanie maksymalizacji wartości oczekiwanej przy założonym poziomie semiwariancji, zadanie średnia-entropia: zadanie minimalizacji entropii przy założonym poziomie wartości oczekiwanej i zadanie maksymalizacji wartości oczekiwanej przy założonym poziomie entropii, zadanie średnia-var: zadanie minimalizacji wartości zagrożonej przy założonym poziomie wartości oczekiwanej i zadanie maksymalizacji wartości oczekiwanej przy założonym poziomie wartości zagrożonej, zadanie średnia-cvar: zadanie minimalizacji warunkowej wartości zagrożonej przy założonym poziomie wartości oczekiwanej i maksymalizacja wartości oczekiwanej przy założonym poziomie warunkowej wartości zagrożonej, zadanie maksymalizacji satysfakcji (S) dla trzech różnych poziomów awersji do ryzyka oraz parametrów żalu. Średnio stopy zwrotu portfeli wyznaczonych zadaniami optymalizacji nie odbiegały znacząco od poziomu benchmarku. Ponadto można zauważyć, że średnio stopy zwrotu portfeli wyznaczonych zadaniami maksymalizacji zysku uzyskiwały lepsze wyniki od portfeli uzyskanych drogą minimalizacji niepewności. Średnio również stopy zwrotu portfeli wyznaczonych zadaniami optymalizacji w krótszych okresach testowych były wyższe od stóp zwrotów portfeli wyznaczonych i testowanych na podstawie dłuższych okresów. 5
6 Czwarta część jest niezależna i obejmuje badanie ankietowe inwestorów indywidualnych, skupiające się na metodach doboru portfela inwestycyjnego, sposobach określania kryteriów i preferencji. Badanie ankietowe przeprowadzono wśród ponad 300 inwestorów indywidualnych za pośrednictwem Stowarzyszenia Inwestorów Indywidualnych. Jak wynika z ankiet, badani inwestorzy przy szacowaniu ryzyka portfela posługują się głównie intuicją oraz opiniami ekspertów, a co 7 osoba w ogóle nie szacuje ryzyka. Najmniej popularną z analiz, nawet wśród osób z wykształceniem wyższym ekonomicznym, jest analiza portfelowa blisko połowa nie używa jej nigdy, bądź rzadko. Może to sugerować słabe poznanie tej metody lub niską jej użyteczność. Badanie pokazało niski odsetek osób szacujących lub sprawdzających miary ryzyka wraz z niskimi ocenami ich interpretacji, szczególnie dotyczącymi miar semiwariancji i warunkowej wartości zagrożonej. Jakkolwiek ponad połowa inwestorów stara się wyznaczać zawsze lub często wartość oczekiwaną inwestycji. Badani uzyskane z inwestycji wyniki porównują najczęściej z założonymi przez siebie celami, nie biorą pod uwagę najlepszych ani najgorszych wyników z danego okresu na rynku. Oczekiwane przez nich rezultaty są natomiast określane przedziałowo i uzależnione od panujących warunków na rynku w momencie podejmowania decyzji o inwestycji. W ostatniej części pracy została dokonana ocena syntetyczna zadań optymalizacji na podstawie autorskiej miary, uwzgledniającej następujące kryteria: intuicyjność i przydatność kryteriów optymalizacji, wrażliwość zadań na kształt funkcji przynależności, złożoność obliczeniowa, uzyskane wyniki na danych rzeczywistych. Najwyższe oceny skuteczności uzyskały zadania maksymalizacji wartości oczekiwanej przy ograniczeniu wartości zagrożonej, semiwariancji i warunkowej wartości zagrożonej. Zadania wykorzystujące wartość zagrożoną zostały najlepiej ocenione ze względu na przydatność informacyjną miar niepewności oraz niską złożoność obliczeniową, wysoko ocenione zostały również niewielkie odchylenia poniżej indeksu WIG20 w sytuacjach strat. Zadanie maksymalizacji wartości oczekiwanej przy ograniczeniu niepewności miarą semiwariancji otrzymało wysokie oceny zarówno dzięki niskiej wrażliwości na zmianę kształtu funkcji przynależności, jak i przydatności informacyjnej, jednak przede wszystkim uzyskało najwyższe wyniki ze skuteczności empirycznej na podstawie uzyskanych stóp zwrotu z okresów testowych. Proponowane zadanie maksymalizacji satysfakcji zostało wysoko ocenione ze względu na zgodność kryterium optymalizacji z intuicją, jednak traci 6
7 na braku informacji o niepewności związanej z portfelem, złożoności obliczeniowej oraz nie uzyskało również zadowalających wyników empirycznych w sytuacji spadku notowań. Najgorszą ocenę, pomimo niskiej wrażliwości na zmianę kształtu funkcji przynależności i prostoty obliczeniowej, uzyskało zadanie minimalizacji entropii. W zakończeniu rozprawy przedstawiono najważniejsze jej rezultaty, wnioski oraz możliwe kierunki dalszego rozwoju przeprowadzonych badań. 7
ZADANIE MAKSYMALIZACJI SATYSFAKCJI INWESTORA Z PORTFELA INWESTYCYJNEGO
Aleksandra Rutkowska Uniwersytet Ekonomiczny w Poznaniu, Wydział Informatyki i Gospodarki Elektronicznej, Katedra Matematyki Stosowanej aleksandra.rutkowska@ue.poznan.pl ZADANIE MAKSYMALIZACJI SATYSFAKCJI
Bardziej szczegółowodr hab. Renata Karkowska 1
dr hab. Renata Karkowska 1 Czym jest ryzyko? Rodzaje ryzyka? Co oznacza zarządzanie? Dlaczego zarządzamy ryzykiem? 2 Przedmiot ryzyka Otoczenie bliższe/dalsze (czynniki ryzyka egzogeniczne vs endogeniczne)
Bardziej szczegółowodr hab. Renata Karkowska 1
dr hab. Renata Karkowska 1 Miary zmienności: obrazują zmiany cen, stóp zwrotu instrumentów finansowych, opierają się na rozproszeniu ich rozkładu, tym samym uśredniają ryzyko: wariancja stopy zwrotu, odchylenie
Bardziej szczegółowoSummary in Polish. Fatimah Mohammed Furaiji. Application of Multi-Agent Based Simulation in Consumer Behaviour Modeling
Summary in Polish Fatimah Mohammed Furaiji Application of Multi-Agent Based Simulation in Consumer Behaviour Modeling Zastosowanie symulacji wieloagentowej w modelowaniu zachowania konsumentów Streszczenie
Bardziej szczegółowoInne kryteria tworzenia portfela. Inne kryteria tworzenia portfela. Poziom bezpieczeństwa. Analiza i Zarządzanie Portfelem cz. 3. Dr Katarzyna Kuziak
Inne kryteria tworzenia portfela Analiza i Zarządzanie Portfelem cz. 3 Dr Katarzyna Kuziak. Minimalizacja ryzyka przy zadanym dochodzie Portfel efektywny w rozumieniu Markowitza odchylenie standardowe
Bardziej szczegółowoTeoria portfelowa H. Markowitza
Aleksandra Szymura szymura.aleksandra@yahoo.com Teoria portfelowa H. Markowitza Za datę powstania teorii portfelowej uznaje się rok 95. Wtedy to H. Markowitz opublikował artykuł zawierający szczegółowe
Bardziej szczegółowoW okresie pierwszych dwóch i pół roku istnienia funduszu ponad 50% podmiotów było lepszych od średniej.
W okresie pierwszych dwóch i pół roku istnienia funduszu ponad 50% podmiotów było lepszych od średniej. Istnieje teoria, że fundusze inwestycyjne o stosunkowo krótkiej historii notowań mają tendencję do
Bardziej szczegółowoInwestycje finansowe. Wycena obligacji. Stopa zwrotu z akcji. Ryzyko.
Inwestycje finansowe Wycena obligacji. Stopa zwrotu z akcji. yzyko. Inwestycje finansowe Instrumenty rynku pieniężnego (np. bony skarbowe). Instrumenty rynku walutowego. Obligacje. Akcje. Instrumenty pochodne.
Bardziej szczegółowoPORTFEL DWUSKŁADNIKOWY PRZYPADEK WARTOŚCI BIEŻĄCEJ DANEJ JAKO TRÓJKĄTNA LICZBA ROZMYTA
Studia Ekonomiczne. Zeszyty Naukowe Uniwersytetu Ekonomicznego w Katowicach ISSN 2083-8611 Nr 241 2015 Informatyka i Ekonometria 3 Uniwersytet Ekonomiczny w Poznaniu Wydział Informatyki i Gospodarki Elektronicznej
Bardziej szczegółowoBarometr 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 szczegółowoModele DSGE. Jerzy Mycielski. Maj Jerzy Mycielski () Modele DSGE Maj / 11
Modele DSGE Jerzy Mycielski Maj 2008 Jerzy Mycielski () Modele DSGE Maj 2008 1 / 11 Modele DSGE DSGE - Dynamiczne, stochastyczne modele równowagi ogólnej (Dynamic Stochastic General Equilibrium Model)
Bardziej szczegółowoWeryfikacja hipotez statystycznych, parametryczne testy istotności w populacji
Weryfikacja hipotez statystycznych, parametryczne testy istotności w populacji Dr Joanna Banaś Zakład Badań Systemowych Instytut Sztucznej Inteligencji i Metod Matematycznych Wydział Informatyki Politechniki
Bardziej szczegółowoPodstawowe definicje dotyczące zarządzania portfelowego
Podstawowe definicje dotyczące zarządzania portfelowego Prof. SGH, dr hab. Andrzej Sobczak Kurs: Zarządzanie portfelem IT z wykorzystaniem modeli Zakres tematyczny kursu Podstawowe definicje dotyczące
Bardziej szczegółowoPostawy wobec ryzyka
Postawy wobec ryzyka Wskaźnik Sharpe a przykład zintegrowanej miary rentowności i ryzyka Konstrukcja wskaźnika odwołuje się do klasycznej teorii portfelowej Markowitza, której elementem jest mapa ryzyko
Bardziej szczegółowoWycena opcji rzeczywistych zgodnie z teorią perspektywy
mgr Marek Jarzęcki Uniwersytet Ekonomiczny w Poznaniu Wycena opcji rzeczywistych zgodnie z teorią perspektywy Seminarium ROS 2014: Opcje realne teoria dla praktyki Szczecin, 30. listopada 2014 roku Agenda
Bardziej szczegółowoWnioskowanie bayesowskie
Wnioskowanie bayesowskie W podejściu klasycznym wnioskowanie statystyczne oparte jest wyłącznie na podstawie pobranej próby losowej. Możemy np. estymować punktowo lub przedziałowo nieznane parametry rozkładów,
Bardziej szczegółowo1. Klasyfikacja stóp zwrotu 2. Zmienność stóp zwrotu 3. Mierniki ryzyka 4. Mierniki wrażliwości wyceny na ryzyko rynkowe
I Ryzyko i rentowność instrumentów finansowych 1. Klasyfikacja stóp zwrotu 2. Zmienność stóp zwrotu 3. Mierniki ryzyka 4. Mierniki wrażliwości wyceny na ryzyko rynkowe 1 Stopa zwrotu z inwestycji w ujęciu
Bardziej szczegółowoPorównanie metod szacowania Value at Risk
Porównanie metod szacowania Value at Risk Metoda wariancji i kowariancji i metoda symulacji historycznej Dominika Zarychta Nr indeksu: 161385 Spis treści 1. Wstęp....3 2. Co to jest Value at Risk?...3
Bardziej szczegółowoWłasność iteracyjności składek ubezpieczeniowych wyznaczonych w oparciu o teorię skumulowanej perspektywy Kahnemana-Tversky
Własność iteracyjności składek ubezpieczeniowych wyznaczonych w oparciu o teorię skumulowanej perspektywy Kahnemana-Tversky ego Marek Kałuszka Michał Krzeszowiec Ogólnopolska Konferencja Naukowa Zagadnienia
Bardziej szczegółowoKrzysztof Piontek MODELOWANIE I PROGNOZOWANIE ZMIENNOŚCI INSTRUMENTÓW FINANSOWYCH
Akademia Ekonomiczna im. Oskara Langego we Wrocławiu Wydział Zarządzania i Informatyki Krzysztof Piontek MODELOWANIE I PROGNOZOWANIE ZMIENNOŚCI INSTRUMENTÓW FINANSOWYCH rozprawa doktorska Promotor: prof.
Bardziej szczegółowoModelowanie rynków finansowych
Modelowanie rynków finansowych Jerzy Mycielski WNE UW 5 października 2017 Jerzy Mycielski (WNE UW) Modelowanie rynków finansowych 5 października 2017 1 / 12 Podstawowe elementy teorii 1 racjonalne oczekiwania
Bardziej szczegółowoStatystyka i opracowanie danych Podstawy wnioskowania statystycznego. Prawo wielkich liczb. Centralne twierdzenie graniczne. Estymacja i estymatory
Statystyka i opracowanie danych Podstawy wnioskowania statystycznego. Prawo wielkich liczb. Centralne twierdzenie graniczne. Estymacja i estymatory Dr Anna ADRIAN Paw B5, pok 407 adrian@tempus.metal.agh.edu.pl
Bardziej szczegółowoOpis zakładanych efektów kształcenia na studiach podyplomowych WIEDZA
Opis zakładanych efektów kształcenia na studiach podyplomowych Nazwa studiów: BIOSTATYSTYKA PRAKTYCZNE ASPEKTY STATYSTYKI W BADANIACH MEDYCZNYCH Typ studiów: doskonalące Symbol Efekty kształcenia dla studiów
Bardziej szczegółowoSTATYSTYKA MATEMATYCZNA WYKŁAD 4. WERYFIKACJA HIPOTEZ PARAMETRYCZNYCH X - cecha populacji, θ parametr rozkładu cechy X.
STATYSTYKA MATEMATYCZNA WYKŁAD 4 WERYFIKACJA HIPOTEZ PARAMETRYCZNYCH X - cecha populacji, θ parametr rozkładu cechy X. Wysuwamy hipotezy: zerową (podstawową H ( θ = θ i alternatywną H, która ma jedną z
Bardziej szczegółowoWykład 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 szczegółowoModelowanie rynków finansowych
Modelowanie rynków finansowych Przegląd zagadnień 8 października 2012 Główna przesłanka doboru tematów Koncepcje i techniki modelowe jako priorytet: Modele empiryczne bazujące na wiedzy teoretycznej Zakres
Bardziej szczegółowoStreszczenie pracy doktorskiej Autor: mgr Wojciech Wojaczek Tytuł: Czynniki poznawcze a kryteria oceny przedsiębiorczych szans Wstęp W ciągu
Streszczenie pracy doktorskiej Autor: mgr Wojciech Wojaczek Tytuł: Czynniki poznawcze a kryteria oceny przedsiębiorczych szans Wstęp W ciągu ostatnich kilku dekad diametralnie zmienił się charakter prowadzonej
Bardziej szczegółowoValue at Risk (VaR) Jerzy Mycielski WNE. Jerzy Mycielski (Institute) Value at Risk (VaR) / 16
Value at Risk (VaR) Jerzy Mycielski WNE 2018 Jerzy Mycielski (Institute) Value at Risk (VaR) 2018 1 / 16 Warunkowa heteroskedastyczność O warunkowej autoregresyjnej heteroskedastyczności mówimy, gdy σ
Bardziej szczegółowoTest wskaźnika C/Z (P/E)
% Test wskaźnika C/Z (P/E) W poprzednim materiale przedstawiliśmy Państwu teoretyczny zarys informacji dotyczący wskaźnika Cena/Zysk. W tym artykule zwrócimy uwagę na praktyczne zastosowania tego wskaźnika,
Bardziej szczegółowoFinanse 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 szczegółowoRecenzenci: prof. dr hab. Henryk Domański dr hab. Jarosław Górniak
Recenzenci: prof. dr hab. Henryk Domański dr hab. Jarosław Górniak Redakcja i korekta Bogdan Baran Projekt graficzny okładki Katarzyna Juras Copyright by Wydawnictwo Naukowe Scholar, Warszawa 2011 ISBN
Bardziej szczegółowoOpisy przedmiotów do wyboru
Opisy przedmiotów do wyboru moduły specjalistyczne oferowane na stacjonarnych studiach II stopnia (magisterskich) dla 1 roku matematyki semestr letni, rok akademicki 2018/2019 Spis treści 1. Analiza portfelowa
Bardziej szczegółowoExcel i VBA w analizach i modelowaniu finansowym Pomiar ryzyka. Pomiar ryzyka
Pomiar ryzyka Miary obiektywne stosowane w kwantyfikacji ryzyka rynkowego towarzyszącego zaangażowaniu środków w inwestycjach finansowych obejmują: Miary zmienności, Miary zagrożenia, Miary wrażliwości.
Bardziej szczegółowoWIELOKRYTERIALNE PORZĄDKOWANIE METODĄ PROMETHEE ODPORNE NA ZMIANY WAG KRYTERIÓW
Uniwersytet Ekonomiczny we Wrocławiu WIELOKRYTERIALNE PORZĄDKOWANIE METODĄ PROMETHEE ODPORNE NA ZMIANY WAG KRYTERIÓW Wprowadzenie Wrażliwość wyników analizy wielokryterialnej na zmiany wag kryteriów, przy
Bardziej szczegółowoZarządzanie ryzykiem. Opracował: Dr inŝ. Tomasz Zieliński
Zarządzanie ryzykiem Opracował: Dr inŝ. Tomasz Zieliński I. OGÓLNE INFORMACJE O PRZEDMIOCIE Cel przedmiotu: Celem przedmiotu jest zaprezentowanie studentom podstawowych pojęć z zakresu ryzyka w działalności
Bardziej szczegółowoSpis treści. Przedmowa... XI. Rozdział 1. Pomiar: jednostki miar... 1. Rozdział 2. Pomiar: liczby i obliczenia liczbowe... 16
Spis treści Przedmowa.......................... XI Rozdział 1. Pomiar: jednostki miar................. 1 1.1. Wielkości fizyczne i pozafizyczne.................. 1 1.2. Spójne układy miar. Układ SI i jego
Bardziej szczegółowoSZTUCZNA INTELIGENCJA
SZTUCZNA INTELIGENCJA SYSTEMY ROZMYTE Adrian Horzyk Akademia Górniczo-Hutnicza Wydział Elektrotechniki, Automatyki, Informatyki i Inżynierii Biomedycznej Katedra Automatyki i Inżynierii Biomedycznej Laboratorium
Bardziej szczegółowoWprowadzenie do teorii ekonometrii. Wykład 1 Warunkowa wartość oczekiwana i odwzorowanie liniowe
Wprowadzenie do teorii ekonometrii Wykład 1 Warunkowa wartość oczekiwana i odwzorowanie liniowe Zajęcia Wykład Laboratorium komputerowe 2 Zaliczenie EGZAMIN (50%) Na egzaminie obowiązują wszystkie informacje
Bardziej szczegółowoPoziom przedmiotu: II stopnia. Liczba godzin/tydzień: 2W E, 2L PRZEWODNIK PO PRZEDMIOCIE
Nazwa przedmiotu: I KARTA PRZEDMIOTU CEL PRZEDMIOTU PRZEWODNIK PO PRZEDMIOCIE C1. Zapoznanie studentów z podstawowymi metodami i technikami analizy finansowej na podstawie nowoczesnych instrumentów finansowych
Bardziej szczegółowoKalibracja. 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 szczegółowo166 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 szczegółowoPrace magisterskie 1. Założenia pracy 2. Budowa portfela
1. Założenia pracy 1 Założeniem niniejszej pracy jest stworzenie portfela inwestycyjnego przy pomocy modelu W.Sharpe a spełniającego następujące warunki: - wybór akcji 8 spółek + 2 papiery dłużne, - inwestycja
Bardziej szczegółowoCena do wartości księgowej (C/WK, P/BV)
Cena do wartości księgowej (C/WK, P/BV) Wskaźnik cenadowartości księgowej (ang. price to book value ratio) jest bardzo popularnym w analizie fundamentalnej. Informuje on jaką cenę trzeba zapład za 1 złotówkę
Bardziej szczegółowoStreszczenia referatów
Streszczenia referatów mgr Marcin Krzywda Jak estymować zmienność na rynku akcji? Do praktycznego zastosowania modeli matematyki finansowej musimy potrafić wyznaczyć parametry zmiennych rynkowych. Jednym
Bardziej szczegółowoAgata Boratyńska Statystyka aktuarialna... 1
Agata Boratyńska Statystyka aktuarialna... 1 ZADANIA NA ĆWICZENIA Z TEORII WIAROGODNOŚCI Zad. 1. Niech X 1, X 2,..., X n będą niezależnymi zmiennymi losowymi z rozkładu wykładniczego o wartości oczekiwanej
Bardziej szczegółowoZORIENTOWANA BEHAWIORALNA WARTOŚĆ BIEŻĄCA PORTFELA DWUSKŁADNIKOWEGO STUDIUM PRZYPADKU
Studia Ekonomiczne. Zeszyty Naukowe Uniwersytetu Ekonomicznego w Katowicach ISSN 2083-8611 Nr 353 2018 Krzysztof Piasecki Uniwersytet Ekonomiczny w Poznaniu Wydział Zarządzania Katedra Inwestycji i Nieruchomości
Bardziej szczegółowoANALIZA I ZARZADZANIE PORTFELEM. Specjalista ds. Analiz Giełdowych Łukasz Porębski
ANALIZA I ZARZADZANIE PORTFELEM Specjalista ds. Analiz Giełdowych Łukasz Porębski PLAN PREZENTACJI 1) Efektywnośd rynków finansowych 2) Teoria portfela Markowitza (Nobel w 1990 r.) 3) Dywersyfikacja 4)
Bardziej szczegółowoOpisy przedmiotów do wyboru
Opisy przedmiotów do wyboru moduły specjalistyczne oferowane na stacjonarnych studiach II stopnia (magisterskich) dla 1 roku matematyki semestr letni, rok akademicki 2017/2018 Spis treści 1. Algebra i
Bardziej szczegółowoSTATYSTYKA MATEMATYCZNA
STATYSTYKA MATEMATYCZNA 1. Wykład wstępny. Teoria prawdopodobieństwa i elementy kombinatoryki 2. Zmienne losowe i ich rozkłady 3. Populacje i próby danych, estymacja parametrów 4. Testowanie hipotez 5.
Bardziej szczegółowoSTATYSTYKA MATEMATYCZNA
STATYSTYKA MATEMATYCZNA 1. Wykład wstępny. Teoria prawdopodobieństwa i elementy kombinatoryki 2. Zmienne losowe i ich rozkłady 3. Populacje i próby danych, estymacja parametrów 4. Testowanie hipotez 5.
Bardziej szczegółowoSzacowanie ryzyka z wykorzystaniem zmiennej losowej o pramatkach rozmytych w oparciu o język BPFPRAL
Szacowanie ryzyka z wykorzystaniem zmiennej losowej o pramatkach rozmytych w oparciu o język BPFPRAL Mgr inż. Michał Bętkowski, dr inż. Andrzej Pownuk Wydział Budownictwa Politechnika Śląska w Gliwicach
Bardziej szczegółowo5. Wprowadzenie do prawdopodobieństwa Wprowadzenie Wyniki i zdarzenia Różne podejścia do prawdopodobieństwa Zdarzenia wzajemnie wykluczające się i
Spis treści Przedmowa do wydania polskiego - Tadeusz Tyszka Słowo wstępne - Lawrence D. Phillips Przedmowa 1. : rola i zastosowanie analizy decyzyjnej Decyzje złożone Rola analizy decyzyjnej Zastosowanie
Bardziej szczegółowoIdentyfikacja istotnych atrybutów za pomocą Baysowskich miar konfirmacji
Identyfikacja istotnych atrybutów za pomocą Baysowskich miar konfirmacji Jacek Szcześniak Jerzy Błaszczyński Roman Słowiński Poznań, 5.XI.2013r. Konspekt Wstęp Wprowadzenie Metody typu wrapper Nowe metody
Bardziej szczegółowoInteligentna analiza danych
Numer indeksu 150946 Michał Moroz Imię i nazwisko Numer indeksu 150875 Grzegorz Graczyk Imię i nazwisko kierunek: Informatyka rok akademicki: 2010/2011 Inteligentna analiza danych Ćwiczenie I Wskaźniki
Bardziej szczegółowoSTATYSTYKA MATEMATYCZNA
STATYSTYKA MATEMATYCZNA 1. Wykład wstępny 2. Zmienne losowe i teoria prawdopodobieństwa 3. Populacje i próby danych 4. Testowanie hipotez i estymacja parametrów 5. Najczęściej wykorzystywane testy statystyczne
Bardziej szczegółowoZ Wikipedii, wolnej encyklopedii.
Rozkład normalny Rozkład normalny jest niezwykle ważnym rozkładem prawdopodobieństwa w wielu dziedzinach. Nazywa się go także rozkładem Gaussa, w szczególności w fizyce i inżynierii. W zasadzie jest to
Bardziej szczegółowoSzacowanie miary zagrożenia Expected Shortfall dla wybranych instrumentów polskiego rynku kapitałowego
Radosław Pietrzyk Katedra Inwestycji Finansowych i Ubezpieczeń Akademia Ekonomiczna we Wrocławiu Szacowanie miary zagrożenia Expected Shortfall dla wybranych instrumentów polskiego rynku kapitałowego 1.
Bardziej szczegółowoEstymacja przedziałowa - przedziały ufności dla średnich. Wrocław, 5 grudnia 2014
Estymacja przedziałowa - przedziały ufności dla średnich Wrocław, 5 grudnia 2014 Przedział ufności Niech będzie dana próba X 1, X 2,..., X n z rozkładu P θ, θ Θ. Definicja Przedziałem ufności dla paramertu
Bardziej szczegółowoSTATYSTYKA I DOŚWIADCZALNICTWO. Wykład 2
STATYSTYKA I DOŚWIADCZALNICTWO Wykład Parametry przedziałowe rozkładów ciągłych określane na podstawie próby (przedziały ufności) Przedział ufności dla średniej s X t( α;n 1),X + t( α;n 1) n s n t (α;
Bardziej szczegółowoSTATYSTYKA MATEMATYCZNA WYKŁAD stycznia 2010
STATYSTYKA MATEMATYCZNA WYKŁAD 14 18 stycznia 2010 Model statystyczny ROZKŁAD DWUMIANOWY ( ) {0, 1,, n}, {P θ, θ (0, 1)}, n ustalone P θ {K = k} = ( ) n θ k (1 θ) n k, k k = 0, 1,, n Geneza: Rozkład Bernoulliego
Bardziej szczegółowoWycena opcji. Dr inż. Bożena Mielczarek
Wycena opcji Dr inż. Bożena Mielczarek Stock Price Wahania ceny akcji Cena jednostki podlega niewielkim wahaniom dziennym (miesięcznym) wykazując jednak stały trend wznoszący. Cena może się doraźnie obniżać,
Bardziej szczegółowoDominacja stochastyczna w ocenie efektywności OFE
165 Zeszyty Naukowe Wyższej Szkoły Bankowej we Wrocławiu Nr 20/2011 Wyższa Szkoła Bankowa we Wrocławiu Dominacja stochastyczna w ocenie efektywności OFE Streszczenie. Ustawowa stopa zwrotu wykorzystywana
Bardziej szczegółowoStatystyka Matematyczna Anna Janicka
Statystyka Matematyczna Anna Janicka wykład IX, 25.04.2016 TESTOWANIE HIPOTEZ STATYSTYCZNYCH Plan na dzisiaj 1. Hipoteza statystyczna 2. Test statystyczny 3. Błędy I-go i II-go rodzaju 4. Poziom istotności,
Bardziej szczegółowoODRZUCANIE WYNIKÓW POJEDYNCZYCH POMIARÓW
ODRZUCANIE WYNIKÓW OJEDYNCZYCH OMIARÓW W praktyce pomiarowej zdarzają się sytuacje gdy jeden z pomiarów odstaje od pozostałych. Jeżeli wykorzystamy fakt, że wyniki pomiarów są zmienną losową opisywaną
Bardziej szczegółowoProces inwestowania jest wyrzeczeniem się bieżącej konsumpcji na rzecz przyszłych, lecz niepewnych zysków [Hirschleifer, 1965, s. 509]. W przytoczonej definicji pojawiają się określenia zysku i niepewności,
Bardziej szczegółowoWykład 10 Estymacja przedziałowa - przedziały ufności dla średn
Wykład 10 Estymacja przedziałowa - przedziały ufności dla średniej Wrocław, 21 grudnia 2016r Przedział ufności Niech będzie dana próba X 1, X 2,..., X n z rozkładu P θ, θ Θ. Definicja 10.1 Przedziałem
Bardziej szczegółowoInterwałowe zbiory rozmyte
Interwałowe zbiory rozmyte 1. Wprowadzenie. Od momentu przedstawienia koncepcji klasycznych zbiorów rozmytych (typu 1), były one krytykowane za postać jaką przybiera funkcja przynależności. W przypadku
Bardziej szczegółowoMATRYCA EFEKTÓW KSZTAŁCENIA
ZAŁĄCZNIK NR 2 MATRYCA EFEKTÓW KSZTAŁCENIA Studia podyplomowe ZARZĄDZANIE FINANSAMI I MARKETING Przedmioty OPIS EFEKTÓW KSZTAŁCENIA Absolwent studiów podyplomowych - ZARZĄDZANIE FINANSAMI I MARKETING:
Bardziej szczegółowoZarządzanie ryzykiem finansowym
Zarządzanie projektami Wrocław, 30 października 2013 Spis treści Motywacja Rachunek prawdopodobieństwa Koherentne miary ryzyka Przykłady zastosowań Podsumowanie Po co analizować ryzyko na rynkach finansowych?
Bardziej szczegółowoTrójwymiarowy obraz ryzyka
Krzysztof PIASECKI Akademia Ekonomiczna w Poznaniu Trójwymiarowy obraz ryzyka Problem badawczy W (Buckley, 1987) i (Calzi, 1990) zaproponowano reprezentowanie wartości przyszłych inwestycji finansowych
Bardziej szczegółowoTemat: Projektowanie sterownika rozmytego. Instrukcja do ćwiczeń przedmiotu INŻYNIERIA WIEDZY I SYSTEMY EKSPERTOWE
Temat: Projektowanie sterownika rozmytego Instrukcja do ćwiczeń przedmiotu INŻYNIERIA WIEDZY I SYSTEMY EKSPERTOWE Dr inż. Barbara Mrzygłód KISiM, WIMiIP, AGH mrzyglod@ agh.edu.pl 1 Wprowadzenie Sterowanie
Bardziej szczegółowoElementy modelowania matematycznego
Elementy modelowania matematycznego Modelowanie algorytmów klasyfikujących. Podejście probabilistyczne. Naiwny klasyfikator bayesowski. Modelowanie danych metodą najbliższych sąsiadów. Jakub Wróblewski
Bardziej szczegółowoPortfel inwestycyjny. Aktywa. Bilans WPROWADZENIE. Tomasz Chmielewski 1. Kapitał. Zobowiązania. Portfel inwestycyjny 2. Portfel inwestycyjny 3
Portfel inwestycyjny Portfel inwestycyjny 1 WPROWDZENIE Portfel inwestycyjny Bilans Kapitał ktywa Zobowiązania Portfel inwestycyjny 3 Tomasz Chmielewski 1 Portfel inwestycyjny 4 Podstawowe funkcje rynków
Bardziej szczegółowoSystem transakcyjny oparty na średnich ruchomych. ś h = + + + + gdzie, C cena danego okresu, n liczba okresów uwzględnianych przy kalkulacji.
Średnie ruchome Do jednych z najbardziej znanych oraz powszechnie wykorzystywanych wskaźników analizy technicznej, umożliwiających analizę trendu zaliczyć należy średnie ruchome (ang. moving averages).
Bardziej szczegółowoSymulacyjne metody analizy ryzyka inwestycyjnego wybrane aspekty. Grzegorz Szwałek Katedra Matematyki Stosowanej Uniwersytet Ekonomiczny w Poznaniu
Symulacyjne metody analizy ryzyka inwestycyjnego wybrane aspekty Grzegorz Szwałek Katedra Matematyki Stosowanej Uniwersytet Ekonomiczny w Poznaniu Plan prezentacji 1. Opis metody wyceny opcji rzeczywistej
Bardziej szczegółowoJak wyznaczyć premię za ryzyko? kilka słów o modelu Arrowa - Pratta
Jak wyznaczyć premię za ryzyko? kilka słów o modelu Arrowa - Pratta Instytut Matematyki Politechniki Łódzkiej Poznań, 13.05.2017 r. Pojęcia wstępne u - funkcja użyteczności u : R R, u - ciągła, ściśle
Bardziej szczegółowoHISTOGRAM. Dr Adam Michczyński - METODY ANALIZY DANYCH POMIAROWYCH Liczba pomiarów - n. Liczba pomiarów - n k 0.5 N = N =
HISTOGRAM W pewnych przypadkach interesuje nas nie tylko określenie prawdziwej wartości mierzonej wielkości, ale także zbadanie całego rozkład prawdopodobieństwa wyników pomiarów. W takim przypadku wyniki
Bardziej szczegółowoRozmyte drzewa decyzyjne. Łukasz Ryniewicz Metody inteligencji obliczeniowej
µ(x) x µ(x) µ(x) x x µ(x) µ(x) x x µ(x) x µ(x) x Rozmyte drzewa decyzyjne Łukasz Ryniewicz Metody inteligencji obliczeniowej 21.05.2007 AGENDA 1 Drzewa decyzyjne kontra rozmyte drzewa decyzyjne, problemy
Bardziej szczegółowoZagadnienia na egzamin magisterski na kierunku Finanse i Rachunkowość
Zagadnienia na egzamin magisterski na kierunku Finanse i Rachunkowość 1. Gospodarcze i społeczne koszty inflacji 2. Znaczenie operacji depozytowych i kredytowych w polityce pienięŝnej 3. Popyt na pieniądz
Bardziej szczegółowoZadania ze statystyki, cz.6
Zadania ze statystyki, cz.6 Zad.1 Proszę wskazać, jaką część pola pod krzywą normalną wyznaczają wartości Z rozkładu dystrybuanty rozkładu normalnego: - Z > 1,25 - Z > 2,23 - Z < -1,23 - Z > -1,16 - Z
Bardziej szczegółowoTestowanie hipotez statystycznych. Wnioskowanie statystyczne
Testowanie hipotez statystycznych Wnioskowanie statystyczne Hipoteza statystyczna to dowolne przypuszczenie co do rozkładu populacji generalnej (jego postaci funkcyjnej lub wartości parametrów). Hipotezy
Bardziej szczegółowoSpis treści 3 SPIS TREŚCI
Spis treści 3 SPIS TREŚCI PRZEDMOWA... 1. WNIOSKOWANIE STATYSTYCZNE JAKO DYSCYPLINA MATEMATYCZNA... Metody statystyczne w analizie i prognozowaniu zjawisk ekonomicznych... Badania statystyczne podstawowe
Bardziej szczegółowoKształtowanie kompetencji personalnych i społecznych w szkole zawodowej drogą do sukcesu na rynku pracy
Wyniki cząstkowe testów ex ante z uczniami. We wszystkich pięciu uczestniczących w tym etapie projektu szkołach ponadgimnazjalnych rozpoczęły się zajęcia Innowacyjnego Programu Szkolnego Doradztwa Zawodowego.
Bardziej szczegółowoStreszczenie: Zasady projektowania konstrukcji budowlanych z uwzględnieniem aspektów ich niezawodności wg Eurokodu PN-EN 1990
Streszczenie: W artykule omówiono praktyczne podstawy projektowania konstrukcji budowlanych wedłu Eurokodu PN-EN 1990. Podano metody i procedury probabilistyczne analizy niezawodności konstrukcji. Podano
Bardziej szczegółowoUbezpieczenia majątkowe
Funkcje użyteczności a składki Uniwersytet Przyrodniczy we Wrocławiu Instytut Nauk Ekonomicznych i Społecznych 2016/2017 Funkcja użyteczności Niech ω wielkość majątku decydenta wyrażona w j.p., u (ω) stopień
Bardziej szczegółowoW4 Eksperyment niezawodnościowy
W4 Eksperyment niezawodnościowy Henryk Maciejewski Jacek Jarnicki Jarosław Sugier www.zsk.iiar.pwr.edu.pl Badania niezawodnościowe i analiza statystyczna wyników 1. Co to są badania niezawodnościowe i
Bardziej szczegółowoPRAKTYCZNE METODY BADANIA NIEWYPŁACALNOŚCI ZAKŁADÓW UBEZPIECZEŃ
PRAKTYCZNE METODY BADANIA NIEWYPŁACALNOŚCI ZAKŁADÓW UBEZPIECZEŃ Autor: Wojciech Bijak, Wstęp Praca koncentruje się na ilościowych metodach i modelach pozwalających na wczesne wykrycie zagrożenia niewypłacalnością
Bardziej szczegółowoEfektywność źródłem bogactwa. Tomasz Słoński Piechowice, r.
Efektywność źródłem bogactwa inwestorów Tomasz Słoński Piechowice, 24.01.2012 r. Plan wystąpienia Teoretyczne podstawy pomiaru efektywności rynku kapitałowego Metodologia badań nad efektywnością rynku
Bardziej szczegółowoSTRESZCZENIE. rozprawy doktorskiej pt. Zmienne jakościowe w procesie wyceny wartości rynkowej nieruchomości. Ujęcie statystyczne.
STRESZCZENIE rozprawy doktorskiej pt. Zmienne jakościowe w procesie wyceny wartości rynkowej nieruchomości. Ujęcie statystyczne. Zasadniczym czynnikiem stanowiącym motywację dla podjętych w pracy rozważań
Bardziej szczegółowoZałącznik 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 szczegółowo3. 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 szczegółowoWykład 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 szczegółowoWYKORZYSTANIE METODY OCENY WARTOŚCI FUNKCJONALNEJ W ZARZĄDZANIU PUBLICZNYMI PROJEKTAMI INWESTYCYJNYMI
WYKORZYSTANIE METODY OCENY WARTOŚCI FUNKCJONALNEJ W ZARZĄDZANIU PUBLICZNYMI PROJEKTAMI INWESTYCYJNYMI Streszczenie rozprawy doktorskiej Rezultaty realizacji inwestycji publicznych budzą emocje społeczne
Bardziej szczegółowoAnaliza wpływu długości trwania strategii na proces optymalizacji parametrów dla strategii inwestycyjnych w handlu event-driven
Raport 8/2015 Analiza wpływu długości trwania strategii na proces optymalizacji parametrów dla strategii inwestycyjnych w handlu event-driven autor: Michał Osmoła INIME Instytut nauk informatycznych i
Bardziej szczegółowoAnaliza 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 szczegółowoWSTĘP DO REGRESJI LOGISTYCZNEJ. Dr Wioleta Drobik-Czwarno
WSTĘP DO REGRESJI LOGISTYCZNEJ Dr Wioleta Drobik-Czwarno REGRESJA LOGISTYCZNA Zmienna zależna jest zmienną dychotomiczną (dwustanową) przyjmuje dwie wartości, najczęściej 0 i 1 Zmienną zależną może być:
Bardziej szczegółowoO PEWNEJ STRATEGII ZARZĄDZANIA PORTFELEM. TEORIA I PRZYKŁAD PORTFELA SPÓŁEK Z SEKTORA SPOŻYWCZEGO
METODY ILOŚCIOWE W BADANIACH EKONOMICZNYCH Tom XIII/, 0, str. 38 45 O PEWNEJ STRATEGII ZARZĄDZANIA PORTFELEM. TEORIA I PRZYKŁAD PORTFELA SPÓŁEK Z SEKTORA SPOŻYWCZEGO Marek Andrzej Kociński Katedra Zastosowań
Bardziej szczegółowoStrategie 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 szczegółowoWeryfikacja hipotez statystycznych
Weryfikacja hipotez statystycznych Hipoteza Test statystyczny Poziom istotności Testy jednostronne i dwustronne Testowanie równości wariancji test F-Fishera Testowanie równości wartości średnich test t-studenta
Bardziej szczegółowodla t ściślejsze ograniczenie na prawdopodobieństwo otrzymujemy przyjmując k = 1, zaś dla t > t ściślejsze ograniczenie otrzymujemy przyjmując k = 2.
Zadanie. Dla dowolnej zmiennej losowej X o wartości oczekiwanej μ, wariancji momencie centralnym μ k rzędu k zachodzą nierówności (typu Czebyszewa): ( X μ k Pr > μ + t σ ) 0. k k t σ *
Bardziej szczegółowo