Giełdy Papierów Wartościowych w Warszawie
|
|
- Kinga Nawrocka
- 8 lat temu
- Przeglądów:
Transkrypt
1 SZKOŁA GŁÓWNA HANDLOWA W WARSZAWIE STUDIUM DYPLOMOWE KIERUNEK: Meody Ilościowe i Sysemy Informacyjne Michał Rubaszek Nr alb Arbiraż cenowy na przykładzie Giełdy Papierów Warościowych w Warszawie Praca magiserska napisana w Insyucie Ekonomerii Pod kierunkiem naukowym Prof. dr hab. Aleksandra Welfe Warszawa 00
2 SPIS TREŚCI WSTĘP I. TEORIA ARBITRAŻU CENOWEGO 3.. Model analizy czynnikowej 3.. Teoria arbirażu cenowego 7 II. DYNAMICZNA TEORIA ARBITRAŻU CENOWEGO 5.. Modele klasy ARCH 6.. Wielowymiarowe modele ARCH.3. Dynamiczna eoria arbirażu cenowego 7 III. CZYNNIKI WPŁYWAJĄCE NA WYCENĘ AKCJI Rola rynku akcji w gospodarce Model zdyskonowanych dywidend Czynniki wpływające na wycenę akcji Sposoby usalania wpływu zmiennych na cenę akcji 36 IV. ZASTOSOWANIE DLA POLSKIEGO RYNKU KAPITALOWEGO Klasyczna APT Dynamiczna APT 46 ZAKOŃCZENIE 5 Załącznik. Źródła danych 53 LITERATURA 55
3 WSTĘP Klasyczna eoria arbirażu cenowego (ang. Arbirage Pricing Theory, APT, por. Ross S. [976]) sanowi jedną z podsawowych eorii rynku kapiałowego. Model arbirażu cenowego rakować można jako alernaywę lub rozszerzenie modelu CAPT (ang. Capial Asse Pricing Theory, por. Sharpe a W [964]). Obydwa modele należą do grupy eorii porfelowych objaśniających właściwości doyczące zysku (j. warości oczekiwanej sopy zwrou) i ryzyka (j. wariancji sopy zwrou) zespołu inwesycji w papiery warościowe. Podsawową różnicą między wspomnianymi eoriami jes określenie źródeł ryzyka. Model Sharpe a zakłada, że wspólna zmienność cen akcji wynika jedynie z chwiejności indeksu odzwierciedlającego ogólną koniunkurę na rynku. Zgodnie ze specyfikacją Rossa zmienność a może być kszałowana przez dowolną liczbę czynników. Począkowa, klasyczna wersja eorii arbirażu cenowego opiera się na założeniu, że sopy zwrou z inwesycji w akcje generowane są przez sacjonarny proces sochasyczny. Wyniki analizy empa wzrosu cen akcji (por. np. Keim D., Sambaugh R. [986], Danielsson J. [994], Hamilon J., Lin G. [996],) dowodzą zmienności wariancji ego procesu. Zmienność a jes uwzględniona w dynamicznej specyfikacji modelu arbirażu cenowego (por. Engle R., Ng V., Rohschild M [990]). Część badań doyczących eorii arbirażu cenowego (por. Chen N., Roll R., Ross S. [986], Cragg J. I Donald S. [99], Sokalska M. [996]) sanowi analizę zależności między cenami akcji a poziomem zmiennych makroekonomicznych. Wyniki wskazują, że ceny akcji reagują na informacje związane z koniunkurą na rynku, zmianami poziomu produkcji przemysłowej oraz oczekiwaniami doyczącymi kszałowania się sóp procenowych. Niesey, oprócz ych nielicznych prac nie ma wielu dowodów 3
4 wskazujących na isnienie sałych powiązań pomiędzy sferą realną gospodarki a cenami papierów udziałowych. Prezenowane opracowanie sanowi analizę zależności pomiędzy zmiennymi ekonomicznymi a kursami akcji noowanych na Giełdzie Papierów Warościowych w Warszawie. W pierwszym rozdziale pracy przedsawione zosały założenia eorii arbirażu cenowego, ogólna posać modelu oraz esy służące określeniu jego jakości. Nasępnie podana jes procedura, za pomocą kórej worzy się porfele inwesycyjne o usalonych właściwościach doyczących oczekiwanej sopy zwrou i ryzyka. Ponieważ eoria APT wykorzysuje procedury analizy czynnikowej (ang. facor analysis, FA) meoda a opisana jes na począku rozdziału. W rozdziale drugim omówiono modele klasy ARCH, ze szczególnym uwzględnieniem specyfikacji ARCH czynnikowego. Ponado przedsawiono meody esymacji paramerów dynamicznego modelu arbirażu cenowego. Rozdział rzeci zawiera analizę roli rynku kapiałowego w gospodarce narodowej oraz mechanizmów oddziaływania wybranych zjawisk ekonomicznych na ceny akcji. Kryerium wyboru zmiennych opare jes na bazie modelu zdyskonowanych dywidend. W osanim, czwarym rozdziale przedsawione są wyniki zasosowania eorii arbirażu cenowego do wyceny 6 akcji noowanych na Giełdzie Papierów Warościowych w Warszawie w okresie syczeń 997 lisopad 00. Inerpreacja orzymanych wyników oraz wskazanie możliwych zasosowań omówionej meody do podejmowania decyzji inwesycyjnych kończą pracę. 4
5 ROZDZIAŁ I TEORIA ARBITRAŻU CENOWEGO.. Model analizy czynnikowej Analiza czynnikowa zosała po raz pierwszy zasosowana do badania zależności pomiędzy ocenami, uzyskanymi przez uczniów, z sześciu różnych esów przedmioowych (por. Spearman C. [904]). Wyniki wskazywały, że każdy z uczniów uzyskiwał podobne noy ze wszyskich esów. Sformułowana zosała hipoeza, że zw. ukryy czynnik (kóry można inerpreować jako iloraz ineligencji ucznia) uwarunkowywał orzymane oceny. Zasosowanie analizy czynnikowej umożliwiło dokonanie charakerysyki każdego z uczniów za pomocą ylko jednej zmiennej ( ukryego czynnika ). Oczywiście redukcja badanych zmiennych z sześciu do jednej odbyła się koszem uray informacji. Analiza czynnikowa jes modelem za pomocą kórego można skonsruować grupę szucznych zmiennych, zwanych dalej czynnikami wspólnymi (ang. common facors, CF), kóre odzwierciedlają informację zawarą w macierzy obserwacji dużo liczniejszego zbioru zmiennych. Głównym kryerium w procesie esymacji warości czynników wspólnych jes minimalizacja uray informacji, kóra wynika z redukcji zmiennych. Analiza czynnikowa jes zazwyczaj sosowana w przypadku gdy ilość zaobserwowanych zmiennych jes zby duża, aby móc je przeworzyć do dalszych badań. Oznaczmy macierz obserwacji dla N zmiennych losowych w okresach =,,...,T przez Y=[y () y ()... y N() ]. Ponado niech y i() =[y i y i... y it ] T i y (i) =[y y... y N ] oznaczają odpowiednio i-ą kolumnę oraz -y wiesz macierzy Y. Analiza czynnikowa opiera się na założeniu, że niezależnie od momenu wekor T y (i) jes generowany przez proces o N- wymiarowym rozkładzie normalnym N(µ, Ω), gdzie µ=[µ µ... µ N ] T jes wekorem warości 5
6 ε = Μ ε oczekiwanych, naomias Ω jes macierzą kowariancji. Dodakowo dla każdego usalonego i=,,...,n każda ze zmiennych y i() jes funkcją K<N czynników wspólnych f k() =[f k f k... f kt ] T (k=,,...,k) oraz zmiennej losowej ε i() =[ε i ε i... ε it ] T, zwanej czynnikiem swoisym (ang. indiosyncraic facor, IF). W dalszej części zakłada się, że y i() są kombinacją liniową czynników wspólnych i czynników swoisych (por. Roll R. i Ross S. [980]), zn.: y i = µ β... i i f βi f βik f K ε i. (.) Paramery β ik zwane ładunkami czynnikowymi (ang. facor loadings, FL), reprezenują wpływ k-ego czynnika wspólnego na i-ą zmienną obserwowalną. Równanie (.) można zapisać akże w posaci macierzowej: gdzie: Y = FB, (.) F=[f () f ()... f K() ] jes macierzą warości czynników wspólnych, ε=[ε () ε ()... ε N() ] jes macierzą warości czynników swoisych, B=[β (k) β (k)... β N(k) ] jes macierzą ładunków czynnikowych, M=[µ () µ ()... µ N() ] jes macierzą wyrazów wolnych. Zakłada się, że warość zmiennej µ i nie zależy od okresu obserwacji, zn. µ i =µ i, Dalej przyjmuje się, że zmienne losowe f k() i ε i() spełniają nasępujące założenia (por. Laudański i Wójcik [989], s.5): a) warości oczekiwane czynników wspólnych i czynników swoisych są równe zeru, zn.: E f ] = 0 dla k=,,...,k (.3a) [ k() E [ i() ] 0 dla i=,,...,n (.3b) b) Czynniki wspólne są nawzajem oronormalne, zn.: 0 dla k l Cov[ f k(), fl() ] = dla k,l=,,...,k (.3c) dla k = l 6
7 , ε dla ε ψ ε ε ε ε ε Ψ c) Macierz kowariancji czynników swoisych, oznaczana jako Ψ, jes diagonalna, zn.: ε ψ0 dla i j Cov[ i(), j() ] = ij = i,j=,,...,n (.3d) i dla i = j = d) Czynniki swoise i czynniki wspólne są wzajemnie orogonalne, zn.: Cov [ i((), fk() ] 0 dla i=,,...,n ; k=,,...,k (.3e). Powyższe założenia pozwalają wyznaczyć elemeny macierzy Ω jako funkcję elemenów macierzy Β i macierzy Ψ: T T T T T T T T T = Var ( Y) = ( B F )( FB ) = B F FB B F = B B (.4) Tożsamość (.4) można zapisać oddzielnie dla każdego z elemenów macierzy Ω jako: ω = Var( ) = β β β ψ (.5a) ii y i i i... ik i ω = Cov y, y ] = β β β β... β β dla i j (.5b) ij [ i j i j i j ik jk Pierwszym eapem analizy czynnikowej jes esymacja elemenów macierzy Β i Ψ. Kryerium jes maksymalizacja roli czynników wspólnych przy równoczesnym eliminowaniu wpływu czynników swoisych w procesie określania zmienności cech Y. Dokonuje się ego poprzez odpowiedni dobór ładunków czynnikowych. Do najpowszechniejszych meod wyznaczania macierzy ładunków należą meoda cenroidalna (por. Plua W. [977] s.64-76), meoda głównych składowych (por. Laudański Z., Wójcik A. [989] s.50-53), meoda najmniejszych kwadraów (por. Fine J. [993]) oraz meoda największej wiarygodności (por. Joreskog K. [967]). W dalszej części pracy sosowana będzie osania z wymienionych meod, ponieważ najwięcej wiadomo na ema jej saysycznych właściwości. W przypadku gdy macierz kowariancji Ω dana przez (.4) jes nieosobliwa, do wyznaczenia szukanych paramerów wysarczające są informacje zaware w macierzy ˆ T T = ( y(i) (i) ) ( y(i) (i) ) (.6) T = 7
8 Ψ Ψ Β Μ Μ Μ Μ Β Μ Β Ψ Ψ Μ Β Β Ψ gdzie ^ oznacza esymaor Ω. Zakłada się, że esymaor ˆ należy do rozkładu Wishara. W rezulacie warość funkcji wiarygodności wynosi (por. Morrison D. [990], s.454): T N T ˆ ˆ T L( ) = c exp[ r( ˆ )], (.7) gdzie c jes pewną sałą. Podsawiając (.4) do (.7) i logarymując orzymuje się: ˆ T N ˆ T T T T l( ) = ln c ln ln r[( ) ˆ ]. (.8). Maksymalizując (.8) po elemenach macierzy Β i Ψ przy resrykcjach zerowych nałożonych na nie-diagonalne elemeny macierzy Ψ uzyskuje się esymaory macierzy Β i Ψ (szerzej w: Joreskog K. [967]). W nasępnym eapie analizy czynnikowej dokonuje się aproksymacji warości czynników wspólnych. W celu uproszczenia esymacji zakłada się, że oszacowania czynników wspólnych są kombinacją liniową odchyleń zmiennych obserwowalnych od ich warości oczekiwanej, a więc: Fˆ = (Y Μ)C, (.9) gdzie C jes macierzą esymowanych paramerów o wymiarach N K. Isnieje wiele meod wyznaczenia macierzy C (szerzej w: Fine J. [993]), z kórych przedsawiona zosanie meoda największej wiarygodności. Jeżeli przyjmie się, że Y jes Ψ generowane przez proces o rozkładzie normalnym, o esymaor MNW macierzy C uzyskuje się maksymalizując funkcję (por. Barle M.S. [937]): ΒΨ ˆ T ˆ l = r{ [ ( Y ) FB ] [ ( Y ) FB ] } = (.0) T = r{ [ ( Y ) ( Y ) CB ] [ ( Y ) ( Y ) CB ] } Powyższe wyrażenie osiąga maksimum dla (por. Fine J. [993]): ˆ T T C [( ) ] (.) = ΒΨ 8
9 Μ Β ΒΒ ΨΨ Β ΒΨ Wsawiając (.) do (.9) orzymuje się esymaor macierzy czynników wspólnych: ˆ T T F ( Y )[ ( ) ] (.) W kolejnym eapie należy sprawdzić, czy K czynnikowy model isonie odwarza Β macierz kowariancji daną przez (.6). Dokonuje się ego za pomocą esu Barle a. Sprawdzianem jes zespołu hipoez: H : = T 0 Ψ (.3a) H T : (.3b) jes saysyka: (por. Morrison D. [990] s.463): ˆ ˆ ˆ χ = [ T (N 5) K]ln, (.4) 6 3 ˆ = ΒΨ ΒTΒ o rozkładie χ o ν = [( N K) N K] sopniach swobody. Warości saysyki większe od warości kryycznej wskazują na przyjęcie hipoezy H... Teoria arbirażu cenowego W dalszej analizie przyjmować będziemy nasępujące założenia. Po pierwsze, że nie ma koszów ransakcji. Oznacza o, że składając zlecenia kupna lub sprzedaży nie płaci się prowizji od dokonanej ransakcji. Po drugie zakłada się doskonałą podzielność insrumenów finansowych. Pomimo iż najmniejszą jednoską jes akcja, kórej nie można sprzedawać w częściach, o jednak w przypadku dosaecznie dużych kapiałów można przyjąć, że dana lokaa jes doskonale podzielna. Po rzecie przyjmuje się, że nie ma podaków od dochodów uzyskanych na rynkach kapiałowych. Jes o nieprawdą w przypadku rynków rozwinięych. W Polsce isnieją jedynie plany opodakowania dochodów z inwesycji w akcje. 9
10 Po czware wymaga się aby ransakcje pojedynczego inwesora nie miały wpływu na cenę insrumenu finansowego. Dla spółek o największej kapializacji noowanych na naszym rynku dany wpływ jes zauważalny jedynie w przypadku poważnych inwesorów insyucjonalnych. Jednak w przypadku spółek o niskiej kapializacji i warości dziennego obrou nie przekraczającej kilku ysięcy złoych pojedyncze ransakcje mogą usalić kurs dnia. Spekakularnym przypadkiem jes zw. spirala poznańska, czyli zmowa kilku inwesorów indywidualnych, kórzy w laach 993/94 dzięki manipulacji spowodowali wzros kursu akcji spółki Efek o kilkase procen. Po piąe zakłada się, że wysępuje króka sprzedaż akcji. Oznacza o, że isnieje możliwość pożyczania akcji od innego inwesora. Nasępnie akcje są sprzedawane, a po upływie wyznaczonego erminu odkupywane oraz oddawane ich pierwonemu właścicielowi. Na rynkach rozwinięych całą ransakcję aranżuje dom maklerski. W Polsce króka sprzedaż jes już uregulowana prawnie i znajduje się w sadium rozwoju. Po szóse przyjmuje się nieograniczoną możliwość udzielania bądź zaciągania kredyu przy sopie wolnej od ryzyka. Sopa procenowa wolna od ryzyka może zosać wyznaczona przez oprocenowanie WIBOR M. W prakyce insyucje finansowe i inni inwesorzy zaciągając kredy muszą poencjalnemu pożyczkodawcy zapłacić premię za ryzyko. Jeżeli jednak przyjmie się, że inwesor posiada lokaę oprocenowaną według sopy WIBOR M, o jej likwidacja może być rakowana za ransakcję równoznaczną z zaciągnięciem kredyu po sopie wolnej od ryzyka. Na koniec zakłada się, że przy podejmowaniu decyzji inwesorzy biorą pod uwagę jedynie oczekiwaną sopę zwrou i ryzyko inwesycji w określone insrumeny finansowe. Z pewnością wielu inwesorów zwraca szczególną uwagę na dwa pierwsze momeny sóp zwrou. Jednakże nie można ze sanowczością swierdzić, że wszyscy kierują się jedynie powyższymi kryeriami przy podejmowaniu decyzji inwesycyjnych. 0
11 Oznaczmy sopę zwrou z i-ej akcji w okresie jako: ci di r i =, (.5) c i, gdzie c i jes ceną akcji na koniec okresu, zaś d i jes warością praw do dywidendy przypadających na jedną akcję, kóre zosały przyznane w okresie. Nasępnie zdefiniujmy nadzwyczajną sopę zwrou (ang. excess asse reurn, EAR) jako: y r r i 0, i =, (.6) r0, gdzie r 0, oznacza sopę zwrou z inwesycji w papiery warościowe o zerowym ryzyku (ang. risk free). W badaniach prowadzonych dla rynku kapiałowego w Sanach Zjednoczonych dokonanych przez Engle a, Ng oraz Rohschilda [99] przyjęo że akim insrumenem finansowym są jednomiesięczne bony skarbowe. Polskim odpowiednikiem, dla kórego isnieje szereg czasowy w okresie syczeń 997-lisopad 00, może być sopa procenowa WIBOR M. W rezulacie warość y i jes równa różnicy sopy zwrou z inwesycji w i-ą akcję i lokay oprocenowanej według sopy WIBOR M. Model APT jes zaliczany do klasy modeli czynnikowych i w związku z ym nadzwyczajne sopy zwrou generowane są przez proces (por. Ross S. [976]): y i = µ β f β f... β f ε. (.7) i i i ik K i Należy zauważyć, że (.8) jes idenyczne z (.). Isnieją dwie możliwości wyznaczania wekorów f (),f (),...,f K(), czyli regresorów modelu (.7). Zgodnie z klasyczną eorią arbirażu cenowego używana jes analiza czynnikowa. Druga z meod polega na odgórnym wyznaczeniu zbioru zmiennych makroekonomicznych mających wpływ na kszałowanie się kursów akcji. Przykładami zasosowania są prace Sokalskiej [996] dla rynku polskiego oraz Chena, Rolla i Rossa [986] dla rynku amerykańskiego.
12 Β Decydując się na wybór klasycznej APT należy arbiralnie określić ilość czynników (np. w badaniach prowadzonych przez Rolla i Rossa [980] dla rynku amerykańsiego model APT szacowano dla pięciu czynników wspólnych). Nasępnie sosując analizę czynnikową orzymuje się esymaory macierzy czynników wspólnych, ładunków czynników oraz czynników swoisych. Powyższe esymaory są wykorzysywane w celu sworzenia porfeli o właściwościach wymaganych przez inwesora. Przykładowo, aby sworzyć porfel wrażliwy jedynie na k-y czynnik wspólny ze współczynnikiem wrażliwości równym (dalej nazywany k-ym porfelem reprezenaywnym), należy rozwiązać układ równań: N i= N i= w ik ik β = ik w β = 0 ij dla j k dla k=,,...,k (.8) Wagi w ik oznaczają warość ransakcji zamiany lokay oprocenowanej według sopy WIBOR M na akcje i-ej spółki (przy konsrukcji porfela wrażliwego jedynie na k-y czynnik). Układ (.8) można zapisać akże w posaci macierzowej: WΒT = I K K, (.9) gdzie: W=[w (k) w (k)... w N(k) ] jes macierzą wag, I K K ΒΒ macierzą jednoskową o wymiarach K K. Przykładem macierzy wag, dla kórej zachodzi (.9) jes: W T = ( ). (.0) Dla usalonej macierzy wag nadzwyczajną sopę zwrou dla k-ego porfela reprezenaywnego w okresie oblicza się za pomocą wzoru: p = w y w y... w k y k k Nk N. (.) W posaci macierzowej równość (.) można zapisać nasępująco:
13 T P = YW, (.) gdzie P=[p () p ()... p K() ] jes macierzą nadzwyczajnych sóp zwrou z inwesycji w porfele reprezenaywne. gdzie: Podsawiając (.) oraz (.9) do (.) orzymuje się: P=(MFBε)W T =MW T FBW T εw T =MW T FεW T, (.3) MW T jes macierzą warości oczekiwanych porfeli, F jes zmiennością objaśnianą przez czynniki wspólne, εw T jes macierzą czynników swoisych porfeli. Dla zdywersyfikowanych porfeli dowodzi się, że IF charakerysyczne dla pojedynczych T akcji wzajemnie znoszą się (por. Roll R., Ross S. [980]), zn. limvar( εw ) = 0. Warości oczekiwane nadzwyczajnej sopy zwrou dwóch porfeli reprezenaywnych zależnych od ego samego czynnika wspólnego muszą przyjmować ę samą warość. Wynika o z prawa jednej ceny, zgodnie z kórym dwa insrumeny finansowe o jednakowym ryzyku nie mogą mieć różnych sóp zwrou. Gdyby aka syuacja zaisniała, pojawiliby się arbirażyści, kórzy zamieniając gorszą lokaę na lepszą osiągaliby zyski bez ponoszenia ryzyka. Ponieważ porfele zależne jedynie od k-ego czynnika wspólnego N są inwesycjami o jednakowym ryzyku, zaem ich sopy zwrou są sobie równe. Oznaczmy przez λ k warość premii za ryzyko związane z k-ym czynnikiem wspólnym (czyli λ k =E[p k ]). Warość oczekiwana nadzwyczajnej sopy zwrou dla i-ej akcji powinna równać się łącznej warości premii za ryzyko związanych ze wszyskimi czynnikami wspólnymi, czyli: E [ y i ] = µ i = λ βi λβi... λk βik ui dla i=,,...,n, (.4) gdzie u i jes składnikiem losowym. 3
14 Β Oszacowania paramerów λ k można uzyskać w na dwa sposoby. Po pierwsze, można λskonsruować ΒΒ porfele reprezenaywne i nasępnie obliczyć λ k =E[p k ] dla k=,,...,k. Drugi ze sposobów polega na zasosowaniu meody najmniejszych kwadraów do opymalizacji modelu (.4). Wówczas esymaor MNK jes dany przez: ˆ T = ( ), (.5) gdzie µ=[µ µ... µ N ] T, zaś λ=[λ λ... λ K ] T oznacza wekor poszukiwanych paramerów. W celu sprawdzenia jakości dopasowania modelu do zaobserwowanych szeregów czasowych sosuje się rzy esy. Pierwszy z nich weryfikuje, czy warość oczekiwana nadzwyczajnej sopy zwrou z inwesycji w akcję jes zależna od warości ładunków czynnikowych charakerysycznych dla danej akcji. Zespół hipoez: H H 0 : λ = λ =... = λ : i {,,..., K} i λ 0 K = 0 (.6) esuje się za pomocą saysyki mnożników Lagrange a posaci: LM = NR, (.7) gdzie R jes współczynnikiem deerminacji modelu (.4). Saysyka LM ma rozkład χ o ν=k sopniach swobody. Warości saysyki mniejsze od poziomu kryycznego wskazują na przyjęcie hipoezy zerowej, kóra oznacza, że APT nie wyjaśnia zmian cen akcji. Drugi z esów, zwany esem Chowa (por. Chow G. [985]), sosuje się do weryfikacji hipoezy o sabilności paramerów λ k. Zgodnie z procedurą zbiór akcji dzieli się na dwa rozdzielne zbiory, a nasępnie dla każdego z nich dokonuje się esymacji paramerów meodą MNK. Oznaczając przez RSS, RSS oraz RSS sumy kwadraów resz odpowiednio dla pierwszej i drugiej grupy oraz dla całej próby oblicza się saysykę: ( RSS RSS RSS) ( N K) F = (.8) RSS RSS K 4
15 należącą do rozkładu F-Snedecora o ν =K i ν =N-K sopniach swobody. Saysyka a sosowana jes do weryfikacji hipoezy o sabilności paramerów. Warości należące do przedziału kryycznego wskazują na niesabilność paramerów modelu APT. W wielu pracach zosała udokumenowana dodania zależność oczekiwanej sopy zwrou od odchylenia sandardowego (por. np.: Fama E. [993], Roll R., Ross S. [980]). W celu sprawdzenia czy odchylenie sandardowe i ej akcji: s i = T = ( y i µ ) T i (.9) wnosi dodakową informację do modelu (.4) esuje się nasępujący zespół hipoez: H H 0 : µ i = λβ i λβi... λk βik. (.30) : µ = λ β λ β... λ β γs i i i K ik i Ich sprawdzianem jes saysyka mnożników Lagrange a (por..7), gdzie R jes współczynnikiem deerminacji modelu: u i = φ βi φβi... φk βik φksi ηi (.3) (u i są reszami modelu (.4)). Saysyka LM ma rozkład χ o ν= sopniu swobody. Niskie warości saysyki świadczą, że odchylenie sandardowe nie wnosi dodakowej informacji do modelu APT. Model arbirażu cenowego jes arakcyjną alernaywą w sosunku do innych modeli porfelowych. Po pierwsze, przyczyny ryzyka inwesycynego nie są ograniczone ylko do jednego czynnika jak ma o miejsce w przypadku modelu CAPT. Po drugie, zasosowanie procedur analizy czynnikowej umożliwia opymalne wykorzysanie informacji zawarej w macierzy kowariancji nadzwyczajnych sóp zwrou. 5
16 6
17 ROZDZIAŁ II DYNAMICZNA TEORIA ARBITRAŻU CENOWEGO Klasyczna eoria arbirażu cenowego opiera się na założeniu, że nadzwyczajne sopy zwrou z inwesycji w akcje są generowane przez sacjonarny proces sochasyczny o wielowymiarowym rozkładzie normalnym: y T (i) N(, ) dla =,,...,T (.) Badania zmienności kursów giełdowych dowodzą wysępowania szeregu zjawisk świadczących o zmienności w czasie paramerów procesu generującego nadzwyczajne sopy zwrou (por. Bollerslev T., Engle R., Nelson D. [994], Welfe A. [000] s.). Po pierwsze, duże zmiany mają endencję do nasępowania po dużych zmianach, naomias zmiany mniejsze nasępują po mniejszych zmianach. Zjawisko o nazywane jes grupowaniem wariancji (ang. volailiy clusering). Po drugie, noowania akcji firm sosujących finansowanie zewnęrzne, czyli zw. dźwignię finansową, są bardziej wahliwe w momencie spadku warości kapiału własnego danej spółki. Dane zjawisko zosało nazwane jako efek dźwigni (ang. leverage effec). Po rzecie, prognozowalne wydarzenia (ang. forecasable evens) czyli np. ogłoszenie wyniku finansowego, plany fuzji id. powodują ex-ane zwiększoną wahliwość sóp zwrou. Po czware, noowania spółek na giełdzie są zależne od ogólnego sanu gospodarki. Zauważalna jes zwiększona wahliwość w okresach recesji, zaś zmniejszona w okresie wzrosu. Wynika z ego, że na rozkład sóp zwrou ma wpływ niepewność makroekonomiczna. 7
18 α W wyniku przyjmuje się, że nadzwyczajne sopy zwrou są generowane przez dynamiczny proces sochasyczny (por. Hamilon J., Lin G. [996], Keim D., Sambaugh R. [986]): y T (i) N, ). (.) ( W celu uwzględnienia w modelu zmienności paramerów µ i Ω oraz ewenualnego wpływu Ω na µ sosuje się modele z auoregresyjną wariancją warunkową (ang. auoregressive condiional heeroskedasic, ARCH)... Modele klasy ARCH Model ARCH zosał po raz pierwszy zasosowany do badania inflacji Wielkiej Bryanii (por. Engle R. [98]). Specyfikacja ARCH polega na dodaniu do modelu ekonomerycznego równania pomocniczego opisującego zmienność wariancji warunkowej (heeroskedasyczność) składnika losowego. Zakłada się, że kwadray resz są generowane przez proces AR(P): y I h = h( e e = y N( x x, e (l) b (l) b; h ),..., e P, ), (.3) gdzie: y zmienna objaśniana x (l) wekor L zmiennych objaśniających, w ym opóźnione zmienne objaśniane h wariancja warunkowa składnika losowego I zasób informacji w okresie α,b wekory paramerów. Przyjmując liniowość funkcji h() układ (.3) można sprowadzić do posaci: 8
19 9 b x b x (l) 0 (l)... ) ; ( = = P p y e e e e h h N I y α α α α (.4) Jeżeli oznaczymy kwadray resz jako sumę wariancji warunkowej h oraz składnika losowego ) 0, ( ν σ ν N, czyli h e ν =, o układ (.4) można przekszałcić do: b x b x (l) 0 (l)... ) ; ( = = P p y e e e e e h N I y ν α α α α (.5) Badania empiryczne wykazały, że modele ARCH(P) częso wymagają wprowadzenia wysokich opóźnień (wysoka warość P), co powoduje zmniejszenie liczby sopni swobody. Dany problem można rozwiązać poprzez zasosowanie uogólnionego modelu z auoregresyjną wariancją warunkową (ang. generalized auoregressive condiional heeroskedasic, GARCH) (por. Bollersleva T. [986]), w kórym w równaniu pomocniczym dodaje się opóźnienia wariancji warunkowej (h -, h -,...,h -Q ): b x b x (l) 0 (l) ) ; ( = = Q Q P P y e h h h e e e e h N I y ν γ γ γ α α α α (.6) Podsawiając wyrażenie e ν w miejsce h orzymuje się (por. Bollerslev T., Engle R., Nelson D.[994]): Q Q S S S e e e = ν γ ν γ ν γ α γ α α... ) (... ) ( 0, (.7) czyli reprezenację ARMA(S,Q) procesu generującego kwadray resz (S=max(P,Q)). W eorii finansów wiele modeli, w ym APT, opiera się na założeniu że wariancja emp wzrosu cen papierów warościowych (nazywana ryzykiem) w znacznej mierze objaśnia empa wzrosu cen akcji. Zasosowanie modeli klasy ARCH do badania danej zależności dokonuje się poprzez wprowadzenie wariancji warunkowej h jako dodakowego regresora w równaniu opisującym zmienność nadzwyczajnych sóp zwrou (por. Engle R.,
20 Lilien D., Robins R. [987]). Dana specyfikacja o model GARCH-M(p,q), sanowi układ równań: y I e e = y 0 N ( x = α α e x (l) b (l) b δh ; h ) α e... α e P P γ h γ h... γ h Q Q ν (.8) W przypadku nieliniowej zależności pomiędzy y i h równanie podsawowe może mieć przykładowo nasępującą posać: y y N( x b δ h ; h ) (.9) I (l) N ( x b δ ln h ; h ) (.0) I (l) Pozosałe modele ARCH zosały przedsawione między innymi w Welfe A. [000]. s.5-3. W procesie esymacji modeli klasy ARCH należy pamięać o dwóch ograniczeniach. Po pierwsze, wymaga się aby bezwarunkowa wariancja składnika losowego (por. Bollerslev T., Engle R., Nelson D.[994]): α0 Var( ε ) σ = (.) P Q ( γ ) α p p= q= q była dodania i skończona, czyli aby proces {y } miał sacjonarną wariancję (ang. covariance saionary). Po drugie, wymaga się aby proces {y } był regularny, czyli aby wariancja warunkowa była dodania dla każdego okresu (por. Engle R. [98]): h 0 dla każdego =,,...,T (.) W ym celu na paramery modeli ARCH narzuca się nasępujące resrykcje (por. Bollerslev T., Engle R., Nelson D. [994]): P Q p α γ < (.3a) p= q= q α 0 > 0 (.3b) 0
21 γ α 0 dla p=,,...,p (.3c) p γ 0 dla q=,,...,q. (.3d) q Decydując się na wybór modelu ARCH przed przysąpieniem do esymacji należy sprawdzić, czy składnik losowy jes heeroskedasyczny. Dokonuje się ego za pomocą esu mnożnika Lagrange a (por. wzór.7) isoności paramerów modelu: e = a0 ae ape P... ς, (.4) gdzie e jes reszą regresji y względem x (l). Saysyka (.7) ma rozkład χ o P sopniach swobody. Wysokie warości saysyki świadczą o wysępowaniu efeku ARCH. Inuicja powyższego esu jes dosyć prosa. Jeżeli kwadray resz są od siebie niezależne, czyli składnik losowy jes homoskedasyczny, wedy współczynnik deerminacji i warość saysyki (.7) są niskie. Nasępnym eapem jes esymacja paramerów układu (.5), (.6) lub (.8) w zależności od wybranego modelu. Najczęściej używanym jes esymaor meody największej wiarygodności. Sosując MNW należy założyć, że dla każdego okresu zmienna objaśniana ma rozkład normalny o paramerach y N x b; h ) dla modeli ( (l) ARCH i GARCH lub y N x b δh ; h ) dla modelu GARCH-M. W akim przypadku ( (l) warość funkcji wiarygodności dla pojedynczego okresu wynosi: L 0,5 e = (π h ) exp{ ) (.5) h gdzie e jes reszą daną przez (.5), (.6) lub (.8). W rezulacie, logarym funkcji wiarygodności dla całego okresu próby przyjmuje warość: T T T e l( y α, b,, δ ) = ln(π ) ln h (.6) h = = W celu uzyskania esymaorów paramerów α, b, γ, δ należy znaleźć maksimum wyrażenia (.6). Algorymem za pomocą kórego dokonuje się maksymalizacji, sugerowanym przez
22 Engle R., Lilien D., Robins R. [987] jes algorym BHHH przedsawiony przez Brend E., Hall B., Hall R., Hausman J. [974]. W rakcie esymacji sosuje się między innymi nasępujące rzy esy. Pierwszym z nich jes współczynnik deerminacji modelu (por. Welfe A. [000], s.3): e φ φ ς = 0 h (.7) Drugim miernikiem jes współczynnik kierunku zmian: (por. Welfe A. [000], s.4-5): N{ y ˆ y > 0} Q =. (.8) N{ y yˆ 0) Mianownik wyrażenia (.8) oznacza ilość obserwacji dla kórych warość eoreyczna i obserwowana były idenycznego znaku, naomias licznik wskazuje na ilość obserwacji dla kórych warość obserwowana lub eoreyczna były różne od zera. Warości danej saysyki dla niezależnych y i yˆ przyjmują warość 50%. Warości większe od 70% świadczą o dobrym dopasowaniu. Osani z esów jes sosowany do weryfikacji hipoezy, że wysandaryzowane składniki losowe: e z = (.9) h należą do niezależnego rozkładu normalnego N(0,). W ym celu sosuje się saysykę: MR = T z = (.0) należącą do rozkładu χ o T sopniach swobody. Zby niskie lub zby wysokie warości świadczą, że wysandaryzowany składnik losowy nie należy do rozkładu normalnego N(0,).
23 Α.. Wielowymiarowe modele ARCH Wiele modeli z zakresu eorii finansów, w ym APT, opisuje zachowanie wielowymiarowych zmiennych losowych. Przyczyną są wzajemne relacje cen insrumenów finansowych. Przykładowo Diebold F. I Nerlove M. [989] dowiedli, że pojawiające się informacje mają jednoczesny wpływ na noowania dolara w sosunku do siedmiu różnych walu. Podobne wnioski doyczące wspólnej zmienności cen akcji można uzyskać poprzez analizę noowań giełdowych. Uwzględnienie w modelu zależności wysępujących pomiędzy zmiennymi, czyli niezerowych kowariancji, prowadzi do uzyskania większej efekywności szacowanych paramerów. Co więcej, jeżeli macierz kowariancji badanych zmiennych nie jes sała w czasie, o uwzględnienie ej informacji pozwala na dalsze zwiększenie precyzji szacunku. Precyzyjny esymaor macierzy kowariancji jes cenną informacją dla insyucji finansowych, gdyż umożliwia im zopymalizować posiadany porfel (por. King M., Senana E., Wadhwani S.[994]). Modelowanie zmienności macierzy kowariancji jes możliwe za pomocą wielowymiarowej specyfikacji ARCH. Analogicznie do przypadku jednowymiarowego (parz równanie (.3)) definiuje się wielowymiarowy model ARCH: y(i) I N( x(l) ; ) = ( e(i), e(i),..., e(i) P, ), (.) e = y x (i) (i) (l) gdzie: y (i) wekor N zmiennych objaśnianych x (l) wekor L zmiennych objaśniających, w ym opóźnione zmienne objaśniane Ω warunkowa macierz wariancji-kowariancji składnika losowego I zasób informacji w okresie 3
24 A, macierze esymowanych paramerów. Aby proces ARCH był regularny (parz definicja.), czyli aby wariancje warunkowe były dodanie oraz aby dodakowo zachodziła nierówność ω, ij, ωii, ω jj, funkcja Ω musi być określona półdodanio. W celu uproszczenia wnioskowania zazwyczaj przyjmuje się, że funkcja Ω ma posać liniową i ylko akie przypadki będą rozparywane w dalszej części pracy. Przy doborze specyfikacji funkcji szczególną uwagę należy zwrócić na rzy aspeky. Po pierwsze, rzeba zasanowić się jakie są rudności w urzymaniu założenia o półdodaniej określoności macierzy kowariancji Ω. Po drugie, powinno się zadbać aby ilość esymowanych elemenów macierzy Α i była możliwie najmniejsza. Po rzecie, należy uwzględnić przyczynowość kowariancyjną, czyli wzajemną przyczynowość pomiędzy zmiennymi będącymi elemenami macierzy Ω dla =,,...,T. W lieraurze ekonomicznej (por. Bollerslev T., Engle R., Nelson D. [994]) pojawiają się rzy specyfikacje wielowymiarowe. Pierwszą z nich jes wekorowy ARCH, kóry jes bezpośrednim uogólnieniem modelu ARCH na przypadek wielowymiarowy. Oznacza o, że każdy elemen macierzy wariancji kowariancji Ω modelu (.) jes kszałowany przez proces (por. Diebold F., Nerlove M. [989]): ω α, (.) T T T ij, = ij,0 e(i) Aij,e (i) e(i) Aij, e(i)... e(i) PAij, pe(i) P gdzie A ij,p jes macierzą symeryczną o wymiarach N N. Wielką zaleą specyfikacji (.) jes o, że pozwala ona na uwzględnienie w modelu zjawiska przyczynowości kowariancyjnej. Pomimo ego wekorowy ARCH nie zyskał popularności, ponieważ ilość esymowanych paramerów jes zasraszająco wielka i wynosi N( N ) N ( N ) n = ( P). Pierwsza część wyrażenia oznacza ilość elemenów ω ij macierzy Ω, kóre są szacowane za pomocą (.), naomias liczba w nawiasie jes 4
Parytet stóp procentowych a premia za ryzyko na przykładzie kursu EURUSD
Parye sóp procenowych a premia za ryzyko na przykładzie kursu EURUD Marcin Gajewski Uniwersye Łódzki 4.12.2008 Parye sóp procenowych a premia za ryzyko na przykładzie kursu EURUD Niezabazpieczony UIP)
Bardziej szczegółowoDYNAMICZNE MODELE EKONOMETRYCZNE
DYNAMICZNE MODELE EKONOMETRYCZNE IX Ogólnopolskie Seminarium Naukowe, 6 8 września 005 w Toruniu Kaedra Ekonomerii i Saysyki, Uniwersye Mikołaja Kopernika w Toruniu Pior Fiszeder Uniwersye Mikołaja Kopernika
Bardziej szczegółowoWNIOSKOWANIE STATYSTYCZNE
Wnioskowanie saysyczne w ekonomerycznej analizie procesu produkcyjnego / WNIOSKOWANIE STATYSTYCZNE W EKONOMETRYCZNEJ ANAIZIE PROCESU PRODUKCYJNEGO Maeriał pomocniczy: proszę przejrzeć srony www.cyf-kr.edu.pl/~eomazur/zadl4.hml
Bardziej szczegółowoDYNAMICZNE MODELE EKONOMETRYCZNE
DYNAMICZNE MODEE EKONOMETRYCZNE X Ogólnopolskie Seminarium Naukowe, 4 6 września 007 w Toruniu Kaedra Ekonomerii i Saysyki, Uniwersye Mikołaja Kopernika w Toruniu Joanna Małgorzaa andmesser Szkoła Główna
Bardziej szczegółowoDYNAMIKA KONSTRUKCJI
10. DYNAMIKA KONSTRUKCJI 1 10. 10. DYNAMIKA KONSTRUKCJI 10.1. Wprowadzenie Ogólne równanie dynamiki zapisujemy w posaci: M d C d Kd =P (10.1) Zapis powyższy oznacza, że równanie musi być spełnione w każdej
Bardziej szczegółowoMETODY STATYSTYCZNE W FINANSACH
METODY STATYSTYCZNE W FINANSACH Krzyszof Jajuga Akademia Ekonomiczna we Wrocławiu, Kaedra Inwesycji Finansowych i Ubezpieczeń Wprowadzenie W osanich kilkunasu laach na świecie obserwuje się dynamiczny
Bardziej szczegółowoKURS EKONOMETRIA. Lekcja 1 Wprowadzenie do modelowania ekonometrycznego ZADANIE DOMOWE. Strona 1
KURS EKONOMETRIA Lekcja 1 Wprowadzenie do modelowania ekonomerycznego ZADANIE DOMOWE www.erapez.pl Srona 1 Część 1: TEST Zaznacz poprawną odpowiedź (ylko jedna jes prawdziwa). Pyanie 1 Kóre z poniższych
Bardziej szczegółowoAnaliza i Zarządzanie Portfelem cz. 6 R = Ocena wyników zarządzania portfelem. Pomiar wyników zarządzania portfelem. Dr Katarzyna Kuziak
Ocena wyników zarządzania porelem Analiza i Zarządzanie Porelem cz. 6 Dr Kaarzyna Kuziak Eapy oceny wyników zarządzania porelem: - (porolio perormance measuremen) - Przypisanie wyników zarządzania porelem
Bardziej szczegółowoEKONOMETRIA wykład 2. Prof. dr hab. Eugeniusz Gatnar.
EKONOMERIA wykład Prof. dr hab. Eugeniusz Ganar eganar@mail.wz.uw.edu.pl Przedziały ufności Dla paramerów srukuralnych modelu: P bˆ j S( bˆ z prawdopodobieńswem parameru b bˆ S( bˆ, ( m j j j, ( m j b
Bardziej szczegółowoAnaliza metod oceny efektywności inwestycji rzeczowych**
Ekonomia Menedżerska 2009, nr 6, s. 119 128 Marek Łukasz Michalski* Analiza meod oceny efekywności inwesycji rzeczowych** 1. Wsęp Podsawowymi celami przedsiębiorswa w długim okresie jes rozwój i osiąganie
Bardziej szczegółowoMatematyka ubezpieczeń majątkowych r. ma złożony rozkład Poissona. W tabeli poniżej podano rozkład prawdopodobieństwa ( )
Zadanie. Zmienna losowa: X = Y +... + Y N ma złożony rozkład Poissona. W abeli poniżej podano rozkład prawdopodobieńswa składnika sumy Y. W ejże abeli podano akże obliczone dla k = 0... 4 prawdopodobieńswa
Bardziej szczegółowoESTYMACJA KRZYWEJ DOCHODOWOŚCI STÓP PROCENTOWYCH DLA POLSKI
METODY ILOŚCIOWE W BADANIACH EKONOMICZNYCH Tom XIII/3, 202, sr. 253 26 ESTYMACJA KRZYWEJ DOCHODOWOŚCI STÓP PROCENTOWYCH DLA POLSKI Adam Waszkowski Kaedra Ekonomiki Rolnicwa i Międzynarodowych Sosunków
Bardziej szczegółowoWyzwania praktyczne w modelowaniu wielowymiarowych procesów GARCH
Krzyszof Pionek Akademia Ekonomiczna we Wrocławiu Wyzwania prakyczne w modelowaniu wielowymiarowych procesów GARCH Wsęp Od zaproponowania przez Engla w 1982 roku jednowymiarowego modelu klasy ARCH, modele
Bardziej szczegółowoStudia Ekonomiczne. Zeszyty Naukowe Uniwersytetu Ekonomicznego w Katowicach ISSN 2083-8611 Nr 219 2015
Sudia Ekonomiczne. Zeszyy Naukowe Uniwersyeu Ekonomicznego w Kaowicach ISSN 2083-86 Nr 29 205 Alicja Ganczarek-Gamro Uniwersye Ekonomiczny w Kaowicach Wydział Informayki i Komunikacji Kaedra Demografii
Bardziej szczegółowoDYNAMICZNE MODELE EKONOMETRYCZNE
DYNAMICZNE MODELE EKONOMETRYCZNE X Ogólnopolskie Seminarium Naukowe, 4 6 września 2007 w Toruniu Kaedra Ekonomerii i Saysyki, Uniwersye Mikołaja Kopernika w Toruniu Uniwersye Gdański Zasosowanie modelu
Bardziej szczegółowoFinanse. cov. * i. 1. Premia za ryzyko. 2. Wskaźnik Treynora. 3. Wskaźnik Jensena
Finanse 1. Premia za ryzyko PR r m r f. Wskaźnik Treynora T r r f 3. Wskaźnik Jensena r [ rf ( rm rf ] 4. Porfel o minimalnej wariancji (ile procen danej spółki powinno znaleźć się w porfelu w a w cov,
Bardziej szczegółowoEFEKT DŹWIGNI NA GPW W WARSZAWIE WPROWADZENIE
Paweł Kobus, Rober Pierzykowski Kaedra Ekonomerii i Informayki SGGW e-mail: pawel.kobus@saysyka.info EFEKT DŹWIGNI NA GPW W WARSZAWIE Sreszczenie: Do modelowania asymerycznego wpływu dobrych i złych informacji
Bardziej szczegółowoEwa Dziawgo Uniwersytet Mikołaja Kopernika w Toruniu. Analiza wrażliwości modelu wyceny opcji złożonych
DYNAMICZNE MODELE EKONOMETRYCZNE X Ogólnopolskie Seminarium Naukowe, 4 6 września 7 w Toruniu Kaedra Ekonomerii i Saysyki, Uniwersye Mikołaja Kopernika w Toruniu Uniwersye Mikołaja Kopernika w Toruniu
Bardziej szczegółowoNiestacjonarne zmienne czasowe własności i testowanie
Maeriał dla sudenów Niesacjonarne zmienne czasowe własności i esowanie (sudium przypadku) Nazwa przedmiou: ekonomeria finansowa I (22204), analiza szeregów czasowych i prognozowanie (13201); Kierunek sudiów:
Bardziej szczegółowoMODELOWANIE EFEKTU DŹWIGNI W FINANSOWYCH SZEREGACH CZASOWYCH
Krzyszof Pionek Kaedra Inwesycji Finansowych i Ubezpieczeń Akademia Ekonomiczna we Wrocławiu Wsęp MODELOWANIE EFEKTU DŹWIGNI W FINANSOWYCH SZEREGACH CZASOWYCH Nowoczesne echniki zarządzania ryzykiem rynkowym
Bardziej szczegółowospecyfikacji i estymacji modelu regresji progowej (ang. threshold regression).
4. Modele regresji progowej W badaniach empirycznych coraz większym zaineresowaniem cieszą się akie modele szeregów czasowych, kóre pozwalają na objaśnianie nieliniowych zależności między poszczególnymi
Bardziej szczegółowoTransakcje insiderów a ceny akcji spółek notowanych na Giełdzie Papierów Wartościowych w Warszawie S.A.
Agaa Srzelczyk Transakcje insiderów a ceny akcji spółek noowanych na Giełdzie Papierów Warościowych w Warszawie S.A. Wsęp Inwesorzy oczekują od każdej noowanej na Giełdzie Papierów Warościowych spółki
Bardziej szczegółowoWykład 3 POLITYKA PIENIĘŻNA POLITYKA FISKALNA
Makroekonomia II Wykład 3 POLITKA PIENIĘŻNA POLITKA FISKALNA PLAN POLITKA PIENIĘŻNA. Podaż pieniądza. Sysem rezerwy ułamkowej i podaż pieniądza.2 Insrumeny poliyki pieniężnej 2. Popy na pieniądz 3. Prowadzenie
Bardziej szczegółowoE k o n o m e t r i a S t r o n a 1. Nieliniowy model ekonometryczny
E k o n o m e r i a S r o n a Nieliniowy model ekonomeryczny Jednorównaniowy model ekonomeryczny ma posać = f( X, X,, X k, ε ) gdzie: zmienna objaśniana, X, X,, X k zmienne objaśniające, ε - składnik losowy,
Bardziej szczegółowoPREDYKCJA KURSU EURO/DOLAR Z WYKORZYSTANIEM PROGNOZ INDEKSU GIEŁDOWEGO: WYBRANE MODELE EKONOMETRYCZNE I PERCEPTRON WIELOWARSTWOWY
B A D A N I A O P E R A C J N E I D E C Z J E Nr 2004 Aleksandra MAUSZEWSKA Doroa WIKOWSKA PREDKCJA KURSU EURO/DOLAR Z WKORZSANIEM PROGNOZ INDEKSU GIEŁDOWEGO: WBRANE MODELE EKONOMERCZNE I PERCEPRON WIELOWARSWOW
Bardziej szczegółowoStanisław Cichocki Natalia Nehrebecka. Wykład 3
Sanisław Cichocki Naalia Nehrebecka Wykład 3 1 1. Regresja pozorna 2. Funkcje ACF i PACF 3. Badanie sacjonarności Tes Dickey-Fullera (DF) Rozszerzony es Dickey-Fullera (ADF) 2 1. Regresja pozorna 2. Funkcje
Bardziej szczegółowoINWESTYCJE. Makroekonomia II Dr Dagmara Mycielska Dr hab. Joanna Siwińska-Gorzelak
INWESTYCJE Makroekonomia II Dr Dagmara Mycielska Dr hab. Joanna Siwińska-Gorzelak Inwesycje Inwesycje w kapiał rwały: wydaki przedsiębiorsw na dobra używane podczas procesu produkcji innych dóbr Inwesycje
Bardziej szczegółowoPobieranie próby. Rozkład χ 2
Graficzne przedsawianie próby Hisogram Esymaory przykład Próby z rozkładów cząskowych Próby ze skończonej populacji Próby z rozkładu normalnego Rozkład χ Pobieranie próby. Rozkład χ Posać i własności Znaczenie
Bardziej szczegółowoOPTYMALIZACJA PORTFELA INWESTYCYJNEGO ZE WZGLĘDU NA MINIMALNY POZIOM TOLERANCJI DLA USTALONEGO VaR
Daniel Iskra Uniwersye Ekonomiczny w Kaowicach OPTYMALIZACJA PORTFELA IWESTYCYJEGO ZE WZGLĘDU A MIIMALY POZIOM TOLERACJI DLA USTALOEGO VaR Wprowadzenie W osanich laach bardzo popularną miarą ryzyka sała
Bardziej szczegółowoKrzysztof Piontek Weryfikacja modeli Blacka-Scholesa dla opcji na WIG20
Akademia Ekonomiczna im. Oskara Langego we Wrocławiu Wydział Zarządzania i Informayki Kaedra Inwesycji Finansowych i Zarządzania Ryzykiem Krzyszof Pionek Weryfikacja modeli Blacka-Scholesa oraz AR-GARCH
Bardziej szczegółowoOeconomiA copernicana. Małgorzata Madrak-Grochowska, Mirosława Żurek Uniwersytet Mikołaja Kopernika w Toruniu
OeconomiA copernicana 2011 Nr 4 Małgorzaa Madrak-Grochowska, Mirosława Żurek Uniwersye Mikołaja Kopernika w Toruniu TESTOWANIE PRZYCZYNOWOŚCI W WARIANCJI MIĘDZY WYBRANYMI INDEKSAMI RYNKÓW AKCJI NA ŚWIECIE
Bardziej szczegółowolicencjat Pytania teoretyczne:
Plan wykładu: 1. Wiadomości ogólne. 2. Model ekonomeryczny i jego elemeny 3. Meody doboru zmiennych do modelu ekonomerycznego. 4. Szacownie paramerów srukuralnych MNK. Weryfikacja modelu KMNK 6. Prognozowanie
Bardziej szczegółowodr Bartłomiej Rokicki Katedra Makroekonomii i Teorii Handlu Zagranicznego Wydział Nauk Ekonomicznych UW
Kaedra Makroekonomii i Teorii Handlu Zagranicznego Wydział Nauk Ekonomicznych UW Sposoby usalania płac w gospodarce Jednym z głównych powodów, dla kórych na rynku pracy obserwujemy poziom bezrobocia wyższy
Bardziej szczegółowoStanisław Cichocki Natalia Nehrebecka. Wykład 4
Sanisław Cichocki Naalia Nehrebecka Wykład 4 1 1. Badanie sacjonarności: o o o Tes Dickey-Fullera (DF) Rozszerzony es Dickey-Fullera (ADF) Tes KPSS 2. Modele o rozłożonych opóźnieniach (DL) 3. Modele auoregresyjne
Bardziej szczegółowoRACHUNEK EFEKTYWNOŚCI INWESTYCJI METODY ZŁOŻONE DYNAMICZNE
RACHUNEK EFEKTYWNOŚCI INWESTYCJI METODY ZŁOŻONE DYNAMICZNE PYTANIA KONTROLNE Czym charakeryzują się wskaźniki saycznej meody oceny projeku inwesycyjnego Dla kórego wskaźnika wyliczamy średnią księgową
Bardziej szczegółowoEFEKTYWNOŚĆ INWESTYCJI MODERNIZACYJNYCH. dr inż. Robert Stachniewicz
EFEKTYWNOŚĆ INWESTYCJI MODERNIZACYJNYCH dr inż. Rober Sachniewicz METODY OCENY EFEKTYWNOŚCI PROJEKTÓW INWESTYCYJNYCH Jednymi z licznych celów i zadań przedsiębiorswa są: - wzros warości przedsiębiorswa
Bardziej szczegółowoWYKORZYSTANIE STATISTICA DATA MINER DO PROGNOZOWANIA W KRAJOWYM DEPOZYCIE PAPIERÓW WARTOŚCIOWYCH
SaSof Polska, el. 12 428 43 00, 601 41 41 51, info@sasof.pl, www.sasof.pl WYKORZYSTANIE STATISTICA DATA MINER DO PROGNOZOWANIA W KRAJOWYM DEPOZYCIE PAPIERÓW WARTOŚCIOWYCH Joanna Maych, Krajowy Depozy Papierów
Bardziej szczegółowoInwestycje. Makroekonomia II Dr hab. Joanna Siwińska-Gorzelak
Inwesycje Makroekonomia II Dr hab. Joanna Siwińska-Gorzelak CIASTECZOWY ZAWRÓT GŁOWY o akcja mająca miejsce w najbliższą środę (30 lisopada) na naszym Wydziale. Wydarzenie o związane jes z rwającym od
Bardziej szczegółowoSYMULACYJNA ANALIZA PRODUKCJI ENERGII ELEKTRYCZNEJ I CIEPŁA Z ODNAWIALNYCH NOŚNIKÓW W POLSCE
SYMULACYJNA ANALIZA PRODUKCJI ENERGII ELEKTRYCZNEJ I CIEPŁA Z ODNAWIALNYCH NOŚNIKÓW W POLSCE Janusz Sowiński, Rober Tomaszewski, Arur Wacharczyk Insyu Elekroenergeyki Poliechnika Częsochowska Aky prawne
Bardziej szczegółowoWykład 6. Badanie dynamiki zjawisk
Wykład 6 Badanie dynamiki zjawisk Krzywa wieża w Pizie 1 2 3 4 5 6 7 8 9 10 11 12 13 y 4,9642 4,9644 4,9656 4,9667 4,9673 4,9688 4,9696 4,9698 4,9713 4,9717 4,9725 4,9742 4,9757 Szeregiem czasowym nazywamy
Bardziej szczegółowoOcena płynności wybranymi metodami szacowania osadu 1
Bogdan Ludwiczak Wprowadzenie Ocena płynności wybranymi meodami szacowania osadu W ubiegłym roku zaszły znaczące zmiany doyczące pomiaru i zarządzania ryzykiem bankowym. Są one konsekwencją nowowprowadzonych
Bardziej szczegółowoMetody badania wpływu zmian kursu walutowego na wskaźnik inflacji
Agnieszka Przybylska-Mazur * Meody badania wpływu zmian kursu waluowego na wskaźnik inflacji Wsęp Do oceny łącznego efeku przenoszenia zmian czynników zewnęrznych, akich jak zmiany cen zewnęrznych (szoki
Bardziej szczegółowoDYNAMICZNE MODELE EKONOMETRYCZNE
DYNAMICZNE MODELE EKONOMETRYCZNE IX Ogólnopolskie Seminarium Naukowe, 6 8 września 2005 w Toruniu Kaedra Ekonomerii i Saysyki, Uniwersye Mikołaja Kopernika w Toruniu Kaarzyna Kuziak Akademia Ekonomiczna
Bardziej szczegółowoZarządzanie ryzykiem. Lista 3
Zaządzanie yzykiem Lisa 3 1. Oszacowano nasępujący ozkład pawdopodobieńswa dla sóp zwou z akcji A i B (Tabela 1). W chwili obecnej Akcja A ma waość ynkową 70, a akcja B 50 zł. Ile wynosi pięciopocenowa
Bardziej szczegółowoUMK w Toruniu ANALIZA ZALEŻNOŚCI MIĘDZY INDEKSEM WIG A WYBRANYMI INDEKSAMI RYNKÓW AKCJI NA ŚWIECIE
Pior Fiszeder UMK w Toruniu ANALIZA ZALEŻNOŚCI MIĘDZY INDEKSEM WIG A WYBRANYMI INDEKSAMI RYNKÓW AKCJI NA ŚWIECIE. Wprowadzenie Rynki kapiałowe na świecie są coraz silniej powiązane. Do najważniejszych
Bardziej szczegółowoWYCENA KONTRAKTÓW FUTURES, FORWARD I SWAP
Krzyszof Jajuga Kaedra Inwesycji Finansowych i Zarządzania Ryzykiem Uniwersye Ekonomiczny we Wrocławiu WYCENA KONRAKÓW FUURES, FORWARD I SWAP DWA RODZAJE SYMERYCZNYCH INSRUMENÓW POCHODNYCH Symeryczne insrumeny
Bardziej szczegółowoStała potencjalnego wzrostu w rachunku kapitału ludzkiego
252 Dr Wojciech Kozioł Kaedra Rachunkowości Uniwersye Ekonomiczny w Krakowie Sała poencjalnego wzrosu w rachunku kapiału ludzkiego WSTĘP Prowadzone do ej pory badania naukowe wskazują, że poencjał kapiału
Bardziej szczegółowoKombinowanie prognoz. - dlaczego należy kombinować prognozy? - obejmowanie prognoz. - podstawowe metody kombinowania prognoz
Noaki do wykładu 005 Kombinowanie prognoz - dlaczego należy kombinować prognozy? - obejmowanie prognoz - podsawowe meody kombinowania prognoz - przykłady kombinowania prognoz gospodarki polskiej - zalecenia
Bardziej szczegółowoMODELOWANIE WŁASNOŚCI SZEREGÓW STÓP ZWROTU SKOŚNOŚĆ ROZKŁADÓW
Krzyszof Pionek Kaedra Inwesycji Finansowych i Ubezpieczeń Akademia Ekonomiczna we Wrocławiu MODELOWANIE WŁASNOŚCI SZEREGÓW STÓP ZWROTU SKOŚNOŚĆ ROZKŁADÓW Wprowadzenie Współczesne zarządzanie ryzykiem
Bardziej szczegółowoSystem zielonych inwestycji (GIS Green Investment Scheme)
PROGRAM PRIORYTETOWY Tyuł programu: Sysem zielonych inwesycji (GIS Green Invesmen Scheme) Część 6) SOWA Energooszczędne oświelenie uliczne. 1. Cel programu Ograniczenie lub uniknięcie emisji dwulenku węgla
Bardziej szczegółowoOcena efektywności procedury Congruent Specyfication dla małych prób
243 Zeszyy Naukowe Wyższej Szkoły Bankowej we Wrocławiu Nr 20/2011 Wyższa Szkoła Bankowa w Toruniu Ocena efekywności procedury Congruen Specyficaion dla małych prób Sreszczenie. Procedura specyfikacji
Bardziej szczegółowoMODELOWANIE FINANSOWYCH SZEREGÓW CZASOWYCH Z WARUNKOWĄ WARIANCJĄ. 1. Wstęp
WERSJA ROBOCZA - PRZED POPRAWKAMI RECENZENTA Krzyszof Pionek Akademia Ekonomiczna we Wrocławiu MODELOWANIE FINANSOWYCH SZEREGÓW CZASOWYCH Z WARUNKOWĄ WARIANCJĄ. Wsęp Spośród wielu rodzajów ryzyka, szczególną
Bardziej szczegółowoZerowe stopy procentowe nie muszą być dobrą odpowiedzią na kryzys Andrzej Rzońca NBP, SGH, FOR
Zerowe sopy procenowe nie muszą być dobrą odpowiedzią na kryzys Andrzej Rzońca NBP, SGH, FOR 111 seminarium BRE-CASE Warszaw awa, 25 lisopada 21 Plan Wprowadzenie Hipoezy I, II, III i IV Próba (zgrubnej)
Bardziej szczegółowoKONCEPCJA WARTOŚCI ZAGROŻONEJ VaR (VALUE AT RISK)
KONCEPCJA WARTOŚCI ZAGROŻONEJ VaR (VALUE AT RISK) Kaarzyna Kuziak Akademia Ekonomiczna we Wrocławiu, Kaedra Inwesycji Finansowych i Ubezpieczeń Wprowadzenie W 1994 roku insyucja finansowa JP Morgan opublikowała
Bardziej szczegółowoMatematyka finansowa 20.03.2006 r. Komisja Egzaminacyjna dla Aktuariuszy. XXXVIII Egzamin dla Aktuariuszy z 20 marca 2006 r.
Komisja Egzaminacyjna dla Akuariuszy XXXVIII Egzamin dla Akuariuszy z 20 marca 2006 r. Część I Maemayka finansowa WERSJA TESTU A Imię i nazwisko osoby egzaminowanej:... Czas egzaminu: 100 minu 1 1. Ile
Bardziej szczegółowoSTATYSTYCZNA WERYFIKACJA MODELU CAPM NA PRZYKŁADZIE POLSKIEGO RYNKU KAPITAŁOWEGO WPROWADZENIE METODOLOGIA TESTOWANIA MODELU
GraŜyna Trzpio, Dominik KręŜołek Kaedra Saysyki Akademii Ekonomicznej w Kaowicach e-mail rzpio@sulu.ae.kaowice.pl, dominik_arkano@wp.pl STATYSTYCZNA WERYFIKACJA MODELU CAPM NA PRZYKŁADZIE POLSKIEGO RYNKU
Bardziej szczegółowoWykorzystanie wielorównaniowych modeli AR-GARCH w pomiarze ryzyka metodą VaR
Krzyszof Pionek Daniel Papla Kaedra Inwesycji Finansowych i Ubezpieczeń Akademia Ekonomiczna we Wrocławiu Wykorzysanie wielorównaniowych modeli AR-GARCH w pomiarze ryzyka meodą VaR Wsęp Wśród różnych meod
Bardziej szczegółowoDYNAMICZNE MODELE EKONOMETRYCZNE
DYNAMICZNE MODELE EKONOMETRYCZNE X Ogólnopolskie Seminarium Naukowe, 4 6 września 2007 w Toruniu Kaedra Ekonomerii i Saysyki, Uniwersye Mikołaja Kopernika w Toruniu Anna Krauze Uniwersye Warmińsko-Mazurski
Bardziej szczegółowoEuropejska opcja kupna akcji calloption
Europejska opcja kupna akcji callopion Nabywca holder: prawo kupna long posiion jednej akcji w okresie epiraiondae po cenie wykonania eercise price K w zamian za opłaę C Wysawca underwrier: obowiązek liabiliy
Bardziej szczegółowoStanisław Cichocki Natalia Nehrebecka. Wykład 3
Sanisław Cichocki Naalia Nehrebecka Wykład 3 1 1. Zmienne sacjonarne 2. Zmienne zinegrowane 3. Regresja pozorna 4. Funkcje ACF i PACF 5. Badanie sacjonarności Tes Dickey-Fullera (DF) 2 1. Zmienne sacjonarne
Bardziej szczegółowoBEZRYZYKOWNE BONY I LOKATY BANKOWE ALTERNATYWĄ DLA PRZYSZŁYCH EMERYTÓW. W tym krótkim i matematycznie bardzo prostym artykule pragnę osiągnąc 3 cele:
1 BEZRYZYKOWNE BONY I LOKATY BANKOWE ALTERNATYWĄ DLA PRZYSZŁYCH EMERYTÓW Leszek S. Zaremba (Polish Open Universiy) W ym krókim i maemaycznie bardzo prosym arykule pragnę osiągnąc cele: (a) pokazac że kupowanie
Bardziej szczegółowoWykład 6. Badanie dynamiki zjawisk
Wykład 6 Badanie dynamiki zjawisk TREND WYODRĘBNIANIE SKŁADNIKÓW SZEREGU CZASOWEGO 1. FUNKCJA TRENDU METODA ANALITYCZNA 2. ŚREDNIE RUCHOME METODA WYRÓWNYWANIA MECHANICZNEGO średnie ruchome zwykłe średnie
Bardziej szczegółowoPolitechnika Częstochowska Wydział Inżynierii Mechanicznej i Informatyki. Sprawozdanie #2 z przedmiotu: Prognozowanie w systemach multimedialnych
Poliechnika Częsochowska Wydział Inżynierii Mechanicznej i Informayki Sprawozdanie #2 z przedmiou: Prognozowanie w sysemach mulimedialnych Andrzej Siwczyński Andrzej Rezler Informayka Rok V, Grupa IO II
Bardziej szczegółowoPOWIĄZANIA POMIĘDZY KRÓTKOOKRESOWYMI I DŁUGOOKRESOWYMI STOPAMI PROCENTOWYMI W POLSCE
Anea Kłodzińska, Poliechnika Koszalińska, Zakład Ekonomerii POWIĄZANIA POMIĘDZY KRÓTKOOKRESOWYMI I DŁUGOOKRESOWYMI STOPAMI PROCENTOWYMI W POLSCE Sopy procenowe w analizach ekonomicznych Sopy procenowe
Bardziej szczegółowoWarszawa, dnia 5 czerwca 2017 r. Poz. 13 UCHWAŁA NR 29/2017 ZARZĄDU NARODOWEGO BANKU POLSKIEGO. z dnia 2 czerwca 2017 r.
DZIENNIK URZĘDOWY NARODOWEGO BANKU POLSKIEGO Warszawa, dnia 5 czerwca 2017 r. Poz. 13 UCHWAŁA NR 29/2017 ZARZĄDU NARODOWEGO BANKU POLSKIEGO z dnia 2 czerwca 2017 r. zmieniająca uchwałę w sprawie wprowadzenia
Bardziej szczegółowoAnaliza opłacalności inwestycji logistycznej Wyszczególnienie
inwesycji logisycznej Wyszczególnienie Laa Dane w ys. zł 2 3 4 5 6 7 8 Przedsięwzięcie I Program rozwoju łańcucha (kanału) dysrybucji przewiduje realizację inwesycji cenrum dysrybucyjnego. Do oceny przyjęo
Bardziej szczegółowoEfekty agregacji czasowej szeregów finansowych a modele klasy Sign RCA
Joanna Górka * Efeky agregacji czasowej szeregów finansowych a modele klasy Sign RCA Wsęp Wprowadzenie losowego parameru do modelu auoregresyjnego zwiększa możliwości aplikacyjne ego modelu, gdyż pozwala
Bardziej szczegółowoAlicja Ganczarek Akademia Ekonomiczna w Katowicach. Analiza niezależności przekroczeń VaR na wybranym segmencie rynku energii
DYNAMICZNE MODELE EKONOMETRYCZNE X Ogólnopolskie Seminarium Naukowe, 4 6 września 007 w Toruniu Kaedra Ekonomerii i Saysyki, Uniwersye Mikołaja Kopernika w Toruniu Akademia Ekonomiczna w Kaowicach Analiza
Bardziej szczegółowoŹRÓDŁA FLUKTUACJI REALNEGO EFEKTYWNEGO KURSU EUR/ PLN
METODY ILOŚCIOWE W BADANIACH EKONOMICZNYCH Tom XII/, 0, sr. 389 398 ŹRÓDŁA FLUKTUACJI REALNEGO EFEKTYWNEGO KURSU EUR/ PLN Adam Waszkowski Kaedra Ekonomiki Rolnicwa i Międzynarodowych Sosunków Gospodarczych
Bardziej szczegółowoJacek Kwiatkowski Magdalena Osińska. Procesy zawierające stochastyczne pierwiastki jednostkowe identyfikacja i zastosowanie.
DYNAMICZNE MODELE EKONOMETRYCZNE Jacek Kwiakowski Magdalena Osińska Uniwersye Mikołaja Kopernika Procesy zawierające sochasyczne pierwiaski jednoskowe idenyfikacja i zasosowanie.. Wsęp Większość lieraury
Bardziej szczegółowoDaniel Papla Akademia Ekonomiczna we Wrocławiu. Wykorzystanie modelu DCC-MGARCH w analizie zmian zależności wybranych akcji GPW w Warszawie
DYNAMICZNE MODELE EKONOMETRYCZNE X Ogólnopolskie Seminarium Naukowe, 4 6 września 27 w Toruniu Kaedra Ekonomerii i Saysyki, Uniwersye Mikołaja Kopernika w Toruniu Akademia Ekonomiczna we Wrocławiu Wykorzysanie
Bardziej szczegółowoROZDZIAŁ 10 WPŁYW DYSKRECJONALNYCH INSTRUMENTÓW POLITYKI FISKALNEJ NA ZMIANY AKTYWNOŚCI GOSPODARCZEJ
Ryszard Barczyk ROZDZIAŁ 10 WPŁYW DYSKRECJONALNYCH INSTRUMENTÓW POLITYKI FISKALNEJ NA ZMIANY AKTYWNOŚCI GOSPODARCZEJ 1. Wsęp Organy pańswa realizując cele poliyki sabilizacji koniunkury gospodarczej sosują
Bardziej szczegółowoAnaliza efektywności kosztowej w oparciu o wskaźnik dynamicznego kosztu jednostkowego
TRANSFORM ADVICE PROGRAMME Invesmen in Environmenal Infrasrucure in Poland Analiza efekywności koszowej w oparciu o wskaźnik dynamicznego koszu jednoskowego dr Jana Rączkę Warszawa, 13.06.2002 2 Spis reści
Bardziej szczegółowoWitold Orzeszko Uniwersytet Mikołaja Kopernika w Toruniu
DYNAMICZNE MODELE EKONOMETRYCZNE X Ogólnopolskie Seminarium Naukowe, 4 6 września 2007 w Toruniu Kaedra Ekonomerii i Saysyki, Uniwersye Mikołaja Kopernika w Toruniu Uniwersye Mikołaja Kopernika w Toruniu
Bardziej szczegółowoJerzy Czesław Ossowski Politechnika Gdańska. Dynamika wzrostu gospodarczego a stopy procentowe w Polsce w latach
DYNAMICZNE MODELE EKONOMETRYCZNE IX Ogólnopolskie Seminarium Naukowe, 6 8 września 2005 w Toruniu Kaedra Ekonomerii i Saysyki, Uniwersye Mikołaja Kopernika w Toruniu Poliechnika Gdańska Dynamika wzrosu
Bardziej szczegółowoManagement Systems in Production Engineering No 4(20), 2015
EKONOMICZNE ASPEKTY PRZYGOTOWANIA PRODUKCJI NOWEGO WYROBU Janusz WÓJCIK Fabryka Druu Gliwice Sp. z o.o. Jolana BIJAŃSKA, Krzyszof WODARSKI Poliechnika Śląska Sreszczenie: Realizacja prac z zakresu przygoowania
Bardziej szczegółowoREGULAMIN FUNDUSZU ROZLICZENIOWEGO
REGULAMIN FUNDUSZU ROZLICZENIOEGO przyjęy uchwałą nr 10/60/98 Rady Nadzorczej Krajowego Depozyu Papierów arościowych S.A. z dnia 28 września 1998 r., zawierdzony decyzją Komisji Papierów arościowych i
Bardziej szczegółowoWykład 5. Kryzysy walutowe. Plan wykładu. 1. Spekulacje walutowe 2. Kryzysy I generacji 3. Kryzysy II generacji 4. Kryzysy III generacji
Wykład 5 Kryzysy waluowe Plan wykładu 1. Spekulacje waluowe 2. Kryzysy I generacji 3. Kryzysy II generacji 4. Kryzysy III generacji 1 1. Spekulacje waluowe 1/9 Kryzys waluowy: Spekulacyjny aak na warość
Bardziej szczegółowoPROGNOZOWANIE W ZARZĄDZANIU PRZEDSIĘBIORSTWEM
PROGNOZOWANIE W ZARZĄDZANIU PRZEDSIĘBIORSTWEM prof. dr hab. Paweł Dimann 1 Znaczenie prognoz w zarządzaniu firmą Zarządzanie firmą jes nieusannym procesem podejmowania decyzji, kóry może być zdefiniowany
Bardziej szczegółowoU b e zpieczenie w t eo r ii użyteczności i w t eo r ii w yceny a ktywów
dr Dariusz Sańko Kaedra Ubezpieczenia Społecznego Szkoła Główna Handlowa dariusz.sanko@gmail.com lisopada 006 r., akualizacja i poprawki: 30 sycznia 008 r. U b e zpieczenie w eo r ii użyeczności i w eo
Bardziej szczegółowoMarża zakupu bid (pkb) Marża sprzedaży ask (pkb)
Swap (IRS) i FRA Przykład. Sandardowy swap procenowy Dealer proponuje nasępujące sałe sopy dla sandardowej "plain vanilla" procenowej ransakcji swap. ermin wygaśnięcia Sopa dla obligacji skarbowych Marża
Bardziej szczegółowoDYNAMICZNE MODELE EKONOMETRYCZNE
DYNAMICZNE MODELE EKONOMETRYCZNE X Ogólnopolskie Seminarium Naukowe, 4 6 września 2007 w Toruniu Kaedra Ekonomerii i Saysyki, Uniwersye Mikołaja Kopernika w Toruniu Pior Fiszeder Uniwersye Mikołaja Kopernika
Bardziej szczegółowoPROGNOZOWANIE I SYMULACJE. mgr Żaneta Pruska. Ćwiczenia 2 Zadanie 1
PROGNOZOWANIE I SYMULACJE mgr Żanea Pruska Ćwiczenia 2 Zadanie 1 Firma Alfa jes jednym z głównych dosawców firmy Bea. Ilość produku X, wyrażona w ysiącach wyprodukowanych i dosarczonych szuk firmie Bea,
Bardziej szczegółowoKlasyfikacja modeli. Metoda najmniejszych kwadratów
Konspek ekonomeria: Weryfikacja modelu ekonomerycznego Klasyfikacja modeli Modele dzielimy na: - jedno- i wielorównaniowe - liniowe i nieliniowe - sayczne i dynamiczne - sochasyczne i deerminisyczne -
Bardziej szczegółowoNie(efektywność) informacyjna giełdowego rynku kontraktów terminowych w Polsce
Zeszyy Naukowe Uniwersyeu Szczecińskiego nr 862 Finanse, Rynki Finansowe, Ubezpieczenia nr 75 (2015) DOI: 10.18276/frfu.2015.75-16 s. 193 204 Nie(efekywność) informacyjna giełdowego rynku konraków erminowych
Bardziej szczegółowoRozdział 2: Metoda największej wiarygodności i nieliniowa metoda najmniejszych kwadratów
Rozdział : Metoda największej wiarygodności i nieliniowa metoda najmniejszych kwadratów W tym rozdziale omówione zostaną dwie najpopularniejsze metody estymacji parametrów w ekonometrycznych modelach nieliniowych,
Bardziej szczegółowoStatystyka od podstaw z systemem SAS Dr hab. E. Frątczak, ZAHZiAW, ISiD, KAE. Część VII. Analiza szeregu czasowego
Część VII. Analiza szeregu czasowego 1 DEFINICJA SZEREGU CZASOWEGO Szeregiem czasowym nazywamy zbiór warości cechy w uporządkowanych chronologicznie różnych momenach (okresach) czasu. Oznaczając przez
Bardziej szczegółowoWPŁYW NIEPEWNOŚCI OSZACOWANIA ZMIENNOŚCI NA CENĘ INSTRUMENTÓW POCHODNYCH
Tadeusz Czernik Uniwersye Ekonomiczny w Kaowicach WPŁYW NIEPEWNOŚCI OZACOWANIA ZMIENNOŚCI NA CENĘ INTRUMENTÓW POCHODNYCH Wprowadzenie Jednym z filarów współczesnych finansów jes eoria wyceny insrumenów
Bardziej szczegółowoOddziaływanie procesu informacji na dynamikę cen akcji. Małgorzata Doman Akademia Ekonomiczna w Poznaniu
Oddziaływanie procesu informacji na dynamikę cen akcji. Małgorzaa Doman Akademia Ekonomiczna w Poznaniu Modele mikrosrukury rynku Bageho (97) informed raders próbują wykorzysać swoją przewagę informacyjną
Bardziej szczegółowoPostęp techniczny. Model lidera-naśladowcy. Dr hab. Joanna Siwińska-Gorzelak
Posęp echniczny. Model lidera-naśladowcy Dr hab. Joanna Siwińska-Gorzelak Założenia Rozparujemy dwa kraje; kraj 1 jes bardziej zaawansowany echnologicznie (lider); kraj 2 jes mniej zaawansowany i nie worzy
Bardziej szczegółowo2.1 Zagadnienie Cauchy ego dla równania jednorodnego. = f(x, t) dla x R, t > 0, (2.1)
Wykład 2 Sruna nieograniczona 2.1 Zagadnienie Cauchy ego dla równania jednorodnego Równanie gań sruny jednowymiarowej zapisać można w posaci 1 2 u c 2 2 u = f(x, ) dla x R, >, (2.1) 2 x2 gdzie u(x, ) oznacza
Bardziej szczegółowoReakcja banków centralnych na kryzys
Reakcja banków cenralnych na kryzys Andrzej Rzońca Warszawa, 18 lisopada 2011 r. Plan Podsawowa lekcja z kryzysu dla poliyki pieniężnej Jak wyglądała reakcja poliyki pieniężnej na kryzys? Dlaczego reakcja
Bardziej szczegółowoMAKROEKONOMIA 2. Wykład 3. Dynamiczny model DAD/DAS, część 2. Dagmara Mycielska Joanna Siwińska - Gorzelak
MAKROEKONOMIA 2 Wykład 3. Dynamiczny model DAD/DAS, część 2 Dagmara Mycielska Joanna Siwińska - Gorzelak 2 Plan wykładu Zakłócenia w modelu DAD/DAS: Wzros produkcji poencjalnej; Zakłócenie podażowe o sile
Bardziej szczegółowoZJAWISKA SZOKOWE W ROZWOJU GOSPODARCZYM WYBRANYCH KRAJÓW UNII EUROPEJSKIEJ
Anna Janiga-Ćmiel Uniwersye Ekonomiczny w Kaowicach Wydział Zarządzania Kaedra Maemayki anna.janiga-cmiel@ue.kaowice.pl ZJAWISKA SZOKOWE W ROZWOJU GOSPODARCZYM WYBRANYCH KRAJÓW UNII EUROPEJSKIEJ Sreszczenie:
Bardziej szczegółowoRównania różniczkowe. Lista nr 2. Literatura: N.M. Matwiejew, Metody całkowania równań różniczkowych zwyczajnych.
Równania różniczkowe. Lisa nr 2. Lieraura: N.M. Mawiejew, Meody całkowania równań różniczkowych zwyczajnych. W. Krysicki, L. Włodarski, Analiza Maemayczna w Zadaniach, część II 1. Znaleźć ogólną posać
Bardziej szczegółowoRóżnica bilansowa dla Operatorów Systemów Dystrybucyjnych na lata (którzy dokonali z dniem 1 lipca 2007 r. rozdzielenia działalności)
Różnica bilansowa dla Operaorów Sysemów Dysrybucyjnych na laa 2016-2020 (kórzy dokonali z dniem 1 lipca 2007 r. rozdzielenia działalności) Deparamen Rynków Energii Elekrycznej i Ciepła Warszawa 201 Spis
Bardziej szczegółowoMetody analizy i prognozowania szeregów czasowych
Meody analizy i prognozowania szeregów czasowych Wsęp 1. Modele szeregów czasowych 2. Modele ARMA i procedura Boxa-Jenkinsa 3. Modele rendów deerminisycznych i sochasycznych 4. Meody dekompozycji szeregów
Bardziej szczegółowoTESTOWANIE EGZOGENICZNOŚCI ZMIENNYCH W MODELACH EKONOMETRYCZNYCH
STUDIA I PRACE WYDZIAŁU NAUK EKONOMICZNYCH I ZARZĄDZANIA NR 15 Mariusz Doszyń TESTOWANIE EGZOGENICZNOŚCI ZMIENNYCH W MODELACH EKONOMETRYCZNYCH Od pewnego czasu w lieraurze ekonomerycznej pojawiają się
Bardziej szczegółowoEstymacja stopy NAIRU dla Polski *
Michał Owerczuk * Pior Śpiewanowski Esymacja sopy NAIRU dla Polski * * Sudenci, Szkoła Główna Handlowa, Sudenckie Koło Naukowe Ekonomii Teoreycznej przy kaedrze Ekonomii I. Auorzy będą bardzo wdzięczni
Bardziej szczegółowoWYBRANE TESTY NIEOBCIĄŻONOŚCI MIAR RYZYKA NA PRZYKŁADZIE VALUE AT RISK
Przemysław Jeziorski Uniwersye Ekonomiczny w Kaowicach Wydział Informayki i Komunikacji Zakład Demografii i Saysyki Ekonomicznej przemyslaw.jeziorski@ue.kaowice.pl WYBRANE TESTY NIEOBCIĄŻONOŚCI MIAR RYZYKA
Bardziej szczegółowo