DOKŁADNOŚĆ DŁUGOOKRESOWYCH PROJEKCJI NA RYNKU ROLNYM PRZYKŁAD MODELU FAPRI I RYNKU PSZENICY. Mariusz Hamulczuk
|
|
- Urszula Wilczyńska
- 5 lat temu
- Przeglądów:
Transkrypt
1 DOKŁADNOŚĆ DŁUGOOKRESOWYCH PROJEKCJI NA RYNKU ROLNYM ROCZNIKI NAUK ROLNICZYCH, SERIA G, T. 98, z. 1, 2011 DOKŁADNOŚĆ DŁUGOOKRESOWYCH PROJEKCJI NA RYNKU ROLNYM PRZYKŁAD MODELU FAPRI I RYNKU PSZENICY Mariusz Hamulczuk Kaedra Ekonomiki Rolnicwa i Międzynarodowych Sosunków Gospodarczych Szkoły Głównej Gospodarswa Wiejskiego w Warszawie Kierownik: prof. dr hab. Henryk Maneuffel Słowa kluczowe: projekcje, modele sekorowe, rynek pszenicy Key words: projecions, secoral models, whea marke S y n o p s i s. Jednym ze sposobów ograniczenia ryzyka i niepewności jes przewidywanie zjawisk. Wśród modeli, kórych projekcje mogą sanowić odniesienie do podejmowania decyzji przez uczesników rynku rolnego, jes model równowagi cząskowej FAPRI. Celem opracowania jes próba oceny, w jakim sopniu projekcje bazowe formułowane za pomocą dużych modeli sekorowych są wiarygodnymi prognozami. Badaniu poddano wiarygodność projekcji modelu FAPRI na świaowym i polskim rynku pszenicy. Wyniki badań pokazują, że projekcje FAPRI mogą sanowić alernaywę dla prognoz uzyskiwanych z wykorzysaniem innych modeli ilościowych. WSTĘP Niepewność i ryzyko gospodarcze są nieodłącznymi elemenami procesów gospodarowania. Jednym ze sposobów radzenia sobie z niepewnością jes prognozowanie, rozumiane jako przewidywanie przyszłych zdarzeń na podsawie racjonalnych i naukowych przesłanek. Prognozy sanowią źródło informacji o prawdopodobnych kierunkach rozwoju zjawiska lub procesu gospodarczego. Spełniają ym samym ważną rolę w procesie podejmowania decyzji zarówno o charakerze krókookresowym operacyjnym, jak i długookresowym sraegicznym. Zaporzebowanie na ego ypu informacje może być zgłaszane przez wielu odbiorców. Mogą o być podmioy gospodarcze funkcjonujące w sferze produkcji, podmioy przemysłu przewórczego i handlowego, insyucje związane z kreowaniem i realizacją poliyki ekonomicznej, insyucje finansowe i upowszechnieniowe. W osanich laach, w dobie szybkiego rozwoju echnik obliczeniowych, coraz większą popularność zdobywają duże modele opare na idei równowagi rynkowej. Mogą o być modele równowagi ogólnej lub cząskowej, sayczne lub dynamiczne, ekonomeryczne lub kalibrowane w oparciu o dosępną wiedzę. Modele akie są z reguły wykorzysywane w ewaluacji zmian poliyki ekonomicznej poszczególnych krajów lub w badaniu wpływu negocjowanych porozumień handlowych o zasięgu międzynarodowym na zachowania poszczególnych rynków, gospodarek lub regionów. Odbywa się o poprzez porównanie ścieżek rozwojowych scenariusza: bazowego i alernaywnych.
2 48 MARIUSZ HAMULCZUK Scenariusz bazowy (baseline scenario) przedsawia ścieżkę rozwoju danego zjawiska oszacowaną na podsawie dosępnej wiedzy oraz założeniach braku zmian srukuralnych i insyucjonalnych. Projekcje bazowe będące wynikiem zasosowania akich modeli są częso rakowane jako długookresowe prognozy, mimo że nie jes o główny cel zasosowania akich modeli. Poencjalnie wykorzysać można je do podejmowania decyzji o charakerze długookresowym. W opracowaniu, mimo że generalnie zasrzega się, że projekcje nie są ypowymi prognozami, użyo pojęć projekcja i prognoza w sposób zamienny. Celem opracowania jes próba oceny, w jakim sopniu projekcje formułowane za pomocą dużych modeli sekorowych są wiarygodnymi prognozami. Jednym z modeli, kórego projekcje są najbardziej rozpoznawalne i wpływowe, jes model równowagi cząskowej FAPRI (Food and Agriculural Policy Insiue). 10-lenie projekcje bazowe formułowane za pomocą modelu FAPRI w laach sanowią maeriał empiryczny przeprowadzonych badań. W ujęciu rynkowym analizowane projekcje obejmowały jeden z najważniejszych rynków surowców rolnych rynek pszenicy. Przedmioem analiz były prognozy doyczące wybranych elemenów bilansu świaowego i bilansu Polski oraz cen świaowych. Można posawić ezę, że dokładność akich projekcji nie jes gorsza niż dokładność prognoz orzymanych z wykorzysaniem innych modeli. MODEL FAPRI JAKO PRZYKŁAD MODELU SEKTOROWEGO Prakycznie ylko rzy insyucje przygoowują corocznie rapory (Agriculural Oulooks) obejmujące charakerysykę świaowych rynków rolnych i ich projekcje na okres 8-10 la. Insyucjami ymi są: USDA (Unied Saes Deparmen of Agriculure), FAPRI oraz wspólnie OECD i FAO (Organisaion for Economic Co-operaion and Developmen, Food and Agriculure Organizaion). Projekcje zbudowane są na pewnych założeniach doyczących kszałowania się zmiennych egzogenicznych, akich jak: pogoda, założenia makroekonomiczne i założenia doyczące kszałowania się poliyki rolnej i handlowej. Generalnie zakłada się pewne ypowe zachowania, jeżeli chodzi o pogodę albo wzros gospodarczy (lub dążenie do średniego empa wzrosu po wysąpieniu szoku) oraz saus quo poliyki ekonomicznej i handlowej. Wynikiem przyjęcia akich założeń są projekcje w posaci scenariusza bazowego, kóry przedsawiany jes jako najbardziej prawdopodobny obraz rzeczywisości w świele dosępnej wiedzy. Scenariusz bazowy sanowi eż punk odniesienia dla scenariuszy alernaywnych zakładających inne zachowania zmiennych egzogenicznych. Insyu FAPRI jes wspólnym przedsięwzięciem Iowa Sae Universiy oraz Universiy of Missouri (Columbia). Publikowane corocznie rapory (FAPRI US and World Agriculural Oulook) są przygoowywane na podsawie szerokiej bazy danych, wyników modelowania oraz procesu oceny meryorycznej dokonywanej przez eksperów. Z punku widzenia oceny dokładności prognoz ważne jes poznanie procedury powsawania prognoz oraz sosowanych meod [FAPRI 2011]. Naukowcy przygoowujący rapor sosują podejście ieracyjne. Obejmuje ono elemeny modelowania oraz wiedzę ekspercką. Pierwszy krok o indywidualne modelowanie poszczególnych rynków surowcowych oraz zmiennych egzogenicznych. Model obejmuje ponad rzy ysiące równań wyjaśniających zachowanie zmiennych, kóre określają rynek świaowy i jego poszczególne komponeny. Nasępnie badacze zajmujący się modelowaniem poszczególnych rynków, spoykając się podczas paneli dyskusyjnych, dzielą się
3 DOKŁADNOŚĆ DŁUGOOKRESOWYCH PROJEKCJI NA RYNKU ROLNYM swoimi wynikami. Kluczowymi zmiennymi są w ym przypadku ceny oraz saldo bilansu handlowego. Spokania panelowe pozwalają na uzyskanie dodakowych informacji na ema powiązanych rynków oraz na dokonanie koreky modeli. Procedura ieracyjna (poprawa równań modelu i dyskusje) rwa, dopóki wszyskie rynki nie znajdą się w sanie równowagi. Uzyskuje się w en sposób scenariusz bazowy, kórego wsępne projekcje są oceniane przez panel eksperów wewnęrznych FAPRI, pracowników różnych deparamenów USDA, przedsawicieli organizacji międzynarodowych, doradzwa i przemysłu. Uwagi meryoryczne, co do realności projekcji, uwzględniane są przed osaecznym opublikowaniem raporu [FAPRI 2011]. Model FAPRI jes zbiorem modeli równowagi cząskowej obejmujących modele rynku USA oraz międzynarodowych rynków zbóż, roślin oleisych, bawełny, ryżu, cukru, mleka, a akże innych produków zwierzęcych. Są one modelami dynamicznymi reprezenującymi 26 najważniejszych krajów (regionów) (z gospodarczego punku widzenia) oraz pozosałą część reprezenowaną w posaci agregau resza świaa (Res of he World). Model rynku zbóż (FAPRI Inernaional Grains Model), kóry służy formułowaniu projekcji bazowych wykorzysywanych w niniejszym opracowaniu, w swoim ujęciu obejmuje poszczególne elemeny bilansu zbóż, ceny oraz zmienne egzogeniczne w posaci kaegorii makroekonomicznych oraz poliyki ekonomicznej. Dane bilansowe pochodzą z bazy danych USDA-FAS (Unied Saes Deparmen of Agriculure Foreign Agriculural Service), dane makroekonomiczne z IMF (Inernaional Moneary Fund). W modelowaniu wykorzysywane są akże inne rozproszone źródła [FAPRI 2011]. Dane dla poszczególnych krajów i regionów czy dla całego świaa mają ypowy bilansowy charaker: zapasy począkowe + produkcja + impor = zapasy końcowe + konsumpcja + ekspor. Po o, aby nasępowała równowaga na danym rynku, jedna ze zmiennych (najczęściej ekspor lub impor) pełni rolę zmiennej rezydualnej. Cena krajowa i regionalna są modelowane z reguły jako funkcja ceny świaowej, za pomocą równania ransmisji cenowej. Cena świaowa jes ceną równowagi zapewniającą zachowanie równowagi bilansowej [FAPRI 2011]. Mimo że modele poszczególnych rynków są niezależne, o jednak są one powiązane ze sobą sroną popyową lub podażową, a akże cenami. Modele (rynki) mleka i produków zwierzęcych pozwalają określić popy paszowy na zboża, zaś zmienne makroekonomiczne deerminują popy konsumpcyjny. Inne rynki roślinne (oleise, ryż, cukier) dosarczają informacji umożliwiających określenie względnych wskaźników opłacalności produkcji poszczególnych roślin (w naszym przypadku zbóż), a ym samym są podsawą rozdysponowania grunów pod zasiewy. Modele poszczególnych rynków, w ym model rynku zbóż, są również powiązane ze zmiennymi poliyki makroekonomicznej, sekorowej i handlowej, pełniącymi rolę zmiennych egzogenicznych. Poszczególne poliyki rolne i handlowe w modelu wpływają na decyzje agenów po sronie popyowej lub podażowej. Przykładowo, urzymanie aryf celnych hamujące impor powoduje wzros cen, przez co wzrasa produkcja, zaś spada konsumpcja. W przypadku projekcji bazowych zakłada się brak zmian poliyk lub zmiany zgodnie z przyjęymi i znanymi już porozumieniami. W modelu FAPRI ujęcia poliyk charakeryzują się różnym sopniem szczegółowości. Poliyki doyczące USA są bardziej szczegółowo ujęe w modelu niż poliyki innych krajów, w ym Unii Europejskiej (UE) [Blanco-Fonseca 2010].
4 50 MARIUSZ HAMULCZUK METODYKA BADAŃ EMPIRYCZNYCH Celem opracowania jes ocena zdolności prognosycznych modelu sekorowego FAPRI. W szczególności skoncenrowano się na ocenie, na ile długookresowe projekcje formułowane z wykorzysaniem modeli równowagi cząskowej, wspierane wiedzą meryoryczną eksperów, sanowią wiarygodne źródło informacji rynkowej. Dane wykorzysane do projekcji znajdują się w corocznych raporach, kóre z kolei są dosępne na sronach inerneowych Insyuu FAPRI [2011]. Analizie poddano projekcje cen świaowych, za kóre przyjęo eksporowe ceny amerykańskie z zaoki meksykańskiej (US Gulf FOB Unied Saes Gulf, Free On Board) oraz wybranych elemenów bilansu świaowego i polskiego rynku pszenicy. Badaniom dokładności poddano, obok cen, powierzchnię zasiewów, produkcję, plony oraz konsumpcję. Uwzględnienie projekcji dla świaa i Polski umożliwia ocenę wiarygodności projekcji dla różnej wielkości agregaów. Analizowano dokładność projekcji, kóre zosały sformułowane w laach Okres en dobrano z dwóch powodów. Po pierwsze, ylko w ym okresie było możliwe analizowanie rynku polskiego, ponieważ po 2004 r. Polska w modelu FAPRI znajduje się w agregacie Unia Europejska i brak jes projekcji dla naszego kraju. Po drugie, od momenu ich ogłoszenia upłynął już na yle długi okres, że możliwa jes ocena dokładności ex pos publikowanych projekcji. Ocenę dokładności ex pos przeprowadzono, wykorzysując dwa podsawowe mierniki błędów ex pos: średni błąd procenowy (MPE) oraz średni bezwzględny błąd procenowy (MAPE): k 1 Y ˆ Y MPE = * x 100, k i= 1 Y k 1 Y ˆ Y MAPE = * x 100, k Y i= 1 gdzie: k liczba porównywanych prognoz, wynosząca od czerech do sześciu w zależności od horyzonu prognozowania, Y rzeczywise warości analizowanych zmiennych w czasie, Yˆ warości prognoz w czasie. Pierwszy miernik (MPE) pozwala ująć obciążenie prognoz, czyli określić czy prognozy formułowane na dany momen były zawyżone i o ile procen. Średni bezwzględny błąd procenowy (MAPE) informuje o przecięnych odchyleniach w danym horyzoncie prognozowania. Ocenie poddano prognozy powierzchni zasiewów, produkcji, plonów, konsumpcji oraz cen pszenicy formułowane na rzeci, szósy oraz dziewiąy rok. Dla horyzonu czasowego 3 i 6 la porównano z danymi rzeczywisymi sześć projekcji (z la ). Ocena dokładności ex pos projekcji na dziewiąy rok była możliwa ylko w przypadku projekcji z la Założono, że pierwszy okres prognozy sformułowanej i opublikowanej w danym roku doyczył ego samego okresu. Wynika o sąd, że w momencie publikacji raporu (począek roku) badacze nie dysponowali informacjami za dany rok lub częso nie mieli nawe pełnych danych za rok poprzedni. Z reguły znana była cena w
5 DOKŁADNOŚĆ DŁUGOOKRESOWYCH PROJEKCJI NA RYNKU ROLNYM kilku pierwszych miesiącach ego roku. Drugim eapem oceny modeli było porównanie zdolności prognosycznych modelu FAPRI na le zdolności prognosycznych innych modeli prognosycznych. Polegało o na ocenie porównawczej dokładności prognoz z modelu FAPRI i prognoz orzymanych z wykorzysaniem innych modeli. Przykładowo, projekcja FAPRI z 1999 roku zosała porównana z prognozami, kóre by uzyskano prognozując za pomocą innych modeli w ym samym momencie. Problemem jes o, że obecnie jes dosępna wiedza o ym, co się w rzeczywisości wydarzyło po 1999 roku i co wpływa na wybór i specyfikację meod prognosycznych wykorzysywanych do porównań. W dalszej konsekwencji prognozy wygasłe mogą być obciążone aką wiedzą, kóra w normalnych warunkach nie byłaby brana pod uwagę. W opracowaniu sarano się zniwelować en problem, zakładając w miarę auomayczną i jednolią procedurę. Wykorzysuje się w ym celu najczęściej meody szeregów czasowych, kóre znajdują zasosowanie w prognozowaniu gospodarczym. W meodach ych przyjmuje się posawę pasywną, dzięki czemu ingerencja badacza jes w dużym sopniu ograniczana, co przyczynia się do obiekywizacji oceny. Oceniając zdolności prognosyczne meod oraz zasadność prognozowania, najczęściej dokonuje się porównań prognoz analizowanej (badanej) meody z prognozami orzymanymi na podsawie meody naiwnej. W niniejszych badania zrezygnowano z ego podejścia z uwagi na wysępujące rendy w znacznej części zjawisk (rys chodzi o okres sprzed weryfikacji ex pos) oraz długookresowy charaker prognoz. Z uwagi na o, że przedmioem ocen są prognozy długookresowe, benchmarkiem były prognozy formułowane z wykorzysaniem modeli eksrapolacji funkcji rendu. Spośród różnych modeli szeregów czasowych e wydają się najbardziej odpowiednie do uchwycenia długookresowych endencji w przypadku dysponowania krókimi szeregami czasowymi. Trzeba zaznaczyć, że po wybraniu ej meody badawczej należy dokonać idenyfikacji ypu posaci analiycznej funkcji rendu oraz okresu, na podsawie kórego modele e byłyby szacowane. Generalnie rendy liniowe są bardziej sabilne, jeżeli chodzi o długookresowe prognozy, niż nieliniowe. Naomias e pierwsze nie pozwalają ująć zmian krzywoliniowych, charakerysycznych dla rendów echnologicznych oraz efeków wygaszania, kóre wynikają z malejących efeków krańcowych. Również niekóre dane empiryczne, głównie dla Polski, charakeryzowały się w począkowym okresie nieliniowymi zmianami. Im większa głębokość rerospekcji, ym można uzyskać rafniejsze prognozy, co wynika z faku dysponowania większym zasobem wiedzy. Jednak w warunkach pewnych zmian srukuralnych lepiej jes oprzeć się na akualnym rendzie, co wiąże się ze sosowaniem adapacyjnego podejścia do prognozowania. W ym konekście isone znaczenie ma eż uchwycenie wysępujących zmian srukuralnych i ich implemenacja w modelu. Z uwagi na powyższe uwarunkowania i porzebę zachowania obiekywności (niekierowanie się przy wyborze modelu znajomością ego, co wydarzyło się w okresie prognozowanym), wykorzysano dwa modele. Pierwszy był o model rendu liniowego opisany równaniem: Y = a + b x + ε, gdzie: a, b paramery srukuralne, zmienna czasowa, ε składnik losowy.
6 52 MARIUSZ HAMULCZUK Prognozy wygasłe na podsawie liniowych modeli eksrapolacji funkcji rendu były obliczane w nasępujący sposób. Podsawą esymacji paramerów modelu był szereg czasowy danej zmiennej, zawierający zawsze dwanaście osanich obserwacji. Za każdym razem dokonywano esymacji paramerów nowej funkcji rendu. Przykładowo, projekcje z raporu opublikowanego w 1999 roku odpowiadały prognozom orzymanym z modeli funkcji rendu wyesymowanych na podsawie danych z la Z kolei projekcje z raporu z roku 2004 były porównywane z prognozami obliczonymi na podsawie funkcji rendu oszacowanymi na podsawie danych z la Drugim modelem był model rendu nieliniowego posaci: Y = a + b x + c x 1/ + ε. W modelu ym przyjęo, że zmienna czasowa przyjmuje warości powyżej 20. Takie ujęcie warości zmiennej czasowej pozwala na uzyskanie efeków gasnącego rendu. W przypadku zmian liniowych model en redukowany byłby do posaci liniowej. Modele akie były za każdym razem szacowane na podsawie danych od sezonu 1980/81. Z uwagi na ransformację rynkową w Polsce w sezonie 1992/1993 zaobserwować można skokową zmianę (spadek) niekórych zmiennych. Chodzi uaj głównie o produkcję i plony pszenicy, kóre po spadku urzymywały się na niższym poziomie. Zaem powyższe modele mogą nie w pełni umożliwiać ujęcie efeku srukuralnych zmian w gospodarce polskiej. W ym przypadku modele e rozszerzono o zmienną szuczną DUM pozwalającą uwzględnić w esymacji en efek. Sąd modele dla rynku polskiego będą również miały posać: Y = a + b x + d x DUM + ε, Y = a + b x + c x 1/ +d x DUM + ε. Porównanie dokładności projekcji FAPRI dla danych momenów horyzonu prognozowania i dokładności prognoz orzymanych z modeli funkcji rendu pozwoliło pełniej ocenić zdolności prognosyczne modelu FAPRI. DOKŁADNOŚĆ PROJEKCJI FAPRI Na rysunkach przedsawiono, jak kszałowały się projekcje FAPRI na le rzeczywisych realizacji poszczególnych zmiennych. Dane rzeczywise oznaczono linią ze znacznikami, naomias prognozy linią ciągłą. Z kolei obliczone mierniki dokładności projekcji publikowanych w raporach FAPRI zawaro w abelach 1. i 2. Prognozy powierzchni zasiewów pszenicy i jej produkcji przedsawiono na rysunkach 1. i 2. Z pobieżnej analizy wynika, że projekcje uzyskiwane dla rynku świaowego są znacznie dokładniejsze niż projekcje dla rynku polskiego. Średni błąd prognoz powierzchni zasiewów pszenicy w Polsce na szósy rok wynosi prawie 14%, podczas gdy w przypadku prognoz dla rynku świaowego niespełna 2,3%. Podobna syuacja ma miejsce, co jes zrozumiałe, w przypadku projekcji produkcji pszenicy. Błędy projekcji na szósy rok w przypadku rynku polskiego wyniosły 15,9%, zaś rynku świaowego 5,4%. Isony jes fak, że prognozy zarówno powierzchni zasiewów pszenicy, jak i produkcji były zawyżone. Większe obciążenie projekcji można zaobserwować w przypadku rynku polskiego. Badania projekcji plonów pszenicy (rys. 3.) wskazują, że prognozy e są dosyć dokładne. Prawidłowo oszacowano przyszłe kierunki zarówno w Polsce, jak i w świecie. Różnice między prognozami a rzeczywisą realizacją są wynikiem oddziaływania czynników losowych. Błędy prognoz przecięnych plonów pszenicy w świecie są niższe niż
7 DOKŁADNOŚĆ DŁUGOOKRESOWYCH PROJEKCJI NA RYNKU ROLNYM Powierzchnia - Polska Powierzchnia - świa Rysunek 1. Projekcje powierzchni zasiewów pszenicy dla Polski i świaa w ys. ha według modelu FAPRI na le danych rzeczywisych Źródło: obliczenia własne na podsawie danych FAPRI oraz GUS (Analizy Rynkowe 2010) Produkcja - Polska Produkcja - świa Rysunek 2. Projekcje produkcji pszenicy dla Polski i świaa w ys. on według modelu FAPRI na le danych rzeczywisych Źródło: obliczenia własne na podsawie danych FAPRI oraz GUS (Analizy Rynkowe 2010). 4,40 4,20 4,00 Plony - Polska 3,25 3,10 2,95 Plony - świa 3,80 2,80 3,60 2,65 3,40 2,50 3,20 2,35 3,00 2,20 Rysunek 3. Projekcje plonów pszenicy w /ha dla Polski i świaa według modelu FAPRI na le danych rzeczywisych Źródło: obliczenia własne na podsawie danych FAPRI oraz GUS (Analizy Rynkowe 2010).
8 54 MARIUSZ HAMULCZUK błędy projekcji dla Polski. Np. błędy prognoz na szósy rok wynoszą odpowiednio: 9,5% i 3,5%. Jes o zrozumiała syuacja, kóra wynika z większego uśrednienia czynników warunkujących ryzyko produkcyjne, głównie uwarunkowań meeorologicznych. Projekcje konsumpcji (rys. 4.) należy uznać za zby opymisyczne. W przypadku Polski błędy prognoz MAPE są równe błędom MPE, co wskazuje na każdorazowe przeszacowanie prognoz w sosunku do rzeczywisych realizacji. Błędy projekcji na szósy rok wynoszą 14,4%, zaś błędy projekcji na dziewiąy rok 20,4%. Przyczyną zawyżenia było nieuwzględnienie roli innych źródeł zużycia paszowego, zwłaszcza pasz produkowanych z sosowaniem soi, jako ich komponenu. W analizowanym okresie zmieniła się srukura produkcji (wzros produkcji drobiu koszem wołowiny) zwierzęcej, sąd zmianom uległa eż srukura zużycia paszowego zbóż. Zaem można uznać, że przyczyną błędów prognoz było nieprawidłowe oszacowanie popyu na ziarno zbóż. Projekcje doyczące świaowej konsumpcji są dosyć dokładne. Powierdza o prawidłowe odzwierciedlenie kierunku zmian oraz ylko 2,6% błędu prognoz formułowanych na szósy i dziewiąy rok. Podsawową zmienną deerminującą zachowania producenów, a akże konsumenów, jes cena. Od poziomu ceny, a akże od relacji z cenami produków subsyucyjnych oraz komplemenarnych zależą decyzje producenów rolnych doyczące zasiewów. Na podsawie graficznej prezenacji projekcji cen pszenicy oraz danych rzeczywisych (rys. 5.) zauważyć można, że do 2007 roku projekcje zasadniczo prawidłowo pokazywały kierunki zmian cen. Naomias poziom cen obserwowany w osanich czerech laach zdecydowanie odbiega od wcześniejszych projekcji. Prognozy zosały niedoszacowanie, co było zapewne efekem przyjęcia założenia o konynuacji rendu obserwowanego w drugiej połowie XX w. Błędy projekcji cen pszenicy formułowane przez FAPRI na poziomie 26 i 37% (na szósy i na dziewiąy rok naprzód) powierdzają, że ceny sanowią jedną z najrudniej przewidywalnych kaegorii rynkowych. Należy dodać, że sysemayczne przeszacowanie projekcji na podsawie dużych modeli obserwuje się w przypadku eksporu zbóż [Baumel i in. 2000]. Projekcje formułowane na podsawie scenariuszy bazowych modelu FAPRI można uznać za dosyć dokładne w przypadku świaowego rynku pszenicy. Dokładność a w znacznej mierze wynika ze wzajemnego niwelowania wahań przypadkowych na poszczególnych Konsumpcja - Polska Prognozy FAPRI Konsumpcja - świa Prognozy FAPRI Rysunek 4. Projekcje konsumpcji (zużycia) pszenicy dla Polski i świaa ys. on według modelu FAPRI na le danych rzeczywisych Źródło: obliczenia własne na podsawie danych FAPRI oraz GUS (Analizy Rynkowe 2010).
9 DOKŁADNOŚĆ DŁUGOOKRESOWYCH PROJEKCJI NA RYNKU ROLNYM Ceny FOB Rysunek 5. Projekcje świaowych cen pszenicy (U.S. FOB Gulf) w USD za onę według modelu FAPRI na le danych rzeczywisych Źródło: opracowanie własne na podsawie danych publikowanych w raporach FAPRI Tabela 1. Średnie błędy projekcji FAPRI dla świaowego rynku pszenicy formułowanych w laach [%] Błąd Horyzon Powierzchnia Produkcja Plony Konsumpcja Ceny FOB MPE 3-1,57-2,50-0,88-0,99 5,29 MPE 6-1,31-2,17-0,76-1,69 25,75 MPE 9-0,09-1,07-1,13-2,62 36,96 MAPE 3 1,80 4,44 2,88 2,07 13,85 MAPE 6 2,26 5,40 3,47 2,61 25,75 MAPE 9 3,14 5,69 2,63 2,62 36,96 Źródło: opracowanie własne na podsawie danych publikowanych w raporach FAPRI. Tabela 2. Średnie błędy projekcji FAPRI dla polskiego rynku pszenicy formułowanych w laach [%] Błąd Horyzon Powierzchnia Produkcja Plony Konsumpcja MPE 3-7,68-4,43 2,66-8,78 MPE 6-13,97-11,41 2,51-15,41 MPE 9-15,61-15,26 0,63-20,45 MAPE 3 9,69 7,56 8,22 8,78 MAPE 6 13,97 15,91 9,51 15,41 MAPE 9 15,61 15,26 8,45 20,45 Źródło: obliczenia własne na podsawie danych FAPRI oraz GUS (Analizy Rynkowe 2010). rynkach przesrzennych. Wyjąkiem są uaj ceny świaowe na bazie FOB. W przypadku prognoz plonów zbóż w Polsce prawidłowo określono kierunek zmian, mimo pojawienia się dużych błędów. Naomias prognozy pozosałych zmiennych bilansu zbóż dla Polski, głównie konsumpcji, były obarczone dużym błędem i przeszacowane. Z meodologicznego punku widzenia ważne jes pyanie o przyczyny błędów prognoz. Zapewne do podsawowych przyczyn ych błędów można zaliczyć ograniczenia i założenia, na kórych opierają się modele równowagi cząskowej. Ponado, można wskazać niezmienność założeń makroekonomicznych oraz poliyki sekorowej i handlowej. Przykładowo, w przypadku handlu zbożem nasąpiła szersza liberalizacja obroów świaowych.
10 56 MARIUSZ HAMULCZUK Równocześnie Polska przysąpiła do UE, co było zmianą srukuralną, kórej efeky były rudne do oszacowania. Nie można ego jednak rozparywać w sensie błędu specyfikacji modelu, ponieważ jes o wynik przyjęych założeń i głównego zasosowania modelu, jakim jes symulacja zachowań rynku. Należy podkreślić, że poliyka rolna w sosunku do mniejszych graczy (akich jak Polska) nie była zby szczegółowa. Czynnik en wraz z możliwymi rzeczywisymi błędami specyfikacji modelu mógł się odbić na jakości projekcji. C. Philip Baumel [2001] oraz Rober N. Wisner i współauorzy [2002] swierdzają, że błędy specyfikacji modeli są możliwe i skukują, np. ciągłym przeszacowaniem projekcji eksporu surowców w USA. WZGLĘDNA DOKŁADNOŚĆ PROJEKCJI FAPRI Wysokie bądź niskie błędy prognoz nie zawsze świadczą o ym, że wykorzysywana meoda jes nieodpowiednia, chociaż lepiej byłoby, gdyby prognozy były dokładniejsze. Naomias nie można narzucać jednakowych granic błędów prognoz dla różnych kaegorii rynkowych, kóre by wykluczały daną meodę. Należy przyjąć, że są zjawiska ławiejsze (np. konsumpcja) i rudniejsze do prognozowania (np. ceny). Może się okazać również, że błędy prognoz dla ego samego zjawiska (kaegorii) na innych rynkach przesrzennych są znacząco różne. Dlaego eż należałoby przeprowadzić pewną analizę porównawczą, kóra pozwoliłaby ocenić, na ile prognozy formułowane z wykorzysaniem danej meody (w ym przypadku modelu FAPRI) są lepsze od prognoz orzymanych na podsawie innych Tabela 3. Średnie błędy prognoz świaowego rynku pszenicy oszacowane za pomocą modeli eksrapolacji funkcji rendu (z la ) [%] Błąd Horyzon Powierzchnia Produkcja Plony Konsumpcja Ceny FOB Model Y = a + b x + ε MPE 3-2,31-0,82 1,64 0,45-0,95 MPE 6-1,24 0,31 1,88 0,00 24,62 MPE 9 2,06 3,62 2,14-0,59 36,77 MAPE 3 2,58 3,07 2,22 1,66 25,84 MAPE 6 2,50 5,53 3,53 2,08 36,85 MAPE 9 2,06 5,07 3,70 3,11 38,65 Model Y = a + b x + c x 1/ + ε MPE 3-3,55-1,43 1,60 0,30-12,48 MPE 6-3,77 1,21 4,02 1,62 10,23 MPE 9-4,94 3,71 6,83 3,20 19,69 MAPE 3 3,75 4,41 3,05 1,52 23,49 MAPE 6 4,84 4,77 4,02 2,08 35,97 MAPE 9 5,10 5,66 6,83 3,20 33,99 Uwaga: kursywą zaznaczono e błędy MAPE, kórych wielkość jes niższa niż wielkość błędów z modelu FAPRI (ab. 1.). Źródło: obliczenia własne na podsawie danych FAPRI.
11 DOKŁADNOŚĆ DŁUGOOKRESOWYCH PROJEKCJI NA RYNKU ROLNYM meod. Według założeń zawarych w rozdziale meodycznym do porównań wybrano meodę eksrapolacji funkcji rendu, kóra może mieć zasosowanie w średnio- i długookresowym przewidywaniu endencji. Błędy prognoz obliczonych na podsawie modeli eksrapolacji funkcji rendu przedsawiono w abelach Po porównaniu dokładności projekcji FAPRI (ab. 1.) z dokładnością prognoz formułowanych na analogiczne momeny na podsawie modeli eksrapolacji funkcji rendu (ab. 3.) nie można uznać, że dokładności e znacząco się różnią. Tym samym nie wskazuje o na zdecydowaną przewagę kórejkolwiek z meod. Nawe w przypadku cen pszenicy nie uzyskano dokładniejszych prognoz niż w modelu FAPRI. Zaem w ym konekście, długookresowe projekcje zmian na świaowym rynku pszenicy prezenowane w raporach rynkowych FAPRI mogą służyć jako dość wiarygodne źródło informacji o przyszłym sanie ego rynku. Wiarygodne, ponieważ alernaywne sposoby nie prowadzą do uzyskania lepszych rezulaów. Dodakowo można zauważyć, że zasosowanie liniowych rendów (prosszych) do eksrapolacji zjawisk dało lepsze rezulay niż wykorzysanie funkcji nieliniowych. Dokładność projekcji polskiego rynku pszenicy formułowanych na podsawie modelu FAPRI jes zdecydowanie niższa niż dokładność prognoz dla rynku świaowego. Przecięne błędy prognoz na 6-9 la naprzód na poziomie 15-20% wydają się nie do zaakcepowania, jeśli powołać się na wiedzę akademicką, wedle kórej dopuszczalność prognozy kszałuje się na poziomie 5-10% [np. Zeliaś i in. 2003] Jednak okazuje się, że prognozy orzymane na podsawie alernaywnych modeli (ab ) nie są dokładniejsze, a w większości przypadków wręcz przeciwnie. Zaem w warunkach głębokich zmian srukuralnych (ransformacja rynkowa, zmiany poliyk rolnych, inegracja z UE) prognozowanie na podsawie modeli ilościowych (i nie ylko) jes obarczone ryzykiem popełnienia dużych błędów. Tabela 4. Średnie błędy prognoz polskiego rynku pszenicy oszacowanych za pomocą modeli eksrapolacji funkcji rendu (z la ) [%] Błąd Horyzon Powierzchnia Produkcja Plony Konsumpcja Model Y = a + b x + ε MPE 3-12,54-1,06 10,77-5,26 MPE 6-25,93-8,55 15,18-8,41 MPE 9-32,77-7,76 21,86-4,26 MAPE 3 12,54 5,99 10,77 9,39 MAPE 6 25,93 11,21 15,18 8,41 MAPE 9 32,77 11,87 21,86 9,11 Model Y = a + b x + c x 1/ + ε MPE 3-11,80 5,23 16,74-3,74 MPE 6-23,25 4,23 26,16-5,23 MPE 9-27,25 12,81 36,75-1,25 MAPE 3 11,80 7,48 16,74 7,07 MAPE 6 23,25 8,84 26,16 5,23 MAPE 9 27,25 12,81 36,75 7,15 Uwaga: kursywą zaznaczono e błędy MAPE, kórych warość jes niższa niż warość błędów z modelu FAPRI (ab. 2.). Źródło: obliczenia własne na podsawie danych FAPRI oraz GUS (Analizy Rynkowe 2010).
12 58 MARIUSZ HAMULCZUK Bardziej szczegółowe badanie błędów MAPE prognoz wykonywane na szósy rok do rynku polskiego wskazuje, że na 16 modeli (4 kaegorie x 4 modele) ylko 5 modeli eksrapolacji okazało się przecięnie bardziej rafne. Przy czym ylko w przypadku 2 modeli, dla konsumpcji pszenicy w Polsce, mamy do czynienia z widocznie niższymi błędami prognoz obliczonych na podsawie modeli eksrapolacji funkcji rendu (ab. 2. i 4.). Nie obserwowano również przewagi modeli nieliniowych nad liniowymi. Wprowadzenie szucznej zmiennej (DUM) dla zobrazowania procesu ransformacji nie przyczyniło się do poprawy jakości modeli (ab ). Błędy prognoz (ab. 5.) modeli ze szuczną zmienną były przecięnie wyższe niż błędy prognoz obliczonych przy wykorzysaniu modeli bez ej zmiennej (ab. 4.). Jedynym wyjąkiem jes prognoza dla plonów pszenicy. W ym przypadku włączenie szucznej zmiennej przyczyniło się do zwiększenia dokładności prognoz plonów do poziomu zbliżonego do dokładności projekcji FAPRI (ab. 2., ab. 5.). Tabela 5. Średnie błędy prognoz polskiego rynku pszenicy oszacowanych za pomocą modeli eksrapolacji funkcji rendu (z la ) [%] Błąd Horyzon Powierzchnia Produkcja Plony Konsumpcja Model Y = a + b x + d x DUM + ε MPE 3-12,81-11,06 0,70-11,41 MPE 6-26,41-25,00 0,09-18,31 MPE 9-33,53-34,91-2,75-20,58 MAPE 3 12,81 11,39 7,13 12,18 MAPE 6 26,41 25,00 6,66 18,31 MAPE 9 33,53 34,91 8,49 20,58 Model Y = a + b x + c x 1/ +d x DUM + ε MPE 3-13,47-9,08 5,34-13,75 MPE 6-26,35-20,08 7,90-22,06 MPE 9-33,62-26,69 10,41-28,29 MAPE 3 13,47 9,94 6,32 13,75 MAPE 6 26,35 20,08 9,08 22,06 MAPE 9 33,62 26,69 10,41 28,29 Uwaga: kursywą zaznaczono e błędy MAPE, kórych warość jes niższa niż warość błędów z modelu FAPRI (ab. 2.). Źródło: obliczenia własne na podsawie danych FAPRI oraz GUS (Analizy Rynkowe 2010). WNIOSKI Prognozy formułowane na podsawie modelu FAPRI mogą sanowić drogowskaz zmian dla świaowego rynku pszenicy. Wielkość błędów prognoz dla kaegorii ilościowych (zasiewy, produkcja, plony, konsumpcja) była relaywnie niska. Mniejsze zdolności przewidywania miały miejsce w przypadku cen świaowych. Model sekorowy, jakim jes FAPRI, zasadniczo nie pozwala na przewidzenie zmian spekulacyjnych charakerysycznych dla osanich rzech la.
13 DOKŁADNOŚĆ DŁUGOOKRESOWYCH PROJEKCJI NA RYNKU ROLNYM Przeprowadzone badania wskazują, że dokładność projekcji dla poszczególnych krajów lub regionów może być niższa niż dokładność projekcji globalnych. Wśród przyczyn różnic można wymienić wzajemne znoszenie się ryzyka produkcyjnego w ramach agregau, jakim jes gospodarka świaowa oraz mniej dokładną specyfikację równań dla mniejszych gospodarek. Mimo wysokich błędów prognoz FAPRI dla polskiego rynku pszenicy, nie udało się znaleźć innych modeli, kóre pozwalałyby na uzyskiwanie dokładniejszych prognoz. Również prognozy dla rynku świaowego orzymane z wykorzysaniem modeli eksrapolacji rendu nie były dokładniejsze od projekcji FAPRI. Powierdza o generalnie duże walory raporów FAPRI i przedsawianych am projekcji. LITERATURA Analizy Rynkowe, Rynek zbóż, san i perspekywy 2010, IERIGŻ-PIB, ARR, MRIRW. Baumel, C.P., Wisner R.N., McVey M.J. and Fulcher C.W., 2000: Trends, COE Projecions No Supporive of River Projec, Volume 72, Number 30, Feedsuffs, July 17. Baumel C.P. 2001: How U.S. Grain Expor Projecions from Large Scale Agriculural Secor Models Compare wih Realiy, Blanco-Fonseca M. 2010: WP4 Baseline, Deliverable: D4.1. Common Agriculural Policy Regional Impac The Rural Developmen Dimension. Lieraure Review of Mehodologies o Generae Baselines for Agriculure and Land Use, JRC, IPTS. FAPRI 2011: FAPRI U.S. and World Agriculural Oulook. FAPRI Saff Repors , FSR 1, Food and Agriculural Policy Research Insiue. Iowa Sae Universiy and he Universiy of Missouri-Columbia, hp:// Wisner R.N., McVey M., Baumel C. P., Curiss C.F. 2002: Are Large-Scale Agriculural-Secor Economic Models Suiable for Forecasing? hp://www2.econ.iasae.edu/faculy/wisner/ largescalemodels.pdf Zeliaś A., Pawełek B., Wana S. 2003: Prognozowanie ekonomiczne. Teoria, przykłady, zadania. PWN Warszawa. Mariusz Hamulczuk THE ACCURACY OF AGRICULTURAL BASELINE PROJECTIONS EXAMPLE OF THE FAPRI MODEL AND THE WHEAT MARKET Summary One of he ways of limiaion of risk and uncerainy is forecasing of phenomena. Among he models whose resuls can be using as a decision guide is parial equilibrium model FAPRI. The purpose of elaboraion is an aemp of assessmen if baseline projecions from big secoral models can fulfill he role of reliable forecass. The subjec of research is reliabiliy of he FAPRI model projecions of world and polish whea markes. Resuls of research show, ha FAPRI projecions can presen alernaive for forecass obained wih uilizaion of oher quaniaive mehods. Adres do korespondencji: dr Mariusz Hamulczuk Kaedra Ekonomiki Rolnicwa i Międzynarodowych Sosunków Gospodarczych SGGW ul. Nowoursynowska Warszawa mariusz_hamulczuk@sggw.pl
Kombinowanie 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 szczegółowoWybrane problemy prognozowania cen produktów rolnych
V EUROPEJSKI KONGRES MENADŻERÓW AGROBIZNESU, ŁYSOMICE 14.11.218 Wybrane problemy prognozowania cen produków rolnych Cezary Klimkowski INSTYTUT EKONOMIKI ROLNICTWA I GOSPODARKI ŻYWNOŚCIOWEJ PAŃSTWOWY INSTYTUT
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 szczegółowoStrukturalne podejście w prognozowaniu produktu krajowego brutto w ujęciu regionalnym
Jacek Baóg Uniwersye Szczeciński Srukuralne podejście w prognozowaniu produku krajowego bruo w ujęciu regionalnym Znajomość poziomu i dynamiki produku krajowego bruo wyworzonego w poszczególnych regionach
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 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 ( ) ( ) ( ) i E E E i r r = = = = = θ θ ρ ν φ ε ρ α * 1 1 1 ) ( R. popyu R. Fishera Krzywa Phillipsa
Bardziej szczegółowoAnaliza rynku projekt
Analiza rynku projek A. Układ projeku 1. Srona yułowa Tema Auor 2. Spis reści 3. Treść projeku 1 B. Treść projeku 1. Wsęp Po co? Na co? Dlaczego? Dlaczego robię badania? Jakimi meodami? Dla Kogo o jes
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 szczegółowoParytet 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 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 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 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 szczegółowoPrognozowanie średniego miesięcznego kursu kupna USD
Prognozowanie średniego miesięcznego kursu kupna USD Kaarzyna Halicka Poliechnika Białosocka, Wydział Zarządzania, Kaedra Informayki Gospodarczej i Logisyki, e-mail: k.halicka@pb.edu.pl Jusyna Godlewska
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 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 E i E E i r r 1 1 1 ) ( R. popyu R. Fishera Krzywa Phillipsa Oczekiwania Reguła poliyki monearnej
Bardziej szczegółowoPUNKTOWA I PRZEDZIAŁOWA PREDYKCJA PRZEWOZÓW PASAŻERÓW W ŻEGLUDZE PROMOWEJ NA BAŁTYKU W LATACH 2008 2010
STUDIA I PRACE WYDZIAŁU NAUK EKONOMICZNYCH I ZARZĄDZANIA NR 15 Chrisian Lis PUNKTOWA I PRZEDZIAŁOWA PREDYKCJA PRZEWOZÓW PASAŻERÓW W ŻEGLUDZE PROMOWEJ NA BAŁTYKU W LATACH 2008 2010 Wprowadzenie Przedmioem
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 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 ( ) ( ) ( ) E i E E i r r ν φ θ θ ρ ε ρ α 1 1 1 ) ( R. popyu R. Fishera Krzywa Phillipsa Oczekiwania
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 szczegółowoANALIZA, PROGNOZOWANIE I SYMULACJA / Ćwiczenia 1
ANALIZA, PROGNOZOWANIE I SYMULACJA / Ćwiczenia 1 mgr inż. Żanea Pruska Maeriał opracowany na podsawie lieraury przedmiou. Zadanie 1 Firma Alfa jes jednym z głównych dosawców firmy Bea. Ilość produku X,
Bardziej szczegółowoPROGNOZOWANIE ZUŻYCIA CIEPŁEJ I ZIMNEJ WODY W SPÓŁDZIELCZYCH ZASOBACH MIESZKANIOWYCH
STUDIA I PRACE WYDZIAŁU NAUK EKONOMICZNYCH I ZARZĄDZANIA NR 15 Barbara Baóg Iwona Foryś PROGNOZOWANIE ZUŻYCIA CIEPŁEJ I ZIMNEJ WODY W SPÓŁDZIELCZYCH ZASOBACH MIESZKANIOWYCH Wsęp Koszy dosarczenia wody
Bardziej szczegółowoPROGNOZOWANIE. Ćwiczenia 2. mgr Dawid Doliński
Ćwiczenia 2 mgr Dawid Doliński Modele szeregów czasowych sały poziom rend sezonowość Y Y Y Czas Czas Czas Modele naiwny Modele średniej arymeycznej Model Browna Modele ARMA Model Hola Modele analiyczne
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 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 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 szczegółowoPrognoza scenariuszowa poziomu oraz struktury sektorowej i zawodowej popytu na pracę w województwie łódzkim na lata
Projek Kapiał ludzki i społeczny jako czynniki rozwoju regionu łódzkiego współfinansowany ze środków Unii Europejskiej w ramach Europejskiego Funduszu Społecznego Prognoza scenariuszowa poziomu oraz srukury
Bardziej szczegółowoPROPOZYCJA NOWEJ METODY OKREŚLANIA ZUŻYCIA TECHNICZNEGO BUDYNKÓW
Udosępnione na prawach rękopisu, 8.04.014r. Publikacja: Knyziak P., "Propozycja nowej meody określania zuzycia echnicznego budynków" (Proposal Of New Mehod For Calculaing he echnical Deerioraion Of Buildings),
Bardziej szczegółowoMetody ilościowe w systemie prognozowania cen produktów rolnych. Mariusz Hamulczuk Cezary Klimkowski Stanisław Stańko
Meody ilościowe w sysemie prognozowania cen produków rolnych nr 89 2013 Mariusz Hamulczuk Cezary Klimkowski Sanisław Sańko Meody ilościowe w sysemie prognozowania cen produków rolnych Meody ilościowe
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 szczegółowoKobiety w przedsiębiorstwach usługowych prognozy nieliniowe
Pior Srożek * Kobiey w przedsiębiorswach usługowych prognozy nieliniowe Wsęp W dzisiejszym świecie procesy społeczno-gospodarcze zachodzą bardzo dynamicznie. W związku z ym bardzo zmienił się sereoypowy
Bardziej szczegółowoWYKORZYSTANIE TEORII CHAOSU ZDETERMINOWANEGO W PROGNOZOWANIU KROKOWYM ROCZNEGO ZUŻYCIA ENERGII ELEKTRYCZNEJ PRZEZ ODBIORCÓW WIEJSKICH
INFRASTRUKTURA I EKOLOGIA TERENÓW WIEJSKICH Nr 2/2005, POLSKA AKADEMIA NAUK, Oddział w Krakowie, s. 121 128 Komisja Technicznej Infrasrukury Wsi Małgorzaa Trojanowska WYKORZYSTANIE TEORII CHAOSU ZDETERMINOWANEGO
Bardziej szczegółowoStruktura sektorowa finansowania wydatków na B+R w krajach strefy euro
Rozdział i. Srukura sekorowa finansowania wydaków na B+R w krajach srefy euro Rober W. Włodarczyk 1 Sreszczenie W arykule podjęo próbę oceny srukury sekorowej (sekor przedsiębiorsw, sekor rządowy, sekor
Bardziej szczegółowoCopyright by Politechnika Białostocka, Białystok 2017
Recenzenci: dr hab. Sanisław Łobejko, prof. SGH prof. dr hab. Doroa Wikowska Redakor naukowy: Joanicjusz Nazarko Auorzy: Ewa Chodakowska Kaarzyna Halicka Arkadiusz Jurczuk Joanicjusz Nazarko Redakor wydawnicwa:
Bardziej szczegółowoPROGNOZOWANIE BRAKUJĄCYCH DANYCH DLA SZEREGÓW O WYSOKIEJ CZĘSTOTLIWOŚCI OCZYSZCZONYCH Z SEZONOWOŚCI
Sudia Ekonomiczne. Zeszyy Naukowe Uniwersyeu Ekonomicznego w Kaowicach ISSN 2083-8611 Nr 289 2016 Maria Szmuksa-Zawadzka Zachodniopomorski Uniwersye Technologiczny w Szczecinie Sudium Maemayki Jan Zawadzki
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 szczegółowoZAŁOŻENIA NEOKLASYCZNEJ TEORII WZROSTU EKOLOGICZNIE UWARUNKOWANEGO W MODELOWANIU ZRÓWNOWAŻONEGO ROZWOJU REGIONU. Henryk J. Wnorowski, Dorota Perło
0-0-0 ZAŁOŻENIA NEOKLASYCZNEJ TEORII WZROSTU EKOLOGICZNIE UWARUNKOWANEGO W MODELOWANIU ZRÓWNOWAŻONEGO ROZWOJU REGIONU Henryk J. Wnorowski, Doroa Perło Plan wysąpienia Cel referau. Kluczowe założenia neoklasycznej
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 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 szczegółowoMetody prognozowania: Szeregi czasowe. Dr inż. Sebastian Skoczypiec. ver Co to jest szereg czasowy?
Meody prognozowania: Szeregi czasowe Dr inż. Sebasian Skoczypiec ver. 11.20.2009 Co o jes szereg czasowy? Szereg czasowy: uporządkowany zbiór warości badanej cechy lub warości określonego zjawiska, zaobserwowanych
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 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 szczegółowoPrognoza skutków handlowych przystąpienia do Europejskiej Unii Monetarnej dla Polski przy użyciu uogólnionego modelu grawitacyjnego
Bank i Kredy 40 (1), 2009, 69 88 www.bankikredy.nbp.pl www.bankandcredi.nbp.pl Prognoza skuków handlowych przysąpienia do Europejskiej Unii Monearnej dla Polski przy użyciu uogólnionego modelu grawiacyjnego
Bardziej szczegółowoPrognozowanie i symulacje
Prognozowanie i smulacje Lepiej znać prawdę niedokładnie, niż dokładnie się mlić. J. M. Kenes dr Iwona Kowalska ikowalska@wz.uw.edu.pl Prognozowanie meod naiwne i średnie ruchome Meod naiwne poziom bez
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 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 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 szczegółowoANALIZA SZEREGU CZASOWEGO CEN ŻYWCA BROJLERÓW W LATACH
METODY ILOŚCIOWE W BADANIACH EKONOMICZNYCH Tom XIII/1, 2012, sr. 224 233 ANALIZA SZEREGU CZASOWEGO CEN ŻYWCA BROJLERÓW W LATACH 1991-2011 Kaarzyna Unik-Banaś Kaedra Zarządzania i Markeingu w Agrobiznesie
Bardziej szczegółowoFOLIA POMERANAE UNIVERSITATIS TECHNOLOGIAE STETINENSIS Folia Pomer. Univ. Technol. Stetin., Oeconomica 2015, 323(81)4,
FOLIA POMERANAE UNIVERSITATIS TECHNOLOGIAE STETINENSIS Folia Pomer. Univ. Technol. Sein., Oeconomica 205, 323(8)4, 25 32 Joanna PERZYŃSKA WYBRANE MIERNIKI TRAFNOŚCI PROGNOZ EX POST W WYZNACZANIU PROGNOZ
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 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 szczegółowoPolitechnika Gdańska Wydział Elektrotechniki i Automatyki Katedra Inżynierii Systemów Sterowania. Podstawy Automatyki
Poliechnika Gdańska Wydział Elekroechniki i Auomayki Kaedra Inżynierii Sysemów Serowania Podsawy Auomayki Repeyorium z Podsaw auomayki Zadania do ćwiczeń ermin T15 Opracowanie: Kazimierz Duzinkiewicz,
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 szczegółowoNowokeynesowski model gospodarki
M.Brzoza-Brzezina Poliyka pieniężna: Neokeynesowski model gospodarki Nowokeynesowski model gospodarki Model nowokeynesowski (laa 90. XX w.) jes obecnie najprosszym, sandardowym narzędziem analizy procesów
Bardziej szczegółowodr inż. MARCIN MAŁACHOWSKI Instytut Technik Innowacyjnych EMAG
dr inż. MARCIN MAŁACHOWSKI Insyu Technik Innowacyjnych EMAG Wykorzysanie opycznej meody pomiaru sężenia pyłu do wspomagania oceny paramerów wpływających na możliwość zaisnienia wybuchu osiadłego pyłu węglowego
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 szczegółowoSZACOWANIE MODELU RYNKOWEGO CYKLU ŻYCIA PRODUKTU
B A D A N I A O P E R A C J N E I D E C Z J E Nr 2 2006 Bogusław GUZIK* SZACOWANIE MODELU RNKOWEGO CKLU ŻCIA PRODUKTU Przedsawiono zasadnicze podejścia do saysycznego szacowania modelu rynkowego cyklu
Bardziej szczegółowoMariusz Plich. Spis treści:
Spis reści: Modele wielorównaniowe - mnożniki i symulacje. Podsawowe pojęcia i klasyfikacje. Czynniki modelowania i sposoby wykorzysania modelu 3. ypy i posacie modeli wielorównaniowych 4. Przykłady modeli
Bardziej szczegółowo1. Szereg niesezonowy 1.1. Opis szeregu
kwaralnych z la 2000-217 z la 2010-2017.. Szereg sezonowy ma charaker danych model z klasy ARIMA/SARIMA i model eksrapolacyjny oraz d prognoz z ych modeli. 1. Szereg niesezonowy 1.1. Opis szeregu Analizowany
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 szczegółowoMetody ilościowe w systemie prognozowania cen produktów rolnych. Mariusz Hamulczuk Cezary Klimkowski Stanisław Stańko
Meody ilościowe w sysemie prognozowania cen produków rolnych nr 89 2013 Mariusz Hamulczuk Cezary Klimkowski Sanisław Sańko Meody ilościowe w sysemie prognozowania cen produków rolnych Meody ilościowe
Bardziej szczegółowoZarządzanie Projektami. Wykład 3 Techniki sieciowe (część 1)
Zarządzanie Projekami Wykład 3 Techniki sieciowe (część ) Przedsięwzięcie wieloczynnościowe Przedsięwzięcie wieloczynnościowe skończona liczba wzajemnie ze sobą powiązanych czynności (eapów). Powiązania
Bardziej szczegółowoCzynniki determinujące opłacalność produkcji wybranych produktów rolniczych w perspektywie średnioterminowej
Czynniki determinujące opłacalność produkcji wybranych produktów rolniczych w perspektywie średnioterminowej Konferencja nt. WPR a konkurencyjność polskiego i europejskiego sektora żywnościowego 26-28
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 szczegółowoIdentyfikacja wahań koniunkturalnych gospodarki polskiej
Rozdział i Idenyfikacja wahań koniunkuralnych gospodarki polskiej dr Rafał Kasperowicz Uniwersye Ekonomiczny w Poznaniu Kaedra Mikroekonomii Sreszczenie Celem niniejszego opracowania jes idenyfikacja wahao
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 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 szczegółowoMODELE AUTOREGRESYJNE JAKO INSTRUMENT ZARZĄDZANIA ZAPASAMI NA PRZYKŁADZIE ELEKTROWNI CIEPLNEJ
Agaa MESJASZ-LECH * MODELE AUTOREGRESYJNE JAKO INSTRUMENT ZARZĄDZANIA ZAPASAMI NA PRZYKŁADZIE ELEKTROWNI CIEPLNEJ Sreszczenie W arykule przedsawiono wyniki analizy ekonomerycznej miesięcznych warości w
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 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 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 szczegółowoWprowadzenie do teorii prognozowania
Wprowadzenie do teorii prognozowania I Pojęcia: 1. Prognoza i zmienna prognozowana (przedmiot prognozy). Prognoza punktowa i przedziałowa. 2. Okres prognozy i horyzont prognozy. Prognozy krótkoterminowe
Bardziej szczegółowoPrognozowanie wska ników jako ciowych i ilo ciowych dla gospodarki polskiej z wykorzystaniem wybranych metod statystycznych
dr Anna Koz owska-grzybek mgr Marcin Kowalski Kaedra Mikroekonomii Akademia Ekonomiczna w Poznaniu Prognozowanie wska ników jako ciowych i ilo ciowych dla gospodarki polskiej z wykorzysaniem wybranych
Bardziej szczegółowo1.1. Bezpośrednie transformowanie napięć przemiennych
Rozdział Wprowadzenie.. Bezpośrednie ransformowanie napięć przemiennych Bezpośrednie ransformowanie napięć przemiennych jes formą zmiany paramerów wielkości fizycznych charakeryzujących energię elekryczną
Bardziej szczegółowoZastosowanie sztucznych sieci neuronowych do prognozowania szeregów czasowych
dr Joanna Perzyńska adiunk w Kaedrze Zasosowań Maemayki w Ekonomii Wydział Ekonomiczny Zachodniopomorski Uniwersye Technologiczny w Szczecinie Zasosowanie szucznych sieci neuronowych do prognozowania szeregów
Bardziej szczegółowoMakroekonomia 1 Wykład 14 Inflacja jako zjawisko monetarne: długookresowa krzywa Phillipsa
Makroekonomia 1 Wykład 14 Inflacja jako zjawisko monearne: długookresowa krzywa Phillipsa Gabriela Grokowska Kaedra Makroekonomii i Teorii Handlu Zagranicznego Plan wykładu Krzywa Pillipsa: przypomnienie
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 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 szczegółowoMakroekonomia 1 Wykład 15 Inflacja jako zjawisko monetarne: długookresowa krzywa Phillipsa
Makroekonomia 1 Wykład 15 Inflacja jako zjawisko monearne: długookresowa krzywa Phillipsa Gabriela Grokowska Kaedra Makroekonomii i Teorii Handlu Zagranicznego Plan wykładu Prawo Okuna Związek między bezrobociem,
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 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 szczegółowoFOLIA POMERANAE UNIVERSITATIS TECHNOLOGIAE STETINENSIS
FOLIA POMERANAE UNIVERSITATIS TECHNOLOGIAE STETINENSIS Folia Pomer. Univ. Technol. Sein., Oeconomica 2014, 313(76)3, 137 146 Maria Szmuksa-Zawadzka, Jan Zawadzki MODELE WYRÓWNYWANIA WYKŁADNICZEGO W PROGNOZOWANIU
Bardziej szczegółowoMODELE PROGNOSTYCZNE SPRZEDAśY ENERGII ELEKTRYCZNEJ ODBIORCOM WIEJSKIM OPARTE NA WYMIARZE FRAKTALNYM, LOGISTYCZNE I KRZYśOWANIA HEURYSTYCZNEGO
InŜynieria Rolnicza 11/2006 Małgorzaa Trojanowska Kaedra Energeyki Rolniczej Akademia Rolnicza w Krakowie MODELE PROGNOSTYCZNE SPRZEDAśY ENERGII ELEKTRYCZNEJ ODBIORCOM WIEJSKIM OPARTE NA WYMIARZE FRAKTALNYM,
Bardziej szczegółowoSilniki cieplne i rekurencje
6 FOTO 33, Lao 6 Silniki cieplne i rekurencje Jakub Mielczarek Insyu Fizyki UJ Chciałbym Pańswu zaprezenować zagadnienie, kóre pozwala, rozważając emaykę sprawności układu silników cieplnych, zapoznać
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 szczegółowoDendrochronologia Tworzenie chronologii
Dendrochronologia Dendrochronologia jes nauką wykorzysującą słoje przyrosu rocznego drzew do określania wieku (daowania) obieków drewnianych (budynki, przedmioy). Analizy różnych paramerów słojów przyrosu
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 szczegółowoA C T A U N I V E R S I T A T I S N I C O L A I C O P E R N I C I EKONOMIA XLIII nr 2 (2012)
A C T A U N I V E R S I T A T I S N I C O L A I C O P E R N I C I EKONOMIA XLIII nr 2 (2012) 211 220 Pierwsza wersja złożona 25 października 2011 ISSN Końcowa wersja zaakcepowana 3 grudnia 2012 2080-0339
Bardziej szczegółowoIstota oraz cel publikacji: Geneza:
Krysian Krawiec 1 Isoa oraz cel publikacji: Podsawowym celem publikacji jes przedsawienie zmian w funkcjonowaniu ypowego gospodarswa rolnego znajdującego się na południu Polski, biorąc pod uwagę okres
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 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 szczegółowoEkonometryczna analiza popytu na wodę
Jacek Batóg Uniwersytet Szczeciński Ekonometryczna analiza popytu na wodę Jednym z czynników niezbędnych dla funkcjonowania gospodarstw domowych oraz realizacji wielu procesów technologicznych jest woda.
Bardziej szczegółowoPROGNOZOWANIE I SYMULACJE EXCEL 2 PROGNOZOWANIE I SYMULACJE EXCEL AUTOR: ŻANETA PRUSKA
1 PROGNOZOWANIE I SYMULACJE EXCEL 2 AUTOR: mgr inż. ŻANETA PRUSKA DODATEK SOLVER 2 Sprawdzić czy w zakładce Dane znajduję się Solver 1. Kliknij przycisk Microsof Office, a nasępnie kliknij przycisk Opcje
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 szczegółowoWSPOMAGANIE DECYZJI - MIŁOSZ KADZIŃSKI LAB X - ELECTRE TRI
WSPOMAGANIE DECYZJI - MIŁOSZ KADZIŃSKI LAB X - ELECTRE TRI 1. Meoda ELECTRE TRI ELECTRE TRI (skró od ang. riage) meoda wspomagająca rozwiązywanie problemów wielokryerialnego sorowania - bardzo podobna
Bardziej szczegółowoNAPRAWY GWARANCYJNE I POGWARANCYJNE CIĄGNIKÓW ROLNICZYCH JAKO POTRANSAKCYJNE ELEMENTY LOGISTYCZNEJ OBSŁUGI KLIENTA
Inżynieria Rolnicza 2(100)/2008 NAPRAWY GWARANCYJNE I POGWARANCYJNE CIĄGNIKÓW ROLNICZYCH JAKO POTRANSAKCYJNE ELEMENTY LOGISTYCZNEJ OBSŁUGI KLIENTA Sławomir Juściński Kaedra Energeyki i Pojazdów Uniwersye
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 szczegółowoSOE PL 2009 Model DSGE
Zeszy nr 25 SOE PL 29 Model DSGE Warszawa, 2 r. , SOE PL 29 Konak: B Bohdan.Klos@mail.nbp.pl T ( 48 22) 653 5 87 B Grzegorz.Grabek@mail.nbp.pl T ( 48 22) 585 4 8 B Grzegorz.Koloch@mail.nbp.pl T ( 48 22)
Bardziej szczegółowoZASTOSOWANIE TESTU PERRONA DO BADANIA PUNKTÓW ZWROTNYCH INDEKSÓW GIEŁDOWYCH: WIG, WIG20, MIDWIG I TECHWIG
Doroa Wikowska, Anna Gasek Kaedra Ekonomerii i Informayki SGGW dwikowska@mors.sggw.waw.pl ZASTOSOWANIE TESTU PERRONA DO BADANIA PUNKTÓW ZWROTNYC INDEKSÓW GIEŁDOWYC: WIG, WIG2, MIDWIG I TECWIG Sreszczenie:
Bardziej szczegółowoĆWICZENIE NR 43 U R I (1)
ĆWCZENE N 43 POMY OPO METODĄ TECHNCZNĄ Cel ćwiczenia: wyznaczenie warości oporu oporników poprzez pomiary naężania prądu płynącego przez opornik oraz napięcia na oporniku Wsęp W celu wyznaczenia warości
Bardziej szczegółowoWPŁYW PODATNOŚCI GŁÓWKI SZYNY NA ROZKŁAD PRZEMIESZCZEŃ WZDŁUŻNYCH PRZY HAMOWANIU POCIĄGU 1
A R C H I W U M I N S T Y T U T U I N Ż Y N I E R I I L Ą D O W E J Nr 5 ARCHIVES OF INSTITUTE OF CIVIL ENGINEERING 017 WPŁYW PODATNOŚCI GŁÓWKI SZYNY NA ROZKŁAD PRZEMIESZCZEŃ WZDŁUŻNYCH PRZY HAMOWANIU
Bardziej szczegółowo