EFEKT DŹWIGNI NA GPW W WARSZAWIE WPROWADZENIE
|
|
- Józef Pluta
- 8 lat temu
- Przeglądów:
Transkrypt
1 Paweł Kobus, Rober Pierzykowski Kaedra Ekonomerii i Informayki SGGW pawel.kobus@saysyka.info EFEKT DŹWIGNI NA GPW W WARSZAWIE Sreszczenie: Do modelowania asymerycznego wpływu dobrych i złych informacji na warunkową wariancję w szeregu sóp zwrou najczęściej wykorzysuje się modele: EGARCH, AGARCH oraz GRJ-GARCH będące uogólnieniami modelu GARCH. W pracy rozważano zasadność sosowania modeli uwzględniających efek dźwigni w warunkach GPW w Warszawie. Badania oparo na analizie dziennych sóp zwrou dla indeksów: WIG, WIG oraz MIDWIG. Uzyskane wyniki sugerują, że w przeciwieńswie do rynków rozwinięych efek dźwigni na GPW w Warszawie nie wysępuje (WIG, WIG ) lub jes bardzo słaby (MIDWIG). Słowa kluczowe: efek dźwigni, GARCH WPROWADZENIE Praca doyczy jednego z aspeków modelowania szeregu sóp zwrou z porfela akcji. Tym aspekem jes wpływ osanich informacji na wielkość warunkowej wariancji. W modelach najczęściej sosowanych do modelowania szeregów sóp zwrou o zmiennej wariancji ARCH [Engle 98] oraz GARCH [Bollerslev 986] zakłada się aki sam wpływ dobrych i złych informacji. Jednak w wielu badaniach empirycznych swierdzono asymerię wpływu dobrych i złych informacji na warunkową wariancję, złe informacje powodowały zwiększenie wariancji podczas, gdy dobre zmniejszenie wariancji. Ta cecha szeregów sóp zwrou znana jes pod nazwą efeku dźwigni. Pierwszymi i najbardziej popularnymi modelami [Pionek 4] pozwalającymi na uwzględnienie asymerycznego wpływu informacji są uogólnienia modelu GARCH: EGARCH [Nelson 99], AGARCH [Engle i Ng 993] oraz GJR-GARCH [Glosen i in. 993]. Jak wspomniano efek dźwigni zosał powierdzony w badaniach empirycznych, jednak badania e doyczyły giełd funkcjonujących na dojrzałych rynkach np. giełda w Nowym Jorku. Celem niniejszej pracy jes sprawdzenie w jakim sopniu efek dźwigni wysępuje na warszawskiej GPW. Przez informację najczęściej rozumie się różnicę pomiędzy obserwowaną i oczekiwaną sopą zwrou. Informacją dobrą jes sopa zwrou wyższa od oczekiwanej, naomias informacją złą jes sopa zwrou niższa od oczekiwanej.
2 7 FUNKCJA WPŁYWU INFORMACJI Pojęcie funkcji wpływu informacji NIF 3 zosało wprowadzone przez Engle a i Ng a [Engle i Ng 993] i oznacza relację pomiędzy informacją z osaniego momenu czasowego ( ) i warunkową wariancją w chwili : h ( ) f () Równanie () jes pewnym uproszczeniem zn. pominięo w nim wpływ warunkowej wariancji w poprzednich momenach czasowych. Z rysunku nie wynika, że isnieje jakakolwiek zależność między i dla kolejnych noowań WIG. Na podsawie analizy ego rysunku należałoby raczej swierdzić, że nie ma żadnego związku między informacją z osaniego momenu czasowego ( ) i warunkową wariancją w chwili h. Jes o jednak wniosek przedwczesny Rys.. Zależność pomiędzy i dla noowań WIG z dni do Źródło: opracowania własne. Rysunek zosał sporządzony w oparciu o e same dane co rysunek. Zosały one jednak poddane wsępnej analizie. W pierwszym eapie błędy losowe zosały pogrupowane w szereg rozdzielczy o sałej liczebności w klasach po 3 Skró NIF pochodzi od słów news impac funcion.
3 7 obserwacji, w drugim eapie dla ak wyznaczonych przedziałów klasowych zosały obliczone średnie dla i Rys.. Zależność pomiędzy średnimi warościami i dla noowań WIG z dni do Źródło: opracowania własne. Teraz związek między informacją z osaniego momenu czasowego ( ) i warunkową wariancją w chwili h jes oczywisy. Isnienie asymerii jes jednak nadal problemayczne i wymaga dokładniejszej analizy. Dla porównania na rysunku 3 przedsawiono podobnie skonsruowany wykres przedsawiający noowania DJIA, w ym przypadku isnienie asymerycznego funkcji wpływu informacji jes wyraźne Rys. 3. Zależność pomiędzy średnimi warościami i dla noowań DJIA z dni do Źródło: opracowania własne.
4 7 W kolejnym rozdziale zosały formalnie wprowadzone najczęściej sosowane modele heeroskedasyczne. ROZPATRYWANE MODELE akcji Niech r oznacza sopę zwrou obliczaną na podsawie warości porfela y w momencie w sosunku do warości w momencie ( ) : y y r () y Zgodnie z modelem ARCH(p) warość sopy zwrou w momencie jes uzależniona od sóp zwrou w poprzednich momenach czasowych i warości zmiennej losowej 4 : r µ + µ + h h z, z ~ i. i. d. N(,) p ω. i i i W klasycznych specyfikacjach modelu ARCH przyjmuje się, że warunkowa warość oczekiwana µ jes równa zero i w konsekwencji pomijana, a r. Bollerslev [Bollerslev 986] zaproponował uogólnienie modelu (3) wprowadzając model GARCH(p,q), w kórym uzależnił warunkową wariancję dodakowo od wariancji w poprzednich momenach czasowych: p q α i i + i j (3) h ω + β h. (4) j j W prakyce najczęściej sosowany jes model GARCH(,): h ω + β h. (5) W przypadku modeli ARCH() i GARCH(,) NIF przyjmuje nasępującą posać: f ( ) A. (6) Przy czym sała A w modelu ARCH() wynosi ω naomias w modelu GARCH(,) A ω + β h. Ponieważ funkcja (6) jes parabolą symeryczną wokół zera o ym samym nie pozwala na modelowanie efeku dźwigni. 4 Ponieważ rozkład błędów nie był przedmioem głównego zaineresowania, w pracy ograniczono się do przypadku błędów losowych o rozkładzie normalnym.
5 73 W 993 Engle i Ng zaproponowali pod nazwą AGARCH [Engle i Ng 993] uogólnienie modelu GARCH pozwalające modelować efek dźwigni, gdzie: h ω ( α ) + β h. (7) W ym przypadku NIF przyjmuje nasępującą posać: f ( ) A ( α ). (8) Podobnie jak w przypadku modelu GARCH jes o parabola, jednak w ym przypadku osiąga ona minimum dla α. W ym samym roku Glosen i in. zaproponowali inne uogólnienie modelu GARCH znane pod nazwą GJR-GARCH, gdzie: h ω (9) I ( < ) + β h gdzie I ( ) < jeżeli ( < ) i w przeciwnym razie. Dla modelu GJR-GARCH NIF przyjmuje posać: f ( ) A I( < ). () W przeciwieńswie do wcześniejszych modeli wykres ej funkcji nie jes parabolą lecz złożeniem ramion dwóch różnych paraboli. Jeżeli o < współczynnik przy wynosi α, w przeciwnym przypadku jes równy α. Przy czym minimum jes osiągane dla. W modelu EGARCH [Nelson 99] zaproponowanym przez Nelsona logarym warunkowej wariancji wyraża się wzorem: Jeżeli log h z ω () podlega sandardowemu rozkładowi normalnemu, o h E + β log h h h h wyrażenie () przyjmuje posać: log h ω, () + β log h h h π
6 74 zaś NIF może być przedsawiona jako: przy czym sała f ( α α ) h ( ) exp + A, (3) ω α β A h exp. π OPIS BADAŃ EMPIRYCZNYCH W pracy posłużono się sopami zwrou obliczonymi dla podsawowych indeksów GPW w Warszawie: WIG, WIG, MIDWIG oraz dla porównania sopami zwrou indeksu DJIA. Sopy zwrou zosały obliczone na podsawie kursów zamknięcia: dla indeksów GPW w Warszawie z dni od do i dla indeksu DJIA z dni od do 6-5-6, w sumie po 6 obserwacji sóp. Wybór day począkowej związany jes z rozpoczęciem noowania indeksu MIDWIG, zaś przesunięcie dla indeksu day począkowej dla DJIA wynika z różnic w liczbie dni bez noowań na obydwu giełdach. Aby określić w jakim sopniu można mówić o wysępowaniu efeku dźwigni na warszawskiej GPW dla szeregów sóp zwrou wymienionych indeksów oszacowano nasępujące modele: GARCH, AGARCH, GRJ-GARCH, EGARCH i EGARCH z warością parameru odpowiedzialnego za asymerię NIF α, model en w dalszej części pracy oznaczano jako regarch. Wybrano dwie miary dopasowania: logarym z funkcji wiarogodność LLF i kryerium informacji Akaike AIC [Akaike 973]. AIC LLF + K, (4) Gdzie K oznacza liczbę paramerów. Jakość dopasowania jes ym lepsza im niższa jes warość AIC. Tabela. Warości LLF dla rozparywanych modeli Model Liczba paramerów WIG WIG MIDWIG DJIA GARCH 4 65,4 574,6 666, ,9 AGARCH 5 66,6 575, 6665,75 679,76 GJR-GARCH 5 66,6 575, ,7 675,6 EGARCH 5 64, 573, 6664,5 6734,6 regarch 4 6,6 57,37 666,99 668,4 Źródło: obliczenia własne.
7 75 Analizując warości miar jakości dopasowania modeli przedsawione w abelach i można swierdzić, że w przypadku wszyskich indeksów najlepsze okazały się modele uwzględniające asymeryczność funkcji wpływu informacji. Tabela. Warości AIC dla rozparywanych modeli Model Liczba paramerów WIG WIG MIDWIG DJIA GARCH 4 -,8-4, -335, -337,38 AGARCH 5-3,4-4,4-33,5-349,5 GJR-GARCH 5-3, -4,38-33,4-344, EGARCH 5-8, -46, -338,3-3458,5 regarch 4-7, -46,74-337, ,8 Źródło: obliczenia własne. W przypadku indeksów noowanych na GPW w Warszawie najlepsze okazały się modele AGARCH i GJR-GARCH, naomias w przypadku DJIA najlepszym modelem jes EGARCH. Jednak, o że modele uwzględniające asymerię są lepiej dopasowane nie jes wysarczającą podsawą do wyciągnięcia wniosku o wysępowaniu efeku dźwigni w szeregach sóp zwrou z indeksów noowanych na GPW w Warszawie. Należy jeszcze sprawdzić czy różnica w dopasowaniu jes wysarczająco duża. Formalnie należałoby w ym celu przeesować hipoezę o zerowej warości parameru odpowiedzialnego za asymerię w poszczególnych modelach. H : α. (5) Do weryfikacji ej hipoezy można posłużyć się esem bazującym na ilorazie funkcji wiarogodności LRT (Likelihood Raio Tes) [Greene ] LRT ( LLF LLF ), (6) W przypadku, gdy hipoeza jes prawdziwa, saysyka LRT ma asympoycznie rozkład χ ( p p ), gdzie p i p oznaczają liczby paramerów odpowiednich modeli. Zasosowanie ego esu do porównania dwóch modeli, z kórych jeden zawiera paramer odpowiedzialny za modelowanie efeku dźwigni, zaś drugi 5 nie, powinno dać odpowiedź co do wysępowania efeku dźwigni. Modele AGARCH oraz GJR-GARCH były porównywane z modelem GARCH, naomias model EGARCH z modelem regarch. 5 Porównywany model powinien zawierać się w modelu.
8 76 Tabela 3. Warości saysyki esowej LRT dla hipoezy H α. : Model WIG WIG MIDWIG DJIA AGARCH 3,63,88 8,44 6,4 GJR-GARCH 3,44,63 9,4 7,88 EGARCH,8,75,3 5,7 Źródło: opracowania własne. Warość kryyczna dla wszyskich obliczonych warości saysyk esowych jes aka sama χ 3, 845. Z rzech rozparywanych indeksów noowanych (.5,) na GPW w Warszawie ylko dla MIDWIG odrzucana jes hipoeza o braku asymerii, na poziomie isoności,5. Waro jednocześnie zauważyć, że nawe w ym przypadku warości saysyk esowych dla DJIA są wielokronie wyższe. PODSUMOWANIE Przeprowadzone analizy wykazały, że ylko w przypadku indeksu MIDWIG można mówić o wysępowaniu efeku dźwigni. Jednak nawe w ym przypadku siła wspomnianego efeku jes o wiele mniejsza niż w przypadku indeksu DJIA. Pomimo, że z uwagi na mały zakres przeprowadzonych badań nie można formułować zby zdecydowanych wniosków o uzyskane wyniki sugerują, że w warunkach GPW w Warszawie sosowanie modeli uwzględniających efek dźwigni nie jes konieczne. LITERATURA Akaike, H. (973). Informaion heory and an exension of he maximum likelihood principle, nd Iner. Symp. On Informaion Theory (Perov, B.N. and Csaki, F. Eds.), Akademiai Kiado, Budapes, Bollerslev, T. (986), Generalized Auorregressive Condiional Heeroskedasiciy, Journal of Economerics, 3, Engle, R. (98), Auorregressive Condiional Heeroskedasiciy wih Esimaes of Unied Kingdom Inflaion, Economerica, 5, Engle, Rober F., and Vicor K. Ng, (993), Measuring and Tesing he Impac of News on Volailiy, Journal of Finance 48,
9 77 Glosen, Lawrence R., Ravi Jagannahan, and David E. Runkle, (993), On he Relaion Beween he Expeced Value and he Volailiy of he Nominal Excess Reurns on Socks, Journal of Finance 48, Greene, William H. (), Economeric Analysis, Nelson, Daniel B., 99, Condiional Heeroskedasiciy in Asse Reurns: A New Approach, Economerica,59, Pionek, K. (4), Modelowanie efeku dźwigni w finansowych szeregach czasowych Maeriały Konferencyjne Akademii Ekonomicznej w Krakowie Nauki Finansowe wobec współczesnych problemów gospodarki polskiej, om IV (Rynki Finansowe), pod red. Jana Czekaja, Kraków 4, sr. 9 4 Leverage effec on Warsaw Sock Exchange Summary: Models mos frequenly used for modelling asymmerical impac of good and bad reurn news on volailiy response are generalizaions of GARCH namely: EGARCH, AGARCH and GRJ-GARCH. In his paper suppor for applicaion of hose models is considered in he case of Warsaw Sock Exchange. Researches are based on analysis daily reurn series of indexes: WIG, WIG, MIDWIG. Resuls indicae, ha in conras o developed markes here is very weak evidence supporing hypohesis of leverage effec. In he case of WIG and WIG he leverage effec is insignifican and for MIDWIG weak comparing for example wih DJIA, hough significan. Key words: leverage effec, GARCH
MODELOWANIE 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 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 szczegółowoEFEKT DNIA TYGODNIA NA GIEŁDZIE PAPIERÓW WARTOŚCIOWYCH W WARSZAWIE WSTĘP
Joanna Landmesser Kaedra Ekonomerii i Informayki SGGW e-mail: jgwiazda@mors.sggw.waw.pl EFEKT DNIA TYGODNIA NA GIEŁDZIE PAPIERÓW WARTOŚCIOWYCH W WARSZAWIE Sreszczenie: W pracy zbadano wysępowanie efeku
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 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 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 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 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 szczegółowoKrzysztof Piontek MODELOWANIE ZMIENNOŚCI STÓP PROCENTOWYCH NA PRZYKŁADZIE STOPY WIBOR
Inwesycje finansowe i ubezpieczenia endencje świaowe a rynek polski Krzyszof Pionek Akademia Ekonomiczna we Wrocławiu MODELOWANIE ZMIENNOŚCI STÓP PROCENTOWYCH NA PRZYKŁADZIE STOPY WIBOR Wsęp Konieczność
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 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 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 szczegółowoPIOTR FISZEDER, JACEK KWIATKOWSKI Katedra Ekonometrii i Statystyki
PIOTR FISZEDER, JACEK KWIATKOWSKI Kaedra Ekonomerii i Saysyki DYNAMICZNA ANALIZA ZALEŻNOŚCI POMIĘDZY OCZEKIWANĄ STOPĄ ZWROTU A WARUNKOWĄ WARIANCJĄ Sreszczenie: W badaniu zasosowano modele GARCHM ze sałym
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 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 szczegółowoKrzysztof Piontek Katedra Inwestycji Finansowych i Ubezpiecze Akademia Ekonomiczna we Wrocławiu
Krzyszof Pionek Kaedra Inwesycji Finansowych i Ubezpiecze Akademia Ekonomiczna we Wrocławiu Zasosowanie modeli klasy ARCH do opisu własnoci szeregu sóp zwrou indeksu WIG Wsp Sporód rónych rodzajów ryzyka
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 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 szczegółowoHeteroskedastyczność szeregu stóp zwrotu a koncepcja pomiaru ryzyka metodą VaR
Krzyszof Pionek Kaedra Inwesycji Finansowych i Ubezpieczeń Akademia Ekonomiczna we Wrocławiu Heeroskedasyczność szeregu sóp zwrou a koncepcja pomiaru ryzyka meodą VaR Wsęp Spośród wielu rodzajów ryzyka
Bardziej szczegółowoPOMIAR RYZYKA RYNKOWEGO OPCJI NA PRZYKŁADZIE OPCJI NA WIG20
ZESZYTY NAUKOWE UNIWERSYTETU SZCZECIŃSKIEGO NR 450 PRACE KATEDRY EKONOMETRII I STATYSTYKI NR 17 2006 KATARZYNA KUZIAK Akademia Ekonomiczna Wrocław POMIAR RYZYKA RYNKOWEGO OPCJI NA PRZYKŁADZIE OPCJI NA
Bardziej szczegółowoMagdalena Sokalska Szkoła Główna Handlowa. Modelowanie zmienności stóp zwrotu danych finansowych o wysokiej częstotliwości
DYNAMICZNE MODELE EKONOMETRYCZNE IX Ogólnopolskie Seminarium Naukowe, 6 8 września 005 w Toruniu Kaedra Ekonomerii i Saysyki, Uniwersye Mikołaja Kopernika w Toruniu Szkoła Główna Handlowa Modelowanie zmienności
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 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 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 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 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 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 szczegółowoAkademia Ekonomiczna im. Oskara Langego we Wrocławiu Katedra Inwestycji Finansowych i Ubezpieczeń
Krzyszof Pionek Akademia Ekonomiczna im. Oskara Langego we Wrocławiu Kaedra Inwesycji Finansowych i Ubezpieczeń Przegląd i porównanie meod oceny modeli VaR Wsęp - Miara VaR Warość zagrożona (warość narażona
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 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 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 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 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 szczegółowoROCZNIKI INŻYNIERII BUDOWLANEJ ZESZYT 7/2007 Komisja Inżynierii Budowlanej Oddział Polskiej Akademii Nauk w Katowicach
ROZNIKI INŻYNIERII BUDOWLANEJ ZESZYT 7/007 Komisja Inżynierii Budowlanej Oddział Polskiej Akademii Nauk w Kaowicach WYZNAZANIE PARAMETRÓW FUNKJI PEŁZANIA DREWNA W UJĘIU LOSOWYM * Kamil PAWLIK Poliechnika
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 szczegółowoZASTOSOWANIE FUNKCJI KOPULI W MODELOWNIU INDEKSÓW GIEŁDOWYCH
ZASTOSOWANIE FUNKCJI KOPULI W MODELOWNIU INDEKSÓW GIEŁDOWYCH Jacek Leśkow, Jusyna Mokrzycka, Kamil Krawiec 1 Sreszczenie Współczesne zarządzanie ryzykiem finansowanym opiera się na analizie zwroów szeregów
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 szczegółowoKrzysztof Piontek Akademia Ekonomiczna we Wrocławiu. Modelowanie warunkowej kurtozy oraz skośności w finansowych szeregach czasowych
DYNAMICZNE MODELE EKONOMETRYCZNE IX Ogólnopolskie Seminarium Naukowe, 6 8 września 5 w Toruniu Kaedra Ekonomerii i Saysyki, Uniwersye Mikołaja Kopernika w Toruniu Akademia Ekonomiczna we Wrocławiu Modelowanie
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 szczegółowoMODELOWANIE KURSÓW WALUTOWYCH NA PRZYKŁADZIE MODELI KURSÓW RÓWNOWAGI ORAZ ZMIENNOŚCI NA RYNKU FOREX
Krzyszof Ćwikliński Uniwersye Ekonomiczny we Wrocławiu Wydział Zarządzania, Informayki i Finansów Kaedra Ekonomerii krzyszof.cwiklinski@ue.wroc.pl Daniel Papla Uniwersye Ekonomiczny we Wrocławiu Wydział
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 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 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 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 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 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 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 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 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 szczegółowoZESZYTY NAUKOWE UNIWERSYTETU SZCZECIŃSKIEGO NR 768 FINANSE, RYNKI FINANSOWE, UBEZPIECZENIA NR 63 2013
ZESZYTY NAUKOWE UNIWERSYTETU SZCZECIŃSKIEGO NR 768 FINANSE, RYNKI FINANSOWE, UBEZPIECZENIA NR 63 2013 MAŁGORZATA BOŁTUĆ Uniwersye Ekonomiczny we Wrocławiu ZALEŻNOŚĆ POMIĘDZY RYNKIEM SWAPÓW KREDYTOWYCH
Bardziej szczegółowo4.2. Obliczanie przewodów grzejnych metodą dopuszczalnego obciążenia powierzchniowego
4.. Obliczanie przewodów grzejnych meodą dopuszczalnego obciążenia powierzchniowego Meodą częściej sosowaną w prakyce projekowej niż poprzednia, jes meoda dopuszczalnego obciążenia powierzchniowego. W
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 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 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 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 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 szczegółowoPaweł Kobus Uogólnione rozkłady hiperboliczne w modelowaniu stóp zwrotu indeksu WIG20
Paweł Kobus Uogólnione rozkłady hiperboliczne w modelowaniu stóp zwrotu indeksu WIG20 Studia i Prace Wydziału Nauk Ekonomicznych i Zarządzania 9, 605-613 2008 Studia i prace wydziału nauk ekonomicznych
Bardziej szczegółowoANALIZA ZMIENNOŚCI INDEKSÓW GIEŁDOWYCH NA RYNKACH ZAGRANICZNYCH
Analiza zmienności indeksów giełdowych na rynkach zagranicznych STUDIA I PRACE WYDZIAŁU NAUK EKONOMICZNYCH I ZARZĄDZANIA NR 2 219 DOMINIK ROZKRUT Uniwersytet Szczeciński ANALIZA ZMIENNOŚCI INDEKSÓW GIEŁDOWYCH
Bardziej szczegółowoTESTOWANIE STABILNOŚCI PARAMETRÓW WIELOCZYNNIKOWYCH MODELI MARKET TIMING Z OPÓŹNIONĄ ZMIENNĄ RYNKOWĄ 1
METODY ILOŚCIOWE W BADANIACH EKONOMICZNYCH Tom XII/, 011, sr. 59 69 TESTOWANIE STABILNOŚCI PARAMETRÓW WIELOCZYNNIKOWYCH MODELI MARKET TIMING Z OPÓŹNIONĄ ZMIENNĄ RYNKOWĄ 1 Joanna Olbryś Wydział Informayki,
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 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 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 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 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 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 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 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 szczegółowoAnaliza danych DRZEWA DECYZYJNE. Drzewa decyzyjne. Entropia. http://zajecia.jakubw.pl/ test 1 dopełnienie testu 1
Analiza danych Drzewa decyzyjne. Enropia. Jakub Wróblewski jakubw@pjwsk.edu.pl hp://zajecia.jakubw.pl/ DRZEWA DECYZYJNE Meoda reprezenacji wiedzy (modelowania ablic decyzyjnych). Pozwala na przejrzysy
Bardziej szczegółowoWSTĘP DO REGRESJI LOGISTYCZNEJ. Dr Wioleta Drobik-Czwarno
WSTĘP DO REGRESJI LOGISTYCZNEJ Dr Wioleta Drobik-Czwarno REGRESJA LOGISTYCZNA Zmienna zależna jest zmienną dychotomiczną (dwustanową) przyjmuje dwie wartości, najczęściej 0 i 1 Zmienną zależną może być:
Bardziej 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 szczegółowoC d u. Po podstawieniu prądu z pierwszego równania do równania drugiego i uporządkowaniu składników lewej strony uzyskuje się:
Zadanie. Obliczyć przebieg napięcia na pojemności C w sanie przejściowym przebiegającym przy nasępującej sekwencji działania łączników: ) łączniki Si S są oware dla < 0, ) łącznik S zamyka się w chwili
Bardziej szczegółowoMatematyka ubezpieczeń majątkowych 9.10.2006 r. Zadanie 1. Rozważamy proces nadwyżki ubezpieczyciela z czasem dyskretnym postaci: n
Maemayka ubezpieczeń mająkowych 9.0.006 r. Zadaie. Rozważamy proces adwyżki ubezpieczyciela z czasem dyskreym posaci: U = u + c S = 0... S = W + W +... + W W W W gdzie zmiee... są iezależe i mają e sam
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 szczegółowoPOMIAR PARAMETRÓW SYGNAŁOW NAPIĘCIOWYCH METODĄ PRÓKOWANIA I CYFROWEGO PRZETWARZANIA SYGNAŁU
Pomiar paramerów sygnałów napięciowych. POMIAR PARAMERÓW SYGNAŁOW NAPIĘCIOWYCH MEODĄ PRÓKOWANIA I CYFROWEGO PRZEWARZANIA SYGNAŁU Cel ćwiczenia Poznanie warunków prawidłowego wyznaczania elemenarnych paramerów
Bardziej szczegółowoDYNAMICZNE MODELE EKONOMETRYCZNE
DYNAMICZNE MODELE EKONOMETRYCZNE X Ogólnopolskie Seminarium Naukowe, 4 6 września 007 w Toruniu Kaedra Ekonomerii i Saysyki, Uniwersye Mikołaja Kopernika w Toruniu Uniwersye Mikołaja Kopernika Zależność
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 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 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 szczegółowo2. Wprowadzenie. Obiekt
POLITECHNIKA WARSZAWSKA Insyu Elekroenergeyki, Zakład Elekrowni i Gospodarki Elekroenergeycznej Bezpieczeńswo elekroenergeyczne i niezawodność zasilania laoraorium opracował: prof. dr ha. inż. Józef Paska,
Bardziej szczegółowoOCENA ATRAKCYJNOŚCI INWESTYCYJNEJ AKCJI NA PODSTAWIE CZASU PRZEBYWANIA W OBSZARACH OGRANICZONYCH KRZYWĄ WYKŁADNICZĄ
Tadeusz Czernik Daniel Iskra Uniwersye Ekonomiczny w Kaowicach Kaedra Maemayki Sosowanej adeusz.czernik@ue.kaowice.pl daniel.iskra@ue.kaowice.pl OCEN TRKCYJNOŚCI INWESTYCYJNEJ KCJI N PODSTWIE CZSU PRZEBYWNI
Bardziej szczegółowoWskazówki projektowe do obliczania nośności i maksymalnego zanurzenia statku rybackiego na wstępnym etapie projektowania
CEPOWSKI omasz 1 Wskazówki projekowe do obliczania nośności i maksymalnego zanurzenia saku rybackiego na wsępnym eapie projekowania WSĘP Celem podjęych badań było opracowanie wskazówek projekowych do wyznaczania
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 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 szczegółowoAnaliza stabilności parametrów hybrydowych modeli market-timing polskich funduszy inwestycyjnych 1
Joanna Olbryś * Analiza sabilności paramerów hybrydowych modeli marke-iming polskich funduszy inwesycyjnych Wsęp Hybrydowe czeroczynnikowe modele marke-iming funduszy inwesycyjnych akcji polskich zosały
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 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 szczegółowoANNA GÓRSKA MONIKA KRAWIEC Szkoła Główna Gospodarstwa Wiejskiego w Warszawie
ZESZYTY NAUKOWE UNIWERSYTETU SZCZECIŃSKIEGO NR 768 FINANSE, RYNKI FINANSOWE, UBEZPIECZENIA NR 63 013 ANNA GÓRSKA MONIKA KRAWIEC Szkoła Główna Gospodarswa Wiejskiego w Warszawie BADANIE EFEKTYWNOŚCI INFORMACYJNEJ
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 szczegółowoMATERIAŁY I STUDIA. Zeszyt nr 258. Podatność polskich rynków finansowych na niestabilności wewnętrzne i zewnętrzne
MATERIAŁY I STUDIA Zeszy nr 58 Podaność polskich rynków finansowych na niesabilności wewnęrzne i zewnęrzne Wojciech Bieńkowski, Bogna Gawrońska-Nowak, Wojciech Grabowski Warszawa, 0 r. Wojciech Bieńkowski
Bardziej szczegółowoMODELOWANIE STRUKTURY TERMINOWEJ STÓP PROCENTOWYCH WYZWANIE DLA EKONOMETRII
KRZYSZTOF JAJUGA Akademia Ekonomiczna we Wrocławiu MODELOWANIE STRUKTURY TERMINOWEJ STÓP PROCENTOWYCH WYZWANIE DLA EKONOMETRII. Modele makroekonomiczne a modele sóp procenowych wprowadzenie Nie do podważenia
Bardziej szczegółowoWYKORZYSTANIE TESTU OSTERBERGA DO STATYCZNYCH OBCIĄŻEŃ PRÓBNYCH PALI
Prof. dr hab.inż. Zygmun MEYER Poliechnika zczecińska, Kaedra Geoechniki Dr inż. Mariusz KOWALÓW, adres e-mail m.kowalow@gco-consul.com Geoechnical Consuling Office zczecin WYKORZYAIE EU OERERGA DO AYCZYCH
Bardziej szczegółowoSTOPIEŃ AGREGACJI PRZESTRZENNEJ A ZMIENNOŚĆ SZEREGÓW CZASOWYCH CEN SUROWCÓW ROLNYCH
METODY ILOŚCIOWE W BADANIACH EKONOMICZNYCH Tom XII/, 011, sr. 180 190 STOPIEŃ AGREGACJI PRZESTRZENNEJ A ZMIENNOŚĆ SZEREGÓW CZASOWYCH CEN SUROWCÓW ROLNYCH Mariusz Hamulczuk Kaedra Ekonomiki Rolnicwa i Międzynarodowych
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 szczegółowoAnaliza stabilności parametrów hybrydowych modeli market-timing polskich funduszy inwestycyjnych 1
Joanna Olbryś * Analiza sabilności paramerów hybrydowych modeli marke-iming polskich funduszy inwesycyjnych 1 Wsęp Hybrydowe czeroczynnikowe modele marke-iming funduszy inwesycyjnych akcji polskich zosały
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 szczegółowoFolia Oeconomica. Janusz Brzeszczyński. Acta Universitatis Lodziensis. 6(339) 2018
Folia Oeconomica Aca Universiais Lodziensis ISSN 0208-6018 e-issn 2353-7663 6(339) 2018 DOI: hp://dx.doi.org/10.18778/0208-6018.339.08 Janusz Brzeszczyński Newcasle Business School, Norhumbria Universiy,
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 szczegółowoGiełdy Papierów Wartościowych w Warszawie
SZKOŁA GŁÓWNA HANDLOWA W WARSZAWIE STUDIUM DYPLOMOWE KIERUNEK: Meody Ilościowe i Sysemy Informacyjne Michał Rubaszek Nr alb. 5346 Arbiraż cenowy na przykładzie Giełdy Papierów Warościowych w Warszawie
Bardziej szczegółowoDobór przekroju żyły powrotnej w kablach elektroenergetycznych
Dobór przekroju żyły powronej w kablach elekroenergeycznych Franciszek pyra, ZPBE Energopomiar Elekryka, Gliwice Marian Urbańczyk, Insyu Fizyki Poliechnika Śląska, Gliwice. Wsęp Zagadnienie poprawnego
Bardziej szczegółowo