SIEĆ BAYESOWSKA JAKO NARZĘDZIE POZYSKIWANIA WIEDZY Z EKONOMICZNEJ BAZY DANYCH
|
|
- Daria Kamińska
- 8 lat temu
- Przeglądów:
Transkrypt
1 ZESZYTY NAUKOWE POLITECHNIKI BIAŁOSTOCKIEJ 2007 Informayka Zeszy 2 Joanna Olbryś 1 SIEĆ BAYESOWSKA JAKO NARZĘDZIE POZYSKIWANIA WIEDZY Z EKONOMICZNEJ BAZY DANYCH Sreszczenie: Proces decyzyjny w inwesowaniu rozpoczyna się od percepcji i przewarzania napływających informacji. Podłoże decyzji sanowią przekonania doyczące prawdopodobieńswa zajścia określonego zdarzenia. Jednoski racjonalne posługują się narzędziami eorii prawdopodobieńswa i saysyki, rozumując zgodnie z prawem Bayesa, czyli akualizując wyobrażenia o prawdopodobieńswie zdarzenia wraz z ujawnianiem wszelkich nowych informacji, zarówno ilościowych, jak i jakościowych. Wydaje się zaem, że bardzo dobrym narzędziem wspomagającym decyzje inwesycyjne może być odpowiednio skonsruowany model sieci bayesowskiej (Bayesian Nework). W arykule posawiono za cel główny prezenację możliwości zasosowania modelu sieci bayesowskiej do pozyskiwania wiedzy z ekonomicznej bazy danych, z uwzględnieniem informacji jakościowych oraz preferencji i subiekywnych ocen analiyka finansowego, podejmującego decyzje w warunkach niepewności. Słowa kluczowe: sieć bayesowska, sysem wspomagający decyzje inwesycyjne, diagram wpływu 1. Wsęp Proces decyzyjny w inwesowaniu rozpoczyna się od percepcji i przewarzania napływających informacji. Podłoże decyzji sanowią przekonania doyczące prawdopodobieńswa zajścia określonego zdarzenia. Przekonania zaś o rezula procesu wnioskowania o nieznanym, kórego przesłankami są napływające informacje [5]. W ekonomii i finansach przyjmuje się, że jednoska racjonalna (inwesor): przewarza wszelkie możliwe informacje, odpowiednio uakualniając swoje przekonania, 1 Wydział Informayki, Poliechnika Białosocka, Białysok 93
2 94 Joanna Olbryś na podsawie przekonań formułuje preferencje i podejmuje decyzje w aki sposób, aby maksymalizować swoją oczekiwaną użyeczność. Podejście o zakłada, że jednoski racjonalne posługują się narzędziami eorii prawdopodobieńswa i saysyki, rozumując zgodnie z prawem Bayesa, czyli akualizując wyobrażenia o prawdopodobieńswie zdarzenia wraz z ujawnianiem wszelkich nowych informacji, zarówno ilościowych, jak i jakościowych. Założenie bayesowskiego myślenia nie oznacza, że każdy osąd poprzedzony jes mozolnymi obliczeniami. Chodzi raczej o przecięny rezula wnioskowania, kóry jes zgodny z zasadami prawdopodobieńswa [5]. Biorąc pod uwagę powyższe rozważania można mniemać, że bardzo dobrym narzędziem wspomagającym decyzje inwesycyjne może być odpowiednio skonsruowana sieć bayesowska, kóra umożliwia uwzględnienie w procesie decyzyjnym informacji o zróżnicowanym charakerze. Pozwala również na wprowadzanie nowych informacji w posaci obserwacji (evidence) oraz na modyfikacje modelu zgodnie z preferencjami i subiekywnymi ocenami inwesora w warunkach niepewności. Sieci bayesowskie (Bayesian Neworks) [19], nazywane również probabilisycznymi modelami graficznymi, sieciami przekonań lub sieciami przyczynowo skukowymi, sały się osanio popularnym narzędziem do reprezenacji wiedzy w warunkach niepewności. Sieć bayesowska jes acyklicznym grafem skierowanym i zawiera część jakościową, kóra sanowi zbiór zmiennych węzłów grafu wraz z probabilisycznymi zależnościami pomiędzy nimi oraz część ilościową, reprezenującą rozkład prawdopodobieńswa łącznego dla ych zmiennych. Z punku widzenia inżynierii wiedzy, sieć bayesowska może odzwierciedlać srukurę przyczynowo skukową, kóra pozwala pełniej zrozumieć modelowany problem, zarówno eksperom jak i użykownikom sysemu [6]. Głównym eapem w budowaniu sieci bayesowskiej jes określenie jej srukury oraz parameryzacja. Podsawową zaleą sieci bayesowskich jes o, że pozwalają one na zinegrowanie wiedzy ekspera z danymi saysycznymi. Jeżeli odpowiednia liczba danych jes dosępna, sieci bayesowskie, zarówno ich srukura jak i paramery, mogą być nauczone z wykorzysaniem danych. Wnioskowanie w sieci bayesowskiej sprowadza się do wyznaczenia rozkładu prawdopodobieńswa a poseriori, pod warunkiem zaobserwowania warości zmiennych modelu. Rozkład ego prawdopodobieńswa może być bezpośrednio wykorzysany we wspomaganiu decyzji inwesycyjnych. Głównym celem, jaki w arykule sawia sobie auor, jes prezenacja możliwości zasosowania modelu sieci bayesowskiej do pozyskiwania wiedzy z ekonomicznej bazy danych, przy uwzględnieniu informacji jakościowych oraz preferencji i subiekywnych ocen analiyka finansowego, podejmującego decyzje w warunkach niepewności. Dane ekonomiczne wykazują dużą zmienność, zaem ekono-
3 Sieć bayesowska jako narzędzie pozyskiwania wiedzy z ekonomicznej bazy danych miczna baza danych powinna być częso akualizowana, aby jak najpełniej odzwierciedlała bieżącą syuację rynkową. 2. Sieć bayesowska jako narzędzie pozyskiwania wiedzy z ekonomicznej bazy danych W ekonomii i finansach definicja jednoski racjonalnej (homo oeconomicus) obejmuje dwie cechy ej jednoski: konsekwencję działania oraz dążenie do podnoszenia poziomu osobisego dobrobyu [5]. Prawie wszyskie decyzje inwesycyjne podejmowane są na podsawie oszacowanych warości prawdopodobieńswa realizacji określonego scenariusza zdarzeń [10]. Prawdopodobieńswo jes miarą sopnia przekonania podmiou co do prawdziwości zajścia określonego zdarzenia. Z formalnego punku widzenia podejście bayesowskie polega na rakowaniu wszyskich wielkości, kórych warości nie są znane przed dokonaniem obserwacji, jako zmiennych losowych i na konsekwennym sosowaniu we wnioskowaniu prosych reguł rachunku prawdopodobieńswa [18]. W szczególności sosuje się dwie zasady probabilisyki: warunkowanie (względem danych saysycznych) oraz wyznaczanie rozkładów brzegowych. Dane hisoryczne służą do uzyskania rozkładu a priori. Przyjęcie rozkładu a priori jes cechą wyróżniającą podejście bayesowskie. W problemach decyzyjnych rozkład a priori ma możliwie najpełniej odzwierciedlać całą wsępną wiedzę o zmiennej [18]. Nowe informacje ilościowe, jakościowe, opinie eksperów są odpowiednie do rozwinięcia rozkładu a poseriori. Proces akualizacji informacji przebiega zgodnie z regułą Bayesa: P ( A I ) ( A) P( I A) P( I ) P = (1) ( ) gdzie: P A I - prawdopodobieńswo a poseriori zdarzenia A po uzyskaniu informacji I, P ( A) - prawdopodobieńswo a priori (bazowe) zdarzenia A przed pojawieniem się informacji I, P I A - prawdopodobieńswo pojawienia się informacji I, jeśli A jes praw- ( ) dą, P ( I ) - prawdopodobieńswo całkowie zdarzenia I. Sieci bayesowskie są szczególnym przypadkiem graficznych modeli probabilisycznych. Zwykle są one wykorzysywane do modelowania złożonych sysemów o niepewnych lub niekomplenych danych. Sieć bayesowska jes skierowanym, acyklicznym grafem, kórego opologia opisuje zależności (lub ich brak) między 95
4 Joanna Olbryś zmiennymi modelu. Pojawienie się łuku łączącego dwa węzły jes inerpreowane jako dowód isnienia bezpośredniego związku przyczynowo skukowego między węzłami. Zgodnie z definicją sieci bayesowskiej według Jensena [14] graf sieci zawiera zarówno węzły z rodzicami, jak i akie, kóre nie mają rodziców. A B C D E F G Rys. 1. Acykliczny graf skierowany. Prawdopodobieńswa, kóre należy wyznaczyć o: P A, P B, P C A, B, P E C, P D C, P F D, P G D, E, F ( ) ( ) ( ) ( ) ( ) ( ) ( ) Na rys.1 węzły, kóre nie mają rodziców, o są węzły A i B. Z nimi związane są brzegowe rozkłady prawdopodobieńswa. Pozosałe węzły C, D, E, F oraz G posiadają rodziców i odpowiadają im warunkowe rozkłady prawdopodobieńswa. Bayesowska sieć zależności składa się z dwóch podsawowych części: jakościowej, czyli graficznej srukury zależności w modelu, oraz ilościowej, reprezenowanej przez rozkłady prawdopodobieńswa związane z grafem. Trzy najważniejsze eapy worzenia sieci bayesowskiej o: graficzna prezenacja zależności w modelu; specyfikacja numerycznych zależności między zmiennymi; Rezulay uzyskane w wyniku działania sieci w wysokim sopniu zależą od posaci graficznej modelu. Można swierdzić, że najlepsze efeky uzyskujemy na ogół z bardzo dobrej reprezenacji graficznej problemu decyzyjnego, podczas gdy rozkłady prawdopodobieńswa związane z wierzchołkami grafu mogą być oszacowane w przybliżeniu [6]. Srukura sieci może mieć posać drzewa, polidrzewa lub grafu. Na przykład, algorym Chow-Liu [4] nie buduje sieci przyczynowo-skukowej, a jedynie niezorienowane drzewo zależności. Jeżeli sieć Bayesa określonego rozkładu ma posać drzewa, o en algorym powinien poprawnie odworzyć jego kszał. Z kolei algorym Pearla [19] jes rozszerzeniem algorymu Chow-Liu. Orzymana srukura nie jes drzewem skierowanym, ale ma posać polidrzewa. Najbardziej koszowne naomias jes uczenie grafu o dużej liczbie wierzchołków. Srukurę sieci można zbudować z wykorzysaniem wiedzy ekspera lub na podsawie danych saysycznych, w sposób auomayczny. Jes o zada- 96
5 Sieć bayesowska jako narzędzie pozyskiwania wiedzy z ekonomicznej bazy danych nie złożone obliczeniowo, lecz wykonalne za pomocą szerokiej gamy skuecznych algorymów (m.in. [3], [7], [8], [9], [11], [14]). Tym, co odróżnia sieci bayesowskie od innych meod reprezenowania wiedzy, jes wielość możliwości wnioskowania. Skupiając się na opisie jakościowym (czyli graficznej srukurze modelu), możemy idenyfikować warunkowe zależności między zmiennymi. Uwzględniając opisy ilościowe (parameryczne modele przypisane węzłom) możemy, po wprowadzeniu do modelu nowej obserwacji (evidence), uzyskać rozkłady prawdopodobieńswa a poseriori pojedynczych zmiennych modelu lub rozkład łączny zbioru zmiennych. Możemy akualizować, na podsawie opinii eksperów, prawdopodobieńswa sanów zmiennych lub warości zmiennych. Możemy eż znaleźć najbardziej prawdopodobną (w świele dosępnych obserwacji) konfigurację zmiennych nieobserwowalnych, jak również oszacować prawdopodobieńswo hipoezy, biorąc pod uwagę konkrene obserwacje. W pracy [15] podano nasępujące rodzaje wnioskowania w sieciach bayesowskich: O wiarygodności poszczególnych hipoez dla zadanych obserwacji. Poszukiwanie uzasadnienia dla zadanej hipoezy i obserwacji. Znalezienie prawdopodobieńswa prawdziwości wyrażenia logicznego przedsawionego w posaci koniunkcji wyrażeń elemenarnych arybu=warość. Znalezienie odpowiedzi na kwerendę złożoną. O brzegowej i warunkowej niezależności zmiennych. Podsumowując należy swierdzić, że sieć bayesowska wydaje się bardzo użyecznym narzędziem wspomagającym zarządzanie porfelem papierów warościowych ([6], [20]). Kombinacja czynników makroekonomicznych i mikroekonomicznych, worzących odpowiednie węzły sieci, pozwala oszacować warości oraz ryzyko porfela. Umożliwia eż akualizację wyceny porfela poprzez uwzględnienie informacji jakościowych, napływających z rynku oraz preferencji i subiekywnych ocen analiyka finansowego - ekspera, podejmującego decyzje w warunkach niepewności. 3. Model diagnosyczny wspomagający decyzje inwesycyjne w warunkach niepewności eap wsępny Tradycyjne modele wyceny dóbr kapiałowych, akie jak model CAPM (Capial Asse Pricing Model), czy eż model APT (Arbirage Pricing Theory) opisują relacje między zmiennymi makroekonomicznymi, mikroekonomicznymi oraz sopami zwrou z papierów warościowych i mogą być wykorzysane do modelowania relacji między zmiennymi w sieci bayesowskiej ([6], [20]). 97
6 Joanna Olbryś Przykładowy model sieci bayesowskiej, zaprezenowany w dalszej części pracy, zbudowany zosał na podsawie ekonomicznej bazy danych z rynku polskiego i w założeniu ma być częścią większego modelu wspomagającego proces wyceny oraz szacowania warości zagrożonej Value-a-Risk porfeli akcji na Giełdzie Papierów Warościowych w Warszawie. W modelu zaproponowano nasępujące zmienne makroekonomiczne (na podsawie [1], [2], [6]): inflacja, sopa bezrobocia, deficy budżeowy, produkcja przemysłowa sprzedana, saldo handlu zagranicznego, średnia renowność bonów skarbowych 52-ygodniowych. Subsyuem porfela rynkowego jes Warszawski Indeks Giełdowy (WIG). Sekory na giełdzie reprezenują indeksy branżowe: WIG BANKI, WIG-BUDOW (Budownicwo), WIG-INFO (Informayka), WIG-SPOZYW (Przemysł Spożywczy), WIG- TELKOM (Telekomunikacja). Pozosałe indeksy branżowe, czyli WIG-MEDIA oraz WIG-PALIWA nie były uwzględnione w modelu z powodu zby krókiego okresu funkcjonowania na giełdzie (WIG-MEDIA od 2004r., naomias WIG- PALIWA od 2005r.). Próba saysyczna obejmuje dane miesięczne z okresu marzec 1998 czerwiec 2006 (po obserwacji dla każdej zmiennej). Szeregi czasowe zmiennych makroekonomicznych pochodzą z Biuleynów Saysycznych wydawanych przez Główny Urząd Saysyczny ( oraz Biuleynów Informacyjnych publikowanych przez Narodowy Bank Polski ( Źródłem danych doyczących indeksów giełdowych były porale finansowe, m.in. hp://bossa.pl, Symbole i definicje zmiennych makroekonomicznych oraz indeksów Tabela 1 l.p. Symbol zmiennej 1. ZPI 2. ZPB 3. ZDB Nazwa zmiennej Opis zmiennej Indeks cen owarów i usług konsumpcyjnych r / r ( PI ), inflacji r / r 2 pomniejszony o Miesięczna sopa wzrosu poziomu bezrobocia ( PB ) PB bezrobocia 3 PB ZPB = 1 PB deficyu budżeowego 4 1 Miesięczna sopa wzrosu deficyu budżeowego ( DB ) DB DB ZDB = DB Analogiczny miesiąc poprzedniego roku = 3 Sopa bezrobocia jako zarejesrowani bezroboni w sosunku do cywilnej ludności akywnej zawodowo (w Polsce: la dla kobie oraz la dla mężczyzn) 4 Deficy budżeowy = dochody budżeu pańswa wydaki budżeu pańswa 98
7 Sieć bayesowska jako narzędzie pozyskiwania wiedzy z ekonomicznej bazy danych 4. ZPP 5. ZSH 6. ZBS 7. ZWIG 8. ZWBANKI 9. ZWBUDOW 10. ZWINFO 11. ZWSPOZYW produkcji przemysłowej sprzedanej 5 Zmiana deficyu bilansu handlu zagranicznego 6 renowności bonów skarbowych 52-ygodniowych Warszawskiego Indeksu Giełdowego indeksu branżowego WIG BANKI indeksu branżowego WIG BUDOW indeksu branżowego WIG INFO indeksu branżowego WIG SPOZYW Indeks łańcuchowy produkcji przemysłowej sprzedanej m/m ( PP ), pomniejszony o Miesięczna sopa wzrosu salda handlu zagranicznego ( SH ) SH SH ZSH = 1 SH 1 Miesięczna sopa wzrosu średniej renowności bonów skarbowych 52- ygodniowych ( BS ) BS BS ZBS = BS 1 1 Miesięczna sopa wzrosu indeksu giełdowego ( WIG ) WIG WIG ZWIG = WIG 1 1 Miesięczna sopa wzrosu indeksu branżowego sekora bankowego ( WBANKI ) WBANKI WBANKI ZWBANKI = WBANKI 1 1 Miesięczna sopa wzrosu indeksu branżowego sekora budownicwo ( WBUDOW ) WBUDOW WBUDOW ZWBUDOW = WBUDOW 1 1 Miesięczna sopa wzrosu indeksu branżowego sekora informayka ( WINFO ) WINFO WINFO ZWINFO = WINFO 1 1 Miesięczna sopa wzrosu indeksu branżowego sekora przemysł spożywczy ( WSPOZYW) WSPOZYW WSPOZYW ZWSPOZYW = WSPOZYW Dynamika produkcji sprzedanej jes indeksem mierzącym comiesięczne zmiany warości produkcji sprzedanej w cenach bazowych 6 Saldo handlu zagranicznego = ekspor - impor 99
8 Joanna Olbryś 12. ZWTELKOM indeksu branżowego WIG TELKOM Miesięczna sopa wzrosu indeksu branżowego sekora elekomunikacja ( WTELKOM ) WTELKOM WTELKOM ZWTELKOM = WTELKOM 1 1 Źródło: opracowanie własne Tabele 3 oraz 4 (Dodaek) zawierają warości podsawowych saysyk zmiennych makroekonomicznych oraz indeksów giełdowych, naomias abela 5 współczynniki korelacji miesięcznych sóp zwrou indeksów branżowych z indeksem WIG. Należy zauważyć, że sopy zwrou z indeksu WIG są dość silnie skorelowane dodanio ze sopami zwrou wszyskich indeksów branżowych. Po uporządkowaniu warości zmiennych w posaci bazy danych zosały one poddane procesowi dyskreyzacji 7. Uworzono dla każdej zmiennej przedziały o jednakowej liczebności, worząc rzy sany reprezenujące niskie (Low), średnie (Medium) oraz wysokie (High) warości, z prawdopodobieńswami odpowiednio: 34%, 33%, 33%. Jedynie dla zmiennej ZPB odpowiednie prawdopodobieńswa wynoszą: 35%, 32%, 33%. Powsałe w en sposób rozkłady brzegowe przedsawia abela 2. Tabela 2 Brzegowe rozkłady prawdopodobieńswa zmiennych makroekonomicznych [%] San ZPI ZPB ZDB ZPP ZSH ZBS Low [0,30; 1,75] [-4,07; -0,52] [-96,50; 6,89] [-19; -1,80] [-1480; -35,72] [-14,76; -3,46] Medium [1,75; 6,45] [-0,52; 0,94] [6,89; 22,24] [-1,80; 2,75] [-35,72; 14,60] [-3,46; 0,70] High [6,45; 13,90] [0,94; 14,86] [22,24; 550,10] [2,75; 21,80] [14,60; 3000] [0,70; 14,57] Źródło: opracowanie własne Zakładamy, że w budowanym modelu zmienne makroekonomiczne, worzące rozkłady brzegowe, są wzajemnie niezależne [6], naomias warość zmiennej ZWIG, reprezenującej indeks giełdowy (subsyu porfela rynkowego) zależy od wszyskich zmiennych makroekonomicznych. Jes o zgodne z przyjęymi w eorii porfela założeniami, że poziom ważonego warościami rynkowymi indeksu giełdowego odzwierciedla już efek oddziaływania zmiennych makroekonomicznych. Oznacza o, że węzły sieci bayesowskiej, odpowiadające zmiennym makroekonomicznym ZPI, ZPB, ZDB, ZPP, ZSH i ZBS są rodzicami węzła 7 Z wykorzysaniem narzędzia GeNIe (hp://genie.sis.pi.edu)
9 Sieć bayesowska jako narzędzie pozyskiwania wiedzy z ekonomicznej bazy danych ZWIG, naomias same nie mają rodziców. Z węzłem ZWIG związany jes warunkowy rozkład prawdopodobieńswa P ( ZWIG / ZPI, ZPB, ZDB, ZPP, ZSH, ZBS ) 6 w 729 = 3 możliwych sanach. Z kolei warości indeksów branżowych są uzależnione od głównego indeksu giełdowego WIG (Tabela 5), na kóry mają wpływ, zdyskonowane przez inwesorów, informacje płynące z makroekonomicznego ooczenia rynku papierów warościowych. Zaem w worzonej sieci bayesowskiej węzłom ZWBANKI, ZWBUDOW, ZWINFO, ZWSPOZYW oraz ZWTELKOM powinny odpowiadać warunkowe rozkłady prawdopodobieńswa: P ( ZWBANKI / ZWIG), P ( ZWBUDOW / ZWIG ), P ( ZWINFO / ZWIG ), P ( ZWSPOZYW / ZWIG ), P ( ZWTELKOM / ZWIG ) Pierwsza część modelu sieci bayesowskiej, zawierająca zmienne makroekonomiczne oraz indeksy giełdowe (rys. 2), była uworzona z wykorzysaniem modułu uczącego narzędzia GeNIe. Meoda Greedy Trick Thinning, kryerium oceny modeli BDeu (Bayesian marginal likelihood wih uniform Dirichle prior) [3] umożliwiła auomayczne zbudowanie grafu zgodnego z oczekiwaniami odnośnie do związków przyczynowo - skukowych pomiędzy zmiennymi wchodzącymi w skład modelu (uczenie z wykorzysaniem wiedzy wsępnej). Wybrane ablice warunkowych rozkładów prawdopodobieńswa zmiennych reprezenujących indeksy branżowe WIG BANKI oraz WIG INFO przedsawiają rysunki 3 oraz 4. Rys. 2. Graficzny model zależności między zmiennymi makroekonomicznymi oraz zmiennymi reprezenującymi indeks główny i indeksy branżowe (opis zmiennych w Tabeli 1) 101
10 Joanna Olbryś Rys. 3. Tablica warunkowego rozkładu prawdo- P ZWBANKI / ZWIG podobieńswa ( ) Rys. 4. Tablica warunkowego rozkładu prawdo- P ZWINFO / ZWIG podobieńswa ( ) Kolejnym eapem worzenia sysemu wspomagającego decyzje inwesycyjne na polskim rynku będzie rozbudowanie sieci z rys. 2 poprzez włączenie do modelu zmiennych mikroekonomicznych, specyfikujących spółki wchodzące w skład poszczególnych indeksów branżowych. W przyszłości głównym celem wykorzysania sieci będzie wycena porfeli akcyjnych oraz szacowanie warości zagrożonej Value-a-Risk porfeli [16]. Ze względu na ograniczoną objęość arykułu będzie o emaem kolejnego opracowania. Równie isonym zagadnieniem, z punku widzenia inwesora, jes możliwość rozbudowania sieci i sworzenie diagramu wpływu (Influence Diagram [13]), wspomagającego proces podejmowania opymalnych decyzji, z uwzględnieniem informacji jakościowych oraz subiekywnych ocen użykownika modelu. Uproszczony schema przykładowego diagramu wpływu przedsawiono na rys. 5. Informacja (evidence) o zmianie prezesa Narodowego Banku Polskiego może mieć, w ocenie inwesora, bezpośredni wpływ na warość indeksów giełdowych oraz pośredni na sopę zwrou (zysk lub sraę) z porfela akcyjnego, złożonego z akcji banków. 102
11 Sieć bayesowska jako narzędzie pozyskiwania wiedzy z ekonomicznej bazy danych Rys. 5. Diagram wpływu (rozbudowana sieć bayesowska z rys. 2) Zmienna Decyzja inwesora jes reprezenowana przez węzeł ypu Decision node. Tablicę warości zmiennej Zysk/Sraa, reprezenowanej przez węzeł ypu Value node, przedsawia rys. 6. Rys. 6. Tablica warości zmiennej Zysk/Sraa (Rys. 5.) Na rys. 7 przedsawiono diagramu wpływu z rys. 5 po uwzględnieniu nowych obserwacji oraz akualizacji modelu. Po zaobserwowaniu średnich warości zmiennych makroekonomicznych ZPI, ZPP, ZBS oraz niskiej warości zmiennej ZPB (abela 1), jak również pozyywnej oceny (w opinii ekspera - analiyka finansowego) wpływu zmiany prezesa Narodowego Banku Polskiego na syuację rynkową, orzymujemy rozkłady prawdopodobieńswa a poseriori ineresujących nas zmiennych ZWIG oraz ZWBANKI. Tablica węzła Zysk/Sraa przedsawia oczekiwaną warość zysku z podjęej inwesycji. 103
12 Joanna Olbryś Rys. 7. Diagram wpływu po uwzględnieniu obserwacji doyczących wybranych węzłów sieci. Zasosowania diagramów wpływu na rynku finansowym wymagają oddzielnego opracowania ze względu na bardzo isoną rolę preferencji i subiekywnych ocen analiyków finansowych w procesie podejmowania decyzji w warunkach niepewności [5]. Zaprezenowany model diagnosyczny z rys. 2 był zmodyfikowany i rozbudowany w pracy [17] oraz wykorzysany do wspomagania wyceny akcji na Giełdzie Papierów Warościowych w Warszawie, na przykładzie akcji Banku BPH. Włączenie do modelu kolejnych papierów warościowych pozwoli w przyszłości sworzyć większy sysem wspomagający decyzje inwesycyjne. 4. Dodaek 104 Tabela 3 Podsawowe saysyki zmiennych makroekonomicznych [%] l.p. Saysyka ZPI ZPB ZDB ZPP ZSH ZBS 1. Średnia 4,94 0,44 26,9 0,8 11,23-1,55 2. Odchylenie sandardowe 3,86 2,59 86,58 6,82 399,71 5,3 3. Mediana 4, ,76-0,25-16,97-1,08 4. Min 0,3-4,07-96, ,76 5. Max 13,9 14,86 550,1 21, ,57 Źródło: opracowanie własne
13 Sieć bayesowska jako narzędzie pozyskiwania wiedzy z ekonomicznej bazy danych Podsawowe saysyki indeksów giełdowych [%] Tabela 4 l.p. saysyka ZWIG ZWBANKI ZWBUDOW ZWINFO ZWSPOZYW ZWTELKOM 1. Średnia 0,75 1,14 1,02 0,27 0,74 0,16 2. Odchylenie sandardowe 7,36 7,49 8,42 12,34 7,22 12,01 3. Mediana 1,92 2,14 0,98-0,98-0,04-0,09 4. Min -27,09-26,25-32,63-25,89-20,27-25,88 5. Max 18,67 19,05 24,01 46,01 28,31 46,01 Źródło: opracowanie własne Tabela 5 Współczynniki korelacji miesięcznych sóp zwrou indeksów branżowych z indeksem WIG ZWBANKI ZWBUDOW ZWINFO ZWSPOZYW ZWTELKOM ZWIG 0,882 0,784 0,796 0,685 0,821 Źródło: opracowanie własne Podziękowania Model przedsawiony w pracy zosał uworzony i przeesowany przy użyciu biblioeki klas C++:SMILE i narzędzia GeNIe, służącego do worzenia i wnioskowania w graficznych modelach probabilisycznych. Narzędzia powsały w Laboraorium Sysemów Decyzyjnych (Decision Sysems Laboraory) Uniwersyeu Pisburgh skiego i są dosępne na sronie hp://genie.sis.pi.edu. Szczególne podziękowanie za pomoc w przygoowaniu arykułu oraz cenne wskazówki składam dr Agnieszce Oniśko z Wydziału Informayki Poliechniki Białosockiej. Lieraura: [1] Adamczak, A.: Empiryczna weryfikacja modelu arbirażu cenowego w warunkach Giełdy Papierów Warościowych w Warszawie, [w:] T.Trzaskalik (red.) Modelowanie preferencji a ryzyko 99, Kaowice, 1999, sr [2] Berry, M.A., Burmeiser, E., McElroy, M.B.: Soring Ou Risk Using Known APT Facors, Financial Analyss Journal, vol. 44, no. 2, 1988, pp
14 Joanna Olbryś [3] de Campos, L.M.: A Scoring Funcion for Learning Bayesian Neworks based on Muual Informaion and Condiional Independence Tess, Journal of Machine Learning Research 7 (2006), pp [4] Chow, C.K.: Approximaing Discree probabilisy Disribuions wih Dependence Teres, IEEE Transacions on Informaion Theory, 14(3), 1968, pp [5] Cieślak, A.: Behawioralna ekonomia finansowa. Modyfikacja paradygmaów funkcjonujących w nowoczesnej eorii finansów, Maeriały i Sudia Zeszy nr 165, NBP, Warszawa, [6] Demirer, R., Mau, R.R., Shenoy, C.: Bayesian Neworks: A Decision Tool o Improve Porfolio Risk Analysis, Working Paper, Universiy of Kansas, School of Business, [7] Druzdzel, M.J., Oniśko, A., Wasyluk, H.: Uczenie paramerów sieci bayesowskich z danych z wykorzysaniem bramek Noisy OR [w:] Z.Bubnicki, O.Hryniewicz, R.Kulikowski (red.) Problemy współczesnej nauki. Teoria i zasosowania. Akademicka Oficyna Wydawnicza EXIT, Warszawa, 2002, sr [8] Druzdzel, M.J., Cheng, J.: AIS-BN: An Adapive Imporance Sampling Algorihm for Evidenial Reasoning in Large Bayesian Neworks, Journal of Arificial Inelligence Research, 13, 2000, pp [9] Druzdzel, M.J., Yuan, Ch.: An Imporance Sampling Algorihm Based on Evidence Pre-propagaion, Proceedings of he Nineeenh Annual Conference on Uncerainy in Arificial Inelligence, Morgan Kaufmann Publishers, Inc., San Francisco, CA, 2003, pp [10] Hagsrom, R.G.: The Warren Buffe Porfolio, Wiley & Sons, New York, [11] Heckerman, D.: A Tuorial on Learning wih Bayesian Neworks, echnical Repor, MSR-TR-95-06, [12] Heckerman, D.: Bayesian Neworks for Daa Mining, Daa Mining and Knowledge Discovery, 1, 1997, pp [13] Howard, R.A., Maheson, J.E.: Influence Diagrams, [in:] Howard R.A and Maheson J.E. (eds.) Applicaions of Decision Analysis, vol. 2, 1984, Menlo Park, Calif.: Sraegic Decisions Group, pp [14] Jensen, F.V.: Bayesian Neworks and Decisions Graphs, Springer-Verlag, [15] Kłopoek, M.A.: Ineligenne wyszukiwarki inerneowe, Akademicka Oficyna Wydawnicza EXIT, Warszawa, [16] Olbryś, J.: Esymaory miar Expeced Shorfall i Value-a-Risk: przykłady zasosowania do pomiaru ryzyka waluowego, Inwesycje finansowe i ubez- 106
15 Sieć bayesowska jako narzędzie pozyskiwania wiedzy z ekonomicznej bazy danych pieczenia. Tendencje świaowe a rynek polski. Prace Naukowe Akademii Ekonomicznej im. O. Langego, Wrocław, Nr 1088, 2005, sr [17] Olbryś, J.: Model sieci bayesowskiej wspomagający decyzje inwesycyjne w warunkach niepewności, Szósa Ogólnopolska Konferencja Naukowa Modelowanie Preferencji a Ryzyko 07, Usroń, 2007, w rakcie recenzji. [18] Osiewalski, J.: Ekonomeria bayesowska w zasosowaniach, Wydawnicwo Akademii Ekonomicznej w Krakowie, [19] Pearl, J.: Probabilisic Reasoning in Inelligen Sysems: Neworks of Plausible Inference, Morgan Kaufmann Publishers, [20] Shenoy, C., Shenoy, P.P.: Bayesian Nework Models of Porfolio Risk and Reurn, [in:] Abu-Mosafa, Y.S., LeBaron, B., Lo, A.W., Weigend, A.S. (eds) Compuaional Finance, MIT Press, 1999, pp BAYESIAN NETWORK AS A TOOL OF EXTRACTING KNOWLEDGE FROM AN ECONOMIC DATABASE Absrac: Making a decision in invesmen sars from percepion and analysis of incoming informaion. Raional invesors reason according o Bayes formula and ry o develop poserior probabiliies afer new evidence has been added. Virually all decisions ha invesors make are exercises in probabiliy. Bayesian neworks have been used in differen decision suppor sysem conexs ha combine qualiaive and quaniaive informaion. Main goal of his paper is o presen Bayesian nework as a ool of exracing knowledge from an economic daabase, wih respec o hisorical quaniaive informaion, uncerain qualiaive informaion, incomplee knowledge and evidence. Keywords: bayesian neworks, invesmen decision suppor sysem, influence diagram Arykuł zrealizowano w ramach pracy badawczej sauowej S/II/1/
16 108 Joanna Olbryś
DYNAMICZNE 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 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 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 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 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 szczegółowoTransakcje insiderów a ceny akcji spółek notowanych na Giełdzie Papierów Wartościowych w Warszawie S.A.
Agaa Srzelczyk Transakcje insiderów a ceny akcji spółek noowanych na Giełdzie Papierów Warościowych w Warszawie S.A. Wsęp Inwesorzy oczekują od każdej noowanej na Giełdzie Papierów Warościowych spółki
Bardziej szczegółowoWykład 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 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 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 szczegółowoKURS EKONOMETRIA. Lekcja 1 Wprowadzenie do modelowania ekonometrycznego ZADANIE DOMOWE. Strona 1
KURS EKONOMETRIA Lekcja 1 Wprowadzenie do modelowania ekonomerycznego ZADANIE DOMOWE www.erapez.pl Srona 1 Część 1: TEST Zaznacz poprawną odpowiedź (ylko jedna jes prawdziwa). Pyanie 1 Kóre z poniższych
Bardziej szczegółowoAnaliza 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 szczegółowoEFEKT DŹWIGNI NA GPW W WARSZAWIE WPROWADZENIE
Paweł Kobus, Rober Pierzykowski Kaedra Ekonomerii i Informayki SGGW e-mail: pawel.kobus@saysyka.info EFEKT DŹWIGNI NA GPW W WARSZAWIE Sreszczenie: Do modelowania asymerycznego wpływu dobrych i złych informacji
Bardziej 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 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 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 szczegółowoRACHUNEK EFEKTYWNOŚCI INWESTYCJI METODY ZŁOŻONE DYNAMICZNE
RACHUNEK EFEKTYWNOŚCI INWESTYCJI METODY ZŁOŻONE DYNAMICZNE PYTANIA KONTROLNE Czym charakeryzują się wskaźniki saycznej meody oceny projeku inwesycyjnego Dla kórego wskaźnika wyliczamy średnią księgową
Bardziej 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 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 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 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 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 szczegółowoMODELOWANIE EFEKTU DŹWIGNI W FINANSOWYCH SZEREGACH CZASOWYCH
Krzyszof Pionek Kaedra Inwesycji Finansowych i Ubezpieczeń Akademia Ekonomiczna we Wrocławiu Wsęp MODELOWANIE EFEKTU DŹWIGNI W FINANSOWYCH SZEREGACH CZASOWYCH Nowoczesne echniki zarządzania ryzykiem rynkowym
Bardziej szczegółowoInwestycje w lokale mieszkalne jako efektywne zabezpieczenie przed inflacją na przykładzie Poznania w latach
Radosław Trojanek Kaedra Mikroekonomii Akademia Ekonomiczna w Poznaniu Srona nieparzysa Inwesycje w lokale mieszkalne jako efekywne zabezpieczenie przed inflacją na przykładzie Poznania w laach 996-2004.
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 szczegółowoFinanse. cov. * i. 1. Premia za ryzyko. 2. Wskaźnik Treynora. 3. Wskaźnik Jensena
Finanse 1. Premia za ryzyko PR r m r f. Wskaźnik Treynora T r r f 3. Wskaźnik Jensena r [ rf ( rm rf ] 4. Porfel o minimalnej wariancji (ile procen danej spółki powinno znaleźć się w porfelu w a w cov,
Bardziej 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 szczegółowoTemat: Weryfikacja nienaruszalności bezpieczeństwa SIL struktury sprzętowej realizującej funkcje bezpieczeństwa
1 Lab3: Bezpieczeńswo funkcjonalne i ochrona informacji Tema: Weryfikacja nienaruszalności bezpieczeńswa SIL srukury sprzęowej realizującej funkcje bezpieczeńswa Kryeria probabilisyczne bezpieczeńswa funkcjonalnego
Bardziej szczegółowoEksploracja danych. KLASYFIKACJA I REGRESJA cz. 1. Wojciech Waloszek. Teresa Zawadzka.
Eksploracja danych KLASYFIKACJA I REGRESJA cz. 1 Wojciech Waloszek wowal@ei.pg.gda.pl Teresa Zawadzka egra@ei.pg.gda.pl Kaedra Inżyrii Oprogramowania Wydział Elekroniki, Telekomunikacji i Informayki Poliechnika
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 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 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 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 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 szczegółowoStała potencjalnego wzrostu w rachunku kapitału ludzkiego
252 Dr Wojciech Kozioł Kaedra Rachunkowości Uniwersye Ekonomiczny w Krakowie Sała poencjalnego wzrosu w rachunku kapiału ludzkiego WSTĘP Prowadzone do ej pory badania naukowe wskazują, że poencjał kapiału
Bardziej szczegółowoSTATYSTYCZNY POMIAR EFEKTYWNOŚCI FUNDUSZY INWESTYCYJNYCH OTWARTYCH ZA POMOCĄ EAM (I)
STATYSTYCZNY POMIAR EFEKTYWNOŚCI FUNDUSZY INWESTYCYJNYCH OTWARTYCH ZA POMOCĄ EAM (I) dr Jacek, M. Kowalski Wyższa Szkoła Bankowa w Poznaniu jakowalski@op.pl Absrak Jes o pierwsza część, drugiego z cyklu
Bardziej szczegółowoWYKORZYSTANIE MIERNIKÓW KREOWANIA WARTOŚCI W RACHUNKU ODPOWIEDZIALNOŚCI
ZESZYTY NAUKOWE UNIWERSYTETU SZCZECIŃSKIEGO NR 668 FINANSE, RYNKI FINANSOWE, UBEZPIECZENIA NR 41 2011 BARTŁOMIEJ NITA Uniwersye Ekonomiczny we Wrocławiu WYKORZYSTANIE MIERNIKÓW KREOWANIA WARTOŚCI W RACHUNKU
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 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 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 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 szczegółowoWarszawa, dnia 5 czerwca 2017 r. Poz. 13 UCHWAŁA NR 29/2017 ZARZĄDU NARODOWEGO BANKU POLSKIEGO. z dnia 2 czerwca 2017 r.
DZIENNIK URZĘDOWY NARODOWEGO BANKU POLSKIEGO Warszawa, dnia 5 czerwca 2017 r. Poz. 13 UCHWAŁA NR 29/2017 ZARZĄDU NARODOWEGO BANKU POLSKIEGO z dnia 2 czerwca 2017 r. zmieniająca uchwałę w sprawie wprowadzenia
Bardziej 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 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 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 szczegółowoKomputerowa analiza przepływów turbulentnych i indeksu Dow Jones
Kompuerowa analiza przepływów urbulennych i indeksu Dow Jones Rafał Ogrodowczyk Pańswowa Wyższa Szkoła Zawodowa w Chełmie Wiesław A. Kamiński Uniwersye Marii Curie-Skłodowskie w Lublinie W badaniach porównano
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 szczegółowoBEZRYZYKOWNE BONY I LOKATY BANKOWE ALTERNATYWĄ DLA PRZYSZŁYCH EMERYTÓW. W tym krótkim i matematycznie bardzo prostym artykule pragnę osiągnąc 3 cele:
1 BEZRYZYKOWNE BONY I LOKATY BANKOWE ALTERNATYWĄ DLA PRZYSZŁYCH EMERYTÓW Leszek S. Zaremba (Polish Open Universiy) W ym krókim i maemaycznie bardzo prosym arykule pragnę osiągnąc cele: (a) pokazac że kupowanie
Bardziej szczegółowoINWESTYCJE. Makroekonomia II Dr Dagmara Mycielska Dr hab. Joanna Siwińska-Gorzelak
INWESTYCJE Makroekonomia II Dr Dagmara Mycielska Dr hab. Joanna Siwińska-Gorzelak Inwesycje Inwesycje w kapiał rwały: wydaki przedsiębiorsw na dobra używane podczas procesu produkcji innych dóbr Inwesycje
Bardziej szczegółowoZASTOSOWANIE TEORII MASOWEJ OBSŁUGI DO MODELOWANIA SYSTEMÓW TRANSPORTOWYCH
Pior KISIELEWSKI, Łukasz SOBOTA ZASTOSOWANIE TEORII MASOWEJ OBSŁUGI DO MODELOWANIA SYSTEMÓW TRANSPORTOWYCH W arykule przedsawiono zasosowanie eorii masowej obsługi do analizy i modelowania wybranych sysemów
Bardziej szczegółowoRozwiązanie uogólnionego problemu optymalnej alokacji zasobów. Cezary S. Zaremba*, Leszek S. Zaremba ** WPROWADZENIE
Rozwiązanie uogólnionego problemu opymalnej alokacji zasobów Cezary S. Zaremba*, Leszek S. Zaremba ** WPROWADZENIE Niniejszy arykuł rozwiązuje problem owary posawiony w [4], dzięki czemu będzie można znaleźć
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 szczegółowoREGULAMIN FUNDUSZU ROZLICZENIOWEGO
REGULAMIN FUNDUSZU ROZLICZENIOEGO przyjęy uchwałą nr 10/60/98 Rady Nadzorczej Krajowego Depozyu Papierów arościowych S.A. z dnia 28 września 1998 r., zawierdzony decyzją Komisji Papierów arościowych i
Bardziej 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 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 szczegółowoO pewnym algorytmie rozwiązującym problem optymalnej alokacji zasobów. Cezary S. Zaremba*, Leszek S. Zaremba ** WPROWADZENIE
O pewnym algorymie rozwiązującym problem opymalnej alokacji zasobów Cezary S. Zaremba*, Leszek S. Zaremba ** WPROWADZENIE W kierowaniu firmą Zarząd częso saje wobec problemu rozdysponowania (alokacji)
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 szczegółowoimei 1. Cel ćwiczenia 2. Zagadnienia do przygotowania 3. Program ćwiczenia
CYFROWE PRZEWARZANIE SYGNAŁÓW Laboraorium Inżynieria Biomedyczna sudia sacjonarne pierwszego sopnia ema: Wyznaczanie podsawowych paramerów okresowych sygnałów deerminisycznych imei Insyu Merologii Elekroniki
Bardziej szczegółowoAnaliza opłacalności inwestycji logistycznej Wyszczególnienie
inwesycji logisycznej Wyszczególnienie Laa Dane w ys. zł 2 3 4 5 6 7 8 Przedsięwzięcie I Program rozwoju łańcucha (kanału) dysrybucji przewiduje realizację inwesycji cenrum dysrybucyjnego. Do oceny przyjęo
Bardziej 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 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 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 szczegółowoZerowe stopy procentowe nie muszą być dobrą odpowiedzią na kryzys Andrzej Rzońca NBP, SGH, FOR
Zerowe sopy procenowe nie muszą być dobrą odpowiedzią na kryzys Andrzej Rzońca NBP, SGH, FOR 111 seminarium BRE-CASE Warszaw awa, 25 lisopada 21 Plan Wprowadzenie Hipoezy I, II, III i IV Próba (zgrubnej)
Bardziej 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 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 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 szczegółowoBadanie funktorów logicznych TTL - ćwiczenie 1
adanie funkorów logicznych TTL - ćwiczenie 1 1. Cel ćwiczenia Zapoznanie się z podsawowymi srukurami funkorów logicznych realizowanych w echnice TTL (Transisor Transisor Logic), ich podsawowymi paramerami
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 szczegółowoWarunki tworzenia wartości dodanej w przedsiębiorstwie
ZESZYTY NAUKOWE UNIWERSYTETU SZCZECIŃSKIEGO nr 786 Finanse, Rynki Finansowe, Ubezpieczenia nr 64/1 (2013) s. 287 294 Warunki worzenia warości dodanej w przedsiębiorswie Arkadiusz Wawiernia * Sreszczenie:
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 szczegółowoWpływ rentowności skarbowych papierów dłużnych na finanse przedsiębiorstw i poziom bezrobocia
Wpływ renowności skarbowych papierów dłużnych na inanse przedsiębiorsw i poziom bezrocia Leszek S. Zaremba Sreszczenie W pracy ej wykażemy prawidłowość, kóra mówi, że im wyższa jes renowność bezryzykownych
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 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 szczegółowoZESZYTY NAUKOWE UNIWERSYTETU SZCZECIŃSKIEGO NR 690 FINANSE, RYNKI FINANSOWE, UBEZPIECZENIA NR 51 2012
ZESZYTY NAUKOWE UNIWERSYTETU SZCZECIŃSKIEGO NR 690 FINANSE, RYNKI FINANSOWE, UBEZPIECZENIA NR 51 2012 MAŁGORZATA WASILEWSKA PORÓWNANIE METODY NPV, DRZEW DECYZYJNYCH I METODY OPCJI REALNYCH W WYCENIE PROJEKTÓW
Bardziej szczegółowoZASTOSOWANIE DRZEW KLASYFIKACYJNYCH DO BADANIA KONDYCJI FINANSOWEJ PRZEDSIĘBIORSTW SEKTORA ROLNO-SPOŻYWCZEGO
120 Krzyszof STOWARZYSZENIE Gajowniczek, Tomasz Ząbkowski, EKONOMISTÓW Michał Goskowski ROLNICTWA I AGROBIZNESU Roczniki Naukowe om XVI zeszy 6 Krzyszof Gajowniczek, Tomasz Ząbkowski, Michał Goskowski
Bardziej szczegółowoHarmonogram czyszczenia z osadów sieci wymienników ciepła w trakcie eksploatacji instalacji na przykładzie destylacji rurowo-wieżowej
Mariusz Markowski, Marian Trafczyński Poliechnika Warszawska Zakład Aparaury Przemysłowe ul. Jachowicza 2/4, 09-402 Płock Harmonogram czyszczenia z osadów sieci wymienników ciepła w rakcie eksploaaci insalaci
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 szczegółowoU b e zpieczenie w t eo r ii użyteczności i w t eo r ii w yceny a ktywów
dr Dariusz Sańko Kaedra Ubezpieczenia Społecznego Szkoła Główna Handlowa dariusz.sanko@gmail.com lisopada 006 r., akualizacja i poprawki: 30 sycznia 008 r. U b e zpieczenie w eo r ii użyeczności i w eo
Bardziej szczegółowoPomiar ryzyka odchylenia od benchmarku w warunkach zmiennej w czasie strategii inwestycyjnej OFE - kotynuacja. Wojciech Otto Uniwersytet Warszawski
Pomiar ryzyka odchylenia od benchmarku w warunkach zmiennej w czasie sraegii inwesycyjnej OFE - koynuacja Wojciech Oo Uniwersye Warszawski Refera przygoowany na Ogólnopolską Konferencję Naukową Zagadnienia
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 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 szczegółowoEFEKTYWNOŚĆ INWESTYCJI W ZAPASY W OPODATKOWANYCH I NIE OPODATKOWANYCH ORGANIZACJACH 1
GRZEGORZ MICHALSKI EFEKTYWNOŚĆ INWESTYCJI W ZAPASY W OPODATKOWANYCH I NIE OPODATKOWANYCH ORGANIZACJACH 1 1. Wsęp Organizacje, mogą działać jako opodakowane przedsiębiorswa działające na zasadach komercyjnych
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 szczegółowoSIECI BAYESOWSKIE JAKO NARZĘDZIE WSPOMAGAJĄCE PROCES PODEJMOWANIA DECYZJI
ZESZYTY NAUKOWE POLITECHNIKI ŚLĄSKIEJ 2014 Seria: ORGANIZACJA I ZARZĄDZANIE z. 71 Nr kol. 1917 Aleksander KRÓL Politechnika Śląska Wydział Transportu SIECI BAYESOWSKIE JAKO NARZĘDZIE WSPOMAGAJĄCE PROCES
Bardziej szczegółowoO PEWNYCH KRYTERIACH INWESTOWANIA W OPCJE NA AKCJE
MEODY ILOŚCIOWE W BADANIACH EKONOMICZNYCH om XIII/3, 01, sr 43 5 O EWNYCH KRYERIACH INWESOWANIA W OCJE NA AKCJE omasz Warowny Kaedra Meod Ilościowych w Zarządzaniu oliechnika Lubelska e-mail: warowny@pollubpl
Bardziej szczegółowoNierównowaga na rynku kredytowym w Polsce: założenia i wyniki
Maszynopis arykułu: Marzec J. 011, Nierównowaga na rynku kredyowym w Polsce: założenia i wyniki, w: Meody maemayczne, ekonomeryczne i kompuerowe w finansach i ubezpieczeniach, (red. A. Barczak i S. Barczak),
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 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 szczegółowoBankructwo państwa: teoria czy praktyka
Bankrucwo pańswa: eoria czy prakyka Czy da się zapanować nad długiem publicznym? Maciej Biner Lenie Seminarium Ekonomiczne Czeszów 11 września 2011 Plan 1. Wprowadzenie do problemayki długu od srony księgowej.
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 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 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 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 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 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 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 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 szczegółowoLABORATORIUM PODSTAWY ELEKTRONIKI Badanie Bramki X-OR
LORTORIUM PODSTWY ELEKTRONIKI adanie ramki X-OR 1.1 Wsęp eoreyczny. ramka XOR ramka a realizuje funkcję logiczną zwaną po angielsku EXLUSIVE-OR (WYŁĄZNIE LU). Polska nazwa brzmi LO. Funkcję EX-OR zapisuje
Bardziej szczegółowoInstrukcja do ćwiczenia laboratoryjnego. Badanie przerzutników
Insrukcja do ćwiczenia laboraoryjnego Badanie przerzuników Opracował: mgr inż. Andrzej Biedka Wymagania, znajomość zagadnień: 1. 2. Właściwości, ablice sanów, paramery sayczne przerzuników RS, D, T, JK.
Bardziej szczegółowohact , 4 haot technice świec japońskich. 4 Na podstawie strony internetowej:
Zasosowanie echniki Heikin Ashi na rynku kapiałowym Krzyszof Borowski Opublikowany w: Sudia i Prace Kolegium Zarządzania i Finansów, Zeszy Naukowy 66, Warszawa 26, sr. 9-99. Po raz pierwszy japońskie echniki
Bardziej szczegółowo