Wartość zagrożona jako miernik oceny efektywności inwestowania na rynku kapitałowym Propozycja zastosowania w zarządzaniu logistycznym
|
|
- Danuta Chrzanowska
- 5 lat temu
- Przeglądów:
Transkrypt
1 Maria Tymińska Uniwersytet Jana Kochanowskiego w Kielcach Filia w Piotrkowie Trybunalskim Wartość zagrożona jako miernik oceny efektywności inwestowania na rynku kaitałowym Proozycja zastosowania w zarządzaniu logistycznym Wrowadzenie Zarządzanie wsółczesnym rzedsiębiorstwem wymaga ełnej integracji systemu logistycznego z systemem ekonomiczno-finansowym rzedsiębiorstwa. Działania odejmowane w obrębie systemu logistycznego owodują zmiany w rzedsiębiorstwie, a ich odzwierciedleniem są zmiany efektywności ekonomicznofinansowej. rak zmian rozwojowych w miarę uływu czasu owoduje obniżenie efektywności systemu logistycznego. W ocenie efektywności systemu logistycznego rzedsiębiorstwa można zastosować wskaźnik rentowności kaitału, co wiąże się z rachunkiem efektywności inwestycji. Przyjmuje się bowiem, że systemy logistyczne wymagają zaangażowania kaitału, który owinien zaewnić rzedsiębiorstwu zysk. Imlikuje to rzyjęcie właściwej strategii finansowania, będącej istotnym elementem strategii rzedsiębiorstwa. W nowoczesnej teorii finansów realizacja strumieni finansowych coraz częściej odbywa się orzez rynek kaitałowy w formie transakcji ortfelowych akcji [Nowicka-Skowron, 2000, s. 124]. Wynika to również z rosnącej nieewności warunków gosodarowania oraz obserwowanym sadkiem dostęności rzedsiębiorstw do kredytów bankowych. W warunkach olskich rzedsiębiorstw transakcje na rynku kaitałowym nie są jeszcze owszechnie realizowane. Niekiedy [Hanisz, 2009, s. 5] traktowane są jako niekonwencjonalne źródła finansowania chociaż takie odejście wydaje się co najmniej dyskusyjne. Wsomaganie się kaitałem orzez rynek kaitałowy wymaga jednakże oceny ryzyka ortfelowego. W nowoczesnych rocedurach do oceny ryzyka ortfelowego wykorzystuje się wartość zagrożoną VaR (Value at Risk). Celem artykułu jest wskazanie możliwości wykorzystania transakcji ortfelowych na rynku kaitałowym w obszarze wsomagania finansowego realizowanych inwestycji logistycznych. Dominującym zagadnieniem odjętym w artykule jest asekt ryzyka, a rzede wszystkim jego ocena, który ma kluczowe znaczenie w wyborze ortfela inwestycyjnego długoterminowego. Jak odaje K. Jajuga [2009, s. 27] ryzyko ma dwie strony: negatywną, utożsamiana z zagrożeniem i ozytywną, utożsamianą z szansą. W tym kontekście można rozatrywać ryzyko wystęujące w zarządzaniu logistycznym a dotyczące finansowania rojektów logistycznych. Oznacza to, że rzy odejmowaniu decyzji o realizacji i finansowaniu rojektu logistycznego należy brać od uwagę możliwość uzyskania wyższych rzeływów ieniężnych, co w konsekwencji rowadzi do zwiększenia wartości rzedsiębiorstwa logistycznego. W tym asekcie wsomaganie się beziecznym ortfelem akcji może być wyrazem ozytywnej strony ryzyka, a więc szansą dla realizacji długoterminowych celów rzedsiębiorstwa. Poznanie charakteru i zakresu ryzyka ozwala na odejmowanie otymalnych decyzji i działań zaobiegawczych. Zmierzają one do obniżenia skali ryzyka w funkcjonowaniu odmiotu gosodarczego. Skuteczność decyzji ograniczających skalę ryzyka może być zróżnicowana i zależna od sosobu jego kwantyfikacji i oceny. Kluczowym roblemem jest wybór właściwej metody szacowania VaR. Rozważania nad możliwością zastosowania VaR w finansowych decyzjach logistycznych oarte zostały Logistyka 2/
2 raktycznym rzykładem wykorzystania metody wariancji-kowariancji do oszacowania otencjalnego ryzyka rojektu ortfelowego. Celem inwestora, którym może być rzedsiębiorstwo logistyczne, jest zaku ortfela akcji. Dochód uzyskany z ortfela będzie wykorzystany do zasilenia finansowania realizowanego rojektu logistycznego. Sosób kalkulacji VaR VaR jest uniwersalną miarą ryzyka, zwaną też wartością zagrożoną. Ze względu na właściwości interretacyjne może być wykorzystana do omiaru różnych rodzajów ryzyka, tj. rynkowego, oeracyjnego, kredytowego, a także ryzyka inwestycji czy stoy rocentowej. Wartość zagrożona w odniesieniu do ortfela na rynku kaitałowym czy instrumentu finansowego, jest to taka strata jego wartości rynkowej, że rawdoodobieństwo jej osiągnięcia lub rzekroczenia w zadanym okresie równe jest rzyjętemu oziomom i tolerancji α. Zazwyczaj rzyjmuje się α 0,01;0,05], rzy czym im jest on niższy, tym wyższa jest wartość zagrożona. Wartość VaR określana jest za omocą kwantyla rozkładu stoy zwrotu, bądź też w rzyadku rozkładu normalnego orzez odchylenie standardowe rozkładu. Należy w tym miejscu zwrócić uwagę na złożoność rocedur szacowania kwantyla rozkładu. Jedną z metod wykorzystywanych do oszacowania ryzyka ortfelowego i wartości zagrożonej VaR jest metoda wariancji-kowariancji (variance-covariance method). Jednym z ważniejszych warunków skuteczności tej metody jest rzyjęcie założenia co do rozkładu stoy zwrotu. Założono więc rozkład normalny. Oczekiwaną stoę zwrotu oraz odchylenie standardowe ustala się na odstawie danych historycznych. W tych rzyadkach zastosowanie mają formuły: VaR c R E( R) W (1) 0 bądź (dla rzyjętej zerowej wartości oczekiwanej) VaR c RW 0, gdzie: c stała określająca oziom ufności, R odchylenie standardowe stoy zwrotu, ER ( ) wartość oczekiwana stoy zwrotu, W 0 wartość zmiennej oczątkowego okresu badanego. Stąd kwantyl jest funkcją średniej i odchylenia standardowego rozkładu stó zwrotu: R c (2) gdzie: średnia rozkładu, odchylenie standardowe, c stała zależna od rawdoodobieństwa, n. gdy 1 α = 0,95, to c = 1,65, gdy 1 α = 0,99, to c = 2,33. Z formuły (1) oraz (2) wynika, że VaR ( c ), zaś wartości i można wyznaczyć z zależności 1 : n w i 1 i i (3) oraz 1 J. Gwiazda, Metoda szacowania VaR w zarządzaniu ryzykiem banku, Uniwersytet Szczeciński, Szczecin 2011, s Logistyka 2/2013
3 n n (4) w w i j i j 1 1 ij gdzie w i oznacza udział i-tego składnika ortfela, zaś i są określone wektorem i macierzą: 1 a11 a12 a1 n 2 a21 a22 a2n μ,, n an1 an2 ann gdzie: n jest liczbą składników ortfela. Metoda wariancji-kowariancji jest efektywnym narzędziem dla stó zwrotu R o rozkładzie normalnym. Warto jednak dodać, że ten warunek nie zawsze jest sełniony. Przykład zastosowania metody wariancji-kowariancji Kaitał (dochód) z rynku kaitałowego ma być rzeznaczony na realizację rojektu logistycznego. W tym celu zakuiony ortfel akcji należy ocenić od kątem skali ryzyka. Dane wyjściowe do oceny ryzyka ortfelowego zawarto w tabeli 1. Tabela 1. Informacje wyjściowe i charakterystyki ortfela akcji Wyszczególnienie kcja kcja ktualny kurs stoy zwrotu 15,00 (zł) 10,00 (zł) Udział akcji w ortfelu 60% 40% Relatywne rzyrosty kursów akcji R R Odchylenie standardowe σ=0,02 σ=0,03 Kaitał oczątkowy [na zaku ortfela akcji] Wsółczynnik korelacji ,00 (zł) ρ=0,6 Źródło: badania własne, dane umowne. Przyjęto założenie, że rozkład miesięcznych stó zwrotu kursów akcji jest rozkładem normalnym standaryzowanym o arametrach: E(R 1 ) = 0, E(R 2 ) = 0, = 0,02, = 0,03, = 0,6. Wysokość straty (SR) jaka może wystąić w kolejnych miesiącach w stosunku do wartości aktualnej: SR ( 150, R 100, R ) (90000R 40000R ). Stąd: ( SR) X X 2X X, gdzie: X udział wartościowy kaitału zakuowego, więc ( SR) , , ,020,030, Odchylenie standardowe ortfela wyniesie: ( SR) Kwantyl rozkładu normalnego dla 0,95 oziomu ufności jest w rzybliżeniu równy 1,65, więc: VaR( SR) 27001, zł, co oznacza, że wartość zagrożona dla oziomu ufności 0,95 wynosi VaR = 4455 zł. Można zatem owiedzieć, że dla inwestora realizującego logistyczny rojekt inwestycyjny zakuiony ortfela jest ryzykowny na oziomie VaR% = 44,55%. Logistyka 2/
4 Inne metody omiaru ryzyka Metoda symulacji historycznej (historical simulation method) Metoda ta srowadza się do wykorzystania stó zwrotu instrumentu finansowego (n. ortfela akcji w ujęciu historycznym). Najczęściej rzyjmuje się dzienne historyczne stoy zwrotu. Wykorzystanie tej metody jest uwarunkowane tym, na ile historyczne stoy zwrotu ozwalają określić emiryczny rozkład. Umożliwia to oszacowanie kwantyla rozkładu i wyznaczenie wartości zagrożonej. Skuteczność symulacji historycznej jest uwarunkowana niezmiennością stó zwrotu. Stąd korzysta się z n obserwacji objętych badaniem według formuły: n Rt i wi R 1 it (5) W oarciu o (5) zostaje wygenerowany rozkład statystyczny stó zwrotu. Wyznaczenie kwantyla tego rozkładu określa wartość VaR na mocy formuły: P ( R R ) Warto zauważyć, że jest to rocedura niearametryczna, stąd też nie ma tutaj ograniczeń wynikających z założeń normalności rozkładu R, co należy uznać jako zaletę metody. Zbyteczne jest także szacowanie arametrów: średniej i odchylenia standardowego w oarciu o obserwacje historyczne. Metoda symulacji Monte Carlo (Monte Carlo simulation) MSMC obejmuje kilka etaów. W ierwszej kolejności konstruuje się hiotetyczny model odzwierciedlający kształtowanie się stó zwrotu. Podstawą modelu jest wiedza teoretyczna, bądź emiryczna obejmująca wiele (nawet kilka tysięcy) doświadczeń z rzeszłości o rozważanych stoach zwrotu. Często wykorzystuje się tutaj model odzwierciedlający geometryczny ruch rowna. R, (6) gdzie arametr modelu zwany dryfem, σ arametr określający zmienność R, zmienna losowa zwana niezależnym szumem losowym o rozkładzie N(0, s e). W oarciu o rzyjęty model generuje się wartości stó zwrotu celem oszacowania ich emirycznego rozkładu. Umożliwia to m.in. określenie kwantyla tego rozkładu i ozwala określić wartość zagrożoną VaR, rzy rzyjętym oziomie istotności. Formalnie wielkość wartości zagrożonej jest określona wzorem: P ( W W0 WaR), (7) lub P ( W) ( W0 VaR) 1 (8) gdzie: VaR wartość zagrożona w rozatrywanym okresie, P rawdoodobieństwo zajścia nastęnego zdarzenia, W 0 wartość zmiennej na oczątku okresu (wartość ojedynczego instrumentu finansowego lub ortfela albo wartość netto odmiotu gosodarczego w okresie 0), W wartość zmiennej na koniec okresu (wartość ojedynczego instrumentu finansowego ortfela albo wartość netto odmiotu gosodarczego na końcu analizowanego okresu), α oziom tolerancji. 158 Logistyka 2/2013
5 Zależność (7) oznacza, że z rawdoodobieństwem równym rzyjętemu oziomowi tolerancji, wartość W na koniec okresu będzie równa co najwyżej wartości obecnej W 0 omniejszonej o VaR. Na rysunku 1 rzedstawiono ilustrację wartości zagrożonej. Na osi odciętych zaznaczone są wartości zmiennej na zakończenie rozatrywanego okresu, oś rzędnych rzedstawia wartości funkcji gęstości zmiennej W. Przez W* oznaczono najniższą wartość zmiennej, zwaną też kwantylem rozkładu, która dzieli owierzchnię ola, znajdującą się od wykresem f(w) na dwie części, odowiadające rzyjętemu w analizowanym rzyadku 5% oziomowi tolerancji. Rys. 1. Ilustracja wartości zagrożonej Źródło: Jajuga, 2000, s. 20. Wartość VaR, określająca wolumen straty, jest różnicą omiędzy obecną wartością zmiennej W 0 a kwantylem rozkładu 2 W*. Przy horyzoncie czasowym jednego miesiąca, Value at Risk oznacza maksymalne zmniejszenie wartości zmiennej W, jakie może nastąić w ciągu 30 dni, na oziomie toleracji 5%. Innymi słowy, straty większe od wartości VaR (w rzykładzie wyższe niż 4455 zł) nie owinny wystąić częściej niż w 5% rzyadków, w ciągu miesiąca. W zależności od metody kalkulacji, wartość zagrożona może być zaisana w odmienny sosób. Jedna z tych metod wykorzystuje rzeczywisty rozkład stó zwrotu, z którego bezośrednio jest odczytywana Value at Risk, druga oiera się na uraszczającym założeniu, że rozkład stó zwrotu jest normalny. Należy dodać, że bez względu na metodę szacowania Value at Risk miarę straty, można określić jako wartość absolutną lub jako jej rocentową wielkość w stosunku do wartości bazowej, bądź w odniesieniu do wartości średniej ortfela. Podsumowanie Metoda wartości zagrożonej umożliwia syntetyczny omiar ryzyka danej transakcji finansowej. Pozwala określić, z określonym rawdoodobieństwem, maksymalny oziom straty, jaka może wystąić w danym horyzoncie czasowym. Inwestor ma możliwość wrowadzenia korekt w działaniach uwzględniając czynnik onoszonego ryzyka. Miara VaR może być zastosowana do oceny ryzyka dla dowolnego rodzaju aktywów. Jednakże kalkulacja wartości VaR wymaga uwzględnienia kwantyla rozkładu, co może być traktowane jako wada metodologiczna. Wadę tę eliminuje metoda Monte Carlo. Proozycja wykorzystania metody Monte Carlo do szacowania ryzyka w rocesach logistycznych może być rzedmiotem kolejnych oracowań. 2 Kwantylem rzędu, 0; 1, w rozkładzie emirycznym P X zmiennej losowej X, nazywamy każdą liczbę x, dla której P ((, x )) oraz P (( x,)) 1. x x Logistyka 2/
6 Streszczenie W artykule rzedstawiono zagadnienie możliwości wykorzystania transakcji ortfelowych na rynku kaitałowym w decyzjach logistycznych rzedsiębiorstwa. Rozważania rowadzono w obszarze inwestycji finansowych, których celem może być wsomaganie finansowe realizowanych rojektów logistycznych. Immanentną kategorią związaną z konstruowaniem ortfela jest ryzyko. W artykule wykorzystano wartość zagrożoną VaR jako miarę ryzyka ortfelowego. Value at risk as a measure of investment efficiencyin the caital market. roosal of var alication to logistics management Summary The article resents the ossibilities of using ortfolio transactions that a comany makes in the caital market for the urose of logistic decision making. The discussion focuses on financial investments intended, for instance, to fund logistic rojects. n inherent element of any investment ortfolio is risk. In the article, ortfolio risk is measured with value at risk, VaR. Literatura 1. est P. (2000), Wartość narażona na ryzyko. Obliczanie i wdrażanie modelu VaR, Oficyna Wydawnicza C, Kraków. 2. Gwizdała J. (2011), Metoda szacowania VaR w zarządzaniu ryzykiem banku, [w:] Zarządzanie finansami, r. zbior. od red. D. Zarzeckiego. Wyd. Uniwersytet Szczeciński. 3. Hanisz R. N. (2009), ktywna strategia finansowania warunkiem realności strategii rzedsiębiorstwa w warunkach nieewności, Zeszyty Naukowe SGGW, Nr 76, Warszawa. 4. Jajuga K. (red.), (2009), Zarządzanie ryzykiem, PWN, Warszawa. 5. Jaworski P., Micał J. (2005), Modelowanie matematyczne w finansach i ubezieczeniach, Wydawnictwo POLTEXT, Warszawa. 6. Nowicka-Skowron M. (2000), Efektywność systemów logistycznych, PWN, Warszawa. 7. Tymiński J. (2012), Teoretyczne i raktyczne asekty koncecji wartości zagrożonej. [w:] Zarządzanie finansami, r. zbior. od red. D. Zarzeckiego. Wyd. Uniwersytet Szczeciński. 160 Logistyka 2/2013
ZESZYTY NAUKOWE UNIWERSYTETU SZCZECIŃSKIEGO NR 690 FINANSE, RYNKI FINANSOWE, UBEZPIECZENIA NR
ZESZYTY NAUKOWE UNIWERSYTETU SZCZECIŃSKIEGO NR 690 FINANSE, RYNKI FINANSOWE, UBEZPIECZENIA NR 51 01 JERZY TYMIŃSKI TEORETYCZNE I PRAKTYCZNE ASPEKTY KONCEPCJI WARTOŚCI ZAGROŻONEJ 1 Wprowadzenie W działalności
Bardziej szczegółowoPorównanie metod szacowania Value at Risk
Porównanie metod szacowania Value at Risk Metoda wariancji i kowariancji i metoda symulacji historycznej Dominika Zarychta Nr indeksu: 161385 Spis treści 1. Wstęp....3 2. Co to jest Value at Risk?...3
Bardziej szczegółowoExcel i VBA w analizach i modelowaniu finansowym Pomiar ryzyka. Pomiar ryzyka
Pomiar ryzyka Miary obiektywne stosowane w kwantyfikacji ryzyka rynkowego towarzyszącego zaangażowaniu środków w inwestycjach finansowych obejmują: Miary zmienności, Miary zagrożenia, Miary wrażliwości.
Bardziej szczegółowoKomisja Egzaminacyjna dla Aktuariuszy. XL Egzamin dla Aktuariuszy z 9 października 2006 r. Część I. Matematyka finansowa
Komisja Egzaminacyjna dla Aktuariuszy XL Egzamin dla Aktuariuszy z 9 aździernika 006 r. Część I Matematyka finansowa Imię i nazwisko osoby egzaminowanej:... Czas egzaminu: 00 minut . Ile wynosi wartość
Bardziej szczegółowoII. BUDOWA EFEKTYWNEGO PORTFELA PROJEKTÓW INWESTYCYJNYCH
5 II. BUDOWA EFEKTYWEGO PORTFELA PROJEKTÓW IWESTYCYJYCH Ryzyko jest nieodłącznym elementem inwestowania. Zgodnie z określeniem inwestycji, dziś są onoszone nakłady, kosztem rezygnacji z bieżącej konsumcji,
Bardziej szczegółowoĆwiczenia Zarządzanie Ryzykiem. dr hab. Renata Karkowska, ćwiczenia Zarządzanie ryzykiem 1
Ćwiczenia Zarządzanie Ryzykiem 1 VaR to strata wartości instrumentu (portfela) taka, że prawdopodobieństwo osiągnięcia jej lub przekroczenia w określonym przedziale czasowym jest równe zadanemu poziomowi
Bardziej szczegółowoZESZYTY NAUKOWE UNIWERSYTETU SZCZECIŃSKIEGO NR 689 FINANSE, RYNKI FINANSOWE, UBEZPIECZENIA NR 50 2012 ANALIZA WŁASNOŚCI OPCJI SUPERSHARE
ZESZYTY NAUKOWE UNIWERSYTETU SZCZECIŃSKIEGO NR 689 FINANSE, RYNKI FINANSOWE, UBEZPIECZENIA NR 5 212 EWA DZIAWGO ANALIZA WŁASNOŚCI OPCJI SUPERSHARE Wprowadzenie Proces globalizacji rynków finansowych stwarza
Bardziej szczegółowo2. Założenie niezależności zakłóceń modelu - autokorelacja składnika losowego - test Durbina - Watsona
Sprawdzanie założeń przyjętych o modelu (etap IIIC przyjętego schematu modelowania regresyjnego) 1. Szum 2. Założenie niezależności zakłóceń modelu - autokorelacja składnika losowego - test Durbina - Watsona
Bardziej szczegółowodr hab. Renata Karkowska 1
dr hab. Renata Karkowska 1 Czym jest ryzyko? Rodzaje ryzyka? Co oznacza zarządzanie? Dlaczego zarządzamy ryzykiem? 2 Przedmiot ryzyka Otoczenie bliższe/dalsze (czynniki ryzyka egzogeniczne vs endogeniczne)
Bardziej szczegółowoWYBÓR FORMY OPODATKOWANIA PRZEDSIĘBIORSTW NIEPOSIADAJĄCYCH OSOBOWOŚCI PRAWNEJ
ZESZYTY NAUKOWE UNIWERSYTETU SZCZECIŃSKIEGO NR 667 FINANSE, RYNKI FINANSOWE, UBEZPIECZENIA NR 40 2011 ADAM ADAMCZYK Uniwersytet Szczeciński WYBÓR FORMY OPODATKOWANIA PRZEDSIĘBIORSTW NIEPOSIADAJĄCYCH OSOBOWOŚCI
Bardziej szczegółowoZarządzanie ryzykiem. Opracował: Dr inŝ. Tomasz Zieliński
Zarządzanie ryzykiem Opracował: Dr inŝ. Tomasz Zieliński I. OGÓLNE INFORMACJE O PRZEDMIOCIE Cel przedmiotu: Celem przedmiotu jest zaprezentowanie studentom podstawowych pojęć z zakresu ryzyka w działalności
Bardziej szczegółowoZarządzanie ryzykiem. Dorota Kuchta
Zarządzanie ryzykiem Dorota Kuchta 1 Literatura Krzysztof Jajuga (red.), Zarządzanie ryzykiem, PWN, 2007 Joanna Sokołowska, Psychologia decyzji ryzykownych, Academica, 2005 Iwona Staniec, Janusz Zawiła
Bardziej szczegółowoWykład 1 Sprawy organizacyjne
Wykład 1 Sprawy organizacyjne 1 Zasady zaliczenia Prezentacja/projekt w grupach 5 osobowych. Każda osoba przygotowuje: samodzielnie analizę w excel, prezentację teoretyczną w grupie. Obecność na zajęciach
Bardziej szczegółowoModele finansowania działalności operacyjnej przedsiębiorstw górniczych. Praca zbiorowa pod redakcją Mariana Turka
Modele finansowania działalności operacyjnej przedsiębiorstw górniczych Praca zbiorowa pod redakcją Mariana Turka GŁÓWNY INSTYTUT GÓRNICTWA Katowice 2011 Spis treści Wprowadzenie...11 Rozdział 1. Sprawozdawczość
Bardziej szczegółowoWykład 10 Estymacja przedziałowa - przedziały ufności dla średn
Wykład 10 Estymacja przedziałowa - przedziały ufności dla średniej Wrocław, 21 grudnia 2016r Przedział ufności Niech będzie dana próba X 1, X 2,..., X n z rozkładu P θ, θ Θ. Definicja 10.1 Przedziałem
Bardziej szczegółowo1. Klasyfikacja stóp zwrotu 2. Zmienność stóp zwrotu 3. Mierniki ryzyka 4. Mierniki wrażliwości wyceny na ryzyko rynkowe
I Ryzyko i rentowność instrumentów finansowych 1. Klasyfikacja stóp zwrotu 2. Zmienność stóp zwrotu 3. Mierniki ryzyka 4. Mierniki wrażliwości wyceny na ryzyko rynkowe 1 Stopa zwrotu z inwestycji w ujęciu
Bardziej szczegółowoMikroekonometria 5. Mikołaj Czajkowski Wiktor Budziński
Mikroekonometria 5 Mikołaj Czajkowski Wiktor Budziński Zadanie 1. Wykorzystując dane me.medexp3.dta przygotuj model regresji kwantylowej 1. Przygotuj model regresji kwantylowej w którym logarytm wydatków
Bardziej szczegółowoZarządzanie ryzykiem finansowym
Zarządzanie projektami Wrocław, 30 października 2013 Spis treści Motywacja Rachunek prawdopodobieństwa Koherentne miary ryzyka Przykłady zastosowań Podsumowanie Po co analizować ryzyko na rynkach finansowych?
Bardziej szczegółowoKOMPUTEROWA SYMULACJA PROCESÓW ZWIĄZANYCH Z RYZYKIEM PRZY WYKORZYSTANIU ŚRODOWISKA ADONIS
KOMPUTEROWA SYMULACJA PROCESÓW ZWIĄZANYCH Z RYZYKIEM PRZY WYKORZYSTANIU ŚRODOWISKA ADONIS Bogdan RUSZCZAK Streszczenie: Artykuł przedstawia metodę komputerowej symulacji czynników ryzyka dla projektu inwestycyjnego
Bardziej szczegółowodr hab. Renata Karkowska 1
dr hab. Renata Karkowska 1 Miary zmienności: obrazują zmiany cen, stóp zwrotu instrumentów finansowych, opierają się na rozproszeniu ich rozkładu, tym samym uśredniają ryzyko: wariancja stopy zwrotu, odchylenie
Bardziej szczegółowoMatematyka ubezpieczeń majątkowych r.
Matematyka ubezpieczeń majątkowych 3..007 r. Zadanie. Każde z ryzyk pochodzących z pewnej populacji charakteryzuje się tym że przy danej wartości λ parametru ryzyka Λ rozkład wartości szkód z tego ryzyka
Bardziej szczegółowoSpis treści 3 SPIS TREŚCI
Spis treści 3 SPIS TREŚCI PRZEDMOWA... 1. WNIOSKOWANIE STATYSTYCZNE JAKO DYSCYPLINA MATEMATYCZNA... Metody statystyczne w analizie i prognozowaniu zjawisk ekonomicznych... Badania statystyczne podstawowe
Bardziej szczegółowo( n) Łańcuchy Markowa X 0, X 1,...
Łańcuchy Markowa Łańcuchy Markowa to rocesy dyskretne w czasie i o dyskretnym zbiorze stanów, "bez amięci". Zwykle będziemy zakładać, że zbiór stanów to odzbiór zbioru liczb całkowitych Z lub zbioru {,,,...}
Bardziej szczegółowoKalorymetria paliw gazowych
Katedra Termodynamiki, Teorii Maszyn i Urządzeń Cielnych W9/K2 Miernictwo energetyczne laboratorium Kalorymetria aliw gazowych Instrukcja do ćwiczenia nr 7 Oracowała: dr inż. Elżbieta Wróblewska Wrocław,
Bardziej szczegółowo3. Optymalizacja portfela inwestycyjnego Model Markowitza Model jednowskaźnikowy Sharpe a Model wyceny aktywów kapitałowych CAPM
3. Optymalizacja portfela inwestycyjnego Model Markowitza Model jednowskaźnikowy Sharpe a Model wyceny aktywów kapitałowych CAPM Oczekiwana stopa zwrotu portfela dwóch akcji: E(r p ) = w 1 E(R 1 ) + w
Bardziej szczegółowoZmienność wiatru w okresie wieloletnim
Warsztaty: Prognozowanie produktywności farm wiatrowych PSEW, Warszawa 5.02.2015 Zmienność wiatru w okresie wieloletnim Dr Marcin Zientara DCAD / Stermedia Sp. z o.o. Zmienność wiatru w różnych skalach
Bardziej szczegółowoModelowanie rynków finansowych
Modelowanie rynków finansowych Jerzy Mycielski WNE UW 5 października 2017 Jerzy Mycielski (WNE UW) Modelowanie rynków finansowych 5 października 2017 1 / 12 Podstawowe elementy teorii 1 racjonalne oczekiwania
Bardziej szczegółowoEstymacja przedziałowa - przedziały ufności dla średnich. Wrocław, 5 grudnia 2014
Estymacja przedziałowa - przedziały ufności dla średnich Wrocław, 5 grudnia 2014 Przedział ufności Niech będzie dana próba X 1, X 2,..., X n z rozkładu P θ, θ Θ. Definicja Przedziałem ufności dla paramertu
Bardziej szczegółowoZjawisko Comptona opis pół relatywistyczny
FOTON 33, Lato 06 7 Zjawisko Comtona ois ół relatywistyczny Jerzy Ginter Wydział Fizyki UW Zderzenie fotonu ze soczywającym elektronem Przy omawianiu dualizmu koruskularno-falowego jako jeden z ięknych
Bardziej szczegółowoSterowanie wielkością zamówienia w Excelu - cz. 3
Sterowanie wielkością zamówienia w Excelu - cz. 3 21.06.2005 r. 4. Planowanie eksperymentów symulacyjnych Podczas tego etapu ważne jest określenie typu rozkładu badanej charakterystyki. Dzięki tej informacji
Bardziej szczegółowoWycena opcji. Dr inż. Bożena Mielczarek
Wycena opcji Dr inż. Bożena Mielczarek Stock Price Wahania ceny akcji Cena jednostki podlega niewielkim wahaniom dziennym (miesięcznym) wykazując jednak stały trend wznoszący. Cena może się doraźnie obniżać,
Bardziej szczegółowoWNIOSKOWANIE W MODELU REGRESJI LINIOWEJ
WNIOSKOWANIE W MODELU REGRESJI LINIOWEJ Dana jest populacja generalna, w której dwuwymiarowa cecha (zmienna losowa) (X, Y ) ma pewien dwuwymiarowy rozk lad. Miara korelacji liniowej dla zmiennych (X, Y
Bardziej szczegółowoINFORMACJE DOTYCZĄCE ADEKWATNOŚCI KAPITAŁOWEJ ORAZ POLITYKI ZMIENNYCH SKŁADNIKÓW WYNAGRODZEŃ W MILLENNIUM DOMU MAKLERSKIM S.A.
INFORMACJE DOTYCZĄCE ADEKWATNOŚCI KAPITAŁOWEJ ORAZ POLITYKI ZMIENNYCH SKŁADNIKÓW WYNAGRODZEŃ W MILLENNIUM DOMU MAKLERSKIM S.A. (stan na dzień 31 grudnia 2013 r.) SPIS TREŚCI I. WPROWADZENIE... 3 II. KAPITAŁY
Bardziej szczegółowoWeryfikacja hipotez statystycznych, parametryczne testy istotności w populacji
Weryfikacja hipotez statystycznych, parametryczne testy istotności w populacji Dr Joanna Banaś Zakład Badań Systemowych Instytut Sztucznej Inteligencji i Metod Matematycznych Wydział Informatyki Politechniki
Bardziej szczegółowoOpcje - wprowadzenie. Mała powtórka: instrumenty liniowe. Anna Chmielewska, SGH,
Opcje - wprowadzenie Mała powtórka: instrumenty liniowe Punkt odniesienia dla rozliczania transakcji terminowej forward: ustalony wcześniej kurs terminowy. W dniu rozliczenia transakcji terminowej forward:
Bardziej szczegółowoRysunek 1 Przykładowy graf stanów procesu z dyskretnymi położeniami.
Procesy Markowa Proces stochastyczny { X } t t nazywamy rocesem markowowskim, jeśli dla każdego momentu t 0 rawdoodobieństwo dowolnego ołożenia systemu w rzyszłości (t>t 0 ) zależy tylko od jego ołożenia
Bardziej szczegółowoAnaliza zdarzeń Event studies
Analiza zdarzeń Event studies Dobromił Serwa akson.sgh.waw.pl/~dserwa/ef.htm Leratura Campbell J., Lo A., MacKinlay A.C.(997) he Econometrics of Financial Markets. Princeton Universy Press, Rozdział 4.
Bardziej szczegółowo... i statystyka testowa przyjmuje wartość..., zatem ODRZUCAMY /NIE MA POD- STAW DO ODRZUCENIA HIPOTEZY H 0 (właściwe podkreślić).
Egzamin ze Statystyki Matematycznej, WNE UW, wrzesień 016, zestaw B Odpowiedzi i szkice rozwiązań 1. Zbadano koszt 7 noclegów dla 4-osobowej rodziny (kwatery) nad morzem w sezonie letnim 014 i 015. Wylosowano
Bardziej szczegółowoPowtórzenie. Ćwiczenia ZPI. Katarzyna Niewińska, ćwiczenia do wykładu Zarządzanie portfelem inwestycyjnym 1
Powtórzenie Ćwiczenia ZPI 1 Zadanie 1. Średnia wartość stopy zwrotu dla wszystkich spółek finansowych wynosi 12%, a odchylenie standardowe 5,1%. Rozkład tego zjawiska zbliżony jest do rozkładu normalnego.
Bardziej szczegółowoPRZYKŁAD ZASTOSOWANIA DOKŁADNEGO NIEPARAMETRYCZNEGO PRZEDZIAŁU UFNOŚCI DLA VaR. Wojciech Zieliński
PRZYKŁAD ZASTOSOWANIA DOKŁADNEGO NIEPARAMETRYCZNEGO PRZEDZIAŁU UFNOŚCI DLA VaR Wojciech Zieliński Katedra Ekonometrii i Statystyki SGGW Nowoursynowska 159, PL-02-767 Warszawa wojtek.zielinski@statystyka.info
Bardziej szczegółowoEstymacja punktowa i przedziałowa
Temat: Estymacja punktowa i przedziałowa Kody znaków: żółte wyróżnienie nowe pojęcie czerwony uwaga kursywa komentarz 1 Zagadnienia 1. Statystyczny opis próby. Idea estymacji punktowej pojęcie estymatora
Bardziej szczegółowoWYZNACZENIE OKRESU RÓWNOWAGI I STABILIZACJI DŁUGOOKRESOWEJ
Anna Janiga-Ćmiel WYZNACZENIE OKRESU RÓWNOWAGI I STABILIZACJI DŁUGOOKRESOWEJ Wrowadzenie W rozwoju każdego zjawiska niezależnie od tego, jak rozwój ten jest ukształtowany rzez trend i wahania, można wyznaczyć
Bardziej szczegółowoAnaliza inwestycji i zarządzanie portfelem SPIS TREŚCI
Analiza inwestycji i zarządzanie portfelem Frank K. Reilly, Keith C. Brown SPIS TREŚCI TOM I Przedmowa do wydania polskiego Przedmowa do wydania amerykańskiego O autorach Ramy książki CZĘŚĆ I. INWESTYCJE
Bardziej szczegółowoInne kryteria tworzenia portfela. Inne kryteria tworzenia portfela. Poziom bezpieczeństwa. Analiza i Zarządzanie Portfelem cz. 3. Dr Katarzyna Kuziak
Inne kryteria tworzenia portfela Analiza i Zarządzanie Portfelem cz. 3 Dr Katarzyna Kuziak. Minimalizacja ryzyka przy zadanym dochodzie Portfel efektywny w rozumieniu Markowitza odchylenie standardowe
Bardziej szczegółowoJanusz Górczyński. Prognozowanie i symulacje w zadaniach
Wykłady ze statystyki i ekonometrii Janusz Górczyński Prognozowanie i symulacje w zadaniach Wyższa Szkoła Zarządzania i Marketingu Sochaczew 2009 Publikacja ta jest czwartą ozycją w serii wydawniczej Wykłady
Bardziej szczegółowoStatystyka w pracy badawczej nauczyciela Wykład 4: Analiza współzależności. dr inż. Walery Susłow walery.suslow@ie.tu.koszalin.pl
Statystyka w pracy badawczej nauczyciela Wykład 4: Analiza współzależności dr inż. Walery Susłow walery.suslow@ie.tu.koszalin.pl Statystyczna teoria korelacji i regresji (1) Jest to dział statystyki zajmujący
Bardziej szczegółowoEstymacja parametrów rozkładu cechy
Estymacja parametrów rozkładu cechy Estymujemy parametr θ rozkładu cechy X Próba: X 1, X 2,..., X n Estymator punktowy jest funkcją próby ˆθ = ˆθX 1, X 2,..., X n przybliżającą wartość parametru θ Przedział
Bardziej szczegółowoADAPTACYJNE PODEJŚCIE DO TWORZENIA STRATEGII INWESTYCYJNYCH NA RYNKACH KAPITAŁOWYCH WRAZ Z ZASTOSOWANIEM WAŻONEGO UŚREDNIANIA
STUDIA INFORMATICA 2012 Volume 33 Number 2A (105) Alina MOMOT Politechnika Śląska, Instytut Informatyki Michał MOMOT Instytut Techniki i Aaratury Medycznej ITAM ADAPTACYJNE PODEJŚCIE DO TWORZENIA STRATEGII
Bardziej szczegółowoMatematyka z el. statystyki, # 6 /Geodezja i kartografia II/
Matematyka z el. statystyki, # 6 /Geodezja i kartografia II/ Uniwersytet Przyrodniczy w Lublinie Katedra Zastosowań Matematyki i Informatyki ul. Głęboka 28, bud. CIW, p. 221 e-mail: zdzislaw.otachel@up.lublin.pl
Bardziej szczegółowoPoziom przedmiotu: II stopnia. Liczba godzin/tydzień: 2W E, 2L PRZEWODNIK PO PRZEDMIOCIE
Nazwa przedmiotu: I KARTA PRZEDMIOTU CEL PRZEDMIOTU PRZEWODNIK PO PRZEDMIOCIE C1. Zapoznanie studentów z podstawowymi metodami i technikami analizy finansowej na podstawie nowoczesnych instrumentów finansowych
Bardziej szczegółowoINFORMACJE DOTYCZĄCE ADEKWATNOŚCI KAPITAŁOWEJ W MILLENNIUM DOMU MAKLERSKIM S.A. (stan na dzień 31 grudnia 2012 r.)
INFORMACJE DOTYCZĄCE ADEKWATNOŚCI KAPITAŁOWEJ W MILLENNIUM DOMU MAKLERSKIM S.A. (stan na dzień 31 grudnia 2012 r.) SPIS TREŚCI I. WPROWADZENIE... 3 II. KAPITAŁY NADZOROWANE... 4 III. WYMOGI KAPITAŁOWE...
Bardziej szczegółowo1.1 Wstęp Literatura... 1
Spis treści Spis treści 1 Wstęp 1 1.1 Wstęp................................ 1 1.2 Literatura.............................. 1 2 Elementy rachunku prawdopodobieństwa 2 2.1 Podstawy..............................
Bardziej szczegółowoĆwiczenie 4. Wyznaczanie poziomów dźwięku na podstawie pomiaru skorygowanego poziomu A ciśnienia akustycznego
Ćwiczenie 4. Wyznaczanie oziomów dźwięku na odstawie omiaru skorygowanego oziomu A ciśnienia akustycznego Cel ćwiczenia Zaoznanie z metodą omiaru oziomów ciśnienia akustycznego, ocena orawności uzyskiwanych
Bardziej szczegółowoInformacje, o których mowa w art. 222b Ustawy z dnia 27 maja 2004 r. o funduszach inwestycyjnych i zarządzaniu alternatywnymi funduszami inwestycyjnymi ( Ustawa ) 1. Udział procentowy aktywów, które są
Bardziej szczegółowoSpis treści. Ze świata biznesu... 13. Przedmowa do wydania polskiego... 15. Wstęp... 19
Spis treści Ze świata biznesu............................................................ 13 Przedmowa do wydania polskiego.............................................. 15 Wstęp.......................................................................
Bardziej szczegółowoStatystyka matematyczna Testowanie hipotez i estymacja parametrów. Wrocław, r
Statystyka matematyczna Testowanie hipotez i estymacja parametrów Wrocław, 18.03.2016r Plan wykładu: 1. Testowanie hipotez 2. Etapy testowania hipotez 3. Błędy 4. Testowanie wielokrotne 5. Estymacja parametrów
Bardziej szczegółowoInwestycje finansowe. Wycena obligacji. Stopa zwrotu z akcji. Ryzyko.
Inwestycje finansowe Wycena obligacji. Stopa zwrotu z akcji. yzyko. Inwestycje finansowe Instrumenty rynku pieniężnego (np. bony skarbowe). Instrumenty rynku walutowego. Obligacje. Akcje. Instrumenty pochodne.
Bardziej szczegółowoSzczegółowy program kursu Statystyka z programem Excel (30 godzin lekcyjnych zajęć)
Szczegółowy program kursu Statystyka z programem Excel (30 godzin lekcyjnych zajęć) 1. Populacja generalna a losowa próba, parametr rozkładu cechy a jego ocena z losowej próby, miary opisu statystycznego
Bardziej szczegółowoMODELE LINIOWE. Dr Wioleta Drobik
MODELE LINIOWE Dr Wioleta Drobik MODELE LINIOWE Jedna z najstarszych i najpopularniejszych metod modelowania Zależność między zbiorem zmiennych objaśniających, a zmienną ilościową nazywaną zmienną objaśnianą
Bardziej szczegółowoElementy Modelowania Matematycznego Wykład 4 Regresja i dyskryminacja liniowa
Spis treści Elementy Modelowania Matematycznego Wykład 4 Regresja i dyskryminacja liniowa Romuald Kotowski Katedra Informatyki Stosowanej PJWSTK 2009 Spis treści Spis treści 1 Wstęp Bardzo często interesujący
Bardziej szczegółowoAleksandra Rabczyńska. Uniwersytet Ekonomiczny we Wrocławiu. Zarządzanie ryzykiem w tworzeniu wartości na przykładzie
Aleksandra Rabczyńska Uniwersytet Ekonomiczny we Wrocławiu Zarządzanie ryzykiem w tworzeniu wartości na przykładzie przedsiębiorstwa z branży wydobywczej Working paper JEL Classification: A10 Słowa kluczowe:
Bardziej szczegółowoAnaliza nośności pionowej pojedynczego pala
Poradnik Inżyniera Nr 13 Aktualizacja: 09/2016 Analiza nośności ionowej ojedynczego ala Program: Plik owiązany: Pal Demo_manual_13.gi Celem niniejszego rzewodnika jest rzedstawienie wykorzystania rogramu
Bardziej szczegółowoWykład 9 Testy rangowe w problemie dwóch prób
Wykład 9 Testy rangowe w problemie dwóch prób Wrocław, 18 kwietnia 2018 Test rangowy Testem rangowym nazywamy test, w którym statystyka testowa jest konstruowana w oparciu o rangi współrzędnych wektora
Bardziej szczegółowoDWUKROTNA SYMULACJA MONTE CARLO JAKO METODA ANALIZY RYZYKA NA PRZYKŁADZIE WYCENY OPCJI PRZEŁĄCZANIA FUNKCJI UŻYTKOWEJ NIERUCHOMOŚCI
DWUKROTNA SYMULACJA MONTE CARLO JAKO METODA ANALIZY RYZYKA NA PRZYKŁADZIE WYCENY OPCJI PRZEŁĄCZANIA FUNKCJI UŻYTKOWEJ NIERUCHOMOŚCI mgr Marcin Pawlak Katedra Inwestycji i Wyceny Przedsiębiorstw Plan wystąpienia
Bardziej szczegółowoZagadnienia na egzamin magisterski na kierunku Finanse i Rachunkowość
Zagadnienia na egzamin magisterski na kierunku Finanse i Rachunkowość 1. Gospodarcze i społeczne koszty inflacji 2. Znaczenie operacji depozytowych i kredytowych w polityce pienięŝnej 3. Popyt na pieniądz
Bardziej szczegółowoTestowanie hipotez. Hipoteza prosta zawiera jeden element, np. H 0 : θ = 2, hipoteza złożona zawiera więcej niż jeden element, np. H 0 : θ > 4.
Testowanie hipotez Niech X = (X 1... X n ) będzie próbą losową na przestrzeni X zaś P = {P θ θ Θ} rodziną rozkładów prawdopodobieństwa określonych na przestrzeni próby X. Definicja 1. Hipotezą zerową Θ
Bardziej szczegółowoSzczegółowy program kursu Statystyka z programem Excel (30 godzin lekcyjnych zajęć)
Szczegółowy program kursu Statystyka z programem Excel (30 godzin lekcyjnych zajęć) 1. Populacja generalna a losowa próba, parametr rozkładu cechy a jego ocena z losowej próby, miary opisu statystycznego
Bardziej szczegółowoPostawy wobec ryzyka
Postawy wobec ryzyka Wskaźnik Sharpe a przykład zintegrowanej miary rentowności i ryzyka Konstrukcja wskaźnika odwołuje się do klasycznej teorii portfelowej Markowitza, której elementem jest mapa ryzyko
Bardziej szczegółowoValue at Risk (VaR) Jerzy Mycielski WNE. Jerzy Mycielski (Institute) Value at Risk (VaR) / 16
Value at Risk (VaR) Jerzy Mycielski WNE 2018 Jerzy Mycielski (Institute) Value at Risk (VaR) 2018 1 / 16 Warunkowa heteroskedastyczność O warunkowej autoregresyjnej heteroskedastyczności mówimy, gdy σ
Bardziej szczegółowoWYKŁADY ZE STATYSTYKI MATEMATYCZNEJ wykład 7 i 8 - Efektywność estymatorów, przedziały ufności
WYKŁADY ZE STATYSTYKI MATEMATYCZNEJ wykład 7 i 8 - Efektywność estymatorów, przedziały ufności Agata Boratyńska Agata Boratyńska Statystyka matematyczna, wykład 7 i 8 1 / 9 EFEKTYWNOŚĆ ESTYMATORÓW, próba
Bardziej szczegółowoInformacje, o których mowa w art. 222b Ustawy z dnia 27 maja 2004 r. o funduszach inwestycyjnych i zarządzaniu alternatywnymi funduszami inwestycyjnymi ( Ustawa ) 1. Udział procentowy aktywów, które są
Bardziej szczegółowoMikroekonometria 6. Mikołaj Czajkowski Wiktor Budziński
Mikroekonometria 6 Mikołaj Czajkowski Wiktor Budziński Metody symulacyjne Monte Carlo Metoda Monte-Carlo Wykorzystanie mocy obliczeniowej komputerów, aby poznać charakterystyki zmiennych losowych poprzez
Bardziej szczegółowoMikroekonometria 4. Mikołaj Czajkowski Wiktor Budziński
Mikroekonometria 4 Mikołaj Czajkowski Wiktor Budziński Regresja kwantylowa W standardowej Metodzie Najmniejszych Kwadratów modelujemy warunkową średnią zmiennej objaśnianej: E( yi Xi) = μ ( Xi) Pokazaliśmy,
Bardziej szczegółowoEkonometria ćwiczenia 3. Prowadzący: Sebastian Czarnota
Ekonometria ćwiczenia 3 Prowadzący: Sebastian Czarnota Strona - niezbędnik http://sebastianczarnota.com/sgh/ Normalność rozkładu składnika losowego Brak normalności rozkładu nie odbija się na jakości otrzymywanych
Bardziej szczegółowoBiznes plan innowacyjnego przedsięwzięcia
Biznes plan innowacyjnego przedsięwzięcia 1 Co to jest biznesplan? Biznes plan można zdefiniować jako długofalowy i kompleksowy plan działalności organizacji gospodarczej lub realizacji przedsięwzięcia
Bardziej szczegółowoTestowanie hipotez statystycznych
Testowanie hipotez statystycznych Wyk lad 8 Natalia Nehrebecka Stanis law Cichocki 29 listopada 2015 Plan zajeć 1 Rozk lad estymatora b Rozk lad sumy kwadratów reszt 2 Hipotezy proste - test t Badanie
Bardziej szczegółowoRozwiązania zadań (próbka) Doradca Inwestycyjny 2 etap
MAKLERS.PL Rozwiązania zadań (próbka) Doradca Inwestycyjny 2 etap z dnia 12 stycznia 2014 Mariusz Śliwiński, CIIA, DI, MPW, MGT Adam Szymko, CIIA, DI Niniejsze opracowanie zawiera rozwiązania zadań pozaprawnych
Bardziej szczegółowoALGORYTM STRAŻAKA W WALCE Z ROZLEWAMI OLEJOWYMI
JOLANTA MAZUREK Akademia Morska w Gdyni Katedra Matematyki ALGORYTM STRAŻAKA W WALCE Z ROZLEWAMI OLEJOWYMI W artykule rzedstawiono model wykorzystujący narzędzia matematyczne do ustalenia reguł oraz rozwiązań,
Bardziej szczegółowoOgłoszenie o zmianie statutu Legg Mason Akcji Skoncentrowany Funduszu Inwestycyjnego Zamkniętego
Legg Mason Tel. +48 (22) 337 66 00 Towarzystwo Funduszy Inwestycyjnych S.A. Faks +48 (22) 337 66 99 ul. Bielańska 12, 00-085 Warszawa www.leggmason.pl Ogłoszenie o zmianie statutu Legg Mason Akcji Skoncentrowany
Bardziej szczegółowo166 Wstęp do statystyki matematycznej
166 Wstęp do statystyki matematycznej Etap trzeci realizacji procesu analizy danych statystycznych w zasadzie powinien rozwiązać nasz zasadniczy problem związany z identyfikacją cechy populacji generalnej
Bardziej szczegółowoKolokwium ze statystyki matematycznej
Kolokwium ze statystyki matematycznej 28.05.2011 Zadanie 1 Niech X będzie zmienną losową z rozkładu o gęstości dla, gdzie 0 jest nieznanym parametrem. Na podstawie pojedynczej obserwacji weryfikujemy hipotezę
Bardziej szczegółowoZadania ze statystyki, cz.6
Zadania ze statystyki, cz.6 Zad.1 Proszę wskazać, jaką część pola pod krzywą normalną wyznaczają wartości Z rozkładu dystrybuanty rozkładu normalnego: - Z > 1,25 - Z > 2,23 - Z < -1,23 - Z > -1,16 - Z
Bardziej szczegółowoStatystyka matematyczna. Wykład IV. Weryfikacja hipotez statystycznych
Statystyka matematyczna. Wykład IV. e-mail:e.kozlovski@pollub.pl Spis treści 1 2 3 Definicja 1 Hipoteza statystyczna jest to przypuszczenie dotyczące rozkładu (wielkości parametru lub rodzaju) zmiennej
Bardziej szczegółowoESTYMACJA PRZEDZIAŁOWA WYBRANYCH PARAMETRÓW
ESTYMACJA PRZEDZIAŁOWA WYBRANYCH PARAMETRÓW POPULACJI Szkic wykładu Wprowadzenie 1 Wprowadzenie 2 3 4 Przypomnienie dotychczasowych rozważań Przedziałem ufności nazywamy przedział losowy, o którym przypuszczamy
Bardziej szczegółowoβ i oznaczmy współczynnik Beta i-tego waloru, natomiast przez β w - Betę całego portfela. Wykaż, że prawdziwa jest następująca równość
Zestaw 7 1. (Egzamin na doradcę inwestycyjnego, I etap, 2013) Współczynnik beta akcji spółki ETA wynosi 1, 3, a stopa zwrotu z portfela rynkowego 9%. Jeżeli oczekiwna stopa zwrotu z akcji spółki ETA wynosi
Bardziej szczegółowoPARAMETRY, WŁAŚCIWOŚCI I FUNKCJE NIEZAWODNOŚCIOWE NAPOWIETRZNYCH LINII DYSTRYBUCYJNYCH 110 KV
Elektroenergetyczne linie napowietrzne i kablowe wysokich i najwyższych napięć PARAMETRY, WŁAŚCIWOŚCI I FUNKCJE NIEZAWODNOŚCIOWE NAPOWIETRZNYCH LINII DYSTRYBUCYJNYCH 110 KV Wisła, 18-19 października 2017
Bardziej szczegółowoInformacja Banku Spółdzielczego w Chojnowie
BANK SPÓŁDZIELCZY W CHOJNOWIE Grupa BPS Informacja Banku Spółdzielczego w Chojnowie wynikająca z art. 111a ustawy Prawo Bankowe według stanu na dzień 31.12.2016 r. 1. Informacja o działalności Banku Spółdzielczego
Bardziej szczegółowoRozdział 8. Regresja. Definiowanie modelu
Rozdział 8 Regresja Definiowanie modelu Analizę korelacji można traktować jako wstęp do analizy regresji. Jeżeli wykresy rozrzutu oraz wartości współczynników korelacji wskazują na istniejąca współzmienność
Bardziej szczegółowoSPRAWOZDANIE Z ADEKWATNOŚCI KAPITAŁOWEJ DOMU MAKLERSKIEGO PRICEWATERHOUSECOOPERS SECURITIES SPÓŁKA AKCYJNA
SPRAWOZDANIE Z ADEKWATNOŚCI KAPITAŁOWEJ DOMU MAKLERSKIEGO PRICEWATERHOUSECOOPERS SECURITIES SPÓŁKA AKCYJNA ZA OKRES OD 1 STYCZNIA 2012 r. DO 31 GRUDNIA 2012 r. PricewaterhouseCoopers Securities S.A., Al.
Bardziej szczegółowoStatystyka i opracowanie danych Podstawy wnioskowania statystycznego. Prawo wielkich liczb. Centralne twierdzenie graniczne. Estymacja i estymatory
Statystyka i opracowanie danych Podstawy wnioskowania statystycznego. Prawo wielkich liczb. Centralne twierdzenie graniczne. Estymacja i estymatory Dr Anna ADRIAN Paw B5, pok 407 adrian@tempus.metal.agh.edu.pl
Bardziej szczegółowoKURS DORADCY FINANSOWEGO
KURS DORADCY FINANSOWEGO Przykładowy program szkolenia I. Wprowadzenie do planowania finansowego 1. Rola doradcy finansowego Definicja i cechy doradcy finansowego Oczekiwania klienta Obszary umiejętności
Bardziej szczegółowo=... rys.1 (problem 1) rys. 2 (problem 1)
Mikrotestwzór2016 Zestaw W/2016 Test z Mikroekonomii Gdańsk, dnia... (wzór) NAZWISKO I IMIĘ... Nr gruy... Problem 1 Dana jest funkcja kosztów całkowitych rzedsiębiorstwa oraz cena jednostkowa roduktu:
Bardziej szczegółowoKatedra Silników Spalinowych i Pojazdów ATH ZAKŁAD TERMODYNAMIKI. Pomiar ciepła spalania paliw gazowych
Katedra Silników Salinowych i Pojazdów ATH ZAKŁAD TERMODYNAMIKI Pomiar cieła salania aliw gazowych Wstę teoretyczny. Salanie olega na gwałtownym chemicznym łączeniu się składników aliwa z tlenem, czemu
Bardziej szczegółowoM. Dąbrowska. K. Grabowska. Wroclaw University of Economics
M. Dąbrowska K. Grabowska Wroclaw University of Economics Zarządzanie wartością przedsiębiorstwa na przykładzie przedsiębiorstw z branży produkującej napoje JEL Classification: A 10 Słowa kluczowe: Zarządzanie
Bardziej szczegółowoAnaliza porównawcza koniunktury gospodarczej w województwie zachodniopomorskim i w Polsce w ujęciu sektorowym
Jacek Batóg Uniwersytet Szczeciński Analiza porównawcza koniunktury gospodarczej w województwie zachodniopomorskim i w Polsce w ujęciu sektorowym Warunki działania przedsiębiorstw oraz uzyskiwane przez
Bardziej szczegółowoPROGNOZOWANIE I SYMULACJE EXCEL 1 AUTOR: MARTYNA MALAK PROGNOZOWANIE I SYMULACJE EXCEL 1 AUTOR: MARTYNA MALAK
1 PROGNOZOWANIE I SYMULACJE 2 http://www.outcome-seo.pl/excel1.xls DODATEK SOLVER WERSJE EXCELA 5.0, 95, 97, 2000, 2002/XP i 2003. 3 Dodatek Solver jest dostępny w menu Narzędzia. Jeżeli Solver nie jest
Bardziej szczegółowoINTERAKCJE RYZYKA FINANSOWEGO W LASACH I PRZEMYŚLE DRZEWNYM. Autorzy dr hab. Krzysztof Adamowicz mgr Krzysztof Michalski
INTERAKCJE RYZYKA FINANSOWEGO W LASACH I PRZEMYŚLE DRZEWNYM Autorzy dr hab. Krzysztof Adamowicz mgr Krzysztof Michalski RYZYKO możliwy negatywny wynik przedsięwzięcia, z którym łączy się uszczerbek, strata,
Bardziej szczegółowoZmienność. Co z niej wynika?
Zmienność. Co z niej wynika? Dla inwestora bardzo ważnym aspektem systemu inwestycyjnego jest moment wejścia na rynek (moment dokonania transakcji) oraz moment wyjścia z rynku (moment zamknięcia pozycji).
Bardziej szczegółowoSTATYSTYKA MATEMATYCZNA
STATYSTYKA MATEMATYCZNA 1. Wykład wstępny 2. Zmienne losowe i teoria prawdopodobieństwa 3. Populacje i próby danych 4. Testowanie hipotez i estymacja parametrów 5. Najczęściej wykorzystywane testy statystyczne
Bardziej szczegółowoRYNKI EUROPY ŚRODKOWEJ I WSCHODNIEJ ORAZ POLSKA
RYNKI EUROPY ŚRODKOWEJ I WSCHODNIEJ ORAZ POLSKA Eric Hampel Andrea Moneta (pominięto) 2 PROGRAM Scenariusz, pozycjonowanie i cele Strategiczne filary planu trzyletniego Inicjatywy ponadnarodowe Pomyślne
Bardziej szczegółowo