POWIĄZANIA MIĘDZY CENAMI ROPY A CENAMI PSZENICY W POLSCE
|
|
- Łukasz Bednarczyk
- 8 lat temu
- Przeglądów:
Transkrypt
1 176 MARIUSZ HAMULCZUK, CEZARY KLIMKOWSKI ROCZNIKI NAUK ROLNICZYCH, SERIA G, T. 98, z. 3, 2011 POWIĄZANIA MIĘDZY CENAMI ROPY A CENAMI PSZENICY W POLSCE Mariusz Hamulczuk *, Cezary Klimkowski ** * Kaedra Ekonomiki Rolnicwa i Międzynarodowych Sosunków Gospodarczych Szkoły Główne Gospodarswa Wieskiego w Warszawie Kierownik: prof. dr hab. Henryk Maneuffel ** Samodzielna Pracownia Zasosowań Maemayki w Ekonomice Rolnicwa Insyu Ekonomiki Rolnicwa i Gospodarki Żywnościowe Pańswowy Insyu Badawczy Kierownik: prof. dr hab. Włodzimierz Rembisz Słowa kluczowe: ceny pszenicy, ceny ropy, analiza szeregów czasowych, biopaliwa Key words: whea prices, crude oil prices, ime series analysis, biofuels S y n o p s i s. Ceny surowców rolnych sanowią naważnieszy paramer podemowania decyzi gospodarczych przez producenów rolnych, ponieważ bezpośrednio wpływaą na dochody przez nich uzyskiwane. Sąd ważne es poznawanie uwarunkowań ich zmienności. Wśród czynników, kóre wpływaą na ceny zbóż coraz częście wskazue się na ceny ropy nafowe. Celem opracowania es ocena powiązań między cenami ropy na rynkach świaowych a cenami pszenicy w Polsce. Uzyskane wyniki powierdziły opinie, że isniee znaczny wpływ cen ropy na ceny pszenicy, przy ym charaker i siła ych związków ulega zmianom w czasie. WSTĘP Ekonomia, podobnie ak większość pozosałych nauk społecznych, podlega pewnym rendom nie inacze es w przypadku ekonomiki rolnicwa. Owe rendy badań kreowane są przez zdarzenia zachodzące w gospodarce i wynikaą z porzeby wyłumaczenia mechanizmu zawisk am zachodzących. Na począku poprzednie dekady w polskie lieraurze zauważyć się dało wyraźny wzros zaineresowania inegracą gospodarczą w ramach Unii Europeskie. W osanich laach popularność zdobyły badania nad rozwoem zrównoważonym. W lieraurze świaowe publikue się zaś obecnie coraz więce prac poświęconych zagadnieniu ruchów cen na rynku surowców rolnych i energeycznych, w ym przede wszyskim ropy nafowe. Jes o wynik niespoykanych w poprzednich laach wahań cen na ych rynkach oraz ich znaczenia dla gospodarki. Ponieważ problem wysokich cen arykułów rolnych i ropy doyczy również Polski, w arykule podęo zagadnienie zmienności cen pszenicy i ropy oraz mechanizmów ich powiązań w warunkach Polski. Celem opracowania es przedsawienie eoreycznych i ekonomicznych uwarunkowań powiązania cen na ych rynkach oraz empiryczna ocena wpływu zmian cen ropy na rynkach świaowych na ceny pszenicy w Polsce.
2 POWIĄZANIA MIĘDZY CENAMI ROPY A CENAMI PSZENICY W POLSCE 177 CENY SUROWCÓW JAKO PROBLEM EKONOMICZNY Opracowanie obemue dwa niezwykle isone i powiązane ze sobą problemy ekonomiczne. Pierwszy z nich doyczy długookresowego rendu cen arykułów rolnych, drugi zaś obemue zagadnienie zależności pomiędzy cenami surowców rolnych a cenami surowców energeycznych. Problem długookresowego rendu cen arykułów rolnych, ak również surowców nauralnych, nurue ekonomisów od bardzo dawna. Jak swierdza Marian Radezki [2010], w hisorii ekonomii zauważyć można dwa przeciwsawne poglądy eoreyczne. Pierwszy, wywodzący się z klasyczne ekonomii Adama Smiha, Davida Ricardo i Suara Milla głosi, że ograniczona podaż ziemi i surowców energeycznych przy sale rozwiaące się gospodarce, a więc rosnącym popycie na surowce, musi doprowadzić w długim okresie do wzrosu cen. Drugi, bazuący na raconalizowaniu obserwaci empirycznych, zawary napełnie w ezie Prebisha-Singera, wskazue na odwrony proces. Dochodowa elasyczność popyu na dobra przeworzone es wyższa niż na surowce, co przy wzroście gospodarczym sawia rolników w niekorzysne syuaci. Isony es również inny czynnik. Zapocząkowany w połowie XIX wieku spadek koszów ransporu sanowiących wyższy odseek ceny surowców niż dóbr przeworzonych sprawił, że ceny surowców w XX wieku malały szybcie [Radezki 2010] 1. Obecny wzros cen surowców nie przeczy drugiemu z przedsawionych poglądów. Bowiem rynek surowców zawsze był narażony na wyższe wahania cen, co es konsekwencą uzależnienia od warunków nauralnych, kaasrof (szoki podażowe), a dodakowo elasyczność cenowa surowców es znacząco niższa niż elasyczność cenowa dóbr przeworzonych [Radezki 2010]. Sosunkowo rzadko w lieraurze sawiana es eza o wyąkowości osanich wahań cen na rynkach rolnych, ak ak wierdzą Sco Irwin i Darrel Good [2009]. Przeciwnie, zauważa się, że wzros cen w laach wyrażony w warościach realnych był niższy od ego obserwowanego po roku 1973 [FAO 2008]. Jedynym czynnikiem, kóry należy uznać za nowy w sosunku do wahań cen surowców doychczas obserwowanych, es wpływ rynku finansowego. W wyniku zapocząkowane w laach 80. XX wieku liberalizaci handlu oraz spadku koszów ransporu doszło do globalizaci rynku surowców rolnych. W konsekwenci wzrosło zaineresowanie działaniem rynków erminowych oferuących konraky na surowce rolne. Doyczy o w szczególności kapiału spekulacynego, gdyż konraky erminowe na żywność przynoszą szczególnie duże zyski w okresach recesi [Goron, Rouwenhors 2005]. Badania przeprowadzone przez Bryce a Cooke a i Miguela Roblesa [2009] na szeregach czasowych cen świaowych kukurydzy, pszenicy, ryżu i soi wskazały, że spośród różnych ewenualnych czynników wzrosów cen 2 pomiędzy 2006 a 2008 rokiem, o właśnie wzmożona działalność spekulacyna na rynkach finansowych była edyną isoną przyczyną (w sensie Grangera) obserwowanego wzrosu cen. Nie można ednak swierdzić ednoznaczności ych wyników, 1 Kosz ransporu ony pszenicy z Nowego Jorku do Liverpoolu w cenach sałych w USD z 1910 r. wynosił w kolenych laach: ,1, ,7, ,6, ,5. Druga faza obniżania koszów ransporu nasąpiła po kryzysie sueskim w laach 50. XX wieku, gdy dokonano inwesyci infrasrukuralnych w porach, przysosowuących e do obsługi nawiększych masowców, kóre do e pory były używane względnie rzadko. W 1960 r. nie isniały masowce o nośności ponad DWT, podczas gdy w 1988 r. ransporowano akimi lub większymi sakami 70% rud żelaza i 40% węgla [Radezki 2010]. 2 Do czynników ych zaliczono wzros popyu świaowego, wzros zużycia na biodiesel i eanol, zwiększoną akywność na rynkach finansowych, czynniki srony podażowe (wzros koszów czynników produkci), niski poziom inwesyci w B+R w rolnicwie, bariery w handlu i dewaluacę dolara.
3 178 MARIUSZ HAMULCZUK, CEZARY KLIMKOWSKI gdyż akualizaca szeregów czasowych o spadek cen arykułów rolnych z la sprawia, że ezę o spekulacynych przyczynach wzrosu cen należy odrzucić. Problem powiązań cen surowców rolnych z cenami surowców energeycznych lub po zawężeniu zagadnienia z cenami ropy es eszcze bardzie nieednoznaczny. Tradycynie ceny arykułów rolnych i energii uważało się za nisko lub nawe negaywnie skorelowane [Herel, Beckman 2011]. Według badań Wallace a Tynera [2009] korelaca cen kukurydzy i ropy w laach w USA wyniosła -0,26. Obserwowano edynie wyraźne powiązania cen surowców energeycznych ze sroną koszową produkci rolne. Syuaca uległa ednak zmianie wraz z rozwoem rynku biopaliw. Przeznaczenie części upraw rolnych na porzeby rynku energeycznego spowodowało powiązanie cen wybranych arykułów rolnych z cenami ropy, choć siła i naura ego powiązania wciąż nie es asna. Kraem, kóry ako pierwszy rozwinął produkcę surowców rolnych z przeznaczeniem na energię, es Brazylia. Rozwó rynku eanolu w Brazylii rozpoczął się w okresie kryzysu paliwowego w 1973 roku, gdy wzrosowi cen ropy owarzyszyły niskie ceny rzciny cukrowe. Rząd silnie wspierał podaż i popy na paliwo wywarzane w Brazylii. Z pomocą przyszła echnologia, w ym wprowadzenie w 2003 r. silnika echnologii FFV, kóry mógł korzysać z paliwa BIO85, zawieraącego od 70 do 85% eanolu. Do końca 2005 r. 70% nowych samochodów sprzedawanych w Brazylii korzysało z e echnologii. Powsała am duża liczba fabryk produkuących eanol z rzciny cukrowe, kóre dodakowo bez problemów mogą przesawić produkcę na cukier w zależności od warunków cenowych na rynku. Nie powinno więc dziwić, że na podsawie danych z Brazylii dowiedziono isnienia łańcucha zależności, idącego od cen ropy poprzez ceny eanolu do cen cukru. Poziom cen ropy wpływa w Brazylii na ceny i zmienność cen eanolu. Wzros zmienności cen ropy wpływa na wzros zmienności cen eanolu. Ceny eanolu wpływaą na średnie ceny cukru i pośrednio na ich zmienność [Serra, Zilberman 2009]. Obecnie rynek biopaliw rozwinął się akże w USA (eanol produkowany naczęście z kukurydzy), kraach Unii Europeskie (biodiesel przede wszyskim z rzepaku), Kanadzie, Japonii i wielu innych kraach wysoko rozwinięych. W konsekwenci, ceny arykułów rolnych pozosaą powiązane z cenami ropy nafowe, a ocena siły ych powiązań i wynikaące z ego implikace sanowią przedmio wielu badań. Poniże przedsawiono skróowy przegląd wyników badań dla danych z amerykańskiego rynku. Dowiedziono, że wpływ zmienności cen ropy na rynki rolne w laach pozosał prakycznie niezauważony, ednak syuaca zmieniła się isonie dla danych po roku 2006 [Du i in. 2009]. Sayed Saghaian [2010] wykazał, że isniee silna korelaca pomiędzy cenami surowców rolnych a ceną ropy, ale naura ych powiązań es nieednoznaczna. Tes przyczynowości Grangera powierdził, że ceny ropy wpływaą na ceny kukurydzy, pszenicy i soi. W innym badaniu zauważono również, że rosnący rynek eanolu sprawia, że ceny ropy i zbóż są ze sobą powiązane i niesabilność z rynku ropy przenoszona es na rynek zbóż [Muhammad, Kebede 2009]. Powierdzaą o również badania Dennisa Conleya i Adama George a [2008], według kórych roacyna naura produkci roślinne sprawia, że rozwó rynku eanolu wpływa nie ylko na ceny kukurydzy, lecz akże soi, pszenicy, a nawe bawełny. Waro ednak zaznaczyć, że powiązania między cenami ropy a cenami surowców rolnych są odmienne w zależności od wysokości cen ropy. Sopień korelaci es dalece niższy przy niskich cenach ropy (od sycznia 2001 r. do sierpnia 2007 r.), gdy wynosił w USA 0,32, inny dla wysokich cen (od września 2007 r. do października 2008 r.) równy 0,92, a eszcze inny dla średnich ok. 0,5 [Herel, Beckmann 2011]. Jednak wyniki pozosaą nieednoznaczne nie ylko ze względu na dobrany okres badań. Badania przepro-
4 POWIĄZANIA MIĘDZY CENAMI ROPY A CENAMI PSZENICY W POLSCE 179 wadzone przez Adriana Harriego, Laniera Nalleya i Darrena Hudsona [2009] wykazały, że ceny kukurydzy, bawełny i soi były powiązane ze zmianami cen ropy, naomias nie zauważono akiego związku dla cen pszenicy. Maria Muuc [2010] wymieniła lisę prac, kórych rezulay wspierały bądź nie ezę o koinegraci cen ropy i surowców rolnych. Jakkolwiek w środowisku ekonomisów panue zgoda co do przyszłego wzrosu powiązań cen arykułów rolnych z cenami ropy, wynikaącego z rozwou rynku biopaliw, o wyniki doyczące poszczególnych arykułów rolnych, cech dobieranych danych (ygodniowe, miesięczne czy roczne), horyzonu czasowego i zmienności powiązań w czasie sanowią przedmio burzliwe dyskusi. Tym bardzie waro przyrzeć się emu zagadnieniu z perspekywy cen kszałuących się na polskim rynku. Analizuąc powiązania pomiędzy cenami pszenicy na polskim rynku a cenami ropy nafowe, waro zauważyć, że w odróżnieniu od wspominanych przypadków w Brazylii i USA, w Polsce wykorzysanie zbóż na produkcę eanolu es dość niskie. Szacowana produkca bioeanolu w Polsce w laach 2008, 2009 i 2010 wyniosła odpowiednio: 88, 132 i 166 ys. on, co sanowiło około 0,3% produkci świaowe. Nie ma dokładnych danych doyczących rodzaów surowców rolnych zużywanych przy produkci bioeanolu, niemnie szacue się, że naważnieszym es kukurydza. Gdyby ednak założyć, że w 2009 r. całość produkci biopaliw zosała wyworzona z pszenicy, o na en cel przeznaczono by około 440 ys. on pszenicy. Mimo, że sanowiłoby o zaledwie 4,5% ogółu produkci pszenicy, o decydowałoby o ponad 30% przemysłowego wykorzysania ego zboża. W rzeczywisości, z raci przewagi wykorzysywania kukurydzy, odseek en es znacząco niższy. Produkca i wykorzysanie biopaliw es warunkowane regulacami uninymi. W dyrekywie 2009/28/WE w sprawie sosowania promowania energii ze źródeł odnawialnych określono, że do 2020 roku minimalny udział biopaliw i innych paliw ze źródeł odnawialnych w ogóle paliw wykorzysywanych w ransporcie publicznym ma w UE wynosić 10%. W 2009 r. warość ego udziału w Polsce wynosiła 4,63% [Chmielewski, Rodkiewicz 2010]. Od kraowego rynku biopaliw dużo ważniesze znaczenie ma wpływ cen świaowych. Nawe przy braku produkci eanolu w Polsce uzależnienie cen kraowych od koniunkury na rynkach świaowych, gdzie znaczenie biopaliw es znacząco wyższe niż w Polsce, pozwala domniemywać isnienia badane w e pracy zależności zmian cen pszenicy i ropy. Isone są relace między arykułami rolnymi a ropą wysępuące na amerykańskim rynku, kóry z raci rozwinięych giełd erminowych, w dużym sopniu wpływa na relace cen w innych kraach. Jednak nawe gdyby znaczenie wspomnianych mechanizmów powiązań cenowych nie odgrywało w rzeczywisości żadne roli, powiązania cen ropy z rynkiem pszenicy pozosałyby niezwykle isone dla producenów zbóż ze względu na koszowórcze znaczenie ropy. Ewenualne dodanie skorelowanie ych cen sprawiałoby, że ryzyko dochodowe gospodarsw zbożowych pozosae znacząco niższe od ryzyka wahań cen na rynku zbóż. DANE I METODYKA Ocenę powiązań między rynkiem ropy a rynkiem pszenicy przeprowadzono, wykorzysuąc dane o cenach ropy nafowe o inerwale ygodniowym gromadzone przez U.S. Energy Informaion Adminisraion (EIA), amerykańską agencę analiycznosaysyczną działaącą przy Deparamencie Energii Sanów Zednoczonych. Spośród wielu szeregów czasowych wybrano średnie ceny ropy eksporowane z pańsw OPEC (oznacza-
5 180 MARIUSZ HAMULCZUK, CEZARY KLIMKOWSKI na w dalsze części pracy ako OPEC), ceny ropy rosyskie z przeznaczeniem do porów śródziemnomorskich (oznaczenie Urals) i bryyską ropę Bren Blend (oznaczenie Bren). Analizowane warości doyczą ceny fob w porach kraów eksporerów z 30-dniowym odroczeniem płaności. Cena średnia pańsw OPEC es średnią ważoną wielkością eksporu. Lisa kraów członkowskich OPEC była akualizowana na bieżąco 3. Ceny ropy wyrażono w zł za baryłkę 4, wykorzysuąc do ich przeliczenia średnioygodniowe kursy EUROSTAT. Tygodniowe ceny pszenicy (zł/ona) gromadzone są w ramach Zinegrowanego Sysemu Rolnicze Informaci Rynkowe (ZSRIR) prowadzonego przez Deparamen Rynków Rolnych Miniserswa Rolnicwa i Rozwou Wsi. Badany okres obemue 370 ygodni od ygodnia rozpoczynaącego się 28 maa 2004 r. do osaniego ygodnia lipca 2011 r. rozpoczynaącego się 25 lipca 2011 r. W dalsze części badano ceny również w dwóch podokresach: od począku do sierpnia 2007 r. (nazwano e w skrócie ) oraz od grudnia 2007 r. do końca (oznaczono e ako ). Kszałowanie się poszczególnych zmiennych przedsawiono na rysunku 1. Średnia cena pszenicy w badanym okresie wyniosła 591 zł (mediana 540 zł), a współczynnik zmienności 32,2%. Na rynku pszenicy zaobserwować można sabilizacę cen pomiędzy sierpniem 2004 a sierpniem 2006 r., nasępnie wyraźne wzrosy cen rozpoczęe we wrześniu 2006 r., sierpniu 2007 r. i na przełomie la 2007 i Po szczycie cenowym w kwieniu 2008 r. nasąpiło obniżenie cen do poziomu około 500 zł/. Od sierpnia 2010 r. do czerwca 2011 r. ceny ponownie zaczęły rosnąć. Wnioski wynikaące z analizy graficzne zosały powierdzone przez analizę spekralną, z kóre wynika, że dominuący udział w zmianach wokół rendu miały wahania cykliczne o długości 185 ygodni (około 3,5 roku). Kolene wahania maące isone znaczenie rwały 74 ygodni i one również przeważały nad wahaniami sezonowymi Cena ropy [zł/baryłka] Cena pszenicy [zł/] Urals Bren OPEC Pszenica lip 02, 2004 gru 31, 2004 lip 01, 2005 gru 30, 2005 cze 30, 2006 gru 29, 2006 cze 29, 2007 gru 28, 2007 Rysunek 1. Ceny pszenicy (skala prawa zł/onę) i ropy (skala lewa zł/baryłkę) w okresie od czerwca 2004 do lipca 2011 r. Źródło: opracowanie własne na podsawie danych EIA i ZSRIR. cze 27, 2008 gru 26, 2008 cze 26, 2009 gru 25, 2009 cze 25, 2010 gru 24, 2010 cze 24, W badanym okresie niekóre pańswa zrezygnowały z członkoswa (np. Indoneza), inne zaś dołączyły do organizaci (np. Angola). 4 Baryłka ropy nafowe równa 42 galonom amerykańskim odpowiada około 159 lirom.
6 POWIĄZANIA MIĘDZY CENAMI ROPY A CENAMI PSZENICY W POLSCE 181 Średnie ceny ropy Urals, Bren i OPEC wyniosły odpowiednio: 201, 210 i 202 zł (mediana 198, 208 i 200 zł), a współczynnik zmienności odpowiednio: 24,6, 22,9 i 24,2%. Kolene wzrosy cen przedzielane były okresami spadków cen. Z analizy spekralne wynika, że dominuący charaker miały zmiany periodyczne o długości 123 ygodni (około 2 la), a nasępnie 53 ygodni. Zmiany cen ropy ze wszyskich rzech analizowanych źródeł były ze sobą w całym okresie silnie skorelowane (wsp. korelaci > 0,99). Z uwagi na o, że sezonowość może zakłócać wyniki badań, analizowane dane poddane zosały procesowi desezonalizaci. Do wyliczenia efeku sezonowego na danych logarymowanych wykorzysano model zmiennych dychoomicznych posaci: y D (1) gdzie: y zmienne wykorzysane w badaniu (pszenica, ropa), α 0, γ paramery modelu, D sezonowe zmienne zero-edynkowe, ε składnik losowy modelu. Badania rozpoczęo od obliczenia współczynników korelaci pomiędzy parami zmiennych x, y. Z uwagi na zmieniaące się relace między zmiennymi posłużono się rekursywnym współczynnikiem korelaci z ruchomym oknem. Szerokość okna usalono arbiralnie na 53 ygodnie, zaś obliczoną warość przyporządkowano środkowe obserwaci. Warości akiego współczynnika korelaci obliczono według nasępuącego wzoru: r x xy y 26 2 x x y y 26 Do badania saconarności zmiennych wykorzysano es Kwiakowskiego, Philipsa, Schmida i Shina (KPSS). Zerowe hipoezie o saconarności zmienne przeciwsawiono hipoezę alernaywną, według kóre szereg czasowy es zinegrowany w sopniu 1. Zakładaąc brak komponenu liniowego rendu, zmienną y można zapisać w posaci [Lükepohl, Kräzig 2007]: y x z (3) gdzie: x o proces błądzenia przypadkowego x =x -1 +v, w kórym v es saconarnym procesem v ~ IID(0,σ 2 ), naomias z o również saconarny proces posaci z ~ v IID(0,σ2 ). z Tesem saconarności es para hipoez: H 0 : σ 2 = 0 wobec H : v 1 σ2 > 0. Saysyka esowa v dana es wzorem: KPSS gdzie: S T / T S / ˆ 1 2 T 1 ( y y), naomias 2 ˆ o esymaor długookresowe warianci. Szerszy opis esu znaleźć można np. w [Lükepohl, Kräzig 2007, s. 63]. (2) (4)
7 182 MARIUSZ HAMULCZUK, CEZARY KLIMKOWSKI W ocenie powiązań między cenami pszenicy a cenami ropy wspierano się koncepcą przyczynowości w sensie Grangera. Zmienna x es przyczyną dla zmienne y eżeli porafimy dokładnie przewidywać przyszłość zmienne y, wykorzysuąc opóźnione warości zmienne x niż bez nich [Lükepohl, Kräzig 2007]. Przyczynowość badano za pomocą esu Grangera o konsrukci: y A k k 0D y x 1 1 (5) gdzie: A 0, α, β, paramery modelu, D zmienne deerminisyczne, y i x o zmienne modelu podlegaące badaniu, k opóźnienia. Hipoeza zerowa mówiąca o braku przyczynowości zakłada, że β 1 =β 2 = =β k =0. Hipoeza alernaywna zakłada isone znaczenie opóźnionych warości zmienne x. Decyduąc o liczbie analizowanych opóźnień k, wykorzysano model VAR. Model wekorowe auoregresi (VAR) składa się z regresi każde ze zmienne nieopóźnione względem wszyskich zmiennych opóźnionych o pewną liczbę okresów. Zapisuemy go nasępuąco [Kusideł 2000]: Y D k 1 Y gdzie: Y wekor procesów sochasycznych o wymiarach K x 1, D wekor zmiennych deerminisycznych, Ψ macierz paramerów soących przy zmiennych deerminisycznych, α macierz paramerów soących przy zmiennych sochasycznych K x k, gdzie k oznacza rząd modelu VAR. Dodakowo w badaniu wykorzysano model o rozłożonych opóźnieniach ADL (Auoregressive Disribued Lags). Zakłada się w nim, że bieżący poziom zawiska (saconarnego) y es funkcą opóźnionych o k okresów przeszłych obserwaci zmienne obaśniane y oraz bieżących i przeszłych (do k) obserwaci zmienne obaśniaące x. Dla poziomów zawiska zapisuemy go nasępuąco [Gruszczyński i in. 2009]: y k y k x 0 (7) 1 0 Przymuąc, że zmienne w modelu danym wzorem (7) w poszczególnych okresach kszałuą się na swoim długookresowym poziomie, zaś warość składnika losowego es równa zero, możemy obliczyć efeky długookresowe. Mnożnik długookresowy określaący wpływ wzrosu średniego x o ednoskę na średnie warości y obliczono ze wzoru [Gruszczyński i in.2009]: k 0 /(1 ) k 0 (6) (8)
8 POWIĄZANIA MIĘDZY CENAMI ROPY A CENAMI PSZENICY W POLSCE 183 SEZONOWOŚĆ I KORELACJA Po analizie graficzne cen dokonano wyliczenia efeku sezonowego (wzór (1), uwzględniono dane zlogarymowane). Warości składnika sezonowego dla poszczególnych ygodni przedsawiono na rysunku 2. Ampliudy wahań sezonowych dla cen pszenicy wynoszą około 0,14, zaś cen ropy są eszcze większe (około 0,30). Zaobserwować można powolny wzros cen pszenicy do okresu przednówku, a nasępnie nagły spadek ych cen w okresie zbiorów. Również w przypadku cen ropy isniee wyraźnie zarysowana sezonowość ze szczyem cen w okresie lenim. Ocena kszału składnika sezonowego wskazue, że bez przeprowadzenia dekompozyci szeregów, wpływ sezonowości mógłby poważnie zaburzać wyniki analizy korelaci między szeregami czasowymi cen ropy i cen pszenicy. Dlaego współczynniki korelaci według formuły (2) przedsawione na rysunku 3. obliczono dla danych skorygowanych sezonowo. Na rysunku 3. po lewe sronie przedsawiono wielkość współczynnika korelaci pomiędzy poziomami cen pszenicy a ceną ropy Bren (ułożenie pozosałych współczynników nie odbiegało od prezenowanego na wykresie). Współczynniki korelaci ulegały zmianom w czasie, co może wskazywać na brak długookresowych zależności (koinegraci) pomiędzy 1,20 1,15 1,10 1,05 1,00 0,95 0,90 0,85 0,80 1 0,8 0,6 0,4 0,2 0-0,2-0,4-0,6-0,8-1 Rysunek 2. Wskaźniki wahań sezonowych cen pszenicy i ropy dla kolenych ygodni roku kalendarzowego Źródło: opracowanie własne na podsawie danych EIA i ZSRIR. sy 07, 2005 sy 06, 2006 Bren sy 05, 2007 Pszenica Urals Bren OPEC sy 04, 2008 sy 02, 2009 sy 01, 2010 gru 31, 2010 Rysunek 3. Warości rekursywnych współczynników korelaci (według wzoru (2)) pomiędzy poziomami cen pszenicy a cenami ropy (lewy) oraz przyrosami ych cen (prawy) Źródło: opracowanie własne na podsawie danych EIA i ZSRIR. 0,4 0,3 0,2 0,1 0-0,1-0,2-0,3-0,4 sy 07, 2005 sy 06, 2006 sy 05, 2007 sy 04, 2008 Bren - przyrosy sy 02, 2009 sy 01, 2010 gru 31, 2010
9 184 MARIUSZ HAMULCZUK, CEZARY KLIMKOWSKI szeregami czasowymi cen ropy i cen pszenicy. Wahania warości współczynnika korelaci wynikaą z różnic w długości cykli cenowych dominuących na obu rynkach (185 ygodni pszenica; 123 ygodnie ropa). Po prawe sronie przedsawiono warości współczynnika korelaci rekursywne dla przyrosów cen (skorygowanych sezonowo). Warości współczynników korelaci przybierały mniesze warości, aczkolwiek dale pozosawały w większości przypadków dodanie. Brak sabilności orzymanych współczynników wskazue, że również krókookresowe zależności między cenami pszenicy a cenami ropy ewoluowały w czasie. Uemne współczynniki korelaci zanoowano w 2007 r. i pierwsze połowie 2008 r. w pierwsze fazie kryzysu. STACJONARNOŚĆ I PRZYCZYNOWOŚĆ Chcąc ocenić, czy ceny pszenicy w Polsce deerminowane były cenami ropy, przeprowadzono esy przyczynowości w sensie Grangera. Z uwagi na o, że sezonowość może deerminować orzymywane wyniki, operowano wciąż na danych skorygowanych sezonowo. Innym rozwiązaniem byłoby włączenie zmiennych sezonowych do modelu, co ednak obniżyłoby znacząco liczbę sopni swobody. Ponieważ es można wykorzysywać edynie wówczas, gdy zmienne są saconarne, przeprowadzono analizę saconarności zmiennych przy użyciu esu KPSS (wzór (3) i (4)). Hipoeza zerowa (H 0 ) zakłada saconarność badanego szeregu, alernaywą es hipoeza (H 1 ) głosząca brak saconarności. Obliczeń dokonano w programie GRETL, a wyniki przedsawiono w abeli 1. Wynika z nich, że zarówno zlogaryowane poziomy cen, ak i e same szeregi wzbogacone o zmienną czasową nie są saconarne. Naomias za saconarne należy uznać pierwsze różnice wszyskich szeregów czasowych. Brak saconarności wszyskich zmiennych oraz muliplikaywny charaker srukury szeregów czasowych spowodował, że przy esowaniu przyczynowości wykorzysywano zw. logarymiczne sopy zwrou (różnice logarymów) szeregów czasowych skorygowanych z wahań sezonowych. Isony wpływ na orzymywane wyniki ma liczba opóźnień wykorzysanych w esowaniu hipoezy. Wedle ogólne zasady [Kusideł 2000, s. 23] liczba opóźnień powinna być możliwie niska, ednak wysarczaąca do ego, aby wykluczyć auokorelacę składnika losowego. W prakyce do wyznaczania opóźnień sosue się kryeria informacyne, np. Akaike a (AIC) lub Schwarza (CBC), wyznaczane na podsawie modeli VAR o różnych opóźnieniach. W opracowaniu rząd opóźnień określono, minimalizuąc kryerium informacyne Akaike a. W przypadku badania zależności cen pszenicy w Polsce oraz cen ropy opymalna warość opóźnienia wynosi 4 ygodnie dla wszyskich par zmiennych. Doyczy o całe próby. Tabela 1. Warość saysyki KPSS dla szeregów czasowych skorygowanych sezonowo Wyszczególnienie Pszenica Urals Bren OPEC Logarymowany poziom cen 1, , , ,65432 Logarymowany poziom cen z rendem 0, , , , Przyrosy logarymiczne 0, * 0, * 0, * 0,05305 * * warość saysyki mniesza niż warość kryyczna przy poziomie 0,10 brak podsaw do odrzucenia H 0 Źródło: opracowanie własne.
10 POWIĄZANIA MIĘDZY CENAMI ROPY A CENAMI PSZENICY W POLSCE 185 Wyniki esu przyczynowości dla całego okresu zawaro w abeli 2. Dane doyczące całego okresu wskazuą, że pomiędzy cenami ropy a cenami pszenicy zachodziły zależności o charakerze przyczynowym (w sensie Grangera). Zmiany cen ropy rosyskie (Urals) oraz ropy bryyskie (Bren) były przyczyną kszałowania się cen pszenicy w Polsce. Odwrone zależności na poziomie isoności 0,05 nie powierdzono. W przypadku relaci między przecięnymi cenami ropy eksporowane z kraów OPEC, zależności dwusronne wysępuą na poziomie isoności 0,1. Naomias na poziomie isoności 0,05 należy odrzucić hipoezy o isonym związku przyczynowym między ymi zmiennymi. Tabela 2. Wyniki esu przyczynowości Grangera Przyczyna Skuek Wyniki esu przyczynowości Grangera w laach saysyka warość p saysyka warość p saysyka F warość p F (4, 356) F (2, 157) (5, 179) Urals Pszenica 2,707 0,030 5,281 0,006 3,483 0,005 Bren Pszenica 2,591 0,036 5,153 0,007 3,986 0,002 OPEC Pszenica 2,182 0,071 5,319 0,006 3,802 0,003 Pszenica Urals 0,763 0,550 1,643 0,197 1,677 0,142 Pszenica Bren 1,396 0,235 1,959 0,144 1,805 0,114 Pszenica OPEC 2,293 0,059 2,593 0,078 2,228 0,053 Źródło: opracowanie własne. Jedną z przyczyn, dla kórych analiza przyczynowości (i nie ylko) może dawać błędne rezulay, es wysępowanie zmian srukuralnych (srucural brakes). Zmiana srukuralna oznacza, że w analizowanym procesie wysępuą okresy charakeryzuące się różnymi właściwościami (paramerami). W różnych podokresach mogą zachodzić całkiem inne zależności zarówno w dynamice poedynczego szeregu czasowego, ak i zależności z innymi zmiennymi. Może być o sygnał, że parameryzaca modeli opisuących e zależności może ulegać zmianom w czasie. Waro zaem szukać odpowiedzi na pyanie o momen (okres), w kórym akie zmiany nasąpiły. Na brak sabilności paramerów wskazywać może analiza wykresów korelaci rekursywne (rys. 3). Brak sabilności paramerów w okresie od września do począku grudnia 2007 roku sugerowały również wyniki zaimplemenowanego w GRETL-u esu QLR (Quand Likelihood Raio) oraz owarzyszące mu saysyki F-Chowa. Sąd w kolenym kroku próbę podzielono na dwa podokresy. Pierwszy obął obserwace od czerwca 2004 do sierpnia 2007 r. (166 pierwszych obserwaci), a drugi od grudnia 2007 do lipca 2011 r. (od 181. obserwaci do osanie). Z badań wyeliminowano 14 obserwaci charakeryzuących się wysokimi warościami saysyki F esu QLR, przy czym opóźnienia dla esu Grangera usalone z wykorzysaniem kryerium Akaike a dla obydwu podprób były odmienne. W pierwszym podokresie opóźnienia wynosiły 2 ygodnie, zaś w drugim 5 ygodni. Wyniki esowania przyczynowości dla poszczególnych podokresów przedsawiono w abeli 2. Porównuąc saysyki F oraz warości p można na uznać, że podział danych na dwie mniesze próby uwidocznił silniesze związki między cenami ropy i cenami pszenicy niż o wynikałoby z analizy przeprowadzone dla całego okresu. Zaem można uznać (na poziomie isoności 0,05), że o ceny ropy wpływały na ceny pszenicy w obydwu podokresach a nie odwronie. Doyczy o również zależności między cenami ropy dla kraów OPEC a cenami pszenicy w Polsce.
11 186 MARIUSZ HAMULCZUK, CEZARY KLIMKOWSKI WYNIKI MODELOWANIA VAR I ADL Przedsawione esy przyczynowości nie wskazuą kierunku oraz siły oddziaływania zmiennych. Częściowo sugeruą o wskaźniki korelaci zaware na rysunku 3. Bardzie precyzynymi meodami badawczymi są modele VAR oraz ADL 5. Model VAR należy do aeoreycznego podeścia do modelowania wynikaącego z kryyki Simsa. Podeście o opiera się na braku rozróżnienia między zmiennymi endogenicznymi i egzogenicznymi, braku uzasadnionych ograniczeń co do warości paramerów, ak również na braku ścisłe i pierwone dla modelowania eorii ekonomiczne [Kusideł 2000]. Model ADL z kolei sanowi uproszczoną wersę modelu VAR, kóra nie zakłada sprzężeń zwronych między zmiennymi (równaniami). Modele e zbudowano dla danych pozbawionych sezonowości, logarymowanych oraz zróżnicowanych z krokiem pierwszym. Innymi słowy wykorzysywano zw. logarymiczne sopy zwrou szeregów czasowych skorygowanych o wahania sezonowe. Oszacowano w sumie po 9 modeli każdego rodzau. Kryerium podziału modeli był zakres czasowy (pełen okres, dane do roku 2007 i po roku 2007) oraz pary zmiennych. Opóźnienia zmiennych w ych modelach są zawsze sprawą dyskusyną. W omawianym przypadku również dla różnych podokresów i różnych zmiennych warości opymalne opóźnień były dosyć zróżnicowane, eśli wziąć pod uwagę różne kryeria (informacyne czy saysyczną isoność paramerów). Aby zachować porównywalność wyników w różnych przedziałach czasowych, opóźnienia przyęe w modelach wynoszą 5 ygodni, ponieważ w wielu przypadkach zmienne z akimi opóźnieniami okazywały się saysycznie isone. Badania rozpoczęo od modeli VAR. Podsawowym narzędziem wykorzysanym w analizie VAR es funkca odpowiedzi na impuls (impulse response funcion IRF). Pozwala ona ocenić związki czasowe między dwiema zmiennymi wchodzącymi w skład wielowymiarowego syemu zmiennych. Analiza odpowiedzi na impuls es rodzaem analizy mnożnikowe umożliwiaące ocenę reakci poedyncze zmienne na ednoskową zmianę inne zmienne. Jedna realizaca Y + n zakłada, że w chwili sysem zosał poddany szokowi zewnęrznemu δ i aż do chwili + n nie poawił się żaden inny impuls zewnęrzny. W analizie przepływu impulsów cenowych isone es określenie dominuącego ich kierunku. W przypadku prowadzonych badań chodzi o określenie przepływu impulsów pomiędzy dwoma zmiennymi cenami pszenicy w Polsce i cenami ropy (w różnych lokalizacach). W ym zakresie eoreyczne przypuszczenia zosały powierdzone przez wyniki przyczynowości Grangera oraz wyniki dekompozyci warianci błędów prognoz. Zaem założono, że nabardzie zewnęrzną zmienną es cena ropy, a zmienną nabardzie wewnęrzną kraowa cena pszenicy. Wyniki reakci na impuls dla dwóch podokresów przedsawiono na rysunku 4. Zawaro am reakce cen pszenicy w Polsce na 1% zmiany poszczególnych cen ropy. Zauważyć można pewne (ale niewielkie) różnice między reakcą cen pszenicy na zmiany cen ropy w obydwu podokresach. W obydwu przypadkach przeważaą pozyywne reakce nad negaywnymi, przy ym większe pozyywne oddziaływanie odnoowano dla la w sosunku do okresu Wykres reakci na impuls (sinusoidalny charaker) sugerue, że zasadniczo może nie isnieć większe uzasadnienie sosowania modelu VAR, gdyż reakce e mogą być ednosronne. Na gruncie logicznym należy oczekiwać, że o ceny ropy na rynkach świaowych 5 Podczas badań nie swierdzono isnienia zależności długookresowych (koinegraci) między cenami pszenicy a cenami ropy, sąd nie wykorzysano w analizie modeli wekorowe koreky błędem VECM.
12 POWIĄZANIA MIĘDZY CENAMI ROPY A CENAMI PSZENICY W POLSCE 187 wpływaą na ceny pszenicy w Polsce, a nie odwronie, sąd wysarczaącym sposobem podeścia byłby model ADL zbudowany dla cen pszenicy w Polsce (ab. 3). Takie przypuszczenie powierdziły wyniki macierzy warianci i kowarianci dla resz poszczególnych równań modeli VAR. Uzyskane na ich podsawie współczynniki korelaci były bardzo niskie (od 0,01 od 0,11 niższe w drugim podokresie), co wskazue na brak większych sprzężeń zwronych pomiędzy cenami pszenicy w Polsce a cenami ropy na świecie. Tabela 3. Przykładowe oszacowanie modelu ADL dla cen pszenicy w Polsce w zależności od cen ropy OPEC (laa ) Zmienna Współczynnik Błąd sandardowy Saysyka -Sudena Warość p Sała 0,0000 0,0021-0,0108 0,9914 ld_sa_opec 0,0085 0,0556 0,1532 0,8785 ld_sa_opec 1-0,0264 0,0557-0,4746 0,6357 ld_sa_opec 2 0,0588 0,0554 1,0610 0,2903 ld_sa_opec 3-0,0429 0,0551-0,7794 0,4368 ld_sa_opec 4 0,2076 0,0547 3,7950 0,0002 ld_sa_opec 5-0,1281 0,0563-2,2730 0,0242 ld_sa_pszenica_1-0,0641 0,0730-0,8784 0,3809 ld_sa_pszenica_2 0,2122 0,0717 2,9600 0,0035 ld_sa_pszenica_3 0,1013 0,0740 1,3690 0,1728 ld_sa_pszenica_4 0,0675 0,0731 0,9225 0,3575 ld_sa_pszenica_5 0,1774 0,0733 2,4190 0,0166 Wybrane saysyki opisowe modelu Błąd sandardowy resz 0,0294 R-kwadra 0,1974 Saysyka F (11, 178) 3,9809 (p<0,001) Tes chi kwadra na normalność resz 39,3646 (p<0,001) Tes Lung-Box (opóźnienie 10) 4,8810 (p=0,899) LM esu ARCH (opóźnienie 10) 21,6333 (p=0,017) Przykładowe oznaczenie: ld_sa_opec_1 pierwsze różnice szeregów skorygowanych sezonowo cen ropy OPEC opóźnione o eden okres. Źródło: opracowanie własne. W kolenym kroku oszacowano modele ADL. Przykład oszacowania akiego modelu wraz z wybranymi saysykami opisowymi znadue się w abeli 3. Inerpreaca pozosałych modeli es podobna. Model w niskim sopniu wyaśnia zachowanie zmiennych (ak ak o ma miesce w przypadku danych różnicowanych), niemnie zmienne ako zesaw są saysycznie isone (saysyka F). Specyfikaca opóźnień nie wymaga ich zwiększenia, na co wskazue saysyka esu na auokorelacę. Problemem może być brak normalności rozkładu oraz poawiaący się dla niskich opóźnień efek ARCH. Reszy maą rozkład wysmukły, isniee eż większe niż w rozkładzie normalnym prawdopodobieńswo poawienia się dużych resz. Zaem w przyszłości należałoby się skupić na łącznym modelowaniu warości średnie i warianci. Na podsawie modeli ADL oszacowano naychmiasowe i długookresowe efeky ze srony poszczególnych zmiennych wyrażaących ceny ropy (ab. 4.). Należy zauważyć, że proces dososowań cen pszenicy do zmian cen ropy es rozłożony w czasie. Naychmiasowe efeky sanowiły przecięnie dla całego okresu około edne czware efeku
13 188 MARIUSZ HAMULCZUK, CEZARY KLIMKOWSKI Tabela 4. Mnożniki króko- i długookresowe orzymane na podsawie modelu ADL Wskaźniki Mnożniki krókookresowe/długookresowe Zmienna Urals Bren OPEC ,05 / 0,21 0,06 / 0,22 0,07 / 0, ,07 / 0,28 0,09 / 0,25 0,13 / 0, ,01 / 0,15 0,03 / 0,19 0,01 / 0,15 Źródło: opracowanie własne. długookresowego. W laach ceny pszenicy w Polsce reagowały w ym samym ygodniu na ednoprocenową zmianę cen ropy wzrosem o 0,07-0,13%. W drugim podokresie naychmiasowe oddziaływanie było prakycznie zerowe. Większe efeky obserwowano w długim okresie, na co wskazuą wielkości mnożnika długookresowego. W laach ceny pszenicy w Polsce na ednoprocenową zmianę cen ropy reagowały wzrosem cen o 0,21-0,24%. Mnożniki e dla pierwszego okresu ( ) były znacznie wyższe niż dla okresu drugiego ( ). Należy podkreślić, że isniee powiązanie między mnożnikami długookresowymi zawarymi w abeli 4., a warościami funkci odpowiedzi na impuls (IRF) umieszczonymi na rysunku 4. Ze względu na o, że brakue dwusronnych powiązań między zmiennymi, skumulowane warości IRF dla danych z rysunku 4. dla dalszych opóźnień są bliskie odpowiednim mnożnikom długookresowym. Ogólnie można swierdzić, że wyniki zasosowania modeli VAR i ADF powierdzaą silne powiązanie cen ropy z cenami pszenicy. Nie są do końca asne przyczyny zróżnicowania siły ych związków w poszczególnych podokresach, bo wykorzysanie zbóż na biopaliwa ciągle wzrasa. Częściowym uzasadnieniem słabszego związku po roku 2007 może być obniżenie ceny ropy, przez co zmalało ekonomiczne uzasadnienie dla wykorzysania pszenicy dla celów energeycznych. Dodakowo spadek cen ropy uwidocznił ryzyko inwesycyne producenów biokomponenów. % 0,20 0,10 0,00-0,10 Laa Urals Bren OPEC ,20 0,10 0,00-0,10 % Laa Urals Bren OPEC ,20-0,20 Rysunek 4. Funkce odpowiedzi cen pszenicy w Polsce na 1% impuls ze srony cen ropy [%] Źródło: opracowanie własne. WNIOSKI Szeregi czasowe ceny pszenicy i ceny ropy cechuą się złożoną srukurą. W laach zaobserwowano wzrosową endencę cen, na kórą nałożyły się wahania cykliczne i sezonowe. Długość dominuących cykli była odmienna w przypadku cen pszenicy (3,5 roku) i cen ropy (ponad 2 laa). Wykazano, że ani cen pszenicy, ani cen ropy nie należy rakować w badanym okresie ako szeregów saconarnych. Niemnie za saconarne można uznać szeregi przyrosów logarymicznych badanych cen.
14 POWIĄZANIA MIĘDZY CENAMI ROPY A CENAMI PSZENICY W POLSCE 189 W badanym okresie zaobserwowano dodanie skorelowanie cen pszenicy i cen ropy, przy ym warość rekursywnego współczynnika korelaci z ruchomym oknem ulegała zmianom, co było spowodowane różnicą długości wahań cyklicznych oraz sopniem powiązania rynków. Dowiedziono, że pomiędzy cenami ropy a cenami pszenicy zachodzą związki o charakerze przyczynowym. Ceny ropy powoduą (w sensie Grangera) zmiany kraowe ceny pszenicy. Odwrone zależności zgodnie z przewidywaniami nie wykryo. Dodakowo wykazano, że pod koniec 2007 r. miała miesce zmiana srukury zależności między badanymi szeregami czasowymi. Podział próby na dwa okresy (pierwszy kończący się w sierpniu 2007 r., drugi rozpoczynaący się w grudniu 2007 r.) uwidocznił silniesze związki między cenami ropy i pszenicy niż o wynikało z analizy przeprowadzone dla całego okresu. Na podsawie modeli ADL wykazano, że długookresowym efekem zmian cen ropy o 1% es zmiana ceny pszenicy o 0,21-0,24% (silniesze oddziaływanie odnoowano w okresie do sierpnia 2007 r.). Naychmiasowe efeky, czyli zauważalne w ciągu ednego ygodnia, sanowiły około ¼ efeku długookresowego, przy czym w pierwszym badanym okresie ego rodzau efek es wyraźnie silenieszy. Wyniki badań dowiodły, że isniee wpływ zmian cen ropy na zmianę cen pszenicy. Wpływ en był szczególnie silny do połowy roku 2007 r., czyli w okresie prawie 10-leniego rendu wzrosowego cen ropy, poprzedzaącym wzros cen zbóż. Wydae się, że w ym okresie popy na biopaliwa był szczególnie duży. W kolenym okresie, rozpoczęym w grudniu 2007 r. siła wpływu cen ropy uległa niewielkiemu obniżeniu. Dla polskiego rolnicwa, w nikłym sopniu uzależnionego od popyu na biopaliwa, ważnym wnioskiem z niniesze pracy pozosae dodanie skorelowanie koszowórczych cen ropy z cenami wywarzanych arykułów rolnych wpływa o na obniżenie ryzyka dochodowego producenów rolnych. Przeprowadzone badania, choć dały odpowiedź na naważniesze pyania, wciąż wymagaą poszerzenia. Niezwykle isoną, warą rozparzenia kwesią pozosae wpływ zmienności cen ropy na zmienność cen surowców rolnych i poziom ryzyka cenowego, na kórego działanie narażeni są producenci rolni. LITERATURA Conley D. M., George A., 2008: Spaial Markeing Paerns for Corn under he Condiion of Increasing Ehanol Producion in he U.S., Inernaional Food and Agribusiness Managemen Review, Vol. 13, No 3. Cooke B., Robles M., 2009: Recen Food Prices Movemens. A Time Series Analysis, IFPRI Discussion Paper No Chmielewski Ł., Rodkiewicz W., 2010: Międzynarodowy rynek biopaliw. San rozwou i perspekywy, FAPA, Warszawa. Du X., Yu C., Hayes D, 2009: Speculaion and Volailiy Spillover in he Crude Oil and Agriculural Commodiy Markes: A Bayesian Analysis, Paper presened a he Agriculural and Applied Economics Associaion, Milwaukee, Wisconsin. FAO, 2008: High Prices or Food Crisis? dokumen przygoowany na konferencę High-level conference on food securiy; he challenges of climae change and bioenergy. Rzym 3-5 czerwca. Goron G., Rouwenhors K.G., 2005: Facs and Fanasies abou Commodiy Fuures, Financial Analys Journal Vol. 62, No 2. Gruszczyński M., Kuszewski T., Podgórska M, 2009: Ekonomeria i badania operacyne, PWN, Warszawa. Harri A., Nalley L., Hudson D., 2009: The Relaionship beween Oil, Exchange Raes, and Commodiy Prices, Journal of Agriculural and Applied Economics, volume 41 (2).
15 190 MARIUSZ HAMULCZUK, CEZARY KLIMKOWSKI Herel T.W., Beckman J., 2011: Commodiy Price Volailiy In he Biofuela Era: An Examinaion of he Linkage beween Energy and Agriculural Markes, Working Paper, NBER. Irwin S.H., Good D.L., 2009: Marke Insabiliy in a New Era of Corn, Soybean, and Whea Prices, Choices Vol. 24, No 1,. Kusideł E., 2000: Modelowanie wekorowo-auoregresyne VAR. Meodologia i zasosowanie w badaniach ekonomicznych, Absolwen, Łódź. Lükepohl H., Kräzig M., 2007: Applied Time Series Economerics, Cambridge Universiy Press, New York. Muhammad A., Kebede E., 2009: The Emergence of an Agro-Energy Secor: Is Agriculure Imporing Insabiliy from he Oil Secor? Choices, Volume 24 (1). Muuc M. M., 2010: Wha Drives Commodiy Prices More: Oil Demand or Supply Shocks? Poser presened for presenaion a he Agriculural & Applied Economics Associaion, Denver, czerwca. Radezki M., 2010: Primary Commodiies: Hisorical Perspecives and Prospecs, hp:// org/exernal/np/seminars/eng/2010/afrfin/pdf/radezki2.pdf. Saghaian S. H., 2010: The Impac of he Oil Secor on Commodiy Prices: Correlaion or Causaion? Journal of Agriculural and Applied Economics, Vol. 42, No 3. Serra T., Zilberman D., 2009: Price volailiy in ehanol markes, Conribued Paper for Inernaional Associaion of Agriculural Economiss Conference, Pekin. Tyner W., 2009: The Inegraion of Energy and Agriculural Markes, Paper Presened a he Inernaional Associaion of Agriculural Economiss, Pekin, Chiny. hp:// hp:// Mariusz Hamulczuk, Cezary Klimkowski THE CONNECTION BETWEEN CRUDE OIL PRICES AND POLISH WHEAT PRICES Summary Agriculural commodiies prices play a crucial role in he process of farmers decision making. I is due o heir direc impac on farmers income. I is imporan o explain he causes of changes of hose prices. Among facors influencing whea prices, crude oil prices are considered as one of he mos imporan. The aim of his paper was an assessmen of he connecion beween world crude oil prices and Polish whea prices. The resuls of research confirm an exisence of cause-effec of crude oil prices on whea prices, alhough he naure and he srengh of his relaionship changes in ime. Adres do korespondenci: Dr Mariusz Hamulczuk Kaedra Ekonomiki Rolnicwa i Międzynarodowych Sosunków Gospodarczych SGGW w Warszawie Ul. Nowoursynowska Warszawa mariusz_hamulczuk@sggw.pl Mgr Cezary Klimkowski Samodzielna Pracownia Zasosowań Maemayki w Ekonomice Rolnicwa Insyu Ekonomiki Rolnicwa i Gospodarki Żywnościowe-PIB ul. Święokrzyska Warszawa klimkowski@ierigz.waw.pl
WNIOSKOWANIE 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 szczegółowoŹRÓDŁA FLUKTUACJI REALNEGO EFEKTYWNEGO KURSU EUR/ PLN
METODY ILOŚCIOWE W BADANIACH EKONOMICZNYCH Tom XII/, 0, sr. 389 398 ŹRÓDŁA FLUKTUACJI REALNEGO EFEKTYWNEGO KURSU EUR/ PLN Adam Waszkowski Kaedra Ekonomiki Rolnicwa i Międzynarodowych Sosunków Gospodarczych
Bardziej 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 szczegółowoStanisław Cichocki Natalia Nehrebecka. Wykład 4
Sanisław Cichocki Naalia Nehrebecka Wykład 4 1 1. Badanie sacjonarności: o o o Tes Dickey-Fullera (DF) Rozszerzony es Dickey-Fullera (ADF) Tes KPSS 2. Modele o rozłożonych opóźnieniach (DL) 3. Modele auoregresyjne
Bardziej 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 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 szczegółowoEfekty agregacji czasowej szeregów finansowych a modele klasy Sign RCA
Joanna Górka * Efeky agregacji czasowej szeregów finansowych a modele klasy Sign RCA Wsęp Wprowadzenie losowego parameru do modelu auoregresyjnego zwiększa możliwości aplikacyjne ego modelu, gdyż pozwala
Bardziej 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 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 szczegółowoStanisław Cichocki Natalia Nehrebecka. Wykład 3
Sanisław Cichocki Naalia Nehrebecka Wykład 3 1 1. Regresja pozorna 2. Funkcje ACF i PACF 3. Badanie sacjonarności Tes Dickey-Fullera (DF) Rozszerzony es Dickey-Fullera (ADF) 2 1. Regresja pozorna 2. Funkcje
Bardziej 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 szczegółowoZESZYTY NAUKOWE UNIWERSYTETU SZCZECIŃSKIEGO NR 768 FINANSE, RYNKI FINANSOWE, UBEZPIECZENIA NR 63 2013
ZESZYTY NAUKOWE UNIWERSYTETU SZCZECIŃSKIEGO NR 768 FINANSE, RYNKI FINANSOWE, UBEZPIECZENIA NR 63 2013 MAŁGORZATA BOŁTUĆ Uniwersye Ekonomiczny we Wrocławiu ZALEŻNOŚĆ POMIĘDZY RYNKIEM SWAPÓW KREDYTOWYCH
Bardziej szczegółowo1. Szereg niesezonowy 1.1. Opis szeregu
kwaralnych z la 2000-217 z la 2010-2017.. Szereg sezonowy ma charaker danych model z klasy ARIMA/SARIMA i model eksrapolacyjny oraz d prognoz z ych modeli. 1. Szereg niesezonowy 1.1. Opis szeregu Analizowany
Bardziej szczegółowoMAKROEKONOMIA 2. Wykład 3. Dynamiczny model DAD/DAS, część 2. Dagmara Mycielska Joanna Siwińska - Gorzelak
MAKROEKONOMIA 2 Wykład 3. Dynamiczny model DAD/DAS, część 2 Dagmara Mycielska Joanna Siwińska - Gorzelak ( ) ( ) ( ) i E E E i r r = = = = = θ θ ρ ν φ ε ρ α * 1 1 1 ) ( R. popyu R. Fishera Krzywa Phillipsa
Bardziej 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 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 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 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 szczegółowoDYNAMICZNE MODELE EKONOMETRYCZNE
DYNAMICZNE MODELE EKONOMETRYCZNE X Ogólnopolskie Seminarium Naukowe, 4 6 września 27 w Toruniu Kaedra Ekonomerii i Saysyki, Uniwersye Mikołaa Kopernika w Toruniu Małgorzaa Borzyszkowska Uniwersye Gdański
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 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 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 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 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 szczegółowoNiestacjonarne zmienne czasowe własności i testowanie
Maeriał dla sudenów Niesacjonarne zmienne czasowe własności i esowanie (sudium przypadku) Nazwa przedmiou: ekonomeria finansowa I (22204), analiza szeregów czasowych i prognozowanie (13201); Kierunek sudiów:
Bardziej szczegółowoMAKROEKONOMIA 2. Wykład 3. Dynamiczny model DAD/DAS, część 2. Dagmara Mycielska Joanna Siwińska - Gorzelak
MAKROEKONOMIA 2 Wykład 3. Dynamiczny model DAD/DAS, część 2 Dagmara Mycielska Joanna Siwińska - Gorzelak 2 Plan wykładu Zakłócenia w modelu DAD/DAS: Wzros produkcji poencjalnej; Zakłócenie podażowe o sile
Bardziej szczegółowoDYNAMICZNE MODELE EKONOMETRYCZNE
DYNAMICZNE MODELE EKONOMETRYCZNE IX Ogólnopolskie Seminarium Naukowe, 6 8 września 005 w Toruniu Kaedra Ekonomerii i Saysyki, Uniwersye Mikołaja Kopernika w Toruniu Pior Fiszeder Uniwersye Mikołaja Kopernika
Bardziej 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 szczegółowoPROGNOZOWANIE. Ćwiczenia 2. mgr Dawid Doliński
Ćwiczenia 2 mgr Dawid Doliński Modele szeregów czasowych sały poziom rend sezonowość Y Y Y Czas Czas Czas Modele naiwny Modele średniej arymeycznej Model Browna Modele ARMA Model Hola Modele analiyczne
Bardziej szczegółowoDYNAMICZNE MODELE EKONOMETRYCZNE
DYNAMICZNE MODELE EKONOMETRYCZNE X Ogólnopolskie Seminarium Naukowe, 4 6 września 007 w Toruniu Kaedra Ekonomerii i Saysyki, Uniwersye Mikołaja Kopernika w Toruniu Uniwersye Mikołaja Kopernika Zależność
Bardziej 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 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 szczegółowoTESTOWANIE EGZOGENICZNOŚCI ZMIENNYCH W MODELACH EKONOMETRYCZNYCH
STUDIA I PRACE WYDZIAŁU NAUK EKONOMICZNYCH I ZARZĄDZANIA NR 15 Mariusz Doszyń TESTOWANIE EGZOGENICZNOŚCI ZMIENNYCH W MODELACH EKONOMETRYCZNYCH Od pewnego czasu w lieraurze ekonomerycznej pojawiają się
Bardziej szczegółowoStanisław Cichocki Natalia Nehrebecka. Wykład 3
Sanisław Cichocki Naalia Nehrebecka Wykład 3 1 1. Zmienne sacjonarne 2. Zmienne zinegrowane 3. Regresja pozorna 4. Funkcje ACF i PACF 5. Badanie sacjonarności Tes Dickey-Fullera (DF) 2 1. Zmienne sacjonarne
Bardziej szczegółowoZMIENNOŚĆI CENOWE NA RYNKACH ROLNYCH. Mariusz Hamulczuk SGGW
ZMIENNOŚĆI CENOWE NA RYNKACH ROLNYCH Mariusz Hamulczuk SGGW 2 Wstęp Rola cen w gospodarce rynkowej, Funkcja celu uczestników rynku rolnego, Zmiany ceny jako źródło ekspozycji na ryzyko dochodowe (zmienność
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 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 szczegółowo1.1. Bezpośrednie transformowanie napięć przemiennych
Rozdział Wprowadzenie.. Bezpośrednie ransformowanie napięć przemiennych Bezpośrednie ransformowanie napięć przemiennych jes formą zmiany paramerów wielkości fizycznych charakeryzujących energię elekryczną
Bardziej szczegółowoMODELE AUTOREGRESYJNE JAKO INSTRUMENT ZARZĄDZANIA ZAPASAMI NA PRZYKŁADZIE ELEKTROWNI CIEPLNEJ
Agaa MESJASZ-LECH * MODELE AUTOREGRESYJNE JAKO INSTRUMENT ZARZĄDZANIA ZAPASAMI NA PRZYKŁADZIE ELEKTROWNI CIEPLNEJ Sreszczenie W arykule przedsawiono wyniki analizy ekonomerycznej miesięcznych warości w
Bardziej 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 szczegółowoPROGNOZOWANIE ZUŻYCIA CIEPŁEJ I ZIMNEJ WODY W SPÓŁDZIELCZYCH ZASOBACH MIESZKANIOWYCH
STUDIA I PRACE WYDZIAŁU NAUK EKONOMICZNYCH I ZARZĄDZANIA NR 15 Barbara Baóg Iwona Foryś PROGNOZOWANIE ZUŻYCIA CIEPŁEJ I ZIMNEJ WODY W SPÓŁDZIELCZYCH ZASOBACH MIESZKANIOWYCH Wsęp Koszy dosarczenia wody
Bardziej szczegółowoPUNKTOWA I PRZEDZIAŁOWA PREDYKCJA PRZEWOZÓW PASAŻERÓW W ŻEGLUDZE PROMOWEJ NA BAŁTYKU W LATACH 2008 2010
STUDIA I PRACE WYDZIAŁU NAUK EKONOMICZNYCH I ZARZĄDZANIA NR 15 Chrisian Lis PUNKTOWA I PRZEDZIAŁOWA PREDYKCJA PRZEWOZÓW PASAŻERÓW W ŻEGLUDZE PROMOWEJ NA BAŁTYKU W LATACH 2008 2010 Wprowadzenie Przedmioem
Bardziej szczegółowoKrzysztof Piontek MODELOWANIE ZMIENNOŚCI STÓP PROCENTOWYCH NA PRZYKŁADZIE STOPY WIBOR
Inwesycje finansowe i ubezpieczenia endencje świaowe a rynek polski Krzyszof Pionek Akademia Ekonomiczna we Wrocławiu MODELOWANIE ZMIENNOŚCI STÓP PROCENTOWYCH NA PRZYKŁADZIE STOPY WIBOR Wsęp Konieczność
Bardziej 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 szczegółowoEstymacja stopy NAIRU dla Polski *
Michał Owerczuk * Pior Śpiewanowski Esymacja sopy NAIRU dla Polski * * Sudenci, Szkoła Główna Handlowa, Sudenckie Koło Naukowe Ekonomii Teoreycznej przy kaedrze Ekonomii I. Auorzy będą bardzo wdzięczni
Bardziej szczegółowoOcena płynności wybranymi metodami szacowania osadu 1
Bogdan Ludwiczak Wprowadzenie Ocena płynności wybranymi meodami szacowania osadu W ubiegłym roku zaszły znaczące zmiany doyczące pomiaru i zarządzania ryzykiem bankowym. Są one konsekwencją nowowprowadzonych
Bardziej szczegółowoStruktura sektorowa finansowania wydatków na B+R w krajach strefy euro
Rozdział i. Srukura sekorowa finansowania wydaków na B+R w krajach srefy euro Rober W. Włodarczyk 1 Sreszczenie W arykule podjęo próbę oceny srukury sekorowej (sekor przedsiębiorsw, sekor rządowy, sekor
Bardziej 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 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 szczegółowoZJAWISKA SZOKOWE W ROZWOJU GOSPODARCZYM WYBRANYCH KRAJÓW UNII EUROPEJSKIEJ
Anna Janiga-Ćmiel Uniwersye Ekonomiczny w Kaowicach Wydział Zarządzania Kaedra Maemayki anna.janiga-cmiel@ue.kaowice.pl ZJAWISKA SZOKOWE W ROZWOJU GOSPODARCZYM WYBRANYCH KRAJÓW UNII EUROPEJSKIEJ Sreszczenie:
Bardziej szczegółowoNie(efektywność) informacyjna giełdowego rynku kontraktów terminowych w Polsce
Zeszyy Naukowe Uniwersyeu Szczecińskiego nr 862 Finanse, Rynki Finansowe, Ubezpieczenia nr 75 (2015) DOI: 10.18276/frfu.2015.75-16 s. 193 204 Nie(efekywność) informacyjna giełdowego rynku konraków erminowych
Bardziej 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 szczegółowoUMK w Toruniu ANALIZA ZALEŻNOŚCI MIĘDZY INDEKSEM WIG A WYBRANYMI INDEKSAMI RYNKÓW AKCJI NA ŚWIECIE
Pior Fiszeder UMK w Toruniu ANALIZA ZALEŻNOŚCI MIĘDZY INDEKSEM WIG A WYBRANYMI INDEKSAMI RYNKÓW AKCJI NA ŚWIECIE. Wprowadzenie Rynki kapiałowe na świecie są coraz silniej powiązane. Do najważniejszych
Bardziej szczegółowoWybrane problemy prognozowania cen produktów rolnych
V EUROPEJSKI KONGRES MENADŻERÓW AGROBIZNESU, ŁYSOMICE 14.11.218 Wybrane problemy prognozowania cen produków rolnych Cezary Klimkowski INSTYTUT EKONOMIKI ROLNICTWA I GOSPODARKI ŻYWNOŚCIOWEJ PAŃSTWOWY INSTYTUT
Bardziej 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 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 szczegółowoPROGNOZOWANIE W ZARZĄDZANIU PRZEDSIĘBIORSTWEM
PROGNOZOWANIE W ZARZĄDZANIU PRZEDSIĘBIORSTWEM prof. dr hab. Paweł Dimann 1 Znaczenie prognoz w zarządzaniu firmą Zarządzanie firmą jes nieusannym procesem podejmowania decyzji, kóry może być zdefiniowany
Bardziej szczegółowospecyfikacji i estymacji modelu regresji progowej (ang. threshold regression).
4. Modele regresji progowej W badaniach empirycznych coraz większym zaineresowaniem cieszą się akie modele szeregów czasowych, kóre pozwalają na objaśnianie nieliniowych zależności między poszczególnymi
Bardziej szczegółowoPrognoza skutków handlowych przystąpienia do Europejskiej Unii Monetarnej dla Polski przy użyciu uogólnionego modelu grawitacyjnego
Bank i Kredy 40 (1), 2009, 69 88 www.bankikredy.nbp.pl www.bankandcredi.nbp.pl Prognoza skuków handlowych przysąpienia do Europejskiej Unii Monearnej dla Polski przy użyciu uogólnionego modelu grawiacyjnego
Bardziej 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 szczegółowoAnaliza kosztów wytwarzania energii elektrycznej w elektrowniach systemowych
POLITYKA ENERGETYCZNA Tom 10 Zeszy specjalny 2 2007 PL ISSN 1429-6675 Janusz SOWIÑSKI* Analiza koszów wywarzania energii elekrycznej w elekrowniach sysemowych STRESZCZENIE. Zaporzebowanie na energiê elekryczn¹
Bardziej szczegółowoEKONOMETRIA wykład 2. Prof. dr hab. Eugeniusz Gatnar.
EKONOMERIA wykład Prof. dr hab. Eugeniusz Ganar eganar@mail.wz.uw.edu.pl Przedziały ufności Dla paramerów srukuralnych modelu: P bˆ j S( bˆ z prawdopodobieńswem parameru b bˆ S( bˆ, ( m j j j, ( m j b
Bardziej szczegółowoStatystyka od podstaw z systemem SAS Dr hab. E. Frątczak, ZAHZiAW, ISiD, KAE. Część VII. Analiza szeregu czasowego
Część VII. Analiza szeregu czasowego 1 DEFINICJA SZEREGU CZASOWEGO Szeregiem czasowym nazywamy zbiór warości cechy w uporządkowanych chronologicznie różnych momenach (okresach) czasu. Oznaczając przez
Bardziej szczegółowoNAPRAWY POGWARANCYJNE CIĄGNIKÓW ROLNICZYCH JAKO ELEMENT AUTORYZOWANEGO SYSTEMU DYSTRYBUCJI
Inżynieria Rolnicza 8(117)/2009 NAPRAWY POGWARANCYJNE CIĄGNIKÓW ROLNICZYCH JAKO ELEMENT AUTORYZOWANEGO SYSTEMU DYSTRYBUCJI Sławomir Juściński, Wiesław Piekarski Kaedra Energeyki i Pojazdów, Uniwersye Przyrodniczy
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 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 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 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 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 szczegółowoZASTOSOWANIE TESTU PERRONA DO BADANIA PUNKTÓW ZWROTNYCH INDEKSÓW GIEŁDOWYCH: WIG, WIG20, MIDWIG I TECHWIG
Doroa Wikowska, Anna Gasek Kaedra Ekonomerii i Informayki SGGW dwikowska@mors.sggw.waw.pl ZASTOSOWANIE TESTU PERRONA DO BADANIA PUNKTÓW ZWROTNYC INDEKSÓW GIEŁDOWYC: WIG, WIG2, MIDWIG I TECWIG Sreszczenie:
Bardziej szczegółowoMAKROEKONOMIA 2. Wykład 3. Dynamiczny model DAD/DAS, część 2. Dagmara Mycielska Joanna Siwińska - Gorzelak
MAKROEKONOMIA 2 Wykład 3. Dynamiczny model DAD/DAS, część 2 Dagmara Mycielska Joanna Siwińska - Gorzelak E i E E i r r 1 1 1 ) ( R. popyu R. Fishera Krzywa Phillipsa Oczekiwania Reguła poliyki monearnej
Bardziej szczegółowoOCENA PRZYDATNOŚCI MODELU EKONOMETRYCZNEGO DO BADANIA ZMIAN DYNAMIKI GOSPODARKI WOJEWÓDZTWA ŚLĄSKIEGO
Studia Ekonomiczne. Zeszyty Naukowe Uniwersytetu Ekonomicznego w Katowicach ISSN 2083-8611 Nr 220 2015 Uniwersytet Ekonomiczny w Katowicach Wydział Zarządzania Katedra Ekonometrii ozef.biolik@ue.katowice.pl
Bardziej szczegółowoPodstawowe charakterystyki niezawodności. sem. 8. Niezawodność elementów i systemów, Komputerowe systemy pomiarowe 1
Podsawowe charakerysyki niezawodności sem. 8. Niezawodność elemenów i sysemów, Kompuerowe sysemy pomiarowe 1 Wsęp Niezawodność o prawdopodobieńswo pewnych zdarzeń Inensywność uszkodzeń λ wyraŝa prawdopodobieńswo
Bardziej szczegółowoEliza Buszkowska * DYNAMIKA PRZEPŁYWÓW INWESTYCJI POMIĘDZY GIEŁDAMI
ACTA UNIVERSITATIS NICOLAI COPERNICI DOI: hp://dx.doi.org/10.12775/aunc_econ.2014.017 EKONOMIA XLV nr 2 (2014) 275 288 Pierwsza wersja złożona 26 czerwca 2014 ISSN Końcowa wersja zaakcepowana 20 grudnia
Bardziej szczegółowo( ) ( ) ( τ) ( t) = 0
Obliczanie wraŝliwości w dziedzinie czasu... 1 OBLICZANIE WRAśLIWOŚCI W DZIEDZINIE CZASU Meoda układu dołączonego do obliczenia wraŝliwości układu dynamicznego w dziedzinie czasu. Wyznaczane będą zmiany
Bardziej szczegółowoSZACOWANIE MODELU RYNKOWEGO CYKLU ŻYCIA PRODUKTU
B A D A N I A O P E R A C J N E I D E C Z J E Nr 2 2006 Bogusław GUZIK* SZACOWANIE MODELU RNKOWEGO CKLU ŻCIA PRODUKTU Przedsawiono zasadnicze podejścia do saysycznego szacowania modelu rynkowego cyklu
Bardziej 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 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 szczegółowoSTOPIEŃ AGREGACJI PRZESTRZENNEJ A ZMIENNOŚĆ SZEREGÓW CZASOWYCH CEN SUROWCÓW ROLNYCH
METODY ILOŚCIOWE W BADANIACH EKONOMICZNYCH Tom XII/, 011, sr. 180 190 STOPIEŃ AGREGACJI PRZESTRZENNEJ A ZMIENNOŚĆ SZEREGÓW CZASOWYCH CEN SUROWCÓW ROLNYCH Mariusz Hamulczuk Kaedra Ekonomiki Rolnicwa i Międzynarodowych
Bardziej szczegółowoMagdalena Osińska, Marcin Fałdziński Uniwersytet Mikołaja Kopernika w Toruniu. Modele GARCH i SV z zastosowaniem teorii wartości ekstremalnych
DYNAMICZNE MODELE EKONOMETRYCZNE X Ogólnopolskie Seminarim Nakowe 4 6 września 2007 w Torni Kaedra Ekonomerii i Saysyki Uniwersye Mikołaja Kopernika w Torni Magdalena Osińska Marcin Fałdziński Uniwersye
Bardziej szczegółowoWYKORZYSTANIE TESTU OSTERBERGA DO STATYCZNYCH OBCIĄŻEŃ PRÓBNYCH PALI
Prof. dr hab.inż. Zygmun MEYER Poliechnika zczecińska, Kaedra Geoechniki Dr inż. Mariusz KOWALÓW, adres e-mail m.kowalow@gco-consul.com Geoechnical Consuling Office zczecin WYKORZYAIE EU OERERGA DO AYCZYCH
Bardziej 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 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 szczegółowoMATERIAŁY I STUDIA. Zeszyt nr 258. Podatność polskich rynków finansowych na niestabilności wewnętrzne i zewnętrzne
MATERIAŁY I STUDIA Zeszy nr 58 Podaność polskich rynków finansowych na niesabilności wewnęrzne i zewnęrzne Wojciech Bieńkowski, Bogna Gawrońska-Nowak, Wojciech Grabowski Warszawa, 0 r. Wojciech Bieńkowski
Bardziej szczegółowoANNA GÓRSKA MONIKA KRAWIEC Szkoła Główna Gospodarstwa Wiejskiego w Warszawie
ZESZYTY NAUKOWE UNIWERSYTETU SZCZECIŃSKIEGO NR 768 FINANSE, RYNKI FINANSOWE, UBEZPIECZENIA NR 63 013 ANNA GÓRSKA MONIKA KRAWIEC Szkoła Główna Gospodarswa Wiejskiego w Warszawie BADANIE EFEKTYWNOŚCI INFORMACYJNEJ
Bardziej szczegółowoMAKROEKONOMIA 2. Wykład 3. Dynamiczny model DAD/DAS, część 2. Dagmara Mycielska Joanna Siwińska - Gorzelak
MAKROEKONOMIA 2 Wykład 3. Dynamiczny model DAD/DAS, część 2 Dagmara Mycielska Joanna Siwińska - Gorzelak ( ) ( ) ( ) E i E E i r r ν φ θ θ ρ ε ρ α 1 1 1 ) ( R. popyu R. Fishera Krzywa Phillipsa Oczekiwania
Bardziej 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 szczegółowoMatematyka finansowa 20.03.2006 r. Komisja Egzaminacyjna dla Aktuariuszy. XXXVIII Egzamin dla Aktuariuszy z 20 marca 2006 r.
Komisja Egzaminacyjna dla Akuariuszy XXXVIII Egzamin dla Akuariuszy z 20 marca 2006 r. Część I Maemayka finansowa WERSJA TESTU A Imię i nazwisko osoby egzaminowanej:... Czas egzaminu: 100 minu 1 1. Ile
Bardziej 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 szczegółowoStanisław Cichocki. Natalia Neherbecka. Zajęcia 13
Stanisław Cichocki Natalia Neherbecka Zajęcia 13 1 1. Kryteria informacyjne 2. Testowanie autokorelacji 3. Modele dynamiczne: modele o rozłożonych opóźnieniach (DL) modele autoregresyjne o rozłożonych
Bardziej szczegółowoJacek Kwiatkowski Magdalena Osińska. Procesy zawierające stochastyczne pierwiastki jednostkowe identyfikacja i zastosowanie.
DYNAMICZNE MODELE EKONOMETRYCZNE Jacek Kwiakowski Magdalena Osińska Uniwersye Mikołaja Kopernika Procesy zawierające sochasyczne pierwiaski jednoskowe idenyfikacja i zasosowanie.. Wsęp Większość lieraury
Bardziej 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 szczegółowoZarządzanie Projektami. Wykład 3 Techniki sieciowe (część 1)
Zarządzanie Projekami Wykład 3 Techniki sieciowe (część ) Przedsięwzięcie wieloczynnościowe Przedsięwzięcie wieloczynnościowe skończona liczba wzajemnie ze sobą powiązanych czynności (eapów). Powiązania
Bardziej szczegółowoWPŁYW PUBLIKACJI DANYCH MAKROEKONOMICZNYCH NA KURS EUR/PLN W KONTEKŚCIE BADANIA MIKROSTRUKTURY RYNKU
METODY ILOŚCIOWE W BADANIACH EKONOMICZNYCH Tom XII/2, 2011, sr. 48 57 WPŁYW PUBLIKACJI DANYCH MAKROEKONOMICZNYCH NA KURS EUR/PLN W KONTEKŚCIE BADANIA MIKROSTRUKTURY RYNKU Kaarzyna Bień-Barkowska 1 Insyu
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 szczegółowoGlobalizacja ryzyka cenowego na przykładzie rynku zbóż
Globalizacja ryzyka cenowego na przykładzie rynku zbóż Mariusz Hamulczuk IERiGŻ-PIB Warszawa "Ryzyko w gospodarce żywnościowej teoria i praktyka" Jachranka, 23-25 listopada 2016 Uzasadnienie Procesy globalizacji
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 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 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 szczegółowoCzy prowadzona polityka pieniężna jest skuteczna? Jaki ma wpływ na procesy
Dobromił Serwa Reakcje rynków finansowych na szoki w poliyce pieniężnej.. Wsęp Czy prowadzona poliyka pieniężna jes skueczna? Jaki ma wpływ na procesy ekonomiczne zachodzące w kraju? Czy jes ona równie
Bardziej szczegółowo