t MODELU AARCH ROZWOJU GOSPODARCZEGO
|
|
- Julia Janik
- 4 lat temu
- Przeglądów:
Transkrypt
1 Uniwersye Ekonomiczny w Kaowicach Kaedra Maemayki anna.janiga-cmiel@ue.kaowice.pl SKŁADOWA γ MODELU AARCH ROZWOJU GOSPODARCZEGO Wprowadzenie Gospodarka każdego kraju jes kszałowana przez specyficzne dla danego kraju czynniki, a zależności wysępujące wśród ych czynników można opisać dynamicznymi macierzami korelacji oraz modelami ekonomerycznymi. Zaproponowane modele w sposób ścisły ujmują wysępowanie ych zależności i sanowią również obraz badanej rzeczywisości, ponieważ: Każda eoria cyklu określa inny dobór i inerpreację zdarzeń hisorycznych, co nadaje wielkie znaczenie wcześniejszemu usaleniu, za pomocą procedur meodologicznych innych niż pozyywisyczne, prawomocnych eorii umożliwiających rafną inerpreację rzeczywisości. Nie isnieje zaem żadne niezbie świadecwo hisoryczne, ym bardziej zaś świadecwo zdolne wykazać, że jakaś eoria jes poprawna lub nie. Powinniśmy być więc bardzo osrożni i pokorni w naszych nadziejach na empiryczne powierdzenie eorii. Musimy się, co najwyżej, zadowolić rozwijaniem spójnej logicznie eorii możliwie wolnej od błędów łańcuchu argumenów logicznych i oparej na podsawowych zasadach ludzkiego działania. Dysponując aką eorią, możemy sprawdzić, czy dobrze pasuje ona do zdarzeń hisorycznych i pozwala inerpreować rzeczywise przypadki w sposób ogólniejszy, bardziej wyważony i poprawny niż inne, alernaywne eorie []. Wybrane modele powinny prezenować kszałowanie się warości oczekiwanej rozparywanych procesów, wariancję ych procesów, ich wzajemne kowariancje oraz możliwie jak najszerszej przedsawiać dynamikę składników losowych. Dysponując odpowiednimi narzędziami ekonomerycznymi można próbować przeciwdziałać globalnym scenariuszom sagnacji, uchronić kraj przed ewenualnymi spowolnieniami gospodarczymi i zdobywać doświadczenia.
2 modelu AARCH rozwoju gospodarczego 5. Zasosowanie modelu GARCH Zasosowanie modeli GARCH z jednej srony doyczy problemów związanych z ekonomią i sanowi wspomaganie podejmowania decyzji, a z drugiej srony doyczy własności saysycznych, uzyskując ym samym bardziej efekywne esymaory paramerów i nieobciążone średnie błędy szacunku. Modele pozwalają również na dokonanie opisu zmieniających się w czasie jednoczesnych relacji między warunkowymi warościami oczekiwanymi. Rozwój gospodarczy w długim okresie charakeryzuje się nieprzewidywalnymi zmianami wzrosu i spadku wskaźników powodujących zmiany w dynamice rozwoju, koncenrujące się na nieregularnych wahaniach i cyklach o zróżnicowanych długościach. Do opisu ak skomplikowanych procesów można zasosować auoregresyjny model klasy GARCH. W lieraurze znajduje się wiele modyfikacji i rozszerzeń modelu GARCH (Bollerslev, Chou i Kroner, Bera i Higgins, Engle i Nelson, Gourieroux, Osiewalski i Pipień, Tsay, Bauwens, Lauren i Rombous, Weron i Weron, Brzeszczyński i Kelm, Doman i Doman, Fiszeder) [6]. Jednym z ważniejszych zasosowań modeli GARCH jes modelowanie i prognozowanie zmienności, przy czym modele e nie wskazują źródeł zmienności. Zmienność nie jes bezpośrednio obserwowalna, w jednych okresach bywa bardzo wysoka, w innych niska; nie jes sała. Własność a zosała nazwana heeroskedasycznością warunkową. Modele heeroskedasyczności [] warunkowej opisują dynamikę zmiennejσ. Modele e można podzielić na dwie zasadnicze grupy: pierwszy yp modeli obejmuje e, w kórych ewolucja zmienności σ jes przedsawiona za pomocą funkcji deerminisycznej, drugi yp uwzględnia zależności ypu sochasycznego. Modele GARCH służą do badania zmienności wariancji warunkowej i warunkowych kowariancji, umożliwiając wykrywanie zjawisk szokowych i ich wpływ pozyywny lub negaywny na inne populacje. Modele GARCH pozwalają na przeprowadzenie analiz ilość przekazanej informacji między badanymi populacjami oraz zgodności dokonanego przekazu wiedzy. Współzależności ujęe w ramach badanych populacji charakeryzują wewnęrzny san analizowanych zjawisk, naomias współzależności isniejące między populacjami charakeryzują powiązania zewnęrzne. Badając współzależności zewnęrzne wykrywa się efeky przenoszenia pozyywnych i negaywnych wpływów z jednej zbiorowości do drugiej. Można ocenić korzyści lub sray, jakie mają miejsce w zbiorowości, do kórej zosały przeniesione.
3 6. Weryfikacja wysępowania efeku ARCH Efek ARCH AUTOREGRESSIVE CONDITIONAL HETEROSKEDAS- TICITY o własność grupowania wariancji opisana warunkową heeroskedasycznością i warunkową auokorelacją składnika losowego. Analizując efek ARCH należy uwzględnić nasępujące dodakowe uwarunkowania: niesałą wariancję składnika losowego (heeroskedasyczność), klasrowanie wariancji (Volailiy cluseing), czyli wysępowanie syuacji, gdy blisko siebie są skupione obserwacje o wysokiej wariancji składnika losowego lub w innych okresach koncenrują się obok siebie obserwacje o niskiej wariancji oraz worzenie auoregresji składnika losowego i odwronie, ponieważ auoregresja sanowi źródło efeku ARCH. Czynniki deerminujące efek ARCH można dla badanego procesu zweryfikować na podsawie przyjęego poziomu isoności, sosując odpowiednie esy saysyczne. Tesy pozwalają wyeliminować z rozważań niekóre posacie modelu i dokonać oceny poprawności przyjęych specyfikacji. W lieraurze znajduje się wiele esów na wysępowanie efeku ARCH. Najczęściej sosowanym esem jes es zaproponowany przez Engle a [5], jednak nie pozwala rozsrzygnąć, czy ma być sosowany w badaniach model ARCH czy GARCH. Nasępnie es Ljunga Boxa (LB) wyznaczany dla kwadraów resz z równania dla warunkowej warości oczekiwanej lub warunkowo sandaryzowanych resz dla modelu uwzględniającego zmienną wariancję warunkową es McLeoda i Li [] oraz es Li i Mak [6], Lee i King [5] opierający się na pochodnych cząskowych logarymu funkcji wiarygodności czy eż zaproponowany przez Demos i Senana es [], kóry jes wersją esu LM. W celu zweryfikowania wysępowania efeku ARCH można zasosować es McLeoda i Li [3], uwzględniający współczynniki korelacji kwadraów resz. Hipoeza główna H oznacza brak efeku ARCH, hipoeza alernaywna H informuje o jego wysępowaniu. Wyznacza się współczynnik korelacji wariancji reszowej modelu zgodnie ze wzorem: T ξ = j+ j = T ξ j ρ, () ( ξ ) = gdzie: T liczba obserwacji, j esowany rząd auokorelacji kwadraów resz, j =,,, k.
4 modelu AARCH rozwoju gospodarczego 7 Warość saysyki esowej wyznacza się zgodnie ze wzorem: u = ρ j T. () ρ Saysyka u ma rozkład normalny i jeśli u > uα, o hipoezę H odrzuca się, co oznacza wysępowanie efeku ARCH. Procedurę powyższej weryfikacji powarzamy dla wszyskich j =,, k. Maksymalna warość j, dla kórej odrzucona jes hipoeza H i przyjmowana H, wyznacza w drugi sposób rząd opóźnień k w modelu wariancji α. Proces ARCH jes zdefiniowany za pomocą ciągu warunkowych resz i modelu warunkowej wariancji globalnej h. Składowa β ego modelu ma za zadanie urzymanie równowagi modelu z oceną parameru α wyrazu wolnego. Sacjonarność lub niesacjonarność procesu ma swoje źródła w konsrukcji składowych α i γ. j 3. Model AARCH Pierwsze modele auoregresyjnej heeroskedasyczności warunkowej ARCH znajduje się w pracach Engle a, modele e wraz z rozwojem badań podlegały wielu modyfikacjom i rozszerzeniom. Eap specyfikacji modelu obejmuje przyjęcie jego formalnej posaci, na co składa się wyznaczenie zmiennych i składowych modelu. Specyfikacja modelu klasy GARCH wymaga wcześniejszego wyznaczenia modelu podsawowego opisującego przebieg głównej składowej badanego zjawiska, jaką sanowi rend. Wahania rozwoju gospodarczego charakeryzują się dużą zmiennością, proces jes heeroskedasyczny, co wymaga odrębnego opisu rozwoju. Składnik reszowy zasosowanego modelu ARIMA będzie wykorzysany do konsrukcji auoregresyjnego modelu zmiennej wariancji warunkowej h. Od prawidłowego doboru opóźnień zmiennej endogenicznej [8] i średniej ruchomej w modelu ARIMA zależy isonie specyfikacja równania modelu dla wariancji. Zmienna losowa składnika reszowego powinna mieć rozkład zgodny z rozkładem normalnym lub co dopuszcza się w przypadku modeli AARCH, rozkład lepokuryczny. Model AARCH sosuje się również dla szeregów czasowych o niskiej częsoliwości i o małej liczbie obserwacji (kilkadziesią), jeśli naomias posiada się szeregi o dużej liczbie obserwacji (kilkase), wówczas należy uwzględnić duże rzędy opóźnień. Może o spowodować w pewnych przedziałach jednoski czasowej zmianę znaku wariancji eoreycznej. Wówczas na-
5 8 leży rozparywać uwzględnienie innego rzędu opóźnień. Innym źródłem efeku ARCH jes auokorelacja składnika reszowego, wedy do modelu wariancji oprócz opóźnień wariancji wprowadza się opóźnienia składnika reszowego, czyli składową średniej ruchomej. Składowa a odpowiada za auokorelację składnika reszowego i jes wykorzysywana do wyznaczenia sabilizaorów dalszego rozwoju gospodarczego. Składowa średniej ruchomej pozwala również wyznaczyć punky zwrone w rozwoju zjawiska. W syuacji, gdy cykle, jakie wysępują w rozwoju zjawiska wykazują asymeryczny przebieg, wówczas do modelu wariancji wprowadza się opóźnienia całkowiej wariancji. Orzymuje się w en sposób rzecią składową modelu pomagającą wyjaśnić asymerię w rozwoju gospodarczym. Wymienione założenia spełnia model AARCH. Asymeryczny model auoregresyjny z warunkową heeroskedasycznością (AARCH) doyczy zmienności wariancji, na ogół jes podawany w posaci dwóch równań: równania opisującego warunkowo posać rendu i równania opisującego warunkową wariancję. W syuacji, gdy w wyodrębnionych przedziałach czasu wysępują modele rendu posaci wykładniczej, wówczas w celu zlinearyzowania warości zmiennej endogenicznej należy ją zlogarymować. Zmienna endogeniczna wcześniej powinna zosać poddana procesowi sandaryzacji. Logarymy zmiennej endogenicznej wyznaczamy zgodnie ze wzorem: Y = ln (3) ' Y Przedsawione problemy sanowią meryoryczne uzasadnienie oczekiwania efeku ARCH w rozwoju gospodarczym. Model AARCH może być uwzględniony z dowolną liczbą opóźnień wariancji i odchyleń reszowych. Model AARCH zosał przedsawiony w roku 99 przez Engle a [] i jes o asymeryczny, auoregresyjny model z warunkową heeroskedasycznością. Warunkowa heeroskedasycznność, jak już wcześniej zaznaczono, doyczy zmiennej wariancji badanego zjawiska, przy czym warunkiem zmiennej wariancji w okresie są warości wariancji z okresów wcześniejszych. Model warunkowej wariancji globalnej h jes zdefiniowany w posaci: Zmienna h q + α iε ' i = α. (4) ' Y, jako logarym sandaryzowanej warości zmiennej Y, jes również zmienną losową sandaryzowaną. Jeśli h jako odchylenie sandardowe
6 modelu AARCH rozwoju gospodarczego 9 zmiennej losowej sandaryzowanej jes zmienną o rozkładzie N(,) wówczas można przedsawić model w posaci: Y ' = ν h. (5) w kórym ν również będzie zmienną losową sandaryzowaną. Zmienną losową sandaryzowaną wprowadza się, by zniwelować wpływ warości nieypowych na rozwój zjawiska. Wariancja h może wówczas być przedsawiona za pomocą modelu opóźnień wariancji zmiennej losowej Y', czyli: h + αy ' + α Y ' qy ' q = α α. (6) Zgodnie z konsrukcją powyższej warunkowej wariancji budujemy model auoregresyjny kwadraów sandaryzowanej zmiennej objaśnianej Y. Y ' α α Y ' α Y '... α Y ' + η. (7) = q q Składnik reszowy powyższego modelu η wyznaczono na podsawie przekszałconej zależności: h = Y ' η (8) Dla orzymanego ciągu warości eoreycznych h zbudowano model wariancji reszowej zawierającej rzy odrębne człony: α, α jes funkcją wariancji reszowych ε i β,, dla i =,, k γ. β jes funkcją odchyleń sandardowych ε i, dla i =,, l γ jes funkcją opóźnień wariancji globalnej h i dla i =,, max{k,l}, gdzie k o ilość opóźnień wariancji, a l liczba opóźnień składnika losowego. Zaem: h można zapisać również: h k l max[ k, l] = α + α iε i + β iε i + γ ih i + ξ (9) = α + α ε + α ε βε + β ε + β3ε γ h + γ h ξ () i będzie o osaeczna posać modelu AARCH przyjęa do esymacji. Wobec ocen liczbowych paramerów przedsawionego modelu wymaga się przedsawienia założeń gwaranujących dodaniość warości eoreycznych mo-
7 3 delu. Warości eoreyczne powinny być dodanie, ponieważ h o model wariancji globalnej. Pierwszą z resrykcji wobec ocen paramerów jes α >. Jes o sały poziom wariancji globalnej procesu Y. k l max[ k, l] + i i i i i i > α α ε + β ε + γ h. () W lieraurze nie znajduje się uniwersalnego kryerium wyboru posaci modelu GARCH [6]. Najczęściej w badaniach sosuje się kryerium informacyjne Akaike a (AIC) lub kryerium Schwarza (SIC) oraz współczynnik deerminacji. 4. Charakerysyka składowych modelu AARCH W modelu AARCH wyróżnia się rzy składowe. Składowa α dosarcza informacji na ema zmienności wariancji. W przedziałach czasowych, w kórych zaobserwowano narasanie wariancji, składowa α przyjmuje warości dodanie. Naomias w przedziałach, kórym odpowiada spadek wariancji, swierdzono ujemny znak warości pierwszej składowej modelu α. W syuacjach, gdy w zjawisku wysępuje sała warość oczekiwana i gdy nie wysępują wahania regularne, model AARCH wysarczy ograniczyć do składowej α. Jeżeli w zjawisku nasępują zmiany kierunku rozwoju, o do modelu wprowadza się składową β. Jeżeli składowa a przyjmuje warości wyłącznie dodanie, o w zjawisku mamy rend rosnący. Jeśli wysępują wyłącznie warości ujemne, o rend jes malejący. Trend zmienia kierunek, jeżeli warości eoreyczne β zmieniają znak. W syuacji, gdy mają miejsce momeny, w kórych składowa β zmienia znak warości eoreycznych, wysępują punky zwrone. Trzecim czynnikiem decydującym o ypie wybranego modelu GARCH jes długość i asymeria cykli. Jeżeli cykle są symeryczne, o warości składowej γ są bliskie zera, jeżeli są dodanie, o obserwuje się krókie wzrosy i długie spadki w dynamice cykli, co oznacza prawosronną asymerię cykli, a jeśli ujemne, o odwronie, czyli długie wzrosy oraz krókie spadki i wówczas ma miejsce lewosronna asymeria.
8 modelu AARCH rozwoju gospodarczego 3 5. Dane empiryczne i model W przedsawionej analizie rozparywano czynniki, kóre kszałują rozwój gospodarczy w skali makro i doyczyły one charakerysyki ludności, zarudnienia i bezrobocia, produkcji globalnej, wszelkich dochodów i koszów, jakie są ponoszone w celu uzyskania przychodów całokszału działalności. Sanowią one charakerysykę gospodarki Polski według kaegorii ekonomicznych, finansowych, socjalnych i echnicznych. Zakres czasowy obejmuje długi okres badanego zjawiska, czyli laa od roku 949 do 6 [3], ze szczególnym zwróceniem uwagi na zmiany w gospodarce po roku 99. Dane zebrano na podsawie maeriałów publikowanych przez Główny Urząd Saysyczny, a nasępnie sprowadzono je do poziomów porównywalnych, sosując w różnych okresach korygujące współczynniki wyrównania. Rozparywana analiza zosała wykonana na podsawie zmiennej syneycznej bezwzorcową. Z uwagi na ograniczony rozmiar arykułu pominięo prezenację abeli z danymi, naomias dane oraz konsrukcja modelu, prezenacja prognoz i prognoz osrzegawczych zosały przedsawione we wcześniejszych badaniach [3]. Skonsruowana zmienna syneyczna, sanowiła podsawę wyznaczenia modelu AARCH []: h = 3,3,58ε +,35ε 3,66ε + 63, 45ε () 6,796ε 3 +,963h, 45h + u, kóry charakeryzuje się najniższym poziomem wskaźnika AIC, najwyższym współczynnikiem deerminacji w klasie innych podobnych modeli. Najważniejszym uzasadnieniem jego wykorzysania w rozparywanym zagadnieniu jes pozyywne zweryfikowanie wysępowania efeku ARCH. W konsrukcji modelu można wyodrębnić nasępujące rzy składowe. Składowa α charakeryzującą dynamikę wariancji procesu: α α + α ε + α ε.... (3) = + Model składowej α przyjmuje posać: α. (4) = 3,3,58 + ε, 35ε Warości eoreyczne modelu α w dalszych analizach sanowiły podsawę wyznaczenia prognozy na laa 7 do. Druga ze składowych, składowa β pozwala wyznaczyć graniczne punky cykli w rozwoju zjawiska oraz punky zwrone. Przyjmuje posać: β β ε + β ε + β ε... (5) = 3 3 +
9 3 oraz jej model: β. (6) = 3,66ε + 63,45ε 6, 7ε 3 Składowa β przyjmuje głównie warości dodanie, ujemne zdarzają się sporadycznie. Posać składowej β powierdza rosnącą endencję wskaźników gospodarczych i ich wariancji. Składowa a również sanowi podsawę wyznaczenia prognozy osrzegawczej, ponado na jej podsawie wyznaczono sabilizaory. Trzecia składowa γ pozwalająca scharakeryzować cykle w rozwoju gospodarczym, czyli wyznaczyć długości cykli, ampliudy, okresy wzrosu i spadku w badanym przedziale czasowym o: γ γ h + γ h... (7) = + i model dla badanego zagadnienia ma posać: γ. (8) =,963 h, 45h Jeżeli γ przyjmuje warości wyłącznie ujemne, o wysępuje lewosronna asymeria cykli, kóre mają miejsce w syuacji, gdy w rozwoju gospodarczym wysępują długie powolne wzrosy i krókie spadki. Jeśli γ przyjmuje warości wyłącznie dodanie, o w cyklach swierdzamy prawosronną asymerię. W rozparywanym przykładzie jeden ze współczynników jes dodani, drugi ujemny, czyli wysępuje w pewnych okresach zmiana znaku wskaźnika γ. Oznacza o, że są momeny, w kórych zmienia się asymeria cykli. Jednak przeważają cykle o asymerii prawosronnej, ponieważ dodani współczynnik ma warość bezwzględną większą niż ujemny. 6. Analiza zmian asymerii w kolejnych cyklach rozwoju gospodarczego modelu AARCH informuje nas o asymerii w zakresie kszałowania się cykli. przyjmuje warości o znaku dodanim w cyklach o asymerii prawosronnej oraz ujemne, gdy odpowiadają one cyklowi o asymerii lewosronnej. Prawosronna asymeria cyklu ma miejsce, gdy nasępuje począkowo szybki wzros, a nasępnie powolny spadek rozwoju gospodarczego. Lewosronna asymeria cykli wysępuje, gdy w pierwszej kolejności rozwój gospodarczy wskazuje powolny wzros, a później szybki spadek. Zmiana endencji rosnącej na malejącą ma miejsce w górnym punkcie zwronym rozwoju, a w dolnym punkcie zwronym mamy przejście z endencji spadkowej w enden-
10 modelu AARCH rozwoju gospodarczego 33 cję wzrosową. Punky e znajduje się na podsawie analizy przebiegu sandaryzowanych warości składowych β i γ przedsawionych w abeli: Warości eoreyczne składowej modelu β i γ Tabela Rok Bea( ) Bea(+) Gam( ) Gam(+) 964,543,6 965,99,95 966,38, ,6,53 968,776,45 969,387,3 97,677,6 97,94,563 97,784, ,6,64 974,94, ,35,47 976,9,5 977,43,66 978,886, ,56, 98,39,58 98,88,76 98,7, ,36,6 984,55, ,36, ,89, 987,58, ,568,7 989,839,96 99,488, ,, ,59, ,68, ,97,84 995,43,93 996,35,86 997,96,6 998,774,38 999,95,485,57,438,8,89,8,465 3,87,6 4,53,6 5,774,6 6,45,68,474,857
11 34 Warości sandaryzowane składowych β i γ przedsawiono w osobnych kolumnach rozdzielając warości dodanie i ujemne. Znak β odpowiada znakowi endencji rozwoju, znak γ odpowiada znakowi współczynników asymerii cykli. Należy zwrócić uwagę na naśladujące zmiany znaku składowej β przez zmiany znaku składowej γ. Każda zmiana znaku składowej β pociąga za sobą zmianę znaku składowej γ w nasępnym okresie, a czasami za dwa laa. Zmiany uważa się za isone, gdy warości przyrosów przekraczają progową warość współczynnika zmienności,, ponieważ ylko akie warości w składowej β zmieniają kierunek rendu rozwoju gospodarczego, a w składowej γ zmieniają kierunek asymerii. Do roku 98 obserwuje się słaby wzros rozwoju gospodarczego przy dodaniej asymerii cyklu. Załamanie pojawia się w roku 98, by w 98 spaść poniżej oczekiwań świadczy o ym składowa β na poziomie 6,33. W dalszych laach ma miejsce słaby wzros rozwoju gospodarczego powierdzany dodanią warością β w laach 984, 985. Rok 986 o nieisony punk zwrony dolny rozwoju gospodarczego urzymuje się na sałym, ale niskim poziomie, osiągając dolny punk zwrony w laach 99, 99. W ślad za ym zmienia się asymeria cyklu na lewosronną. Obserwuje się silny spadek rozwoju gospodarczego, co powierdzają częse zmiany składowych β i γ. Warości, jakie przyjmują e składowe w ych laach, nie są isone saysycznie, ak jak w laach, w kórych wysępowały zmiany silnego kierunku rozwoju. W osanim dziesięcioleciu zwrócić uwagę należy na laa 997,, 4. W ych laach zmienia się asymeria cykli rozwoju (przy ograniczeniu się do obserwacji krókich okresów). Warość,38 składowej γ wyznacza ważny górny punk zwrony, znak γ zmienia się z minusa na plus i jes poprzedzony zmianą znaku β również z minusa na plus. Naomias rok o dolny punk zwrony, w punkcie ym γ również zmienia się z minusa na plus, przy czym zmiana a poprzedzona jes zmianą znaku β w laach - z plusa na minus. Isoną zmianę kierunku rozwoju zaobserwowano w roku 4. Znak γ zmienia się z plusa na minus. Znak β zmienia się z minusa na plus. Jes o górny punk zwrony. Po roku obserwuje się rokroczne zmiany znaku składowej γ i składowej β. Podsumowanie W niniejszym arykule przedsawiono warości eoreyczne składowej β i γ modelu AARCH. Swierdzono, że składowa γ zmienia znak w sposób naśladujący zmiany znaku składowej β. Przejawia się o w ym, że zmiana znaku składowej β każdorazowo poprzedza zmianę znaku składowej γ. Oznacza o
12 modelu AARCH rozwoju gospodarczego 35 skorelowanie dynamiki składowej γ z dynamiką składowej β. Wykorzysując ę własność będzie można w przyszłości wywierać w pewnym sopniu wpływ na skueczność szacowania prognoz osrzegawczych. Lieraura [] Demos A., Senana E., Tesing for GARCH Effecs: A One-Sided Approach, Journal of Economerics 998, Vol. 86. [] Doman M., Doman R., Ekonomeryczne modelowanie dynamiki polskiego rynku finansowego, Wydawnicwo Akademii Ekonomicznej, Poznań 4. [3] Doman M., Doman R., Modelowanie zmienności i ryzyka, Wolers Kluwer Polska, Kraków 9. [4] Engle R.F., Kraf D., Auoregressive Condiional Heeroskedasiciy in Muliple Time Series Models, Disscusion Paper, Universiy of California, San Diego 98. [5] Engle R.F., Auoregressive Condiional Heeroscedasiciy wih Esimaes of he Variance of he Unied Kingdom, Economerica 98. [6] Fiszeder P., Modele klasy GARCH w empirycznych badaniach finansowych, Wydawnicwo Uniwersyeu Mikołaja Kopernika, Toruń 9. [7] Franco Ch., Zakoian J.M., GARCH Models. Srucure, Saisical Inference and Financial Applicaions, John Wiley & Sons, New York 9. [8] Glosen L.R., Jagannahan R., Runkle D.E., On he Relaion beween he Expeced Value and he Volailiy of he Nominal Excess Reurn on Socks, Journal of Finance 993, Vol. 48. [9] Hellwig Z., Ekspansja gospodarcza Polski końca XX wieku, Wydawnicwo Wyższej Szkoły Bankowej, Poznań 997. [] Hong Y., Shehadeh R.D., A New Tes for ARCH Effecs and Is Finie-Sample Performance, Journal of Business and Economic Saisics 999, Vol. 7. [] Hosking J., The Mulivariae Pormaneau Saisic, Journal of American Saisical Associaion 98. [] Huera de Soo J., Pieniądz, kredy bankowy i cykle koniunkuralne, Insyu Ludwiga von Milesa, Warszawa 9. [3] Janiga-Ćmiel A., Trójliniowy model dynamiki procesu gospodarczego [w:] Poliyka gospodarcza i finanse w eorii i prakyce, red. A. Poszewicki, G. Szczodrowski, Insyu Wiedzy i Innowacji, Warszawa. [4] Janiga-Ćmiel A., Dynamika gospodarki polskiej na le wybranych krajów Unii Europejskiej wielowymiarowa analiza porównawcza, Zarządzanie, Informayka. Dylemay i kierunki rozwoju, IV Forum Uniwersyeu Ekonomicznego w Kaowicach, Kaowice.
13 36 [5] Lee J.H.H., King M.L., A Locally Mos Mean Powerful Based Score Tes for ARCH and GARCH Regression Disurbance, Journal of Business and Economic Saisics 993, Vol.. [6] Li W.K., Mak T.K., On he Squared Residual Auocorelaions in Non-Linear Time Series wih Condiional Heeroscedasiciy, Journal of Time Series Analysis 994, Vol. 5. [7] Ling S., Li W., Diagnosic Checking of Nonlinear Mulivariae Time Series wih Mulivariae ARCH Errors, Journal of Time Series Analysis 997, Vol. 8. [8] Linon O.B., Seigerwald D.G., Adapive Tesing in ARCH Models, Economeric Reviews, Vol. 9. [9] Advanced Daa Mining and Applicaions 6 h Inernaional Conference, ADMA Chongqing, China, November, eds. C. Longbing, F. Yong, Z. Jiang, Proceedings, Par II, Springer-Verlag, Berlin-Heidelberg. [] McLeod A.I., Li W.K., Diagnosic Checking ARMA Time Series Models Using Squared-Residual Auocorrelaions, Journal of Time Series Analysis 983, Vol. 4. [] Osińska M., Ekonomeria finansowa, PWE, Warszawa 6. [] Terasvira T., Tjøsheim D., Granger C.W.J., Modeling Nonlinear Economic Time Series, Oxford Universiy, Oxford. [3] Wang P., Financial Economerics. Mehods and Models, Rouledge Chapman & Hall, London 3. [4] Yamarone R., Wskaźniki ekonomiczne: przewodnik dla inwesora, Wydawnicwo Helion, Gliwice 6. [5] Myśli o, Forbes 9, nr 3. [6] Bollerslev T., Engle R.F., Nelson D.B., ARCH Models. Handbook of Economerics 4, Elsevier Science, Amserdam 994. COMPONENT OF ASYMMETRY γ OF AARCH MODEL OF ECONOMIC DEVELOPMENT Summary In he volailiy of economic developmen as in any oher phenomenon, a regular componen and an incidenal componen can be disinguished. The former consolidaes main facors while he laer is relaed o random facors. I can be achieved by consrucing a precise model, where he random facor isn saisically significan. The economic developmen was described by means of model ARMA(,). Subsequenly, model AARCH(3,) was used o characerize all kinds of variaions. The componens of his model were examined and aenion was paid o any delays which occur in he creaion of he rend and ampliude.
Testowanie współzależności w rozwoju gospodarczym
The Wroclaw School of Banking Research Journal ISSN 1643-7772 I eissn 2392-1153 Vol. 15 I No. 5 Zeszyy Naukowe Wyższej Szkoły Bankowej we Wrocławiu ISSN 1643-7772 I eissn 2392-1153 R. 15 I Nr 5 Tesowanie
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 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 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 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 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 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 2007 w Toruniu Kaedra Ekonomerii i Saysyki, Uniwersye Mikołaja Kopernika w Toruniu Pior Fiszeder Uniwersye Mikołaja Kopernika
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 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 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 szczegółowoMagdalena Sokalska Szkoła Główna Handlowa. Modelowanie zmienności stóp zwrotu danych finansowych o wysokiej częstotliwości
DYNAMICZNE MODELE EKONOMETRYCZNE IX Ogólnopolskie Seminarium Naukowe, 6 8 września 005 w Toruniu Kaedra Ekonomerii i Saysyki, Uniwersye Mikołaja Kopernika w Toruniu Szkoła Główna Handlowa Modelowanie zmienności
Bardziej 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 szczegółowolicencjat Pytania teoretyczne:
Plan wykładu: 1. Wiadomości ogólne. 2. Model ekonomeryczny i jego elemeny 3. Meody doboru zmiennych do modelu ekonomerycznego. 4. Szacownie paramerów srukuralnych MNK. Weryfikacja modelu KMNK 6. Prognozowanie
Bardziej 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 IX Ogólnopolskie Seminarium Naukowe, 6 8 września 2005 w Toruniu Kaedra Ekonomerii i Saysyki, Uniwersye Mikołaja Kopernika w Toruniu Kaarzyna Kuziak Akademia Ekonomiczna
Bardziej szczegółowoWNIOSKOWANIE STATYSTYCZNE
Wnioskowanie saysyczne w ekonomerycznej analizie procesu produkcyjnego / WNIOSKOWANIE STATYSTYCZNE W EKONOMETRYCZNEJ ANAIZIE PROCESU PRODUKCYJNEGO Maeriał pomocniczy: proszę przejrzeć srony www.cyf-kr.edu.pl/~eomazur/zadl4.hml
Bardziej 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 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 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 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 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 szczegółowoMODELOWANIE FINANSOWYCH SZEREGÓW CZASOWYCH Z WARUNKOWĄ WARIANCJĄ. 1. Wstęp
WERSJA ROBOCZA - PRZED POPRAWKAMI RECENZENTA Krzyszof Pionek Akademia Ekonomiczna we Wrocławiu MODELOWANIE FINANSOWYCH SZEREGÓW CZASOWYCH Z WARUNKOWĄ WARIANCJĄ. Wsęp Spośród wielu rodzajów ryzyka, szczególną
Bardziej 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 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 szczegółowoHeteroskedastyczność szeregu stóp zwrotu a koncepcja pomiaru ryzyka metodą VaR
Krzyszof Pionek Kaedra Inwesycji Finansowych i Ubezpieczeń Akademia Ekonomiczna we Wrocławiu Heeroskedasyczność szeregu sóp zwrou a koncepcja pomiaru ryzyka meodą VaR Wsęp Spośród wielu rodzajów ryzyka
Bardziej szczegółowoKrzysztof Piontek Akademia Ekonomiczna we Wrocławiu. Modelowanie warunkowej kurtozy oraz skośności w finansowych szeregach czasowych
DYNAMICZNE MODELE EKONOMETRYCZNE IX Ogólnopolskie Seminarium Naukowe, 6 8 września 5 w Toruniu Kaedra Ekonomerii i Saysyki, Uniwersye Mikołaja Kopernika w Toruniu Akademia Ekonomiczna we Wrocławiu Modelowanie
Bardziej szczegółowoMetody prognozowania: Szeregi czasowe. Dr inż. Sebastian Skoczypiec. ver Co to jest szereg czasowy?
Meody prognozowania: Szeregi czasowe Dr inż. Sebasian Skoczypiec ver. 11.20.2009 Co o jes szereg czasowy? Szereg czasowy: uporządkowany zbiór warości badanej cechy lub warości określonego zjawiska, zaobserwowanych
Bardziej 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 szczegółowoStrukturalne podejście w prognozowaniu produktu krajowego brutto w ujęciu regionalnym
Jacek Baóg Uniwersye Szczeciński Srukuralne podejście w prognozowaniu produku krajowego bruo w ujęciu regionalnym Znajomość poziomu i dynamiki produku krajowego bruo wyworzonego w poszczególnych regionach
Bardziej szczegółowoElżbieta Szulc Uniwersytet Mikołaja Kopernika w Toruniu. Modelowanie zależności między przestrzennoczasowymi procesami ekonomicznymi
DYNAMICZNE MODELE EKONOMETRYCZNE X Ogólnopolskie Seminarium Naukowe, 4 6 września 007 w Toruniu Kaedra Ekonomerii i Saysyk Uniwersye Mikołaja Kopernika w Toruniu Uniwersye Mikołaja Kopernika w Toruniu
Bardziej szczegółowoDaniel Papla Akademia Ekonomiczna we Wrocławiu. Wykorzystanie modelu DCC-MGARCH w analizie zmian zależności wybranych akcji GPW w Warszawie
DYNAMICZNE MODELE EKONOMETRYCZNE X Ogólnopolskie Seminarium Naukowe, 4 6 września 27 w Toruniu Kaedra Ekonomerii i Saysyki, Uniwersye Mikołaja Kopernika w Toruniu Akademia Ekonomiczna we Wrocławiu Wykorzysanie
Bardziej 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 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 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 szczegółowoWitold Orzeszko Uniwersytet Mikołaja Kopernika w Toruniu. Własności procesów STUR w świetle metod z teorii chaosu 1
DYNAMICZNE MODELE EKONOMETRYCZNE IX Ogólnopolskie Seminarium Naukowe, 6-8 września 2005 w Toruniu Kaedra Ekonomerii i Saysyki, Uniwersye Mikołaja Kopernika w Toruniu Uniwersye Mikołaja Kopernika w Toruniu
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 szczegółowoWitold Orzeszko Uniwersytet Mikołaja Kopernika w Toruniu
DYNAMICZNE MODELE EKONOMETRYCZNE X Ogólnopolskie Seminarium Naukowe, 4 6 września 2007 w Toruniu Kaedra Ekonomerii i Saysyki, Uniwersye Mikołaja Kopernika w Toruniu Uniwersye Mikołaja Kopernika w Toruniu
Bardziej 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 szczegółowoPIOTR FISZEDER, JACEK KWIATKOWSKI Katedra Ekonometrii i Statystyki
PIOTR FISZEDER, JACEK KWIATKOWSKI Kaedra Ekonomerii i Saysyki DYNAMICZNA ANALIZA ZALEŻNOŚCI POMIĘDZY OCZEKIWANĄ STOPĄ ZWROTU A WARUNKOWĄ WARIANCJĄ Sreszczenie: W badaniu zasosowano modele GARCHM ze sałym
Bardziej szczegółowoPROGNOZOWANIE I SYMULACJE EXCEL 2 PROGNOZOWANIE I SYMULACJE EXCEL AUTOR: ŻANETA PRUSKA
1 PROGNOZOWANIE I SYMULACJE EXCEL 2 AUTOR: mgr inż. ŻANETA PRUSKA DODATEK SOLVER 2 Sprawdzić czy w zakładce Dane znajduję się Solver 1. Kliknij przycisk Microsof Office, a nasępnie kliknij przycisk Opcje
Bardziej 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 szczegółowoKlasyfikacja modeli. Metoda najmniejszych kwadratów
Konspek ekonomeria: Weryfikacja modelu ekonomerycznego Klasyfikacja modeli Modele dzielimy na: - jedno- i wielorównaniowe - liniowe i nieliniowe - sayczne i dynamiczne - sochasyczne i deerminisyczne -
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 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 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 szczegółowoBayesowskie porównanie modeli STUR i GARCH w finansowych szeregach czasowych 1
Jacek Kwiakowski Uniwersye Mikołaja Kopernika w Toruniu Bayesowskie porównanie modeli STUR i GARCH w finansowych szeregach czasowych 1 WSTĘP Powszechnie wiadomo, że podsawowymi własnościami procesów finansowych
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 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 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 szczegółowoAnaliza szeregów czasowych w Gretlu (zajęcia 8)
Analiza szeregów czasowych w Grelu (zajęcia 8) Grel jes dość dobrym narzędziem do analizy szeregów czasowych. Już w samej podsawie Grela znajdziemy sporo zaimplemenowanych echnik służących do obróbki danych
Bardziej szczegółowoA C T A U N I V E R S I T A T I S N I C O L A I C O P E R N I C I EKONOMIA XXXIX NAUKI HUMANISTYCZNO-SPOŁECZNE ZESZYT 389 TORUŃ 2009
A C T A U N I V E R S I T A T I S N I C O L A I C O P E R N I C I EKONOMIA XXXIX NAUKI HUMANISTYCZNO-SPOŁECZNE ZESZYT 389 TORUŃ 2009 Uniwersye Mikołaja Kopernika w Toruniu Kaedra Ekonomerii i Saysyki Jarosław
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 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 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 szczegółowoSTATYSTYCZNA WERYFIKACJA MODELU CAPM NA PRZYKŁADZIE POLSKIEGO RYNKU KAPITAŁOWEGO WPROWADZENIE METODOLOGIA TESTOWANIA MODELU
GraŜyna Trzpio, Dominik KręŜołek Kaedra Saysyki Akademii Ekonomicznej w Kaowicach e-mail rzpio@sulu.ae.kaowice.pl, dominik_arkano@wp.pl STATYSTYCZNA WERYFIKACJA MODELU CAPM NA PRZYKŁADZIE POLSKIEGO RYNKU
Bardziej 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 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 szczegółowoPobieranie próby. Rozkład χ 2
Graficzne przedsawianie próby Hisogram Esymaory przykład Próby z rozkładów cząskowych Próby ze skończonej populacji Próby z rozkładu normalnego Rozkład χ Pobieranie próby. Rozkład χ Posać i własności Znaczenie
Bardziej szczegółowoPROGNOZOWANIE BRAKUJĄCYCH DANYCH DLA SZEREGÓW O WYSOKIEJ CZĘSTOTLIWOŚCI OCZYSZCZONYCH Z SEZONOWOŚCI
Sudia Ekonomiczne. Zeszyy Naukowe Uniwersyeu Ekonomicznego w Kaowicach ISSN 2083-8611 Nr 289 2016 Maria Szmuksa-Zawadzka Zachodniopomorski Uniwersye Technologiczny w Szczecinie Sudium Maemayki Jan Zawadzki
Bardziej szczegółowoZASTOSOWANIE MODELI EKONOMETRYCZNYCH DO BADANIA SKŁONNOŚCI
Zasosowanie modeli ekonomerycznych do badania skłonności STUDIA I PRACE WYDZIAŁU NAUK EKONOMICZNYCH I ZARZĄDZANIA NR 2 39 MARIUSZ DOSZYŃ Uniwersye Szczeciński ZASTOSOWANIE MODELI EKONOMETRYCZNYCH DO BADANIA
Bardziej szczegółowoCopyright by Politechnika Białostocka, Białystok 2017
Recenzenci: dr hab. Sanisław Łobejko, prof. SGH prof. dr hab. Doroa Wikowska Redakor naukowy: Joanicjusz Nazarko Auorzy: Ewa Chodakowska Kaarzyna Halicka Arkadiusz Jurczuk Joanicjusz Nazarko Redakor wydawnicwa:
Bardziej 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 szczegółowoPorównanie jakości nieliniowych modeli ekonometrycznych na podstawie testów trafności prognoz
233 Zeszyy Naukowe Wyższej Szkoły Bankowej we Wrocławiu Nr 20/2011 Wyższa Szkoła Bankowa w Toruniu Porównanie jakości nieliniowych modeli ekonomerycznych na podsawie esów rafności prognoz Sreszczenie.
Bardziej szczegółowoKRZYSZTOF JAJUGA Katedra Inwestycji Finansowych i Zarządzania Ryzykiem Akademia Ekonomiczna we Wrocławiu 25 LAT EKONOMETRII FINANSOWEJ
KRZYSZTOF JAJUGA Kaedra Inwesycji Finansowych i Zarządzania Ryzykiem Akademia Ekonomiczna we Wrocławiu 25 LAT EKONOMETRII FINANSOWEJ EKONOMETRIA FINANSOWA OKREŚLENIE Modele ekonomerii finansowej są worzone
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 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 szczegółowoWYBRANE TESTY NIEOBCIĄŻONOŚCI MIAR RYZYKA NA PRZYKŁADZIE VALUE AT RISK
Przemysław Jeziorski Uniwersye Ekonomiczny w Kaowicach Wydział Informayki i Komunikacji Zakład Demografii i Saysyki Ekonomicznej przemyslaw.jeziorski@ue.kaowice.pl WYBRANE TESTY NIEOBCIĄŻONOŚCI MIAR RYZYKA
Bardziej szczegółowoPROGNOZOWANIE I SYMULACJE. mgr Żaneta Pruska. Ćwiczenia 2 Zadanie 1
PROGNOZOWANIE I SYMULACJE mgr Żanea Pruska Ćwiczenia 2 Zadanie 1 Firma Alfa jes jednym z głównych dosawców firmy Bea. Ilość produku X, wyrażona w ysiącach wyprodukowanych i dosarczonych szuk firmie Bea,
Bardziej szczegółowoANALIZA POWIĄZAŃ MIĘDZY INDEKSAMI GIEŁDY FRANCUSKIEJ, HOLENDERSKIEJ I BELGIJSKIEJ Z WYKORZYSTANIEM MODELU KOREKTY BŁĘDEM
Sudia Ekonomiczne. Zeszyy Naukowe Uniwersyeu Ekonomicznego w Kaowicach ISSN 083-86 Nr 89 06 Uniwersye Ekonomiczny w Kaowicach Wydział Ekonomii Kaedra Meod Saysyczno-Maemaycznych w Ekonomii pawel.prenzena@edu.ueka.pl
Bardziej szczegółowoANALIZA ZALEŻNOŚCI PRZYCZYNOWYCH ROZWOJU GOSPODARCZEGO POLSKI I WYBRANYCH PAŃSTW UNII EUROPEJSKIEJ
Anna Janiga-Ćmiel Uniwersye Ekonomiczny w Kaowicac ANALIZA ZALEŻNOŚCI PRZYCZYNOWYCH ROZWOJU GOSPODARCZEGO POLSKI I WYBRANYCH PAŃSW UNII EUROPEJSKIEJ Wprowadzenie Badanie dynamiki i flukuacji rozwoju gospodarczego
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 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 szczegółowoAnaliza taksonomiczna porównania przyspieszenia rozwoju społeczeństwa informacyjnego wybranych krajów
Ekonomiczne Problemy Usług nr 1/2017 (126),. 1 ISSN: 1896-382X www.wnus.edu.pl/epu DOI: 10.18276/epu.2017.126/1-08 srony: 71 79 Anna Janiga-Ćmiel Uniwersye Ekonomiczny w Kaowicach Wydział Zarządzania Kaedra
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 szczegółowoPROGNOZOWANIE I SYMULACJE EXCEL 2 AUTOR: MARTYNA MALAK PROGNOZOWANIE I SYMULACJE EXCEL 2 AUTOR: MARTYNA MALAK
1 PROGNOZOWANIE I SYMULACJE 2 hp://www.oucome-seo.pl/excel2.xls DODATEK SOLVER WERSJE EXCELA 5.0, 95, 97, 2000, 2002/XP i 2003. 3 Dodaek Solver jes dosępny w menu Narzędzia. Jeżeli Solver nie jes dosępny
Bardziej szczegółowoOddziaływanie procesu informacji na dynamikę cen akcji. Małgorzata Doman Akademia Ekonomiczna w Poznaniu
Oddziaływanie procesu informacji na dynamikę cen akcji. Małgorzaa Doman Akademia Ekonomiczna w Poznaniu Modele mikrosrukury rynku Bageho (97) informed raders próbują wykorzysać swoją przewagę informacyjną
Bardziej szczegółowoModelowanie i analiza szeregów czasowych
Modelowanie i analiza szeregów czasowych Małgorzaa Doman Plan zajęć Część. Modelowanie szeregów jednowymiarowych.. Szeregi jednowymiarowe własności i diagnozowanie. Modele auoregresji i średniej ruchomej
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 szczegółowoOPTYMALIZACJA PORTFELA INWESTYCYJNEGO ZE WZGLĘDU NA MINIMALNY POZIOM TOLERANCJI DLA USTALONEGO VaR
Daniel Iskra Uniwersye Ekonomiczny w Kaowicach OPTYMALIZACJA PORTFELA IWESTYCYJEGO ZE WZGLĘDU A MIIMALY POZIOM TOLERACJI DLA USTALOEGO VaR Wprowadzenie W osanich laach bardzo popularną miarą ryzyka sała
Bardziej 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 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 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 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 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 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 szczegółowoNatalia Iwaszczuk, Piotr Drygaś, Piotr Pusz, Radosław Pusz PROGNOZOWANIE GOSPODARCZE
Naalia Iwaszczuk, Pior Drygaś, Pior Pusz, Radosław Pusz PROGNOZOWANIE GOSPODARCZE Wyd-wo, Rzeszów 03 dr hab., prof. nadzw. Naalia Iwaszczuk, AGH Akademia Górniczo-Hunicza im. Sanisława Saszica w Krakowie
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 szczegółowoZajęcia 2. Estymacja i weryfikacja modelu ekonometrycznego
Zajęcia. Esmacja i werfikacja modelu ekonomercznego Celem zadania jes oszacowanie liniowego modelu opisującego wpłw z urski zagranicznej w danm kraju w zależności od wdaków na urskę zagraniczną i liczb
Bardziej szczegółowoFOLIA POMERANAE UNIVERSITATIS TECHNOLOGIAE STETINENSIS
FOLIA POMERANAE UNIVERSITATIS TECHNOLOGIAE STETINENSIS Folia Pomer. Univ. Technol. Sein., Oeconomica 2014, 313(76)3, 137 146 Maria Szmuksa-Zawadzka, Jan Zawadzki MODELE WYRÓWNYWANIA WYKŁADNICZEGO W PROGNOZOWANIU
Bardziej szczegółowo2.1 Zagadnienie Cauchy ego dla równania jednorodnego. = f(x, t) dla x R, t > 0, (2.1)
Wykład 2 Sruna nieograniczona 2.1 Zagadnienie Cauchy ego dla równania jednorodnego Równanie gań sruny jednowymiarowej zapisać można w posaci 1 2 u c 2 2 u = f(x, ) dla x R, >, (2.1) 2 x2 gdzie u(x, ) oznacza
Bardziej szczegółowoDr hab. Jerzy Czesław Ossowski Wybrane elementy ekonometrii stosowanej cz. II Istotność zmiennych modelu, autokorelacja i modele multiplikatywne
Dr hab. Jerzy Czesław Ossowski Wybrane elemeny ekonomerii sosowanej cz. II Isoność zmiennych modelu, auokorelacja i modele muliplikaywne Ekonomeria-ćw.cz-SSW dr hab. Jerzy Czesław Ossowski Kaedra Nauk
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 szczegółowoWIELORÓWNANIOWY MODEL DYNAMIKI GOSPODARKI POLSKI I NIEMIEC
Sudia Ekonomiczne. Zeszyy Naukowe Uniwersyeu Ekonomicznego w Kaowicac ISSN 083-86 Nr 97 06 Uniwersye Ekonomiczny w Kaowicac Wydział Zarządzania Kaedra Maemayki anna.janiga-cmiel@ue.kaowice.pl WIELORÓWNANIOWY
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 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 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 szczegółowoROCZNIKI INŻYNIERII BUDOWLANEJ ZESZYT 7/2007 Komisja Inżynierii Budowlanej Oddział Polskiej Akademii Nauk w Katowicach
ROZNIKI INŻYNIERII BUDOWLANEJ ZESZYT 7/007 Komisja Inżynierii Budowlanej Oddział Polskiej Akademii Nauk w Kaowicach WYZNAZANIE PARAMETRÓW FUNKJI PEŁZANIA DREWNA W UJĘIU LOSOWYM * Kamil PAWLIK Poliechnika
Bardziej szczegółowoKobiety w przedsiębiorstwach usługowych prognozy nieliniowe
Pior Srożek * Kobiey w przedsiębiorswach usługowych prognozy nieliniowe Wsęp W dzisiejszym świecie procesy społeczno-gospodarcze zachodzą bardzo dynamicznie. W związku z ym bardzo zmienił się sereoypowy
Bardziej 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 szczegółowo