ANALIZA PRZYCZYNOWOŚCI W ZAKRESIE ZALEŻNOŚCI NIELINIOWYCH. IMPLIKACJE FINANSOWE

Wielkość: px
Rozpocząć pokaz od strony:

Download "ANALIZA PRZYCZYNOWOŚCI W ZAKRESIE ZALEŻNOŚCI NIELINIOWYCH. IMPLIKACJE FINANSOWE"

Transkrypt

1 Wiold Orzeszko Magdalea Osińska Uiwersye Mikołaja Koperika w Toruiu ANALIA PRCNOWOŚCI W AKRSI ALŻNOŚCI NILINIOWCH. IMPLIKACJ FINANSOW WSTĘP Przyczyowość w sesie Gragera jes jedym z kluczowych pojęć ekoomeryczej aalizy zależości pomiędzy procesami ekoomiczymi. Jedak doychczas w pracach poświęcoych ej emayce badaia ograiczały się zwykle do ideyikacji zależości o charakerze liiowym zaś podsawowym arzędziem ej aalizy był model ypu VAR. W arykule zaprezeowao ideę przyczyowości w zakresie zależości ieliiowych. Idea a odwołuje się do kocepcji Baeka i Brocka 1992 i opara jes a pojęciu całki korelacyjej. W iiejszym arykule przedsawioo wywodzącą się z ej kocepcji procedurę Hiemsry i Joesa 1994 esowaia obecości ieliiowych zależości przyczyowych a akże jej modyikację dokoaą przez Diksa i Pachekę Obie meody zosały zasosowae do daych geerowaych oraz do iasowych szeregów czasowych z Giełdy Papierów Warościowych w Warszawie. 1. MTODOLOGIA TSTOWANIA PRCNOWOŚCI W AKRSI ALŻNOŚCI NILINIOWCH Wysępowaie zależości przyczyowych między sacjoarymi procesami i zosało zdeiiowae przez Gragera 1969 w kaegorii warukowych rozkładów prawdopodobieńswa. Według ej deiicji ie jes przyczyą jeśli... ;... F... F 1 lx ly = ly dla dowolych opóźień czasowych lx ly 1. W przypadku gdy waruek 1 ie jes spełioy mówimy że co w szczególości implikuje możliwość wykorzysaia przeszłości jes przyczyą do progozowaia. Tesowaie wysępowaia zależości przyczyowych polega a weryikacji hipoezy zerowej iż ie jes przyczyą co a mocy deiicji rówoważe jes zależości 1. Jedak w prakyce ekoomeryczej weryikację rudego do zasosowaia waruku 1 zasępuje się bardziej operacyjymi meodami. Jedą z ich jes ograiczeie zakresu badaia do ideyikacji zależości przyczyowych jedyie o charakerze liiowym. W akiej syuacji badaie polega a zbudowaiu i aalizie modelu VAR. kolei operacyją meodą aalizy przyczyowych zależości o charakerze ieliiowym jes meoda Baeka i Brocka Kocepcja a odwołuje się do pojęcia całki

2 2 Wiold Orzeszko Magdalea Osińska korelacyjej C W ε będącej prawdopodobieńswem zdarzeia iż dwie losowo wybrae realizacje wekora losowego W oddaloe są od siebie o ie więcej iż ε z. C W = P{ W1 W2 ε} = I s1 s2 ε W s1 W s2 ds2ds1 ε 2 gdzie W 1W2 są iezależymi realizacjami W jes ormą supremum aomias 1; s1 s2 ε 1 2 ε =. 0; w p. w. Dla usaloych opóźień czasowych lx ly 1 iech ukcja I s s lx oraz ly ozaczają wekory opóźień posaci lx = lx... i ly = ly.... Odwołując się do pojęcia wekorów opóźień Baek i Brock przeormułowali w sposób operacyjy deiicję przyczyowości w sesie Gragera. Według ej kocepcji ie jes przyczyą jeśli: gdzie { s < ε ly sly < ε lx slx P = P{ s < ε ly sly jes ormą supremum. Niespełieie waruku 3 ozacza że lx = 3 może być pomoce w progozowaiu. Przyjmijmy bowiem że isieje zależość przyczyowa o charakerze deermiisyczym między procesami ly lx a posaci = ly... 1 lx... z. = dla pewej ciągłej ukcji. deiicji ciągłości wyika że za progozę moża przyjąć s gdzie s jes ideksem dla kórego wekor sly slx jes ly lx bliski w sesie meryki wekorowi. Co więcej iespełieie waruku 3 ozacza że jes bardziej prawdopodobe że progoza a będzie dokłada gdy wykorzysa się ie ylko wiedzę o przeszłości lecz rówież o przeszłości ly lx. 1 kolei w syuacji gdy = g dla pewej ukcji losowej g waruek 3 jes opary a założeiu że w zależości g może isieć składowa deermiisycza dzięki kórej a mocy wcześiej zasosowaego rozumowaia możliwe jes eekywe wykorzysaie przeszłości do progozowaia. Niech C1 C2 C3 oraz C4 ozaczają asępujące całki korelacyje: s { ly sly < ε lx slx { ly sly < ε lx slx C 1 = P 4a C 2 = P 4b 1 Niespełieie waruku 3 może rówież ozaczać że lewa sroa rówaia jes miejsza od prawej. Ozacza o rudą do zierpreowaia syuację w kórej wiedza o przeszłości urudia progozowaie.

3 Aaliza przyczyowości w zakresie zależości ieliiowych. Implikacje iasowe 3 s { ly s ly { ly sly C3 4c = P C 4 = P. 4d deiicji prawdopodobieńswa warukowego: { s < ε ly sly < ε lx slx P = P { s < ε ly sly < ε lx slx P{ < ε ly sly lx slx co z kolei z własości ormy supremum rówe jes: P P { ly sly < ε lx slx { ly sly < ε lx slx 5 6 C 1 czyli. Aalogiczie: C3 P{ s < ε ly sly =. C2 C4 7 C 1 C3 A zaem wzór 3 rówoważy jes ormule =. C2 C4 8 Wzór 8 jes podsawą procedury esowaia wysępowaia zależości przyczyowych w szeregach czasowych x i y. symaorami całek korelacyjych C1 C2 C3 oraz C4 są odpowiedio: 2 s C 1 = ε ε 1 < I y s ly lx s lx s ly y I x x 9a 2 C 2 = I y ε ε 1 < s ly lx s lx s ly y I x x 9b 2 s C3 = I y s ly ε 1 s ly y < 9c 2 C 4 = I y ε 1 < s ly s ly y 9d gdzie s = max lx ly T = T max lx ly T- długość szeregów czasowych. Hiemsra i Joes 1994 udowodili że dla dowolych sacjoarych w węższym sesie słabo zależych i spełiających waruki Dekera i Kellera 1983 procesów oraz dla dowolych lx ly 1 i ε > 0 jeśli ie jes przyczyą o: C1 C3 2 ~ N 0 σ lx ly ε C2 C gdzie σ lx ly ε i jej esymaor są zdeiiowae w dodaku arykułu Hiemsry i Joesa. Należy podkreślić że meoda Hiemsry i Joesa ideyikuje zależości przyczyowe różej aury. ego powodu w celu ideyikacji zależości ieliiowych

4 Wiold Orzeszko Magdalea Osińska 4 ależy badaiu poddawać reszy z modelu VAR z. dae pozbawioe eweualych zależości liiowych. Auorzy esu zalecają rówież aby w drugiej kolejości dokoać ormalizacji daych i w eście rozważyć warości ε pomiędzy 05 a 15. Modyikacją meody Hiemsry i Joesa jes saysyka T zapropoowaa przez Diksa i Pachekę Auorzy ci wykazali że es Hiemsry i Joesa prowadzi do admierie częsego odrzucaia hipoezy zerowej o braku przyczyowości. Powodem ej syuacji jes brak rówoważości pomiędzy ormułami 1 i 3 a w kosekwecji rówież i 8 podczas gdy w isocie ormuła 3 jes ylko implikacją waruku deiicji Gragera. Niech ozacza wekor losowy posaci = 1 1 ly lx aomias ukcję gęsości prawdopodobieńswa. Diks i Pacheko dowodzą że hipoeza zerowa ozacza iż spełioa jes rówość: y z y y y x y z y x = 11 podczas gdy kluczowa w eście Hiemsry i Joesa ormuła 8 jes rówoważa rówości: [ ] [ ] [ ] [ ] [ ] [ ] = 12 gdzie [ ] = ds s W W W 2 i jes ierpreowaa jako miara koceracji wekora losowego W. Diks i Pacheko argumeują że pukem wyjścia w aalizie przyczyowości ie powiie być wzór 12 lecz ormuła: 0 =. 13 godie z ą kocepcją auorzy saysyki T rozważają wyrażeie: g 14 gdzie g jes dodaią ukcją wagową. W przypadku braku przyczyowości wyrażeie o zeruje się gdyż a mocy wzoru 13 warość w awiasie okrągłym jes rówa zero. W oparciu o przeprowadzoe symulacje Diks i Pacheko propoują przyjąć ukcję wagową 2 y z y x g =. Wówczas ormuła 14 przyjmuje posać: [ ] 15 Jej esymaorem jes ly lx T 1 2 ε dla małego 0 > ε gdzie: = i i k i j ij ik ij ik I I I I T

5 Aaliza przyczyowości w zakresie zależości ieliiowych. Implikacje iasowe 5 W ij oraz I = I W W ε. gdzie i j Moża udowodić że przy założeiu hipoezy o braku przyczyowości: T N01 17 S S jes zdeiiowae w dodaku arykułu Diksa i Pacheki. 2. ANALIA SMULACJNA I MPIRCNA W celu porówaia wyików esów Hiemsry i Joesa oraz Diksa i Pacheki dokoao kilku symulacji oraz zbadao empirycze szeregi iasowe doyczące relacji między dzieymi obserwacjami sóp zwrou z akcji oraz ideksów Giełdy Papierów Warościowych w Warszawie i związaych z imi wolumeów obrou. W pierwszej kolejości wygeerowao iezależie szeregi czasowe x y o rozkładzie ormalym N01. Liczba obserwacji była rówa W celu zasosowaia omówioych saysyk wykorzysae zosały programy apisae orygialie przez Hiemsrę i Pachekę dosępe w Ierecie. godie z oczekiwaiami w przypadku białych szumów esy w zasadzie ie wykazywały zależości dla żadych lx i ly z wyjąkiem esu HJ kóry wskazał a isieie zależości dla 8-go opóźieia ablica 1. 2 Wyiki esowaia przyczyowości ieliiowej dla iezależych białych szumów H 0 : y ie jes przyczyą x H 0 : x ie jes przyczyą y * Tablica1 2 W ablicach 1-12 symbol T ozacza warość saysyki esu Diksa i Pacheki zaś HJ Hiemsry i Joesa. kolei symbole * ** *** ozaczają odrzuceie H 0 a poziomie odpowiedio 10 5 i 1%.

6 6 Wiold Orzeszko Magdalea Osińska W kolejym eapie wygeerowae zosały szeregi x i y po 1000 obserwacji związae relacją ieliiową zapropoowaą przez Baeka i Brocka posaci x = ay p xq + ε gdzie ε i y są iezależymi szeregami N01. Warości paramerów przyjęo a asępującym poziomie a {05; 05} oraz p q {1; 2}. Między badaymi szeregami ie wykryo zależości liiowej sosując sadardowy es Gragera w wersji LM. Jedakże sosując esy HJ oraz T widzimy wyraźe zależości ieliiowe. Wyiki esowaia przedsawia ablica 2. Wyiki esowaia przyczyowości ieliiowej dla modelu Baeka i Brocka H 0 : y ie jes przyczyą x x 0 5y x = 2 + ε H 0 : x ie jes przyczyą y *** 2850*** *** 2448** Tablica x 0 5y x + ε = * 2021** *** 4836*** *** 3672*** *** 3033*** ** 3222*** ** 2832*** ** 2748*** ** -1738* x 0 5y x + ε = *** 5856*** *** 4645*** *** 4175*** *** 3077*** *** 3146***

7 Aaliza przyczyowości w zakresie zależości ieliiowych. Implikacje iasowe 7 Tablica 2 c.d *** 2987*** * 2332** x 0 5y x + ε = *** 4525*** *** 3557*** *** 2933*** * 1867* x 0 5y x + ε = *** 4756*** *** 3527*** *** 2509** ** 2133** * 2464** * 2312** * x 0 5y x + ε = *** 4751*** *** 3556*** ** 2607*** * 2188** * * Fiasowe implikacje ieliiowej zależości przyczyowej w sesie Gragera zosały zbadae a przykładzie relacji między sopami zwrou z akcji i ideksów

8 8 Wiold Orzeszko Magdalea Osińska giełdowych oraz odpowiadającymi im wolumeami obrou. Jes o podsawowa relacja a ryku kapiałowym. W lieraurze Hiemsra i Joes 1994 wskazuje się a wysępowaie zależości przyczyowej w obu kierukach. Jedo z wyjaśień polega a ym że apływająca sekwecyjie iormacja powoduje auokorelację w szeregach zwroów oraz wolumeów obrou. Wyika sąd iż obydwa szeregi mogą wzajemie wyjaśiać swoją dyamikę w krókim okresie. Silvapulle i Choi 1999 zasosowali es HJ do daych koreańskich zajdując am wzajeme ieliiowe relacje przyczyowe. W prezeowaym badaiu przeaalizowae zosały relacje przyczyowe między logarymiczymi sopami dzieych zmia ce i obroów spółek: Agora KGHM PKN oraz ideksów ogólych: WIG WIG20 i brażowych: WIG-baki WIG-bud WIG-io WIG-spożyw obserwowaych w okresie W przypadku szeregów empiryczych zasosowao asępującą procedurę krokową ilrującą eweuale zależości w warukowej wariacji oraz zależości liiowe. Koleje eapy procedury były asępujące: 1. przeilrowaie modelem GARCH11 i wyliczeie resz sadaryzowaych 2. elimiacja zależości liiowych model VAR 3. ormalizacja orzymaych szeregów u = x x / S x 4. obliczeie warości saysyk HJ oraz T dla ε = porówaie z warościami kryyczymi N01 rozkład dwusroy. Wyiki esowaia przyczyowości przedsawioe zosały w ablicach We wszyskich przypadkach przyjęo asępujące ozaczeia: x logarymicze sopy dzieych zmia ce/poziomów y logarymicze sopy dzieych zmia warości obroów. Tablica 3 Wyiki esowaia przyczyowości między sopą zmia ce a sopą zmia wolumeów obrou dla spółki Agora /Model VAR: brak przyczyowości liiowej w obu kierukach/ H 0 : y ie jes przyczyą x H 0 : x ie jes przyczyą y * *** -2736*** * -1895* * -1835*

9 Aaliza przyczyowości w zakresie zależości ieliiowych. Implikacje iasowe 9 Tablica 4 Wyiki esowaia przyczyowości między sopą zmia ce a sopą zmia wolumeów obrou dla spółki KGHM /Model VAR: brak przyczyowości liiowej w obu kierukach/ H 0 : y ie jes przyczyą x H 0 : x ie jes przyczyą y ** * * Tablica 5 Wyiki esowaia przyczyowości między sopą zmia ce a sopą zmia wolumeów obrou dla spółki PKN /Model VAR: brak przyczyowości liiowej w obu kierukach/ H 0 : y ie jes przyczyą x H 0 : x ie jes przyczyą y Lx=ly T HJ T HJ * -1972** abeli 3 wyika że wielkości zmia obroów są zdeermiowae wcześiejszymi zmiaami ce przy czym wskazuje a o zarówo es T jak i HJ. ależość aka jes aurala gdyż iwesorzy a bieżąco aalizują zmiay ce dososowując do ich swe decyzje doyczące kupa i sprzedaży. W ablicach 4 i 5 moża zaobserwować icydealie pojawiające się przypadki odrzuceia hipoezy o braku przyczyowości ieliiowej. Waro akże zwrócić uwagę że w przypadku spółek ie wysąpiły liiowe zależości przyczyowe. W przypadku ideksów giełdowych zależości o charakerze liiowym miały miejsce przy czym zmiaa ideksu deermiowała zmiaę wolumeu obroów.

10 10 Wiold Orzeszko Magdalea Osińska Tablica 6 Wyiki esowaia przyczyowości między sopą zmia ce a sopą zmia wolumeów obrou dla ideksu WIG /Model VAR: x wpływa a y; w przeciwym kieruku brak/ H 0 : y ie jes przyczyą x H 0 : x ie jes przyczyą y ** -2327** *** -2656*** Tablica 7 Wyiki esowaia przyczyowości między sopą zmia ce a sopą zmia wolumeów obrou dla ideksu WIG20 /Model VAR: x wpływa a y; w przeciwym kieruku brak/ H 0 : y ie jes przyczyą x H 0 : x ie jes przyczyą y ** -2380** *** -3736*** *** -4456*** ** -2469** *

11 Aaliza przyczyowości w zakresie zależości ieliiowych. Implikacje iasowe 11 Tablica 8 Wyiki esowaia przyczyowości między sopą zmia ce a sopą zmia wolumeów obrou dla ideksu WIG-baki /Model VAR: brak przyczyowości liiowej w obu kierukach/ H 0 : y ie jes przyczyą x H 0 : x ie jes przyczyą y * * * -2518** Tablica 9 Wyiki esowaia przyczyowości między sopą zmia ce a sopą zmia wolumeów obrou dla ideksu WIG-bud /Model VAR: brak przyczyowości liiowej w obu kierukach/ H 0 : y ie jes przyczyą x H 0 : x ie jes przyczyą y *

12 12 Wiold Orzeszko Magdalea Osińska Tablica 10 Wyiki esowaia przyczyowości między sopą zmia ce a sopą zmia wolumeów obrou dla ideksu WIG-io /Model VAR: x wpływa a y; w przeciwym kieruku brak/ H 0 : y ie jes przyczyą x H 0 : x ie jes przyczyą y * -1822* * Tablica 11 Wyiki esowaia przyczyowości między sopą zmia ce a sopą zmia wolumeów obrou dla ideksu WIG-spożyw /Model VAR: brak przyczyowości liiowej w obu kierukach/ H 0 : y ie jes przyczyą x H 0 : x ie jes przyczyą y

13 Aaliza przyczyowości w zakresie zależości ieliiowych. Implikacje iasowe 13 Tablica 12 Wyiki esowaia przyczyowości między sopą zmia ce a sopą zmia wolumeów obrou dla ideksu WIG-elkom /Model VAR: brak przyczyowości liiowej w obu kierukach/ H 0 : y ie jes przyczyą x H 0 : x ie jes przyczyą y * -1742* -1662* -1953* ** -2777*** * -3337*** -3632*** ** -2595*** ** Aalizując wyiki orzymae ideksów giełdowych moża wskazać że ideksy globale akie jak WIG i WIG20 wykazywały ieliiowe zależości przyczyowe w kieruku od zmia ce do zmia obroów. Ideksy brażowe poza WIG-baki i WIG-elkom - wykazywały a ogół brak przyczyowości w obu kierukach. upełie odmiee zachowaie odoowao w przypadku WIG-elkom w przypadku kórego isoa okazała się zależość przyczyowa w obu kierukach. Wydaje się że powyższe zależości mogą być wypadkową akywości iwesorów i płyości ryku sąd dla WIG-elkom zaobserwowao zależości wysępujące a rozwiięych rykach kapiałowych. PODSUMOWANI Baek i Brock zapropoowali uiwersale podejście do zdeiiowaia i aalizy ieliiowej przyczyowości w sesie Gragera. Hiemsra i Joes zmodyikowali ę meodologię upraszczając założeia co do badaych procesów. Poado zapropoowali oi procedurę ilrującą zależości wyikające ze zmieości wariacji warukowej oraz z liiowych zależości przyczyowych. Najowszych modyikacji dokoali Diks i Pacheko w osaich laach kórzy skocerowali się a zgodości deiicji przyczyowości ieliiowej z pierwoą zapropoowaą przez Gragera. Wykazali oi poado że z powodu ych ieścisłości es HJ zby częso odrzucał hipoezę zerową. W chwili obecej poza iedoskoałością samej meody źródłem błędów wioskowaia wydaje się przyjęcie procedury ilrującej zależości liiowe. Ich

14 14 Wiold Orzeszko Magdalea Osińska iewłaściwa specyikacja może prowadzić do zakłóceia relacji ieliiowych. Celem reerau było porówaie wyików esów Hiemsry i Joesa oraz Diksa i Pacheki a daych geerowaych oraz zbadaie czy w rzeczywisych szeregach iasowych mają miejsce zależości ieliiowe. W przypadku daych geerowaych iezależe białe szumy oraz model Baeka i Brocka orzymao rezulay zgode z oczekiwaymi. Jeśli chodzi o badaie zależości przyczyowych między zmiaami ce a zmiaami obroów a Giełdzie Papierów Warościowych w Warszawie o a ogół zmiay ce deermiowały zmiay obroów. W przypadku spółek ie odoowao liiowej przyczyowości w sesie Gragera aomias w przypadku ideksów zależości ieliiowe wysępowały akże po elimiacji pozyywie zweryikowaych związków liiowych. Dla ideksu brażowego WIG-elkom wskazao a isieie przyczyowości w obu kierukach. Tes HJ rzeczywiście wykazywał pewą skłoość do odrzucaia H 0 częściej iż es T. Orzymae wyiki sugerują koieczość prowadzeia szczegółowych badań w ym zakresie a akże rozważeia ieliiowych specyikacji modeli wykorzysywaych a rykach kapiałowych. LITRATURA 1. Baek.G. Brock W.A A geeral es or oliear Grager causaliy: Bivariae model. Techical Repor. Iowa Sae Uiversiy ad Uiversiy o Wiscosi Madiso. 2. Deker M. Keller G O U-saisics ad vo Mises saisics or weakly depede processes. eischri ür Wahrscheilichkeisheorie ud Verwade Gebiee Diks C. Pacheko V A ew saisic ad pracical guidelies or oparameric Grager causaliy esig. Ceer or Noliear Dyamics i coomics ad Fiace. Workig Paper. 4. Grager C.W.J Ivesigaig causal relaios by ecoomeric models ad crossspecral mehods. coomerica Grager C.W.J. Huag B-H ag Ch-W A bivariae causaliy bewee sock prices ad exchage raes: evidece rom rece Asia lu. The Quarerly Review o coomics ad Fiace Hiemsra C. Joes J.D Tesig or liear ad oliear Grager causaliy i he sock price volume relaio. Joural o Fiace Jorio P The exchage rae exposure o US muliaioals. Joural o Busiess Silvapulle P. Choi J-S Tesig or liear ad oliear Grager causaliy i he sock price volume relaio: Korea evidece. The Quarerly Review o coomics ad Fiace 39.

Witold Orzeszko Uniwersytet Mikołaja Kopernika w Toruniu

Witold 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 szczegółowo

Efektywność projektów inwestycyjnych. Statyczne i dynamiczne metody oceny projektów inwestycyjnych

Efektywność projektów inwestycyjnych. Statyczne i dynamiczne metody oceny projektów inwestycyjnych Efekywość projeków iwesycyjych Saycze i dyamicze meody ocey projeków iwesycyjych Źródła fiasowaia Iwesycje Rzeczowe Powiększeie mająku rwałego firmy, zysk spodzieway w dłuższym horyzocie czasowym. Fiasowe

Bardziej szczegółowo

Matematyka ubezpieczeń majątkowych 9.10.2006 r. Zadanie 1. Rozważamy proces nadwyżki ubezpieczyciela z czasem dyskretnym postaci: n

Matematyka ubezpieczeń majątkowych 9.10.2006 r. Zadanie 1. Rozważamy proces nadwyżki ubezpieczyciela z czasem dyskretnym postaci: n Maemayka ubezpieczeń mająkowych 9.0.006 r. Zadaie. Rozważamy proces adwyżki ubezpieczyciela z czasem dyskreym posaci: U = u + c S = 0... S = W + W +... + W W W W gdzie zmiee... są iezależe i mają e sam

Bardziej szczegółowo

4. MODELE ZALEŻNE OD ZDARZEŃ

4. MODELE ZALEŻNE OD ZDARZEŃ 4. MODELE ZALEŻNE OD ZDARZEŃ 4.. Wrowadzeie W sysemach zależych od zdarzeń wyzwalaie określoego zachowaia się układu jes iicjowae rzez dyskree zdarzeia. Modelowaie akich syuacji ma a celu symulacyją aalizę

Bardziej szczegółowo

Niepewności pomiarowe

Niepewności pomiarowe Niepewości pomiarowe Obserwacja, doświadczeie, pomiar Obserwacja zjawisk fizyczych polega a badaiu ych zjawisk w warukach auralych oraz a aalizie czyików i waruków, od kórych zjawiska e zależą. Waruki

Bardziej szczegółowo

TRANZYSTORY POLOWE JFET I MOSFET

TRANZYSTORY POLOWE JFET I MOSFET POLTECHNKA RZEZOWKA Kaedra Podsaw Elekroiki srukcja Nr5 F 00/003 sem. lei TRANZYTORY POLOWE JFET MOFET Cel ćwiczeia: Pomiar podsawowych charakerysyk i wyzaczeie paramerów określających właściwości razysora

Bardziej szczegółowo

DYNAMICZNE MODELE EKONOMETRYCZNE

DYNAMICZNE MODELE EKONOMETRYCZNE DYNAMICZNE MODELE EKONOMETRYCZNE IX Ogólnopolskie Seminarium Naukowe, 6 8 września 005 w Toruniu Kaedra Ekonomerii i Saysyki, Uniwersye Mikołaja Kopernika w Toruniu Pior Fiszeder Uniwersye Mikołaja Kopernika

Bardziej szczegółowo

Metody oceny efektywności projektów inwestycyjnych

Metody oceny efektywności projektów inwestycyjnych Opracował: Leszek Jug Wydział Ekoomiczy, ALMAMER Szkoła Wyższa Meody ocey efekywości projeków iwesycyjych Niezbędym warukiem urzymywaia się firmy a ryku jes zarówo skuecze bieżące zarządzaie jak i podejmowaie

Bardziej szczegółowo

Czas trwania obligacji (duration)

Czas trwania obligacji (duration) Czas rwaia obligacji (duraio) Do aalizy ryzyka wyikającego ze zmia sóp proceowych (szczególie ryzyka zmiay cey) wykorzysuje się pojęcie zw. średiego ermiu wykupu obligacji, zwaego rówież czasem rwaia obligacji

Bardziej szczegółowo

Obligacja i jej cena wewnętrzna

Obligacja i jej cena wewnętrzna Obligacja i jej cea wewęrza Obligacja jes o isrume fiasowy (papier warościowy), w kórym jeda sroa, zwaa emieem obligacji, swierdza, że jes dłużikiem drugiej sroy, zwaej obligaariuszem (jes o właściciel

Bardziej szczegółowo

D:\materialy\Matematyka na GISIP I rok DOC\07 Pochodne\8A.DOC 2004-wrz-15, 17: Obliczanie granic funkcji w punkcie przy pomocy wzoru Taylora.

D:\materialy\Matematyka na GISIP I rok DOC\07 Pochodne\8A.DOC 2004-wrz-15, 17: Obliczanie granic funkcji w punkcie przy pomocy wzoru Taylora. D:\maerialy\Maemayka a GISIP I rok DOC\7 Pochode\8ADOC -wrz-5, 7: 89 Obliczaie graic fukcji w pukcie przy pomocy wzoru Taylora Wróćmy do wierdzeia Taylora (wzory (-( Tw Szczególie waża dla dalszych R rozważań

Bardziej szczegółowo

Podstawy zarządzania finansami przedsiębiorstwa

Podstawy zarządzania finansami przedsiębiorstwa Podsawy zarządzaia fiasami przedsiębiorswa I. Wprowadzeie 1. Gospodarowaie fiasami w przedsiębiorswie polega a: a) określeiu spodziewaych korzyści i koszów wyikających z form zaagażowaia środków fiasowych

Bardziej szczegółowo

DYNAMICZNE MODELE EKONOMETRYCZNE

DYNAMICZNE 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 szczegółowo

, gdzie b 4c 0 oraz n, m ( 2). 2 2 b b b b b c b x bx c x x c x x

, gdzie b 4c 0 oraz n, m ( 2). 2 2 b b b b b c b x bx c x x c x x Meody aeaycze w echologii aeriałów Uwaga: Proszę paięać, że a zajęciach obowiązuje akże zajoość oówioych w aeriałach przykładów!!! CAŁKOWANIE FUNKCJI WYMIERNYCH Fukcją wyierą azyway fukcję posaci P ( )

Bardziej szczegółowo

WNIOSKOWANIE STATYSTYCZNE

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 szczegółowo

OeconomiA copernicana. Małgorzata Madrak-Grochowska, Mirosława Żurek Uniwersytet Mikołaja Kopernika w Toruniu

OeconomiA 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 szczegółowo

ESTYMACJA KRZYWEJ DOCHODOWOŚCI STÓP PROCENTOWYCH DLA POLSKI

ESTYMACJA 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 szczegółowo

1.3. Metody pomiaru efektu kreacji wartości przedsiębiorstwa

1.3. Metody pomiaru efektu kreacji wartości przedsiębiorstwa 48 Warość przedsiębiorswa 1.3. Meody pomiaru efeku kreacji warości przedsiębiorswa Przesłaki pomiaru efeku kreacji warości przedsiębiorswa Aby kocepcja zarządzaia warością mogła być wprowadzoa w Ŝycie,

Bardziej szczegółowo

Metrologia: miary dokładności. dr inż. Paweł Zalewski Akademia Morska w Szczecinie

Metrologia: miary dokładności. dr inż. Paweł Zalewski Akademia Morska w Szczecinie Metrologia: miary dokładości dr iż. Paweł Zalewski Akademia Morska w Szczeciie Miary dokładości: Najczęściej rozkład pomiarów w serii wokół wartości średiej X jest rozkładem Gaussa: Prawdopodobieństwem,

Bardziej szczegółowo

Wykład FIZYKA I. 2. Kinematyka punktu materialnego. Dr hab. inż. Władysław Artur Woźniak

Wykład FIZYKA I. 2. Kinematyka punktu materialnego.  Dr hab. inż. Władysław Artur Woźniak Dr hab. iż. Władysław Arur Woźiak Wykład FIZYKA I. Kiemayka puku maerialego Dr hab. iż. Władysław Arur Woźiak Isyu Fizyki Poliechiki Wrocławskiej hp://www.if.pwr.wroc.pl/~woziak/fizyka1.hml Dr hab. iż.

Bardziej szczegółowo

MIANO ROZTWORU TITRANTA. Analiza statystyczna wyników oznaczeń

MIANO ROZTWORU TITRANTA. Analiza statystyczna wyników oznaczeń MIANO ROZTWORU TITRANTA Aaliza saysycza wyików ozaczeń Esymaory pukowe Średia arymeycza x jes o suma wyików w serii podzieloa przez ich liczbę: gdzie: x i - wyik poszczególego ozaczeia - liczba pomiarów

Bardziej szczegółowo

Gretl konstruowanie pętli Symulacje Monte Carlo (MC)

Gretl konstruowanie pętli Symulacje Monte Carlo (MC) Grel kosruowaie pęli Symulacje Moe Carlo (MC) W Grelu, aby przyspieszyć pracę, wykoać iesadardową aalizę (ie do wyklikaia ) możliwe jes użycie pęli. Pęle realizuje komeda loop, kóra przyjmuje zesaw iych

Bardziej szczegółowo

5. Zasada indukcji matematycznej. Dowody indukcyjne.

5. Zasada indukcji matematycznej. Dowody indukcyjne. Notatki do lekcji, klasa matematycza Mariusz Kawecki, II LO w Chełmie 5. Zasada idukcji matematyczej. Dowody idukcyje. W rozdziale sformułowaliśmy dla liczb aturalych zasadę miimum. Bezpośredią kosekwecją

Bardziej szczegółowo

DEA podstawowe modele

DEA podstawowe modele Marek Miszczński KBO UŁ 2008 - Aaliza dach graiczch (EA) cz.2 (przkład aaliza damiki rakigi) EA podsawowe modele WPROWAZENIE Efekwość (produkwość) obieku gospodarczego o es defiiowaa ako sosuek sum ważoch

Bardziej szczegółowo

Krzysztof Piontek Weryfikacja modeli Blacka-Scholesa dla opcji na WIG20

Krzysztof 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 szczegółowo

Jarosław Wróblewski Analiza Matematyczna 1A, zima 2012/13. Ciągi.

Jarosław Wróblewski Analiza Matematyczna 1A, zima 2012/13. Ciągi. Jarosław Wróblewski Aaliza Matematycza 1A, zima 2012/13 Ciągi. Ćwiczeia 5.11.2012: zad. 140-173 Kolokwium r 5, 6.11.2012: materiał z zad. 1-173 Ćwiczeia 12.11.2012: zad. 174-190 13.11.2012: zajęcia czwartkowe

Bardziej szczegółowo

WYBRANE TESTY NIEOBCIĄŻONOŚCI MIAR RYZYKA NA PRZYKŁADZIE VALUE AT RISK

WYBRANE 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 szczegółowo

OCENA POPYTU POPYT POJĘCIA WSTĘPNE. Definicja: Popyt to ilość dobra, jaką nabywcy gotowi są zakupić przy różnych poziomach ceny.

OCENA POPYTU POPYT POJĘCIA WSTĘPNE. Definicja: Popyt to ilość dobra, jaką nabywcy gotowi są zakupić przy różnych poziomach ceny. OCENA POPYTU POPYT POJĘCIA WSTĘPNE Defiicja: Pop o ilość dobra, jaką abwc goowi są zakupić prz różch poziomach ce. Deermia popu: (a) Cea daego dobra (b) Ilość i ce dóbr subsucjch (zw. kokurecjch) (c) Ilość

Bardziej szczegółowo

ROZDZIAŁ 5 WPŁYW SYSTEMU OPODATKOWANIA DOCHODU NA EFEKTYWNOŚĆ PROCESU DECYZYJNEGO

ROZDZIAŁ 5 WPŁYW SYSTEMU OPODATKOWANIA DOCHODU NA EFEKTYWNOŚĆ PROCESU DECYZYJNEGO Agieszka Jakubowska ROZDZIAŁ 5 WPŁYW SYSTEMU OPODATKOWANIA DOCHODU NA EFEKTYWNOŚĆ PROCESU DECYZYJNEGO. Wstęp Skąplikowaie współczesego życia gospodarczego powoduje, iż do sterowaia procesem zarządzaia

Bardziej szczegółowo

Szacowanie składki w ubezpieczeniu od ryzyka niesamodzielności

Szacowanie składki w ubezpieczeniu od ryzyka niesamodzielności Skłaki w ubezpieczeiu o ryzyka iesamozielości EDYTA SIDOR-BANASZEK Szacowaie skłaki w ubezpieczeiu o ryzyka iesamozielości Kalkulacja skłaki w ubezpieczeiach jes barzo ważym zagaieiem związaym z maemayką

Bardziej szczegółowo

ZESZYTY NAUKOWE UNIWERSYTETU SZCZECIŃSKIEGO NR 760 FINANSE, RYNKI FINANSOWE, UBEZPIECZENIA NR 59 2013

ZESZYTY NAUKOWE UNIWERSYTETU SZCZECIŃSKIEGO NR 760 FINANSE, RYNKI FINANSOWE, UBEZPIECZENIA NR 59 2013 ZESZYTY NAUKOWE UNIWERSYTETU SZCZECIŃSKIEGO NR 760 FINANSE, RYNKI FINANSOWE, UBEZPIECZENIA NR 59 203 ANDRZEJ JAKI POMIAR I OCENA EFEKTYWNOŚCI KREOWANIA WARTOŚCI W PRZEDSIĘBIORSTWIE Słowa kluczowe: efekywość

Bardziej szczegółowo

Spis treści Przedmowa... 4 Wykaz niektórych oznaczeń... 5 1.,, Liczby losowe"... 6 2. Generatory liczb losowych o rozkładzie równomiernym... 8 2.1.

Spis treści Przedmowa... 4 Wykaz niektórych oznaczeń... 5 1.,, Liczby losowe... 6 2. Generatory liczb losowych o rozkładzie równomiernym... 8 2.1. Spis reści Przedmowa... 4 Wykaz iekórych ozaczeń... 5.,, Liczby losowe"... 6. Geeraory liczb losowych o rozkładzie rówomierym... 8.. Wprowadzeie... 8.. Geeraory liiowe... 0... Opis... 0... Okres geeraora.....3.

Bardziej szczegółowo

EKONOMETRIA wykład 2. Prof. dr hab. Eugeniusz Gatnar.

EKONOMETRIA 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 szczegółowo

Prognozowanie średniego miesięcznego kursu kupna USD

Prognozowanie 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 szczegółowo

Stanisław Cichocki Natalia Nehrebecka. Wykład 4

Stanisław 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 szczegółowo

Wykaz zmian wprowadzonych do skrótu prospektu informacyjnego KBC Parasol Funduszu Inwestycyjnego Otwartego w dniu 04 stycznia 2010 r.

Wykaz zmian wprowadzonych do skrótu prospektu informacyjnego KBC Parasol Funduszu Inwestycyjnego Otwartego w dniu 04 stycznia 2010 r. Wykaz zmia wprowadzoych do skróu prospeku iformacyjego KBC Parasol Fuduszu Iwesycyjego Owarego w diu 0 syczia 200 r. Rozdział I Dae o Fuduszu KBC Subfudusz Papierów DłuŜych Brzmieie doychczasowe: 6. Podsawowe

Bardziej szczegółowo

Analiza danych DRZEWA DECYZYJNE. Drzewa decyzyjne. Entropia. http://zajecia.jakubw.pl/ test 1 dopełnienie testu 1

Analiza danych DRZEWA DECYZYJNE. Drzewa decyzyjne. Entropia. http://zajecia.jakubw.pl/ test 1 dopełnienie testu 1 Analiza danych Drzewa decyzyjne. Enropia. Jakub Wróblewski jakubw@pjwsk.edu.pl hp://zajecia.jakubw.pl/ DRZEWA DECYZYJNE Meoda reprezenacji wiedzy (modelowania ablic decyzyjnych). Pozwala na przejrzysy

Bardziej szczegółowo

STATYSTYKA I ANALIZA DANYCH

STATYSTYKA I ANALIZA DANYCH TATYTYKA I ANALIZA DANYCH Zad. Z pewej partii włókie weły wylosowao dwie próbki włókie, a w każdej z ich zmierzoo średicę włókie różymi metodami. Otrzymao astępujące wyiki: I próbka: 50; średia średica

Bardziej szczegółowo

INWESTYCJE MATERIALNE

INWESTYCJE MATERIALNE OCENA EFEKTYWNOŚCI INWESTYCJI INWESTCJE: proces wydatkowaia środków a aktywa, z których moża oczekiwać dochodów pieiężych w późiejszym okresie. Każde przedsiębiorstwo posiada pewą liczbę możliwych projektów

Bardziej szczegółowo

3. Regresja liniowa Założenia dotyczące modelu regresji liniowej

3. Regresja liniowa Założenia dotyczące modelu regresji liniowej 3. Regresja liiowa 3.. Założeia dotyczące modelu regresji liiowej Aby moża było wykorzystać model regresji liiowej, muszą być spełioe astępujące założeia:. Relacja pomiędzy zmieą objaśiaą a zmieymi objaśiającymi

Bardziej szczegółowo

EKONOMETRIA. Liniowy model ekonometryczny (regresji) z jedną zmienną objaśniającą

EKONOMETRIA. Liniowy model ekonometryczny (regresji) z jedną zmienną objaśniającą EKONOMETRIA Tema wykładu: Liiowy model ekoomeryczy (regresji z jedą zmieą objaśiającą Prowadzący: dr iż. Zbigiew TARAPATA e-mail: Zbigiew.Tarapaa Tarapaa@isi.wa..wa.edu.pl hp:// zbigiew.arapaa.akcja.pl/p_ekoomeria/

Bardziej szczegółowo

UMK w Toruniu ANALIZA ZALEŻNOŚCI MIĘDZY INDEKSEM WIG A WYBRANYMI INDEKSAMI RYNKÓW AKCJI NA ŚWIECIE

UMK 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 szczegółowo

Matematyka finansowa 25.01.2003 r.

Matematyka finansowa 25.01.2003 r. Memyk fisow 5.0.003 r.. Kóre z poiższych ożsmości są prwdziwe? (i) ( ) i v v i k m k m + (ii) ( ) ( ) ( ) m m v (iii) ( ) ( ) 0 + + + v i v i i Odpowiedź: A. ylko (i) B. ylko (ii) C. ylko (iii) D. (i),

Bardziej szczegółowo

Arkusz ćwiczeniowy z matematyki Poziom podstawowy ZADANIA ZAMKNIĘTE. W zadaniach od 1. do 21. wybierz i zaznacz poprawną odpowiedź. 1 C. 3 D.

Arkusz ćwiczeniowy z matematyki Poziom podstawowy ZADANIA ZAMKNIĘTE. W zadaniach od 1. do 21. wybierz i zaznacz poprawną odpowiedź. 1 C. 3 D. Arkusz ćwiczeiowy z matematyki Poziom podstawowy ZADANIA ZAMKNIĘTE W zadaiach od. do. wybierz i zazacz poprawą odpowiedź. Zadaie. ( pkt) Liczbę moża przedstawić w postaci A. 8. C. 4 8 D. 4 Zadaie. ( pkt)

Bardziej szczegółowo

Transakcje insiderów a ceny akcji spółek notowanych na Giełdzie Papierów Wartościowych w Warszawie S.A.

Transakcje 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 szczegółowo

Miary rozproszenia. Miary położenia. Wariancja. Średnia. Dla danych indywidualnych: Dla danych indywidualnych: s 2 = 1 n. (x i x) 2. x i.

Miary rozproszenia. Miary położenia. Wariancja. Średnia. Dla danych indywidualnych: Dla danych indywidualnych: s 2 = 1 n. (x i x) 2. x i. Miary położeia Średia Dla daych idywidualych: x = 1 x = 1 x i i ẋ i gdzie ẋ i środek i tego przedziału i - liczość i-tego przedziału Domiata moda Liczba ajczęściej występująca jeśli taka istieje - dla

Bardziej szczegółowo

Materiał ćwiczeniowy z matematyki Marzec 2012

Materiał ćwiczeniowy z matematyki Marzec 2012 Materiał ćwiczeiowy z matematyki Marzec 0 Klucz puktowaia do zadań zamkiętych oraz schemat oceiaia do zadań otwartych POZIOM PODSTAWOWY Marzec 0 Klucz puktowaia do zadań zamkiętych Nr zad 3 5 6 7 8 9 0

Bardziej szczegółowo

3. Funkcje elementarne

3. Funkcje elementarne 3. Fukcje elemetare Fukcjami elemetarymi będziemy azywać fukcję tożsamościową x x, fukcję wykładiczą, fukcje trygoometrycze oraz wszystkie fukcje, jakie moża otrzymać z wyżej wymieioych drogą astępujących

Bardziej szczegółowo

WERSJA TESTU A. Komisja Egzaminacyjna dla Aktuariuszy. LX Egzamin dla Aktuariuszy z 28 maja 2012 r. Część I. Matematyka finansowa

WERSJA TESTU A. Komisja Egzaminacyjna dla Aktuariuszy. LX Egzamin dla Aktuariuszy z 28 maja 2012 r. Część I. Matematyka finansowa Matematyka fiasowa 8.05.0 r. Komisja Egzamiacyja dla Aktuariuszy LX Egzami dla Aktuariuszy z 8 maja 0 r. Część I Matematyka fiasowa WERJA EU A Imię i azwisko osoby egzamiowaej:... Czas egzamiu: 00 miut

Bardziej szczegółowo

Wytrzymałość śruby wysokość nakrętki

Wytrzymałość śruby wysokość nakrętki Wyzymałość śuby wysoość aęi Wpowazeie zej Wie Działająca w śubie siła osiowa jes pzeoszoa pzez zeń i zwoje gwiu. owouje ozciągaie lub ścisaie zeia śuby, zgiaie i ściaie zwojów gwiu oaz wywołuje acisi a

Bardziej szczegółowo

Miary położenia. Miary rozproszenia. Średnia. Wariancja. Dla danych indywidualnych: Dla danych indywidualnych: s 2 = 1 n. (x i x) 2. x i.

Miary położenia. Miary rozproszenia. Średnia. Wariancja. Dla danych indywidualnych: Dla danych indywidualnych: s 2 = 1 n. (x i x) 2. x i. Miary położeia Średia Dla daych idywidualych: x = 1 x = 1 x i i ẋ i gdzie ẋ i środek i tego przedziału i - liczość i-tego przedziału Domiata moda Liczba ajczęściej występująca jeśli taka istieje - dla

Bardziej szczegółowo

t - kwantyl rozkładu t-studenta rzędu p o f stopniach swobody

t - kwantyl rozkładu t-studenta rzędu p o f stopniach swobody ZJAZD ANALIZA DANYCH CIĄGŁYCH ramach zajęć będą badae próbki pochodzące z poplacji w kórych badaa cecha ma rozkład ormaly N(μ σ). Na zajęciach będą: - wyzaczae przedziały fości dla warości średiej i wariacji

Bardziej szczegółowo

Niestacjonarne zmienne czasowe własności i testowanie

Niestacjonarne 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 szczegółowo

E 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 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 szczegółowo

Inwestycje. MPK = R/P = uc (1) gdzie uc - realny koszt pozyskania kapitału. Przyjmując, że funkcja produkcji ma postać Cobba-Douglasa otrzymamy: (3)

Inwestycje. MPK = R/P = uc (1) gdzie uc - realny koszt pozyskania kapitału. Przyjmując, że funkcja produkcji ma postać Cobba-Douglasa otrzymamy: (3) Dr Barłomij Rokicki Ćwiczia z Makrokoomii II Iwsycj Iwsycj są ym składikim PB, kóry wykazuj ajwiększą skłoość do flukuacji czyli wahań. Spadk popyu a dobra i usługi jaki js obsrwoway podczas rcsji zwykl

Bardziej szczegółowo

Rys.1. Podstawowa klasyfikacja sygnałów

Rys.1. Podstawowa klasyfikacja sygnałów Kaedra Podsaw Sysemów echnicznych - Podsawy merologii - Ćwiczenie 1. Podsawowe rodzaje i ocena sygnałów Srona: 1 1. CEL ĆWICZENIA Celem ćwiczenia jes zapoznanie się z podsawowymi rodzajami sygnałów, ich

Bardziej szczegółowo

Matematyka finansowa r. Komisja Egzaminacyjna dla Aktuariuszy. XXXIV Egzamin dla Aktuariuszy z 17 stycznia 2005 r.

Matematyka finansowa r. Komisja Egzaminacyjna dla Aktuariuszy. XXXIV Egzamin dla Aktuariuszy z 17 stycznia 2005 r. Komisja Egzamiacyja dla Akuariuszy XXXIV Egzami dla Akuariuszy z 17 syczia 2005 r. Część I Maemayka fiasowa Imię i azwisko osoby egzamiowaej:... WERSJA TESTU A Czas egzamiu: 100 miu 1 1. Day jes ieskończoy

Bardziej szczegółowo

Alicja Ganczarek Akademia Ekonomiczna w Katowicach. Analiza niezależności przekroczeń VaR na wybranym segmencie rynku energii

Alicja 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 szczegółowo

Akademia Ekonomiczna im. Oskara Langego we Wrocławiu Katedra Inwestycji Finansowych i Ubezpieczeń

Akademia Ekonomiczna im. Oskara Langego we Wrocławiu Katedra Inwestycji Finansowych i Ubezpieczeń Krzyszof Pionek Akademia Ekonomiczna im. Oskara Langego we Wrocławiu Kaedra Inwesycji Finansowych i Ubezpieczeń Przegląd i porównanie meod oceny modeli VaR Wsęp - Miara VaR Warość zagrożona (warość narażona

Bardziej szczegółowo

DYNAMICZNE MODELE EKONOMETRYCZNE

DYNAMICZNE 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 szczegółowo

ZASTOSOWANIE TESTU PERRONA DO BADANIA PUNKTÓW ZWROTNYCH INDEKSÓW GIEŁDOWYCH: WIG, WIG20, MIDWIG I TECHWIG

ZASTOSOWANIE 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 szczegółowo

Studia Ekonomiczne. Zeszyty Naukowe Uniwersytetu Ekonomicznego w Katowicach ISSN 2083-8611 Nr 219 2015

Studia 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 szczegółowo

Ćwiczenia rachunkowe TEST ZGODNOŚCI χ 2 PEARSONA ROZKŁAD GAUSSA

Ćwiczenia rachunkowe TEST ZGODNOŚCI χ 2 PEARSONA ROZKŁAD GAUSSA Aaliza iepewości pomiarowych w esperymetach fizyczych Ćwiczeia rachuowe TEST ZGODNOŚCI χ PEARSONA ROZKŁAD GAUSSA UWAGA: Na stroie, z tórej pobrałaś/pobrałeś istrucję zajduje się gotowy do załadowaia arusz

Bardziej szczegółowo

Bezrobocie. wysiłek. krzywa wysiłku pracownika E * płaca realna. w/p *

Bezrobocie. wysiłek. krzywa wysiłku pracownika E * płaca realna. w/p * dr Barłomiej Rokicki Bezrobocie Jedym z główych powodów, dla kórych a ryku pracy obserwujemy poziom bezrobocia wyższy od auralego (czyli akiego, kórego zasadiczo ie da się obiżyć) jes o, iż płace wyzaczae

Bardziej szczegółowo

Nie(efektywność) informacyjna giełdowego rynku kontraktów terminowych w Polsce

Nie(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 szczegółowo

Analiza matematyczna. Robert Rałowski

Analiza matematyczna. Robert Rałowski Aaliza matematycza Robert Rałowski 6 paździerika 205 2 Spis treści 0. Liczby aturale.................................... 3 0.2 Liczby rzeczywiste.................................... 5 0.2. Nierówości...................................

Bardziej szczegółowo

Islamskie indeksy giełdowe

Islamskie indeksy giełdowe Bak i Kredy maj 2007 Produky i Techiki Bakowe Miscellaea 67 slamskie ideksy giełdowe slamic Marke dexes Jacek Karwowski* pierwsza wersja: 21 maja 2007 r., osaecza wersja: 28 czerwca 2007 r., zaakcepoway:

Bardziej szczegółowo

O PEWNYCH KRYTERIACH INWESTOWANIA W OPCJE NA AKCJE

O PEWNYCH KRYTERIACH INWESTOWANIA W OPCJE NA AKCJE MEODY ILOŚCIOWE W BADANIACH EKONOMICZNYCH om XIII/3, 01, sr 43 5 O EWNYCH KRYERIACH INWESOWANIA W OCJE NA AKCJE omasz Warowny Kaedra Meod Ilościowych w Zarządzaniu oliechnika Lubelska e-mail: warowny@pollubpl

Bardziej szczegółowo

DYNAMICZNE MODELE EKONOMETRYCZNE

DYNAMICZNE 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 szczegółowo

Stanisław Cichocki Natalia Nehrebecka. Wykład 3

Stanisław 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 szczegółowo

PROPOZYCJA NOWEJ METODY OKREŚLANIA ZUŻYCIA TECHNICZNEGO BUDYNKÓW

PROPOZYCJA NOWEJ METODY OKREŚLANIA ZUŻYCIA TECHNICZNEGO BUDYNKÓW Udosępnione na prawach rękopisu, 8.04.014r. Publikacja: Knyziak P., "Propozycja nowej meody określania zuzycia echnicznego budynków" (Proposal Of New Mehod For Calculaing he echnical Deerioraion Of Buildings),

Bardziej szczegółowo

PODSTAWY OPRACOWANIA WYNIKÓW POMIARÓW Z ELEMENTAMI ANALIZY NIEPEWNOŚCI POMIAROWYCH

PODSTAWY OPRACOWANIA WYNIKÓW POMIARÓW Z ELEMENTAMI ANALIZY NIEPEWNOŚCI POMIAROWYCH PODSTAWY OPRACOWANIA WYNIKÓW POMIARÓW Z ELEMENTAMI ANALIZY NIEPEWNOŚCI POMIAROWYCH POMIAR FIZYCZNY Pomiar bezpośredi to doświadczeie, w którym przy pomocy odpowiedich przyrządów mierzymy (tj. porówujemy

Bardziej szczegółowo

Statystyczne testy nieparametryczne

Statystyczne testy nieparametryczne Saysycze esy ieparamerycze Tesami ieparameryczymi azywamy esy służące do weryfikaci hipoez ieparameryczych, hipoez iedoyczących warości iezaych paramerów populaci (choć czasem poęcie o ozacza hipoezy ie

Bardziej szczegółowo

Ocena ekonomicznej efektywności przedsięwzięć inwestycyjnych w elektrotechnice. 2. Podstawowe pojęcia obliczeń ekonomicznych w elektrotechnice

Ocena ekonomicznej efektywności przedsięwzięć inwestycyjnych w elektrotechnice. 2. Podstawowe pojęcia obliczeń ekonomicznych w elektrotechnice opracował: prof. dr hab. iż. Józef Paska, mgr iż. Pior Marchel POLITECHNIKA WARSZAWSKA Isyu Elekroeergeyki, Zakład Elekrowi i Gospodarki Elekroeergeyczej Ekoomika w elekroechice laboraorium Ćwiczeie r

Bardziej szczegółowo

STATYSTYKA OPISOWA PODSTAWOWE WZORY

STATYSTYKA OPISOWA PODSTAWOWE WZORY MIARY POŁOŻENIA Średia Dla daych idywidualych: x = 1 STATYSTYKA OPISOWA PODSTAWOWE WZORY x i x = 1 i ẋ i gdzie ẋ i środek i-tego przedziału i liczość i- tego przedziału Domiata (moda Liczba ajczęściej

Bardziej szczegółowo

OPTYMALIZACJA PORTFELA INWESTYCYJNEGO ZE WZGLĘDU NA MINIMALNY POZIOM TOLERANCJI DLA USTALONEGO VaR

OPTYMALIZACJA 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 szczegółowo

Statystyka Inżynierska

Statystyka Inżynierska aysyka Iżyierska dr hab. iż. Jacek Tarasik AG WFiI 4 Wykład 5 TETOWANIE IPOTEZ TATYTYCZNYC ipoezy saysycze ipoezą saysyczą azywamy każde przypszczeie doyczące iezaego rozkład o prawdziwości lb fałszywości

Bardziej szczegółowo

STATYSTYKA OPISOWA PODSTAWOWE WZORY

STATYSTYKA OPISOWA PODSTAWOWE WZORY MIARY POŁOŻENIA Średia Dla daych idywidualych: STATYSTYKA OPISOWA PODSTAWOWE WZORY Q i = x lmi + i mi 1 4 j h m i mi x = 1 x i x = 1 i ẋ i gdzie ẋ i środek i-tego przedziału i liczość i- tego przedziału

Bardziej szczegółowo

Magdalena Osińska, Marcin Fałdziński Uniwersytet Mikołaja Kopernika w Toruniu. Modele GARCH i SV z zastosowaniem teorii wartości ekstremalnych

Magdalena 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 szczegółowo

LABORATORIUM PODSTAWY ELEKTRONIKI Badanie Bramki X-OR

LABORATORIUM PODSTAWY ELEKTRONIKI Badanie Bramki X-OR LORTORIUM PODSTWY ELEKTRONIKI adanie ramki X-OR 1.1 Wsęp eoreyczny. ramka XOR ramka a realizuje funkcję logiczną zwaną po angielsku EXLUSIVE-OR (WYŁĄZNIE LU). Polska nazwa brzmi LO. Funkcję EX-OR zapisuje

Bardziej szczegółowo

Wyznaczyć prędkości punktów A i B

Wyznaczyć prędkości punktów A i B Wyzaczaie prędkości i przyspieszeia puku ciała w ruchu płaskim (a) Wyzaczyć prędkości puków i Dae: rad/s; ε 0; 5 cm; 5 cm 48 mechaika echicza kiemayka 3 Wyzaczaie prędkości i przyspieszeia puku ciała w

Bardziej szczegółowo

EFEKT DŹWIGNI NA GPW W WARSZAWIE WPROWADZENIE

EFEKT 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 szczegółowo

Efekty agregacji czasowej szeregów finansowych a modele klasy Sign RCA

Efekty 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 szczegółowo

Krzysztof Piontek MODELOWANIE ZMIENNOŚCI STÓP PROCENTOWYCH NA PRZYKŁADZIE STOPY WIBOR

Krzysztof 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 szczegółowo

Analiza możliwości wykorzystania wybranych modeli wygładzania wykładniczego do prognozowania wartości WIG-u

Analiza możliwości wykorzystania wybranych modeli wygładzania wykładniczego do prognozowania wartości WIG-u Zbigiew Taapaa Aaliza możliwości wykozysaia wybaych modeli wygładzaia wykładiczego do pogozowaia waości WIG-u Wydział Cybeeyki Wojskowej Akademii Techiczej w Waszawie Seszczeie W aykule pzedsawioo aalizę

Bardziej szczegółowo

TESTY LOSOWOŚCI. Badanie losowości próby - test serii.

TESTY LOSOWOŚCI. Badanie losowości próby - test serii. TESTY LOSOWOŚCI Badaie losowości próby - test serii. W wielu zagadieiach wioskowaia statystyczego istotym założeiem jest losowość próby. Prostym testem do weryfikacji tej własości jest test serii. 1 Dla

Bardziej szczegółowo

Metoda analizy hierarchii Saaty ego Ważnym problemem podejmowania decyzji optymalizowanej jest często występująca hierarchiczność zagadnień.

Metoda analizy hierarchii Saaty ego Ważnym problemem podejmowania decyzji optymalizowanej jest często występująca hierarchiczność zagadnień. Metoda aalizy hierarchii Saaty ego Ważym problemem podejmowaia decyzji optymalizowaej jest często występująca hierarchiczość zagadień. Istieje wiele heurystyczych podejść do rozwiązaia tego problemu, jedak

Bardziej szczegółowo

Estymacja przedziałowa

Estymacja przedziałowa Metody probabilistycze i statystyka Estymacja przedziałowa Dr Joaa Baaś Zakład Badań Systemowych Istytut Sztuczej Iteligecji i Metod Matematyczych Wydział Iformatyki Politechiki Szczecińskiej Metody probabilistycze

Bardziej szczegółowo

Egzamin maturalny z matematyki CZERWIEC 2011

Egzamin maturalny z matematyki CZERWIEC 2011 Egzami maturaly z matematyki CZERWIEC 0 Klucz puktowaia do zadań zamkiętych oraz schemat oceiaia do zadań otwartych POZIOM PODSTAWOWY Poziom podstawowy czerwiec 0 Klucz puktowaia do zadań zamkiętych Nr

Bardziej szczegółowo

1. Element nienaprawialny, badania niezawodności. Model matematyczny elementu - dodatnia zmienna losowa T, określająca czas życia elementu

1. Element nienaprawialny, badania niezawodności. Model matematyczny elementu - dodatnia zmienna losowa T, określająca czas życia elementu Badaia iezawodościowe i saysycza aaliza ich wyików. Eleme ieaprawialy, badaia iezawodości Model maemayczy elemeu - dodaia zmiea losowa T, określająca czas życia elemeu Opis zmieej losowej - rozkład, lub

Bardziej szczegółowo

Metody analizy długozasięgowej

Metody analizy długozasięgowej Copyright (c) 999-00 by Hugo Steihaus Ceter Metody aalizy długozasięgowej Adrzej Zacharewicz Warsztat aalizy zależości długotermiowej jest wciąż rozwijay i udoskoalay. Od czasów Hursta (95) i jego aalizy

Bardziej szczegółowo

Modele zmienności aktywów ryzykownych. Model multiplikatywny Rozkład logarytmiczno-normalny Parametry siatki dwumianowej

Modele zmienności aktywów ryzykownych. Model multiplikatywny Rozkład logarytmiczno-normalny Parametry siatki dwumianowej Moele zmieości akywów ryzykowych Moel muliplikaywy Rozkła logarymiczo-ormay Paramery siaki wumiaowej Moel muliplikaywy zmieości akywów Rekurecyjy moel muliplikaywy: (=, (k+ = (k u(k, k=,, Cea akywa w chwili

Bardziej szczegółowo

Moduł 4. Granica funkcji, asymptoty

Moduł 4. Granica funkcji, asymptoty Materiały pomocicze do e-learigu Matematyka Jausz Górczyński Moduł. Graica fukcji, asymptoty Wyższa Szkoła Zarządzaia i Marketigu Sochaczew Od Autora Treści zawarte w tym materiale były pierwotie opublikowae

Bardziej szczegółowo

INSTRUKCJA DO ĆWICZEŃ LABORATORYJNYCH Z WYTRZYMAŁOŚCI MATERIAŁÓW

INSTRUKCJA DO ĆWICZEŃ LABORATORYJNYCH Z WYTRZYMAŁOŚCI MATERIAŁÓW INSTYTUT MASZYN I URZĄDZEŃ ENERGETYCZNYCH Politechika Śląska w Gliwicach INSTRUKCJA DO ĆWICZEŃ LABORATORYJNYCH Z WYTRZYMAŁOŚCI MATERIAŁÓW BADANIE ODKSZTAŁCEŃ SPRĘŻYNY ŚRUBOWEJ Opracował: Dr iż. Grzegorz

Bardziej szczegółowo

FINANSE PRZEDSIĘBIORSTW konwersatorium, 21 godzin, zaliczenie pisemne, zadania + interpretacje

FINANSE PRZEDSIĘBIORSTW konwersatorium, 21 godzin, zaliczenie pisemne, zadania + interpretacje mgr Joaa Sikora jsikora@ wsb.gda.pl joaasikora@wordpress.com FINANS PRZDSIĘBIORSTW kowersaorium, 21 godzi, zaliczeie piseme, zadaia + ierpreacje Treści programowe Wprowadzeie do fiasów korporacyjych podsawowe

Bardziej szczegółowo

Wprowadzenie. metody elementów skończonych

Wprowadzenie. metody elementów skończonych Metody komputerowe Wprowadzeie Podstawy fizycze i matematycze metody elemetów skończoych Literatura O.C.Ziekiewicz: Metoda elemetów skończoych. Arkady, Warszawa 972. Rakowski G., acprzyk Z.: Metoda elemetów

Bardziej szczegółowo

Badanie efektu Halla w półprzewodniku typu n

Badanie efektu Halla w półprzewodniku typu n Badaie efektu alla w ółrzewodiku tyu 35.. Zasada ćwiczeia W ćwiczeiu baday jest oór elektryczy i aięcie alla w rostoadłościeej róbce kryształu germau w fukcji atężeia rądu, ola magetyczego i temeratury.

Bardziej szczegółowo

Management Systems in Production Engineering No 4(20), 2015

Management 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 szczegółowo

Analiza popytu na alkohol w Polsce z zastosowaniem modelu korekty błędem AIDS

Analiza popytu na alkohol w Polsce z zastosowaniem modelu korekty błędem AIDS Ekoomia Meedżerska 2011, r 10, s. 161 172 Jacek Wolak *, Grzegorz Pociejewski ** Aaliza popytu a alkohol w Polsce z zastosowaiem modelu korekty błędem AIDS 1. Wprowadzeie Okres trasformacji, zapoczątkoway

Bardziej szczegółowo

MODELOWANIE EFEKTU DŹWIGNI W FINANSOWYCH SZEREGACH CZASOWYCH

MODELOWANIE EFEKTU DŹWIGNI W FINANSOWYCH SZEREGACH CZASOWYCH Krzyszof Pionek Kaedra Inwesycji Finansowych i Ubezpieczeń Akademia Ekonomiczna we Wrocławiu Wsęp MODELOWANIE EFEKTU DŹWIGNI W FINANSOWYCH SZEREGACH CZASOWYCH Nowoczesne echniki zarządzania ryzykiem rynkowym

Bardziej szczegółowo