Ocena efektywności procedury Congruent Specyfication dla małych prób

Wielkość: px
Rozpocząć pokaz od strony:

Download "Ocena efektywności procedury Congruent Specyfication dla małych prób"

Transkrypt

1 243 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 dynamicznego modelu zgodnego zapewnia, że każdy esymowany model (GUM) będzie posiadał proces reszowy o własnościach białego szumu. Celem arykułu jes przedsawienie procedury auomaycznej specyfikacji modelu według koncepcji modelowania zgodnego, dosępnej pod nazwą Congruen Specyficaion, jako pakie funkcji programu GRETL, oraz ocena jego efekywności w warunkach zmniejszającej się liczebności próby. Empiryczny przykład prezenuje różne aspeky skracania próby ze 120 do 24 obserwacji. Słowa kluczowe: modelowanie zgodne, auomayczne procedury modelowania, GRETL Wprowadzenie Celem arykułu jes przedsawienie procedury auomaycznej specyfikacji modelu 1 według koncepcji modelowania zgodnego, dosępnej jako pakie funkcji 1 Szerszy opis algorymu auomayzującego proces modelowania i prognozowania pod nazwą AUTOMETRICS, auorswa J.Doornika, można znaleźć w pracach: J.A. Doornik, Encompassing and Auomaic Model Selecion, Oxford Bullein of Economics and Saisics 2008, om 70,

2 244 programu GRETL 2, oraz ocena jego efekywności dla zmniejszającej się liczebności próby. Auorem koncepcji dynamicznego modelowania zgodnego 3 jes Zygmun Zieliński. Zgodność w nazwie modelu rozumiana jes jako zgodność harmonicznej srukury procesu objaśnianego z łączną harmoniczną srukurą procesów objaśniających oraz procesu reszowego. Proces reszowy jes niezależny od procesów objaśniających. Najprosszym przykładem modelu, kóry jes zawsze zgodny, jes model zbudowany dla procesów białoszumowych o posaci: (1) Powyższy model jes zawsze zgodny, gdyż srukura harmoniczna procesu ε y jes równa (lub inaczej spekrum ego procesu jes równoległe względem osi częsości) łącznej srukurze procesów ε oraz procesu ε xi, ponieważ funkcja gęsości spekralnej dla procesu o własnościach białego szumu jes sała. Zgodny dynamiczny model ekonomeryczny wykorzysuje przy budowie modelu informację na ema wewnęrznej srukury każdego uwzględnionego w badaniu procesu. Przyjmując za Y proces objaśniany oraz za X i (i = 1, 2,..., k) procesy objaśniające, wewnęrzna srukura opisywana jes za pomocą modeli podsawowych i zawiera: modele opisujące składniki niesacjonarne: Y = P y + S y + η y, X i = P xi + S x i + η x i, (2) gdzie: P y, P xi wielomianowe funkcje zmiennej czasowej dla odpowiednich procesów, S y, S xi składniki sezonowe o sałej lub zmiennej ampliudzie wahań dla odpowiednich procesów, η y, η xi sacjonarne auoregresyjne procesy odnoszące się do odpowiednich procesów oraz modele auoregresyjne: B(u)η y = ε y, A i (u)η xi = ε x i, (3) gdzie: B(u), A i (u) sacjonarne auoregresyjne operaory, dla kórych wszyskie pierwiaski równania B(u) = 0 i A i (u) = 0 leżą poza okręgiem jednoskowym, ε y, ε xi białe szumy dla odpowiednich procesów. s ; J.A. Doornik, Auomerics, w: J.L. Casle, N. Shephard, The Mehodology and Pracice of Economerics, Oxford Universiy Press 2009; J.A. Doornik, D.F. Hendry, Modelling Dynamic Sysems Using PcGive 11, Vol. II, wyd. 4, Timberlake Consulans Press, London Pakie funkcji Congruen Specificaion jes auorswa: Marcina Błażejowskiego, Pawła Kufla oraz Tadeusza Kufla. 3 Por. Z. Zieliński, Zmienność w czasie srukuralnych paramerów modelu ekonomerycznego, Przegląd Saysyczny 1984, R. XXXI, z. 1/2, s ; L. Talaga, Z. Zieliński, Meody spekralne w modelowaniu ekonomerycznym, PWN, Warszawa 1986.

3 Ocena efekywności procedury Congruen Specyficaion dla małych prób 245 Budowa zgodnego dynamicznego modelu ekonomerycznego odbywa się przez podsawienie do zależności (1) procesów ε y, ε xi o własnościach białych szumów orzymanych z równań (3), a nasępnie na podsawie równań (2) wyznaczane są procesy auoregresyjne η y, η xi i podsawiane do orzymanego wcześniej równania. Po przekszałceniu orzymuje się zgodny dynamiczny model ekonomeryczny dla rzeczywisych procesów Y i X i : Proces reszowy w powyższym modelu ma własności akie same jak w modelu (1), a więc posiada własności białego szumu, zaem warunek zgodności srukur harmonicznych zosał spełniony. Zgodny dynamiczny model ekonomeryczny uwzględnia informację o wewnęrznej srukurze (składniki rendowe i sezonowe oraz auoregresyjne) oraz zależności przyczynowo-skukowe wykorzysanych procesów. Informacje e wykorzysywane są na eapie specyfikacji modelu. (4) 1. Opis algorymu specyfikacji zgodnego dynamicznego modelu ekonomerycznego Zaimplemenowany w oprogramowaniu GRETL algorym specyfikacji zgodnego dynamicznego modelu ekonomerycznego zosał podzielony na rzy eapy 4. Eap 1. Wczyanie danych do procedury: 1. Wskazanie zmiennej endogenicznej Y, lisy k poencjalnych zmiennych objaśniających X j (j = 1, 2,, k) oraz lisy deerminisycznych zmiennych zero-jedynkowych. 2. Określenie długości próby n i usalenie minimalnej liczby sopni swobody dfmin nieograniczonego ogólnego modelu: 3. Sprawdzenie częsoliwości modelowanych procesów i usalenie: 1) bloku periodycznych zmiennych zero-jedynkowych m, 2) maksymalnego rzędu auoregresji pmax dla wykorzysywanych procesów. 4 Opracowano na podsawie: M. Błażejowski, P. Kufel, T. Kufel, Auomayczna procedura budowy specyfikacji zgodnego dynamicznego modelu ekonomerycznego w oprogramowaniu GRETL, Aca Universiais Copernici, Ekonomia XXXIX, Wydawnicwo Naukowe UMK, Toruń 2009, s

4 246 Eap 2. Analiza wewnęrznej srukury wszyskich procesów: 1. Sprawdzenie, czy analizowane procesy posiadają deerminisyczny komponen (rend i/lub sezonowość). 2. Sprawdzenie, czy reszy po odjęciu bloku deerminisycznych komponenów wykazują sacjonarną srukurę auoregresyjną. 3. Określenie rzędów funkcji auokorelacji cząskowej dla procesów reszowych po odjęciu komponenów deerminisycznych oraz różnicowaniu (w przypadku swierdzenia pierwiaska jednoskowego), uwzględniając maksymalny rząd auoregresji. Warości funkcji PACF sprowadzane są do warości max_lag, określonej nasępująco: Eap 3. Zbudowanie sarowej specyfikacji nieograniczonego ogólnego (GUM), zw. pełnego modelu zgodnego: 1. Wyznaczenie liczby sopni swobody modelu pełnego dfsar po uwzględnieniu wszyskich składników: rozkładu opóźnień zmiennej endogenicznej Y, poencjalnych zmiennych objaśniających X j, deerminisycznego rendu i/lub sezonowości oraz deerminisycznych zmiennych zero-jedynkowych: 1) jeżeli dfsar < dfmin, o rzędy auoregresji o najwyższych warościach są zmniejszane o 1, 2) jeżeli dfsar dfmin, o sarowa specyfikacja (model pełny) jes drukowana w formie skrypu wewnęrznego języka programu Grel. Eap 1 jes przygoowaniem danych do wykonania procedury. Imporowane są wszyskie szeregi czasowe i na ich podsawie, jeśli konieczne, dodakowe zmienne zero-jedynkowe opisujące pewne okresy w próbie. W ym eapie określana jes częsoliwość obserwowania procesów oraz inne dodakowe zmienne wewnęrzne, jak np. minimalna liczba sopni swobody dla modelu pełnego dfmin. Rys. 1. Definiowanie lisy zmiennych dla procedury Congruen Specificaion

5 Ocena efekywności procedury Congruen Specyficaion dla małych prób 247 Rysunek 1 przedsawia definiowanie lisy zmiennych wykorzysywanych w procedurze. Należy zwrócić uwagę, aby pierwszą zmienną na liście była zmienna objaśniana. Rysunek 2 przedsawia okno dialogowe wyboru lisy zmiennych, lisy składników deerminisycznych oraz warości poziomu isoności. Rys. 2. Główne okno procedury Congruen Specificaion W drugim eapie algorymu przeprowadzana jes analiza wewnęrznej srukury wykorzysywanych szeregów czasowych. W pierwszej kolejności sprawdza się, czy wysępują isone składniki deerminisyczne, akie jak rend liniowy oraz cykliczność deerminisyczna. Określona w eapie pierwszym częsoliwość obserwowania deerminuje bloki (m 1) zmiennych zero-jedynkowych: dla danych miesięcznych (m = 12), kwaralnych (m = 4), ygodniowych (m = 52) lub danych dziennych (m = 5, 6, 7). Jeśli w kórymkolwiek z analizowanych szeregów wysąpił isony składnik deerminisyczny, o zosanie uwzględniony w bloku wspólnych komponenów deerminisycznych. Nasępnie budowany jes model dla składników deerminisycznych, a w jego reszach sprawdzany jes sopień inegracji procesu za pomocą esu pierwiaska jednoskowego ADF-GLS na poziomie isoności α = 0,1. Gdy wysępuje pierwiasek jednoskowy, wówczas proces jes różnicowany. W kolejnym kroku określane są rzędy auoregresji, co odbywa się za pomocą warości funkcji PACF i usalane jes jako maksymalna isona warość funkcji na poziomie α = 0,01. W rzecim eapie procedury budowana jes sarowa specyfikacja zgodnego modelu ekonomerycznego, zawierająca informacje uzyskane we wcześniejszych eapach: komponeny deerminisyczne, sopnie inegracji procesów oraz rzędy auoregresji procesów. Dodakowo sprawdzany jes warunek minimalnej liczby sopni swobody. W przypadku gdy liczba sopni swobody modelu sarowego

6 248 jes mniejsza niż minimalna warość sopni swobody dfmin, wówczas redukuje się maksymalne rzędy auoregresji o 1, aż do momenu spełnienia warunku o minimalnej liczbie sopni swobody. Rezulaem wywołania procedury jes skryp wewnęrznego języka programu GRETL, kóry przedsawia specyfikację modelu zgodnego. Przykłady działania algorymu dla zmniejszającej się próby przedsawione zosały w nasępnej części arykułu. 2. Przykłady wykorzysania auomaycznej procedury specyfikacji zgodnego dynamicznego modelu ekonomerycznego Dla empirycznego zilusrowania sposobu wykorzysania auomaycznej procedury Congruen Specificaion zosaną wykorzysane miesięczne dane makroekonomiczne dla Polski za okres od sycznia 1995 do grudnia 2004 (n = 120), kóre są dosępne na polskiej sronie inerneowej programu GRETL znajdującej się pod adresem hp:// w pliku macro_1993_2005.gd. Analizowany model doyczyć będzie sopy bezrobocia opisywanej przez procesy: sopy inflacji, imporu oraz udzielonych kredyów. Rys. 3. Modelowane procesy w procedurze Congruen Specificaion Scenariusz badania efekywności auomaycznej procedury specyfikacji zakładał, że ocenę liczby sopni swobody, liczby szacowanych paramerów, rzędów opóźnień procesów, a akże efekywności orzymanych 12 miesięcznych prognoz

7 Ocena efekywności procedury Congruen Specyficaion dla małych prób 249 za pomocą średnich miar ex pos: RMSE i MAPE, przy założeniu zmniejszającej się liczby obserwacji o 1 miesiąc, o jes od liczebności sarowej n = 120 (od sycznia 1995 do grudnia la) do liczebności końcowej n = 24 (od sycznia 2003 do grudnia laa). Łącznie auomayczną procedurę specyfikacji wykorzysano 96 razy. Zmienną objaśnianą była sopa bezrobocia, naomias poencjalnymi zmiennymi objaśniającymi były: sopa inflacji, impor oraz warość udzielonych kredyów. Rysunek 4 prezenuje wynik działania procedury Congruen Specificaion zrealizowanej na wyżej wymienionych danych dla n = 120, przy czym weryfikacja esów saysycznych zosała przeprowadzona na poziomie isoności α = 0,1. Rys. 4. Specyfikacja modelu sopy bezrobocia w Polsce wg koncepcji modelowania zgodnego uzyskana w procedurze Congruen Specificaion Nieograniczony model ogólny (GUM) powinien zawierać opóźnienie zmiennej bezrobocie o jeden okres, rend liniowy (ime), zesaw zmiennych zero-jedynkowych do opisu sezonowości miesięcznej (dm1, dm2, dm3, ), inflację bieżącą oraz opóźnioną do 7 okresów włącznie, impor bieżący oraz opóźniony do 2 okresów włącznie, bieżącą warość kredyów oraz opóźnioną o 1 okres. Oznacza o, że oszacowany model GUM posiadał: n = 120, k = 26, a sopni swobody s = 93. Weryfikacja i eliminacja nieisonych zmiennych przeprowadzona zgodnie z zasadą krokowej eliminacji a poseriori na poziomie isoności doprowadziła do uzyskania empirycznego modelu zgodnego, dla kórego oszacowano prognozy i wyznaczono średnie błędy ex pos dla 12 okresów (RMSE, MAPE). W kolejnych eapach, przy założeniu zmniejszającego się okresu modelowania o jeden miesiąc, liczbę sopni swobody i liczbę szacowanych paramerów przedsawia rysunek 5.

8 250 Rys. 5. Liczba sopni swobody i liczba szacowanych paramerów dla empirycznego modelu zgodnego sopy bezrobocia w Polsce według zmniejszającej się liczby obserwacji Na szacowane paramery w powyższych modelach składa się: wyraz wolny, rend liniowy, zesaw 11 zmiennych sezonowych, opóźnione procesy endogeniczne oraz rzy procesy objaśniające wraz z własnymi opóźnieniami. Efek zmniejszającej liczby obserwacji powoduje w pierwszej kolejności zmniejszenie się liczebności procesów opóźnionych, co wynika z dwóch powodów, że lag_max nie może być większy niż 20% liczebności próby, a przy zmniejszającym się n warość kryyczna isoności dla funkcji PACF szybko rośnie (1,96/n 0,5 ), dlaego dla n = 24 wysąpił ylko jeden proces opóźniony w czasie (impor 1 ). Liczbę procesów opóźnionych w modelach, o jes sopień isonego rzędu funkcji PACF dla każdego procesu oddzielnie, a akże liczbę sopni swobody dla oszacowanych modeli przy zmniejszającej się próbie od n = 120 do 24, przedsawia rysunek 6. Rysunek 6 przedsawia liczebności procesów opóźnionych w nieograniczonym modelu zgodnym (GUM), kóre ulegają zmniejszeniu wraz ze spadkiem długości modelowanego szeregu czasowego (n = 120,, 24). Miesiące dla 1998 i 1999 mają najniższy poziom bezrobocia, a wzros w nasępnych okresach (zmiana kierunku rendu na rosnący) dał efek zaburzeń w ocenie rzędu auoregresji i liczby szacowanych paramerów.

9 Ocena efekywności procedury Congruen Specyficaion dla małych prób 251 Rys. 6. Liczba szacowanych paramerów wraz z rzędami opóźnień dla wszyskich procesów w empirycznym modelu zgodnym dla sopy bezrobocia w Polsce według zmniejszającej się liczby obserwacji Rys. 7. Syneyczne mierniki jakości prognoz

10 252 Rysunek 7 przedsawia syneyczne mierniki jakości prognoz oszacowanych zawsze dla horyzonu 12 miesięcy 2005 r. przy zmniejszającej się długości próby. Ocenę rafności prognoz przedsawiają: pierwiasek średniokwadraowego błędu prognoz RWSE oraz średni absoluny błąd procenowy MAPE. Nierafność uzyskanych prognoz wynikała z faku wsąpienia Polski do srukur Unii Europejskiej i owarcia europejskich rynków pracy dla Polaków, co zaowocowało znaczną emigracją, a prognozowana sopa bezrobocia miała endencje do przeszacowania. Powyższe scenariusz modelowania przy zmniejszającej się liczebności próby pozwalają wyciągnąć wniosek, że średnie błędy prognoz ex pos świadczą o wysokiej jakości modelowania. Podsumowanie Procedura specyfikacji dynamicznego modelu zgodnego zapewnia, że każdy ak esymowany model (GUM) będzie posiadał proces reszowy o własnościach białego szumu, a jes o podsawowy warunek dobroci modelu wykorzysywanego do prognozowania. Algorym Congruen Specyficaion opracowany jako pakie funkcji dla programu GRETL wskazuje sarową pełną specyfikację modelu, kóra zawiera informacje: jakie składniki będzie zawierał człon deerminisyczny (rend/sezonowość) oraz jaka jes srukura auoregresyjna (opóźnień) wszyskich procesów wykorzysywanych w modelu. Wykorzysanie funkcji esymacji i weryfikacji, a akże predykcji w oprogramowaniu GRETL powoduje, że cała procedura modelowania i prognozowania jes wysoce efekywna pomimo zmniejszającej się liczebności próby. Tesowanie algorymu Congruen Specyficaion i włączanie kolejnych esów specyfikacji pozwoli uzyskać jeszcze doskonalszy algorym auomayzujący proces ekonomerycznego modelowania i prognozowania. Lieraura Błażejowski M., Kufel P., Kufel T., Auomayczna procedura budowy specyfikacji zgodnego dynamicznego modelu ekonomerycznego w oprogramowaniu GRETL, Aca Universiais Nicolai Copernici, Ekonomia XXXIX, Wydawnicwo Naukowe UMK, Toruń 2009.

11 Ocena efekywności procedury Congruen Specyficaion dla małych prób 253 Doornik J.A., Encompassing and Auomaic Model Selecion, Oxford Bullein of Economics and Saisics 2008, om 70. Doornik J.A., Auomerics, w: J.L. Casle, N. Shephard, The Mehodology and Pracice of Economerics, Oxford Universiy Press Doornik J.A., Hendry D.F., Modelling Dynamic Sysems Using PcGive 11, Vol. II, wyd. 4, Timberlake Consulans Press, London Talaga L., Zieliński Z., Meody spekralne w modelowaniu ekonomerycznym, PWN, Warszawa Zieliński Z., Zmienność w czasie srukuralnych paramerów modelu ekonomerycznego, Przegląd Saysyczny 1984, R. XXXI, z. 1/2. Zieliński Z., Liniowe modele zgodne opisujące zależności sumacyjnych (zinegrowanych) procesów ekonomicznych. w: Przesrzenno-czasowe modelowanie i prognozowanie zjawisk gospodarczych, red. A. Zeliaś, AE Kraków, Kraków 1995.

Porównanie jakości nieliniowych modeli ekonometrycznych na podstawie testów trafności prognoz

Porównanie 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 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

PROGNOZOWANIE. Ćwiczenia 2. mgr Dawid Doliński

PROGNOZOWANIE. 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 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

Elżbieta Szulc Uniwersytet Mikołaja Kopernika w Toruniu. Modelowanie zależności między przestrzennoczasowymi procesami ekonomicznymi

Elżbieta 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 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

1. Szereg niesezonowy 1.1. Opis szeregu

1. 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 szczegółowo

Strukturalne podejście w prognozowaniu produktu krajowego brutto w ujęciu regionalnym

Strukturalne 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 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

Politechnika Częstochowska Wydział Inżynierii Mechanicznej i Informatyki. Sprawozdanie #2 z przedmiotu: Prognozowanie w systemach multimedialnych

Politechnika 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 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

WYKORZYSTANIE STATISTICA DATA MINER DO PROGNOZOWANIA W KRAJOWYM DEPOZYCIE PAPIERÓW WARTOŚCIOWYCH

WYKORZYSTANIE 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 szczegółowo

Wykład 6. Badanie dynamiki zjawisk

Wykład 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 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

PREDYKCJA KURSU EURO/DOLAR Z WYKORZYSTANIEM PROGNOZ INDEKSU GIEŁDOWEGO: WYBRANE MODELE EKONOMETRYCZNE I PERCEPTRON WIELOWARSTWOWY

PREDYKCJA KURSU EURO/DOLAR Z WYKORZYSTANIEM PROGNOZ INDEKSU GIEŁDOWEGO: WYBRANE MODELE EKONOMETRYCZNE I PERCEPTRON WIELOWARSTWOWY B A D A N I A O P E R A C J N E I D E C Z J E Nr 2004 Aleksandra MAUSZEWSKA Doroa WIKOWSKA PREDKCJA KURSU EURO/DOLAR Z WKORZSANIEM PROGNOZ INDEKSU GIEŁDOWEGO: WBRANE MODELE EKONOMERCZNE I PERCEPRON WIELOWARSWOW

Bardziej szczegółowo

DYNAMIKA KONSTRUKCJI

DYNAMIKA 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 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

KURS EKONOMETRIA. Lekcja 1 Wprowadzenie do modelowania ekonometrycznego ZADANIE DOMOWE. Strona 1

KURS 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 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

Wykład 6. Badanie dynamiki zjawisk

Wykład 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 szczegółowo

PROGNOZOWANIE I SYMULACJE EXCEL 2 PROGNOZOWANIE I SYMULACJE EXCEL AUTOR: ŻANETA PRUSKA

PROGNOZOWANIE 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 szczegółowo

Metody analizy i prognozowania szeregów czasowych

Metody analizy i prognozowania szeregów czasowych Meody analizy i prognozowania szeregów czasowych Wsęp 1. Modele szeregów czasowych 2. Modele ARMA i procedura Boxa-Jenkinsa 3. Modele rendów deerminisycznych i sochasycznych 4. Meody dekompozycji szeregów

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

Jacek Kwiatkowski Magdalena Osińska. Procesy zawierające stochastyczne pierwiastki jednostkowe identyfikacja i zastosowanie.

Jacek 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 szczegółowo

Kombinowanie prognoz. - dlaczego należy kombinować prognozy? - obejmowanie prognoz. - podstawowe metody kombinowania prognoz

Kombinowanie 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 szczegółowo

PUNKTOWA I PRZEDZIAŁOWA PREDYKCJA PRZEWOZÓW PASAŻERÓW W ŻEGLUDZE PROMOWEJ NA BAŁTYKU W LATACH 2008 2010

PUNKTOWA I PRZEDZIAŁOWA PREDYKCJA PRZEWOZÓW PASAŻERÓW W ŻEGLUDZE PROMOWEJ NA BAŁTYKU W LATACH 2008 2010 STUDIA I PRACE WYDZIAŁU NAUK EKONOMICZNYCH I ZARZĄDZANIA NR 15 Chrisian Lis PUNKTOWA I PRZEDZIAŁOWA PREDYKCJA PRZEWOZÓW PASAŻERÓW W ŻEGLUDZE PROMOWEJ NA BAŁTYKU W LATACH 2008 2010 Wprowadzenie Przedmioem

Bardziej szczegółowo

Parytet stóp procentowych a premia za ryzyko na przykładzie kursu EURUSD

Parytet 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 szczegółowo

Stanisław Cichocki Natalia Nehrebecka. Wykład 3

Stanisław 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 szczegółowo

Marcin Błażejowski *, Paweł Kufel **, Tadeusz Kufel **

Marcin Błażejowski *, Paweł Kufel **, Tadeusz Kufel ** 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 ZESZTYT 389 TORUŃ 2009 * Wyższa Szkoła Bankowa w Toruniu Katedra Metod Ilościowych ** Uniwersytet

Bardziej szczegółowo

MODELOWANIE WŁASNOŚCI SZEREGÓW STÓP ZWROTU SKOŚNOŚĆ ROZKŁADÓW

MODELOWANIE 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 szczegółowo

PROGNOZOWANIE BRAKUJĄCYCH DANYCH DLA SZEREGÓW O WYSOKIEJ CZĘSTOTLIWOŚCI OCZYSZCZONYCH Z SEZONOWOŚCI

PROGNOZOWANIE 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 szczegółowo

PROGNOZOWANIE I SYMULACJE EXCEL 2 AUTOR: MARTYNA MALAK PROGNOZOWANIE I SYMULACJE EXCEL 2 AUTOR: MARTYNA MALAK

PROGNOZOWANIE 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 szczegółowo

ANALIZA, PROGNOZOWANIE I SYMULACJA / Ćwiczenia 1

ANALIZA, PROGNOZOWANIE I SYMULACJA / Ćwiczenia 1 ANALIZA, PROGNOZOWANIE I SYMULACJA / Ćwiczenia 1 mgr inż. Żanea Pruska Maeriał opracowany na podsawie lieraury przedmiou. Zadanie 1 Firma Alfa jes jednym z głównych dosawców firmy Bea. Ilość produku X,

Bardziej szczegółowo

Analiza rynku projekt

Analiza 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 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

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

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

PROGNOZOWANIE I SYMULACJE. mgr Żaneta Pruska. Ćwiczenia 2 Zadanie 1

PROGNOZOWANIE 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 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

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

Kobiety w przedsiębiorstwach usługowych prognozy nieliniowe

Kobiety 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 szczegółowo

DYNAMICZNE MODELE EKONOMETRYCZNE

DYNAMICZNE 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 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

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

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

PROGNOZOWANIE W ZARZĄDZANIU PRZEDSIĘBIORSTWEM

PROGNOZOWANIE W ZARZĄDZANIU PRZEDSIĘBIORSTWEM PROGNOZOWANIE W ZARZĄDZANIU PRZEDSIĘBIORSTWEM prof. dr hab. Paweł Dimann 1 Znaczenie prognoz w zarządzaniu firmą Zarządzanie firmą jes nieusannym procesem podejmowania decyzji, kóry może być zdefiniowany

Bardziej szczegółowo

METODY STATYSTYCZNE W FINANSACH

METODY 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 szczegółowo

POWIĄZANIA POMIĘDZY KRÓTKOOKRESOWYMI I DŁUGOOKRESOWYMI STOPAMI PROCENTOWYMI W POLSCE

POWIĄZANIA 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 szczegółowo

Metody badania wpływu zmian kursu walutowego na wskaźnik inflacji

Metody 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 szczegółowo

Copyright by Politechnika Białostocka, Białystok 2017

Copyright 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 szczegółowo

PROGNOZOWANIE ZUŻYCIA CIEPŁEJ I ZIMNEJ WODY W SPÓŁDZIELCZYCH ZASOBACH MIESZKANIOWYCH

PROGNOZOWANIE 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 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 Pior Fiszeder Uniwersye Mikołaja Kopernika

Bardziej szczegółowo

Statystyka od podstaw z systemem SAS Dr hab. E. Frątczak, ZAHZiAW, ISiD, KAE. Część VII. Analiza szeregu czasowego

Statystyka 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 szczegółowo

Metody ilościowe w systemie prognozowania cen produktów rolnych. Mariusz Hamulczuk Cezary Klimkowski Stanisław Stańko

Metody ilościowe w systemie prognozowania cen produktów rolnych. Mariusz Hamulczuk Cezary Klimkowski Stanisław Stańko Meody ilościowe w sysemie prognozowania cen produków rolnych nr 89 2013 Mariusz Hamulczuk Cezary Klimkowski Sanisław Sańko Meody ilościowe w sysemie prognozowania cen produków rolnych Meody ilościowe

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

Badanie funktorów logicznych TTL - ćwiczenie 1

Badanie funktorów logicznych TTL - ćwiczenie 1 adanie funkorów logicznych TTL - ćwiczenie 1 1. Cel ćwiczenia Zapoznanie się z podsawowymi srukurami funkorów logicznych realizowanych w echnice TTL (Transisor Transisor Logic), ich podsawowymi paramerami

Bardziej szczegółowo

licencjat Pytania teoretyczne:

licencjat 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 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

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

3. Modele tendencji czasowej w prognozowaniu

3. Modele tendencji czasowej w prognozowaniu II Modele tendencji czasowej w prognozowaniu 1 Składniki szeregu czasowego W teorii szeregów czasowych wyróżnia się zwykle następujące składowe szeregu czasowego: a) składowa systematyczna; b) składowa

Bardziej szczegółowo

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

specyfikacji i estymacji modelu regresji progowej (ang. threshold regression).

specyfikacji 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 szczegółowo

MODELE AUTOREGRESYJNE JAKO INSTRUMENT ZARZĄDZANIA ZAPASAMI NA PRZYKŁADZIE ELEKTROWNI CIEPLNEJ

MODELE 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 szczegółowo

Zarządzanie ryzykiem. Lista 3

Zarządzanie ryzykiem. Lista 3 Zaządzanie yzykiem Lisa 3 1. Oszacowano nasępujący ozkład pawdopodobieńswa dla sóp zwou z akcji A i B (Tabela 1). W chwili obecnej Akcja A ma waość ynkową 70, a akcja B 50 zł. Ile wynosi pięciopocenowa

Bardziej szczegółowo

FOLIA POMERANAE UNIVERSITATIS TECHNOLOGIAE STETINENSIS

FOLIA 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 szczegółowo

FOLIA POMERANAE UNIVERSITATIS TECHNOLOGIAE STETINENSIS Folia Pomer. Univ. Technol. Stetin., Oeconomica 2015, 323(81)4,

FOLIA POMERANAE UNIVERSITATIS TECHNOLOGIAE STETINENSIS Folia Pomer. Univ. Technol. Stetin., Oeconomica 2015, 323(81)4, FOLIA POMERANAE UNIVERSITATIS TECHNOLOGIAE STETINENSIS Folia Pomer. Univ. Technol. Sein., Oeconomica 205, 323(8)4, 25 32 Joanna PERZYŃSKA WYBRANE MIERNIKI TRAFNOŚCI PROGNOZ EX POST W WYZNACZANIU PROGNOZ

Bardziej szczegółowo

5. Model sezonowości i autoregresji zmiennej prognozowanej

5. Model sezonowości i autoregresji zmiennej prognozowanej 5. Model sezonowości i autoregresji zmiennej prognozowanej 1. Model Sezonowości kwartalnej i autoregresji zmiennej prognozowanej (rząd istotnej autokorelacji K = 1) Szacowana postać: y = c Q + ρ y, t =

Bardziej szczegółowo

Wyzwania praktyczne w modelowaniu wielowymiarowych procesów GARCH

Wyzwania 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 szczegółowo

SZACOWANIE MODELU RYNKOWEGO CYKLU ŻYCIA PRODUKTU

SZACOWANIE 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 szczegółowo

DYNAMICZNE MODELE EKONOMETRYCZNE

DYNAMICZNE MODELE EKONOMETRYCZNE 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 Empiryczna

Bardziej szczegółowo

Magdalena Sokalska Szkoła Główna Handlowa. Modelowanie zmienności stóp zwrotu danych finansowych o wysokiej częstotliwości

Magdalena 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 szczegółowo

Daniel Papla Akademia Ekonomiczna we Wrocławiu. Wykorzystanie modelu DCC-MGARCH w analizie zmian zależności wybranych akcji GPW w Warszawie

Daniel 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 szczegółowo

System zielonych inwestycji (GIS Green Investment Scheme)

System zielonych inwestycji (GIS Green Investment Scheme) PROGRAM PRIORYTETOWY Tyuł programu: Sysem zielonych inwesycji (GIS Green Invesmen Scheme) Część 6) SOWA Energooszczędne oświelenie uliczne. 1. Cel programu Ograniczenie lub uniknięcie emisji dwulenku węgla

Bardziej 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

ψ przedstawia zależność

ψ przedstawia zależność Ruch falowy 4-4 Ruch falowy Ruch falowy polega na rozchodzeniu się zaburzenia (odkszałcenia) w ośrodku sprężysym Wielkość zaburzenia jes, podobnie jak w przypadku drgań, funkcją czasu () Zaburzenie rozchodzi

Bardziej szczegółowo

Natalia Iwaszczuk, Piotr Drygaś, Piotr Pusz, Radosław Pusz PROGNOZOWANIE GOSPODARCZE

Natalia 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 szczegółowo

ZASTOSOWANIE WYBRANYCH MODELI ADAPTACYJNYCH W PROGNOZOWANIU BRAKUJĄCYCH DANYCH W SZEREGACH ZE ZŁOŻONĄ SEZONOWOŚCIĄ DLA LUK NIESYSTEMATYCZNYCH

ZASTOSOWANIE WYBRANYCH MODELI ADAPTACYJNYCH W PROGNOZOWANIU BRAKUJĄCYCH DANYCH W SZEREGACH ZE ZŁOŻONĄ SEZONOWOŚCIĄ DLA LUK NIESYSTEMATYCZNYCH METODY ILOŚCIOWE W BADANIACH EKONOMICZNYCH Tom XV/4, 214, sr. 181 194 ZASTOSOWANIE WYBRANYCH MODELI ADAPTACYJNYCH W PROGNOZOWANIU BRAKUJĄCYCH DANYCH W SZEREGACH ZE ZŁOŻONĄ SEZONOWOŚCIĄ DLA LUK NIESYSTEMATYCZNYCH

Bardziej szczegółowo

MODELOWANIE KURSÓW WALUTOWYCH NA PRZYKŁADZIE MODELI KURSÓW RÓWNOWAGI ORAZ ZMIENNOŚCI NA RYNKU FOREX

MODELOWANIE 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 szczegółowo

Identyfikacja wahań koniunkturalnych gospodarki polskiej

Identyfikacja wahań koniunkturalnych gospodarki polskiej Rozdział i Idenyfikacja wahań koniunkuralnych gospodarki polskiej dr Rafał Kasperowicz Uniwersye Ekonomiczny w Poznaniu Kaedra Mikroekonomii Sreszczenie Celem niniejszego opracowania jes idenyfikacja wahao

Bardziej szczegółowo

Ocena płynności wybranymi metodami szacowania osadu 1

Ocena płynności wybranymi metodami szacowania osadu 1 Bogdan Ludwiczak Wprowadzenie Ocena płynności wybranymi meodami szacowania osadu W ubiegłym roku zaszły znaczące zmiany doyczące pomiaru i zarządzania ryzykiem bankowym. Są one konsekwencją nowowprowadzonych

Bardziej szczegółowo

ŹRÓDŁA FLUKTUACJI REALNEGO EFEKTYWNEGO KURSU EUR/ PLN

ŹRÓDŁA FLUKTUACJI REALNEGO EFEKTYWNEGO KURSU EUR/ PLN METODY ILOŚCIOWE W BADANIACH EKONOMICZNYCH Tom XII/, 0, sr. 389 398 ŹRÓDŁA FLUKTUACJI REALNEGO EFEKTYWNEGO KURSU EUR/ PLN Adam Waszkowski Kaedra Ekonomiki Rolnicwa i Międzynarodowych Sosunków Gospodarczych

Bardziej szczegółowo

dr inż. MARCIN MAŁACHOWSKI Instytut Technik Innowacyjnych EMAG

dr inż. MARCIN MAŁACHOWSKI Instytut Technik Innowacyjnych EMAG dr inż. MARCIN MAŁACHOWSKI Insyu Technik Innowacyjnych EMAG Wykorzysanie opycznej meody pomiaru sężenia pyłu do wspomagania oceny paramerów wpływających na możliwość zaisnienia wybuchu osiadłego pyłu węglowego

Bardziej szczegółowo

MODEL CZASU OBSŁUGI NAZIEMNEJ STATKU POWIETRZNEGO

MODEL CZASU OBSŁUGI NAZIEMNEJ STATKU POWIETRZNEGO KIERZKOWSKI Arur 1 Transpor loniczy, szeregi czasowe, eksploaacja, modelowanie MODEL CZASU OBSŁUGI NAZIEMNEJ STATKU POWIETRZNEGO W referacie przedsawiono probabilisyczny model czasu obsługi naziemnej saku

Bardziej szczegółowo

Komputerowa analiza przepływów turbulentnych i indeksu Dow Jones

Komputerowa analiza przepływów turbulentnych i indeksu Dow Jones Kompuerowa analiza przepływów urbulennych i indeksu Dow Jones Rafał Ogrodowczyk Pańswowa Wyższa Szkoła Zawodowa w Chełmie Wiesław A. Kamiński Uniwersye Marii Curie-Skłodowskie w Lublinie W badaniach porównano

Bardziej szczegółowo

ANALIZA POWIĄZAŃ MIĘDZY INDEKSAMI GIEŁDY FRANCUSKIEJ, HOLENDERSKIEJ I BELGIJSKIEJ Z WYKORZYSTANIEM MODELU KOREKTY BŁĘDEM

ANALIZA 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 szczegółowo

TESTOWANIE STABILNOŚCI PARAMETRÓW WIELOCZYNNIKOWYCH MODELI MARKET TIMING Z OPÓŹNIONĄ ZMIENNĄ RYNKOWĄ 1

TESTOWANIE STABILNOŚCI PARAMETRÓW WIELOCZYNNIKOWYCH MODELI MARKET TIMING Z OPÓŹNIONĄ ZMIENNĄ RYNKOWĄ 1 METODY ILOŚCIOWE W BADANIACH EKONOMICZNYCH Tom XII/, 011, sr. 59 69 TESTOWANIE STABILNOŚCI PARAMETRÓW WIELOCZYNNIKOWYCH MODELI MARKET TIMING Z OPÓŹNIONĄ ZMIENNĄ RYNKOWĄ 1 Joanna Olbryś Wydział Informayki,

Bardziej szczegółowo

DYNAMICZNE MODELE EKONOMETRYCZNE

DYNAMICZNE 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 szczegółowo

Metody prognozowania: Szeregi czasowe. Dr inż. Sebastian Skoczypiec. ver Co to jest szereg czasowy?

Metody 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 szczegółowo

Dendrochronologia Tworzenie chronologii

Dendrochronologia Tworzenie chronologii Dendrochronologia Dendrochronologia jes nauką wykorzysującą słoje przyrosu rocznego drzew do określania wieku (daowania) obieków drewnianych (budynki, przedmioy). Analizy różnych paramerów słojów przyrosu

Bardziej szczegółowo

Statystyka matematyczna i ekonometria

Statystyka matematyczna i ekonometria Statystyka matematyczna i ekonometria Wykład 9 Anna Skowrońska-Szmer lato 2016/2017 Ekonometria (Gładysz B., Mercik J., Modelowanie ekonometryczne. Studium przypadku, Wydawnictwo PWr., Wrocław 2004.) 2

Bardziej szczegółowo

Klasyfikacja modeli. Metoda najmniejszych kwadratów

Klasyfikacja 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 szczegółowo

Zastosowanie technologii SDF do lokalizowania źródeł emisji BPSK i QPSK

Zastosowanie technologii SDF do lokalizowania źródeł emisji BPSK i QPSK Jan M. KELNER, Cezary ZIÓŁKOWSKI Wojskowa Akademia Techniczna, Wydział Elekroniki, Insyu Telekomunikacji doi:1.15199/48.15.3.14 Zasosowanie echnologii SDF do lokalizowania źródeł emisji BPSK i QPSK Sreszczenie.

Bardziej szczegółowo

Prognoza scenariuszowa poziomu oraz struktury sektorowej i zawodowej popytu na pracę w województwie łódzkim na lata

Prognoza scenariuszowa poziomu oraz struktury sektorowej i zawodowej popytu na pracę w województwie łódzkim na lata Projek Kapiał ludzki i społeczny jako czynniki rozwoju regionu łódzkiego współfinansowany ze środków Unii Europejskiej w ramach Europejskiego Funduszu Społecznego Prognoza scenariuszowa poziomu oraz srukury

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 Anna Krauze Uniwersye Warmińsko-Mazurski

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

dr Bartłomiej Rokicki Katedra Makroekonomii i Teorii Handlu Zagranicznego Wydział Nauk Ekonomicznych UW

dr Bartłomiej Rokicki Katedra Makroekonomii i Teorii Handlu Zagranicznego Wydział Nauk Ekonomicznych UW Kaedra Makroekonomii i Teorii Handlu Zagranicznego Wydział Nauk Ekonomicznych UW Sposoby usalania płac w gospodarce Jednym z głównych powodów, dla kórych na rynku pracy obserwujemy poziom bezrobocia wyższy

Bardziej 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

K wartość kapitału zaangażowanego w proces produkcji, w tys. jp.

K wartość kapitału zaangażowanego w proces produkcji, w tys. jp. Sprawdzian 2. Zadanie 1. Za pomocą KMNK oszacowano następującą funkcję produkcji: Gdzie: P wartość produkcji, w tys. jp (jednostek pieniężnych) K wartość kapitału zaangażowanego w proces produkcji, w tys.

Bardziej szczegółowo

Wygładzanie metodą średnich ruchomych w procesach stałych

Wygładzanie metodą średnich ruchomych w procesach stałych Wgładzanie meodą średnich ruchomch w procesach sałch Cel ćwiczenia. Przgoowanie procedur Średniej Ruchomej (dla ruchomego okna danch); 2. apisanie procedur do obliczenia sandardowego błędu esmacji;. Wizualizacja

Bardziej szczegółowo

Matematyka finansowa 20.03.2006 r. Komisja Egzaminacyjna dla Aktuariuszy. XXXVIII Egzamin dla Aktuariuszy z 20 marca 2006 r.

Matematyka finansowa 20.03.2006 r. Komisja Egzaminacyjna dla Aktuariuszy. XXXVIII Egzamin dla Aktuariuszy z 20 marca 2006 r. Komisja Egzaminacyjna dla Akuariuszy XXXVIII Egzamin dla Akuariuszy z 20 marca 2006 r. Część I Maemayka finansowa WERSJA TESTU A Imię i nazwisko osoby egzaminowanej:... Czas egzaminu: 100 minu 1 1. Ile

Bardziej szczegółowo