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
|
|
- Krystyna Baran
- 7 lat temu
- Przeglądów:
Transkrypt
1 A C A U N I V E R S I A I S N I C O L A I C O P E R N I C I EKONOMIA XXXIX NAUKI HUMANISYCZNO-SPOŁECZNE ZESZY 389 ORUŃ 2009 Uniwersye Mikołaja Kopernika w oruniu Kaedra Ekonomerii i Saysyki omasz Chruściński BADANIE WSPÓŁZALEŻNOŚCI RYNKÓW KAPIAŁOWYCH I WALUOWYCH Z ZASOSOWANIEM MODELI MGARCH Z a r y s r e ś c i. W arykule podjęo próbę zbadania wzajemnych relacji pomiędzy wybranymi indeksami giełdowymi, relacji pomiędzy kursami walu, a nasępnie określono kierunek przepływu informacji pomiędzy rynkami kapiałowym i waluowym. Do oszacowania współzależności insrumenów inwesycyjnych posłużył wielowymiarowy model klasy GARCH. Praca jes konynuacją poprzednich badań auora związanych z aksonomeryczną klasyfikacją giełd na świecie. S ł o w a k l u c z o w e: wielowymiarowy model GARCH, analiza współzależności, giełdy papierów warościowych, waluy. 1. WSĘP Badania nad wzajemnym oddziaływaniem rynków kapiałowych i waluowych na świecie rwają już od wielu la, niemniej ema en nie sracił na swojej popularności. Szczególnie w osanim roku, gdy na skuek gwałownego wycofania inwesorów z giełdy, napływu kapiału spekulacyjnego oraz licznych bankrucw znanych firm, dyskusje o przenikaniu się wpływów poszczególnych giełd na siebie były bardzo gorące. W ym samym czasie dużym zaineresowaniem cieszyły się również wahania na rynku walu. Celem niniejszego referau jes zbadanie relacji między giełdami papierów warościowych z wybranych krajów oraz kursami walu z nimi związanymi. Praca jes konynuacją wcześniejszych badań auora nad klasyfikacją giełd na świecie, kóre obecnie będą analizowane pod względem wzajemnego oddziaływania w aspekcie kierunku przepływu informacji. Narzędziami badawczymi zasosowanymi w ym celu są wielowymiarowe modele klasy GARCH (Mulivariae GARCH Models).
2 218 OMASZ CHRUŚCIŃSKI 2. MEODOLOGIA Dysponując mapą podziału giełd wynikającą z poprzednich analiz auora 1, podjęo próbę określenia, w jakim kierunku przepływają informacje pomiędzy wyodrębnionymi grupami i ym samym zbadania, jaki jes ich wzajemny wpływ oddziaływania. W badaniu posłużono się wielowymiarowym modelem MGARCH, opierając się na dziennych sopach zwrou z głównych indeksów oraz kursów waluowych. Ponieważ rudnością byłoby przeanalizowanie zmian wszyskich indeksów, zdecydowano się na wybór reprezenanów grup i ak do specyfikacji równań modelu przyjęo logarymowane sopy zwrou (1) z indeksów: Nasdaq, Dow Jones, S&P500, DAX, CAC40, FSE250, SSE Comp., WIG20, a akże kursów walu reprezenujących kraje, z kórych pochodzą wybrane indeksy. Są nimi: EUR/USD, EUR/GBP, EUR/PLN, USD/GBP, USD/CNY, CNY/GBP, CNY/PLN, CNY/EUR, GBP/PLN. Punkem wyjścia analizy są pojęcia warunkowych warości oczekiwanych, warunkowej macierzy wariancji-kowariancji oraz warunkowego rozkładu sandaryzowanych resz modelu, danego równaniem: ( ln P ln P 1 ) = μ + ε = h z r = 100 μ + (1) P warość indeksu (kursu) w okresie, P 1 warość indeksu (kursu) w okresie -1, μ warunkowa warość oczekiwana sopy zwrou r w chwili ( μ = Ε[ r I 1 ]), ε resza modelu, h warunkowa wariancja sopy zwrou w chwili ( h = var[ r I 1 ]), z niezależne reszy modelu o zerowej średniej i jednoskowej wariancji, I -1 informacja dosępna w chwili. Więcej informacji meodologicznych na ema modelowania procesów sochasycznych można znaleźć w lieraurze (Osińska, 2006; Fiszeder, 2009). W niniejszym referacie skupiono uwagę na najważniejsze kwesie konsrukcji modelu MGARCH. Chociaż od zaproponowania przez Engle a i Bollersleva (1986) jednorównaniowych modeli ARCH i GARCH minęło ponad 20 la, ich podejście do zmiennych w czasie wariancji sóp zwrou jes wciąż akualne i rozwijane. Nauralnym rozszerzeniem modeli GARCH na porzeby analiz rynków finansowych sał się wprowadzony przez Bollersleva (1988) roku model wielowymiarowy MGARCH (Mulivariae GARCH). W części empirycznej niniejszej pracy en właśnie model posłuży do opisania wzajemnego wpływu giełd i kursów walu na świecie. Ogólna posać modelu wielowymiarowego, kóra jes odpowiednikiem jednorównaniowego modelu GARCH(1,1) określona w pracy Bollerslev, Engle, Wooldridge (1988) nazwą VECH-GARCH dana jes równaniem: 1. Chruściński, Analiza wielowymiarowa giełd papierów warościowych na świecie, Wiadomości saysyczne, nr 9, GUS, Warszawa 2008, s
3 Badanie współzależności rynków kapiałowych i waluowych 219 ( Η ) = vech( W) + Avech( ) Bvech( ) vech τ ε 1 ε 1 + H 1, (2) gdzie operaor vech () jes operaorem wekoryzacji symerycznej. Aby esymacja modelu (2) była poprawnie przeprowadzona, konieczne jes spełnienie szeregu warunków. Należy zapewnić dodanią określoność i sacjonarność macierzy H dla każdej chwili, co wymaga dodaniej określoności macierzy A oraz B i jes związane z wprowadzeniem bardzo skomplikowanych nieliniowych warunków ograniczających. Podsawową konsekwencją pełnej posaci równania VECH jes konieczność oszacowania dużej liczby paramerów, kóra już w modelu dwuwymiarowym wynosi 21. Problemy e powodują, że model znalazł małe zasosowanie w prakyce. Rozwiązaniem okazały się modele z diagonalnymi macierzami A i B, kóre zredukowały liczbę szacowanych paramerów i wyeliminowały zw. efek przenikania wariancji poprzez uzależnienie elemenów macierzy H od swoich przeszłych warości h ij, oraz iloczynów błędów z chwili ( ε i, ε j, ). Ogólna posać diagonalnego modelu VECH (DVECH) jes nasępująca: H W + A o ε ε + B o H (3) = ( 1 1 ) =, iloczyn X o Y o iloczyn Ha- vech. Po sprowadzeniu macierzy A i B do ich posaci diagonalnych, orzymujemy osaeczną posać modelu DVECH, kóra jes rozszerzeniem modelu GARCH(1,1) (por. Yang, 2001). Szczególną odmianą modelu VECH jes model BEKK, kóry w prosy sposób rozwiązuje problem braku dodaniej macierzy kowariancji. Ponieważ jednak rudno jes uzyskać sacjonarność macierzy H oraz małą liczbę szacowanych paramerów (por. Pionek, 2006), podobnie sosuje się diagonalne macierze A i B uzyskując model DBEKK(2) gdzie: A = ivech( diag( A) ), B ivech( diag( B) ) damarda, a ivech () jes operaorem odwronym do ( ) H = W W + A ε 1ε 1A + B H 1B. (4) Dzięki zasosowaniu posaci diagonalnych można zasosować esymację każdego z równań modeli (3) i (4) osobno, unikając w en sposób szeregu problemów opymalizacyjnych meody największej wiarygodności dla kilku równań jednocześnie. W przykładzie empirycznym zasosowano maksymalizację funkcji największej wiarygodności określoną wzorem: LLF = 1 2 ' 1 [ ln + ε H ε ] = 1 H (5)
4 220 OMASZ CHRUŚCIŃSKI 3. WYNIKI EMPIRYCZNE Do badania wykorzysano dzienne sopy zwrou na głównych indeksach giełdowych z wybranych krajów oraz związanych z nimi kursów waluowych. Szeregi czasowe dososowano do porównywalności poprzez usunięcie sóp zwrou dla okresów, w kórych brakowało danych choćby jednej zmiennej. Osaecznie orzymano 1865 obserwacji z okresu od sycznia 2001 roku do kwienia 2009 roku. Dla ak przygoowanych danych zbudowano modele klasy diagonal VECH, diagonal BEKK oraz dla porównania model sałej korelacji warunkowej CCC w celu oceny, kóry z nich będzie najlepiej dopasowany do rzeczywisości. Po oszacowaniu kilkudziesięciu modeli zdecydowano na wykorzysanie warunkowego rozkładu -Sudena, kóry dał lepsze rezulay oszacowań paramerów niż rozkład normalny. abela 1. Porównanie przykładowych wyników esymacji modeli według kryerium AIC Model rcny/gbp=f(rcac40, rdax); rdax=f(rs&p500, rcac40); rs&p500=f(rdjia) rcny/pln=f(rdjia, rcac40); rcac40=f(rs&p500, rdax); rdax=f(rnasdaq) rcny/eur=f(rdjia, rwig20); rcac40=f(rs&p500, rdax); rwig20=f(rfse250, rdax) rgbp/pln=f(rs&p500, rdax); rdax=f(rfse250, rcac40); rwig20=f(rfse250, rdax) reur/pln=f(rs&p500, rcac40); rs&p500=f(rnasdaq, rdjia); rcac40=f(rs&p500, rdax) rwig20=f(rnasdaq, rdax); rdax=f(rs&p500, rcac40); r S&P500=f(rDJIA) rwig20=f(rs&p500, rdax); rdax=f(rs&p500, rcac40); rs&p500=f(rdjia) rwig20=f(rdjia, rdax); rdax=f(rs&p500, rcac40); rdjia=f(rs&p500) rwig20=f(rnasdaq, rfse250); rfse250=f(rs&p500, rcac40); rcac40=f(rs&p500, rdax) rwig20=f(rs&p500, rfse250); rfse250=f(rs&p500, rcac40); rs&p500=f(rdjia) rwig20=f(rdjia, rfse250); rfse250=f(rs&p500, rcac40); rdjia=f(rs&p500) rsse=f(rfse250); rfse250=f(rs&p500); r S&P500=f(rNASDAQ, rdjia) rsse=f( rfse250); rfse250=f(rs&p500, rcac40); rwig20=f(rs&p500, rdax) Źródło: obliczenia własne w programie EViews 6.0. Warości kryerium AIC DVECH CCC DBEKK Opymalny model -19, , ,65051 DVECH -20, , ,12827 DVECH -18, , ,84235 DVECH -18, , ,54189 DVECH -20, , ,99533 CCC -18, , ,10009 CCC -18, , ,11020 CCC -18, , ,14694 CCC -19, , ,06386 DVECH -18, , ,77934 CCC -18, , ,83241 CCC -18, , ,44585 CCC -17, , ,72810 CCC Celem badania było określenie kierunku wpływu giełdy reprezenującej jedną grupę na reprezenana innej, wzajemnego wpływu na siebie kursów wa-
5 Badanie współzależności rynków kapiałowych i waluowych 221 luowych i w konsekwencji zbadanie zależności pomiędzy rynkiem giełdowym i waluowym. Mając do dyspozycji sopy zwrou z 8 indeksów oraz 9 kursów waluowych analizie poddano kilkase wielowymiarowych kombinacji. Z uwagi na ograniczony rozmiar publikacji zdecydowano się na zaprezenowanie ylko przykładowych wyników oszacowanych modeli. Kryerium wyboru była warość AIC. Wyniki porównań przedsawia abela 1. Analizując zaprezenowane w abeli 1. wyniki esymacji, zauważalne jes, że najlepszymi do badania wzajemnego oddziaływania indeksów giełdowych i kursów waluowych są diagonalny model VECH oraz model sałej korelacji warunkowej CCC. a sama srukura opymalnych modeli wysępuje dla wszyskich wyników badania współzależności. Przykładowy empiryczny wielorównaniowy model DVECH przedsawiony zosał poniżej: r EUR/PLN() = -0, , r S&P500(-1) + 0, r CAC40(-1) + ε r S&P500() = 0, , r NASDAQ(-1) 0, r DJIA(-1) + ε r CAC40() = 0, , r S&P500(-1) 0,20429 r DAX(-1) + ε Rysunek 1. Wzajemny wpływ giełd papierów warościowych reprezenowany przez główne indeksy w okresie od sycznia 2001 do kwienia 2009 roku Źródło: opracowanie własne. Ciekawszą sroną wyników obliczeń jes inerpreacja ekonomiczna zbudowanych modeli wielowymiarowych. Na podsawie poprawnie oszacowanych zmiennych objaśniających poszczególnych równań wyraźnie widoczny jes kierunek przepływu informacji z poprzedniego dnia pomiędzy poszczególnymi giełdami. Ilusrację wzajemnego wpływu giełd papierów warościowych wykorzysanych w badaniu przedsawia rysunek 1, naomias rysunek 2 prezenuje wyniki badań przy zasosowaniu analogicznych zmiennych z okresu od sycznia 2001 do września 2008 roku. Porównanie obu rysunków daje wyraźny obraz
6 222 OMASZ CHRUŚCIŃSKI zmian w zależnościach między giełdami w okresie 7 miesięcy okresu kryzysu ekonomicznego. Rysunek 2. Wzajemny wpływ giełd papierów warościowych reprezenowany przez główne indeksy w okresie od sycznia 2001 do września 2008 roku Źródło: opracowanie własne na podsawie obliczeń w Chruściński (2009). Porównując wyniki analiz zamieszczone na rysunkach 1 i 2, zauważalna jes zmiana kierunku przepływu informacji pomiędzy badanymi giełdami, kóra nasąpiła w okresie od października 2008 roku do kwienia 2009 roku. Na rynku amerykańskim nie ma już bezpośredniego powiązania indeksów DJIA oraz NASDAQ, z kolei na rynku europejskim londyński indeks FSE250 zdobył bezpośredni wpływ na niemiecki indeks DAX. Obie giełdy (bryyjska i niemiecka) uczesniczą w kszałowaniu się polskiego indeksu WIG20. Parkie francuski, kóry wcześniej pośredniczył w przekazywaniu na polski rynek informacji zawarych w indeksie S&P500 nie spełnia już ej funkcji i obecnie wczorajsze zmiany amerykańskiego S&P500 bezpośrednio wpływają na WIG20. Giełda warszawska naomias sraciła swój udział, kóry wcześniej współdzieliła z giełdą londyńską, w kszałowaniu kursów giełdowych w Szanghaju. Chcąc zbadać wzajemny wpływ rynków giełdowych i waluowych, waro znać zależności wewnąrzrynkowe. Podobnie jak w przypadku powiązań giełdowych wyznaczono zależności sóp zwrou na kursach walu powiązanych z krajami, z kórych pochodzą badane giełdy. Zależności poszczególnych kursów prezenuje rysunek 3.
7 Badanie współzależności rynków kapiałowych i waluowych 223 Rysunek 3. Wzajemny wpływ kursów waluowych powiązanych z krajami, z kórych pochodzą badane giełdy Źródło: opracowanie własne. Rysunek 4. Wzajemny wpływ indeksów giełdowych i kursów waluowych powiązanych z krajami, z kórych pochodzą badane giełdy Źródło: opracowanie własne. Przeprowadzona analiza pozwoliła na określenie kierunku oddziaływania na siebie wybranych giełd papierów warościowych i kursów waluowych. Wyniki ych oddziaływań przedsawia rysunek 4. Badanie powierdziło inuicyjne przypuszczenie na ema współzależności giełd i kursów waluowych. W większej liczbie przypadków kursy walu zależą od zmian indeksów, a nie odwronie, co wynika bezpośrednio ze skłonności inwesorów do generowania zysków. W przypadku, gdy na parkiecie dominuje podaż i kursy spółek zniżkują, gracze wycofują swój kapiał, pogłębiając malejący rend i inwesują go w zagraniczną waluę. Sąd zwykle zmiany indeksów giełdowych i kursów walu są ze sobą skorelowane ujemnie. Największy wpływ na kszałowanie się kursów walu w wybranej grupie giełd mają indeksy S&P500 oraz CAC40. Ich łączny wpływ kszałuje m.in.
8 224 OMASZ CHRUŚCIŃSKI kurs EUR/PLN. Kurs CNY/PLN zależny jes z kolei od indeksu DJIA oraz CAC40. Wynika o z faku, że amerykańska gospodarka ściśle współpracuje z gospodarką chińską i ma silny wpływ na juana. Z punku widzenia polskiej giełdy ineresujące jes, że indeks WIG20 ma wpływ na kurs CNY/EUR. a zależność może wynikać z nieodległego w czasie wpływu warszawskiego parkieu przy współudziale londyńskiego na indeks giełdy szanghajskiej. Powiązanie giełdy SSE w ym zesawieniu zależności jes wówczas bardzo nauralne. W niniejszym badaniu jedynie kurs EUR/GBP okazał się niezależny od jakiejkolwiek analizowanej giełdy. Na jego kszałowanie ma naomias wpływ kurs USD/GBP. Zaprezenowane w niniejszej pracy wyniki analiz mają charaker fragmenaryczny dla badań nad współzależnością rynków kapiałowych i waluowych. Z uwagi na czasochłonność i złożoność obliczeń zamieszczone zesawienia modeli i analiz pełnią funkcję poglądową i przedsawiają przykład zasosowania modeli MGARCH. LIERAURA Bollerslev., Engle, R., Wooldridge, J. (1988), A Capial Asse Pricing Model wih ime-varying Covariance, Journal of Poliical Economy, Universiy of Chicago Press, vol. 96(1). Bollerslev. (1986), Generalized Auoregressive Condiional Heeroskedasiciy, Journal of Economerics, 31, Chruściński. (2008), Analiza wielowymiarowa giełd papierów warościowych na świecie, Wiadomości saysyczne, nr 9, Chruściński. (2009), Wykorzysanie wielowymiarowych modeli klasy GARCH do badania wzajemnego wpływu rynków finansowych na świecie, Equilibrium, Wydawnicwo Naukowe UMK, oruń, nr 1(2), Engle R. (1982), Auoregressive Condiional Heeroskedasiciy wih Esimaes of he Variance of UK Inflaion, Economerica, 50, Fiszeder P., (2009), Modele klasy GARCH w empirycznych badaniach finansowych, Wydawnicwo UMK, oruń. Osińska M. (2006), Ekonomeria finansowa, PWE, Warszawa. Pionek K. (2006), Wyzwania prakyczne w modelowaniu wielowymiarowych procesów GARCH, aksonomia, Akademia Ekonomiczna, Wrocław, nr 13. Yang W. (2001), M-GARCH Hedge Raios and Hedging Effeciveness in Ausralian Fuures Markes, Edih Cowan Universiy.
9 Badanie współzależności rynków kapiałowych i waluowych 225 HE RESEARCH OF INERDEPENDENCE ON CAPIAL AND CURRENCY MARKES USING MULIVARIAE GARCH MODELS A b s r a c. In he aricle an aemp was made o invesigae he ineracion among he various sock exchanges as well as various currency raes and hen o define he direcion of informaion flow beween capial and currency markes. ools used in his sudy are Mulivariae GARCH models. Presen work is a coninuaion of an earlier sudy of World Sock Exchange classificaion. hese sock exchanges will be furher analyzed according o heir ineracion. K e y w o r d s: Mulivariae GARCH Model, independence analysis, Sock Exchanges, currency.
10
Wykorzystywanie wielomywiarowych modeli klasy GARCH do badania wzajemnego wpływu rynków finansowych na świecie
E q u i l i b r i u m 1 (2) 2009 ISSN 1689-765X Tomasz Chruściński Wykorzysywanie wielomywiarowych modeli klasy GARCH do badania wzajemnego wpływu rynków finansowych na świecie Słowa kluczowe: giełdy papierów
Bardziej szczegółowoWyzwania praktyczne w modelowaniu wielowymiarowych procesów GARCH
Krzyszof Pionek Akademia Ekonomiczna we Wrocławiu Wyzwania prakyczne w modelowaniu wielowymiarowych procesów GARCH Wsęp Od zaproponowania przez Engla w 1982 roku jednowymiarowego modelu klasy ARCH, modele
Bardziej szczegółowoDYNAMICZNE MODELE EKONOMETRYCZNE
DYNAMICZNE MODEE EKONOMETRYCZNE X Ogólnopolskie Seminarium Naukowe, 4 6 września 007 w Toruniu Kaedra Ekonomerii i Saysyki, Uniwersye Mikołaja Kopernika w Toruniu Joanna Małgorzaa andmesser Szkoła Główna
Bardziej szczegółowoPrognozowanie macierzy kowariancji finansowych szeregów czasowych stóp zwrotu nie jest sprawą błahą. Zagadnienie to związane jest również w oczywisty
Krzyszof Pionek Akademia Ekonomiczna w e W r ocł aw iu Prognozowanie macierzy kowariancji i korel acji f inans owych s zeregó w czas owych Wsęp Prognozowanie macierzy kowariancji finansowych szeregów czasowych
Bardziej szczegółowoDYNAMICZNE MODELE EKONOMETRYCZNE
DYNAMICZNE MODELE EKONOMETRYCZNE IX Ogólnopolskie Seminarium Naukowe, 6 8 września 005 w Toruniu Kaedra Ekonomerii i Saysyki, Uniwersye Mikołaja Kopernika w Toruniu Pior Fiszeder Uniwersye Mikołaja Kopernika
Bardziej szczegółowoDaniel Papla Akademia Ekonomiczna we Wrocławiu. Wykorzystanie modelu DCC-MGARCH w analizie zmian zależności wybranych akcji GPW w Warszawie
DYNAMICZNE MODELE EKONOMETRYCZNE X Ogólnopolskie Seminarium Naukowe, 4 6 września 27 w Toruniu Kaedra Ekonomerii i Saysyki, Uniwersye Mikołaja Kopernika w Toruniu Akademia Ekonomiczna we Wrocławiu Wykorzysanie
Bardziej szczegółowoMODELOWANIE EFEKTU DŹWIGNI W FINANSOWYCH SZEREGACH CZASOWYCH
Krzyszof Pionek Kaedra Inwesycji Finansowych i Ubezpieczeń Akademia Ekonomiczna we Wrocławiu Wsęp MODELOWANIE EFEKTU DŹWIGNI W FINANSOWYCH SZEREGACH CZASOWYCH Nowoczesne echniki zarządzania ryzykiem rynkowym
Bardziej szczegółowoMagdalena Sokalska Szkoła Główna Handlowa. Modelowanie zmienności stóp zwrotu danych finansowych o wysokiej częstotliwości
DYNAMICZNE MODELE EKONOMETRYCZNE IX Ogólnopolskie Seminarium Naukowe, 6 8 września 005 w Toruniu Kaedra Ekonomerii i Saysyki, Uniwersye Mikołaja Kopernika w Toruniu Szkoła Główna Handlowa Modelowanie zmienności
Bardziej szczegółowoOeconomiA copernicana. Małgorzata Madrak-Grochowska, Mirosława Żurek Uniwersytet Mikołaja Kopernika w Toruniu
OeconomiA copernicana 2011 Nr 4 Małgorzaa Madrak-Grochowska, Mirosława Żurek Uniwersye Mikołaja Kopernika w Toruniu TESTOWANIE PRZYCZYNOWOŚCI W WARIANCJI MIĘDZY WYBRANYMI INDEKSAMI RYNKÓW AKCJI NA ŚWIECIE
Bardziej szczegółowoEFEKT DŹWIGNI NA GPW W WARSZAWIE WPROWADZENIE
Paweł Kobus, Rober Pierzykowski Kaedra Ekonomerii i Informayki SGGW e-mail: pawel.kobus@saysyka.info EFEKT DŹWIGNI NA GPW W WARSZAWIE Sreszczenie: Do modelowania asymerycznego wpływu dobrych i złych informacji
Bardziej szczegółowoUMK w Toruniu ANALIZA ZALEŻNOŚCI MIĘDZY INDEKSEM WIG A WYBRANYMI INDEKSAMI RYNKÓW AKCJI NA ŚWIECIE
Pior Fiszeder UMK w Toruniu ANALIZA ZALEŻNOŚCI MIĘDZY INDEKSEM WIG A WYBRANYMI INDEKSAMI RYNKÓW AKCJI NA ŚWIECIE. Wprowadzenie Rynki kapiałowe na świecie są coraz silniej powiązane. Do najważniejszych
Bardziej szczegółowoStudia Ekonomiczne. Zeszyty Naukowe Uniwersytetu Ekonomicznego w Katowicach ISSN 2083-8611 Nr 219 2015
Sudia Ekonomiczne. Zeszyy Naukowe Uniwersyeu Ekonomicznego w Kaowicach ISSN 2083-86 Nr 29 205 Alicja Ganczarek-Gamro Uniwersye Ekonomiczny w Kaowicach Wydział Informayki i Komunikacji Kaedra Demografii
Bardziej szczegółowoE k o n o m e t r i a S t r o n a 1. Nieliniowy model ekonometryczny
E k o n o m e r i a S r o n a Nieliniowy model ekonomeryczny Jednorównaniowy model ekonomeryczny ma posać = f( X, X,, X k, ε ) gdzie: zmienna objaśniana, X, X,, X k zmienne objaśniające, ε - składnik losowy,
Bardziej szczegółowoWykorzystanie wielorównaniowych modeli AR-GARCH w pomiarze ryzyka metodą VaR
Krzyszof Pionek Daniel Papla Kaedra Inwesycji Finansowych i Ubezpieczeń Akademia Ekonomiczna we Wrocławiu Wykorzysanie wielorównaniowych modeli AR-GARCH w pomiarze ryzyka meodą VaR Wsęp Wśród różnych meod
Bardziej szczegółowoKrzysztof Piontek MODELOWANIE ZMIENNOŚCI STÓP PROCENTOWYCH NA PRZYKŁADZIE STOPY WIBOR
Inwesycje finansowe i ubezpieczenia endencje świaowe a rynek polski Krzyszof Pionek Akademia Ekonomiczna we Wrocławiu MODELOWANIE ZMIENNOŚCI STÓP PROCENTOWYCH NA PRZYKŁADZIE STOPY WIBOR Wsęp Konieczność
Bardziej szczegółowoTransakcje insiderów a ceny akcji spółek notowanych na Giełdzie Papierów Wartościowych w Warszawie S.A.
Agaa Srzelczyk Transakcje insiderów a ceny akcji spółek noowanych na Giełdzie Papierów Warościowych w Warszawie S.A. Wsęp Inwesorzy oczekują od każdej noowanej na Giełdzie Papierów Warościowych spółki
Bardziej szczegółowoMODELOWANIE FINANSOWYCH SZEREGÓW CZASOWYCH Z WARUNKOWĄ WARIANCJĄ. 1. Wstęp
WERSJA ROBOCZA - PRZED POPRAWKAMI RECENZENTA Krzyszof Pionek Akademia Ekonomiczna we Wrocławiu MODELOWANIE FINANSOWYCH SZEREGÓW CZASOWYCH Z WARUNKOWĄ WARIANCJĄ. Wsęp Spośród wielu rodzajów ryzyka, szczególną
Bardziej szczegółowoKrzysztof Piontek Akademia Ekonomiczna we Wrocławiu. Modelowanie warunkowej kurtozy oraz skośności w finansowych szeregach czasowych
DYNAMICZNE MODELE EKONOMETRYCZNE IX Ogólnopolskie Seminarium Naukowe, 6 8 września 5 w Toruniu Kaedra Ekonomerii i Saysyki, Uniwersye Mikołaja Kopernika w Toruniu Akademia Ekonomiczna we Wrocławiu Modelowanie
Bardziej szczegółowoEwa Dziawgo Uniwersytet Mikołaja Kopernika w Toruniu. Analiza wrażliwości modelu wyceny opcji złożonych
DYNAMICZNE MODELE EKONOMETRYCZNE X Ogólnopolskie Seminarium Naukowe, 4 6 września 7 w Toruniu Kaedra Ekonomerii i Saysyki, Uniwersye Mikołaja Kopernika w Toruniu Uniwersye Mikołaja Kopernika w Toruniu
Bardziej szczegółowoDYNAMICZNE MODELE EKONOMETRYCZNE
DYNAMICZNE MODELE EKONOMETRYCZNE X Ogólnopolskie Seminarium Naukowe, 4 6 września 2007 w Toruniu Kaedra Ekonomerii i Saysyki, Uniwersye Mikołaja Kopernika w Toruniu Uniwersye Gdański Zasosowanie modelu
Bardziej szczegółowoDodatek 2. Wielowymiarowe modele GARCH
Dodatek 2. Wielowymiarowe modele GARCH MODELOWANIE POLSKIEJ GOSPODARKI z R MPGzR (dodatek 2) Modele MGARCH 1 / 15 Ogólna specykacja modelu MGARCH Ogólna posta dla N-wymiarowego procesu MGARCH {y t }: y
Bardziej szczegółowoEfekty agregacji czasowej szeregów finansowych a modele klasy Sign RCA
Joanna Górka * Efeky agregacji czasowej szeregów finansowych a modele klasy Sign RCA Wsęp Wprowadzenie losowego parameru do modelu auoregresyjnego zwiększa możliwości aplikacyjne ego modelu, gdyż pozwala
Bardziej szczegółowoKrzysztof Piontek Weryfikacja modeli Blacka-Scholesa dla opcji na WIG20
Akademia Ekonomiczna im. Oskara Langego we Wrocławiu Wydział Zarządzania i Informayki Kaedra Inwesycji Finansowych i Zarządzania Ryzykiem Krzyszof Pionek Weryfikacja modeli Blacka-Scholesa oraz AR-GARCH
Bardziej szczegółowoWNIOSKOWANIE STATYSTYCZNE
Wnioskowanie saysyczne w ekonomerycznej analizie procesu produkcyjnego / WNIOSKOWANIE STATYSTYCZNE W EKONOMETRYCZNEJ ANAIZIE PROCESU PRODUKCYJNEGO Maeriał pomocniczy: proszę przejrzeć srony www.cyf-kr.edu.pl/~eomazur/zadl4.hml
Bardziej szczegółowoPorównanie jakości nieliniowych modeli ekonometrycznych na podstawie testów trafności prognoz
233 Zeszyy Naukowe Wyższej Szkoły Bankowej we Wrocławiu Nr 20/2011 Wyższa Szkoła Bankowa w Toruniu Porównanie jakości nieliniowych modeli ekonomerycznych na podsawie esów rafności prognoz Sreszczenie.
Bardziej szczegółowoESTYMACJA KRZYWEJ DOCHODOWOŚCI STÓP PROCENTOWYCH DLA POLSKI
METODY ILOŚCIOWE W BADANIACH EKONOMICZNYCH Tom XIII/3, 202, sr. 253 26 ESTYMACJA KRZYWEJ DOCHODOWOŚCI STÓP PROCENTOWYCH DLA POLSKI Adam Waszkowski Kaedra Ekonomiki Rolnicwa i Międzynarodowych Sosunków
Bardziej szczegółowoMODELOWANIE WŁASNOŚCI SZEREGÓW STÓP ZWROTU SKOŚNOŚĆ ROZKŁADÓW
Krzyszof Pionek Kaedra Inwesycji Finansowych i Ubezpieczeń Akademia Ekonomiczna we Wrocławiu MODELOWANIE WŁASNOŚCI SZEREGÓW STÓP ZWROTU SKOŚNOŚĆ ROZKŁADÓW Wprowadzenie Współczesne zarządzanie ryzykiem
Bardziej szczegółowoPROGNOZOWANIE. Ćwiczenia 2. mgr Dawid Doliński
Ćwiczenia 2 mgr Dawid Doliński Modele szeregów czasowych sały poziom rend sezonowość Y Y Y Czas Czas Czas Modele naiwny Modele średniej arymeycznej Model Browna Modele ARMA Model Hola Modele analiyczne
Bardziej szczegółowoDYNAMICZNE MODELE EKONOMETRYCZNE
DYNAMICZNE MODELE EKONOMETRYCZNE IX Ogólnopolskie Seminarium Naukowe, 6 8 września 2005 w Toruniu Kaedra Ekonomerii i Saysyki, Uniwersye Mikołaja Kopernika w Toruniu Kaarzyna Kuziak Akademia Ekonomiczna
Bardziej szczegółowoDYNAMICZNE MODELE EKONOMETRYCZNE
DYNAMICZNE MODELE EKONOMETRYCZNE X Ogólnopolskie Seminarium Naukowe, 4 6 września 2007 w Toruniu Kaedra Ekonomerii i Saysyki, Uniwersye Mikołaja Kopernika w Toruniu Pior Fiszeder Uniwersye Mikołaja Kopernika
Bardziej szczegółowoOcena efektywności procedury Congruent Specyfication dla małych prób
243 Zeszyy Naukowe Wyższej Szkoły Bankowej we Wrocławiu Nr 20/2011 Wyższa Szkoła Bankowa w Toruniu Ocena efekywności procedury Congruen Specyficaion dla małych prób Sreszczenie. Procedura specyfikacji
Bardziej szczegółowoPrognozowanie średniego miesięcznego kursu kupna USD
Prognozowanie średniego miesięcznego kursu kupna USD Kaarzyna Halicka Poliechnika Białosocka, Wydział Zarządzania, Kaedra Informayki Gospodarczej i Logisyki, e-mail: k.halicka@pb.edu.pl Jusyna Godlewska
Bardziej szczegółowoMODELOWANIE KURSÓW WALUTOWYCH NA PRZYKŁADZIE MODELI KURSÓW RÓWNOWAGI ORAZ ZMIENNOŚCI NA RYNKU FOREX
Krzyszof Ćwikliński Uniwersye Ekonomiczny we Wrocławiu Wydział Zarządzania, Informayki i Finansów Kaedra Ekonomerii krzyszof.cwiklinski@ue.wroc.pl Daniel Papla Uniwersye Ekonomiczny we Wrocławiu Wydział
Bardziej szczegółowoKURS EKONOMETRIA. Lekcja 1 Wprowadzenie do modelowania ekonometrycznego ZADANIE DOMOWE. Strona 1
KURS EKONOMETRIA Lekcja 1 Wprowadzenie do modelowania ekonomerycznego ZADANIE DOMOWE www.erapez.pl Srona 1 Część 1: TEST Zaznacz poprawną odpowiedź (ylko jedna jes prawdziwa). Pyanie 1 Kóre z poniższych
Bardziej szczegółowoDodatek 3. Wielowymiarowe modele GARCH model DCC-GARCH
Dodatek 3. Wielowymiarowe modele GARCH model DCC-GARCH MODELOWANIE POLSKIEJ GOSPODARKI z R MPGzR (dodatek 3) Modele MGARCH 1 / 11 Ogólna specykacja modelu MGARCH Ogólna posta dla N-wymiarowego procesu
Bardziej szczegółowoZASTOSOWANIE FUNKCJI KOPULI W MODELOWNIU INDEKSÓW GIEŁDOWYCH
ZASTOSOWANIE FUNKCJI KOPULI W MODELOWNIU INDEKSÓW GIEŁDOWYCH Jacek Leśkow, Jusyna Mokrzycka, Kamil Krawiec 1 Sreszczenie Współczesne zarządzanie ryzykiem finansowanym opiera się na analizie zwroów szeregów
Bardziej szczegółowoWitold Orzeszko Uniwersytet Mikołaja Kopernika w Toruniu
DYNAMICZNE MODELE EKONOMETRYCZNE X Ogólnopolskie Seminarium Naukowe, 4 6 września 2007 w Toruniu Kaedra Ekonomerii i Saysyki, Uniwersye Mikołaja Kopernika w Toruniu Uniwersye Mikołaja Kopernika w Toruniu
Bardziej szczegółowoPIOTR FISZEDER, JACEK KWIATKOWSKI Katedra Ekonometrii i Statystyki
PIOTR FISZEDER, JACEK KWIATKOWSKI Kaedra Ekonomerii i Saysyki DYNAMICZNA ANALIZA ZALEŻNOŚCI POMIĘDZY OCZEKIWANĄ STOPĄ ZWROTU A WARUNKOWĄ WARIANCJĄ Sreszczenie: W badaniu zasosowano modele GARCHM ze sałym
Bardziej szczegółowoŹRÓDŁA FLUKTUACJI REALNEGO EFEKTYWNEGO KURSU EUR/ PLN
METODY ILOŚCIOWE W BADANIACH EKONOMICZNYCH Tom XII/, 0, sr. 389 398 ŹRÓDŁA FLUKTUACJI REALNEGO EFEKTYWNEGO KURSU EUR/ PLN Adam Waszkowski Kaedra Ekonomiki Rolnicwa i Międzynarodowych Sosunków Gospodarczych
Bardziej szczegółowoA C T A U N I V E R S I T A T I S N I C O L A I C O P E R N I C I EKONOMIA XXXIX NAUKI HUMANISTYCZNO-SPOŁECZNE ZESZYT 389 TORUŃ 2009
A C T A U N I V E R S I T A T I S N I C O L A I C O P E R N I C I EKONOMIA XXXIX NAUKI HUMANISTYCZNO-SPOŁECZNE ZESZYT 389 TORUŃ 2009 Uniwersye Mikołaja Kopernika w Toruniu Kaedra Ekonomerii i Saysyki Jarosław
Bardziej szczegółowoAnaliza metod oceny efektywności inwestycji rzeczowych**
Ekonomia Menedżerska 2009, nr 6, s. 119 128 Marek Łukasz Michalski* Analiza meod oceny efekywności inwesycji rzeczowych** 1. Wsęp Podsawowymi celami przedsiębiorswa w długim okresie jes rozwój i osiąganie
Bardziej szczegółowoKRZYSZTOF JAJUGA Katedra Inwestycji Finansowych i Zarządzania Ryzykiem Akademia Ekonomiczna we Wrocławiu 25 LAT EKONOMETRII FINANSOWEJ
KRZYSZTOF JAJUGA Kaedra Inwesycji Finansowych i Zarządzania Ryzykiem Akademia Ekonomiczna we Wrocławiu 25 LAT EKONOMETRII FINANSOWEJ EKONOMETRIA FINANSOWA OKREŚLENIE Modele ekonomerii finansowej są worzone
Bardziej szczegółowoWERYFIKACJA JAKOŚCI PROGNOZ ZMIENNOŚCI WYKORZYSTYWANYCH W MODELU RISKMETRICS TM
Sudia Ekonomiczne. Zeszyy Naukowe Uniwersyeu Ekonomicznego w Kaowicach ISSN 083-8611 Nr 86 016 Ekonomia 6 Uniwersye Ekonomiczny w Kaowicach Wydział Finansów i Ubezpieczeń Kaedra Inwesycji i Nieruchomości
Bardziej szczegółowoDOBÓR PRZEKROJU ŻYŁY POWROTNEJ W KABLACH ELEKTROENERGETYCZNYCH
Franciszek SPYRA ZPBE Energopomiar Elekryka, Gliwice Marian URBAŃCZYK Insyu Fizyki Poliechnika Śląska, Gliwice DOBÓR PRZEKROJU ŻYŁY POWROTNEJ W KABLACH ELEKTROENERGETYCZNYCH. Wsęp Zagadnienie poprawnego
Bardziej szczegółowoDYNAMICZNE MODELE EKONOMETRYCZNE
DYNAMICZNE MODELE EKONOMETRYCZNE X Ogólnopolskie Seminarium Naukowe, 4 6 września 007 w Toruniu Kaedra Ekonomerii i Saysyki, Uniwersye Mikołaja Kopernika w Toruniu Uniwersye Mikołaja Kopernika Zależność
Bardziej szczegółowoParytet stóp procentowych a premia za ryzyko na przykładzie kursu EURUSD
Parye sóp procenowych a premia za ryzyko na przykładzie kursu EURUD Marcin Gajewski Uniwersye Łódzki 4.12.2008 Parye sóp procenowych a premia za ryzyko na przykładzie kursu EURUD Niezabazpieczony UIP)
Bardziej szczegółowoWYKORZYSTANIE MIERNIKÓW KREOWANIA WARTOŚCI W RACHUNKU ODPOWIEDZIALNOŚCI
ZESZYTY NAUKOWE UNIWERSYTETU SZCZECIŃSKIEGO NR 668 FINANSE, RYNKI FINANSOWE, UBEZPIECZENIA NR 41 2011 BARTŁOMIEJ NITA Uniwersye Ekonomiczny we Wrocławiu WYKORZYSTANIE MIERNIKÓW KREOWANIA WARTOŚCI W RACHUNKU
Bardziej szczegółowoPOWIĄZANIA POMIĘDZY KRÓTKOOKRESOWYMI I DŁUGOOKRESOWYMI STOPAMI PROCENTOWYMI W POLSCE
Anea Kłodzińska, Poliechnika Koszalińska, Zakład Ekonomerii POWIĄZANIA POMIĘDZY KRÓTKOOKRESOWYMI I DŁUGOOKRESOWYMI STOPAMI PROCENTOWYMI W POLSCE Sopy procenowe w analizach ekonomicznych Sopy procenowe
Bardziej szczegółowoJerzy Czesław Ossowski Politechnika Gdańska. Dynamika wzrostu gospodarczego a stopy procentowe w Polsce w latach
DYNAMICZNE MODELE EKONOMETRYCZNE IX Ogólnopolskie Seminarium Naukowe, 6 8 września 2005 w Toruniu Kaedra Ekonomerii i Saysyki, Uniwersye Mikołaja Kopernika w Toruniu Poliechnika Gdańska Dynamika wzrosu
Bardziej szczegółowoO 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 szczegółowoEFEKT DNIA TYGODNIA NA GIEŁDZIE PAPIERÓW WARTOŚCIOWYCH W WARSZAWIE WSTĘP
Joanna Landmesser Kaedra Ekonomerii i Informayki SGGW e-mail: jgwiazda@mors.sggw.waw.pl EFEKT DNIA TYGODNIA NA GIEŁDZIE PAPIERÓW WARTOŚCIOWYCH W WARSZAWIE Sreszczenie: W pracy zbadano wysępowanie efeku
Bardziej szczegółowoZJAWISKA SZOKOWE W ROZWOJU GOSPODARCZYM WYBRANYCH KRAJÓW UNII EUROPEJSKIEJ
Anna Janiga-Ćmiel Uniwersye Ekonomiczny w Kaowicach Wydział Zarządzania Kaedra Maemayki anna.janiga-cmiel@ue.kaowice.pl ZJAWISKA SZOKOWE W ROZWOJU GOSPODARCZYM WYBRANYCH KRAJÓW UNII EUROPEJSKIEJ Sreszczenie:
Bardziej szczegółowoA C T A U N I V E R S I T A T I S N I C O L A I C O P E R N I C I EKONOMIA XXXIX NAUKI HUMANISTYCZNO-SPOŁECZNE ZESZYT 389 TORUŃ 2009.
A T A U N I V E R S I T A T I S N I O L A I O P E R N I I EKONOMIA XXXIX NAUKI HUMANISTYZNO-SPOŁEZNE ZESZYT 389 TORUŃ 2009 Uniwersye Ekonomiczny w Poznaniu Kaedra Maemayki Sosowanej Blanka Minc DYNAMIKA
Bardziej szczegółowoEKONOMETRIA wykład 2. Prof. dr hab. Eugeniusz Gatnar.
EKONOMERIA wykład Prof. dr hab. Eugeniusz Ganar eganar@mail.wz.uw.edu.pl Przedziały ufności Dla paramerów srukuralnych modelu: P bˆ j S( bˆ z prawdopodobieńswem parameru b bˆ S( bˆ, ( m j j j, ( m j b
Bardziej szczegółowoWARTOŚĆ ZAGROŻONA OPCJI EUROPEJSKICH SZACOWANA PRZEDZIAŁOWO. SYMULACJE
Daniel Iskra Uniwersye Ekonomiczny w Kaowicach WARTOŚĆ ZAGROŻONA OPCJI EUROPEJSKICH SZACOWANA PRZEDZIAŁOWO. SYMULACJE Wprowadzenie Jednym z aspeków współczesnej ekonomii jes zarządzanie ryzykiem związanym
Bardziej szczegółowoElżbieta Szulc Uniwersytet Mikołaja Kopernika w Toruniu. Modelowanie zależności między przestrzennoczasowymi procesami ekonomicznymi
DYNAMICZNE MODELE EKONOMETRYCZNE X Ogólnopolskie Seminarium Naukowe, 4 6 września 007 w Toruniu Kaedra Ekonomerii i Saysyk Uniwersye Mikołaja Kopernika w Toruniu Uniwersye Mikołaja Kopernika w Toruniu
Bardziej szczegółowoTestowanie współzależności w rozwoju gospodarczym
The Wroclaw School of Banking Research Journal ISSN 1643-7772 I eissn 2392-1153 Vol. 15 I No. 5 Zeszyy Naukowe Wyższej Szkoły Bankowej we Wrocławiu ISSN 1643-7772 I eissn 2392-1153 R. 15 I Nr 5 Tesowanie
Bardziej szczegółowoPREDYKCJA KURSU EURO/DOLAR Z WYKORZYSTANIEM PROGNOZ INDEKSU GIEŁDOWEGO: WYBRANE MODELE EKONOMETRYCZNE I PERCEPTRON WIELOWARSTWOWY
B A D A N I A O P E R A C J N E I D E C Z J E Nr 2004 Aleksandra MAUSZEWSKA Doroa WIKOWSKA PREDKCJA KURSU EURO/DOLAR Z WKORZSANIEM PROGNOZ INDEKSU GIEŁDOWEGO: WBRANE MODELE EKONOMERCZNE I PERCEPRON WIELOWARSWOW
Bardziej szczegółowoOddziaływanie procesu informacji na dynamikę cen akcji. Małgorzata Doman Akademia Ekonomiczna w Poznaniu
Oddziaływanie procesu informacji na dynamikę cen akcji. Małgorzaa Doman Akademia Ekonomiczna w Poznaniu Modele mikrosrukury rynku Bageho (97) informed raders próbują wykorzysać swoją przewagę informacyjną
Bardziej szczegółowoAnaliza rynku projekt
Analiza rynku projek A. Układ projeku 1. Srona yułowa Tema Auor 2. Spis reści 3. Treść projeku 1 B. Treść projeku 1. Wsęp Po co? Na co? Dlaczego? Dlaczego robię badania? Jakimi meodami? Dla Kogo o jes
Bardziej szczegółowoFolia Oeconomica. Janusz Brzeszczyński. Acta Universitatis Lodziensis. 6(339) 2018
Folia Oeconomica Aca Universiais Lodziensis ISSN 0208-6018 e-issn 2353-7663 6(339) 2018 DOI: hp://dx.doi.org/10.18778/0208-6018.339.08 Janusz Brzeszczyński Newcasle Business School, Norhumbria Universiy,
Bardziej szczegółowolicencjat Pytania teoretyczne:
Plan wykładu: 1. Wiadomości ogólne. 2. Model ekonomeryczny i jego elemeny 3. Meody doboru zmiennych do modelu ekonomerycznego. 4. Szacownie paramerów srukuralnych MNK. Weryfikacja modelu KMNK 6. Prognozowanie
Bardziej szczegółowoMETODY STATYSTYCZNE W FINANSACH
METODY STATYSTYCZNE W FINANSACH Krzyszof Jajuga Akademia Ekonomiczna we Wrocławiu, Kaedra Inwesycji Finansowych i Ubezpieczeń Wprowadzenie W osanich kilkunasu laach na świecie obserwuje się dynamiczny
Bardziej szczegółowoBadanie 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 szczegółowoMetody badania wpływu zmian kursu walutowego na wskaźnik inflacji
Agnieszka Przybylska-Mazur * Meody badania wpływu zmian kursu waluowego na wskaźnik inflacji Wsęp Do oceny łącznego efeku przenoszenia zmian czynników zewnęrznych, akich jak zmiany cen zewnęrznych (szoki
Bardziej szczegółowoFOLIA POMERANAE UNIVERSITATIS TECHNOLOGIAE STETINENSIS
FOLIA POMERANAE UNIVERSITATIS TECHNOLOGIAE STETINENSIS Folia Pomer. Univ. Technol. Sein., Oeconomica 2014, 313(76)3, 137 146 Maria Szmuksa-Zawadzka, Jan Zawadzki MODELE WYRÓWNYWANIA WYKŁADNICZEGO W PROGNOZOWANIU
Bardziej szczegółowoHeteroskedastyczność szeregu stóp zwrotu a koncepcja pomiaru ryzyka metodą VaR
Krzyszof Pionek Kaedra Inwesycji Finansowych i Ubezpieczeń Akademia Ekonomiczna we Wrocławiu Heeroskedasyczność szeregu sóp zwrou a koncepcja pomiaru ryzyka meodą VaR Wsęp Spośród wielu rodzajów ryzyka
Bardziej szczegółowoZALEŻNOŚCI POMIĘDZY KURSAMI WALUT ŚRODKOWOEUROPEJSKICH W OKRESIE KRYZYSU 2008 *
PRZEGLĄD STATYSTYCZNY R. LVII ZESZYT 1 2010 AGATA KLIBER, PAWEŁ KLIBER ZALEŻNOŚCI POMIĘDZY KURSAMI WALUT ŚRODKOWOEUROPEJSKICH W OKRESIE KRYZYSU 2008 * 1. WSTĘP Celem niniejszego badania było zbadanie zależności
Bardziej szczegółowoSTATYSTYCZNA WERYFIKACJA MODELU CAPM NA PRZYKŁADZIE POLSKIEGO RYNKU KAPITAŁOWEGO WPROWADZENIE METODOLOGIA TESTOWANIA MODELU
GraŜyna Trzpio, Dominik KręŜołek Kaedra Saysyki Akademii Ekonomicznej w Kaowicach e-mail rzpio@sulu.ae.kaowice.pl, dominik_arkano@wp.pl STATYSTYCZNA WERYFIKACJA MODELU CAPM NA PRZYKŁADZIE POLSKIEGO RYNKU
Bardziej szczegółowot MODELU AARCH ROZWOJU GOSPODARCZEGO
Uniwersye Ekonomiczny w Kaowicach Kaedra Maemayki anna.janiga-cmiel@ue.kaowice.pl SKŁADOWA γ MODELU AARCH ROZWOJU GOSPODARCZEGO Wprowadzenie Gospodarka każdego kraju jes kszałowana przez specyficzne dla
Bardziej szczegółowoANOMALIA PREMII FORWARD NA RYNKU JENA JAPOŃSKIEGO
ANOMALIA PREMII FORWARD NA RYNKU JENA JAPOŃSKIEGO Kaarzyna Czech Wydział Nauk Ekonomicznych SGGW w Warszawie Wprowadzenie Niezabezpieczony parye sóp procenowych (UIP jes elemenem wielu ważnych modeli kursów
Bardziej szczegółowoStała potencjalnego wzrostu w rachunku kapitału ludzkiego
252 Dr Wojciech Kozioł Kaedra Rachunkowości Uniwersye Ekonomiczny w Krakowie Sała poencjalnego wzrosu w rachunku kapiału ludzkiego WSTĘP Prowadzone do ej pory badania naukowe wskazują, że poencjał kapiału
Bardziej szczegółowoBayesowskie porównanie modeli STUR i GARCH w finansowych szeregach czasowych 1
Jacek Kwiakowski Uniwersye Mikołaja Kopernika w Toruniu Bayesowskie porównanie modeli STUR i GARCH w finansowych szeregach czasowych 1 WSTĘP Powszechnie wiadomo, że podsawowymi własnościami procesów finansowych
Bardziej szczegółowoAlicja Ganczarek Akademia Ekonomiczna w Katowicach. Analiza niezależności przekroczeń VaR na wybranym segmencie rynku energii
DYNAMICZNE MODELE EKONOMETRYCZNE X Ogólnopolskie Seminarium Naukowe, 4 6 września 007 w Toruniu Kaedra Ekonomerii i Saysyki, Uniwersye Mikołaja Kopernika w Toruniu Akademia Ekonomiczna w Kaowicach Analiza
Bardziej szczegółowoWYKORZYSTANIE STATISTICA DATA MINER DO PROGNOZOWANIA W KRAJOWYM DEPOZYCIE PAPIERÓW WARTOŚCIOWYCH
SaSof Polska, el. 12 428 43 00, 601 41 41 51, info@sasof.pl, www.sasof.pl WYKORZYSTANIE STATISTICA DATA MINER DO PROGNOZOWANIA W KRAJOWYM DEPOZYCIE PAPIERÓW WARTOŚCIOWYCH Joanna Maych, Krajowy Depozy Papierów
Bardziej szczegółowoZESZYTY NAUKOWE UNIWERSYTETU SZCZECIŃSKIEGO NR 768 FINANSE, RYNKI FINANSOWE, UBEZPIECZENIA NR 63 2013
ZESZYTY NAUKOWE UNIWERSYTETU SZCZECIŃSKIEGO NR 768 FINANSE, RYNKI FINANSOWE, UBEZPIECZENIA NR 63 2013 MAŁGORZATA BOŁTUĆ Uniwersye Ekonomiczny we Wrocławiu ZALEŻNOŚĆ POMIĘDZY RYNKIEM SWAPÓW KREDYTOWYCH
Bardziej szczegółowoDodatek 2. Wielowymiarowe modele GARCH model GoGarch
Dodatek 2. Wielowymiarowe modele GARCH model GoGarch MODELOWANIE POLSKIEJ GOSPODARKI z R MPGzR (dodatek 2) Model GoGARCH 1 / 14 Ogólna specykacja modelu MGARCH Ogólna posta dla N-wymiarowego procesu MGARCH
Bardziej szczegółowoPROGNOZOWANIE I SYMULACJE EXCEL 2 PROGNOZOWANIE I SYMULACJE EXCEL AUTOR: ŻANETA PRUSKA
1 PROGNOZOWANIE I SYMULACJE EXCEL 2 AUTOR: mgr inż. ŻANETA PRUSKA DODATEK SOLVER 2 Sprawdzić czy w zakładce Dane znajduję się Solver 1. Kliknij przycisk Microsof Office, a nasępnie kliknij przycisk Opcje
Bardziej szczegółowoKombinowanie prognoz. - dlaczego należy kombinować prognozy? - obejmowanie prognoz. - podstawowe metody kombinowania prognoz
Noaki do wykładu 005 Kombinowanie prognoz - dlaczego należy kombinować prognozy? - obejmowanie prognoz - podsawowe meody kombinowania prognoz - przykłady kombinowania prognoz gospodarki polskiej - zalecenia
Bardziej szczegółowo1. Szereg niesezonowy 1.1. Opis szeregu
kwaralnych z la 2000-217 z la 2010-2017.. Szereg sezonowy ma charaker danych model z klasy ARIMA/SARIMA i model eksrapolacyjny oraz d prognoz z ych modeli. 1. Szereg niesezonowy 1.1. Opis szeregu Analizowany
Bardziej szczegółowoWPŁYW NIEPEWNOŚCI OSZACOWANIA ZMIENNOŚCI NA CENĘ INSTRUMENTÓW POCHODNYCH
Tadeusz Czernik Uniwersye Ekonomiczny w Kaowicach WPŁYW NIEPEWNOŚCI OZACOWANIA ZMIENNOŚCI NA CENĘ INTRUMENTÓW POCHODNYCH Wprowadzenie Jednym z filarów współczesnych finansów jes eoria wyceny insrumenów
Bardziej szczegółowoMAŁY MODEL STRUKTURALNY KURSU ZŁOTEGO
Praca zaliczeniowa Meodologie badań ekonomicznych Prof. dr hab. Jan Gajda Sudium dokoranckie Wydział Ekonomiczno-Socjologiczny Uniwersyeu Łódzkiego MAŁY MODEL STRUKTURALNY KURSU ZŁOTEGO Karol Klimczak
Bardziej szczegółowoSZACOWANIE MODELU RYNKOWEGO CYKLU ŻYCIA PRODUKTU
B A D A N I A O P E R A C J N E I D E C Z J E Nr 2 2006 Bogusław GUZIK* SZACOWANIE MODELU RNKOWEGO CKLU ŻCIA PRODUKTU Przedsawiono zasadnicze podejścia do saysycznego szacowania modelu rynkowego cyklu
Bardziej szczegółowoWYBRANE TESTY NIEOBCIĄŻONOŚCI MIAR RYZYKA NA PRZYKŁADZIE VALUE AT RISK
Przemysław Jeziorski Uniwersye Ekonomiczny w Kaowicach Wydział Informayki i Komunikacji Zakład Demografii i Saysyki Ekonomicznej przemyslaw.jeziorski@ue.kaowice.pl WYBRANE TESTY NIEOBCIĄŻONOŚCI MIAR RYZYKA
Bardziej szczegółowoDYNAMIKA KONSTRUKCJI
10. DYNAMIKA KONSTRUKCJI 1 10. 10. DYNAMIKA KONSTRUKCJI 10.1. Wprowadzenie Ogólne równanie dynamiki zapisujemy w posaci: M d C d Kd =P (10.1) Zapis powyższy oznacza, że równanie musi być spełnione w każdej
Bardziej szczegółowoDYNAMICZNE MODELE EKONOMETRYCZNE
DYNAMICZNE MODELE EKONOMETRYCZNE IX Ogólnopolskie Seminarium Naukowe, 6 8 września 005 w Toruniu Kaedra Ekonomerii i Saysyki, Uniwersye Mikołaja Kopernika w Toruniu Akademia Ekonomiczna w Krakowie Modelowanie
Bardziej szczegółowoz graniczną technologią
STUDIA OECOOMICA POSAIESIA 23, vol., no. (25) Uniwersye Ekonomiczny w Poznaniu, Wydział Informayki i Gospodarki Elekronicznej, Kaedra Ekonomii Maemaycznej emil.panek@ue.poznan.pl iesacjonarny model von
Bardziej szczegółowoKomputerowa 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 szczegółowoCałka nieoznaczona Andrzej Musielak Str 1. Całka nieoznaczona
Całka nieoznaczona Andrzej Musielak Sr Całka nieoznaczona Całkowanie o operacja odwrona do liczenia pochodnych, zn.: f()d = F () F () = f() Z definicji oraz z abeli pochodnych funkcji elemenarnych od razu
Bardziej szczegółowoDobór przekroju żyły powrotnej w kablach elektroenergetycznych
Dobór przekroju żyły powronej w kablach elekroenergeycznych Franciszek pyra, ZPBE Energopomiar Elekryka, Gliwice Marian Urbańczyk, Insyu Fizyki Poliechnika Śląska, Gliwice. Wsęp Zagadnienie poprawnego
Bardziej szczegółowoPUNKTOWA I PRZEDZIAŁOWA PREDYKCJA PRZEWOZÓW PASAŻERÓW W ŻEGLUDZE PROMOWEJ NA BAŁTYKU W LATACH 2008 2010
STUDIA I PRACE WYDZIAŁU NAUK EKONOMICZNYCH I ZARZĄDZANIA NR 15 Chrisian Lis PUNKTOWA I PRZEDZIAŁOWA PREDYKCJA PRZEWOZÓW PASAŻERÓW W ŻEGLUDZE PROMOWEJ NA BAŁTYKU W LATACH 2008 2010 Wprowadzenie Przedmioem
Bardziej szczegółowoOPTYMALIZACJA PORTFELA INWESTYCYJNEGO ZE WZGLĘDU NA MINIMALNY POZIOM TOLERANCJI DLA USTALONEGO VaR
Daniel Iskra Uniwersye Ekonomiczny w Kaowicach OPTYMALIZACJA PORTFELA IWESTYCYJEGO ZE WZGLĘDU A MIIMALY POZIOM TOLERACJI DLA USTALOEGO VaR Wprowadzenie W osanich laach bardzo popularną miarą ryzyka sała
Bardziej szczegółowoTESTOWANIE EGZOGENICZNOŚCI ZMIENNYCH W MODELACH EKONOMETRYCZNYCH
STUDIA I PRACE WYDZIAŁU NAUK EKONOMICZNYCH I ZARZĄDZANIA NR 15 Mariusz Doszyń TESTOWANIE EGZOGENICZNOŚCI ZMIENNYCH W MODELACH EKONOMETRYCZNYCH Od pewnego czasu w lieraurze ekonomerycznej pojawiają się
Bardziej szczegółowoInwestycje w lokale mieszkalne jako efektywne zabezpieczenie przed inflacją na przykładzie Poznania w latach
Radosław Trojanek Kaedra Mikroekonomii Akademia Ekonomiczna w Poznaniu Srona nieparzysa Inwesycje w lokale mieszkalne jako efekywne zabezpieczenie przed inflacją na przykładzie Poznania w laach 996-2004.
Bardziej szczegółowoPolitechnika Częstochowska Wydział Inżynierii Mechanicznej i Informatyki. Sprawozdanie #2 z przedmiotu: Prognozowanie w systemach multimedialnych
Poliechnika Częsochowska Wydział Inżynierii Mechanicznej i Informayki Sprawozdanie #2 z przedmiou: Prognozowanie w sysemach mulimedialnych Andrzej Siwczyński Andrzej Rezler Informayka Rok V, Grupa IO II
Bardziej szczegółowoOCENA ATRAKCYJNOŚCI INWESTYCYJNEJ AKCJI NA PODSTAWIE CZASU PRZEBYWANIA W OBSZARACH OGRANICZONYCH KRZYWĄ WYKŁADNICZĄ
Tadeusz Czernik Daniel Iskra Uniwersye Ekonomiczny w Kaowicach Kaedra Maemayki Sosowanej adeusz.czernik@ue.kaowice.pl daniel.iskra@ue.kaowice.pl OCEN TRKCYJNOŚCI INWESTYCYJNEJ KCJI N PODSTWIE CZSU PRZEBYWNI
Bardziej szczegółowoPROGNOZOWANIE I SYMULACJE. mgr Żaneta Pruska. Ćwiczenia 2 Zadanie 1
PROGNOZOWANIE I SYMULACJE mgr Żanea Pruska Ćwiczenia 2 Zadanie 1 Firma Alfa jes jednym z głównych dosawców firmy Bea. Ilość produku X, wyrażona w ysiącach wyprodukowanych i dosarczonych szuk firmie Bea,
Bardziej szczegółowoKrzysztof Borowski, Paweł Skrzypczyński Szkoła Główna Handlowa. Analiza spektralna indeksów giełdowych DJIA i WIG. 1. Wprowadzenie
Krzyszof Borowski, Paweł Skrzypczyński Szkoła Główna Handlowa Analiza spekralna indeksów giełdowych DJIA i WIG 1 Wprowadzenie We współczesnych analizach ekonomicznych doyczących pomiaru cyklu koniunkuralnego
Bardziej szczegółowospecyfikacji i estymacji modelu regresji progowej (ang. threshold regression).
4. Modele regresji progowej W badaniach empirycznych coraz większym zaineresowaniem cieszą się akie modele szeregów czasowych, kóre pozwalają na objaśnianie nieliniowych zależności między poszczególnymi
Bardziej szczegółowoANALIZA, 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