WPŁYW CZYNNIKÓW POGODOWYCH NA WIELKOŚĆ I CENY SKUPU PSZENICY I ŻYTA W POLSCE
|
|
- Weronika Kurowska
- 7 lat temu
- Przeglądów:
Transkrypt
1 WODA-ŚRODOWISKO-OBSZARY WIEJSKIE 011:. 11 z. 4 (36) WATER-ENVIRONMENT-RURAL AREAS s Rolnicwo jes jedną z ych gałęzi akywności ludzkiej, na kórą warunki pogodowe mają szczególny wpływ. Niekorzysne warunki pogodowe powodują wiele zmian w środowisku nauralnym, kóre mogą przełożyć się na wymierne sray ekonomiczne. Na całym świecie obserwuje się zjawiska klimayczne, kóre mają wpływ na warunki produkcji rolnej. Do głównych czynników wpływających na wielkość ej produkcji, w szczególności roślinnej, można zaliczyć emperaurę powierza, opady amosferyczne i usłonecznienie. Niewąpliwie czynniki e, w szczególności emperaura, wpływają na wydłużenie lub skrócenie okresu wegeacyjnego. Mała suma opadów w okresie lenim może doprowadzić do niekorzysnego bilansu wodnego niekórych obszarów. Należy eż zwrócić uwagę na wzros emperawww.iep.edu.pl Insyu Technologiczno-Przyrodniczy w Falenach, 011 WPŁYW CZYNNIKÓW POGODOWYCH NA WIELKOŚĆ I CENY SKUPU PSZENICY I ŻYTA W POLSCE Agnieszka TŁUCZAK Uniwersye Opolski, Wydział Ekonomiczny, Zakład Ekonomerii i Meod Ilościowych Słowa kluczowe: ceny zbóż, modele VAR, skup zbóż, es Grangera, związki przyczynowe S r e s z c z e n i e W arykule przedsawiono wyniki analizy zależności między wybranymi czynnikami pogodowymi a wielkością skupu oraz cenami pszenicy i żya w Polsce. W badaniach wykorzysano es przyczynowości Grangera, kóry opiera się na modelach wekorowej auoregresji. Na podsawie oszacowanych, dla pierwszych przyrosów analizowanych zmiennych, modeli wykazano isnienie zależności pomiędzy czynnikami pogodowymi i wielkością skupu oraz brak ych związków między czynnikami pogodowymi a cenami zbóż w Polsce. WSTĘP Adres do korespondencji: dr A. Tłuczak, Uniwersye Opolski, Wydział Ekonomiczny, Zakład Ekonomerii i Meod Ilościowych, ul. Ozimska 46a, Opole; el. +48 (77) , aluczak@uni.opole.pl
2 18 Woda-Środowisko-Obszary Wiejskie. 11 z. 4 (36) ury w okresie laa, powodującej zwiększone parowanie wody i zmniejszanie się jej zapasów w glebie [BAŃSKI, BŁAŻEJCZYK 011; JACZEWSKA-KALICKA 008]. Od warunków meeorologicznych, ale również od inensywności produkcji zależy wielkość plonów zbóż, co wpływa na wielkość skupu podsawowych zbóż. Rynek zbóż jes najważniejszym rynkiem branżowym ziarno zbóż jes wykorzysywane na siew, do spożycia oraz jako surowiec dla różnych przemysłów, w ym dla przemysłu spożywczego, farmaceuycznego oraz spiryusowego. Skup na rynku zbóż jes prowadzony przez cały rok. Charakerysyczna sezonowość skupu zbóż wiąże się z cyklem produkcyjnym. Szczy skupu wysępuje uż po żniwach, czyli w rzecim kwarale każdego roku kalendarzowego. Zwiększona podaż ziarna dosępnego na rynku wpływa bezpośrednio na ceny zbóż w skupie. Celem badań było usalenie związków przyczynowych pomiędzy warunkami pogodowymi a wielkością i cenami skupu pszenicy i żya w Polsce. W ym celu zasosowano es przyczynowości Grangera 1), kórego procedura opiera się na modelach wekorowej auoregresji VAR. METODY I MATERIAŁ BADAWCZY e VAR są licznie prezenowane w lieraurze ekonomerycznej, dlaego w niniejszym opracowaniu zosaną przedsawione ich ogólne założenia. e wekorowej auoregresji, kóre sformułował Sims w 1980 r., są o modele wielorównaniowe, w kórych każda zmienna jes objaśniana przez swoje opóźnienia oraz przez opóźnienia pozosałych zmiennych. Podsawowa posać modelu VAR przedsawia się nasępująco [KUSIDEŁ 000]: y k A0 D A y e = 1,,, T (1) i1 i i gdzie: y wekor obserwacji na bieżących warościach wszyskich n zmiennych modelu: y ={y 1, y,, y n }; D wekor deerminisycznych składników równań; A 0 macierz paramerów przy zmiennych wekora D ; A i macierze paramerów przy opóźnionych zmiennych wekora y, macierze A 0 i A i nie zawierają zerowych elemenów; e wekor sacjonarnych zakłóceń losowych ) ; numer obserwacji. 1) Definicja przyczynowości w sensie Grangera głosi, że zmienna x jes przyczyną zmiennej y, jeżeli bieżące warości zmiennej y można prognozować z większą dokładnością za pomocą przeszłych warości zmiennej x niż bez ich wykorzysania, z założeniem, że pozosała informacja jes niezmieniona. ) Składniki losowe powinny charakeryzować się brakiem auokorelacji oraz rozkładem normalnym.
3 A. Tłuczak: Wpływ czynników pogodowych na wielkość i ceny skupu 19 (1) jes szacowany klasyczną meodą najmniejszych kwadraów, a uzyskane esymaory są zgodne i asympoycznie efekywne. Głównym celem sosowania modeli VAR jes znalezienie isonych powiązań między zmiennymi. Isoną kwesią w modelowaniu wekorowej auoregresji jes sacjonarność zmiennych 3). Do badania sacjonarności zosał wykorzysany najpopularniejszy es, a mianowicie rozszerzony es Dickeya-Fullera (es ADF), bazujący na oszacowaniu paramerów równania: lub y y y k 1 iyi k i1 () y 1 iyi (3) i1 Saysyka esowa przyjmuje posać: ˆ DF (4) S( ˆ) gdzie: ˆ ocena parameru z równania () lub (3) oszacowanego klasyczną meodą najmniejszych kwadraów; ˆ s średni błąd szacunku parameru δ. Saysyka DF pozwala na weryfikację hipoez: H 0 : δ = 0 (brak sacjonarności) wobec hipoezy H 1 : δ 0 (proces jes sacjonarny) [KUSIDEŁ 000]. W celu usalenia rzędu opóźnień, podobnie jak w przypadku modeli ARMA, sosuje się kryeria informacyjne, a na użyek ej pracy, zwrócimy szczególną uwagę na kryerium SBC (Schwarz Bayesian Crierion), dla kórego saysyka ma posać [KUSIDEŁ 000]: ~ 1 SBC l l k logt (5) gdzie: l ~ T maksymalna warość logarymu wiarygodności modelu, w kórym ~ jes esymaorem największej wiarygodności; 3) Brak sacjonarności zmiennych może prowadzić do obiecujących wyników, nawe jeśli regresja nie będzie miała sensu. Sacjonarność w węższym sensie, bo aką będziemy się ineresować na porzeby badań, oznacza sałość średniej oraz wariancji w czasie oraz niezależność kowariancji od czasu.
4 0 Woda-Środowisko-Obszary Wiejskie. 11 z. 4 (36) k liczba szacowanych paramerów; T liczba obserwacji. Procedura sosowania esu Grangera rozpoczyna się od oszacowania paramerów modeli [BORKOWSKI 005; CHAREMZA, DEADMAN 1997]: y 0 1y 1... y p p (6) y 0 1y 1... p y p 1x 1 x... p x p (7) gdzie: x realizacja zmiennej X; y realizacja zmiennej Y; p rząd opóźnień zmiennych. W eście Grangera weryfikacji poddaje się hipoezy posaci: H 0 ; H : : 1 Saysyka esowa ma posać:. s n s F (8) s ( ) gdzie: n liczebność próby; s, s wariancje składników losowych odpowiednio modelu (6) i (7), i zakładając prawdziwość hipoezy zerowej ma ona rozkład chi-kwadra ( p ). Dane miesięczne o warunkach pogodowych, wielkości skupu zbóż oraz o cenach skupu zbóż zaczerpnięo z Biuleynów Saysycznych Głównego Urzędu Saysycznego [GUS 011]. W badaniach uwzględniono nasępujące czynniki pogodowe: emperaura w C, opady amosferyczne w mm, zachmurzenie w okanach, usłonecznienie w h oraz wielkość skupu w ysiącach on pszenicy oraz żya, jak również ceny ych zbóż w skupie w zł (100 kg) 1. Ze względu na wielość zmiennych przyjęo nasępujące oznaczenia: v 1 średnia emperaura, C; v suma opadów amosferycznych w miesiącu, mm; v 3 średnie zachmurzenie, w okanach; v 4 suma usłonecznienia w miesiącu, h; v 5 wielkość skupu pszenicy, ys..; v 6 wielkość skupu żya, ys..;
5 A. Tłuczak: Wpływ czynników pogodowych na wielkość i ceny skupu 1 v 7 średniomiesięczna cena pszenicy, zł (100 kg) 1 ; v 8 średniomiesięczna cena żya, zł (100 kg) 1. WYNIKI BADAŃ W opracowaniu zbadano wysępowanie związków przyczynowych pomiędzy warunkami pogodowymi a wielkością skupu oraz cenami podsawowych zbóż w Polsce, w okresie od października 00 r. do grudnia 010 r. Wszyskie analizowane zmienne charakeryzują się dużym bądź umiarkowanym zróżnicowaniem współczynnik zmienności dla zmiennych, opisujących warunki pogodowe, kszałuje się na średnim poziomie 58% (ab. 1). Najmniejszym zróżnicowaniem charakeryzuje się zmienna v 3 średnie zachmurzenie w okanach (wsp. zmienności 19%) oraz zmienna v 7 średniomiesięczna cena pszenicy w zł (100 kg) 1 (wsp. zmienności 7%) (rys. 1). Pozosałe podsawowe saysyki opisowe dla analizowanych zmiennych przedsawiono w abeli 1. Tabela 1. Podsawowe saysyki opisowe analizowanych zmiennych Table 1. The basic characerisic of he individual ime series Paramery Wyszczególnienie Specificaion Parameers v 1 v v 3 v 4 v 5 v 6 v 7 v 8 Średnia Mean 8,4 54, 5, 157,1 314,9 47, 53,9 4,6 Odchylenie sandardowe Sandard deviaion 7,71 31,11 0,99 99,55 47,54 43,37 14,68 13,45 Współczynnik zmienności, % Variaion coefficien, % Minimum Minimum 7, 9,0,5 14,6 59, 9,5 34,5 5,3 Maximum Maximum,1 157,4 7,1 405,1 141,9 65,1 9, 73,7 Mediana Median 8,5 44,9 5, 146,6 37,9 34,4 49,4 36,3 Objaśnienia: v 1 średnia emperaura w C, v suma opadów amosferycznych w miesiącu w mm, v 3 średnie zachmurzenie w okanach, v 4 suma usłonecznienia w miesiącu w h, v 5 wielkość skupu pszenicy w ys., v 6 wielkość skupu żya w ys., v 7 średniomiesięczna cena pszenicy w zł (100 kg) 1, v 8 średniomiesięczna cena żya w zł (100 kg) 1. Źródło: obliczenia własne na podsawie danych GUS. Explanaions: v 1 mean emperaure in C, v monhly sum of precipiaion in mm, v 3 mean cloudiness in ocanes, v 4 monhly sum of insolaion in h, v 5 purchase of whea in housand ons, v 6 purchase of rye in housand ons, v 7 monhly mean price of whea in zł (100 kg) 1, v 8 monhly mean price of rye in zł (100 kg) 1. Source: own sudies acc. o GUS daa. W celu sprowadzenia zmiennych do porównania, dokonano ich oczyszczenia z wahań sezonowych i przypadkowych, wykorzysując dosępną w programie GRETL procedurę TRAMO/SEATS. Procedurę ę szczegółowo opisały m.in. GRUDKOWSKA i PAŚNICKA [007].
6 v 1 v v 3 v , , Woda-Środowisko-Obszary Wiejskie. 11 z. 4 (36) 4, ,
7 v 5 v v 7 v Rys. 1. Kszałowanie się miesięcznych warości analizowanych zmiennych w okresie ; źródło: opracowanie własne na podsawie danych GUS Fig. 1. The monhly values of he analyzed variables for he period ; source: own sudies acc. GUS daa A. Tłuczak: Wpływ czynników pogodowych na wielkość i ceny skupu 3
8 4 Woda-Środowisko-Obszary Wiejskie. 11 z. 4 (36) owanie za pomocą modeli VAR wymaga, aby zmienne były sacjonarne, zaem w pierwszej kolejności zbadano sacjonarność zmiennych v i, i = 1,, 8. Na podsawie esu ADF, gdy poziom isoności wynosi 0,05, odrzucono hipoezy o sacjonarności zmiennych. Za sacjonarne uznano pierwsze przyrosy zmiennych Δv 4). Tabela. Wyniki esu ADF dla zmiennych v i oraz Δv i, i = 1,, 8 Table. The resuls of ADF es for variables v i and Δv i, i = 1,, 8 Variable Warość saysyki ADF ADF saisic p-value Variable Warość saysyki ADF ADF saisic p-value v 1,3167 0,1666 Δv 1 3,7980 0,009 v 1,7665 0,3977 Δv 3,8380 0,005 v 3,5811 0,0968 Δv 3 3,8679 0,00 v 4,4063 0,1399 Δv 4 3,4393 0,0097 v 5 1,8796 0,343 Δv 5,887 0,0473 v 6,956 0,44 Δv 6,3385 0,0187 v 7,19 0,33 Δv 7,5533 0,0103 v 8,35 0,1648 Δv 8,069 0,0375 Źródło: wyniki własne. Source: own sudies. W kolejności usalono rzędy opóźnień dla modeli VAR, podczas wyboru opymalnego rzędu opóźnień kierowano się kryerium informacyjnym Schwarza SBC (ab. 3). W ym celu oszacowano nasępujące modele (ab. 4): Dla przyjęych opóźnień, w wyniku esymacji modeli w programie GRETL [Program kompuerowy: GRETL 011], orzymano nasępujące modele eoreyczne: model 1: Δv 5 = 0,589469Δv 5 1 0,30010Δv 5 0,047684Δv ,44917Δv 1 model : Δv 5 = 0,609915Δv 5 1 0,85960Δv 5 + 0,178634Δv 1 + 0,04838Δv model 3: Δv 5 = 0,566498Δv 5 1 0,6976Δv 5 + 3,494Δv ,04838Δv 3 model 4: Δv 5 = 0,588936Δv 5 1 0,77790Δv 5 0, Δv ,030405Δv 4 model 5: Δv 6 = 0,563008Δv 6 1 0,71136Δv 6 + 0,17637Δv ,50984Δv 1 model 6: Δv 6 = 0,5636Δv 6 1 0,73043Δv 6 + 0, Δv 1 0,014884Δv model 7: Δv 6 = 0,56130Δv 6 1 0,4391Δv 6 0,64775Δv 3 1 1,35563Δv 3 model 8: Δv 6 = 0,55659Δv 6 1 0,51740Δv 6 + 0,004583Δv ,004715Δv 4 model 9: Δv 7 = 0,446435Δv ,033847Δv 1 1 model 10: Δv 7 = 0,447939Δv7 1 0, Δv 1 model 11: Δv 7 = 0,44594Δv ,059676Δv 3 1 4) Pierwsze przyrosy zmiennych Δv oznaczają różnicę pomiędzy poziomem zmiennej w okresach oraz 1, Δv = v v 1.
9 A. Tłuczak: Wpływ czynników pogodowych na wielkość i ceny skupu 5 Tabela 3. Warości saysyki SBC oraz rzędy opóźnień dla szacowanych modeli Table 3. The values of BIC saisics for chosen rank of delay models Rząd opóźnień Rank of delay SBC Rząd opóźnień Rank of delay 1 9, ,6430 9, , , , , , , , , , , , , ,9356 Źródło: wyniki własne. Source: own sudies. SBC Tabela 4. e VAR Table 4. VAR models 1 endogeniczna Endogenous variable egzogeniczna Exogenous variable Δv 1 9 endogeniczna Endogenous variable egzogeniczna Exogenous variable Δv 1 Δv 10 Δv Δv 5 Δv 7 3 Δv 3 11 Δv 3 4 Δv 4 1 Δv 4 5 Δv 1 13 Δv 1 6 Δv 14 Δv Δv 6 Δv 8 7 Δv 3 15 Δv 3 8 Δv 4 16 Δv 4 Źródło: wyniki własne. Source: own sudies. model 1: Δv 7 = 0,44815Δv , Δv 4 1 model 13: Δv 8 = 0,57094Δv ,097358Δv 1 1 model 14: Δv 8 = 0,567968Δv , Δv 1 model 15: Δv 8 = 0,57068Δv 8 1 0,019818Δv 3 1 model 16: Δv 8 = 0,571664Δv ,008880Δv 4 1 Za pomocą esu Jarque-Bera zweryfikowano hipoezy o normalności rozkładów składników losowych [THADEWALD, BUNNING 007], naomias es mnożnika Lagrange a LM posłużył do weryfikacji hipoez o braku auokorelacji składników losowych modeli [OSIŃSKA 007]. Na poziomie isoności 0,05 składniki losowe wszyskich modeli charakeryzowały się pożądanymi własnościami, czyli rozkładem normalnym i brakiem auokorelacji.
10 6 Woda-Środowisko-Obszary Wiejskie. 11 z. 4 (36) Uzyskane w eście Grangera wyniki pozwoliły zidenyfikować jednokierunkowe zależności przyczynowe pomiędzy analizowanymi zmiennymi (ab. 5). Na podsawie saysyki esu G można swierdzić, że zmienne Δv 1, Δv, Δv 3, Δv 4 (kóre są pierwszymi różnicami nasępujących zmiennych: emperaura w C, opady amosferyczne w mm, zachmurzenie w okanach, usłonecznienie w h) są przyczynami dla zmiennej Δv 5 (pierwsze różnice zmiennej wielkość skupu pszenicy, w ys. ). Naomias na zmienną Δv 6 (pierwsze różnice zmiennej wielkość skupu żya, w ys. ) mają wpływ zmienne Δv 1, Δv (pierwsze różnice zmiennych: emperaura, w C, opady amosferyczne, w mm). W pozosałych przypadkach różnice pomiędzy modelami 3 i 4 są nieisone, zaem nie wysępują zależności przyczynowe między zmiennymi w sensie Grangera. Tabela 5. Warości saysyki Grangera G oraz warości kryyczne χ 0,05 Table 5. The values of Granger es saisic and criical value of χ 0.05 Warość saysyki G The value of G saisic χ 0,05 Warość saysyki G The value of G saisic χ 0, ,9003 5, ,3743 3,8414 9,3536 5, ,3864 3, ,6044 5, ,3869 3, ,87 5, ,5 3, ,449 5, ,530 3, ,3000 5, ,545 3, ,8834 5, ,834 3, ,850 5, ,1146 3,8414 Źródło: wyniki własne. Source: own sudy. PODSUMOWANIE Przeprowadzone badania wykazały, że modele VAR są użyecznym narzędziem idenyfikacji związków przyczynowych między zmiennymi. W niniejszym opracowaniu przedsawiono wyniki badań zależności między warunkami meeorologicznymi a wielkością skupu pszenicy i żya w Polsce oraz warunkami meeorologicznymi a cenami skupu ychże zbóż. Wyniki powierdziły hipoezę o wysępowaniu jednokierunkowych zależności między czynnikami meeorologicznymi a wielkością skupu, a co za ym idzie ilością zboża, jaką rolnicy uzyskują ze swoich upraw. Nie wykryo isonych związków między czynnikami meeorologicznymi a cenami ych zbóż w Polsce. Brak ych związków wynika przypuszczalnie z obowiązującej Wspólnej Poliyki Rolnej oraz daleko posunięego inerwencjonizmu cenowego na wspólnoowych rynkach rolnych.
11 A. Tłuczak: Wpływ czynników pogodowych na wielkość i ceny skupu 7 LITERATURA BORKOWSKI B Wnioskowanie o przyczynowości na podsawie modeli VAR [online]. [Dosęp ] Dosępny w Inernecie: hp:// referauucz/borkowski.pdf BAŃSKI J., BŁAŻEJCZYK K Globalne zmiany klimau, wpływ na rozwój rolnicwa na świecie [online]. [Dosęp ] Dosępny w Inernecie: hp:// 6_Globalne_zmiany.pdf CHAREMZA W., DEADMAN D Nowa ekonomeria. Warszawa. Polskie Wydawnicwo Ekonomiczne ss GUS 011. Biuleyn saysyczny [online]. Warszawa. [Dosęp ]. Dosępny w Inernecie: hp:// GRUDKOWSKA S., PAŚNICKA E X-1-ARIMA i TRAMO/SEATS empiryczne porównanie meod wyrównania sezonowego w konekście długości próby [online]. Warszawa. [Dosęp ]. Dosępny w Inernecie: JACZEWSKA-KALICKA A Wpływ zmian klimaycznych na plonowanie i ochronę zbóż w Polsce [online]. Warszawa. [Dosęp ]. Dosępny w Inernecie: hp:// planproecion.pl/pliki/008/48--6 KUSIDEŁ E e wekorowo-auoregresyjne VAR. Meodologia i zasosowania. Łódź. Wydaw. Absolwen s OSIŃSKA M Ekonomeria współczesna. Toruń. Wydaw. Dom Organizaora ss Program kompuerowy GRETL 011. Dosępny w Inernecie: hp:// THADEWALD T., BUNING H Jarque Bera es and is compeiors for esing normaliy a power comparison. Journal of Applied Saisics. Vol. 34 no. 1 s Agnieszka TŁUCZAK THE EFFECT OF WEATHER CONDITIONS ON THE PURCHASE AND PRICE OF WHEAT AND RYE IN POLAND Key words: causal relaionships, cereal prices, cereal procuremen, Granger es, VAR models S u m m a r y The aricle presens he resuls of analysis of he relaionship beween seleced climaic facors and he purchase of cereals and cereal prices in Poland. The sudy used he causaliy Granger es, which is based on he vecor auoregression models. Based on he esimaed models he auhor shows he relaionships beween weaher and he quaniy of purchase and a lack of such relaionships beween weaher and he prices of cereals in Poland. Praca wpłynęła do Redakcji r.
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 szczegółowoWPŁYW CEN SKUPU ŻYWCA NA CENY DETALICZNE MIĘSA
METODY ILOŚCIOWE W BADANIACH EKONOMICZNYCH Tom XII/, 011, sr. 373 380 WPŁYW CEN SKUPU ŻYWCA NA CENY DETALICZNE MIĘSA Agnieszka Tłuczak Zakład Ekonomerii i Meod Ilościowych Uniwersye Oolski e-mail: aluczak@uni.oole.l
Bardziej szczegółowoStanisław Cichocki Natalia Nehrebecka. Wykład 3
Sanisław Cichocki Naalia Nehrebecka Wykład 3 1 1. Regresja pozorna 2. Funkcje ACF i PACF 3. Badanie sacjonarności Tes Dickey-Fullera (DF) Rozszerzony es Dickey-Fullera (ADF) 2 1. Regresja pozorna 2. Funkcje
Bardziej szczegółowoTESTOWANIE EGZOGENICZNOŚCI ZMIENNYCH W MODELACH EKONOMETRYCZNYCH
STUDIA I PRACE WYDZIAŁU NAUK EKONOMICZNYCH I ZARZĄDZANIA NR 15 Mariusz Doszyń TESTOWANIE EGZOGENICZNOŚCI ZMIENNYCH W MODELACH EKONOMETRYCZNYCH Od pewnego czasu w lieraurze ekonomerycznej pojawiają się
Bardziej szczegółowoStanisław Cichocki Natalia Nehrebecka. Wykład 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 szczegółowoStanisław Cichocki Natalia Nehrebecka. Wykład 3
Sanisław Cichocki Naalia Nehrebecka Wykład 3 1 1. Zmienne sacjonarne 2. Zmienne zinegrowane 3. Regresja pozorna 4. Funkcje ACF i PACF 5. Badanie sacjonarności Tes Dickey-Fullera (DF) 2 1. Zmienne sacjonarne
Bardziej 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 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 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 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 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 szczegółowoANALIZA POWIĄZAŃ MIĘDZY INDEKSAMI GIEŁDY FRANCUSKIEJ, HOLENDERSKIEJ I BELGIJSKIEJ Z WYKORZYSTANIEM MODELU KOREKTY BŁĘDEM
Sudia Ekonomiczne. Zeszyy Naukowe Uniwersyeu Ekonomicznego w Kaowicach ISSN 083-86 Nr 89 06 Uniwersye Ekonomiczny w Kaowicach Wydział Ekonomii Kaedra Meod Saysyczno-Maemaycznych w Ekonomii pawel.prenzena@edu.ueka.pl
Bardziej 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 szczegółowoKlasyfikacja modeli. Metoda najmniejszych kwadratów
Konspek ekonomeria: Weryfikacja modelu ekonomerycznego Klasyfikacja modeli Modele dzielimy na: - jedno- i wielorównaniowe - liniowe i nieliniowe - sayczne i dynamiczne - sochasyczne i deerminisyczne -
Bardziej szczegółowoJacek Kwiatkowski Magdalena Osińska. Procesy zawierające stochastyczne pierwiastki jednostkowe identyfikacja i zastosowanie.
DYNAMICZNE MODELE EKONOMETRYCZNE Jacek Kwiakowski Magdalena Osińska Uniwersye Mikołaja Kopernika Procesy zawierające sochasyczne pierwiaski jednoskowe idenyfikacja i zasosowanie.. Wsęp Większość lieraury
Bardziej 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 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 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 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 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 szczegółowoIntegracja zmiennych Zmienna y
Inegracja zmiennych Zmienna y jes zinegrowana rzędu d jeśli jej różnice rzędu d są sacjonarne. Zapisujemy o y ~ I ( d ). Przyjmuje się również, że zmienna sacjonarna y (jako że nie rzeba jej różnicować,
Bardziej szczegółowoModelowanie i analiza szeregów czasowych
Modelowanie i analiza szeregów czasowych Małgorzaa Doman Plan zajęć Część. Modelowanie szeregów jednowymiarowych.. Szeregi jednowymiarowe własności i diagnozowanie. Modele auoregresji i średniej ruchomej
Bardziej szczegółowoAnaliza szeregów czasowych w Gretlu (zajęcia 8)
Analiza szeregów czasowych w Grelu (zajęcia 8) Grel jes dość dobrym narzędziem do analizy szeregów czasowych. Już w samej podsawie Grela znajdziemy sporo zaimplemenowanych echnik służących do obróbki danych
Bardziej szczegółowoROCZNIKI INŻYNIERII BUDOWLANEJ ZESZYT 7/2007 Komisja Inżynierii Budowlanej Oddział Polskiej Akademii Nauk w Katowicach
ROZNIKI INŻYNIERII BUDOWLANEJ ZESZYT 7/007 Komisja Inżynierii Budowlanej Oddział Polskiej Akademii Nauk w Kaowicach WYZNAZANIE PARAMETRÓW FUNKJI PEŁZANIA DREWNA W UJĘIU LOSOWYM * Kamil PAWLIK Poliechnika
Bardziej 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 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 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 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 szczegółowoWitold Orzeszko Uniwersytet Mikołaja Kopernika w Toruniu. Własności procesów STUR w świetle metod z teorii chaosu 1
DYNAMICZNE MODELE EKONOMETRYCZNE IX Ogólnopolskie Seminarium Naukowe, 6-8 września 2005 w Toruniu Kaedra Ekonomerii i Saysyki, Uniwersye Mikołaja Kopernika w Toruniu Uniwersye Mikołaja Kopernika w Toruniu
Bardziej szczegółowoNiestacjonarne zmienne czasowe własności i testowanie
Maeriał dla sudenów Niesacjonarne zmienne czasowe własności i esowanie (sudium przypadku) Nazwa przedmiou: ekonomeria finansowa I (22204), analiza szeregów czasowych i prognozowanie (13201); Kierunek sudiów:
Bardziej szczegółowoWykład 6. Badanie dynamiki zjawisk
Wykład 6 Badanie dynamiki zjawisk Krzywa wieża w Pizie 1 2 3 4 5 6 7 8 9 10 11 12 13 y 4,9642 4,9644 4,9656 4,9667 4,9673 4,9688 4,9696 4,9698 4,9713 4,9717 4,9725 4,9742 4,9757 Szeregiem czasowym nazywamy
Bardziej 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 szczegółowoZASTOSOWANIE MODELI EKONOMETRYCZNYCH DO BADANIA SKŁONNOŚCI
Zasosowanie modeli ekonomerycznych do badania skłonności STUDIA I PRACE WYDZIAŁU NAUK EKONOMICZNYCH I ZARZĄDZANIA NR 2 39 MARIUSZ DOSZYŃ Uniwersye Szczeciński ZASTOSOWANIE MODELI EKONOMETRYCZNYCH DO BADANIA
Bardziej 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 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 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 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 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 szczegółowoWykład 6. Badanie dynamiki zjawisk
Wykład 6 Badanie dynamiki zjawisk TREND WYODRĘBNIANIE SKŁADNIKÓW SZEREGU CZASOWEGO 1. FUNKCJA TRENDU METODA ANALITYCZNA 2. ŚREDNIE RUCHOME METODA WYRÓWNYWANIA MECHANICZNEGO średnie ruchome zwykłe średnie
Bardziej szczegółowoPobieranie próby. Rozkład χ 2
Graficzne przedsawianie próby Hisogram Esymaory przykład Próby z rozkładów cząskowych Próby ze skończonej populacji Próby z rozkładu normalnego Rozkład χ Pobieranie próby. Rozkład χ Posać i własności Znaczenie
Bardziej 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 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 szczegółowoStrukturalne podejście w prognozowaniu produktu krajowego brutto w ujęciu regionalnym
Jacek Baóg Uniwersye Szczeciński Srukuralne podejście w prognozowaniu produku krajowego bruo w ujęciu regionalnym Znajomość poziomu i dynamiki produku krajowego bruo wyworzonego w poszczególnych regionach
Bardziej szczegółowoMetody prognozowania: Szeregi czasowe. Dr inż. Sebastian Skoczypiec. ver Co to jest szereg czasowy?
Meody prognozowania: Szeregi czasowe Dr inż. Sebasian Skoczypiec ver. 11.20.2009 Co o jes szereg czasowy? Szereg czasowy: uporządkowany zbiór warości badanej cechy lub warości określonego zjawiska, zaobserwowanych
Bardziej szczegółowopl. Grunwaldzki 24, Wrocław
Aca Agrophysica, 2009, 14(1), 61-72 PORÓWNANIE WYNIKÓW POMIARÓW ELEMENTÓW METEOROLOGICZNYCH UZYSKANYCH METODĄ KLASYCZNĄ I ZA POMOCĄ STACJI AUTOMATYCZNEJ WYKORZYSTYWANYCH DO OBLICZANIA SKŁADOWYCH BILANSU
Bardziej szczegółowoDendrochronologia Tworzenie chronologii
Dendrochronologia Dendrochronologia jes nauką wykorzysującą słoje przyrosu rocznego drzew do określania wieku (daowania) obieków drewnianych (budynki, przedmioy). Analizy różnych paramerów słojów przyrosu
Bardziej 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 szczegółowoNatalia Iwaszczuk, Piotr Drygaś, Piotr Pusz, Radosław Pusz PROGNOZOWANIE GOSPODARCZE
Naalia Iwaszczuk, Pior Drygaś, Pior Pusz, Radosław Pusz PROGNOZOWANIE GOSPODARCZE Wyd-wo, Rzeszów 03 dr hab., prof. nadzw. Naalia Iwaszczuk, AGH Akademia Górniczo-Hunicza im. Sanisława Saszica w Krakowie
Bardziej 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 szczegółowoCopyright by Politechnika Białostocka, Białystok 2017
Recenzenci: dr hab. Sanisław Łobejko, prof. SGH prof. dr hab. Doroa Wikowska Redakor naukowy: Joanicjusz Nazarko Auorzy: Ewa Chodakowska Kaarzyna Halicka Arkadiusz Jurczuk Joanicjusz Nazarko Redakor wydawnicwa:
Bardziej szczegółowoWyzwania praktyczne w modelowaniu wielowymiarowych procesów GARCH
Krzyszof Pionek Akademia Ekonomiczna we Wrocławiu Wyzwania prakyczne w modelowaniu wielowymiarowych procesów GARCH Wsęp Od zaproponowania przez Engla w 1982 roku jednowymiarowego modelu klasy ARCH, modele
Bardziej szczegółowoPrognozowanie 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 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 szczegółowoZASTOSOWANIE TESTU PERRONA DO BADANIA PUNKTÓW ZWROTNYCH INDEKSÓW GIEŁDOWYCH: WIG, WIG20, MIDWIG I TECHWIG
Doroa Wikowska, Anna Gasek Kaedra Ekonomerii i Informayki SGGW dwikowska@mors.sggw.waw.pl ZASTOSOWANIE TESTU PERRONA DO BADANIA PUNKTÓW ZWROTNYC INDEKSÓW GIEŁDOWYC: WIG, WIG2, MIDWIG I TECWIG Sreszczenie:
Bardziej 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 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 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 szczegółowoMODELE AUTOREGRESYJNE JAKO INSTRUMENT ZARZĄDZANIA ZAPASAMI NA PRZYKŁADZIE ELEKTROWNI CIEPLNEJ
Agaa MESJASZ-LECH * MODELE AUTOREGRESYJNE JAKO INSTRUMENT ZARZĄDZANIA ZAPASAMI NA PRZYKŁADZIE ELEKTROWNI CIEPLNEJ Sreszczenie W arykule przedsawiono wyniki analizy ekonomerycznej miesięcznych warości w
Bardziej szczegółowoZajęcia 2. Estymacja i weryfikacja modelu ekonometrycznego
Zajęcia. Esmacja i werfikacja modelu ekonomercznego Celem zadania jes oszacowanie liniowego modelu opisującego wpłw z urski zagranicznej w danm kraju w zależności od wdaków na urskę zagraniczną i liczb
Bardziej szczegółowoPROGNOZOWANIE ZUŻYCIA CIEPŁEJ I ZIMNEJ WODY W SPÓŁDZIELCZYCH ZASOBACH MIESZKANIOWYCH
STUDIA I PRACE WYDZIAŁU NAUK EKONOMICZNYCH I ZARZĄDZANIA NR 15 Barbara Baóg Iwona Foryś PROGNOZOWANIE ZUŻYCIA CIEPŁEJ I ZIMNEJ WODY W SPÓŁDZIELCZYCH ZASOBACH MIESZKANIOWYCH Wsęp Koszy dosarczenia wody
Bardziej 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 szczegółowoEwa Dziawgo Uniwersytet Mikołaja Kopernika w Toruniu. Analiza wrażliwości modelu wyceny opcji złożonych
DYNAMICZNE MODELE EKONOMETRYCZNE X Ogólnopolskie Seminarium Naukowe, 4 6 września 7 w Toruniu Kaedra Ekonomerii i Saysyki, Uniwersye Mikołaja Kopernika w Toruniu Uniwersye Mikołaja Kopernika w Toruniu
Bardziej szczegółowoDYNAMICZNE MODELE EKONOMETRYCZNE
DYNAMICZNE MODELE EKONOMETRYCZNE IX Ogólnopolskie Seminarium Naukowe, 6 8 września 2005 w Toruniu Kaedra Ekonomerii i Saysyki, Uniwersye Mikołaja Kopernika w Toruniu Kaarzyna Kuziak Akademia Ekonomiczna
Bardziej szczegółowoSYMULACYJNA ANALIZA PRODUKCJI ENERGII ELEKTRYCZNEJ I CIEPŁA Z ODNAWIALNYCH NOŚNIKÓW W POLSCE
SYMULACYJNA ANALIZA PRODUKCJI ENERGII ELEKTRYCZNEJ I CIEPŁA Z ODNAWIALNYCH NOŚNIKÓW W POLSCE Janusz Sowiński, Rober Tomaszewski, Arur Wacharczyk Insyu Elekroenergeyki Poliechnika Częsochowska Aky prawne
Bardziej 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 szczegółowoOeconomiA copernicana. Adam Waszkowski Szkoła Główna Gospodarstwa Wiejskiego w Warszawie
OeconomiA copernicana 2012 Nr 3 ISSN 2083-1277 Adam Waszkowski Szkoła Główna Gospodarswa Wiejskiego w Warszawie MECHANIZM TRANSMISJI IMPULSÓW POLITYKI MONETARNEJ DLA POLSKIEJ GOSPODARKI Klasyfikacja JEL:
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 szczegółowoKobiety w przedsiębiorstwach usługowych prognozy nieliniowe
Pior Srożek * Kobiey w przedsiębiorswach usługowych prognozy nieliniowe Wsęp W dzisiejszym świecie procesy społeczno-gospodarcze zachodzą bardzo dynamicznie. W związku z ym bardzo zmienił się sereoypowy
Bardziej 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 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 szczegółowoPROGRAMOWY GENERATOR PROCESÓW STOCHASTYCZNYCH LEVY EGO
POZNAN UNIVE RSITY OF TE CHNOLOGY ACADE MIC JOURNALS No 69 Elecrical Engineering 0 Janusz WALCZAK* Seweryn MAZURKIEWICZ* PROGRAMOWY GENERATOR PROCESÓW STOCHASTYCZNYCH LEVY EGO W arykule opisano meodę generacji
Bardziej szczegółowoStatystyka od podstaw z systemem SAS Dr hab. E. Frątczak, ZAHZiAW, ISiD, KAE. Część VII. Analiza szeregu czasowego
Część VII. Analiza szeregu czasowego 1 DEFINICJA SZEREGU CZASOWEGO Szeregiem czasowym nazywamy zbiór warości cechy w uporządkowanych chronologicznie różnych momenach (okresach) czasu. Oznaczając przez
Bardziej szczegółowoMacierz X ma wymiary: 27 wierszy (liczba obserwacji) x 6 kolumn (kolumna jednostkowa i 5 kolumn ze zmiennymi objaśniającymi) X
ROZWIĄZANIA ZADAO Zadanie EKONOMETRIA_dw_.xls Na podsawie danych zamieszczonych w arkuszu Zadanie. Podad posad analiyczną modelu ekonomerycznego wielkości produkcji w przemyśle od PO - liczby pracujących
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 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 szczegółowoMODEL 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 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 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 szczegółowoMetody 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 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 szczegółowo2. Wprowadzenie. Obiekt
POLITECHNIKA WARSZAWSKA Insyu Elekroenergeyki, Zakład Elekrowni i Gospodarki Elekroenergeycznej Bezpieczeńswo elekroenergeyczne i niezawodność zasilania laoraorium opracował: prof. dr ha. inż. Józef Paska,
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 szczegółowoMetody weryfikacji stabilności fiskalnej porównanie własności
Bank i Kredy 41 (2), 2010, 87 110 www.bankikredy.nbp.pl www.bankandcredi.nbp.pl Meody weryfikacji sabilności fiskalnej porównanie własności Michał Mackiewicz* Nadesłany: 30 lipca 2009 r. Zaakcepowany:
Bardziej szczegółowoWYKORZYSTANIE STATISTICA DATA MINER DO PROGNOZOWANIA W KRAJOWYM DEPOZYCIE PAPIERÓW WARTOŚCIOWYCH
SaSof Polska, el. 12 428 43 00, 601 41 41 51, info@sasof.pl, www.sasof.pl WYKORZYSTANIE STATISTICA DATA MINER DO PROGNOZOWANIA W KRAJOWYM DEPOZYCIE PAPIERÓW WARTOŚCIOWYCH Joanna Maych, Krajowy Depozy Papierów
Bardziej szczegółowoMETODY 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 szczegółowoWskazówki projektowe do obliczania nośności i maksymalnego zanurzenia statku rybackiego na wstępnym etapie projektowania
CEPOWSKI omasz 1 Wskazówki projekowe do obliczania nośności i maksymalnego zanurzenia saku rybackiego na wsępnym eapie projekowania WSĘP Celem podjęych badań było opracowanie wskazówek projekowych do wyznaczania
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 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 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 szczegółowoPolitechnika Gdańska Wydział Elektrotechniki i Automatyki Katedra Inżynierii Systemów Sterowania. Podstawy Automatyki
Poliechnika Gdańska Wydział Elekroechniki i Auomayki Kaedra Inżynierii Sysemów Serowania Podsawy Auomayki Repeyorium z Podsaw auomayki Zadania do ćwiczeń ermin T15 Opracowanie: Kazimierz Duzinkiewicz,
Bardziej szczegółowoKONTROLA JAKOŚCI ŻELIWA AUSTENITYCZNEGO METODĄ ATD
50/ Archives of Foundry, Year 001, Volume 1, 1 (/) Archiwum Odlewnicwa, Rok 001, Rocznik 1, Nr 1 (/) PAN Kaowice PL ISSN 164-5308 KONTROLA JAKOŚCI ŻLIWA AUSTNITYCZNGO MTODĄ ATD R. WŁADYSIAK 1 Kaedra Sysemów
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 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 szczegółowoWYKORZYSTANIE TESTU OSTERBERGA DO STATYCZNYCH OBCIĄŻEŃ PRÓBNYCH PALI
Prof. dr hab.inż. Zygmun MEYER Poliechnika zczecińska, Kaedra Geoechniki Dr inż. Mariusz KOWALÓW, adres e-mail m.kowalow@gco-consul.com Geoechnical Consuling Office zczecin WYKORZYAIE EU OERERGA DO AYCZYCH
Bardziej szczegółowoModelowanie systemów skointegrowanych. Aspekty teoretyczne
Bank i Kredy 45(5), 04, 433 466 Modelowanie sysemów skoinegrowanych. Aspeky eoreyczne Michał Majserek Nadesłany: 30 kwienia 04 r. Zaakcepowany: 3 września 04 r. Sreszczenie Analiza ekonomeryczna w przypadku
Bardziej szczegółowoMariusz Plich. Spis treści:
Spis reści: Modele wielorównaniowe - mnożniki i symulacje. Podsawowe pojęcia i klasyfikacje. Czynniki modelowania i sposoby wykorzysania modelu 3. ypy i posacie modeli wielorównaniowych 4. Przykłady modeli
Bardziej szczegółowoMatematyka ubezpieczeń majątkowych r. ma złożony rozkład Poissona. W tabeli poniżej podano rozkład prawdopodobieństwa ( )
Zadanie. Zmienna losowa: X = Y +... + Y N ma złożony rozkład Poissona. W abeli poniżej podano rozkład prawdopodobieńswa składnika sumy Y. W ejże abeli podano akże obliczone dla k = 0... 4 prawdopodobieńswa
Bardziej 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 szczegółowoRzetelność komunikowania wyników egzaminów zewnętrznych w oparciu o metodę tendencji rozwojowej próba oceny
dr Maria Sasin Poliechnika Koszalińska Teraźniejszość i przyszłość oceniania szkolnego Rzeelność komunikowania wyników egzaminów zewnęrznych w oparciu o meodę endencji rozwojowej próba oceny Wprowadzenie
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 szczegółowo