WYKORZYSTANIE MODELI SIGN RCA DO PROGNOZY
|
|
- Teodor Walczak
- 7 lat temu
- Przeglądów:
Transkrypt
1 Joanna Góka Wyższa Szkoła Infomayki i Ekonomii WP w Olszynie WYKORZYSANIE MODELI SIGN RCA DO PROGNOZY WAROŚCI NARAŻONEJ NA RYZYKO Do kwanyfikowania yzyka ynkowego używana jes częso waość naażona na yzyko (Value a Risk, VaR). Isnieje wiele meod szacowania VaR jednak żadna z isniejących już meod nie jes najlepsza. Zaem, poszukuje się modeli, kóe dobze będą opisywać zachowanie się szeegów finansowych oaz kóe będzie można wykozysać do wyznaczenia VaR. Celem efeau jes zasosowanie modeli Sign RCA jako paameycznej meody szacowania VaR, weyfikacja ej meody oaz poównanie ozymanych wyników z oszacowaniami VaR ozymanymi za pomocą innych modeli.. Modele Sign RCA Modele auoegesyjne z losowymi paameami (RCA) są naualnym uogólnieniem klasycznych liniowych modeli auoegesyjnych. Klasyczny sacjonany jednowymiaowy model auoegesyjny zędu piewszego z losowym paameem (ozn. RCA () ) można zapisać w posaci: y gdzie: ( α + δ ) y + ε =, () δ ~ ε iid 0 σ δ, 0 0 0, () σ ε α σ <. (3) + δ Waunek (3) jes waunkiem koniecznym i wysaczającym sacjonaności dugiego zędu pocesu y, naomias waunki ()-(3) gwaanują ścisłą sacjonaność pocesu. Paca zosała wykonana w amach ganu WSIiE WP w Olszynie. Pełny opis ych modeli waz z własnościami, meodami esymacji oaz aplikację można znaleźć w pacy Nicholls i Quinn (98)
2 Ściśle sacjonany poces opisany ównaniami ()-(3) chaakeyzuje się śednią zeo oaz sałą waiancją i kuozą [Appadoo, havaneswaan, Singh 006, Aue 004]. Ponado waość waiancji i kuozy jes większa niż dla pocesu opisanego popzez model AR(). Model (), pzy odpowiednich założeniach, może być modelem ypu AR, SUR, RCA(, p) [Góka 007a, Lee 998]. Sacjonany model RCA() z funkcją znaku (ozn. Sign RCA()) ma posać [havaneswaan, Appadoo 006]: y gdzie: ( α + δ + Φs ) y + ε =, (4) dla y > 0 s = 0 dla y = 0, (5) dla y < 0 oaz spełnione są waunki ()-(3). Jeżeli α + δ > Φ, o ujemna waość Φ oznacza, że dla ujemnych (dodanich) waości w czasie maleją (osną) waości w czasie. W pzypadku sóp zwou oznacza o, że po spadkach noowań nasępują większe niż oczekiwane spadki noowań, naomias w pzypadku wzosu noowań nasępują mniejsze niż oczekiwane wzosy noowań. Jeżeli spełnione są waunki ()-(3), o poces (4) chaakeyzuje się zeową śednią oaz sałą waiancją i kuozą [havaneswaan, Appadoo 006]. Waość waiancji i kuozy jes większa niż dla pocesu opisanego popzez model RCA() czy AR() [Góka 007b].. Miaa Value a Risk Waość zagożona (waość naażona na yzyko) w chwili jes o aka saa waości ynkowej insumenu lub pofela insumenów, że pawdopodobieńswo osiągnięcia jej lub pzekoczenia w ozpaywanym okesie (, +) ówne jes zadanemu poziomowi oleancji [po. np. Jajuga, Jajuga 00]. Definicję ą można zapisać w posaci: P ( P P ) = α + VaR, (6) gdzie: P - waość insumenu/pofela w momencie. W niniejszym opacowaniu ozpaywane są pocenowe logaymiczne sopy zwou ( ln P ln P ) = 00. Wówczas wesja pocenowa wyażenia (6) jes w pzybliżeniu ównoważna zapisowi [po. Doman, Doman 004]: ( + VaR) = α P, (7)
3 zaś jednodniowa waunkowa pognoza VaR, uzyskana za pomocą paameycznych modeli zmienności, wyażona jes wzoem [po. Doman, Doman 004]: VaR ( α ) μ σ zα = (8) l gdzie μ, + + σ oznaczają odpowiednio jednookesowe pognozy waunkowej śedniej oaz waunkowej zmienności, zaś z α jes α -kwanylem ozkładu nomalnego. Pedyko waunkowej śedniej, dla modeli auoegesyjnych z losowym paameem i funkcją znaku (Sign RCA()) ma posać: y ( y F ) = ( + Φs ) y P = E + + α, (9) naomias pedyko waunkowej waiancji wyażony jes wzoem: ( u F ) = σ ε σ y σ = E δ. (0) 3. Ocena pognoz VaR W badaniach empiycznych, do poównania, jakości pognoz VaR wykozysuje się zaówno esy klasyczne jak i esy wykozysujące funkcję sa [po. np.: Doman, Doman 004, Osińska 006, Piąek 005, Pipień 006]. W niniejszym opacowaniu zasosowano akie esy klasyczne jak: es liczby pzekoczeń (Popoion of Failues es - POF), w kóym spawdzianem hipoezy zeowej jes saysyka Kupca: LR POF N α α = ln ~ α α χ () gdzie: N jes liczbą obsewacji, liczbą pzekoczeń VaR, zaś α jes udziałem pzekoczeń w liczbie wszyskich ozpaywanych zwoów, es niezależności pzekoczeń (Independence es-ind) Chisoffesena, w kóym saysyka ma posać: LR IND = ln ( α ) α ( α ) α ( α ) α 0 0 ~ χ () gdzie: ij α ij =, i0 + i α = , ij - liczba okesów, w kóym I = j, jeśli I = i, gdy nasąpilo pzekoczenie I =, 0 w pzeciwnymwypadku es czasu pomiędzy pzekoczeniami (ime Beween Failues es - BF):
4 LR gdzie: BF = i i= vi α α ln ~ α i α i α i =, v - czas do piewszego pzekoczenia, i v szym oaz i -ym pzekoczeniem, dla i =,...,, oaz esy wykozysujące funkcję sa : χ (3) v - czas pomiędzy ( ) z punku widzenia insyucji nadzoującej (Regulaoy Loss Funcion, RL): i - f + = + 0 ( + VaR ) > VaR VaR (4) z punku widzenia fimy (Fim s Loss Funcion, FL): f + cvar = + + ( + VaR ) + + > VaR VaR (5) gdzie c > 0, jes póbą ozwiązania konfliku pomiędzy bezpieczeńswem oaz maksymalizacją wyniku finansowego. 4. Analiza empiyczna Do analizy empiycznej wykozysano pocenowe logaymiczne sopy zwou danych dziennych: cen akcji spółek sekoa bankowego noowanych na GPW w Waszawie w dniu oku. W en sposób uzyskano 8 szeegów czasowych po 530 obsewacji. kusów walu w okesie od do oku. Pzebadano w en sposób 5 szeegów. Wyniki analizy własności saysycznych szeegów pocenowych logaymicznych sop zwou kusów, waości saysyk wybanych esów pzedsawiono w abeli. Badane szeegi kusów walu były niesacjonane. Naomias szeegi pocenowych logaymicznych sóp zwou były sacjonane i ich ozkłady chaakeyzowały się nieco podwyższona kuozą (w sosunku do ozkładu nomalnego) oaz skośnością bliską skośności ozkładu nomalnego. ylko w czeech pzypadkach wysępowała auokoelacja Funkcję sa zapoponował Lopez [po. Lopez 998]. Saę f związaną z zasosowaniem danego modelu do wyznaczenia pognozy VaR w okesie od do N definiuje się, jako sumę sa f N w poszczególnych okesach, zn.: f = f. =
5 naomias es LBI 3 w jedenasu pzypadkach wskazywał na zmienność paameu. Do dalszej analizy wybano ylko zy szeegi 4 : AUD/PLN, CHF/PLN oaz HUF/PLN. abela. Własności saysyczne pocenowych sóp zwou oaz waości saysyk esu Boxa-Ljunga, Engla ARCH, DF, LBI Walua śednia odchylenie s. skośność kuoza Boxa-Ljunga Engla ARCH es CAD/PLN -0,05 0,69 0,098 3,56,750 3,9,374,50-30,73,05 AUD/PLN -0,07 0,63-0,3 4,3,78 5,88 33,606 34,388-30,738 5,43 CHF/PLN -0,035 0,575 0,35 3,98,83,87,565 4,3-33,97 3,5 EUR/PLN -0,09 0,476 0,79 4,40 0,54 0,634 7,9 5,744-3,968,643 EEK/PLN -0,09 0,476 0,7 4,39 0,54 0,608 7,53 5,65-3,970,647 DKK/PLN -0,030 0,477 0,7 4,44 0,503 0,653 7,8 5,08-3,957,66 XDR/PLN -0,04 0,556 0,97 4,00 0,39 0,407 4,4 5,740-3,580,079 SEK/PLN -0,03 0,57 0,0 3,76 0,395,699 0,490 5,60-3,630 0,75 RUB/PLN -0,03 0,600 0,34 4,66 0,96,999 7, 5,358-33,66,708 NOK/PLN -0,03 0,563 0,083 3,684 0,06 0,065 7,40 0,868-3,458,730 JPY/PLN -0,049 0,754 0,6 4,899 0,068 0,738 4,78 5, -3,983 3,77 HUF/PLN -0,03 0,43-0,05 3,78 5,06 5,43 6,58,795-30,4,4 GBP/PLN -0,046 0,58 0,00 3,655,77,645 4,989 9,97-33,69,95 CZK/PLN -0,004 0,444 0,33 4,0,054,7 0,408,478-33,836 0,7 USD/PLN -0,048 0,74 0,40 4,04,46,609 3,850,557-3,00,84 A Czcionką pogubioną zaznaczono pzypadki gdzie nasąpiło odzucenie H 0 na kozyść H na 0% poziomie isoności w pzypadku badania auokoelacji oaz 5% poziomie isoności w pozosałych esach. Źódło: Opacowanie własne. W pzypadku kusów akcji, szeegi cen akcji ównież nie były sacjonane naomias logaymiczne pocenowe sopy zwou były sacjonane a ich ozkłady chaakeyzowały się podwyższona kuozą (w sosunku do ozkładu nomalnego) oaz zóżnicowaną skośnością [Góka 008]. W sześciu analizowanych pzypadkach wysępowała auokoelacja naomias es LBI wskazywał na zmienność paameu auoegesyjnego. Do dalszych badań wybano e szeegi sóp zwou, w kóych wysępowała auokoelacja (BRE Bank, BZ WBK, Handlowy, Millennium, ING BSK, Kedy Bank). W pzypadku sóp zwou Handlowego i Kedy Banku es LBI nie wskazywał na zmienność paameu [Góka 008]. Jako modele konkuencyjne w sosunku do modelu Sign RCA wybano modele RCA oaz ARMA-(G)ARCH. Meodą największej wiaygodność ozymano oceny paameów dla poszczególnych modeli 5. Dla wszyskich badanych szeegów waości kyeium Akaik a (AIC) oaz Schwaza (BIC) wskazywały na wybó modelu RCA(), a nie AR(). DF LBI 3 W ym eście hipoeza zeowa oznacza sałość paameów auoegesyjnych [Góka 007a]. 4 Dla kóych wysępowała auokoelacja i niesałość paameu. 5 Obliczenia pzepowadzono w pogamie Gauss oaz EViews 6. Wybou zędu opóźnień dla modeli ARMA-(G)ARCH dokonano z wykozysaniem kyeium Akaike.
6 W modelu dla sóp zwou Handlowego, paame w modelu RCA() okazał się saysycznie nieisony oaz w eszach modelu nie wysępował efek ARCH. Sąd eż, sopy zwou ego walou zosały pominięe w dalszych badaniach. Dla modeli pocenowych sóp zwou kusów walu waość kyeiów infomacyjnych jes najmniejsza dla ożnych modeli w pzypadku óżnych walu. Niemniej jednak model auoegesyjny z losowym paameem i funkcją znaku nigdy nie był modelem pefeowany w świele ych kyeiów. Waość paameu sojącego pzy funkcji znaku, dla wszyskich szeegów walu, jes ujemna, co może oznaczać, że w badanym okesie po spadkach sóp zwou nasępowały większe niż oczekiwano spadki sopy zwou. Dla sóp zwou cen akcji syuacja aka wysępuje ylko dla walou Kedy Banku. W pzypadku pozosałych badanych sóp zwou z wybanych waloów waość paameu pzy funkcji znaku jes dodania. W nasępnym koku, wyznaczone zosały pognozy waunkowej śedniej i waiancji oaz błędy ex pos 6 wyznaczonych pognoz. Błędy pognoz, dla całego okesu pognozowania, dla pognoz waunkowej śedniej pocenowych sóp zwou kusów walu są najmniejsze dla modelu Sign RCA. Jednakże óżnice pomiędzy wielkością poszczególnych błędów dla modeli RCA(), Sign RCA() oaz AR-(G)ARCH są nieznaczne. Wyjąek sanowią pognozy wyznaczone z wykozysaniem nieliniowego pedykoa 7 (RCA niel.), kóe geneują większe błędy ex pos. Błędy pognoz ex pos wyznaczone dla pognozy waunkowej waiancji najczęściej pzyjmują waość najmniejszą dla modelu AR-(G)ARCH. W pzypadku pognoz wyznaczonych dla pocenowych logaymicznych sóp zwou cen akcji wnioski są analogiczne. Ozymana pognoza VaR z wykozysaniem pezenowanych modeli okazała się: niedoszacowana dla sóp zwou foina (abela ) dla wszyskich badanych poziomów isoności. niedoszacowana dla sóp zwou dolaa ausalijskiego dla,5% oaz % poziomu oleancji. Dla poziomu oleancji 5% pognozy VaR były pzeszacowane. niedoszacowana dla sóp zwou fanka szwajcaskiego ylko dla % poziomu oleancji. W pozosałych pzypadkach pognoza VaR była pzeszacowana. 6 Wyznaczone zosały: błąd śedniokwadaowy, piewiasek błędu śedniokwadaowego oaz śedni błąd bezwzględny. 7 Posać nieliniowego pedykoa można znaleźć miedzy innymi w pacy Góka 007a.
7 We wszyskich badanych pzypadkach, w esach klasycznych bak było podsaw do odzucenia hipoezy zeowej. Wyjąek sanowiły pognozy VaR ozymane z wykozysaniem RCA z nieliniowym pedykoem waunkowej waości śedniej, kóe zawsze znacznie niedoszacowywały poencjalną saę. abela. Ocena ex pos jakości pognoz VaR dla HUF/PLN dla pozycji długiej HUF/PLN liczba pzekoczeń udział pzekoczeń LR POF LR IND LR BF saysyka waość p saysyka waość p saysyka waość p α=5% Sym. His. 54 5,4% 0,0447 0,835 7,6036 0, ,530 0,475 RCA() 58 5,53% 0,5986 0,439,34 0,359 58,0973 0,477 RCA() niel. 36,96% 99,693 0,0000 3,3868 0, ,8375 0,0034 Sign RCA() 57 5,43% 0,4046 0,547,95 0,900 58,0569 0,436 AR()-ARCH() 6 5,8%,397 0,37,653 0,037 54,447 0,76 α=,5% Sym. His. 30,86% 0,556 0,4684 3,5543 0, ,05 0,35 RCA() 38 3,6% 4,774 0,089 0,678 0, ,468 0,500 RCA() niel. 85 8,0% 85,8037 0,0000 8,834 0, ,856 0,0000 Sign RCA() 38 3,6% 4,774 0,089 0,678 0, ,468 0,500 AR()-ARCH() 38 3,6% 4,774 0,089,578 0,098 37,777 0,507 α=% Sym. His. 0 0,95% 0,044 0,8758 0,95 0,6608 8,5 0,5789 RCA() 6,53%,586 0,5 0,496 0,48 0,393 0,030 RCA() niel. 53 5,05% 88,4505 0,0000 5,6489 0,075 57,990 0,0000 Sign RCA() 6,53%,586 0,5 0,496 0,48 0,393 0,030 AR()-ARCH() 7,6% 3,4358 0,0638 0,5606 0,4540 4,8043 0,099 Źódło: Opacowanie własne. W pzypadku sóp zwou cen akcji wybanych waloów spółek sekoa bankowego dodanie funkcji znaku do modelu RCA nie zmieniło znacznie wyników w sosunku do oszacowań VaR uzyskanych dla modelu RCA [Góka 008]. Ozymane oszacowania VaR są albo poównywalne z odpowiednimi oszacowaniami VaR ozymanymi popzez model RCA albo większe. Dla niekóych waloów, lepsze wyniki (w świele esów klasycznych) ozymujemy dla modelu Sign RCA (Millennium, Kedy Bank) dla niższego poziomu oleancji. Analizując waości funkcji sa, z punku widzenia insyucji nadzoującej, można swiedzić, że największa waość ej funkcji była dla modelu RCA z nieliniowym pedykoem waunkowej śedniej (zaówno dla sóp zwou cen akcji jak i walu). Waości funkcji sa dla pozosałych modeli óżnią się nieznacznie. Ogólnie (abela 3) modelem najbadziej uniwesalnym, dla pognoz VaR dla kusów walu ze względu na
8 funkcję RL, okazał się model Sign RCA 8, naomias ze względu na funkcję FL model AR- (G)ARCH 9. W pzypadku pognoz VaR dla sóp zwou waloów wyniki nie są ak jednoznaczne. Jednak, dla większości waloów funkcja say FL była najmniejsza dla modelu RCA z nieliniowym pedykoem, kóy z kolei geneuje największe waości funkcji RL 0. Dla pocenowych sóp zwou Millennium funkcja say FL ozymana za pomocą modelu Sign RCA geneuje się znacznie mniejsze waości niż w pzypadku pozosałych modeli lub symulacji hisoycznej. abela 3. Ranking modeli względem funkcji sa. Poziom oleancji α =5% α =.5% α =% Sopa zwou Sym. His. RCA() RCA() niel. Sign RCA() AR()-(G)ARCH RL FL RL FL RL FL RL FL RL FL AUD/PLN CHF/PLN HUF/PLN AUD/PLN CHF/PLN HUF/PLN AUD/PLN CHF/PLN HUF/PLN oznacza najmniejsza waość funkcji sa, 5 oznacza największą waość funkcji sa. RL funkcja sa z punku widzenia insyucji nadzoującej, FL - funkcja sa z punku widzenia fimy (c=). Źódło: Opacowanie własne. 5. Podsumowanie W pacy zapezenowano wykozysanie modelu Sign RCA do wyznaczania waości naażonej na yzyko. Do analizy empiycznej wykozysano ceny akcji spółek z banży bankowej, noowanych w 00 oku oaz kusów walu w okesie od do oku. Analiza oszacowanych waości VaR na podsawie modeli Sign RCA oaz poównanie ozymanych oszacowań z oszacowaniami VaR ozymanymi za pomocą modeli RCA oaz AR-GARCH pozwala na sfomułowanie nasępujących wniosków: żaden z pezenowanych modeli nie był dosaecznie dobym, uniwesalnym modelem VaR, modelem za pomocą, kóego ozymuje się pognozy VaR dające najmniejsze waości funkcji sa z punku widzenia insyucji nadzoującej dla sóp zwou z kusów walu jes model Sign RCA, 8 Wyniki są nieznacznie gosze od wyników uzyskanych meodą symulacji hisoycznej. 9 Nieznacznie gosze wynik uzyskał model RCA. 0 Podobne wyniki uzyskał w swojej pacy Pipień 006.
9 model Sign RCA może geneować pognozy VaR o mniejszych waościach funkcji sa FL niż pognozy geneowane pzez modele RCA czy model AR-(G)ARCH, model Sign RCA może geneować afne oszacowania VaR nawe dla niskich waości poziomu oleancji. Niniejsze opacowanie nie wyczepuje badania pzydaności modeli Sign RCA do wyznaczania waości naażonej na yzyko. Lieaua Appadoo, S.S., havaneswaan, A., Singh, J, RCA Models wih Coelaed Eos, Applied Mahemaics Lees, 006, 9. Aue, A., Song Appoximaion fo RCA() ime Seies wih Applicaions, Saisics & Pobabiliy Lees, 004, 68. Doman, M., Doman, R., Ekonomeyczne modelowanie dynamiki polskiego ynku finansowego, Wydawnicwo AE, Poznań, 004. Góka J., Modele auoegesyjne z losowymi paameami, [w:] Osińska M. (ed.), Pocesy SUR. Modelowanie i zasosowanie do finansowych szeegów czasowych, Wydawnicwo Dom Oganizaoa, ouń, 007a. Góka J., Opisu kuozy ozkładów za pomocą wybanych modeli z funkcją znaku, [w:] Dynamiczne modele ekonomeyczne, ed Z. Zieliński. UMK, ouń, 007b. Góka J., Modele ARMA-GARCH oaz modele RCA a waość naażona na yzyko, w duku, 008. Jajuga K., Jajuga., Inwesycje, PWN, Waszawa, 00. Lee, S., Coefficien Consancy es in a Random Coefficien Auoegessive Model, Jounal of Saisical Planning and Infeence, 998, 74. Lopez J.A., Mehods fo Evaluaing Value-a-Risk Esimaes, FRBNY Economic Policy Review, 998. Nicholls, D.F., Quinn, B.G., Random Coefficien Auoegessive Models: An Inoducion, Spinge New Yok, 98. Osińska M., Ekonomeia finansowa, PWE, Waszawa, 006. Piąek K., Pzegląd i poównanie meod oceny modeli VaR, Innowacje w finansach i ubezpieczeniach meody maemayczne, ekonomeyczne i infomayczne, 005 (maszynopis). Pipień M., Wnioskowanie bayesowskie w ekonomeii finansowej, Wydawnicwo AE, Kaków, 006. Sama M., homas S., Shah A., Selecion of Value-a-Risk Models, Jounal of Foecasing, 003,. havaneswaan, A., Appadoo, S.S., Popeies of a New Family of Volailiy Sing Models, Compues and Mahemaics wih Applicaions, 006, 5. Seszczenie. W niniejszym opacowaniu zapoponowano użycie modeli auoegesyjnych z losowym paameem i funkcją znaku (Sign RCA) do ozymania pognoz VaR dla sóp zwou z kusów walu oaz z cen akcji spółek sekoa bankowego noowanych na GPW w Waszawie. Ozymane wyniki poównano z oszacowaniami VaR uzyskanymi za pomocą modeli RCA i ARMA-(G)ARCH oaz poddano je weyfikacji. Na podsawie pzepowadzonej analizy nie można wyciągnąć wniosku, że model Sign RCA jes zawsze lepszy niż model RCA czy ARMA-(G)ARCH do wyznaczenia VaR i odwonie. Using Sign RCA models o obain Value-a-Risk foecasing Absac Value-a-Risk (VaR) is used as a ool fo measuing he make isk. Alenaive VaR implemenaion has been bu none of known mehods ae no he bes. his pape poposes o use auoegessive model wih andom coefficien wih sign funcion (Sign RCA) o esimae value-a-isk fo foeign exchange aes and pice of bank seco shae fom he Wasaw Sock Exchange. Obained VaR foecass ou of Sign RCA models, RCA models and ARMA-(G)ARCH models have been compaed. he foecass have been evaluaed using adiional ess and loss funcion mehod. he esuls have no shown dominaion eihe of hese mehods of VaR foecasing.
Zarządzanie ryzykiem. Lista 3
Zaządzanie yzykiem Lisa 3 1. Oszacowano nasępujący ozkład pawdopodobieńswa dla sóp zwou z akcji A i B (Tabela 1). W chwili obecnej Akcja A ma waość ynkową 70, a akcja B 50 zł. Ile wynosi pięciopocenowa
Bardziej szczegółowoMETODA ZDYSKONTOWANYCH SALD WOLNYCH PRZEPŁYWÓW PIENIĘŻNYCH
METODA ZDYSONTOWANYCH SALD WOLNYCH PRZEPŁYWÓW PIENIĘŻNYCH W meodach dochodowych podsawową wielkością, kóa okeśla waość pzedsiębioswa są dochody jakie mogą być geneowane z powadzenia działalności gospodaczej
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 szczegółowoPROCEDURA WYBORU PORTFELA AKCJI ZAPEWNIAJĄCA KONTROLĘ RYZYKA NIESYSTEMATYCZNEGO
B A D A I A O P E R A C Y J E I D E C Y Z J E 3 4 2004 omasz BRZĘCZEK* PROCEDURA WYBORU PORFELA AKCJI ZAPEWIAJĄCA KOROLĘ RYZYKA IESYSEMAYCZEGO Pzedsawiono poceduę wybou pofela akci zapewniaącą konolę yzyka
Bardziej szczegółowoArytmetyka finansowa Wykład 5 Dr Wioletta Nowak
Aymeyka finansowa Wykład 5 D Wiolea Nowak Bon skabowy Insumen dłużny, emiowany pzez Skab ańswa za pośednicwem Miniseswa Finansów. Temin wykupu dzień w kóym emien dokonuje wykupu, Skab ańswa zwaca dług
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 szczegółowoWSPÓŁCZYNNIK THETA OPCJI BARIEROWYCH
Ewa Dziawgo Uniwesye Mikołaja openika w ouniu Wyział auk Ekonomicznych i Zazązania aea Ekonomeii i aysyki ziawew@umk.pl WPÓŁCZYI EA OPCJI BARIEROWYC eszczenie: W aykule pzesawiono zaganienia związane z
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 szczegółowoAnaliza i prognozowanie szeregów czasowych
Analiza i pognozowanie szeegów czasowych Pojęcie szeegu czasowego Szeeg czasowy (chonologiczny, dynamiczny, ozwojowy) pezenuje ozwój wybanego zjawiska w czasie; zawiea waości zjawiska y w jednoskach czasu,,
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 szczegółowoEKONOMIA XL NAUKI HUMANISTYCZNO-SPOŁECZNE ZESZYT 391 TORUŃ Joanna Górka WŁASNOŚCI PROGNOSTYCZNE MODELI KLASY RCA *
ACTA UNIVERSITATIS NICOLAI COPERNICI EKONOMIA XL NAUKI HUMANISTYCZNO-SPOŁECZNE ZESZYT 391 TORUŃ 2009 Uniwersytet Mikołaja Kopernika w Toruniu Katedra Ekonometrii i Statystyki Joanna Górka WŁASNOŚCI PROGNOSTYCZNE
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 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 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 szczegółowoF : R 0;1 rozkład prawdopodobieństwa stopy zwrotu.
Nie gaussowskie kyteia zaządzania potfelem Kyteia dominacji stochastycznej stopa zwotu C 0 C0 0, C ;, 0 t C C : R 0;1 ozkład pawdopodobieństwa stopy zwotu 0 U : R R funkcja użyteczności watości stopy zwotu
Bardziej szczegółowoBADANIE DYNAMICZNEGO TŁUMIKA DRGA
Ćwiczenie 3 BDNIE DYNMICZNEGO TŁUMIK DRGŃ. Cel ćwiczenia yłumienie dgań układu o częsości ezonansowej za pomocą dynamicznego łumika dgań oaz wyznaczenie zakesu częsości wymuszenia, w kóym łumik skuecznie
Bardziej szczegółowoRozdział VIII KINETYKA NASYCANIA POWIERZCHNI. 1. Wstęp
83 Rozdział VIII KINETYKA NASYCANIA POWIERZCHNI 1. Wsęp W akcie wykonywania zewnęznyc oconnyc wasw ynku, jak i konsewacji isniejącyc deali budowli zabykowyc zacodzi częso konieczność oceny sopnia peneacji
Bardziej szczegółowoEFEKT DŹWIGNI NA GPW W WARSZAWIE WPROWADZENIE
Paweł Kobus, Rober Pierzykowski Kaedra Ekonomerii i Informayki SGGW e-mail: pawel.kobus@saysyka.info EFEKT DŹWIGNI NA GPW W WARSZAWIE Sreszczenie: Do modelowania asymerycznego wpływu dobrych i złych informacji
Bardziej szczegółowoDYNAMICZNE MODELE EKONOMETRYCZNE
DYNAMICZNE MODELE EKONOMETRYCZNE X Ogólnopolskie Seminarium Naukowe, 4 6 września 2007 w Toruniu Kaedra Ekonomerii i Saysyki, Uniwersye Mikołaja Kopernika w Toruniu Uniwersye Gdański Zasosowanie modelu
Bardziej szczegółowoWYKORZYSTANIE TRÓJSEKTOROWEGO MODELU WZROSTU DO ANALIZY WPŁYWU OGRANICZENIA EMISJI GHG NA WYBÓR TECHNOLOGII PRODUKCJI.
Zeszyy Naukowe Wydziału nfomaycznych Technik Zaządzania Wyższej Szkoły nfomayki Sosowanej i Zaządzania Współczesne Poblemy Zaządzania N /2009 WYKORZYSTANE TRÓJSEKTOROWEGO ODELU WZROSTU DO ANALZY WPŁYWU
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 szczegółowoWAHADŁO OBERBECKA V 6 38a
Wahadło Obebecka V 6-38a WAHADŁO OBERBECKA V 6 38a Wahadło ma zasosowanie na lekcjach fizyki w klasie I i III liceum ogólnokszałcącego. Pzyząd sanowi byłę szywną uwozoną pzez uleję (1) i czey wkęcone w
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 szczegółowoRównania różniczkowe. Lista nr 2. Literatura: N.M. Matwiejew, Metody całkowania równań różniczkowych zwyczajnych.
Równania różniczkowe. Lisa nr 2. Lieraura: N.M. Mawiejew, Meody całkowania równań różniczkowych zwyczajnych. W. Krysicki, L. Włodarski, Analiza Maemayczna w Zadaniach, część II 1. Znaleźć ogólną posać
Bardziej szczegółowoLaboratorium Półprzewodniki, Dielektryki i Magnetyki Ćwiczenie nr 10 Pomiary czasu życia nośników w półprzewodnikach
Laboaoium Półpzewodniki, Dielekyki i Magneyki Ćwiczenie n 10 Pomiay czasu życia nośników w półpzewodnikach I. Zagadnienia do pzygoowania: 1. Pojęcia: nośniki mniejszościowe i większościowe, ównowagowe
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 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 szczegółowo6.4. Model zdyskontowanych zysków Metoda skorygowanej wartości bieżącej (APV)
6.4. Model zdyskonowanych zysków Jeśli za mienik waości pzyjęy zosanie zysk neo, obliczenie waości wewnęznej odbywać się będzie ak samo, jak miało o miejsce w pzypadku modeli dywidendowych i cash flow.
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 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 szczegółowoWPŁYW WYDATKÓW PUBLICZNYCH NA POPYT INWESTYCYJNY
Wojciech Pacho WPŁW WDATÓW PUBLCZNCH NA POPT NWESTCJN Celem niniejszego efeau jes pzedsawienie oli wydaków ządowych w keowaniu waunków dla ozwoju pywanego kapiału. W ozważaniach nawiązujemy do ego nuu
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 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 szczegółowoAnaliza możliwości wykorzystania wybranych modeli wygładzania wykładniczego do prognozowania wartości WIG-u
Zbigiew Taapaa Aaliza możliwości wykozysaia wybaych modeli wygładzaia wykładiczego do pogozowaia waości WIG-u Wydział Cybeeyki Wojskowej Akademii Techiczej w Waszawie Seszczeie W aykule pzedsawioo aalizę
Bardziej szczegółowoAkademia Ekonomiczna im. Oskara Langego we Wrocławiu Katedra Inwestycji Finansowych i Ubezpieczeń
Krzyszof Pionek Akademia Ekonomiczna im. Oskara Langego we Wrocławiu Kaedra Inwesycji Finansowych i Ubezpieczeń Przegląd i porównanie meod oceny modeli VaR Wsęp - Miara VaR Warość zagrożona (warość narażona
Bardziej 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 szczegółowoMagdalena Osińska, Marcin Fałdziński Uniwersytet Mikołaja Kopernika w Toruniu. Modele GARCH i SV z zastosowaniem teorii wartości ekstremalnych
DYNAMICZNE MODELE EKONOMETRYCZNE X Ogólnopolskie Seminarim Nakowe 4 6 września 2007 w Torni Kaedra Ekonomerii i Saysyki Uniwersye Mikołaja Kopernika w Torni Magdalena Osińska Marcin Fałdziński Uniwersye
Bardziej szczegółowoTradycyjne mierniki ryzyka
Tadycyjne mieniki yzyka Pzykład 1. Ryzyko w pzypadku potfela inwestycyjnego Dwie inwestycje mają następujące stopy zwotu, zależne od sytuacji gospodaczej: Sytuacja Pawdopodobieństwo R R Recesja 0, 9,0%
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 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 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 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 szczegółowoMatematyka ubezpieczeń majątkowych r.
Zadanie. W kolejnych okesach czasu t =,,3,... ubezpieczony, chaakteyzujący się paametem yzyka Λ, geneuje szkód. Dla danego Λ = λ zmienne N t N, N, N 3,... są waunkowo niezależne i mają (bzegowe) ozkłady
Bardziej szczegółowoPOMIAR PRĘDKOŚCI OBROTOWEJ.
LABORAORIUM PODAW MEROLOGII M- Ćwiczenie n 3 POMIAR PRĘDKOŚCI OBROOWEJ. Pomiay pędkości ooowej mogą yć dokonywane óżnymi meodami. Klasyfikacja meod zależy od pzyjęego kyeium. Najliższa nauze zjawisk wykozysywanych
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 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 szczegółowoMiara ryzyka estymacji parametrów modelu VaR
Zeszyy Uniwersye Ekonomiczny w Krakowie Naukowe 4 (976) ISSN 1898-6447 e-issn 2545-3238 Zesz. Nauk. UEK, 2018; 4 (976): 183 200 hps://doi.org/10.15678/znuek.2018.0976.0411 Miara ryzyka esymacji paramerów
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 szczegółowoMAKROEKONOMIA 2. Wykład 3. Dynamiczny model DAD/DAS, część 2. Dagmara Mycielska Joanna Siwińska - Gorzelak
MAKROEKONOMIA 2 Wykład 3. Dynamiczny model DAD/DAS, część 2 Dagmara Mycielska Joanna Siwińska - Gorzelak ( ) ( ) ( ) i E E E i r r = = = = = θ θ ρ ν φ ε ρ α * 1 1 1 ) ( R. popyu R. Fishera Krzywa Phillipsa
Bardziej szczegółowoDobór zmiennych objaśniających do liniowego modelu ekonometrycznego
Dobó zmiennych objaśniających do liniowego modelu ekonometycznego Wstępnym zadaniem pzy budowie modelu ekonometycznego jest okeślenie zmiennych objaśniających. Kyteium wybou powinna być meytoyczna znajomość
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 szczegółowoPROCEDURA WYBORU PORTFELA AKCJI ZAPEWNIAJĄCA KONTROLĘ RYZYKA NIESYSTEMATYCZNEGO
B A D A I A O P E R A C Y J E I D E C Y Z J E 3 4 2004 omasz BRZĘCZEK* PROCEDURA WYBORU PORFELA AKCJI ZAPEWIAJĄCA KOROLĘ RYZYKA IESYSEMAYCZEGO Pzedsawiono poceduę wybou pofela akci zapewniaącą konolę yzyka
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 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 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 Marcin
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 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 szczegółowoII.6. Wahadło proste.
II.6. Wahadło poste. Pzez wahadło poste ozumiemy uch oscylacyjny punktu mateialnego o masie m po dolnym łuku okęgu o pomieniu, w stałym polu gawitacyjnym g = constant. Fig. II.6.1. ozkład wektoa g pzyśpieszenia
Bardziej szczegółowoOcena siły oddziaływania procesów objaśniających dla modeli przestrzennych
Michał Benad Pietzak * Ocena siły oddziaływania pocesów objaśniających dla modeli pzestzennych Wstęp Ekonomiczne analizy pzestzenne są ważnym kieunkiem ozwoju ekonometii pzestzennej Wynika to z faktu,
Bardziej szczegółowoXLI OLIMPIADA FIZYCZNA ETAP I Zadanie doświadczalne
XLI OLIPIADA FIZYCZNA EAP I Zadanie doświadczalne ZADANIE D Pod działaniem sil zewnęznych ciała sale ulęgają odkszałceniom. Wyznacz zależność pomienia obszau syczniści szklanej soczewki z płyka szklana
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 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 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 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 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 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 XL NAUKI HUMANISTYCZNO-SPOŁECZNE ZESZTYT 390 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 XL NAUKI HUMANISTYCZNO-SPOŁECZNE ZESZTYT 390 TORUŃ 009 Uniwerse Mikołaja Kopernika w Toruniu Kaedra Ekonomerii i Saski WŁASNOŚCI
Bardziej szczegółowoBADANIE ZALEśNOŚCI POMIĘDZY WARTOŚCIĄ WYKŁADNIKA HURSTA A SKUTECZNOŚCIĄ STRATEGII INWESTYCYJNYCH OPARTYCH NA ANALIZIE TECHNICZNEJ WPROWADZENIE
Edyta Macinkiewicz Kateda Zaządzania, Wydział Oganizacji i Zaządzania Politechniki Łódzkiej e-mail: emac@p.lodz.pl BADANIE ZALEśNOŚCI POMIĘDZY WARTOŚCIĄ WYKŁADNIKA HURSTA A SKUTECZNOŚCIĄ STRATEGII INWESTYCYJNYCH
Bardziej szczegółowoValue at Risk (VaR) Jerzy Mycielski WNE. Jerzy Mycielski (Institute) Value at Risk (VaR) / 16
Value at Risk (VaR) Jerzy Mycielski WNE 2018 Jerzy Mycielski (Institute) Value at Risk (VaR) 2018 1 / 16 Warunkowa heteroskedastyczność O warunkowej autoregresyjnej heteroskedastyczności mówimy, gdy σ
Bardziej szczegółowoAKADEMIA INWESTORA INDYWIDUALNEGO CZĘŚĆ II. AKCJE.
uma Pzedsiębiocy /6 Lipiec 205. AKAEMIA INWESTORA INYWIUALNEGO CZĘŚĆ II. AKCJE. WYCENA AKCJI Wycena akcji jest elementem analizy fundamentalnej akcji. Następuje po analizie egionu, gospodaki i banży, w
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 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 szczegółowo4.2. Obliczanie przewodów grzejnych metodą dopuszczalnego obciążenia powierzchniowego
4.. Obliczanie przewodów grzejnych meodą dopuszczalnego obciążenia powierzchniowego Meodą częściej sosowaną w prakyce projekowej niż poprzednia, jes meoda dopuszczalnego obciążenia powierzchniowego. W
Bardziej szczegółowoKognitywistyka II r. Teoria rzetelności wyników testu. Teorie inteligencji i sposoby jej pomiaru (4) Rzetelność czyli dokładność pomiaru
Kognitywistyka II Teoie inteligencji i sposoby jej pomiau (4) Teoia zetelności wyników testu Rzetelność czyli dokładność pomiau W języku potocznym temin zetelność oznacza niezawodność (dokładność). W psychometii
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 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 szczegółowoO MIERNIKACH DOKŁADNOŚCI PROGNOZ EX POST W PROGNOZOWANIU ZMIENNYCH O SILNYM NATĘŻENIU SEZONOWOŚCI
METODY ILOŚCIOWE W BADANIACH EKONOMICZNYCH Tom XIII/, 0, s. 3 O MIERNIKACH DOKŁADNOŚCI PROGNOZ EX POST W PROGNOZOWANIU ZMIENNYCH O SILNYM NATĘŻENIU SEZONOWOŚCI Maia Szmuksa Zawadzka Sudium Maemayki Zachodniopomoski
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 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 szczegółowoPROCESY AUTOREGRESYJNE ZE ZMIENNYM PARAMETREM 1. Joanna Górka. Wydział Nauk Ekonomicznych i Zarządzania UMK w Toruniu Katedra Ekonometrii i Statystyki
PROCESY AUTOREGRESYJNE ZE ZMIENNYM PARAMETREM Joanna Górka Wdział Nauk Ekonomicznch i Zarządzania UMK w Toruniu Kaedra Ekonomerii i Saski WSTĘP Niesacjonarne proces o średniej zero mogą bć reprezenowane
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 szczegółowoMETEMATYCZNY MODEL OCENY
I N S T Y T U T A N A L I Z R E I O N A L N Y C H w K i e l c a c h METEMATYCZNY MODEL OCENY EFEKTYNOŚCI NAUCZNIA NA SZCZEBLU IMNAZJALNYM I ODSTAOYM METODĄ STANDARYZACJI YNIKÓ OÓLNYCH Auto: D Bogdan Stępień
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 szczegółowo2.1 Zagadnienie Cauchy ego dla równania jednorodnego. = f(x, t) dla x R, t > 0, (2.1)
Wykład 2 Sruna nieograniczona 2.1 Zagadnienie Cauchy ego dla równania jednorodnego Równanie gań sruny jednowymiarowej zapisać można w posaci 1 2 u c 2 2 u = f(x, ) dla x R, >, (2.1) 2 x2 gdzie u(x, ) oznacza
Bardziej 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 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 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 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 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 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 szczegółowoAnaliza danych DRZEWA DECYZYJNE. Drzewa decyzyjne. Entropia. http://zajecia.jakubw.pl/ test 1 dopełnienie testu 1
Analiza danych Drzewa decyzyjne. Enropia. Jakub Wróblewski jakubw@pjwsk.edu.pl hp://zajecia.jakubw.pl/ DRZEWA DECYZYJNE Meoda reprezenacji wiedzy (modelowania ablic decyzyjnych). Pozwala na przejrzysy
Bardziej 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 szczegółowoMatematyka finansowa 20.03.2006 r. Komisja Egzaminacyjna dla Aktuariuszy. XXXVIII Egzamin dla Aktuariuszy z 20 marca 2006 r.
Komisja Egzaminacyjna dla Akuariuszy XXXVIII Egzamin dla Akuariuszy z 20 marca 2006 r. Część I Maemayka finansowa WERSJA TESTU A Imię i nazwisko osoby egzaminowanej:... Czas egzaminu: 100 minu 1 1. Ile
Bardziej 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 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 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 szczegółowo2014-06-03. Empiryczne modele stóp zwrotu z portfeli inwestycyjnych. Modele, metody inwestowania oraz ocena działalności funduszu
Empiyczne modele sóp zwou z pofeli inwesycyjnych Wojciech Gabowski Wydział Nauk Ekonomicznych Uniwesye Waszawski Rynki Finansowe 2013/14 Modele, meody inwesowania oaz ocena działalności funduszu -Meody
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 szczegółowoGraf skierowany. Graf zależności dla struktur drzewiastych rozgrywających parametrycznie
Gaf skieowany Gaf skieowany definiuje się jako upoządkowaną paę zbioów. Piewszy z nich zawiea wiezchołki gafu, a dugi składa się z kawędzi gafu, czyli upoządkowanych pa wiezchołków. Ruch po gafie możliwy
Bardziej szczegółowoModel AS-AD. Krzywa AD M P = (1)
Model AS-AD modelu IS-LM oaz w podsawowym modelu keynesowskim zakładaliśmy, że ceny w gospodace są sałe. Teaz uchylamy o założenie. Model AS-AD pezenujemy w pzeszeni poduk poziom cen (lub inflacja. Równowagę
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 szczegółowo