Alicja Ganczarek Akademia Ekonomiczna w Katowicach. Analiza niezależności przekroczeń VaR na wybranym segmencie rynku energii
|
|
- Mateusz Sikora
- 7 lat temu
- Przeglądów:
Transkrypt
1 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 niezależności przekroczeń VaR na wybranym segmencie rynku energii 1. Wsęp Rynek energii elekrycznej generalnie składa się z rzech segmenów: segmenu konraków, segmenu giełdowego oraz segmenu bilansującego. Obecnie nadal na polskim rynku energii większość umów realizowana jes w drodze konraków długoerminowych. Od lipca bieżącego roku a syuacja powinna się zmienić, ze względu na wygasające erminy umów i wymogi sawiane członkom Unii Europejskiej. Uwolnienie rynku energii z konraków długoerminowych powinno zwiększyć obroy handlu energią elekryczną na rynku konkurencyjnym. Od lipca 000 roku rozwija się w Polsce segmen giełdowy na Rynku Dnia Nasępnego (RDN) Towarowej Giełdy Energii S.A. Cena 1 MWh energii elekrycznej usalana jes na RDN odrębnie dla każdej godziny dzień przed realizacją dosawy. Zaem każdego dnia usalane są niezależnie 4 ceny 1 MWh energii elekrycznej. Są o ceny równowagi złożonych ofer kupna i sprzedaży. Przez pierwszy rok działalności RDN ceny energii elekrycznej w ciągu doby charakeryzowały się niewielkim zróżnicowaniem. Od momenu powsania Rynku Bilansującego (RB), kóry równoważy popy i podaż na energię elekryczną w każdej godzinie, na RDN cena jak i wolumen obrou charakeryzują się wyraźną zmiennością oraz cyklicznością w obrocie dziennym, ygodniowym jak również sezonowością w ciągu roku. Niemniej jednak wielkość obroów energią elekryczną na TGE od momenu jej powsania nie przekroczyła 1,5% obrou energią elekryczną w kraju. Zaleą RDN jes o, że producenci i odbiorcy energii elekrycznej mogą składać zarówno ofery kupna i sprzedaży, pozosając przy ym anonimowymi. Isnieje więc szansa, że po 1 lipca 007 zwiększą się isonie obroy na ym segmencie rynku.
2 316 Na RDN zmienność cen w ciągu jednej doby może przekraczać nawe 50%. Cena energii elekrycznej zależy w znacznym sopniu między innymi od: emperaury powierza, siły wiarów, zachmurzenia, opadów, wielkości obrou oraz ilości wyprodukowanej energii. Ze względu na niemożliwość magazynowania energii elekrycznej jej cena zależy również od zaporzebowania na nią w danej chwili. Złożoność procesu obrou energią elekryczną wpływa w dużym sopniu na znaczne i szybkie zmiany cen energii elekrycznej. Wśród uczesników rynku energii elekrycznej isnieje zaem porzeba zabezpieczenia się przed ryzykiem zmian cen. Ze względu na charaker funkcjonowania RDN skoncenrowano się na oszacowaniu ryzyka zmiany ceny energii elekrycznej w poszczególnych godzinach doby z jednodniowym horyzonem czasu rwania inwesycji. Biorąc pod uwagę fak, że ceny na rynkach mają endencję do wspólnych zmian poziomów swoich warości, zmienność cen na RDN opisano za pomocą indeksów RDN. Do oceny ryzyka zmiany ceny energii elekrycznej wykorzysano warość narażoną na ryzyko oszacowaną w oparciu o klasyczne modele z warunkową wariancją. Biorąc pod uwagę isoną auokorelację szeregów czasowych na rynku energii elekrycznej celem, jaki posawił sobie auor, jes ocena niezależności przekroczeń warości narażonej na ryzyko (ang. Value a Risk (VaR)) na RDN.. Warość narażona na ryzyko W arykule poddano analizie ryzyko rynkowe rozparywane jako zagrożenie sraą, spowodowane nie osiągnięciem zamierzonych celów w wyniku podjęego działania lub zachowania isniejącego sanu rzeczy w określonym horyzoncie czasu. Do pomiaru ak rozumianego ryzyka wykorzysano warość narażoną na ryzyko. Warość narażona na ryzyko (ang. Value-a-Risk (VaR)) jes o aka sraa warości, kóra z zadanym prawdopodobieńswem (0,1) nie zosanie przekroczona w określonym czasie Δ. Oznaczając przez Z kwanyl rzędu logarymicznych sóp zwrou rozparywanego waloru, warość narażoną na ryzyko można zapisać w nasępujący sposób (Jajuga, 000): Z = e VaR ( 1) X. (1) gdzie: X waloru w chwili, Opisując szereg czasowy logarymicznych sóp zwrou modelem z warunkową wariancją równość (1) można zapisać analogicznie: 1 F ( ) h + μ VaR = ( e 1) X, () 1 gdzie: F ( ) kwanyl rzędu sandaryzowanego rozkładu uwzględnionego przy szacowaniu warunkowej zmienności h.
3 Analiza niezależności przekroczeń VaR 317 Tesowanie wseczne modelu (ang. back esing) jes jedną z meod weryfikacji poprawności modeli warości zagrożonej, w kórym do ocenienia efekywności esymacji VaR wykorzysuje się najczęściej szereg przekroczeń = T (ang. hi funcion) [ I + 1 ( )] = 1 (Chrisoffersen, 1998, Kupiec, 1995, Pionek, 005): I ( ) = 0 z + 1 z + 1 VaR ( ) > VaR ( ), (3) gdzie T długość szeregu czasowego. Do najczęściej sosowanych esów ego rodzaju można zaliczyć: - es ilości przekroczeń VaR (ang. Proporion of Failures Tes POF) zaproponowany w 1995 roku przez Kupca (1995); - es niezależności przekroczeń VaR (ang. Independence Tes IND) zaproponowany w 1998 roku przez Chrisoffersena. Dla usalonej wielkości próby eoreyczna liczba przekroczeń ma rozkład dwumianowy. Sprawdzianem hipoezy, że w udział przekroczeń VaR jes zgodny z zakładanym poziomem, jes es ilorazu wiarygodności opary o saysykę (Kupiec, 1995): LR POF (1 ) = ln T N 1 T T N N N N T N VaR ~ χ 1, (4) gdzie N jes liczbą przekroczeń VaR przy długości szeregu T. Wykorzysując ideę łańcuchów Markowa Chrisoffersen zaproponował saysykę esową niezależności przekroczeń VaR posaci (Chrisoffersen, 1998): gdzie LR IND I 1 = i ; Nij N01+ N 00 + N (1 ) 10 = ln N01 N ( ) 01 (1 11) N11 N11 N10 11 oznacza liczbę okresów, w kórych N ij N01 N11 ij = ; i = +. N + N T i0 i1 ~ χ 1, (5) I = j pod warunkiem, że
4 Analiza niezależności przekroczeń VaR na RDN Na polskim rynku energii elekrycznej TGE podaje do publicznej wiadomości informacje doyczące noowań RDN. Obejmują one kursy cen energii elekrycznej, wolumen obroów, warości indeksów: Indeksu Rynku Dnia Nasępnego (IRDN) oraz Indeksu Wieczornych Godzin Szczyowych Rynku Dnia Nasępnego (SRDN). IRDN wyznaczany jes na każdy dzień jako średni ważony obroem kurs z wszyskich godzin doby. Warości indeksu SRDN odzwierciedlającego średni kurs energii w godzinach 19-1 na RDN charakeryzują się wyższą warością przecięną oraz większą zmiennością w porównaniu z warościami IRDN. Do oceny ryzyka zmiany ceny na RDN wykorzysano modele auoregresyjne indeksów na energię elekryczną. Dysponując noowaniami 4 cen energii elekrycznej oraz warościami IRDN i SRDN każdego dnia od marca 003 do marca 005, ze względu na sezonowość energii elekrycznej rozważono wszyskie noowania w czerech okresach roku kalendarzowego: 1) okres leni: ; ) okres zimowy: ; 3) okres leni: ; 4) okres zimowy: Niezależnie w każdym okresie badawczym, korzysając z wyników analizy głównych składowych, przeprowadzono klasyfikację 4 cen energii elekrycznej na RDN (Ganczarek, 003). Nasępnie w każdej grupie godzin oszacowano średnią dzienną cenę 1MWh energii elekrycznej ważoną wolumenem obrou energią elekryczną. W en sposób wyznaczono nową grupę indeksów (Ganczarek, 007). Analiza ryzyka zmiany ceny zosała przeprowadzona na szeregach czasowych dziennych logarymicznych sóp zwrou poszczególnych indeksów niezależnie w czerech okresach badawczych. Rozparywane rozkłady charakeryzują się lepokurycznością, grubymi ogonami oraz skośnością. W oparciu o warości saysyk Kołmogorowa oraz Andersona-Darlinga brak jes podsaw do odrzucenia hipoezy, że rozkłady empiryczne sóp zwroów indeksów mają rozkład GED. Nasępnie szeregi czasowe indeksów opisano za pomocą modeli GARCH(1,1) z warunkowym rozkładem GED. Bazując na wynikach esymacji modeli auoregresyjnych, wyznaczono warości narażone na ryzyko z jednodniowym horyzonem czasu rwania inwesycji (Ganczarek, 006, 007). Aby ocenić efekywność wykorzysanych do esymacji ryzyka miar, sprawdzono na poziomie isoności 0.05 hipoezę, że udział przekroczeń VaR jes zgodny z oczekiwanym (parz wzór (4)) oraz, że przekroczenia VaR nie są ze sobą skorelowane (parz wzór (5)). Warości saysyk esowych (4) oraz (5) zamieszczono w abeli 1. Dla oszacowanych warości narażonych na ryzyko w każdej grupie godzin, zarówno dla pozycji długiej jak i krókiej, warości saysyk esowych są niewielkie. Jedynie w sześciu przypadkach (warości saysyki Kupca zosały zaznaczone pogrubioną czcionką) udział przekroczeń VaR
5 Analiza niezależności przekroczeń VaR 319 różni się isonie od zakładanego. W przypadku analizy niezależności przekroczeń VaR, odnoowano niewiele przypadków, w kórych przekroczenia VaR wysępowały dzień po dniu. Puse komórki abeli 1 świadczą o ym, że nie odnoowano w ogóle akiej syuacji w badanych okresach. Tabela 1. Wyniki analizy wsecznej modeli wyznaczania warości zagrożonej 1 Indeksy = 0.05 = 0.95 LR w POF LR IND LR POF LR w IND VaR VaR IRDN SRDN IRDN IRDN IRDN , 4 IRDN IRDN SRDN IRDN IRDN IRDN , 8, 4 IRDN IRDN SRDN IRDN , IRDN IRDN , 3, 4 IRDN IRDN SRDN IRDN IRDN IRDN , 8, 4 IRDN Źródło: obliczenia własne. Zaem na mocy analizowanych esów esu ilości oraz niezależności przekroczeń można swierdzić, że model GARCH(1,1) z rozkładem GED efekywnie opisuje ryzyko zmiany ceny energii elekrycznej na RDN. Cykliczność 1 Warość kryyczna odczyana z ablic rozkładu χ : χ 0 = ;1
6 30 zaporzebowania na energię elekryczną w ciągu dnia wpływa na ocenę ryzyka zmiany ceny w poszczególnych grupach godzin, dlaego isnieje porzeba analizowania ryzyka odrębnie w poszczególnych grupach. Z drugiej srony ceny w ciągu dnia, a ym samym ryzyko, są ze sobą silnie skorelowane, zaem nie jes konieczne analizowanie 4 godzin. Lieraura Chrisoffersen, P. (1998), Evaluaing inerval forecass, Inernaional Economic Review, 39, Ganczarek, A. (003), Klasyfikacja polskiego rynku energii, Inżynieria Ekonomiczna w Badaniach Społeczno-Gospodarczych, Poliechnika Rzeszowska, Ganczarek, A. (006), Wykorzysanie modeli zmienności wariancji GARCH w analizie ryzyka na RDN, Prace Naukowe AE w Kaowicach: Modelowanie Preferencji a Ryzyko 06 (red. Trzaskalik T.), Ganczarek, A. (007), Modele auoregresyjne indeksów na Rynku Dnia Nasępnego, refera wygłoszony na Konferencji SEMPP 07 i skierowany do recenzji. Jajuga, K. (red.), (000), Meody ekonomeryczne i saysyczne w analizie rynku kapiałowego, AE, Wrocław. Kupiec, P. (1995), Techniques for verifying he accuracy of risk managemen models, Journal of Derivaives,, Pionek, K. (005), Przegląd i prognozowanie oceny modeli VaR, Innowacje w finansach i ubezpieczeniach meody maemayczne, ekonomeryczne i informayczne 005.
Studia Ekonomiczne. Zeszyty Naukowe Uniwersytetu Ekonomicznego w Katowicach ISSN 2083-8611 Nr 219 2015
Sudia Ekonomiczne. Zeszyy Naukowe Uniwersyeu Ekonomicznego w Kaowicach ISSN 2083-86 Nr 29 205 Alicja Ganczarek-Gamro Uniwersye Ekonomiczny w Kaowicach Wydział Informayki i Komunikacji Kaedra Demografii
Bardziej 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 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 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 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 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 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 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 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 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 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 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 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 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 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 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 szczegółowoZarządzanie 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 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 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 szczegółowoKrzysztof Piontek Weryfikacja modeli Blacka-Scholesa dla opcji na WIG20
Akademia Ekonomiczna im. Oskara Langego we Wrocławiu Wydział Zarządzania i Informayki Kaedra Inwesycji Finansowych i Zarządzania Ryzykiem Krzyszof Pionek Weryfikacja modeli Blacka-Scholesa oraz AR-GARCH
Bardziej szczegółowoWARTOŚĆ ZAGROŻONA OPCJI EUROPEJSKICH SZACOWANA PRZEDZIAŁOWO. SYMULACJE
Daniel Iskra Uniwersye Ekonomiczny w Kaowicach WARTOŚĆ ZAGROŻONA OPCJI EUROPEJSKICH SZACOWANA PRZEDZIAŁOWO. SYMULACJE Wprowadzenie Jednym z aspeków współczesnej ekonomii jes zarządzanie ryzykiem związanym
Bardziej 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 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 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 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 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 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 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 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 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 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 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 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 szczegółowoWYCENA KONTRAKTÓW FUTURES, FORWARD I SWAP
Krzyszof Jajuga Kaedra Inwesycji Finansowych i Zarządzania Ryzykiem Uniwersye Ekonomiczny we Wrocławiu WYCENA KONRAKÓW FUURES, FORWARD I SWAP DWA RODZAJE SYMERYCZNYCH INSRUMENÓW POCHODNYCH Symeryczne insrumeny
Bardziej szczegółowoWykorzystanie wielorównaniowych modeli AR-GARCH w pomiarze ryzyka metodą VaR
Krzyszof Pionek Daniel Papla Kaedra Inwesycji Finansowych i Ubezpieczeń Akademia Ekonomiczna we Wrocławiu Wykorzysanie wielorównaniowych modeli AR-GARCH w pomiarze ryzyka meodą VaR Wsęp Wśród różnych meod
Bardziej 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 szczegółowoMetody i narzędzia ewaluacji
Meody i narzędzia ewaluacji wyników zdalnego esowania wiedzy (plaforma informayczna e-maura) Książka przygoowana w ramach projeku E-maura, współfinansowanego przez Unię Europejską w ramach Europejskiego
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 szczegółowoEFEKT DNIA TYGODNIA NA GIEŁDZIE PAPIERÓW WARTOŚCIOWYCH W WARSZAWIE WSTĘP
Joanna Landmesser Kaedra Ekonomerii i Informayki SGGW e-mail: jgwiazda@mors.sggw.waw.pl EFEKT DNIA TYGODNIA NA GIEŁDZIE PAPIERÓW WARTOŚCIOWYCH W WARSZAWIE Sreszczenie: W pracy zbadano wysępowanie efeku
Bardziej 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 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 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 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 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 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 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 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 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 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 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 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 szczegółowoMagdalena Sokalska Szkoła Główna Handlowa. Modelowanie zmienności stóp zwrotu danych finansowych o wysokiej częstotliwości
DYNAMICZNE MODELE EKONOMETRYCZNE IX Ogólnopolskie Seminarium Naukowe, 6 8 września 005 w Toruniu Kaedra Ekonomerii i Saysyki, Uniwersye Mikołaja Kopernika w Toruniu Szkoła Główna Handlowa Modelowanie zmienności
Bardziej szczegółowoKrzysztof Jajuga Akademia Ekonomiczna we Wrocławiu. Modelowanie stóp procentowych a narzędzia ekonometrii finansowej
DYNAMICZNE MODELE EKONOMETRYCZNE IX Ogólnopolskie Seminarium Naukowe, 6 8 września 2005 w Toruniu Kaedra Ekonomerii i Saysyki, Uniwersye Mikołaja Kopernika w Toruniu Krzyszof Jajuga Akademia Ekonomiczna
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 szczegółowoOBLICZANIE TERMINU REALIZACJI PRZEDSIĘWZIĘĆ BUDOWLANYCH METODĄ CCPM NA PODSTAWIE MULTIPLIKATYWNEGO MODELU CZASU TRWANIA CZYNNOŚCI
Dane bibliograficzne o arykule: hp://mieczyslaw_polonski.users.sggw.pl/mppublikacje Mieczysław POŁOŃSKI 1 OBLICZANIE TERMIN REALIZACJI PRZEDSIĘWZIĘĆ BDOWLANYCH METODĄ CCPM NA PODSTAWIE MLTIPLIKATYWNEGO
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 szczegółowoMETODY STATYSTYCZNE W ANALIZIE I ZARZĄDZANIU RYZYKIEM NA POLSKIM RYNKU ENERGII ELEKTRYCZNEJ
METODY STATYSTYCZNE W ANALIZIE I ZARZĄDZANIU RYZYKIEM NA POLSKIM RYNKU ENERGII ELEKTRYCZNEJ Alicja Ganczarek Katedra Statystyki, Akademia Ekonomiczna im Karola Adamieckiego, Katowice 1 WPROWADZENIE Zmiany
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 szczegółowoC d u. Po podstawieniu prądu z pierwszego równania do równania drugiego i uporządkowaniu składników lewej strony uzyskuje się:
Zadanie. Obliczyć przebieg napięcia na pojemności C w sanie przejściowym przebiegającym przy nasępującej sekwencji działania łączników: ) łączniki Si S są oware dla < 0, ) łącznik S zamyka się w chwili
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 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 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 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 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 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 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 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 szczegółowoANNA GÓRSKA MONIKA KRAWIEC Szkoła Główna Gospodarstwa Wiejskiego w Warszawie
ZESZYTY NAUKOWE UNIWERSYTETU SZCZECIŃSKIEGO NR 768 FINANSE, RYNKI FINANSOWE, UBEZPIECZENIA NR 63 013 ANNA GÓRSKA MONIKA KRAWIEC Szkoła Główna Gospodarswa Wiejskiego w Warszawie BADANIE EFEKTYWNOŚCI INFORMACYJNEJ
Bardziej szczegółowoPROGNOZOWANIE I SYMULACJE EXCEL 2 PROGNOZOWANIE I SYMULACJE EXCEL AUTOR: ŻANETA PRUSKA
1 PROGNOZOWANIE I SYMULACJE EXCEL 2 AUTOR: mgr inż. ŻANETA PRUSKA DODATEK SOLVER 2 Sprawdzić czy w zakładce Dane znajduję się Solver 1. Kliknij przycisk Microsof Office, a nasępnie kliknij przycisk Opcje
Bardziej 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 szczegółowoOCENA PRZYDATNOŚCI MODELI VaR DO SZACOWANIA RYZYKA INWESTYCJI NA RYNKU METALI SZLACHETNYCH
Sudia Ekonomiczne. Zeszyy Naukowe Uniwersyeu Ekonomicznego w Kaowicach ISSN 2083-8611 Nr 295 2016 Małgorzaa Jus Uniwersye Przyrodniczy w Poznaniu Wydział Ekonomiczno-Społeczny Kaedra Finansów i Rachunkowości
Bardziej szczegółowoKrzysztof Piontek MODELOWANIE I PROGNOZOWANIE ZMIENNOŚCI INSTRUMENTÓW FINANSOWYCH
Akademia Ekonomiczna im. Oskara Langego we Wrocławiu Wydział Zarządzania i Informatyki Krzysztof Piontek MODELOWANIE I PROGNOZOWANIE ZMIENNOŚCI INSTRUMENTÓW FINANSOWYCH rozprawa doktorska Promotor: prof.
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 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 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 szczegółowoNie(efektywność) informacyjna giełdowego rynku kontraktów terminowych w Polsce
Zeszyy Naukowe Uniwersyeu Szczecińskiego nr 862 Finanse, Rynki Finansowe, Ubezpieczenia nr 75 (2015) DOI: 10.18276/frfu.2015.75-16 s. 193 204 Nie(efekywność) informacyjna giełdowego rynku konraków erminowych
Bardziej szczegółowoANALIZA PORÓWNAWCZA ŚREDNIEGO ODSETKA CZASU PRZEBYWANIA W PIERWSZEJ I DRUGIEJ POŁOWIE DNIA BADANIA EMPIRYCZNE
Tadeusz Czernik Daniel Iskra Uniwersye Ekonomiczny w Kaowicach Kaedra Maemayki Sosowanej adeusz.czernik@ue.kaowice.pl daniel.iskra@ue.kaowice.pl ANALIZA PORÓWNAWCZA ŚREDNIEGO ODSETKA CZASU PRZEBYWANIA
Bardziej szczegółowoRóżnica bilansowa dla Operatorów Systemów Dystrybucyjnych na lata (którzy dokonali z dniem 1 lipca 2007 r. rozdzielenia działalności)
Różnica bilansowa dla Operaorów Sysemów Dysrybucyjnych na laa 2016-2020 (kórzy dokonali z dniem 1 lipca 2007 r. rozdzielenia działalności) Deparamen Rynków Energii Elekrycznej i Ciepła Warszawa 201 Spis
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 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 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 szczegółowoPomiar ryzyka odchylenia od benchmarku w warunkach zmiennej w czasie strategii inwestycyjnej OFE - kotynuacja. Wojciech Otto Uniwersytet Warszawski
Pomiar ryzyka odchylenia od benchmarku w warunkach zmiennej w czasie sraegii inwesycyjnej OFE - koynuacja Wojciech Oo Uniwersye Warszawski Refera przygoowany na Ogólnopolską Konferencję Naukową Zagadnienia
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 szczegółowoMODELOWANIE STRUKTURY TERMINOWEJ STÓP PROCENTOWYCH WYZWANIE DLA EKONOMETRII
KRZYSZTOF JAJUGA Akademia Ekonomiczna we Wrocławiu MODELOWANIE STRUKTURY TERMINOWEJ STÓP PROCENTOWYCH WYZWANIE DLA EKONOMETRII. Modele makroekonomiczne a modele sóp procenowych wprowadzenie Nie do podważenia
Bardziej szczegółowoAnaliza i Zarządzanie Portfelem cz. 6 R = Ocena wyników zarządzania portfelem. Pomiar wyników zarządzania portfelem. Dr Katarzyna Kuziak
Ocena wyników zarządzania porelem Analiza i Zarządzanie Porelem cz. 6 Dr Kaarzyna Kuziak Eapy oceny wyników zarządzania porelem: - (porolio perormance measuremen) - Przypisanie wyników zarządzania porelem
Bardziej szczegółowoPROGNOZOWANIE I SYMULACJE EXCEL 2 AUTOR: MARTYNA MALAK PROGNOZOWANIE I SYMULACJE EXCEL 2 AUTOR: MARTYNA MALAK
1 PROGNOZOWANIE I SYMULACJE 2 hp://www.oucome-seo.pl/excel2.xls DODATEK SOLVER WERSJE EXCELA 5.0, 95, 97, 2000, 2002/XP i 2003. 3 Dodaek Solver jes dosępny w menu Narzędzia. Jeżeli Solver nie jes dosępny
Bardziej szczegółowoCzy prowadzona polityka pieniężna jest skuteczna? Jaki ma wpływ na procesy
Dobromił Serwa Reakcje rynków finansowych na szoki w poliyce pieniężnej.. Wsęp Czy prowadzona poliyka pieniężna jes skueczna? Jaki ma wpływ na procesy ekonomiczne zachodzące w kraju? Czy jes ona równie
Bardziej szczegółowoStanisław Jędrusik, Andrzej Paliński, Wojciech Chmiel, Piotr Kadłuczka Testowanie wsteczne modeli wartości narażonej na stratę
Stanisław Jędrusik, Andrzej Paliński, Wojciech Chmiel, Piotr Kadłuczka Testowanie wsteczne modeli wartości narażonej na stratę Managerial Economics 1, 175-182 2007 Ekonomia Menedżerska 2007, nr 1, s. 175
Bardziej szczegółowoO PEWNYCH KRYTERIACH INWESTOWANIA W OPCJE NA AKCJE
MEODY ILOŚCIOWE W BADANIACH EKONOMICZNYCH om XIII/3, 01, sr 43 5 O EWNYCH KRYERIACH INWESOWANIA W OCJE NA AKCJE omasz Warowny Kaedra Meod Ilościowych w Zarządzaniu oliechnika Lubelska e-mail: warowny@pollubpl
Bardziej szczegółowoRE Giełda Energii. Wykład 4
RE Giełda Energii Wykład 4 Rynek konkurencyjny i regulowany Trzy możliwości sprzedaży (rynek hurtowy) Kontrakt dwustronny Giełda Energii Rynek Bilansujący Giełda Energii Giełda Rynek Dnia Następnego System
Bardziej szczegółowoANALIZA RYZYKA NA RYNKU NORD POOL SPOT
Alicja Ganczarek-Gamro Dominik Krężołek Uniwersye Ekonomiczny w Kaowicach ANALIZA RYZYKA NA RYNKU NORD POOL SPOT Wprowadzenie Rynek owarowy można zdefiniować jako pewien sysem, w kórym nasępuje konfronacja
Bardziej szczegółowoOcena płynności wybranymi metodami szacowania osadu 1
Bogdan Ludwiczak Wprowadzenie Ocena płynności wybranymi meodami szacowania osadu W ubiegłym roku zaszły znaczące zmiany doyczące pomiaru i zarządzania ryzykiem bankowym. Są one konsekwencją nowowprowadzonych
Bardziej szczegółowoSTOPIEŃ AGREGACJI PRZESTRZENNEJ A ZMIENNOŚĆ SZEREGÓW CZASOWYCH CEN SUROWCÓW ROLNYCH
METODY ILOŚCIOWE W BADANIACH EKONOMICZNYCH Tom XII/, 011, sr. 180 190 STOPIEŃ AGREGACJI PRZESTRZENNEJ A ZMIENNOŚĆ SZEREGÓW CZASOWYCH CEN SUROWCÓW ROLNYCH Mariusz Hamulczuk Kaedra Ekonomiki Rolnicwa i Międzynarodowych
Bardziej szczegółowoManagement Systems in Production Engineering No 4(20), 2015
EKONOMICZNE ASPEKTY PRZYGOTOWANIA PRODUKCJI NOWEGO WYROBU Janusz WÓJCIK Fabryka Druu Gliwice Sp. z o.o. Jolana BIJAŃSKA, Krzyszof WODARSKI Poliechnika Śląska Sreszczenie: Realizacja prac z zakresu przygoowania
Bardziej szczegółowoModelowanie rynków finansowych
Modelowanie rynków finansowych Jerzy Mycielski WNE UW 5 października 2017 Jerzy Mycielski (WNE UW) Modelowanie rynków finansowych 5 października 2017 1 / 12 Podstawowe elementy teorii 1 racjonalne oczekiwania
Bardziej szczegółowoKRZYSZTOF JAJUGA Katedra Inwestycji Finansowych i Zarządzania Ryzykiem Akademia Ekonomiczna we Wrocławiu 25 LAT EKONOMETRII FINANSOWEJ
KRZYSZTOF JAJUGA Kaedra Inwesycji Finansowych i Zarządzania Ryzykiem Akademia Ekonomiczna we Wrocławiu 25 LAT EKONOMETRII FINANSOWEJ EKONOMETRIA FINANSOWA OKREŚLENIE Modele ekonomerii finansowej są worzone
Bardziej szczegółowoWERYFIKACJA JAKOŚCI PROGNOZ ZMIENNOŚCI WYKORZYSTYWANYCH W MODELU RISKMETRICS TM
Sudia Ekonomiczne. Zeszyy Naukowe Uniwersyeu Ekonomicznego w Kaowicach ISSN 083-8611 Nr 86 016 Ekonomia 6 Uniwersye Ekonomiczny w Kaowicach Wydział Finansów i Ubezpieczeń Kaedra Inwesycji i Nieruchomości
Bardziej 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 szczegółowoAnaliza metod oceny efektywności inwestycji rzeczowych**
Ekonomia Menedżerska 2009, nr 6, s. 119 128 Marek Łukasz Michalski* Analiza meod oceny efekywności inwesycji rzeczowych** 1. Wsęp Podsawowymi celami przedsiębiorswa w długim okresie jes rozwój i osiąganie
Bardziej szczegółowo