ZMIENNOŚĆ CEN NA RYNKU ŻYWCA DROBIOWEGO WSTĘP
|
|
- Aleksandra Woźniak
- 7 lat temu
- Przeglądów:
Transkrypt
1 Pior Bórawski, Jacek Kwiakowski, Kaedra Agrobiznesu i Ekonomii Środowiska UWM Olszyn, Kaedra Ekonomerii i Saysyki UMK Toruń, pboraw@moski.uwm.edu.pl, jkwia.uni.orun.pl. ZMIENNOŚĆ CEN NA RYNKU ŻYWCA DROBIOWEGO Sreszczenie: głównym celem pracy jes przedsawienie zmienności cen na rynku żywca drobiowego. W opracowaniu wykorzysano dane doyczące ygodniowych cen skupu brojlerów pochodzące z Miniserswa Rolnicwa i Rozwoju Wsi. Analiza maeriału empirycznego dowodzi, że w przypadku brojlerów zaobserwowano znaczne zmiany cen skupu zarówno przed jak i po wsąpieniu Polski do Unii Europejskiej. Słowa kluczowe: żywiec drobiowy, zmienność, załamania srukuralne WSTĘP Produkcja żywca drobiowego obok produkcji jaj należy do głównego kierunku działalności w sekorze drobiarskim. W produkcji żywca drobiowego największy udział zajmują kurczęa brojlery, kóre sanowią blisko 7% produkcji globalnej w Unii Europejskiej. Do największych producenów żywca drobiowego w Europie zaliczamy: Francję (7,6%), Wielką Bryanię (4,5%), Hiszpanię (,7%), Niemcy (,4%), Włochy (,%), naomias produkcja w nowych krajach członkowskich Unii Europejskiej sanowi ok. 8% produkcji pierwonych krajów członkowskich (UE-5). W Polsce produkcja żywca drobiowego wynosiła 6 ys. on w 5 r. i była o %wyższa w porównaniu do roku poprzedniego. Rynek żywca drobiowego jes regulowany za pomocą mechanizmu rynkowego, a więc popyu i podaży. W Unii Europejskiej brak jes cen gwaranowanych oraz inerwencyjnego skupu na rynku żywca drobiowego. Z uwagi na o, że produkcja żywca drobiowego jes uzależniona od cen zbóż paszowych, można powiedzieć, że isnieje pośredni wpływ inerwencji na rynku Rynek drobiu i jaj. San i perspekywy. Insyu Ekonomiki Rolnicwa i Gospodarki Żywnościowej, maj. 6.
2 Pior Bórawski, Jacek Kwiakowski zbóż. Rynek en jes jedynie chroniony w Unii Europejskiej przed imporem z krajów rzecich. Mimo braku bezpośredniego oddziaływania Wspólnej Poliyki Rolnej na rynku żywca drobiowego, podlega on obowiązującym normom handlowym, za przesrzeganie kórych są odpowiedzialni głównie producenci. Żywiec drobiowy podlega badaniom przedubojowym oraz powinien pochodzić ze znanego zakładu posiadającego sysem samokonroli. Ponado Unia Europejska określiła, że produkcja żywca drobiowego powinna spełniać wymogi higieniczne, produk en powinien być wyposażony w odpowiednie świadecwa wydawane przez lekarzy weerynaryjnych, a opakowania powinny być wyprodukowane z właściwych maeriałów. Te wymogi nie muszą być spełnione w przypadku przeznaczenia produku do bezpośredniej konsumpcji lub do sprzedaży na lokalnym rynku. Duże wymaganie jakościowe i niskie ceny żywca drobiowego spowodowały zwiększenie spożycia mięsa drobiowego w Polsce, szczególnie po roku 99 [Grużewska 5, Sekuła, Figurska ]. Również w roku 5 odnoowano dalszy wzros konsumpcji produków drobiarskich. Problemayka zmienności cen produków rolnych jes szeroko opisana w lieraurze zagranicznej oraz krajowej. McCorrison, Morgan, Rayner [] dowodzą, że poziom ransmisji cen produków rolnych wzrasa wraz ze spadkiem cen surowców rolnych oraz cen płaconych przez konsumenów. Dlaego przemysł przewórczy jes głównym czynnikiem decydującym o ransmisji i zmienności cen wprowadzając i realizując sraegie ilościowe. Producenci i konsumenci są narażeni na duże zmiany cen produków rolnych, co powoduje niepewność przyszłych cen i ryzyko na rynku. Duża zmienność cen produków rolnych ogranicza możliwość ich przewidywania w przyszłości, a ym samym uniemożliwia producenom i firmom przewórczym osiągniecie zysku [Apergis, Reziis 3]. Zmienność cen produków rolnych jes uzależniona od syuacji panującej na rynkach świaowych oraz od Wspólnej Poliyki Rolnej (CAP), kóra reguluje ceny głównie na rynku: pszenicy, mleka oraz wołowiny poprzez bezpośrednią inerwencję i skup oraz ceny minimalne. Roche i McQuinn [3] swierdzają, że w procesie zmienności cen produków rolnych duże znaczenie odgrywa informacja rynkowa, a międzynarodowe rynki bardzo wolno dososowują się do nowej informacji rynkowej oraz do zmian w krajowej i świaowej podaży oraz popyu. Problemy zmienności cen produków rolnych, w ym brojlerów odnoowano również w Polsce. Za główną przyczynę zmian cen na rynku drobiu uznaje się obawę konsumenów przed wirusem pasiej grypy, kóra przyczyniła się do zmniejszenia popyu, redukcji cen oraz pogorszenia opłacalności produkcji. Dodakowo załamanie eksporu do Rosji wpłynęło na pogorszenie syuacji finansowej producenów oraz spadek cen brojlerów. Rynek drobiu i jaj. San i perspekywy. Insyu Ekonomiki Rolnicwa i Gospodarki Żywnościowej, maj. 6.
3 Zmienność cen na rynku żywca drobiowego 3 Głównym celem badań było rozpoznanie zjawiska zmienności cen na rynku żywca drobiowego, w szczególności na rynku brojlerów. W pracy wykorzysano dane pochodzące z Miniserswa Rolnicwa i Rozwoju Wsi. Zakres czasowy badań obejmował laa 3-6, a więc przed i po inegracji Polski z Unią Europejską. W pracy wykorzysano 79 obserwacji ygodniowych, 69 przed wsąpieniem Polski do Unii Europejskiej oraz po maja 4 r. W związku z powyższym zbadano, czy wsąpienie Polski do Unii Europejskiej miało wpływ na zmienność cen brojlerów. Zakres meryoryczny badań obejmował analizę załamań srukuralnych i zmienności cen brojlerów. W arykule wykorzysano modele zmienności akie jak: przełącznikowe modele Markowa oraz GARCH. Dane doyczące cen są zbierane przez pracowników Miniserswa Rolnicwa i Rozwoju Wsi, Ośrodków Doradzwa Rolniczego oraz Izb Rolniczych. Są o średnie ceny rynkowe obliczane w ciągu ygodnia. Dane doyczące cen brojlerów nie pochodzą z giełd owarowych ponieważ nie sprzedaje się ych produków przez cały rok ZAŁAMANIA STRUKTURALNE I ANALIZA ZMIENNOŚCI Naszą analizę zaczynamy od zbadania charakeru niesacjonarności procesu cen brojlerów. Zakładamy możliwość wysąpienia rendu sochasycznego (niesacjonarność w wariancji) lub deerminisycznego (niesacjonarność w średniej). W celu idenyfikacji można użyć np. esu ADF. Okazuje się jednak, że es en wykazuje dużą wrażliwość na gwałowne zmiany w sałej lub kierunku nachylenia rendu deerminisycznego (zw. załamania srukuralne). Tego ypu zmiany mogą być nasępswem np. inegracji Polski z Unią Europejską dlaego eż należy je uwzględnić w naszym badaniu. W celu poprawnej idenyfikacji niesacjonarności, użyo zaem esu Perrona [989, 997]. Tes en uwzględnia możliwość zmiany w srukurze, a akże pozwala na określenie momenu zmiany. Hipoeza zerowa zakłada, że ceny kurczą są procesem z rendem sochasycznym zn isnieje pierwiasek jednoskowy ( α = w równaniu ()). Niech x oznacza ygodniowe ceny brojlerów. Rozważany model zakłada zmianę w sałej i współczynniku kierunkowym rendu w chwili T b : ( b ) + αx + p ci x i + i= x = µ + θdu + β + γdt + δd T e, () gdzie: µ, θ, β, γ, δ, α,c i - paramery srukuralne modelu, - zmienna oznaczająca rend, =,,..., T,, dla > Tb DU =,, dla Tb
4 4 Pior Bórawski, Jacek Kwiakowski, dla > Tb DT =,, dla Tb, dla = Tb + D ( T ) =, T b jes nieznaną daą załamania srukuralnego., dla Tb Rysunek. Tygodniowe ceny brojlerów w zł/onę oraz ich logarymiczne sopy zmian y = ( ln( x ) ln( x )) w okresie od 3 sycznia 3 do 8 maja 6 Tabela przedsawia oceny i błędy sandardowe paramerów oraz wyniki esu Perrona dla modelu (). Pierwsza kolumna zawiera poencjalne day, przy kórych mogła nasąpić zmiana w sałej lub współczynniku kierunkowym rendu. Rząd opóźnień k jes usalony na podsawie rekursywnej meody oparej o saysykę [Perron 989, 997] i w każdym przypadku był równy. Warość kryyczna saysyki ) α w eście Perrona (997) przy 5% poziomie isoności i T = jes równa 5, 55. Wyniki zamieszczone w abeli wskazują, że nie udało się nam odrzucić hipoezy zerowej. Oznacza o, że ceny kurczą mogą być procesem z rendem sochasycznym. W celu jego eliminacji, w dalszej części arykułu modelować będziemy zaem pierwsze różnice logarymów (logarymiczne sopy zmian) wyznaczone zgodnie ze wzorem y = ( ln( x ) ln( x )). Analizując w badanym okresie sopy zmian cen kurczą możemy zaobserwować okresy wyższej i niższej zmienności. Okresy większej zmienności związane są ze większymi zmianami poziomu cen, co równoznaczne jes ze zwiększonym ryzykiem rynku. Duże wahania cen powodują również większe rudności przy ich prognozowaniu. Przełącznikowe modele Markowa mogą skuecznie opisać dynamikę zmienności dla podokresów o wyższej i niższej akywności. W ej części będziemy rozważać model Markowa o dwóch sanach, gdzie przełączeniu podlega wyłącznie wariancja reszowa [Kim, Nelson 999]. W modelu ym definiujemy dwa sany (reżimy) o mniejszej i większej wariancji. Dzięki emu będzie możliwe
5 Zmienność cen na rynku żywca drobiowego 5 wyodrębnienie podokresów o różnym sopniu zmienności cen. Rozważamy nasępujący model: p + φi i= φ, N(, ) y = y i + e e ~ σ, σ = σ S + σ S S = jeżeli S = k, i S =, w przeciwnym przypadku; k =, k [ S j S j = i] = pij = Pr, i, j =,, k j= p =, p, σ <, () ij ij σ gdzie S jes nieobserwowalną zmienną w chwili będącą jednorodnym łańcuchem Markowa o dwóch sanach i macierzy prawdopodobieńsw przejścia P pomiędzy wyróżnionymi reżimami. W powyższej specyfikacji mamy wyróżnione dwa sany: wysokiej zmienności z wariancją σ i niskiej z wariancją σ. Tabela przedsawia wyniki esymacji modelu () 3. Zamieszczone oceny paramerów i błędy sandardowe wskazują, że sopy zmian cen brojlerów podlegają wyłącznie auokorelacji rzędu drugiego. Auokorelacja rzędu pierwszego nie jes isona saysycznie, dlaego eż zosała pominięa w modelu. Wydaje się, że podział na okresy niskiej i wysokiej zmienności jes w ym przypadku zasadny. Niska warość p =,89 w eście na nieliniowość wskazuje możliwość podziału wariancji reszowej na dwa sany. Z kolei odchylenie sandardowe wariancji reszowej w pierwszym sanie jes dwukronie mniejsze niż w sanie drugim. Rysunek przedsawia przefilrowane prawdopodobieńswa wysępowania sanu drugiego, czyli ego kóry charakeryzuje się dużą zmiennością. Zacienione pola wskazują na okresy w kórych wysępowała duża zmienność cen. Dłuższe okresy wysokiej zmienności cen obserwujemy w okresach: , , , W okresie odnoowano wzros produkcji żywca drobiowego podrzymywany głównie przez silne zwiększenie eksporu. Przyros eksporu sanowił dwie rzecie przyrosu produkcji żywca drobiowego. Wzros eksporu spowodował zmniejszenie empa dosaw do dealicznej sieci handlowej, co przyczyniło się do wzrosu cen. Kolejny okres dużej zmienności o krókorwały efek poprawy koniunkury na rynku drobiarskim będący nasępswem inegracji europejskiej. Nie rwał on jednak długo ponieważ już w nasępnym miesiącu odnoowano zamknięcie rynku rosyjskiego oraz umacnianie się złoego, co ograniczyło możliwość dalszego eksporu. Dalszy okres o czas spadku cen żywca drobiowego wywołany wzrosem imporu oraz krajowej produkcji. Naomias osani okres dużej zmienności o zakłócenie koniunkury na rynku drobiarskim poprzez pojawiające się w Europie i w Polsce przypadki pasiej grypy. Obawy 3 Do obliczeń wykorzysano program Ox 3.4
6 6 Pior Bórawski, Jacek Kwiakowski konsumenów przed wirusem spowodowały obniżenie krajowego popyu i w konsekwencji cen. Tabela Wyniki esymacji paramerów w modelu (). Osania kolumna przedsawia warości saysyki Perrona weryfikującej hipoezę α =. T ) b θ ) β ) γ δ ) α ) α ,8 (,8),94 (,9),45 (,),7 (,) -,667 (,439) -,336 (,436) -, (,475) Źródło: Obliczenia własne, (8,59E-5), (7,956E-5), (7,746E-5), (7,795E-5) 3,359E-5 (3,46E-5),659E-5 (3,88E-5) -9,595E-7 (3,449E-5) -, (,) -, (,) -, (,) -, (,),3 (,), (,) 8,43E-5 (,3),85 (,4),5 (,5) -,85 (,3) -,36 (,5),3 (,8) -,43 (,6) -,98 (,38),9434 -,6749,9486 -,4,9586 -,9974,9537 -,438,943 -,585,95 -,3,963 -,578 Obliczone prawdopodobieńswa w macierzy przejścia P (abela ) wskazują, że gdy analizowany proces przebywa w sanie o niskiej zmienności, prawdopodobieńswo, że w nim pozosanie jes wysokie i wynosi,939. Z kolei prawdopodobieńswo, że przejdzie do sanu drugiego jes małe i wynosi,69. Prawdopodobieńswo, że pozosanie w sanie o wysokiej zmienności wynosi,7963 i jes mniejsze niż analogiczne dla sanu pierwszego. Również mamy większe szanse, że proces przejdzie od sanu wysokiej zmienności do niskiej. Oznacza o, że san pierwszy ma charaker bardziej zachowawczy. Średnia długość rwania okresów również powierdza nasze wcześniejsze wnioski. W oparciu o wzór / ( p ), średni czas przebywania w okresie niskiej zmienności jes równy około 4,5 ygodni. Średni czas przebywania w sanie wysokiej zmienności / p jes znacznie krószy i wynosi niecałe 5 ygodni. ( )
7 Zmienność cen na rynku żywca drobiowego 7 Tabela. Oceny paramerów i odchylenie sandardowe przełącznikowego modelu Markowa. Paramery φ φ Oceny i błąd sandardowy,6 (,866),594 (,833) Paramery Oceny i błąd sandardowy p,37 p,7963 p,939 σ (san ),9443 p,69 σ (san ),84 LM es liniowości,597 p =, 89 Logarym funkcji wiarygodności -78,5797 Źródło: Obliczenia własne.,9,8,7,6,5,4,3,, Rysunek. Przefilrowane prawdopodobieńswa wysępowania sanu wysokiej zmienności logarymicznych sóp zmian cen brojlerów. Zacieniowane pola wskazują na okresy wysępowania dużej zmienności. Źródło: Obliczenia własne Modele GARCH zaproponowane przez Engle'a [98] i Bollersleva [986] są sworzone z myślą o modelowaniu zmiennej w czasie wariancji warunkowej. Dzięki analizie wariancji warunkowej możemy porównać zmienność cen oraz
8 8 Pior Bórawski, Jacek Kwiakowski wskazać okresy w kórych zmieniały się najbardziej. Analizowany model AR(p)-, ma posać: GARCH ( ) p + φi i= φ, e ~ N( σ ) y = y i + e q i=, p i i + j= ψ, (3) j σ = α + α e β σ, (4) gdzie ψ określa zbiór informacji dosępnych w okresie j, (, ) N σ oznacza rozkład normalny o średniej zero i warunkowej wariancji σ. W wielu badaniach empirycznych częso wysarczające jes przyjęcie modelu GARCH(,). Warunki sacjonarności modelu przedsawia np. [Franses, van Dijk ]. Warości saysyki mnożników Lagrange a (LM) badającej efek ARCH i wyniki esu Jarque-Bera na normalność składnika reszowego przedsawia abela 3. Informacje w niej zaware wskazują na isnienie zmiennej w czasie warunkowej wariancji. Dodakowo, duża warość saysyki Jarque-Bera pozwala odrzucić hipoezę o normalności jego bezwarunkowego rozkładu. Począkowo w naszych badaniach wykorzysano model GARCH z warunkowym skośnym rozkładem - Sudena, jednak badania empiryczne wskazały na jego nieadekwaność. Tabela 3 Wyniki esowania normalności rozkładu i efeku ARCH Rząd opóźnień ARCH ARCH LM Warosć p q = 8,83, q = 4 9,354,58 q = 8,7,56 Tes Jarque-Bera 7,89, Kuroza,957 Tabela 4. Model AR(p)-GARCH(,) z warunkowym rozkładem normalnym Paramer Ocena Błąd sandardowy Saysyka φ -,38, -,49 φ,68,988 3,687 α,868,4,364 α,44,96 3,49 β,4666,56 4,485 Tabela 4 zawiera oceny punkowe dla modelu auoregresyjnego z reszami GARCH. Podobnie jak w przypadku modelu przełącznikowego Markowa isona i
9 Zmienność cen na rynku żywca drobiowego 9 sosunkowo silna jes ylko auokorelacja rzędu drugiego. Warość saysyki wskazuje, że paramery w modelu GARCH isonie różnią się od zera. Powierdza o zaem wyniki uzyskane wcześniej z esu mnożników Lagrange a dla resz e. Punkowe oceny paramerów sojących przy opóźnionym kwadracie resz oraz warunkowej wariancji są do siebie zbliżone. Oznacza o, że wariancja warunkowa σ w równym sopniu zależy od informacji o zmienności wysępującej w poprzednim okresie i w okresach wcześniejszych Rysunek 3. Wariancja warunkowa σ składników reszowych dla sóp zmian cen brojlerów Źródło: Obliczenia własne. Rysunek 3 przedsawia punkową ocenę warunkowej wariancji σ w badanym okresie. Okresy dużej zmienności pokrywają się zasadniczo z okresami wskazanymi przez przełącznikowy model Markowa. Dodakowo dzięki modelowi GARCH możemy porównać sopień zmienności cen. Ceny najbardziej zmieniały się w okresie Przyczyną ak dużej zmienności cen są odnoowane przypadki pasiej grypy. Efekem pojawienia się pasiej grypy w Europie i w Polsce była silna redukcja cen i pogorszenie opłacalności produkcji. Dodakowo na pogorszenie syuacji na rynku drobiarskim i spadek cen miało blokowanie rosyjskiego eksporu drobiu z Polski. WNIOSKI Rynek drobiu, w ym szczególnie brojlerów charakeryzuje się dużą zmiennością cen. Proces zmienności cen jes widoczny zarówno przed jak i po
10 Pior Bórawski, Jacek Kwiakowski wsąpieniu Polski do Unii Europejskiej. Zjawisko o jes wywołane szeregiem czynników, wśród kórych najważniejszym jes obawa konsumenów przed wirusem pasiej grypy oraz załamanie eksporu do Rosji. Ponado duży wpływ na zmienność cen brojlerów ma brak inerwencji na rynku Unii Europejskiej. LITERATURA Apergis N., Reziis A. (3) Agriculural price volailiy spillover effecs: he case of Greece, European Review of Agriculural Economicas Vol 3(3), sr Bollerslev T. (986) Generalized auoregressive condiional heeroscedasiciy, Journal of Economerics, 3, sr Engle R. F. (98) Auoregressive condiional heeroscedasiciy wih esimaes of he variance of Unied Kingdom inflaion, Economerica, 5, sr Franses P.H, van Dijk D. () Nonlinear Time Series Models in Empirical Finance, Cambridge Universiy Press, Cambridge Grużewska A. (5) Wpływ zmian cen żywca drobiowego oraz paszy na opymalną długość odchowu kurczą brojlerów w produkcji niskoowarowej, Aca Scieniarum Polonorum-Oeconomia 5 (), sr Kim C.J., Nelson C.R. (999) Sae-Space Models wih Regime Swiching, MIT Press McCorrison S., Morgan C.W, Rayner A. J. () Price ransmission: he ineracion beween marke power and reurns o scale. European Review of Agriculural Economics, 8 (), sr Perron P. (989) The grea crash, he oil price shock, and he uni roo hypohesis, Economerica, 57, 6, sr Perron P. (997) Furher evidence on breaking rend funcions in macroeconomic variables, Journal of Economerics, 8, sr Roche M. J., McQuinn K. (3) Grain price volailiy in a small open economy. European Review of Agriculural Economics. 3 (), sr Sekuła W., Figurska K. () Spożycie żywności w laach 9 w Polsce, Przemysł Spożywczy (6), sr. -3 PRICE VOLATILITY IN POULTRY MARKET Summary The main objecive of he survey was o recogniże price volailiy in poulry marke. We used daa abou purchase prices from Minisry of Agriculura and Rural Developmen. The analysis have proved he high price volailiy before and afer european inegraion. Key words: poulry, price volailiy, srucural breaks
DYNAMICZNE MODELE EKONOMETRYCZNE
DYNAMICZNE MODEE EKONOMETRYCZNE X Ogólnopolskie Seminarium Naukowe, 4 6 września 007 w Toruniu Kaedra Ekonomerii i Saysyki, Uniwersye Mikołaja Kopernika w Toruniu Joanna Małgorzaa andmesser Szkoła Główna
Bardziej 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 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 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 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 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 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 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 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 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 szczegółowoBayesowskie porównanie modeli STUR i GARCH w finansowych szeregach czasowych 1
Jacek Kwiakowski Uniwersye Mikołaja Kopernika w Toruniu Bayesowskie porównanie modeli STUR i GARCH w finansowych szeregach czasowych 1 WSTĘP Powszechnie wiadomo, że podsawowymi własnościami procesów finansowych
Bardziej 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 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 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 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 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 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 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 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 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 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 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 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 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 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 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 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 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 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 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 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 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 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 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 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 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 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 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 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 2 Plan wykładu Zakłócenia w modelu DAD/DAS: Wzros produkcji poencjalnej; Zakłócenie podażowe o sile
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 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 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 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 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 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 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 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 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 szczegółowoKrzysztof Piontek Akademia Ekonomiczna we Wrocławiu. Modelowanie warunkowej kurtozy oraz skośności w finansowych szeregach czasowych
DYNAMICZNE MODELE EKONOMETRYCZNE IX Ogólnopolskie Seminarium Naukowe, 6 8 września 5 w Toruniu Kaedra Ekonomerii i Saysyki, Uniwersye Mikołaja Kopernika w Toruniu Akademia Ekonomiczna we Wrocławiu Modelowanie
Bardziej 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 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 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 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 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 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 szczegółowoWybrane problemy prognozowania cen produktów rolnych
V EUROPEJSKI KONGRES MENADŻERÓW AGROBIZNESU, ŁYSOMICE 14.11.218 Wybrane problemy prognozowania cen produków rolnych Cezary Klimkowski INSTYTUT EKONOMIKI ROLNICTWA I GOSPODARKI ŻYWNOŚCIOWEJ PAŃSTWOWY INSTYTUT
Bardziej szczegółowoJerzy Czesław Ossowski Politechnika Gdańska. Dynamika wzrostu gospodarczego a stopy procentowe w Polsce w latach
DYNAMICZNE MODELE EKONOMETRYCZNE IX Ogólnopolskie Seminarium Naukowe, 6 8 września 2005 w Toruniu Kaedra Ekonomerii i Saysyki, Uniwersye Mikołaja Kopernika w Toruniu Poliechnika Gdańska Dynamika wzrosu
Bardziej 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 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 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 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 szczegółowoTransakcje insiderów a ceny akcji spółek notowanych na Giełdzie Papierów Wartościowych w Warszawie S.A.
Agaa Srzelczyk Transakcje insiderów a ceny akcji spółek noowanych na Giełdzie Papierów Warościowych w Warszawie S.A. Wsęp Inwesorzy oczekują od każdej noowanej na Giełdzie Papierów Warościowych spółki
Bardziej szczegółowoModelowanie 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 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 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 szczegółowoWyzwania praktyczne w modelowaniu wielowymiarowych procesów GARCH
Krzyszof Pionek Akademia Ekonomiczna we Wrocławiu Wyzwania prakyczne w modelowaniu wielowymiarowych procesów GARCH Wsęp Od zaproponowania przez Engla w 1982 roku jednowymiarowego modelu klasy ARCH, modele
Bardziej szczegółowoDYNAMICZNE MODELE EKONOMETRYCZNE
DYNAMICZNE 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 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 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 szczegółowoModel segmentowy bezzatrudnieniowego wzrostu gospodarczego
Maria Jadamus-Hacura * Krysyna Melich-Iwanek ** Model segmenowy bezzarudnieniowego wzrosu gospodarczego Wsęp Wzros gospodarczy jes jednym z podsawowych czynników kszałujących rynek pracy. Rynek en jes
Bardziej szczegółowoMATERIAŁY I STUDIA. Zeszyt nr 258. Podatność polskich rynków finansowych na niestabilności wewnętrzne i zewnętrzne
MATERIAŁY I STUDIA Zeszy nr 58 Podaność polskich rynków finansowych na niesabilności wewnęrzne i zewnęrzne Wojciech Bieńkowski, Bogna Gawrońska-Nowak, Wojciech Grabowski Warszawa, 0 r. Wojciech Bieńkowski
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 szczegółowoFINANSOWE SZEREGI CZASOWE WYKŁAD 3
FINANSOWE SZEREGI CZASOWE WYKŁAD 3 dr Tomasz Wójowcz Wydzał Zarządzana AGH 3800 3300 800 300 800 300 800 0 0 30 40 50 60 70 Kraków 0 Tomasz Wójowcz, WZ AGH Kraków przypomnene MA(q): gdze ε są d(0,σ ).
Bardziej szczegółowoDYNAMICZNE MODELE EKONOMETRYCZNE
DYNAMICZNE MODELE EKONOMETRYCZNE X Ogólnopolskie Seminarium Naukowe, 4 6 września 27 w Toruniu Kaedra Ekonomerii i Saysyki, Uniwersye Mikołaa Kopernika w Toruniu Małgorzaa Borzyszkowska Uniwersye Gdański
Bardziej szczegółowoMatematyka ubezpieczeń majątkowych 9.10.2006 r. Zadanie 1. Rozważamy proces nadwyżki ubezpieczyciela z czasem dyskretnym postaci: n
Maemayka ubezpieczeń mająkowych 9.0.006 r. Zadaie. Rozważamy proces adwyżki ubezpieczyciela z czasem dyskreym posaci: U = u + c S = 0... S = W + W +... + W W W W gdzie zmiee... są iezależe i mają e sam
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 szczegółowoDr hab. Jerzy Czesław Ossowski Wybrane elementy ekonometrii stosowanej cz. II Istotność zmiennych modelu, autokorelacja i modele multiplikatywne
Dr hab. Jerzy Czesław Ossowski Wybrane elemeny ekonomerii sosowanej cz. II Isoność zmiennych modelu, auokorelacja i modele muliplikaywne Ekonomeria-ćw.cz-SSW dr hab. Jerzy Czesław Ossowski Kaedra Nauk
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 szczegółowoBayesowska analiza modeli ARFIMA i persystencji na przykładzie kursu jednostek uczestnictwa funduszu Pioneer.
Jacek Kwiakowski Bayesowska analiza modeli ARFIMA i persysencji na przykładzie kursu jednosek uczesnicwa funduszu Pioneer.. Wsęp Celem prezenowanego arykułu jes analiza empiryczna modeli AR- FIMA oraz
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 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 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 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 szczegółowoZarządzanie Projektami. Wykład 3 Techniki sieciowe (część 1)
Zarządzanie Projekami Wykład 3 Techniki sieciowe (część ) Przedsięwzięcie wieloczynnościowe Przedsięwzięcie wieloczynnościowe skończona liczba wzajemnie ze sobą powiązanych czynności (eapów). Powiązania
Bardziej szczegółowoPIOTR FISZEDER, JACEK KWIATKOWSKI Katedra Ekonometrii i Statystyki
PIOTR FISZEDER, JACEK KWIATKOWSKI Kaedra Ekonomerii i Saysyki DYNAMICZNA ANALIZA ZALEŻNOŚCI POMIĘDZY OCZEKIWANĄ STOPĄ ZWROTU A WARUNKOWĄ WARIANCJĄ Sreszczenie: W badaniu zasosowano modele GARCHM ze sałym
Bardziej szczegółowoEKSPORT PRODUKTÓW ROLNO-SPOŻYWCZYCH A PRODUKCJA POLSKIEGO ROLNICTWA MODEL Z NIESKOŃCZONYM ROZKŁADEM OPÓŹNIEŃ
METODY ILOŚCIOWE W BADANIACH EKONOMICZNYCH Tom XVI/4, 2015, sr. 127 136 EKSPORT PRODUKTÓW ROLNO-SPOŻYWCZYCH A PRODUKCJA POLSKIEGO ROLNICTWA MODEL Z NIESKOŃCZONYM ROZKŁADEM OPÓŹNIEŃ Jacek Srojny Kaedra
Bardziej szczegółowoZJAWISKA SZOKOWE W ROZWOJU GOSPODARCZYM WYBRANYCH KRAJÓW UNII EUROPEJSKIEJ
Anna Janiga-Ćmiel Uniwersye Ekonomiczny w Kaowicach Wydział Zarządzania Kaedra Maemayki anna.janiga-cmiel@ue.kaowice.pl ZJAWISKA SZOKOWE W ROZWOJU GOSPODARCZYM WYBRANYCH KRAJÓW UNII EUROPEJSKIEJ Sreszczenie:
Bardziej 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 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 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 szczegółowoCeny akcji, produkt krajowy brutto i stopy procentowe: analiza współzależności dla Polski
Folia Oeconomica Aca Universiais Lodziensis ISSN 008-608 e-issn 353-7663 (334) 08 DOI: hp://dx.doi.org/0.8778/008-608.334.08 Pior Pieraszewski Uniwersye Łódzki, Wydział Ekonomiczno Socjologiczny, Kaedra
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 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 szczegółowoFOLIA POMERANAE UNIVERSITATIS TECHNOLOGIAE STETINENSIS
FOLIA POMERANAE UNIVERSITATIS TECHNOLOGIAE STETINENSIS Folia Pomer. Univ. Technol. Sein., Oeconomica 2014, 313(76)3, 137 146 Maria Szmuksa-Zawadzka, Jan Zawadzki MODELE WYRÓWNYWANIA WYKŁADNICZEGO W PROGNOZOWANIU
Bardziej szczegółowoPrognoza scenariuszowa poziomu oraz struktury sektorowej i zawodowej popytu na pracę w województwie łódzkim na lata
Projek Kapiał ludzki i społeczny jako czynniki rozwoju regionu łódzkiego współfinansowany ze środków Unii Europejskiej w ramach Europejskiego Funduszu Społecznego Prognoza scenariuszowa poziomu oraz srukury
Bardziej 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 szczegółowo