Daniel Papla Akademia Ekonomiczna we Wrocławiu. Wykorzystanie modelu DCC-MGARCH w analizie zmian zależności wybranych akcji GPW w Warszawie
|
|
- Joanna Woźniak
- 7 lat temu
- Przeglądów:
Transkrypt
1 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 modelu DCC-MGARCH w analizie zmian zależności wybranyc akcji GPW w Warszawie. Wsęp Celem arykułu jes zbadanie carakeru dynamiki zależności wysępującyc pomiędzy akcjami na polskiej giełdzie. Ze względu na czasocłonność i złożoność obliczeń ograniczono się jedynie do wybranyc spółek z polskiej giełdy. Z ego samego powodu w obliczeniac wykorzysano jedynie porfele składające się z dwóc elemenów. Hipoezę badawczą można sformułować w nasępujący sposób: zależność wysępująca na GPW w Warszawie nie jes sała, a jej zmiany mają caraker nieregularny. Poza ym zbadanie dynamiki zależności między akcjami na naszej giełdzie jes ważne również z prakycznego punku widzenia z punku widzenia inwesora, próbującego zdywersyfikować swój porfel. Aby zweryfikować ipoezę auor wykorzysał model dynamicznej korelacji DCC-MGARCH Engla. Analiza składała się z dwóc eapów. W pierwszym dla każdego z dwuelemenowyc porfeli akcji esymowano model dwuwymiarowy model auoregresji VAR. W drugim eapie dla resz modelu VAR esymowano współczynniki modelu DCC. Isone różne od zera współczynniki ego modelu są podsawą weryfikacji ipoezy badawczej. Praca składa się z rzec części. W pierwszej omówiono zasosowany do modelowania korelacji model DCC Engla. W drugiej przedsawiono wyniki badań. W osaniej części przedsawiono ic inerpreacje. 2. Model dynamicznej korelacji DCC Punkem wyjścia do dalszyc rozważań będą pojęcia warunkowyc warości oczekiwanyc (μ ), warunkowej macierzy wariancji-kowariancji (H ) wy-
2 268 znaczanyc na podsawie informacji dosępnej w cwili oraz pojęcie posaci warunkowego rozkładu sandaryzowanyc resz modelu. Wszyskie rzy zagadnienia należy rozparywać łącznie, gdyż wzajemnie wpływają na siebie i wspólnie deerminują własności osaecznego modelu. Więcej informacji na en ema znaleźć można w pracac np. Bollersleva (994), Pionka (22) i Tsaya (22). Tuaj przedsawione zosaną jedynie podsawowe i niezbędne informacje. Aby zilusrować dynamiczny model warunkowej korelacji (DCC dynamic condiional correlaion) Engla (22), załóżmy, że dysponujemy k- wymiarowym (w naszym przypadku k = 3, ale przedsawione dalej rozważania są prawdziwe również dla wyższyc wymiarów) wekorem r obserwacji, np. sopy zwrou k wybranyc do porfela składników (akcji, indeksów lub walu) w momencie. Wekor en można przedsawić w równaniu warunkowej warości oczekiwanej, jako zredukowany model wekorowej auoregresji (VAR): A( L) r = ε, gdzie ~ N (, H ) gdzie: ( L) ε, () A jes macierzą wielomianową operaora opóźnienia l, ε o wekor resz modelu VAR z warunkową macierzą wariancji-kowariancji: H = { } ij 2 = k 2 k 2 k 2k kk, i, j =, 2,, k. Ideę modelu DCC-GARCH najławiej zrozumieć, kiedy zapisze się warunkową macierz wariancji-kowariancji w posaci: H = D R D, (2) gdzie: { ij } D = diag jes diagonalną macierzą zmiennyc w czasie odcyleń R { ij } sandardowyc jednowymiarowyc procesów GARCH poszczególnyc składników porfela, = ρ i, j =,2,, k o macierz korelacji zawierająca warunkowe współczynniki korelacji pomiędzy składnikami porfela. Elemeny macierzy D można opisać przy pomocy jednowymiarowyc modeli GARCH(p, q) w nasępujący sposób: gdzie: D. Pi Q i 2 αipε i p + p= q= ij = ω + β i = { ii } ip i q, (3), czyli uproszczony zapis elemenów diagonalnyc macierzy
3 Wykorzysanie modelu DCC-MGARCH w analizie zmian zależności wybranyc akcji 269 Model DCC(m, n) Engla (22) opisuje srukurę macierzy sposób: R gdzie: = Q QQ R w nasępujący, (4) N ' ( m m ) M N M Q = am bn Q + am ξ ξ bnq n, (5) m= n= m= n= ε Q = macierz i ξ i = elemeny wekora sandaryzowanyc resz, { q ij } i wariancji-kowariancji sandaryzowanyc resz, kórej bezwarunkowa (niezależna od czasu) macierz wariancji-kowariancji Q orzymywana jes w pierwszym kroku esymacji. Q o diagonalna macierz zawierająca pierwiaski kwadraowe elemenów leżącyc na przekąnej macierzy : Q * q = q Q. (6) qkk Model DCC-GARCH można esymować przy pomocy meody największej wiarygodności, w kórej logarym funkcji wiarygodności można opisać nasępującym wzorem: L = 2 T { = 2log ( 2 ) π + 2log D + log R + ξ R ξ }. (7) W swoim arykule Engle (22) wykazał, że proces esymacji można przeprowadzić dwueapowo. W pierwszym eapie macierz R jes zasępowana przez k-wymiarową macierz jednoskową, co redukuje równanie (7) do sumy logarymów funkcji wiarygodności jednowymiarowyc modeli GARCH. W drugim eapie esymuje się paramery modelu DCC w równaniu (5) wykorzysując pełny logarym funkcji wiarygodności (7) przy warunku wykorzysania paramerów jednowymiarowyc modeli GARCH orzymanyc w pierwszym eapie (Lee, 24). 3. Dane i wyniki esymacji Ze względu na czasocłonność (i rudną do ogarnięcia obszerność wyników) w ej pracy zosaną zaprezenowane wyniki doyczące ylko wybranej grupy akcji. Są o akcje najdłużej noowanyc spółek: BRE, Elekrim, Irena, 269
4 27 Kable, Krosno, Millennium, Mososal Expor, Prócnik, Swarzędz i Żywiec. W obliczeniac wykorzysano dzienne logarymiczne sopy zwrou z okresu 2 sycznia 995 r.-4 czerwca 27 r. Aby zbadać, jak kszałowała się korelacja między ymi spółkami model DCC esymowano dla wszyskic dwuelemenowyc porfeli, kóre można orzymać z yc spółek. Tabela. Esymaory współczynników modelu GARCH (,)-DCC(,) Współ. BRE-Elekrim BRE-Iren BRE-Kable BRE-Millennium BRE-Mososal Exp ω α β ω α β A B Współ. BRE-Prócnik BRE-Żywiec Elekrim-Kable Elekrim- Swarzędz Krosno-Prócnik ω α β ω α β A B Współ. Millennium- Millennium- Mososal Exp- Prócnik- Mososal Exp Żywiec Swarzędz Swarzędz Swarzędz-Żywiec ω α β ω α β A B Źródło: obliczenia własne. W abeli przedsawiono wynik esymacji modelu dynamicznej korelacji (dla wybranyc par spółek), zaś na wykresac -7 zaprezenowano warunkową korelację między wybranymi parami spółek. Obliczenia wykonano w pakiecie Malab korzysając z biblioek auorswa K. Sepparda (Engle, Seppard, 2). Analizując ab. nasuwa się kilka wniosków: a) w większości wypadków suma współczynników modeli GARCH pojedynczyc składników dwuelemenowyc porfeli jes zbliżona do jed-
5 Wykorzysanie modelu DCC-MGARCH w analizie zmian zależności wybranyc akcji 27 ności, co wskazuje na a, że wariancja w momencie jes w dużym sopniu uzależniona od wariancji w momencie na naszej giełdzie wysępuje w akim razie zw. grupowanie wariancji (por. Pionek, 22); b) dla większości przypadków również suma współczynników modelu DCC jes zbliżona do jedności, co z kolei świadczy o ym, że warunkowa kowariancja pomiędzy parami akcji w momencie jes uzależniona od korelacji w momencie ; c) ciekawe są jednak wyjąki od zasady sformułowanej w punkcie b): dla niekóryc par (kóryc składnikiem jes Swarzędz i/lub Żywiec) współczynniki modelu DCC są niskie, świadcząc o braku zależności pomiędzy warunkowymi kowariancjami w momenac i.,7,6,5,4,3,2, , ,2 Daa Wykres. Warunkowa korelacja BRE-Elekrim,8,6,4, , ,4 -,6 Daa Wykres 2. Warunkowa korelacja BRE-Żywiec 27
6 272,3,,2,5,, , Daa Wykres 3. Warunkowa korelacja Elekrim-Kable,8,7,6,5,4,3,2, , ,2 Daa Wykres 4. Warunkowa korelacja Millennium-Mososal Exp Wykresy -7 pokazują jak różnie może zacowywać się warunkowa korelacja między wybranymi spółkami. Najbardziej ypowy wydaje się być obraz zależności pomiędzy korelacjami z okresów i, z dosyć wysoką zmiennością ej korelacji w poszczególnyc okresac wykres, 4. Odpowiada o paramerowi b modelu DCC z przedziału Przy b nieco niższym, równym np..85 (wykres 2, para BRE-Żywiec) widać mniejszą zmienność warunkowej korelacji niż w poprzednim przypadku, wydaje się jednak, że zależność między warościami korelacji w różnyc okresac nadal wysępuje.
7 Wykorzysanie modelu DCC-MGARCH w analizie zmian zależności wybranyc akcji 273,6,5,4,3,2, , ,2 -,3 Daa Wykres 5. Warunkowa korelacja Mososal Exp-Swarzędz.,5,4,3,2, , Daa Wykres 6. Warunkowa korelacja Prócnik-Swarzędz Najbardziej ineresująco, zdaniem auora, prezenują się dwa pozosałe przypadki, również z prakycznego punku widzenia. Pierwszy ilusrują wykres 3 i 6. Widać na nic warunkową korelację, kóra w wyraźny sposób jes zależna od korelacji z okresu poprzedniego, zdecydowanie jednak nie pozosaje na sałym poziomie. W przypadku pary Elekrim-Kable (wykres 3) wykazuje endencję malejącą, zaś dla pary Prócnik-Swarzędz (wykres 6) jej zmiany wydają się mieć caraker okresowy. Z kolei wykres 5 i 7 pokazują przypadek korelacji odcylającej się w sposób losowy od sałego poziomu. Odpowiadają one przypadkowi, w kórym współczynnik b modelu jes nieisonie różny od zera. 273
8 274,9934,9933,9932,993,993,99,9928, Daa Wykres 7. Warunkowa korelacja Swarzędz-Żywiec Z punku widzenia inwesora ważny wydaje się wniosek, że korelacja pomiędzy dwoma papierami warościowymi może się zmieniać, czasami w sposób dosyć gwałowny. Uwzględnienie ego faku np. przy budowie porfela jes zdaniem auora konieczne. Dlaego eż celem dalszyc badań auora będzie wykorzysanie modelu DCC w analizie porfelowej, czy eż analizie ryzyka (np. za pomocą VaR). Lieraura Bollerslev, T., Engle, R., Nelson, D. (994), ARCH Models, w: Handbook of Economerics, IV, Amserdam, Engle, R.F. (22), Dynamic Condiional Correlaion A Simple Class of Mulivariae GARCH Models, Journal of Business and Economic Saisics, 2(3), Engle, R.F. Seppard, K. (2), Teoreical and Empirical Properies of Dynamic Condiional Correlaion Mulivariae GARCH, Working Paper, 8554, NBER. Lee, J. (24), Te Comovemen Beween Oupu and Prices: Evidence from Canada, Texas A&M Universiy-Corpus Crisi, Corpus Crisi. Pionek, K. (22), Modelowanie i prognozowanie zmienności insrumenów finansowyc, praca dokorska, AE, Wrocław. Tsay, R. (22), Analysis of Financial Time Series, Wiley and Sons.
DYNAMICZNE 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 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 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 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 szczegółowoEwa Dziawgo Uniwersytet Mikołaja Kopernika w Toruniu. Analiza wrażliwości modelu wyceny opcji złożonych
DYNAMICZNE MODELE EKONOMETRYCZNE X Ogólnopolskie Seminarium Naukowe, 4 6 września 7 w Toruniu Kaedra Ekonomerii i Saysyki, Uniwersye Mikołaja Kopernika w Toruniu Uniwersye Mikołaja Kopernika w Toruniu
Bardziej szczegółowoDYNAMICZNE MODELE EKONOMETRYCZNE
DYNAMICZNE 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 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 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 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 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 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 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 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 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 IX Ogólnopolskie Seminarium Naukowe, 6 8 września 2005 w Toruniu Kaedra Ekonomerii i Saysyki, Uniwersye Mikołaja Kopernika w Toruniu Kaarzyna Kuziak Akademia Ekonomiczna
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 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 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 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 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 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 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 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 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 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 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 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 szczegółowoDodatek 3. Wielowymiarowe modele GARCH model DCC-GARCH
Dodatek 3. Wielowymiarowe modele GARCH model DCC-GARCH MODELOWANIE POLSKIEJ GOSPODARKI z R MPGzR (dodatek 3) Modele MGARCH 1 / 11 Ogólna specykacja modelu MGARCH Ogólna posta dla N-wymiarowego procesu
Bardziej 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 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 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 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 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 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 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 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 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 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 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 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 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 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 szczegółowoZASTOSOWANIE FUNKCJI KOPULI W MODELOWNIU INDEKSÓW GIEŁDOWYCH
ZASTOSOWANIE FUNKCJI KOPULI W MODELOWNIU INDEKSÓW GIEŁDOWYCH Jacek Leśkow, Jusyna Mokrzycka, Kamil Krawiec 1 Sreszczenie Współczesne zarządzanie ryzykiem finansowanym opiera się na analizie zwroów szeregów
Bardziej 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 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 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 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 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 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 macierzy kowariancji finansowych szeregów czasowych stóp zwrotu nie jest sprawą błahą. Zagadnienie to związane jest również w oczywisty
Krzyszof Pionek Akademia Ekonomiczna w e W r ocł aw iu Prognozowanie macierzy kowariancji i korel acji f inans owych s zeregó w czas owych Wsęp Prognozowanie macierzy kowariancji finansowych szeregów czasowych
Bardziej 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 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 szczegółowoTestowanie współzależności w rozwoju gospodarczym
The Wroclaw School of Banking Research Journal ISSN 1643-7772 I eissn 2392-1153 Vol. 15 I No. 5 Zeszyy Naukowe Wyższej Szkoły Bankowej we Wrocławiu ISSN 1643-7772 I eissn 2392-1153 R. 15 I Nr 5 Tesowanie
Bardziej szczegółowoNatalia Iwaszczuk, Piotr Drygaś, Piotr Pusz, Radosław Pusz PROGNOZOWANIE GOSPODARCZE
Naalia Iwaszczuk, Pior Drygaś, Pior Pusz, Radosław Pusz PROGNOZOWANIE GOSPODARCZE Wyd-wo, Rzeszów 03 dr hab., prof. nadzw. Naalia Iwaszczuk, AGH Akademia Górniczo-Hunicza im. Sanisława Saszica w Krakowie
Bardziej 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 szczegółowoZasada pędu i popędu, krętu i pokrętu, energii i pracy oraz d Alemberta bryły w ruchu postępowym, obrotowym i płaskim
Zasada pędu i popędu, kręu i pokręu, energii i pracy oraz d Alembera bryły w ruchu posępowym, obroowym i płaskim Ruch posępowy bryły Pęd ciała w ruchu posępowym obliczamy, jak dla punku maerialnego, skupiając
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 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 szczegółowoA C T A U N I V E R S I T A T I S N I C O L A I C O P E R N I C I EKONOMIA XXXIX NAUKI HUMANISTYCZNO-SPOŁECZNE ZESZYT 389 TORUŃ 2009.
A T A U N I V E R S I T A T I S N I O L A I O P E R N I I EKONOMIA XXXIX NAUKI HUMANISTYZNO-SPOŁEZNE ZESZYT 389 TORUŃ 2009 Uniwersye Ekonomiczny w Poznaniu Kaedra Maemayki Sosowanej Blanka Minc DYNAMIKA
Bardziej 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 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 szczegółowoSZACOWANIE MODELU RYNKOWEGO CYKLU ŻYCIA PRODUKTU
B A D A N I A O P E R A C J N E I D E C Z J E Nr 2 2006 Bogusław GUZIK* SZACOWANIE MODELU RNKOWEGO CKLU ŻCIA PRODUKTU Przedsawiono zasadnicze podejścia do saysycznego szacowania modelu rynkowego cyklu
Bardziej szczegółowoDodatek 2. Wielowymiarowe modele GARCH
Dodatek 2. Wielowymiarowe modele GARCH MODELOWANIE POLSKIEJ GOSPODARKI z R MPGzR (dodatek 2) Modele MGARCH 1 / 15 Ogólna specykacja modelu MGARCH Ogólna posta dla N-wymiarowego procesu MGARCH {y t }: y
Bardziej szczegółowoGiełdy Papierów Wartościowych w Warszawie
SZKOŁA GŁÓWNA HANDLOWA W WARSZAWIE STUDIUM DYPLOMOWE KIERUNEK: Meody Ilościowe i Sysemy Informacyjne Michał Rubaszek Nr alb. 5346 Arbiraż cenowy na przykładzie Giełdy Papierów Warościowych w Warszawie
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 szczegółowoDYNAMICZNE MODELE EKONOMETRYCZNE
DYNAMICZNE MODELE EKONOMETRYCZNE IX Ogólnopolskie Seminarium Naukowe, 6 8 września 005 w Toruniu Kaedra Ekonomerii i Saysyki, Uniwersye Mikołaja Kopernika w Toruniu Akademia Ekonomiczna w Krakowie Modelowanie
Bardziej 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 szczegółowoDodatek 2. Wielowymiarowe modele GARCH model GoGarch
Dodatek 2. Wielowymiarowe modele GARCH model GoGarch MODELOWANIE POLSKIEJ GOSPODARKI z R MPGzR (dodatek 2) Model GoGARCH 1 / 14 Ogólna specykacja modelu MGARCH Ogólna posta dla N-wymiarowego procesu MGARCH
Bardziej 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 szczegółowoψ przedstawia zależność
Ruch falowy 4-4 Ruch falowy Ruch falowy polega na rozchodzeniu się zaburzenia (odkszałcenia) w ośrodku sprężysym Wielkość zaburzenia jes, podobnie jak w przypadku drgań, funkcją czasu () Zaburzenie rozchodzi
Bardziej szczegółowoCechy szeregów czasowych
energecznch Cech szeregów czasowch Rozdział Modelowanie szeregów czasowch 7 proces deerminisczn proces kórego warość może bć preczjnie określona w dowolnm czasie =T+τ = a +b T T+τ czas = sin(ω) T T+τ czas
Bardziej szczegółowoĆWICZENIE 4 Badanie stanów nieustalonych w obwodach RL, RC i RLC przy wymuszeniu stałym
ĆWIZENIE 4 Badanie sanów nieusalonych w obwodach, i przy wymuszeniu sałym. el ćwiczenia Zapoznanie się z rozpływem prądów, rozkładem w sanach nieusalonych w obwodach szeregowych, i Zapoznanie się ze sposobami
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 szczegółowoVII. ZAGADNIENIA DYNAMIKI
Konderla P. Meoda Elemenów Skończonych, eoria i zasosowania 47 VII. ZAGADNIENIA DYNAMIKI. Równanie ruchu dla zagadnienia dynamicznego Q, (7.) gdzie M NxN macierz mas, C NxN macierz łumienia, K NxN macierz
Bardziej szczegółowoKrzysztof Piontek MODELOWANIE ZMIENNOŚCI STÓP PROCENTOWYCH NA PRZYKŁADZIE STOPY WIBOR
Inwesycje finansowe i ubezpieczenia endencje świaowe a rynek polski Krzyszof Pionek Akademia Ekonomiczna we Wrocławiu MODELOWANIE ZMIENNOŚCI STÓP PROCENTOWYCH NA PRZYKŁADZIE STOPY WIBOR Wsęp Konieczność
Bardziej szczegółowoOCENA ATRAKCYJNOŚCI INWESTYCYJNEJ AKCJI NA PODSTAWIE CZASU PRZEBYWANIA W OBSZARACH OGRANICZONYCH KRZYWĄ WYKŁADNICZĄ
Tadeusz Czernik Daniel Iskra Uniwersye Ekonomiczny w Kaowicach Kaedra Maemayki Sosowanej adeusz.czernik@ue.kaowice.pl daniel.iskra@ue.kaowice.pl OCEN TRKCYJNOŚCI INWESTYCYJNEJ KCJI N PODSTWIE CZSU PRZEBYWNI
Bardziej 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 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 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 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 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 szczegółowoWskazówki projektowe do obliczania nośności i maksymalnego zanurzenia statku rybackiego na wstępnym etapie projektowania
CEPOWSKI omasz 1 Wskazówki projekowe do obliczania nośności i maksymalnego zanurzenia saku rybackiego na wsępnym eapie projekowania WSĘP Celem podjęych badań było opracowanie wskazówek projekowych do wyznaczania
Bardziej 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 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 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 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 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 szczegółowoPOLITECHNIKA ŚLĄSKA W GLIWICACH WYDZIAŁ INŻYNIERII ŚRODOWISKA i ENERGETYKI INSTYTUT MASZYN i URZĄDZEŃ ENERGETYCZNYCH
POLIECHNIKA ŚLĄSKA W GLIWICACH WYDZIAŁ INŻYNIERII ŚRODOWISKA i ENERGEYKI INSYU MASZYN i URZĄDZEŃ ENERGEYCZNYCH IDENYFIKACJA PARAMERÓW RANSMIANCJI Laboraorium auomayki (A ) Opracował: Sprawdził: Zawierdził:
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 szczegółowoWYKORZYSTANIE STATISTICA DATA MINER DO PROGNOZOWANIA W KRAJOWYM DEPOZYCIE PAPIERÓW WARTOŚCIOWYCH
SaSof Polska, el. 12 428 43 00, 601 41 41 51, info@sasof.pl, www.sasof.pl WYKORZYSTANIE STATISTICA DATA MINER DO PROGNOZOWANIA W KRAJOWYM DEPOZYCIE PAPIERÓW WARTOŚCIOWYCH Joanna Maych, Krajowy Depozy Papierów
Bardziej szczegółowoMetody 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 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 szczegółowoBadanie funktorów logicznych TTL - ćwiczenie 1
adanie funkorów logicznych TTL - ćwiczenie 1 1. Cel ćwiczenia Zapoznanie się z podsawowymi srukurami funkorów logicznych realizowanych w echnice TTL (Transisor Transisor Logic), ich podsawowymi paramerami
Bardziej szczegółowoWYKORZYSTANIE MIERNIKÓW KREOWANIA WARTOŚCI W RACHUNKU ODPOWIEDZIALNOŚCI
ZESZYTY NAUKOWE UNIWERSYTETU SZCZECIŃSKIEGO NR 668 FINANSE, RYNKI FINANSOWE, UBEZPIECZENIA NR 41 2011 BARTŁOMIEJ NITA Uniwersye Ekonomiczny we Wrocławiu WYKORZYSTANIE MIERNIKÓW KREOWANIA WARTOŚCI W RACHUNKU
Bardziej 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 szczegółowoWykład 5 Elementy teorii układów liniowych stacjonarnych odpowiedź na dowolne wymuszenie
Wykład 5 Elemeny eorii układów liniowych sacjonarnych odpowiedź na dowolne wymuszenie Prowadzący: dr inż. Tomasz Sikorski Insyu Podsaw Elekroechniki i Elekroechnologii Wydział Elekryczny Poliechnika Wrocławska
Bardziej szczegółowoEliza Buszkowska * DYNAMIKA PRZEPŁYWÓW INWESTYCJI POMIĘDZY GIEŁDAMI
ACTA UNIVERSITATIS NICOLAI COPERNICI DOI: hp://dx.doi.org/10.12775/aunc_econ.2014.017 EKONOMIA XLV nr 2 (2014) 275 288 Pierwsza wersja złożona 26 czerwca 2014 ISSN Końcowa wersja zaakcepowana 20 grudnia
Bardziej szczegółowoRuch płaski. Bryła w ruchu płaskim. (płaszczyzna kierująca) Punkty bryły o jednakowych prędkościach i przyspieszeniach. Prof.
Ruch płaski Ruchem płaskim nazywamy ruch, podczas kórego wszyskie punky ciała poruszają się w płaszczyznach równoległych do pewnej nieruchomej płaszczyzny, zwanej płaszczyzną kierującą. Punky bryły o jednakowych
Bardziej szczegółowoĆw. S-II.2 CHARAKTERYSTYKI SKOKOWE ELEMENTÓW AUTOMATYKI
Dr inż. Michał Chłędowski PODSAWY AUOMAYKI I ROBOYKI LABORAORIUM Ćw. S-II. CHARAKERYSYKI SKOKOWE ELEMENÓW AUOMAYKI Cel ćwiczenia Celem ćwiczenia jes zapoznanie się z pojęciem charakerysyki skokowej h(),
Bardziej szczegółowo