A C T A U N I V E R S I T A T I S N I C O L A I C O P E R N I C I EKONOMIA XXXIX NAUKI HUMANISTYCZNO-SPOŁECZNE ZESZYT 389 TORUŃ 2009.

Wielkość: px
Rozpocząć pokaz od strony:

Download "A C T A U N I V E R S I T A T I S N I C O L A I C O P E R N I C I EKONOMIA XXXIX NAUKI HUMANISTYCZNO-SPOŁECZNE ZESZYT 389 TORUŃ 2009."

Transkrypt

1 A C T A U N I V E R S I T A T I S N I C O L A I C O P E R N I C I EKONOMIA XXXIX NAUKI HUMANISTYCZNO-SPOŁECZNE ZESZYT 389 TORUŃ 2009 Uniwersye Gdański Kaedra Ekonomerii Paweł Miłobędzki STRUKTURA TERMINOWA STÓP PROCENTOWYCH NA RYNKU DEPOZYTÓW MIĘDZYBANKOWYCH W POLSCE. UWAGI O SYMETRII POWROTU STÓP DO ŚREDNIEJ Z a r y s r e ś c i. Wyniki empiryczne badania nad srukurą erminową sóp procenowych na rynku międzybankowym w Polsce upoważniają do swierdzenia, że sopy króka i długa dla wszyskich rozważanych par sóp WIBOR zmieniały się w zasadzie zgodnie z przewidywaniami wynikającymi z hipoezy (eorii) oczekiwań srukury erminowej. Sopy e znajdowały się w długookresowej równowadze, a ich spredy wykazywały własności koinegrujące i prognosyczne. Spośród rozważanych sóp procenowych ylko 3-miesięczna sopa WIBOR odchylała się asymerycznie od relacji równowagi długookresowej ze sopą miesięczną. S ł o w a k l u c z o w e: srukura erminowa sóp procenowych, hipoeza oczekiwań, asymeria dososowania, model TVECM, polski rynek depozyów międzybankowych, sopy referencyjne WIBOR. 1. WSTĘP Rynek depozyów międzybankowych jes miejscem, gdzie kszałują się króko- i średnioerminowe ceny pieniądza w Polsce. Na rynku ym usalane są sawki referencyjne WIBOR (Warsaw Inerbank Offered Raes) dla depozyów złoowych sopy procenowe, po kórych banki-uczesnicy rynku w ramach obowiązujących dziennych limiów są skłonne udzielić innym bankom pożyczki na określony ermin od jednego dnia do 12 miesięcy 1. Sopy e sanowią Zmieniona wersja pracy przedsawionej na konferencji p.,,meody maemayczne, ekonomeryczne i informayczne w finansach i ubezpieczeniach, zorganizowanej przez Akademię Ekonomiczną w Kaowicach w Usroniu w dniach lisopada 2008 roku. Praca naukowa finansowana ze środków budżeowych na naukę w laach w ramach projeku badawczego N /0804 p..,,srukura erminowa sóp procenowych na rynku depozyów międzybankowych w Polsce. 1 Zob. Regulamin (2004).

2 28 PAWEŁ MIŁOBĘDZKI podsawę przy usalaniu większości sóp procenowych dla kredyów o zmiennym oprocenowaniu, sosowanych przez banki dealiczne, a akże punk odniesienia przy rozliczaniu ransakcji na rynku insrumenów pochodnych. Ich wysokość wpływa na rozmiary kredyu i popy w gospodarce oraz na sopę inflacji. Kszałowanie się srukury erminowej łumaczy hipoeza (eoria) oczekiwań srukury erminowej sóp procenowych (expecaions hypohesis of he erm srucure), kórej różne współczesne posacie wywodzi się z prac Fishera (1886, 1930) i Luza (1940). Głosi ona, że głównym czynnikiem kszałującym bieżącą sopę zwrou z insrumenu o dłuższej zapadalności (sopę długą) są racjonalne oczekiwania uczesników rynku odnośnie do przyszłych sóp zwrou z insrumenu o krószej zapadalności (sopy krókiej). Jeśli jes prawdziwa, bieżące sopy długa i króka wykazują wspólny wzorzec zmienności sochasycznej są skoinegrowane a ich spred (acual yield spread) saje się dobrym predykorem ich zmian w przyszłości 2. Celem niniejszej pracy jes pokazanie, że sopy rynku międzybankowego znajdują się w długookresowej równowadze, zaś krókookresowe od niej odchylenia są korygowane w sposób (a)symeryczny. Proces dososowania sóp procenowych ma różny sopień inensywności, zależny od erminu zapadalności depozyów i znaku odchylenia od równowagi. Za przyczynę ego sanu rzeczy uważam odmienne zachowania uczesników rynku w okresach wzrosów i spadków sóp procenowych. W związku z powyższym za podsawę modelowania ej zależności przyjąłem wekorowy, dwuwymiarowy model koreky błędem (vecor error correcion model, VECM) ze składnikiem koreky zbudowanym w oparciu o zwykły progowy model auoregresyjny (hreshold auoregressive model, model TAR), zaproponowany przez Tonga (1983) oraz rozwinięy przez Endersa i Grangera (1998) oraz Endersa i Siklosa (2001), w kórym próg dososowania można inerpreować jako miarę premii płynności. Wnioskowanie o naurze zależności między sopami referencyjnymi WIBOR przeprowadziłem dla depozyów o zapadalnościach 1, 3, 6, 9 oraz 12 miesięcy na podsawie ich miesięcznych szeregów z okresu syczeń 1999-grudzień 2007 roku uzyskanych z Thomson Reuers 3. Sosowne obliczenia wykonałem posługując się pakieami Gauss 9.0 oraz Saa SE Pozosała część pracy składa się z rzech oddzielnych części. W pierwszej formułuję hipoezę oczekiwań srukury erminowej sóp procenowych, przedsawiam sposób jej weryfikacji w oparciu o model VECM z asymerycznym składnikiem koreky, zarysowuję sraegię wyznaczania odpowiedzi impulso- 2 Jego zwiększenie (zmniejszenie) najogólniej rzecz ujmując sygnalizuje wzros (spadek) sopy długiej i krókiej; zob. np. Campbell, Shiller (1991). 3 Dysponowałem łącznie 108 obserwacjami na sopach WIBOR dla depozyów o zapadalności od 1 miesiąca (1M) do 6 miesięcy (6M) oraz 83 obserwacjami na sopach WIBOR dla depozyów o zapadalności 9 miesięcy (9M) i 1 roku (12M). Dane uzyskałem z serwisu Thomson Reuers na podsawie umowy o współpracy podpisanej przez Uniwersye Gdański oraz firmę Thomson Reuers.

3 Srukura erminowa sóp procenowych na rynku depozyów międzybankowych 29 wych na szoki jednoskowe wprowadzane do jego równań oraz sposób badania jego własności prognosycznych. Część drugą zajmuje sprawozdanie wyników weryfikacji hipoezy oczekiwań na polskim rynku depozyów międzybankowych oraz badania krókookresowej dynamiki sóp procenowych. Całość kończą syneyczne wnioski. 2. HIPOTEZA OCZEKIWAŃ I SPOSÓB JEJ WERYFIKACJI W OPARCIU O MODEL VECM ( ) n Niech P oznacza cenę n -okresowej obligacji dyskonowej o warości nominalnej Pln 1 w chwili. Oczekiwany, jednookresowy zwro z ej obligacji jes zgodnie z hipoezą oczekiwań równy naychmiasowej sopie zwrou ( 1) z obligacji o zapadalności jednego okresu, R (sopie krókiej), powiększonej ( n) o premię płynności, θ, j. (zob. np. Tzavalis, Wickens, 1998; Cuhberson, Niezsche, 2003; Blangiewicz, Miłobędzki, 2009) ( n ) ( 1) ( ) ( 1) ( ) 1 ln n 1 ln n n + = + = + Eh E P P R θ, (1) gdzie E operaor warunkowej warości oczekiwanej ze względu na zbiór informacji dosępnych inwesorom w chwili. Jeśli należne odseki naliczane są ( n) ( n) ( n) w sposób ciągły, wówczas ln P = nr, gdzie R naychmiasowa sopa zwrou z obligacji o zapadalności n okresów (sopa długa), oraz ( n) ( n) ( n 1) 1 ( n) ( 1) 1 ( n) E h 1 E nr ( n 1) R 1 R R + = + = + θ n 1. (2) n 1 Rozwiązując równanie (2) w przód orzymamy n ( n) ( n) R = 1 1 (1) E R+ i + Θ. (3) n i= 0 Naychmiasowa sopa długa jes zaem średnią arymeyczną bieżącej oraz oczekiwanych, naychmiasowych sóp krókich z okresu, + ( n 1), powiększoną o rolowaną w ym okresie premię płynności (rolling over erm premium), Θ n 1 ( n) ( n i) = ( 1 n) Eθ + i. i= 0 Odjęcie od równania (3) sronami naychmiasowej sopy krókiej, R () 1, prowadzi po przekszałceniach do n 1 ( n,1) i () 1 ( n) S = E 1 Δ R+ i +Θ i= 1 n. (4)

4 30 PAWEŁ MIŁOBĘDZKI ( ) ( ) ( ) n,1 n 1 Z zależności ej wynika, że bieżący spred sóp procenowych, S = R R, winien być równy warunkowej ze względu na dosępny inwesorom zasób informacji w chwili opymalnej prognozie zmian naychmiasowej sopy krókiej, zw.,,spredowi doskonale prognozowanemu (perfec foresigh spread), powiększonemu o rolowaną premię płynności. Jeśli więc oczekiwane, naychmiasowe przyszłe sopy krókie są zmiennymi zinegrowanymi w sopniu pierwszym, a rolowana premia płynności jes sacjonarna, sacjonarny jes akże bieżący spred sóp procenowych, a sopy długa i króka są skoinegrowane. Wykazują wspólny wzorzec zmienności sochasycznej. W syuacji, w kórej ( n) ( n) premia płynności jes sała w czasie ( Θ =Θ ), wekorem koinegrującym ( n ) jes 1, 1, Θ. Jeśli dodakowo odchylenia ych sóp od ich relacji równowagi długookresowej są asymeryczne, wówczas na mocy wierdzenia Grangera o reprezenacji (zob. Enders, Siklos, 2001) krókookresowe zmiany naychmiasowej sopy długiej i krókiej można odzwierciedlić za pomocą wekorowego, dwuwymiarowego modelu koreky błędem z asymerycznym składnikiem koreky ( n) ( n) ( n) ( n) ( i) ( n,1) ( n,1) Δ R = μi + ρi1i S 1 Θ + ρ i2 1 I S 1 Θ + K p 1 p 1 i ( n) i (1) + αnjδ R j + β1 jδ R j + ξi j= 1 j= 1 ( n) ( n,1) ( n) ( n) ( n,1) ( n) = 1 S 1 Θ, I 0 S 1 K, (5) gdzie: I = <Θ,, i i μi αnj, β 1 j paramery srukuralne, ρ ik współczynniki obrazujące rozmiary koreky odchyleń sopy długiej i krókiej od ich relacji równowagi długookresowej ( i= n,1; k = 1,2 ), ξ i składniki losowe. W syuacji, w kórej ρi 1 = ρi2 koreka odchyleń przebiega symerycznie. W celu esymacji modelu (5), po powierdzeniu sopnia inegracji sopy długiej i krókiej, zasosowałem dwusopniową procedurę Engle-Grangera (1987), zmodyfikowaną przez Endersa i Grangera (1998). Najpierw meodą najmniejszych kwadraów (MNK) oszacowałem paramery relacji długookresowej w posaci ( n,1) ( n) ( n) S η ( n) =Θ +, (6) gdzie η składnik losowy. O (nie)sacjonarności spredu S rozsrzygałem w oparciu o równanie pomocnicze ( n) ( n) ( n) ( n) ( n) ( n) ( n) ( n) I I ( n,1) Δ ˆ η = ρ ˆ η + ρ ˆ η + υ, (7)

5 Srukura erminowa sóp procenowych na rynku depozyów międzybankowych 31 ( ) ˆ n ( ) n gdzie: η reszy z regresji (6), υ składnik losowy ypu białoszumowego, ( n) niezależny od η dla k <, dodając po prawej jego sronie opóźnione zmienne Δ ˆ η n ( ) wszędzie am, gdzie było o konieczne w celu wybielenia błędów 4. Warości kryyczne sosownych saysyk esowych brałem z ablic zamieszczonych w pracach Endersa i Grangera (1998), Endersa (2001) oraz Endersa i Siklosa (2001). W przypadku odrzucenia hipoezy o niesacjonarności spredu badałem symerię odchyleń sopy długiej i krókiej od ich relacji równowagi ( n) ( n) długookresowej weryfikując nasępujący układ hipoez: H0: ρ1 = ρ2, ( n) ( n) H A : ρ1 ρ 5 2. W drugim eapie, na podsawie zgodnej oceny progu dososowania (rolowanej premii płynności Θ ), usalałem znak indykaora I ( n) ( n) oraz szacowałem MNK model (5). Określałem akże srukurę przyczynowości w zbiorze sóp i i procenowych nakładając sosowne resrykcje zerowe na paramery α nj i β 1 j. Model (5) posłużył mi do wyznaczenia odpowiedzi impulsowych na szoki jednoskowe wprowadzane do każdego z jego równań. Biorąc pod uwagę specyfikę konsruowania odpowiedzi impulsowych w modelach asymerycznych (zob. Koop, Pesaran, Poer, 1995), obliczałem ścieżki uogólnionych odpowiedzi impulsowych wyprowadzane z osaniego okresu próby 6 7. Sosując rekurencyjne podsawienia (pomijałem człony deerminisyczne) określałem poziomy sopy długiej i krókiej dla każdego okresu oraz znak odchylenia od ich relacji równowagi długookresowej, co sanowiło wskazówkę, kóre paramery dososowania winny być użye do obliczeń w nasępnym podsawieniu. Od warości ak wyznaczonych ścieżek poziomów sóp procenowych odejmowałem ich warości w okresie wyjściowym (osanim okresie próby) orzymując w rezulacie odpowiednie przyrosy odpowiedzi na impulsy. 4 Z uwagi na o, że przy asymerii dososowania sóp procenowych do ich relacji równowagi długookresowej średnia z próby jes obciążonym esymaorem progu dososowania szacując (7) wyznaczyłem go sosując meodę Chana (1993). Pokazał on, iż przyjęcie za warość progową warości minimalizującej sumę kwadraów resz ˆ υ prowadzi do uzyskania superzgodnego esymaora progu dososowania. Warość progową wybrałem spośród 70% środkowych elemenów uporządkowanego rosnąco szeregu resz ˆ η (zob. np. Enders, 2001 oraz Enders, Siklos, 2001). 5 W syuacji odrzucenia hipoezy o niesacjonarności szeregu ( ) 1 ( ) 2 ( n,1) { } S esymaory MNK para- n n merów ρ i ρ mają asympoyczny łączny rozkład normalny; zob. np. Tong (1983). 6 Odpowiedzi na impulsy orogonalne zależą od porządku zmiennych w rozważanym modelu; zob. np. Pesaran, Pesaran (1997). 7 W modelach dopuszczających asymerię dososowania wielkości ekonomicznych do ich relacji równowagi długookresowej paramer dososowania w okresie dla kórego wyznaczana jes odpowiedź na impuls zależy od warości zmiennych w modelu z okresu poprzedniego, sąd dla różnych momenów począkowych wyznaczania odpowiedzi impulsowych orzymuje się różne ścieżki odpowiedzi; zob. Koop, Pesaran, Poer (1995).

6 32 PAWEŁ MIŁOBĘDZKI Badanie zwieńczyła dynamiczna prognoza sóp procenowych dla par depozyów o zapadalnościach ( n,1). Uzyskałem ją na 3 sposoby: szkieleowy, boosrapowy oraz na podsawie symulacji Mone Carlo. Prognozy szkieleowe (naiwne) wyznaczyłem bezpośrednio na podsawie oszacowanego modelu VECM z asymerycznym składnikiem koreky. W przypadku prognoz boosrapowych do warości prognoz dynamicznych w poszczególnych okresach dodawałem reszy z boosrapowanej macierzy resz oszacowanego modelu VECM, specyficzne dla okresów odpowiadającym dodanim i ujemnym odchyleniom sopy długiej i krókiej od ich poziomu równowagi długookresowej. Prognozy Mone Carlo uzyskiwałem w sposób analogiczny do prognoz boosrapowych, przy czym reszy dla każdego reżimu odchylenia od równowagi długookresowej generowane były z łącznego, dwuwymiarowego rozkładu normalnego o macierzach kowariancji esymowanych osobno dla każdego reżimu. Techniki orzymywania prognoz na podsawie modeli asymerycznych szczegółowo opisują Clemens i Smih (1997) oraz De Gooijer i Vidiella-i- Anguera (2004). Uzyskane w powyższy sposób prognozy dynamiczne porównałem z prognozami wyznaczonymi na podsawie liniowego modelu VECM sosując akie sandardowe miary dokładności prognoz ex-pos, jak obciążenie, błąd średniokwadraowy oraz uśredniony współczynnik zmienności SPRAWOZDANIE WYNIKÓW BADANIA EMPIRYCZNEGO Na wykresach 1 i 2 (zob. Dodaek) przedsawiam kszałowanie się w okresie syczeń 1999 grudzień 2007 roku wykorzysanych w badaniu empirycznym miesięcznych szeregów sóp referencyjnych WIBOR oraz ich spredów. Z wykresów ych wynika, że szeregi sóp procenowych w odróżnieniu od szeregów ich spredów rzadko przechodzą przez swoje warości średnie, co sugeruje ich niesacjonarność. Przypuszczenie powyższe wzmacniają wyniki esów pierwiaska jednoskowego DF-GLS, KPSS oraz DF/ADF 9. ( n,1) O sacjonarności spredów S dla n = 3,6,9,12 miesięcy zaświadczają akże zamieszczone w abeli 1 (zob. Dodaek) oceny saysyki esowej F Endersa-Grangera. Zamieszczone w ej abeli oceny saysyki esowej χ sugerują 2 symerię dososowania sopy długiej i krókiej do ich relacji równowagi długookresowej dla wszyskich rozważanych par sóp WIBOR poza parą o zapadalnościach 1 i 12 miesięcy. 8 Ten osani jes liczony jako pierwiasek kwadraowy ze współczynnika Theila, pomnożony przez Zob. Hobijn, Franses, Ooms (1998), Kwiakowski, Phillips, Schmid, Shin (1992) oraz Dickey, Fuller (1981). Wyniki esów Auor udosępni na życzenie zaineresowanych Czyelników.

7 Srukura erminowa sóp procenowych na rynku depozyów międzybankowych 33 ( n) Rolowane premie płynności Θ, z wyjąkiem premii dla pary sóp n,1 = 6,1, wzrasają monoonicznie i nie przekraczają 0,8%. ( ) ( ) Powyższe wyniki wykorzysałem w esymacji modelu (5). Jej rezulay zesawiłem w abeli 2, uzupełniając je o rezulay esymacji modelu VECM z symerycznym składnikiem koreky. Z danych zawarych w ej abeli wnikają nasępujące wnioski: (a) w świele kryeriów informacyjnych Akaike (AIC) i Schwarza-Bayesa (SBC) dla modeli wielorównaniowych,,właściwym modelem zależności pomiędzy sopą długą i króką dla wszyskich rozważanych par depozyów poza parą ( n,1) = ( 3,1) jes model VECM z symerycznym składnikiem koreky; oceny saysyk AIC i SBC są dla ych modeli większe od ocen ych saysyk dla odpowiednich modeli z asymerycznym składnikiem koreky; (b) na asymeryczny charaker koreky w krókim okresie dla pary depozyów o zapadalnościach 1 i 3 miesięcy wskazuje ocena saysyki Walda 2 [ ˆ χ () 1 = 15,3676 ], znacznie przekraczająca warość kryyczną saysyki χ 2 ( 1) na zwyczajowo przyjmowanym poziomie isoności α = 0, 05 ; obie sopy silniej reagują na ujemne niż na dodanie odchylenia od ich relacji równowagi długookresowej 10 ; (c) w szeregach czasowych sopy krókiej ( n = 1, równanie II) dla wszyskich rozważanych par depozyów poza parą ( n,1) = ( 6,1) wysępują efeky ARCH do rzędu 6 włącznie; (d) sopa króka jes przyczyną w rozumieniu Grangera dla sopy długiej ylko dla pary depozyów o zapadalnościach 1 i 3 miesięcy; wysępowanie zależności odwronej swierdzam ylko dla pary depozyów o zapadalnościach 1 i 3 miesięcy oraz 1 i 6 miesięcy. Analiza wykresów 3 4 (prawych ich paneli), na kórych przedsawiam uogólnione odpowiedzi impulsowe w równaniach sopy długiej i krókiej dla pary depozyów o zapadalnościach 1 i 3 miesięcy, wyznaczone na podsawie modelu VECM z asymerycznym składnikiem koreky, wskazują na prawie zgodny z hipoezą (eorią) oczekiwań srukury erminowej sóp procenowych spadek (wzros) sopy długiej i krókiej w przyszłości w reakcji na wzros sopy krókiej (długiej) 11 oraz wysępowanie w obu rodzajach sóp procenowych silniejszych odpowiedzi na szoki w sopach długich niż szoki w sopach krókich. Podobne zależności, wyznaczone na podsawie modelu VECM z symerycznym składnikiem koreky, zaobserwowałem dla pozosałych par depozyów. 10 Wyniki sosownej procedury Auor udosępni na życzenie zaineresowanych Czyelników. 11 Spadek obu sóp w przyszłości jes poprzedzony chwilowym, nieznacznym ich wzrosem. Zakłócenia wywołane wzrosem sopy długiej nie mają rwałego charakeru.

8 34 PAWEŁ MIŁOBĘDZKI Z kolei w abeli 3 zesawiłem wyniki oceny jakości prognoz sopy długiej (równanie I) i krókiej (równanie II) na 3 i 6 okresów naprzód uzyskane meodą szkieleową (SK), boosrapową (BS) oraz na podsawie symulacji Mone Carlo (MC) na podsawie modelu VECM z symerycznym i asymerycznym składnikiem koreky. Prognozy e dla pary sóp o zapadalnościach 1 i 3 miesięcy zobrazowałem na wykresie 5. Analiza jakości prognoz w oparciu o klasyczne miary ex-pos dla pojedynczych zmiennych (obciążenie, błąd średniokwadraowy, uśredniony współczynnik zmienności) dowiodła, że prognozy na 3 okresy naprzód sóp procenowych dla depozyów o zapadalnościach 1 i 3 miesięcy są dokładniejsze, gdy uwzględnia się asymerię składnika koreky błędem. W przypadku pozosałych zapadalności dokładniejszymi prognozami okazały się być e, kóre wyznaczyłem w oparciu o sandardowy model VECM. Prognozy na 6 okresów naprzód sóp procenowych dla depozyów o zapadalnościach 1, 3 oraz 6 miesięcy wyznaczyłem dokładniej przy zasosowaniu modelu z asymerycznym składnikiem koreky błędem. Spośród wykorzysywanych meod prognozowania w warunkach asymerii najdokładniejsze prognozy uzyskałem sosując meodę naiwną. 4. PODSUMOWANIE Wyniki empiryczne badania nad srukurą erminową sóp procenowych na rynku międzybankowym w Polsce upoważniają do swierdzenia, że sopy króka i długa dla wszyskich rozważanych par sóp WIBOR zmieniały się w zasadzie zgodnie z przewidywaniami wynikającymi z hipoezy (eorii) oczekiwań srukury erminowej. Sopy e znajdowały się w długookresowej równowadze, a ich spredy wykazywały własności koinegrujące i prognosyczne. Sopy z krószego końca krzywej erminowej, j. sopy dla depozyów o zapadalnościach 1 i 3 miesięcy, odchylały się w krókim okresie od ich relacji równowagi długookresowej asymerycznie, przy czym silniej reagowały na ujemne odchylenia od relacji równowagi. Odchylenia sóp z dłuższego końca krzywej erminowej, j. sóp o zapadalnościach od 6 do 12 miesięcy, oraz sopy miesięcznej od ich relacji równowagi długookresowej były symeryczne. Bieżący wzros sopy krókiej (długiej) skukował spadkiem (wzrosem) sopy długiej i krókiej w przyszłości, przy czym spadki obu sóp poprzedzał ich chwilowy, nieznaczny wzros. Obie sopy procenowe silniej reagowały na szoki w sopach długich niż na szoki w sopach krókich. Prognozy na 3 okresy naprzód sóp procenowych dla depozyów o zapadalnościach 1 i 3 miesięcy okazały się dokładniejsze, gdy uwzględniałem asymerię składnika koreky błędem. W przypadku pozosałych zapadalności dokładniejszymi prognozami okazały się być e, kóre wyznaczyłem w oparciu o sandardowy model VECM. Z kolei prognozy na 6 okresów naprzód sóp procenowych dla depozyów o zapadalnościach 1, 3 oraz 6 miesięcy wyznaczyłem

9 Srukura erminowa sóp procenowych na rynku depozyów międzybankowych 35 dokładniej sosując model z asymerycznym składnikiem koreky błędem. Spośród wykorzysywanych meod prognozowania w warunkach asymerii najdokładniejsze prognozy uzyskałem sosując meodę naiwną. DODATEK m1 2000m1 2002m1 2004m1 2006m1 2008m1 1998m1 2000m1 2002m1 2004m1 2006m1 2008m1 1M 3M 3M-1M 1M 6M 6M-1M Wykres 1. Sopy WIBOR 1M, 3M, 6M oraz ich spredy Źródło: opracowanie własne m1 2002m1 2004m1 2006m1 2008m1 2000m1 2002m1 2004m1 2006m1 2008m1 1M 9M 9M-1M 1M 12M 12M-1M Wykres 2. Sopy WIBOR 1M, 9M i 12M oraz ich spredy Źródło: opracowanie własne. Tabela 1. Wyniki esów pierwiaska jednoskowego i sacjonarności n,1 k F 2 χ Premia AIC SBC Auo(12) 3,1 0 22,9530 0,6095 0, , ,3961 8,2504 6,1 0 14,5028 1,5892-0, , , ,6340 9,1 0 5,6835 2,0762 0, , , , ,1 0 6,0330 3,7919 0, , , ,2154 Warości kryyczne saysyki F Endersa-Grangera: F 0,05 = 6,06 i F 0,1 = 5,08 ( n = 100, rząd augmenacji k = 0 ), zob. Enders (2001), abl. 1; warości kryyczne 2 0,05 ( ) 2 0,1 ( ) 2 ( ) 0, ,03 2 ( ) 0, ,55 Źródło: obliczenia własne.

10 36 PAWEŁ MIŁOBĘDZKI M 1M 3M 1M Wykres 3. Impuls uogólniony w równaniu sopy WIBOR 3M (model symeryczny lewy i asymeryczny prawy panel) Źródło: opracowanie własne M 1M 3M 1M Wykres 4. Impuls uogólniony w równaniu sopy WIBOR 1M (model symeryczny lewy i asymeryczny prawy panel) Źródło: opracowanie własne M V B MC SK 1M V B MC SK Wykres 5. Prognoza sóp WIBOR 3M (lewy) i 1M (prawy panel) Źródło: opracowanie własne.

11 Tabela 2. Charakerysyka modeli VECM VECM Symeryczny Asymeryczny Spred n,1 3,1 6,1 9,1 12,1 3,1 6,1 9,1 12,1 VAR p Premia 0,0020-0,0032 0,0044 0,0077 0,0020-0,0032 0,0044 0,0077 LL 913, , , , , , , ,2486 AIC 901, , , , , , , ,2486 SBC 885, , , , , , , ,5744 Równ I Auo(12) 15, ,3809 9,2423 9,4160 8, ,2696 9,1595 9,3133 ARCH(6) 5, ,597 3,2595 1,5550 2,2492 9,9950 2,4594 1,5245 Whie 1,2182 1,2875 0,0337 0,0128 0,0032 0,9252 0,1353 0,0212 Gr(1 n ) 2,2356 3,7273 0,0678 2,3001 6,8516 3,7996 0,0920 2,1442 Równ II Auo(12) 18, , , , , , , ,1374 ARCH(6) 16,5860 4, , , ,936 5, , ,1430 Whie 2, , , ,5513 9, , , ,0059 Gr( n 1) 7,6325 7,1378 0,0094 0,8757 7,6806 7,5256 0,0496 0,7336 Wald 15,6376 0,1197 2,9484 1,0239 n,1 model; p rząd opóźnienia w modelu VAR; LL, AIC, SBC sysemowe warości logarymicznej funkcji wiarygodności, kryeriów informacyjnych Akaike i Schwarza-Bayesa, Auo(r), ARCH(r) sayski LM na auokorelację rzędu r i efeky ARCH rzędu r [rozkł. χ 2 () r ]; Whie saysyka Whie a na heeroskedasyczność; Gr es Walda (przyczynowość w rozumieniu Grangera), [rozkł. χ 2 ( p 1) ], (1 n ) kierunek oddziaływania; Wald es Walda (równość efeków oddziaływania dodanich i ujemnych odchyleń od relacji równowagi długookresowej na przyrosy długich i krókich sóp WIBOR), [rozkł. χ 2 (1) ]; oceny saysyk podane grubą czcionką isoność na poziomie isoności α = 0,05. Źródło: obliczenia własne.

12 Tabela 3. Własności prognosyczne modeli VECM i TVECM Prognoza Miernik VECM SK Symeryczny Asymeryczny n, I Obc 0,0016-0,0008-0,0013-0,0018-0,0013-0,0009-0,0018-0,0020 RMSE 0,0021 0,0016 0,0019 0,0023 0,0015 0,0016 0,0023 0,0025 Theil% 3,7071 2,6723 3,1592 3,7803 2,5659 2,7028 3,7253 4,0270 II Obc 0,0008-0,0029-0,0022-0,0017-0,0012-0,0029-0,0026-0,0019 RMSE 0,0014 0,0031 0,0024 0,0018 0,0017 0,0031 0,0027 0,0020 Theil% 2,5801 5,6064 4,3343 3,1762 2,9835 5,6235 4,8957 3,5692 I Obc 0,0053 0,0012 0,0000-0,0009-0,0017 0,0010-0,0012-0,0013 RMSE 0,0067 0,0026 0,0017 0,0017 0,0019 0,0024 0,0017 0,0018 Theil% 11,0278 4,0888 2,6446 2,6053 3,0873 3,8695 2,6213 2,8478 II Obc 0,0041-0,0011-0,0010-0,0007-0,0015-0,0011-0,0019-0,0010 RMSE 0,0054 0,0023 0,0017 0,0013 0,0020 0,0023 0,0021 0,0014 Theil% 9,2737 3,9013 2,9314 2,2079 3,3760 3,8828 3,5613 2,4384 Prognoza Miernik BS MC Asymeryczny Asymeryczny n, I Obc 0,0002-0,0009-0,0021-0,0020-0,0003-0,0008-0,0016-0,0019 RMSE 0,0018 0,0017 0,0026 0,0024 0,0015 0,0017 0,0022 0,0024 Theil% 3,0835 2,7506 4,1986 3,9246 2,5782 2,7741 3,6667 3,9273 II Obc -0,0007-0,0030-0,0029-0,0017-0,0007-0,0029-0,0025-0,0019 RMSE 0,0023 0,0032 0,0030 0,0018 0,0015 0,0032 0,0026 0,0019 Theil% 4,1007 5,8747 5,4715 3,2447 2,7404 5,7742 4,7411 3,4756 I Obc 0,0054 0,0017-0,0006-0,0013 0,0056 0,0013 0,0009-0,0090 RMSE 0,0080 0,0031 0,0019 0,0019 0,0087 0,0027 0,0029 0,0017 Theil% 13,2492 5,0045 3,0199 2, ,3740 4,3632 4,6220 2,7236 II Obc 0,0035-0,0009-0,0015-0,0009 0,0040 0,0010-0,0004-0,0007 RMSE 0,0060 0,0025 0,0021 0,0015 0,0065 0,0023 0,0022 0,0014 Theil% 10,2472 4,2593 3,6060 2, ,1190 3,9580 3,7323 2,3826 Źródło: obliczenia własne. Horyz 3 miesiące 6 miesięcy Horyz 3 miesiące 6 miesięcy Równ Równ

13 Srukura erminowa sóp procenowych na rynku depozyów międzybankowych 39 LITERATURA Blangiewicz M., Miłobędzki P. (2009), The Raional Expecaions Hypohesis of he Term Srucure a he Polish Inerbank Marke,,,Przegląd Saysyczny, nr 1, s Campbell J.Y., Shiller R.J. (1991), Yield Spreads and Ineres Raes Movemens: A Bird s Eye View,,,Review of Economic Sudies,. 58, s Caner M., Hansen B.E. (2001), Threshold auoregression wih a uni roo,,,economerica,. 69, s Chan K.S. (1993), Consisency and Limiing Disribuion of he Leas Squares Esimaor of a Threshold Auoregressive Model,,,Annals of Saisics,. 21, s Cheung Y.-W., Lai K.S. (1995), Lag Order and Criical Values of he Augmened Dickey-Fuller Tes,,,Journal of Business and Economic Saisics,. 13, s Clemens M.P., Smih J. (1997), The performance of alernaive forecasing mehods for SETAR models,,,inernaional Journal of Forecasing,. 13, s Cuhberson K., Nizsche D. (2003), Long Raes, Risk Premia and Over-reacion Hypohesis,,,Economic Modelling,. 20, s De Gooijer J.G., Vidiella-i-Anguera A. (2004), Forecasing hreshold coinegraed sysems,,,inernaional Journal of Forecasing,. 20, s Dickey D.A., Fuller W.A. (1981), Likelihood Raio Saisics for Auoregressive Time Series Models: Tess and Implicaions. American Saisician,. 40, s Enders W. (2001), Improved criical values for he Enders-Granger uni-roo es,,,applied Economic Leers,. 8, s Enders W., Granger C.W.J. (1998), Uni Roo Tess and Asymmeric Adjusmen wih an Example Using he Term Srucure of Ineres Raes,,,Journal of Business and Economic Saisics,. 16, s Enders W., Siklos P.L. (2001), Coinegraion and Threshold Adjusmen,,,Journal of Business and Economic Saisics,. 19, s Engle R.F., Granger C.W.J. (1987), Coinegraion and Error Correcion Represenaion. Esimaion and Tesing,,,Economerica,. 55, s Fisher I. (1886), Appreciaion and Ineres,,,Publicaions of he American Economic Associaion,. 11, s , Fisher I. (1930), The Theory of Ineres, MacMillan, London. Hobijn B., Franses P., Ooms M. (1998), Generalizaions of he KPSS-es for Saionariy, Economeric Insiue, Erasmus Universiy Roerdam, Repor 9802/A. Hurn A.S., Moody T., Muscaelli V.A. (1995), The Term Srucure of Ineres Raes in he London Inerbank Marke,,,Oxford Economic Papers,. 47, s Koop G., Pesaran M.H., Poer S.M. (1995), Impulse response in nonlinear mulivariae models,,,journal of Economerics,. 74, s Kwiakowski D., Phillips P.C.B., Schmid P., Shin Y. (1992), Tesing he null hypohesis of saionariy agains he alernaive of a uni roo,,,journal of Economerics,. 54, s Luz F.A. (1940), The Srucure of Ineres Raes,,,Quarerly Journal of Economics,. 55, s Pesaran M.H., Pesaran B. (1997), Microfi 4.0, Oxford Universiy Press, Oxford. Regulamin fixingu sawek WIBOR i WIBID (2004), Polskie Sowarzyszenie Dealerów Bankowych Forex Polska, Warszawa. Sims C. (1980), Macroeconomics and realiy,,,economerica,. 48, s Tong H. (1983), Threshold Models in Non-Linear Time Series Analysis, Springer Verlag, NewYork. Tzavalis E., Wickens M. (1998), A Re-Examinaion of he Raional Expecaions Hypohesis of he Term Srucure: Reconciling he Evidence from Long-Run and Shor-Run Tess,,,Inernaional Journal of Finance and Economics,. 3, s

14 40 PAWEŁ MIŁOBĘDZKI THE TERM STRUCTURE OF THE POLISH INTERBANK RATES. A NOTE ON THE SYMMETRY OF THEIR REVERSION TO THE MEAN A b s r a c. The empirical analysis of he erm srucure of he Polish inerbank raes has revealed ha he shor and he long raes from he whole specrum of mauriies have evolved almos accordingly o he expecaions hypohesis. They have exhibied common sochasic rends, heir spreads have had coinegraing properies as well as much predicive power. Off all WI- BORs considered i is only a 3 monh rae ha has asymmerically been revering o he mean. K e y w o r d s: erm srucure of ineres raes, expecaions hypohesis, asymmeric adjusmen, TVECM, Polish inerbank marke, Warsaw Inerbank Offered Raes.

DYNAMICZNE MODELE EKONOMETRYCZNE

DYNAMICZNE 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 szczegółowo

Jacek Kwiatkowski Magdalena Osińska. Procesy zawierające stochastyczne pierwiastki jednostkowe identyfikacja i zastosowanie.

Jacek 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 szczegółowo

Stanisław Cichocki Natalia Nehrebecka. Wykład 4

Stanisław 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 szczegółowo

Stanisław Cichocki Natalia Nehrebecka. Wykład 3

Stanisław 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 szczegółowo

ANALIZA POWIĄZAŃ MIĘDZY INDEKSAMI GIEŁDY FRANCUSKIEJ, HOLENDERSKIEJ I BELGIJSKIEJ Z WYKORZYSTANIEM MODELU KOREKTY BŁĘDEM

ANALIZA 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 szczegółowo

EKONOMETRIA wykład 2. Prof. dr hab. Eugeniusz Gatnar.

EKONOMETRIA 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 szczegółowo

DYNAMICZNE MODELE EKONOMETRYCZNE

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 szczegółowo

Stanisław Cichocki Natalia Nehrebecka. Wykład 3

Stanisław 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 szczegółowo

DYNAMICZNE MODELE EKONOMETRYCZNE

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 szczegółowo

Studia Ekonomiczne. Zeszyty Naukowe Uniwersytetu Ekonomicznego w Katowicach ISSN 2083-8611 Nr 219 2015

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 szczegółowo

Klasyfikacja modeli. Metoda najmniejszych kwadratów

Klasyfikacja 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 szczegółowo

Integracja zmiennych Zmienna y

Integracja 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 szczegółowo

Ryzyko stopy procentowej. Struktury stóp procentowych. Konwersje

Ryzyko stopy procentowej. Struktury stóp procentowych. Konwersje Ryzyko sopy procenowej. Srukury sóp procenowych. Konwersje. Definicja sopy procenowej. Definicja pieniądza.. Pojęcie sopy wolnej od ryzyka. Sopy NBP. 3. Sopy na rynku depozyów międzybankowych. 4. Srukura

Bardziej szczegółowo

Magdalena Sokalska Szkoła Główna Handlowa. Modelowanie zmienności stóp zwrotu danych finansowych o wysokiej częstotliwości

Magdalena 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 szczegółowo

Niestacjonarne zmienne czasowe własności i testowanie

Niestacjonarne 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 szczegółowo

specyfikacji i estymacji modelu regresji progowej (ang. threshold regression).

specyfikacji 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 szczegółowo

Parytet stóp procentowych a premia za ryzyko na przykładzie kursu EURUSD

Parytet 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 szczegółowo

ESTYMACJA KRZYWEJ DOCHODOWOŚCI STÓP PROCENTOWYCH DLA POLSKI

ESTYMACJA 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 szczegółowo

DYNAMICZNE MODELE EKONOMETRYCZNE

DYNAMICZNE 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 szczegółowo

licencjat Pytania teoretyczne:

licencjat Pytania teoretyczne: Plan wykładu: 1. Wiadomości ogólne. 2. Model ekonomeryczny i jego elemeny 3. Meody doboru zmiennych do modelu ekonomerycznego. 4. Szacownie paramerów srukuralnych MNK. Weryfikacja modelu KMNK 6. Prognozowanie

Bardziej szczegółowo

PROGNOZOWANIE I SYMULACJE. mgr Żaneta Pruska. Ćwiczenia 2 Zadanie 1

PROGNOZOWANIE 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 szczegółowo

KRZYSZTOF JAJUGA Katedra Inwestycji Finansowych i Zarządzania Ryzykiem Akademia Ekonomiczna we Wrocławiu 25 LAT EKONOMETRII FINANSOWEJ

KRZYSZTOF 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 szczegółowo

MAKROEKONOMIA 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 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 szczegółowo

MAKROEKONOMIA 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 MAKROEKONOMIA 2 Wykład 3. Dynamiczny model DAD/DAS, część 2 Dagmara Mycielska Joanna Siwińska - Gorzelak ( ) ( ) ( ) E i E E i r r ν φ θ θ ρ ε ρ α 1 1 1 ) ( R. popyu R. Fishera Krzywa Phillipsa Oczekiwania

Bardziej szczegółowo

WNIOSKOWANIE STATYSTYCZNE

WNIOSKOWANIE 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 szczegółowo

PROGNOZOWANIE. Ćwiczenia 2. mgr Dawid Doliński

PROGNOZOWANIE. 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 szczegółowo

POWIĄZANIA POMIĘDZY KRÓTKOOKRESOWYMI I DŁUGOOKRESOWYMI STOPAMI PROCENTOWYMI W POLSCE

POWIĄZANIA 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 szczegółowo

Ocena efektywności procedury Congruent Specyfication dla małych prób

Ocena 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 szczegółowo

Kombinowanie prognoz. - dlaczego należy kombinować prognozy? - obejmowanie prognoz. - podstawowe metody kombinowania prognoz

Kombinowanie 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 szczegółowo

DYNAMICZNE MODELE EKONOMETRYCZNE

DYNAMICZNE 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 szczegółowo

TESTOWANIE EGZOGENICZNOŚCI ZMIENNYCH W MODELACH EKONOMETRYCZNYCH

TESTOWANIE 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 szczegółowo

UMK w Toruniu ANALIZA ZALEŻNOŚCI MIĘDZY INDEKSEM WIG A WYBRANYMI INDEKSAMI RYNKÓW AKCJI NA ŚWIECIE

UMK 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 szczegółowo

Elżbieta Szulc Uniwersytet Mikołaja Kopernika w Toruniu. Modelowanie zależności między przestrzennoczasowymi procesami ekonomicznymi

Elżbieta 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 szczegółowo

MAKROEKONOMIA 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 MAKROEKONOMIA 2 Wykład 3. Dynamiczny model DAD/DAS, część 2 Dagmara Mycielska Joanna Siwińska - Gorzelak E i E E i r r 1 1 1 ) ( R. popyu R. Fishera Krzywa Phillipsa Oczekiwania Reguła poliyki monearnej

Bardziej szczegółowo

Witold Orzeszko Uniwersytet Mikołaja Kopernika w Toruniu. Własności procesów STUR w świetle metod z teorii chaosu 1

Witold 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 szczegółowo

Analiza rynku projekt

Analiza 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 szczegółowo

Analiza szeregów czasowych w Gretlu (zajęcia 8)

Analiza 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 szczegółowo

PROGNOZOWANIE I SYMULACJE EXCEL 2 PROGNOZOWANIE I SYMULACJE EXCEL AUTOR: ŻANETA PRUSKA

PROGNOZOWANIE 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 szczegółowo

WYCENA KONTRAKTÓW FUTURES, FORWARD I SWAP

WYCENA 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 szczegółowo

1. Szereg niesezonowy 1.1. Opis szeregu

1. 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 szczegółowo

Modelowanie i analiza szeregów czasowych

Modelowanie 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 szczegółowo

PROGNOZOWANIE I SYMULACJE EXCEL 2 AUTOR: MARTYNA MALAK PROGNOZOWANIE I SYMULACJE EXCEL 2 AUTOR: MARTYNA MALAK

PROGNOZOWANIE 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 szczegółowo

Ewa Dziawgo Uniwersytet Mikołaja Kopernika w Toruniu. Analiza wrażliwości modelu wyceny opcji złożonych

Ewa 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 szczegółowo

Analiza związku pomiędzy cenami i pieniądzem w gospodarce polskiej na podstawie modelu Π*

Analiza związku pomiędzy cenami i pieniądzem w gospodarce polskiej na podstawie modelu Π* Michał Brzoza-Brzezina, Jacek Kołowski 1 Analiza związku pomiędzy cenami i pieniądzem w gospodarce polskiej na podsawie modelu Π* W ramach przekszałconej do posaci przyrosowej wersji modelu P-sar, auorzy

Bardziej szczegółowo

MAKROEKONOMIA 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 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 szczegółowo

E 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 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 szczegółowo

Prognozowanie średniego miesięcznego kursu kupna USD

Prognozowanie 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 szczegółowo

KURS EKONOMETRIA. Lekcja 1 Wprowadzenie do modelowania ekonometrycznego ZADANIE DOMOWE. Strona 1

KURS 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 szczegółowo

Wykład 6. Badanie dynamiki zjawisk

Wykład 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 szczegółowo

DYNAMICZNE MODELE EKONOMETRYCZNE

DYNAMICZNE MODELE EKONOMETRYCZNE DYNAMICZNE MODELE EKONOMETRYCZNE X Ogólnopolskie Seminarium Naukowe, 4 6 września 2007 w Toruniu Kaedra Ekonomerii i Saysyki, Uniwersye Mikołaja Kopernika w Toruniu Anna Krauze Uniwersye Warmińsko-Mazurski

Bardziej szczegółowo

Heteroskedastyczność szeregu stóp zwrotu a koncepcja pomiaru ryzyka metodą VaR

Heteroskedastyczność 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 szczegółowo

ANALIZA, PROGNOZOWANIE I SYMULACJA / Ćwiczenia 1

ANALIZA, PROGNOZOWANIE I SYMULACJA / Ćwiczenia 1 ANALIZA, PROGNOZOWANIE I SYMULACJA / Ćwiczenia 1 mgr inż. Żanea Pruska Maeriał opracowany na podsawie lieraury przedmiou. Zadanie 1 Firma Alfa jes jednym z głównych dosawców firmy Bea. Ilość produku X,

Bardziej szczegółowo

Witold Orzeszko Uniwersytet Mikołaja Kopernika w Toruniu

Witold 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 szczegółowo

Alicja Ganczarek Akademia Ekonomiczna w Katowicach. Analiza niezależności przekroczeń VaR na wybranym segmencie rynku energii

Alicja 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 szczegółowo

Krzysztof Piontek Weryfikacja modeli Blacka-Scholesa dla opcji na WIG20

Krzysztof 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 szczegółowo

MODELOWANIE FINANSOWYCH SZEREGÓW CZASOWYCH Z WARUNKOWĄ WARIANCJĄ. 1. Wstęp

MODELOWANIE 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 szczegółowo

DYNAMIKA KONSTRUKCJI

DYNAMIKA 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 szczegółowo

Porównanie jakości nieliniowych modeli ekonometrycznych na podstawie testów trafności prognoz

Porównanie 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 szczegółowo

Modelowanie systemów skointegrowanych. Aspekty teoretyczne

Modelowanie 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 szczegółowo

MODELOWANIE KURSÓW WALUTOWYCH NA PRZYKŁADZIE MODELI KURSÓW RÓWNOWAGI ORAZ ZMIENNOŚCI NA RYNKU FOREX

MODELOWANIE 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 szczegółowo

DYNAMICZNE MODELE EKONOMETRYCZNE

DYNAMICZNE 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 szczegółowo

C d u. Po podstawieniu prądu z pierwszego równania do równania drugiego i uporządkowaniu składników lewej strony uzyskuje się:

C 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 szczegółowo

Jerzy Czesław Ossowski Politechnika Gdańska. Dynamika wzrostu gospodarczego a stopy procentowe w Polsce w latach

Jerzy 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 szczegółowo

DYNAMICZNE MODELE EKONOMETRYCZNE

DYNAMICZNE 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 szczegółowo

STATYSTYCZNA WERYFIKACJA MODELU CAPM NA PRZYKŁADZIE POLSKIEGO RYNKU KAPITAŁOWEGO WPROWADZENIE METODOLOGIA TESTOWANIA MODELU

STATYSTYCZNA 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 szczegółowo

Krzysztof Jajuga Akademia Ekonomiczna we Wrocławiu. Modelowanie stóp procentowych a narzędzia ekonometrii finansowej

Krzysztof 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 szczegółowo

Krzysztof Piontek MODELOWANIE ZMIENNOŚCI STÓP PROCENTOWYCH NA PRZYKŁADZIE STOPY WIBOR

Krzysztof Piontek MODELOWANIE ZMIENNOŚCI STÓP PROCENTOWYCH NA PRZYKŁADZIE STOPY WIBOR Inwesycje finansowe i ubezpieczenia endencje świaowe a rynek polski Krzyszof Pionek Akademia Ekonomiczna we Wrocławiu MODELOWANIE ZMIENNOŚCI STÓP PROCENTOWYCH NA PRZYKŁADZIE STOPY WIBOR Wsęp Konieczność

Bardziej szczegółowo

ZESZYTY NAUKOWE UNIWERSYTETU SZCZECIŃSKIEGO NR 768 FINANSE, RYNKI FINANSOWE, UBEZPIECZENIA NR 63 2013

ZESZYTY NAUKOWE UNIWERSYTETU SZCZECIŃSKIEGO NR 768 FINANSE, RYNKI FINANSOWE, UBEZPIECZENIA NR 63 2013 ZESZYTY NAUKOWE UNIWERSYTETU SZCZECIŃSKIEGO NR 768 FINANSE, RYNKI FINANSOWE, UBEZPIECZENIA NR 63 2013 MAŁGORZATA BOŁTUĆ Uniwersye Ekonomiczny we Wrocławiu ZALEŻNOŚĆ POMIĘDZY RYNKIEM SWAPÓW KREDYTOWYCH

Bardziej szczegółowo

Metody badania wpływu zmian kursu walutowego na wskaźnik inflacji

Metody 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 szczegółowo

Matematyka ubezpieczeń majątkowych r. ma złożony rozkład Poissona. W tabeli poniżej podano rozkład prawdopodobieństwa ( )

Matematyka 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 szczegółowo

Efekty agregacji czasowej szeregów finansowych a modele klasy Sign RCA

Efekty 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 szczegółowo

Zarządzanie ryzykiem. Lista 3

Zarządzanie ryzykiem. Lista 3 Zaządzanie yzykiem Lisa 3 1. Oszacowano nasępujący ozkład pawdopodobieńswa dla sóp zwou z akcji A i B (Tabela 1). W chwili obecnej Akcja A ma waość ynkową 70, a akcja B 50 zł. Ile wynosi pięciopocenowa

Bardziej szczegółowo

EFEKT DŹWIGNI NA GPW W WARSZAWIE WPROWADZENIE

EFEKT 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 szczegółowo

Pobieranie próby. Rozkład χ 2

Pobieranie 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 szczegółowo

Wykład 6. Badanie dynamiki zjawisk

Wykład 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 szczegółowo

FOLIA POMERANAE UNIVERSITATIS TECHNOLOGIAE STETINENSIS Folia Pomer. Univ. Technol. Stetin., Oeconomica 2015, 323(81)4,

FOLIA POMERANAE UNIVERSITATIS TECHNOLOGIAE STETINENSIS Folia Pomer. Univ. Technol. Stetin., Oeconomica 2015, 323(81)4, FOLIA POMERANAE UNIVERSITATIS TECHNOLOGIAE STETINENSIS Folia Pomer. Univ. Technol. Sein., Oeconomica 205, 323(8)4, 25 32 Joanna PERZYŃSKA WYBRANE MIERNIKI TRAFNOŚCI PROGNOZ EX POST W WYZNACZANIU PROGNOZ

Bardziej szczegółowo

Politechnika Częstochowska Wydział Inżynierii Mechanicznej i Informatyki. Sprawozdanie #2 z przedmiotu: Prognozowanie w systemach multimedialnych

Politechnika 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 szczegółowo

PREDYKCJA KURSU EURO/DOLAR Z WYKORZYSTANIEM PROGNOZ INDEKSU GIEŁDOWEGO: WYBRANE MODELE EKONOMETRYCZNE I PERCEPTRON WIELOWARSTWOWY

PREDYKCJA 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 szczegółowo

DYNAMICZNE MODELE EKONOMETRYCZNE

DYNAMICZNE MODELE EKONOMETRYCZNE 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 Empiryczna

Bardziej szczegółowo

Metody prognozowania: Szeregi czasowe. Dr inż. Sebastian Skoczypiec. ver Co to jest szereg czasowy?

Metody 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 szczegółowo

Bayesowskie porównanie modeli STUR i GARCH w finansowych szeregach czasowych 1

Bayesowskie 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 szczegółowo

OeconomiA copernicana. Małgorzata Madrak-Grochowska, Mirosława Żurek Uniwersytet Mikołaja Kopernika w Toruniu

OeconomiA 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 szczegółowo

Daniel Papla Akademia Ekonomiczna we Wrocławiu. Wykorzystanie modelu DCC-MGARCH w analizie zmian zależności wybranych akcji GPW w Warszawie

Daniel 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 szczegółowo

Dynamiczne zależności na polskim rynku pracy w metodologii SVECM

Dynamiczne zależności na polskim rynku pracy w metodologii SVECM 11 Baromer Regionalny Nr 1(19) 21 Dynamiczne zależności na polskim rynku pracy w meodologii SVECM Rober Paer Wyższa Szkoła Informayki i Zarządzania w Rzeszowie Sreszczenie: W arykule dokonano analizy dynamicznych

Bardziej szczegółowo

WYBRANE TESTY NIEOBCIĄŻONOŚCI MIAR RYZYKA NA PRZYKŁADZIE VALUE AT RISK

WYBRANE 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 szczegółowo

A C T A U N I V E R S I T A T I S L O D Z I E N S I S FOLIA OECONOMICA 293, 2013

A C T A U N I V E R S I T A T I S L O D Z I E N S I S FOLIA OECONOMICA 293, 2013 A C T A U N I V E R S I T A T I S L O D Z I E N S I S FOLIA OECONOMICA 293, 2013 Maria Klonowska-Maynia *, Grzegorz Przekoa ** ASYMETRYCZNE REAKCJE WYNAGRODZEŃ NA ZMIANY STOPY BEZROBOCIA 1. WSTĘP Problemy

Bardziej szczegółowo

Natalia Iwaszczuk, Piotr Drygaś, Piotr Pusz, Radosław Pusz PROGNOZOWANIE GOSPODARCZE

Natalia 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 szczegółowo

( ) ( ) ( τ) ( t) = 0

( ) ( ) ( τ) ( t) = 0 Obliczanie wraŝliwości w dziedzinie czasu... 1 OBLICZANIE WRAśLIWOŚCI W DZIEDZINIE CZASU Meoda układu dołączonego do obliczenia wraŝliwości układu dynamicznego w dziedzinie czasu. Wyznaczane będą zmiany

Bardziej szczegółowo

Statystyka od podstaw z systemem SAS Dr hab. E. Frątczak, ZAHZiAW, ISiD, KAE. Część VII. Analiza szeregu czasowego

Statystyka 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 szczegółowo

2.1 Zagadnienie Cauchy ego dla równania jednorodnego. = f(x, t) dla x R, t > 0, (2.1)

2.1 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 szczegółowo

Transakcje insiderów a ceny akcji spółek notowanych na Giełdzie Papierów Wartościowych w Warszawie S.A.

Transakcje 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 szczegółowo

MODELOWANIE EFEKTU DŹWIGNI W FINANSOWYCH SZEREGACH CZASOWYCH

MODELOWANIE 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 szczegółowo

Zależności między cenami kontraktów terminowych na miedź na Giełdzie Kontraktów Terminowych w Szanghaju

Zależności między cenami kontraktów terminowych na miedź na Giełdzie Kontraktów Terminowych w Szanghaju Zarządzanie i Finanse Journal of Managemen and Finance Vol. 13, No. 4/2/2015 Mara Chylińska* Paweł Miłobędzki** Zależności między cenami konraków erminowych na miedź na Giełdzie Konraków Terminowych w

Bardziej szczegółowo

Metody analizy i prognozowania szeregów czasowych

Metody analizy i prognozowania szeregów czasowych Meody analizy i prognozowania szeregów czasowych Wsęp 1. Modele szeregów czasowych 2. Modele ARMA i procedura Boxa-Jenkinsa 3. Modele rendów deerminisycznych i sochasycznych 4. Meody dekompozycji szeregów

Bardziej szczegółowo

OPTYMALIZACJA PORTFELA INWESTYCYJNEGO ZE WZGLĘDU NA MINIMALNY POZIOM TOLERANCJI DLA USTALONEGO VaR

OPTYMALIZACJA 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 szczegółowo

Ocena płynności wybranymi metodami szacowania osadu 1

Ocena 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 szczegółowo

WYKORZYSTANIE STATISTICA DATA MINER DO PROGNOZOWANIA W KRAJOWYM DEPOZYCIE PAPIERÓW WARTOŚCIOWYCH

WYKORZYSTANIE 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 szczegółowo

Ekonometryczne modele nieliniowe

Ekonometryczne modele nieliniowe Eonomeryczne modele nieliniowe Wyład Doromił Serwa Zajęcia Wyład Laoraorium ompuerowe Prezenacje Zaliczenie EGZAMI 50% a egzaminie oowiązują wszysie informacje przeazane w czasie wyładów np. slajdy. Aywność

Bardziej szczegółowo

Stanisław Cichocki Natalia Nehrebecka. Wykład 5

Stanisław Cichocki Natalia Nehrebecka. Wykład 5 Sanisław Cichocki Naalia Nehrebecka Wkład 5 . Proces AR 2. Proces MA 3. Modele ARMA 4. Prognozowanie za pomocą modelu ARMA 2 . Proces AR 2. Proces MA 3. Modele ARMA 4. Prognozowanie za pomocą modelu ARMA

Bardziej szczegółowo

dr Bartłomiej Rokicki Katedra Makroekonomii i Teorii Handlu Zagranicznego Wydział Nauk Ekonomicznych UW

dr Bartłomiej Rokicki Katedra Makroekonomii i Teorii Handlu Zagranicznego Wydział Nauk Ekonomicznych UW Kaedra Makroekonomii i Teorii Handlu Zagranicznego Wydział Nauk Ekonomicznych UW Sposoby usalania płac w gospodarce Jednym z głównych powodów, dla kórych na rynku pracy obserwujemy poziom bezrobocia wyższy

Bardziej szczegółowo