Przyczyny wahań realnego kursu walutowego w Polsce wyniki badań z wykorzystaniem bayesowskich strukturalnych modeli VAR
|
|
- Maja Leszczyńska
- 7 lat temu
- Przeglądów:
Transkrypt
1
2 Przyczyny wahań realnego kursu walutowego w Polsce wyniki badań z wykorzystaniem bayesowskich strukturalnych modeli VAR dr Marek A. Dąbrowski Uniwersytet Ekonomiczny w Krakowie Katedra Makroekonomii marek.dabrowski@uek.krakow.pl dr Justyna Wróblewska Uniwersytet Ekonomiczny w Krakowie Katedra Ekonometrii i Badań Operacyjnych eowroble@cyf-kr.edu.pl Artykuł powstał w ramach realizacji projektu sfinansowanego ze środków Narodowego Centrum Nauki przyznanych na podstawie decyzji numer DEC-2012/07/B/HS4/00723.
3 Plan wystąpienia Wprowadzenie i cel badawczy Makroekonomiczny model gospodarki otwartej Reakcje na wstrząsy strukturalne Opis metody badawczej Dane i rozkłady a priori Wyniki empiryczne Podsumowanie
4 Wprowadzenie i cel badań Dwie role kursu walutowego: jako źródło wstrząsów jako amortyzator wstrząsów Cel: ustalenie przyczyn fluktuacji realnego kursu walutowego złotego w latach Wcześniejsze opracowania: Clarida i Galí (1994): Kanada, Japonia, Niemcy, W. Brytania; (kwartalne), trzy wstrząsy Farrant i Peersman (2005): Kanada, Japonia, strefa euro, W. Brytania, (kwartalne) Artis i Ehrmann (2006): Dania, Kanada, Szwecja i W. Brytania, (miesięczne), pięć wstrząsów Bjørnland (2009): Australia, Kanada, N. Zelandia i Szwecja, (kwartalne), pięć wstrząsów
5 Kurs złotego jako amortyzator/źródło wstrząsów Borowski (2007): realny efektywny kurs złotego słabo reagował na sytuację w sferze realnej, a jego zmiany były źródłem wstrząsów dla polskiej gospodarki Raport NBP (2009) i opracowania cząstkowe: chociaż kurs złotego stanowi mechanizm absorbujący szoki realne, to nie należy postrzegać rezygnacji z niezależnej polityki walutowej wyłącznie w kategoriach wyrzeczenia się możliwości wykorzystania zmienności kursu walutowego jako amortyzatora niekorzystnych dla gospodarki wstrząsów [ponieważ daje ona] szansę uniknięcia kosztów, jakie pociągają za sobą duże wahania nominalnego kursu walutowego, niezwiązane z czynnikami fundamentalnymi Stążka-Gawrysiak (2009): nominalny kurs złotego pełnił rolę amortyzatora wstrząsów rozszerzenie próbki na okres światowego kryzysu finansowego skutkowało zwiększeniem znaczenia wstrząsów finansowych; ich udział w objaśnianiu zmienności tak nominalnego, jak i realnego kursu walutowego pozostawał jednak na bardzo niskim poziomie (w krótkim okresie od 2,9% do 4,4%)
6 Model strukturalny (Clarida i Galí, 1994) Makroekonomiczny: krzywe IS i LM Gospodarka otwartej: warunek UIP Lepkość cen: równanie dostosowania cen (PS) Racjonalne oczekiwania Stochastyczny: wstrząsy podażowe, popytowe i pieniężne Zmienne: różnica między zmienną krajową, a zagraniczną (logarytm, z wyjątkiem stóp procentowych)
7 Strona stochastyczna (Clarida i Galí, 1994) Trzy procesy stochastyczne opisują: podaż zagregowaną, zaburzenia popytowe, zasób pieniądza Modelowane jako błądzenie losowe (komponent trwały) Dodatkowo komponent przejściowy w zaburzeniu popytowym Trzy wstrząsy strukturalne: podażowe, popytowe i pieniężne wartości oczekiwane zero stałe (niekoniecznie równe) wariancje nieskorelowane
8 Rozszerzenie modelu Premia za ryzyko i zaburzenia finansowe Strona stochastyczna dodatkowo wstrząs finansowy Realny kurs walutowy (RKW): Dekompozycja RKW (zob. np. Betts i Kehoe, 2008)
9 Model rozszerzony Równania podstawowe Procesy stochastyczne podaż zagregowana zaburzenia popytowe zasób pieniądza premia za ryzyko
10 Zmienne w modelu Podstawowe zmienne endogeniczne: Pozostałe zmienne endogeniczne: Wstrząsy strukturalne:
11 Długookresowe reakcje na wstrząsy strukturalne Zmienna Wstrząs podażowy popytowy finansowy Pieniężny Produkcja Ceny względne dóbr typu N 0 0 Realny kurs walutowy dla dóbr T + 0 Poziom cen Uwagi: + oznacza wzrost, oznacza spadek, 0 oznacza brak zmian. Źródło: opracowanie własne.
12 Strukturalny model wektorowej autoregresji à la Blanchard i Quah Rozważmy n-wymiarowy kowariancyjnie stacjonarny proces VAR(k): Zgodnie z twierdzeniem Wolda proces ten ma następującą reprezentację VMA: gdzie parametryφ i są funkcjami parametrów A i procesu VAR. Naszym celem jest wyznaczenie strukturalnej postaci VMA:
13 Strukturalny model wektorowej autoregresji à la Blanchard i Quah Innowacje występujące w zredukowanej postaci VMA są liniową kombinacją wstrząsów strukturalnych, a więc istnieje nieosobliwa macierz S taka, że u t = Sε t, czyli: Dla identyfikacji wstrząsów strukturalnych należy zatem oszacować macierz C 0 (n n) potrzebujemy n 2 restrykcji identyfikujących. Z założeń Var(u t ) = Σ U, Var(ε t ) oraz związku u t = C 0 ε t wynika, że Σ U = C 0 C 0T, co daje n(n+1)/2 restrykcji.
14 Strukturalny model wektorowej autoregresji à la Blanchard i Quah Brakujące restrykcje zostaną nałożone z wykorzystaniem metody [Blancharda i Quaha, 1989], która zakłada wykluczenie długookresowego wpływu wybranych wstrząsów na ustalone zmienne. Macierz grupuje parametry opisujące długookresowy wpływ wstrząsów. Wykluczenie skumulowanego oddziaływania j-tego wstrząsu na i-tą zmienną jest równoznaczne z przyjęciem założenia,że element (i, j) macierzyξ jest równy zero.
15 Przyjęty schemat identyfikacji wstrząsów strukturalnych Uwagi: 0 oznacza brak zmian. Źródło: opracowanie własne.
16 Przyjęty schemat identyfikacji wstrząsów strukturalnych Uwagi: 0 oznacza brak zmian. Źródło: opracowanie własne.
17 Analiza empiryczna - dane Wyrównane sezonowo obserwacje kwartalne z okresu 1998Q1 2011Q4 dla czterech szeregów czasowych: względny dochód (y), ceny względne dóbr typu N (q N ), realny kurs walutowy dla dóbr typu T (q T ), względny poziom cen (p). Uwagi: Przyjęto, że stan gospodarki zagranicznej opisują dane dla strefy euro (17 krajów). Analizie poddano roczne tempa wzrostu oryginalnych wartości. Źródło danych: OECD, Eurostat
18 Analiza empiryczna, c.d. Ustalając rozkłady a priori dla parametrów modeli, przyjęto powszechnie stosowaną strukturę Wishart-Normalny. Łączny rozkład a priori został ucięty przez warunek stabilności nałożony na parametry modelu. Porównano modele VAR(3) VAR(8). Oszacowane prawdopodobieństwa a posteriori porównywanych modeli: W dalszych analizach wykorzystano technikę bayesowskiego łączenia wiedzy.
19 Funkcje reakcji na egzogeniczne zaburzenia losowe (linie ciągłe prezentują mediany rozkładów a posteriori, linie przerywane kwantyle rzędu 0,1 i 0,9)
20 Dekompozycja wariancji błędu prognoz rocznego tempa zmian realnego kursu walutowego horyzont prognozy wstrząs podażowy popytowy finansowy pieniężny Źródło: opracowanie własne z wykorzystaniem techniki bayesowskiego łączenia wiedzy w grupie modeli VAR(3),, VAR(8), na podstawie 100 tys. zaakceptowanych cykli Gibbsa, po odrzuceniu 500 tys. cykli wstępnych.
21 Rozbieżności między modelem teoretycznym a empirycznymi IRF Problem ogólniejszy dotyczący także innych opracowań; przykłady: Clarida i Galí (1994): reakcja realnego kursu na wstrząs podażowy sprzeczna z modelem (DE/US UK/US) Farrant i Peersman (2005): brak neutralności pieniądza: wstrząs monetarny trwale wpływał na produkcję (UK, CA) i realny kurs walutowy (UK, EA, JP) wstrząs podażowy nie wpływał w długim okresie na realny kurs (UK, JP, CA) wstrząs popytowy nie wpływał w długim okresie na ceny (EA, CA) Rozbieżności ograniczone do reakcji jednej zmiennej różnicy we względnym poziomie cen dóbr typu N
22 Zmienność realnego kursu złotego Reakcje na wstrząsy statystycznie istotne potencjał objaśniania wahań realnego kursu walutowego Stabilizująca rola zmian realnego kursu walutowego: silniejsza reakcja w średnim i długim okresie na wstrząsy realne (ok. 9-12%) niż na wstrząsy finansowe (1,5-3%) i pieniężne (ok. 4,5-7%) dekompozycja wariancji błędu prognozy rocznego przyrostu realnego kursu walutowego: dominują wstrząsy realne: popytowe (51-62%), podażowe (9-15%) pieniężne (14-18%), a finansowe (13-16%)
23 Podsumowanie Celem było rozpoznanie przyczyn wahań realnego kursu złotego uwzględniono występowanie wstrząsów finansowych (pełniejszy obraz i lepsze dopasowanie wstrząsów implikowanych przez teorię do ich empirycznych odpowiedników) Dominującą rolę w kształtowaniu wahań realnego kursu złotego odgrywały wstrząsy realne (kurs jako amortyzator zaburzeń) Wstrząsy finansowe nie były dominującym źródłem zmienności realnego kursu walutowego, ale ich znaczenie było znacznie większe niż sugerowały wyniki wcześniejszych badań Ostrożność: wyniki empiryczne są»tak dobre jak schemat identyfikacji [wstrząsów], który został zastosowany, aby nadać sens składnikom resztowym«(artis i Ehrmann, 2006) rozbieżności między teoretycznymi i empirycznymi funkcjami reakcji na impuls
24 Dziękujemy za uwagę! dr Marek A. Dąbrowski Uniwersytet Ekonomiczny w Krakowie Katedra Makroekonomii marek.dabrowski@uek.krakow.pl dr Justyna Wróblewska Uniwersytet Ekonomiczny w Krakowie Katedra Ekonometrii i Badań Operacyjnych eowroble@cyf-kr.edu.pl
MAKROEKONOMIA 2. Wykład 2. Dynamiczny model DAD/DAS. Dagmara Mycielska Joanna Siwińska - Gorzelak
MAKROEKONOMIA 2 Wykład 2. Dynamiczny model DAD/DAS Dagmara Mycielska Joanna Siwińska - Gorzelak Plan wykładu Uwzględnienie dynamiki w modelu AD/AS. Modelowanie wpływu zakłóceń lub zmian polityki gospodarczej
Bardziej szczegółowoModele wielorownaniowe
Część 1. e e jednorównaniowe są znacznym uproszczeniem rzeczywistości gospodarczej e jednorównaniowe są znacznym uproszczeniem rzeczywistości gospodarczej e makroekonomiczne z reguły składają się z większej
Bardziej szczegółowoAdaptacyjność gospodarki polskiej do szoków makroekonomicznych panelowa analiza SVECM
Adaptacyjność gospodarki polskiej do szoków makroekonomicznych panelowa analiza SVECM Piotr Lewandowski Instytut Badań Strukturalnych VII 2008 Wyzwania badawcze Gospodarki krajów naszego regionu od drugiej
Bardziej szczegółowoDr Łukasz Goczek. Uniwersytet Warszawski
Dr Łukasz Goczek Uniwersytet Warszawski Wykłady do końca: Niezależność polityki pieniężnej w długim okresie 2 wykłady Wzrost długookresowy w gospodarce otwartej 2 wykłady Egzamin 12.06.2013, godz. 17 sala
Bardziej szczegółowoMAKROEKONOMIA 2. Wykład 2. Dynamiczny model DAD/DAS. Dagmara Mycielska Joanna Siwińska - Gorzelak
MAKROEKONOMIA 2 Wykład 2. Dynamiczny model DAD/DAS Dagmara Mycielska Joanna Siwińska - Gorzelak Plan wykładu Uwzględnienie dynamiki w modelu AD/AS. Modelowanie wpływu zakłóceń lub zmian polityki gospodarczej
Bardziej szczegółowoStare Jabłonki,
Włodzimierz Rembisz Adam Waszkowski Instytut Ekonomiki Rolnictwa i Gospodarki Żywnościowej Państwowy Instytut Badawczy Zakład Zastosowań Matematyki w Ekonomice Rolnictwa Stare Jabłonki, 7.12.217 Wprowadzenie
Bardziej szczegółowoEkonomia monetarna - wprowadzenie. Michał Brzoza-Brzezina Katedra Polityki Pieniężnej
Ekonomia monetarna - wprowadzenie Michał Brzoza-Brzezina Katedra Polityki Pieniężnej Spis treści 1. Co to jest ekonomia monetarna? 2. Krótkie wprowadzenie do polityki pieniężnej 3. Stopy procentowe, produkcja
Bardziej szczegółowoMakroekonomia David Begg, Stanley Fisher, Gianluigi Vernasca, Rudiger Dornbusch
Makroekonomia David Begg, Stanley Fisher, Gianluigi Vernasca, Rudiger Dornbusch Makroekonomia jest najczęściej używanym podręcznikiem na pierwszych latach studiów ekonomicznych w większości polskich uczelni.
Bardziej szczegółowoModele DSGE. Jerzy Mycielski. Maj Jerzy Mycielski () Modele DSGE Maj / 11
Modele DSGE Jerzy Mycielski Maj 2008 Jerzy Mycielski () Modele DSGE Maj 2008 1 / 11 Modele DSGE DSGE - Dynamiczne, stochastyczne modele równowagi ogólnej (Dynamic Stochastic General Equilibrium Model)
Bardziej szczegółowoSpis treści. Przedmowa do wydania polskiego Przedmowa WPROWADZENIE
Spis treści Przedmowa do wydania polskiego Przedmowa xiii xv WPROWADZENIE l Rozdział l. Ekonomiczne opisanie świata 3 1.1. Stany Zjednoczone 4 1.2. Unia Europejska 10 1.3. Chiny 15 1.4. Spojrzenie na inne
Bardziej szczegółowoPrognozowanie i Symulacje. Wykład I. Matematyczne metody prognozowania
Prognozowanie i Symulacje. Wykład I. e-mail:e.kozlovski@pollub.pl Spis treści Szeregi czasowe 1 Szeregi czasowe 2 3 Szeregi czasowe Definicja 1 Szereg czasowy jest to proces stochastyczny z czasem dyskretnym
Bardziej szczegółowoEtapy modelowania ekonometrycznego
Etapy modelowania ekonometrycznego jest podstawowym narzędziem badawczym, jakim posługuje się ekonometria. Stanowi on matematyczno-statystyczną formę zapisu prawidłowości statystycznej w zakresie rozkładu,
Bardziej szczegółowoMAKROEKONOMIA 2. Wykład 4-5. Dynamiczny model DAD/DAS, część 3. Dagmara Mycielska Joanna Siwińska - Gorzelak
MAKROEKONOMIA 2 Wykład 4-5. Dynamiczny model DAD/DAS, część 3 Dagmara Mycielska Joanna Siwińska - Gorzelak 2 Plan wykładu Zakłócenia w modelu DAD/DAS: Wzrost produkcji potencjalnej; Zakłócenie podażowe
Bardziej szczegółowoWykład 9. Model ISLM
Makroekonomia 1 Wykład 9 Model ISLM Gabriela Grotkowska Katedra Makroekonomii i Teorii Handlu Zagranicznego Nasza mapa drogowa Krzyż keynesowski Teoria preferencji płynności Krzywa IS Krzywa LM Model ISLM
Bardziej szczegółowoMAKROEKONOMIA 2. Wykład 4-5. Dynamiczny model DAD/DAS, część 3. Dagmara Mycielska Joanna Siwińska - Gorzelak
MAKROEKONOMIA 2 Wykład 4-5. Dynamiczny model DAD/DAS, część 3 Dagmara Mycielska Joanna Siwińska - Gorzelak 2 Plan wykładu Zakłócenia w modelu DAD/DAS: Wzrost produkcji potencjalnej; Zakłócenie podażowe
Bardziej szczegółowoWykład 19: Model Mundella-Fleminga, część I (płynne kursy walutowe) Gabriela Grotkowska
Międzynarodowe Stosunki Ekonomiczne Makroekonomia gospodarki otwartej i finanse międzynarodowe Wykład 19: Model Mundella-Fleminga, część I (płynne kursy walutowe) Gabriela Grotkowska Plan wykładu Model
Bardziej szczegółowoT7. Szoki makroekonomiczne. Polityka wobec szoków
T7. Szoki makroekonomiczne. Polityka wobec szoków Szoki makroekonomiczne. to nieoczekiwane zdarzenia zakłócające przewidywalny przebieg zmian produktu, bezrobocia i stopy procentowej Szoki popytowe (oddziałujące
Bardziej szczegółowoMakroekonomia 1 Wykład 12: Zagregowany popyt i zagregowana podaż
Makroekonomia 1 Wykład 12: Zagregowany popyt i zagregowana podaż Gabriela Grotkowska Katedra Makroekonomii i Teorii Handlu Zagranicznego Horyzont czasu w makroekonomii Długi okres Ceny są elastyczne i
Bardziej szczegółowoModelowanie rynków finansowych
Modelowanie rynków finansowych Przegląd zagadnień 8 października 2012 Główna przesłanka doboru tematów Koncepcje i techniki modelowe jako priorytet: Modele empiryczne bazujące na wiedzy teoretycznej Zakres
Bardziej szczegółowoMODELOWANIE POLSKIEJ GOSPODARKI Z PAKIETEM R Michał Rubaszek
Tytuł: Autor: MODELOWANIE POLSKIEJ GOSPODARKI Z PAKIETEM R Michał Rubaszek Wstęp Książka "Modelowanie polskiej gospodarki z pakietem R" powstała na bazie materiałów, które wykorzystywałem przez ostatnie
Bardziej szczegółowoDeterminanty kursu walutowego w ujęciu modelowym
Determinanty kursu walutowego w ujęciu modelowym Model Dornbuscha dr Dagmara Mycielska c by Dagmara Mycielska Względna sztywność cen i model Dornbuscha. [C] roz. 7 Spadek podaży pieniądza w modelu Dornbuscha
Bardziej szczegółowo3. Modele tendencji czasowej w prognozowaniu
II Modele tendencji czasowej w prognozowaniu 1 Składniki szeregu czasowego W teorii szeregów czasowych wyróżnia się zwykle następujące składowe szeregu czasowego: a) składowa systematyczna; b) składowa
Bardziej szczegółowoWykład 6 Kurs walutowy Parytet siły nabywczej Model monetarystyczny Efekt Balassy-Samuelsona
Wykład 6 Kurs walutowy Parytet siły nabywczej Model monetarystyczny Efekt Balassy-Samuelsona dr Leszek Wincenciak WNEUW 2/32 Plan wykładu: Parytet siły nabywczej Parytet siły nabywczej w wersji absolutnej
Bardziej szczegółowoMAKROEKONOMIA II KATARZYNA ŚLEDZIEWSKA
MAKROEKONOMIA II KATARZYNA ŚLEDZIEWSKA WYKŁAD VI: MODEL IS-LM/AS-AD OGÓLNE RAMY DLA ANALIZY MAKROEKONOMICZNEJ Linia FE: Równowaga na rynku pracy Krzywa IS: Równowaga na rynku dóbr Krzywa LM: Równowaga
Bardziej szczegółowoMAKROEKONOMIA 2. Wykład 1. Model AD/AS - powtórzenie. Dagmara Mycielska Joanna Siwińska - Gorzelak
MAKROEKONOMIA 2 Wykład 1. Model AD/AS - powtórzenie Dagmara Mycielska Joanna Siwińska - Gorzelak Plan wykładu 1. Krótkookresowe wahania koniunktury Dynamiczny model zagregowanego popytu i podaży: skutki
Bardziej szczegółowoDynamiczne stochastyczne modele równowagi ogólnej
Dynamiczne stochastyczne modele równowagi ogólnej mgr Anna Sulima Instytut Matematyki UJ 8 maja 2012 mgr Anna Sulima (Instytut Matematyki UJ) Dynamiczne stochastyczne modele równowagi ogólnej 8 maja 2012
Bardziej szczegółowoEkonometria. Modele wielorównaniowe. Jakub Mućk. Katedra Ekonomii Ilościowej
Ekonometria Modele wielorównaniowe Jakub Mućk Katedra Ekonomii Ilościowej Jakub Mućk Ekonometria Wykład 11 Modele wielorównaniowe 1 / 35 Outline 1 Wprowadzenie do modeli wielorównaniowych 2 Modele równań
Bardziej szczegółowoĆwiczenia 5, Makroekonomia II, Rozwiązania
Ćwiczenia 5, Makroekonomia II, Rozwiązania Zadanie 1 Załóżmy, że w gospodarce ilość pieniądza rośnie w tempie 5% rocznie, a realne PKB powiększa się w tempie 2,5% rocznie. Ile wyniesie stopa inflacji w
Bardziej szczegółowoROZDZIAŁ 7 WPŁYW SZOKÓW GOSPODARCZYCH NA RYNEK PRACY W STREFIE EURO
Samer Masri ROZDZIAŁ 7 WPŁYW SZOKÓW GOSPODARCZYCH NA RYNEK PRACY W STREFIE EURO Najbardziej rewolucyjnym aspektem ogólnej teorii Keynesa 1 było jego jasne i niedwuznaczne przesłanie, że w odniesieniu do
Bardziej szczegółowoStanisław Cichocki. Natalia Neherbecka. Zajęcia 13
Stanisław Cichocki Natalia Neherbecka Zajęcia 13 1 1. Kryteria informacyjne 2. Testowanie autokorelacji 3. Modele dynamiczne: modele o rozłożonych opóźnieniach (DL) modele autoregresyjne o rozłożonych
Bardziej szczegółowoJAK HICKS TŁUMACZYŁ KEYNESA? - MODEL RÓWNOWAGI IS-LM
Wykład: JAK HICKS TŁUMACZYŁ KEYNESA? - MODEL RÓWNOWAGI IS-LM Stanley Fischer o modelu IS-LM Model IS-LM jest użyteczny z dwóch powodów. Po pierwsze jako narzędzie o znaczeniu historycznym, a po drugie,
Bardziej szczegółowo3. Analiza własności szeregu czasowego i wybór typu modelu
3. Analiza własności szeregu czasowego i wybór typu modelu 1. Metody analizy własności szeregu czasowego obserwacji 1.1. Analiza wykresu szeregu czasowego 1.2. Analiza statystyk opisowych zmiennej prognozowanej
Bardziej szczegółowoMakroekonomia 1 Wykład 12: Zagregowany popyt i zagregowana podaż
Makroekonomia 1 Wykład 12: Zagregowany popyt i zagregowana podaż Gabriela Grotkowska Katedra Makroekonomii i Teorii Handlu Zagranicznego Nasz mapa drogowa Krzyż keynesowski Teoria preferencji płynności
Bardziej szczegółowoKonwergencja nominalna versus konwergencja realna a przystąpienie. Ewa Stawasz Katedra Międzynarodowych Stosunków Gospodarczych UŁ
Konwergencja nominalna versus konwergencja realna a przystąpienie Polski do strefy euro Ewa Stawasz Katedra Międzynarodowych Stosunków Gospodarczych UŁ Plan prezentacji 1. Nominalne kryteria konwergencji
Bardziej szczegółowoMakroekonomia Gospodarki Otwartej Wykład 5 Równowaga długookresowa parytet siły nabywczej
Makroekonomia Gospodarki Otwartej Wykład 5 Równowaga długookresowa parytet siły nabywczej Leszek Wincenciak Wydział Nauk Ekonomicznych UW 2/31 Plan wykładu: Parytet siły nabywczej Parytet siły nabywczej
Bardziej szczegółowoModele zapisane w przestrzeni stanów
Modele zapisane w przestrzeni stanów Modele Przestrzeni Stanów (State Space Models) sa to modele, w których część parametrów jest nieobserwowalna i losowa. Zachowanie wielowymiarowej zmiennej y t zależy
Bardziej szczegółowoModelowanie i prognozowanie cen surowców energetycznych. Monika Papie Sławomir Âmiech
Modelowanie i prognozowanie cen surowców energetycznych Monika Papie Sławomir Âmiech Modelowanie i prognozowanie cen surowców energetycznych Autorzy: Monika Papie wst p*, rozdziały: 2, 3.5, 4; 5, 7, zakoƒczenie*
Bardziej szczegółowoPRZEPŁYWY KAPITAŁU MIĘDZYNARODOWEGO A WZROST GOSPODARCZY
UNIWERSYTET EKONOMICZNY w POZNANIU Paweł Śliwiński PRZEPŁYWY KAPITAŁU MIĘDZYNARODOWEGO A WZROST GOSPODARCZY w krajach Europy Srodkowo-Wschodniej w latach 1994-2008 B 380901 WYDAWNICTWO UNIWERSYTETU EKONOMICZNEGO
Bardziej szczegółowoK wartość kapitału zaangażowanego w proces produkcji, w tys. jp.
Sprawdzian 2. Zadanie 1. Za pomocą KMNK oszacowano następującą funkcję produkcji: Gdzie: P wartość produkcji, w tys. jp (jednostek pieniężnych) K wartość kapitału zaangażowanego w proces produkcji, w tys.
Bardziej szczegółowoGlobalizacja ryzyka cenowego na przykładzie rynku zbóż
Globalizacja ryzyka cenowego na przykładzie rynku zbóż Mariusz Hamulczuk IERiGŻ-PIB Warszawa "Ryzyko w gospodarce żywnościowej teoria i praktyka" Jachranka, 23-25 listopada 2016 Uzasadnienie Procesy globalizacji
Bardziej szczegółowoElżbieta Wiśniewska Uniwersytet Mikołaja Kopernika w Toruniu
DYNAMICZNE MODELE EKONOMETRYCZNE IX Ogólnopolskie Seminarium Naukowe, 6 8 września 2005 w Toruniu Katedra Ekonometrii i Statystyki, Uniwersytet Mikołaja Kopernika w Toruniu Uniwersytet Mikołaja Kopernika
Bardziej szczegółowoEkonometria. Prognozowanie ekonometryczne, ocena stabilności oszacowań parametrów strukturalnych. Jakub Mućk. Katedra Ekonomii Ilościowej
Ekonometria Prognozowanie ekonometryczne, ocena stabilności oszacowań parametrów strukturalnych Jakub Mućk Katedra Ekonomii Ilościowej Jakub Mućk Ekonometria Wykład 4 Prognozowanie, stabilność 1 / 17 Agenda
Bardziej szczegółowoEkonometria. Zajęcia
Ekonometria Zajęcia 16.05.2018 Wstęp hipoteza itp. Model gęstości zaludnienia ( model gradientu gęstości ) zakłada, że gęstość zaludnienia zależy od odległości od okręgu centralnego: y t = Ae βx t (1)
Bardziej szczegółowoProjekcja inflacji Narodowego Banku Polskiego materiał edukacyjny
Projekcja inflacji Narodowego Banku Polskiego materiał edukacyjny Plan prezentacji I. Projekcja inflacji NBP - podstawowe zagadnienia II. Główne założenia projekcji inflacji NBP III. Sposób prezentacji
Bardziej szczegółowodr hab. Renata Karkowska 1
dr hab. Renata Karkowska 1 Czym jest ryzyko? Rodzaje ryzyka? Co oznacza zarządzanie? Dlaczego zarządzamy ryzykiem? 2 Przedmiot ryzyka Otoczenie bliższe/dalsze (czynniki ryzyka egzogeniczne vs endogeniczne)
Bardziej szczegółowoMODEL AD-AS : MIKROPODSTAWY
Makroekonomia II Wykład 8 MODEL AD-AS : MIKROODSTAW Wykład 8 lan MODEL AD-AS : MIKROODSTAW 1.1 Długookresowa krzywa AS 1.2 Sztywność cen 1.3 Sztywność nominalnych płac 2.1 Zagregowany popyt 2.2 Równowaga
Bardziej szczegółowoMakroekonomia 1. Modele graficzne
Makroekonomia 1 Modele graficzne Obieg okrężny $ Gospodarstwa domowe $ $ $ $ $ Rynek zasobów $ Rynek finansowy $ $ Rząd $ $ $ $ $ $ $ Rynek dóbr i usług $ Firmy $ Model AD - AS Popyt zagregowany (AD) Popyt
Bardziej szczegółowoStacjonarność Integracja. Integracja. Integracja
Biały szum AR(1) Słaba stacjonarność Szereg czasowy nazywamy słabo (wariancyjnie) stacjonarnym jeżeli: Biały szum AR(1) Słaba stacjonarność Szereg czasowy nazywamy słabo (wariancyjnie) stacjonarnym jeżeli:
Bardziej szczegółowoSzczegółowy program kursu Statystyka z programem Excel (30 godzin lekcyjnych zajęć)
Szczegółowy program kursu Statystyka z programem Excel (30 godzin lekcyjnych zajęć) 1. Populacja generalna a losowa próba, parametr rozkładu cechy a jego ocena z losowej próby, miary opisu statystycznego
Bardziej szczegółowoAkademia Młodego Ekonomisty
Akademia Młodego Ekonomisty Wahania koniunktury gospodarczej Ożywienia i recesje w gospodarce Konrad Walczyk Szkoła Główna Handlowa w Warszawie 12 października 216 r. Program wykładu: Co to jest koniunktura
Bardziej szczegółowoMakroekonomia II Polityka fiskalna
Makroekonomia II Polityka fiskalna D R A D A M C Z E R N I A K S Z K O Ł A G Ł Ó W N A H A N D L O W A W W A R S Z A W I E K A T E D R A E K O N O M I I I I 2 MIERNIKI RÓWNOWAGI FISKALNEJ wykład I Co składa
Bardziej szczegółowoMetoda najmniejszych kwadratów
Model ekonometryczny Wykształcenie a zarobki Hipoteza badawcza: Istnieje zależność między poziomem wykształcenia a wysokością zarobków Wykształcenie a zarobki Hipoteza badawcza: Istnieje zależność między
Bardziej szczegółowoKonwergencja nominalna versus konwergencja realna a przystąpienie. Ewa Stawasz Katedra Międzynarodowych Stosunków Gospodarczych UŁ
Konwergencja nominalna versus konwergencja realna a przystąpienie Polski do strefy euro Ewa Stawasz Katedra Międzynarodowych Stosunków Gospodarczych UŁ Plan prezentacji 1. Nominalne kryteria konwergencji
Bardziej szczegółowoProjekt zaliczeniowy z Ekonometrii i prognozowania Wyższa Szkoła Bankowa w Toruniu 2017/2018
Projekt zaliczeniowy z Ekonometrii i prognozowania Wyższa Szkoła Bankowa w Toruniu 2017/2018 Nr indeksu... Imię i Nazwisko... Nr grupy ćwiczeniowej... Imię i Nazwisko prowadzącego... 1. Specyfikacja modelu
Bardziej szczegółowoSpis treści. Część I Dane makroekonomiczne
Podręcznik obejmuje wykład makroekonomii i należy do najczęściej wykorzystywanych na uczelniach europejskich i amerykańskich. Autorzy przedstawili: wprowadzenie do makroekonomii (w tym rachunek dochodu
Bardziej szczegółowoStatystyka i Analiza Danych
Warsztaty Statystyka i Analiza Danych Gdańsk, 20-22 lutego 2014 Zastosowania wybranych technik regresyjnych do modelowania współzależności zjawisk Janusz Wątroba StatSoft Polska Centrum Zastosowań Matematyki
Bardziej szczegółowoRozdział 2: Metoda największej wiarygodności i nieliniowa metoda najmniejszych kwadratów
Rozdział : Metoda największej wiarygodności i nieliniowa metoda najmniejszych kwadratów W tym rozdziale omówione zostaną dwie najpopularniejsze metody estymacji parametrów w ekonometrycznych modelach nieliniowych,
Bardziej szczegółowoMakroekonomia 1 Wykład 12: Naturalna stopa bezrobocia i krzywa AS
Makroekonomia 1 Wykład 12: Naturalna stopa bezrobocia i krzywa AS Gabriela Grotkowska Katedra Makroekonomii i Teorii Handlu Zagranicznego NATURALNA STOPA BEZROBOCIA Naturalna stopa bezrobocia Ponieważ
Bardziej szczegółowoMODEL AS-AD. Dotąd zakładaliśmy (w modelu IS-LM oraz w krzyżu keynesowskim), że ceny w gospodarce są stałe. Model AS-AD uchyla to założenie.
MODEL AS-AD Dotąd zakładaliśmy (w modelu IS-LM oraz w krzyżu keynesowskim), że ceny w gospodarce są stałe. Model AS-AD uchyla to założenie. KRZYWA AD Krzywą AD wyprowadza się z modelu IS-LM Każdy punkt
Bardziej szczegółowoStanisław Cihcocki. Natalia Nehrebecka
Stanisław Cihcocki Natalia Nehrebecka 1 1. Kryteria informacyjne 2. Testowanie autokorelacji w modelu 3. Modele dynamiczne: modele o rozłożonych opóźnieniach (DL) modele autoregresyjne o rozłożonych opóźnieniach
Bardziej szczegółowoEfektywność rynku w przypadku FOREX Weryfikacja hipotezy o efektywności dla FOREX FOREX. Jerzy Mycielski. 4 grudnia 2018
4 grudnia 2018 Zabezpieczony parytet stóp procentowych (CIP - Covered Interest Parity) Warunek braku arbitrażu: inwestycja w złotówkach powinna dać tę samą stopę zwrotu co całkowicie zabezpieczona inwestycja
Bardziej szczegółowoEkonometria. Modelowanie zmiennej jakościowej. Jakub Mućk. Katedra Ekonomii Ilościowej
Ekonometria Modelowanie zmiennej jakościowej Jakub Mućk Katedra Ekonomii Ilościowej Jakub Mućk Ekonometria Ćwiczenia 8 Zmienna jakościowa 1 / 25 Zmienna jakościowa Zmienna ilościowa może zostać zmierzona
Bardziej szczegółowoPorównanie obecnego kryzysu z roku 2007 z Wielkim Kryzysem z lat 1929-1933 str. 33
Spis treści: Wstęp str. 9 1.Przyczyny wahań cyklicznych Gabriela Wronowska str. 15 Pojęcie i fazy cyklu koniunkturalnego str. 15 Teorie wahań cyklicznych str. 19 Historia wahań cyklicznych str. 29 Porównanie
Bardziej szczegółowoProjekcja inflacji Narodowego Banku Polskiego na podstawie modelu ECMOD. Lipiec 2006 r.
Projekcja inflacji Narodowego Banku Polskiego na podstawie modelu ECMOD Lipiec 2006 r. Projekcja a prognoza Projekcja inflacji prognoza inflacji projekcja inflacji jest prognozą warunkową, tzn. pokazuje,
Bardziej szczegółowoUnia walutowa korzyści i koszty. Przystąpienie do unii walutowej wiąże się z kosztami i korzyściami.
Unia walutowa korzyści i koszty rzystąpienie do unii walutowej wiąże się z kosztami i korzyściami. Korzyści: Eliminacja ryzyka kursowego i obniżenie ryzyka makroekonomicznego obniżenie stóp procentowych
Bardziej szczegółowoStatystyka matematyczna i ekonometria
Statystyka matematyczna i ekonometria Wykład 9 Anna Skowrońska-Szmer lato 2016/2017 Ekonometria (Gładysz B., Mercik J., Modelowanie ekonometryczne. Studium przypadku, Wydawnictwo PWr., Wrocław 2004.) 2
Bardziej szczegółowoEkonomiczne wyzwania integracji Polski ze strefą euro
Ekonomiczne wyzwania integracji Polski ze strefą euro 2 Ekonomiczne wyzwania integracji Polski ze strefą euro Część I. Wzmocnienie instytucjonalne strefy euro Rozdział 1. Integracja fiskalna Rozdział 2.
Bardziej szczegółowoSpis treści. Wstęp Dariusz Rosati... 11. Część I. Funkcjonowanie strefy euro
Spis treści Wstęp Dariusz Rosati.............................................. 11 Część I. Funkcjonowanie strefy euro Rozdział 1. dziesięć lat strefy euro: sukces czy niespełnione nadzieje? Dariusz Rosati........................................
Bardziej szczegółowoPrognozowanie cen surowców w rolnych na podstawie szeregów w czasowych - uwarunkowania i metody. Sylwia Grudkowska NBP Mariusz Hamulczuk IERIGś-PIB
Prognozowanie cen surowców w rolnych na podstawie szeregów w czasowych - uwarunkowania i metody Sylwia Grudkowska NBP Mariusz Hamulczuk IERIGś-PIB Plan prezentacji Wprowadzenie do prognozowania Metody
Bardziej szczegółowoWłasności statystyczne regresji liniowej. Wykład 4
Własności statystyczne regresji liniowej Wykład 4 Plan Własności zmiennych losowych Normalna regresja liniowa Własności regresji liniowej Literatura B. Hansen (2017+) Econometrics, Rozdział 5 Własności
Bardziej szczegółowoWspółczesna makroekonomia a teoria dynamicznej gospodarki / Józef Chmiel. Warszawa, cop Spis treści
Współczesna makroekonomia a teoria dynamicznej gospodarki / Józef Chmiel. Warszawa, cop. 2017 Spis treści Przedmowa 9 Wprowadzenie 10 Część I. Główne kierunki ekonomii a teoria dynamicznej gospodarki 25
Bardziej szczegółowoKonwergencja nominalna versus konwergencja realna a przystąpienie. Ewa Stawasz Katedra Międzynarodowych Stosunków Gospodarczych UŁ
Konwergencja nominalna versus konwergencja realna a przystąpienie Polski do strefy euro część I Ewa Stawasz Katedra Międzynarodowych Stosunków Gospodarczych UŁ Plan prezentacji 1. Nominalne kryteria konwergencji
Bardziej szczegółowoMetoda Johansena objaśnienia i przykłady
Metoda Johansena objaśnienia i przykłady Model wektorowej autoregresji rzędu p, VAR(p), ma postad gdzie oznacza wektor zmiennych endogenicznych modelu. Model VAR jest stabilny, jeżeli dla, tzn. wielomian
Bardziej szczegółowoAnaliza współzależności zjawisk
Analiza współzależności zjawisk Informacje ogólne Jednostki tworzące zbiorowość statystyczną charakteryzowane są zazwyczaj za pomocą wielu cech zmiennych, które nierzadko pozostają ze sobą w pewnym związku.
Bardziej szczegółowoStatystyka w pracy badawczej nauczyciela Wykład 4: Analiza współzależności. dr inż. Walery Susłow walery.suslow@ie.tu.koszalin.pl
Statystyka w pracy badawczej nauczyciela Wykład 4: Analiza współzależności dr inż. Walery Susłow walery.suslow@ie.tu.koszalin.pl Statystyczna teoria korelacji i regresji (1) Jest to dział statystyki zajmujący
Bardziej szczegółowoSzczegółowy program kursu Statystyka z programem Excel (30 godzin lekcyjnych zajęć)
Szczegółowy program kursu Statystyka z programem Excel (30 godzin lekcyjnych zajęć) 1. Populacja generalna a losowa próba, parametr rozkładu cechy a jego ocena z losowej próby, miary opisu statystycznego
Bardziej szczegółowoJAK HICKS TŁUMACZYŁ KEYNESA? - MODEL RÓWNOWAGI IS-LM
Wykład: JAK HICKS TŁUMACZYŁ KEYNESA? - MODEL RÓWNOWAGI IS-LM John Hicks (1904-1989) Mr Keynes and the Classics: A Suggested Interpretation (1937) Value and Capital (1939) Nagroda Nobla (1972) Model IS
Bardziej szczegółowoStatystyka opisowa. Wykład V. Regresja liniowa wieloraka
Statystyka opisowa. Wykład V. e-mail:e.kozlovski@pollub.pl Spis treści 1 Prosta regresji cechy Y względem cech X 1,..., X k. 2 3 Wyznaczamy zależność cechy Y od cech X 1, X 2,..., X k postaci Y = α 0 +
Bardziej szczegółowo- potrafi wymienić. - zna hierarchię podział. - zna pojęcie konsumpcji i konsumenta, - zna pojęcie i rodzaje zasobów,
WYMAGANIA EDUKACYJNE PRZEDMIOT: Podstawy ekonomii KLASA: I TH NUMER PROGRAMU NAUCZANIA: 2305/T-5 T-3,SP/MEN/1997.07.16 L.p. Dział programu 1. Człowiek - konsument -potrafi omówić podstawy ekonomii, - zna
Bardziej szczegółowoMakroekonomia 1 Wykład 12: Zagregowany popyt i zagregowana podaż
Makroekonomia 1 Wykład 12: Zagregowany popyt i zagregowana podaż Gabriela Grotkowska Katedra Makroekonomii i Teorii Handlu Zagranicznego Horyzont czasu w makroekonomii Długi okres Ceny są elastyczne i
Bardziej szczegółowoAkademia Młodego Ekonomisty
Akademia Młodego Ekonomisty Wahania koniunktury gospodarczej Ożywienie i recesja w gospodarce Dr Joanna Czech-Rogosz Uniwersytet Ekonomiczny w Katowicach 16.04.2012 1. Co to jest koniunktura gospodarcza?
Bardziej szczegółowoWykład 18: Efekt przestrzelenia. Efekt Balassy-Samuelsona. Gabriela Grotkowska
Międzynarodowe Stosunki Ekonomiczne Makroekonomia gospodarki otwartej i finanse międzynarodowe Wykład 18: Efekt przestrzelenia. Efekt Balassy-Samuelsona Gabriela Grotkowska Plan wykładu Kurs walutowy miedzy
Bardziej szczegółowoWykresy wachlarzowe projekcji inflacji i wzrostu PKB
Wykresy wachlarzowe projekcji inflacji i wzrostu PKB Biuro Prognoz i Projekcji 8 grudnia 2008 r. 1 Plan prezentacji 1. Istotność dla polityki pieniężnej analizy niepewności prognoz/projekcji 2. Wyznaczanie
Bardziej szczegółowoModele wielorównaniowe (forma strukturalna)
Modele wielorównaniowe (forma strukturalna) Formę strukturalna modelu o G równaniach AY t = BX t + u t, gdzie Y t = [y 1t,..., y Gt ] X t = [x 1t,..., x Kt ] u t = [u 1t,..., u Gt ] E (u t ) = 0 Var (u
Bardziej szczegółowoWyzwania dla polityki makroekonomicznej na drodze do wspólnej waluty. Doświadczenia krajów strefy euro
Wyzwania dla polityki makroekonomicznej na drodze do wspólnej waluty Doświadczenia krajów strefy euro Przeprowadzone na potrzeby Raportu analizy NBP (2009) wskazują, że: w perspektywie długookresowej przyjęcie
Bardziej szczegółowoKalibracja. W obu przypadkach jeśli mamy dane, to możemy znaleźć równowagę: Konwesatorium z Ekonometrii, IV rok, WNE UW 1
Kalibracja Kalibracja - nazwa pochodzi z nauk ścisłych - kalibrowanie instrumentu oznacza wyznaczanie jego skali (np. kalibrowanie termometru polega na wyznaczeniu 0C i 100C tak by oznaczały punkt zamarzania
Bardziej szczegółowoZależność. przyczynowo-skutkowa, symptomatyczna, pozorna (iluzoryczna),
Zależność przyczynowo-skutkowa, symptomatyczna, pozorna (iluzoryczna), funkcyjna stochastyczna Korelacja brak korelacji korelacja krzywoliniowa korelacja dodatnia korelacja ujemna Szereg korelacyjny numer
Bardziej szczegółowoZmienność wiatru w okresie wieloletnim
Warsztaty: Prognozowanie produktywności farm wiatrowych PSEW, Warszawa 5.02.2015 Zmienność wiatru w okresie wieloletnim Dr Marcin Zientara DCAD / Stermedia Sp. z o.o. Zmienność wiatru w różnych skalach
Bardziej szczegółowoStanisław Cichocki Natalia Neherbecka
Stanisław Cichocki Natalia Neherbecka 13 marca 2010 1 1. Kryteria informacyjne 2. Modele dynamiczne: modele o rozłożonych opóźnieniach (DL) modele autoregresyjne o rozłożonych opóźnieniach (ADL) 3. Analiza
Bardziej szczegółowoAnaliza zdarzeń Event studies
Analiza zdarzeń Event studies Dobromił Serwa akson.sgh.waw.pl/~dserwa/ef.htm Leratura Campbell J., Lo A., MacKinlay A.C.(997) he Econometrics of Financial Markets. Princeton Universy Press, Rozdział 4.
Bardziej szczegółowoEkonometria. Wprowadzenie do modelowania ekonometrycznego Estymator KMNK. Jakub Mućk. Katedra Ekonomii Ilościowej
Ekonometria Wprowadzenie do modelowania ekonometrycznego Estymator Jakub Mućk Katedra Ekonomii Ilościowej Jakub Mućk Ekonometria Wykład 1 Estymator 1 / 16 Agenda 1 Literatura Zaliczenie przedmiotu 2 Model
Bardziej szczegółowoMakroekonomia 1 - ćwiczenia
Makroekonomia 1 - ćwiczenia mgr Małgorzata Kłobuszewska Zajęcia 6 Model klasyczny Plan Założenia modelu: Produkcja skąd się bierze? Gospodarka zamknięta Gospodarka otwarta Stopa procentowa w gospodarce
Bardziej szczegółowoEKONOMETRYCZNE MODELE KURSÓW WALUTOWYCH
Monografie i Opracowania 547 Ewa Marta Syczewska EKONOMETRYCZNE MODELE KURSÓW WALUTOWYCH Warszawa 2007 Szkoła Główna Handlowa w Warszawie Wprowadzenie 15 Przegląd funkcjonowania kursów walutowych... 15
Bardziej szczegółowoBanki komercyjne utrzymują rezerwę obowiązkową na rachunkach bieżących w NBP albo na specjalnych rachunkach rezerwy obowiązkowej.
Rezerwa obowiązkowa Rezerwa obowiązkowa stanowi odsetek bilansowych zwrotnych zobowiązań (bieżących i terminowych) banków wobec sektora niefinansowego, która podlega odprowadzeniu i utrzymaniu w postaci
Bardziej szczegółowoEGZAMIN Z MAKROEKONOMII I Wersja przykładowa
EGZAMIN Z MAKROEKONOMII I Wersja przykładowa... Imię i nazwisko, nr albumu INSTRUKCJA 1. Najpierw przeczytaj zasady i objaśnienia. 2. Potem podpisz wszystkie kartki (tam, gdzie jest miejsce na Twoje imię
Bardziej szczegółowo7. Zastosowanie wybranych modeli nieliniowych w badaniach ekonomicznych. 14. Decyzje produkcyjne i cenowe na rynku konkurencji doskonałej i monopolu
Zagadnienia na egzamin magisterski na kierunku Ekonomia 1. Znaczenie wnioskowania statystycznego w weryfikacji hipotez 2. Organizacja doboru próby do badań 3. Rozkłady zmiennej losowej 4. Zasady analizy
Bardziej szczegółowoMakroekonomia 1 Wykład 6: Model klasyczny gospodarki otwartej
Makroekonomia 1 Wykład 6: Model klasyczny gospodarki otwartej Gabriela Grotkowska Katedra Makroekonomii i Teorii Handlu Zagranicznego Plan wykładu Mała gospodarka otwarta Co znaczy mała gospodarka? Co
Bardziej szczegółowoAustriacka teoria cyklu koniunkturalnego a teorie głównego nurtu. Mateusz Benedyk
Austriacka teoria cyklu koniunkturalnego a teorie głównego nurtu Mateusz Benedyk 1 Krótki rys historyczny Wybrane teorie głównego nurtu: - Szkoła keynesowska - Szkoła monetarystyczna - Nowa szkoła klasyczna
Bardziej szczegółowoSTATYSTYKA. Rafał Kucharski. Uniwersytet Ekonomiczny w Katowicach 2015/16 ROND, Finanse i Rachunkowość, rok 2
STATYSTYKA Rafał Kucharski Uniwersytet Ekonomiczny w Katowicach 2015/16 ROND Finanse i Rachunkowość rok 2 Analiza dynamiki Szereg czasowy: y 1 y 2... y n 1 y n. y t poziom (wartość) badanego zjawiska w
Bardziej szczegółowoREGRESJA I KORELACJA MODEL REGRESJI LINIOWEJ MODEL REGRESJI WIELORAKIEJ. Analiza regresji i korelacji
Statystyka i opracowanie danych Ćwiczenia 5 Izabela Olejarczyk - Wożeńska AGH, WIMiIP, KISIM REGRESJA I KORELACJA MODEL REGRESJI LINIOWEJ MODEL REGRESJI WIELORAKIEJ MODEL REGRESJI LINIOWEJ Analiza regresji
Bardziej szczegółowo