Anna Pajor Akademia Ekonomiczna w Krakowie
|
|
- Kazimiera Muszyńska
- 7 lat temu
- Przeglądów:
Transkrypt
1 DYNAMICZNE MODELE EKONOMETRYCZNE X Ogólnopolskie Seminarium Naukowe, 4 6 września 2007 w Toruniu Kaedra Ekonomerii i Saysyki, Uniwersye Mikołaja Kopernika w Toruniu Akademia Ekonomiczna w Krakowie Prognozowanie zdyskonowanej wypłay europejskiej opcji kupna na indeks WIG20 w modelu ze sochasyczną wariancją i sochasyczną sopą procenową * 1. Wprowadzenie Zagadnienie wyceny opcji z losową sopą procenową i losowym współczynnikiem zmienności nie jes ak powszechnie poruszane i sosowane jak słynny model Blacka i Scholesa. Powodem są rudności wynikających z isnienia dodakowych źródeł ryzyka. W przypadku gdy zmienność jes odrębnym procesem sochasycznym, niemożliwe jes zbudowanie prosej posaci porfela replikującego. Założenie o niemożliwości arbirażu jes niewysarczające do znalezienia sprawiedliwej 1 ceny opcji. Problem wyceny opcji, z wykorzysaniem ciągłych procesów SV w modelu ze sałą sopą procenową, po raz pierwszy podjęli Hull i Whie (1987), Wiggins (1987), Heson (1993). Amin i Ng (1993) wyprowadzają wzór na cenę opcji w przypadku losowego współczynnika zmienności oraz losowej (ale zdeerminowanej przeszłością) sopy procenowej. Podejście bayesowskie naomias umożliwia pełną prognozę przyszłej wypłay oraz wycenę opcji bezpośrednio z jej definicji, poprzez wykorzysanie charakerysyk predykywnego rozkładu zdyskonowanej wypłay. W aki sposób, w modele z klasy GARCH, dokonują wyceny opcji Bauwens i Lubrano (1998, 2002) oraz Osiewalski i Pipień (2003). Głównym celem niniejszej pracy jes pokazanie, że uwzględnienie w modelu wyceny opcji sochasycznej sopy procenowej nie ma isonego wpływu na jakość prognoz przyszłej wypłay. Rozważony zosanie bayesowski model eko- * Praca wykonana w ramach badań sauowych finansowanych przez AE w Krakowie. 1 Ceny nie dającej możliwości arbirażu.
2 260 nomeryczny, w kórym zarówno sopy zmian insrumenu podsawowego jak i sóp procenowych będą rakowane jako realizacje dwuwymiarowego procesu wariancji sochasycznej (SV). Model en będzie się więc charakeryzował sochasycznymi warunkowymi wariancjami i sochasyczną sopą procenową. Rozważone zosaną również jednowymiarowe modele SV dla sóp zmian cen insrumenu podsawowego ze sałą sopą procenową. Modele e zosaną wykorzysane do prognozy przyszłej wypłay europejskiej opcji kupna na indeks WIG20. W nasępnych częściach pracy przedsawiono bayesowskie modele SV. W części czwarej omówiono zagadnienie bayesowskiej prognozy zdyskonowanej wypłay. Część piąa poświęcona jes wynikom empirycznym, zaś część szósa zawiera uwagi końcowe i podsumowanie. 2. Jednowymiarowy bayesowski model FCSV Niech {x, = 0, 1,..., T} oznacza szereg czasowy cen insrumenu finansowego w chwili (w niniejszej pracy są o noowania indeksu WIG20). Dla logarymicznych sóp zmian {y, = 1, 2,...,T}, obliczonych według formuły (por. Campbell, Lo i MacKinlay, 1997): y = 100ln( x / x 1 ), = 1,...,T, przyjęo srukurę AR(1): y δ 1 = ρ1( y 1 δ1) + ξ, = 1, 2,..., T, (1) gdzie {ξ } jes procesem FCSV (ang. Fa-Tailed and Correlaed SV, zob. Jacquier, Polson i Rossi,2002). Zaem dla każdego {1, 2,, T}: ξ = u h / ω, ln h γ + φ ln h + σ hη, (2) = 1 gdzie ω ~ χ 2 ( ν )/ ν i ω (u s, η s ) dla, s {1, 2,, T} oraz 1 ρ (u, η ) ~ iin 0,. ρ 1 Zapis iin oznacza ciąg niezależnych zmiennych losowych o rozkładzie normalnym, naomias symbol oznacza, że zmienne losowe są nieskorelowane. Proces FCSV umożliwia modelowanie akich własności finansowych szeregów czasowych, jak: 1) grube ogony nawe gdy φ = 0 kuroza ξ jes większa niż dla rozkładu normalnego, ponado mała liczba sopni swobody świadczy o bardzo grubych ogonach rozkładów zmiennych losowych opisujących sposób generowania danych, 2) efek dźwigni, o kórym informuje ujemna warość parameru ρ (jeśli zmienne losowe u i η są ujemnie skorelowane, o ujemne warości zmiennej losowej u są związane ze wzrosem warości zmiennej ukryej h w ej samej chwili i w konsekwencji w nasępnym czasie), 3) zjawisko skupiania się zmienności - za kóre w głównej mierze odpowiada paramer φ (warości bliskie jeden świadczą o dużym nasileniu ego zjawiska), 4) zmienność warian-
3 Prognozowanie zdyskonowanej wypłay europejskiej opcji kupna na indeks WIG cji warunkowej (wahliwość zmienności), kóra jes ym większa im wyższa jes warość parameru σ h 2. Aby model bayesowski był kompleny, konieczna jes specyfikacja rozkładu a priori na przesrzeni nieznanych paramerów ego modelu. Przyjęo nasępującą srukurę rozkładu a priori (zob. Pajor, 2003): p(δ 1, ρ 1, α, ν, σ h 2, ρ) = p(δ 1 ) p(ρ 1 ) p(α) p(ν) p(σ h 2, ρ), gdzie δ 1 ~ N(0, 1), ρ 1 ~ U(-1,1), γ ~ N(0, 100), φ ~ N(0, 100) I (-1,1) (φ), v ~ Exp(0,1). Symbol N(a, b) oznacza rozkład normalny o warości oczekiwanej a i wariancji b, IG(a, b) - gęsość odwróconego rozkładu gamma ze średnią b/(a-1) (dla a > 1) i wariancją b 2 /[(a-1) 2 (a-2)] (dla a > 2), U(a,b) - rozkład jednosajny na przedziale (a, b), Exp(0,1) - rozkład wykładniczy o średniej i odchyleniu sandardowym równym 10, I A (.) jes funkcją charakerysyczną zbioru 2 A R. Dla wekora ( ρ, ) rozkład nie jes sandardowy: 2 h σ h 2 s0 1 ( ρσ h ψ 0 ) p v0 1 2 v 1 2(1 ) 0+ 1 ρ σ h 2 v0 1,5 0,5 0,5 ρ σ h 0 Γ( v0) ( σ h ) e (1 ρ ) p0 (2π ) e p( ρ, σ ) = s, ν 0 = 1, s 0 = 0,005, ψ 0 = 0, p 0 = 2. Warość począkowa procesu {lnh } jes sała: h 0 = y 0 2. Tak przyjęe rozkłady a priori odzwierciedlają nikłą wsępną wiedzę, przed wglądem w dane, na ema paramerów modelu AR(1)-FCSV. Waro przypomnieć, że w przypadku granicznym v = oraz ρ = 0 orzymuje się zw. podsawowy model wariancji sochasycznej (ang. Basic Sochasic Volailiy Model, BSV, zob. Pajor, 2003) 3. Dwuwymiarowy bayesowski model TSV Niech eraz {x = (x 1,, x 2, ), = 0, 1,..., T} oznacza wekorowy szereg czasowy cen insrumenów finansowych (w niniejszej pracy są o noowania indeksu WIG20 i WIBOR1m). Dla logarymicznych sóp zmian {y = (y 1,, y 2, ), = 1, 2,...,T}, gdzie yi, = 100ln( xi, / xi, 1) (i = 1, 2), przyjęo srukurę VAR(1): y δ = R( y 1 δ ) + ξ, =, 1,..., T (3) czyli: y 1, δ y 1 r11 r12 1, 1 δ ξ 1 1, = +, y2, δ r r y , 1 δ 2 ξ 2, gdzie {ξ } jes dwuwymiarowym procesem TSV (zob. Tsay, 2002). Oznacza o, że dla każdego {1, 2,, T} warunkowy (względem zmiennych ukryych) rozkład zmiennej losowej ξ jes normalny o wekorze średnich i macierzy kowariancji Σ, j. ξ Θ ~ (0,Σ ), gdzie Σ = L G L, N [ 2 1] 1 0 q11, 0 L =, G =. q21, 1 0 q22, 0 [2 1]
4 262 Podobnie jak w przypadku jednowymiarowym, zmienne ukrye (lub ich logarymy) podlegają procesom auoregresyjnym rzędu pierwszego: ln q 11, γ 11 = φ11(ln q11, 1 γ11) + σ11η 11,, ln q 22, γ 22 = φ22(ln q22, 1 γ 22) + σ 22η 22,, γ = φ ( q γ + σ η, q 21, , 1 21) 21 21, gdzie η = ( η11,, η 22,, η 21, )', { η } ~ iin(0[ 3 1], I3 ), Θ = ( q11,, q22,, q21, )'. Dla paramerów związanych ze srukurą VAR(1), a więc wekora ω = = (δ 1, δ 2, r 11, r 12, r 21, r 22 ) R 6 przyjęo a priori sandardowy rozkład normalny, ucięy resrykcją, że wekory własne macierzy R co do modułu są mniejsze od jeden. Dla pozosałych paramerów założono nasępujące niezależne rozkłady a priori: β (ij) ~ N 2 (0, 100I 2 )I (-1,1) (φ ij ), β (ij) =(γ ij, φ ij ), σ 2 ij ~ IG(1, 0,005), lnq ii,0 ~ N 1 (0, 100), i, j =1, 2, i j, q 21,0 ~ N 1 (0, 100). Warości począkowe procesów {lnq ii, } (i = 1, 2) oraz {q 21, }, oznaczone odpowiednio przez lnq ii,0, q 21,0, rakowane są jako dodakowe nieznane paramer modelu - przyjęo dla nich a priori rozkład normalny o zerowej warości oczekiwanej i odchyleniu sandardowym równym Prognozowanie wypłay europejskiej opcji kupna Niech S oznacza cenę insrumenu bazowego w chwili. Dla europejskiej opcji kupna z ceną wykonania K, o erminie wygaśnięcia T+s funkcja wypłay (zn. funkcja opisująca wypłaę w erminie wykonania opcji) wynosi (S T+s K) + = max{s T+s K, 0}. Jeżeli funkcję ę zdyskonujemy według zmiennej sopy procenowej r zgodnie z kapializacją ciągłą, o orzymamy warość w chwili T wypłay dokonywanej za okres s: T + s W exp r d T T + s = max( ST s K,0) +. T Zdyskonowana wypłaa W T T+s jes zmienną losową jako mierzalna funkcja zmiennych losowych S T+s i r (w modelu AR(1)-TSV S T+s = x 1,T+s, r = x 2, ; w modelu FCSV S T+s = x T+s, r = r) oraz ma rozkład dyskreno ciągły, gdyż prawdopodobieńswo zdarzenia W T T+s = 0 może być niezerowe. Bayesowskie podejście do wyceny opcji z wykorzysaniem modeli z klasy GARCH po raz pierwszy prezenują Bauwens i Lubrano (1998, 2002). Za cenę opcji przyjmują warość oczekiwaną (a dokładniej średnią z próby pseudolosowej) zdyskonowanej wypłay względem rozkładu predykywnego ej wypłay lub eż wykorzysując zw. zależność (miarę) lokalnie wolną od ryzyka (ang. Locally Risk Neural Valuaion Relaionship). Naomias Osiewalski i Pipień (2003) proponują za cenę opcji przyjąć medianę predykywnego rozkładu zdyskonowanej wypłay (ponieważ warość oczekiwana nie zawsze isnieje).
5 Prognozowanie zdyskonowanej wypłay europejskiej opcji kupna na indeks WIG W przypadku modeli SV wysępuje problem zupełności rynku. W modelach z losowym współczynnikiem zmienności rynek jes niezupełny (losowość współczynnika zmienności jes dodakowym źródłem ryzyka). Zaem nie isnieje dokładnie jedna miara maryngałowa, kórą można wykorzysać do wyznaczenia ceny opcji. Ponado isnieje wiele meod wyceny opcji, po zasosowaniu kórych można uzyskać różne ceny ej samej opcji. Przegląd ych meod można znaleźć w pracy Hobson (2004). Wykorzysywane w niniejszej pracy wnioskowanie bayesowskie pozwala na pełny opis niepewności związanej z przyszłą wypłaą poprzez konsrukcję rozkładu predykywnego ejże wypłay. W niniejszej pracy ograniczono się jedynie do skonsruowania predykywnego rozkładu zdyskonowanej wypłay: p ( WT T + s y) = p( WT T + s θ, y) p( θ y) dθ, gdzie θ jes wekorem paramerów i zmiennych ukryych, y jes wekorem obserwacji, zaś p( θ y) jes rozkładem a poseriori paramerów modelu i zmiennych ukryych. 5. Wyniki empiryczne 2 Przedmioem rozważań są opcje na indeks WIG20 noowane na Giełdzie Papierów Warościowych (GPW) w Warszawie w dniu 31 grudnia Pod uwagę wzięo europejskie opcje kupna z daą wygaśnięcia na dzień 18 marca oraz 17 czerwca 2005 roku (j. odpowiednio s = 55 i s = 115 dni roboczych), z kursem wykonania: 1700, 1800, 1900, 2000 i 2100 punków indeksowych. Predykywny rozkład zdyskonowanej wypłay dla rozważanych opcji uzyskano modelując logarymiczne sopy zmian noowań indeksu WIG20 z okresu od 29 grudnia 2000 roku do 31 grudnia 2004 roku (liczba obserwacji modelowanych T = 1004) oraz sóp procenowych WIBOR1m z ego samego okresu. Wykorzysanie innych sóp procenowych WIBOR nie ma isonego wpływu na prognozę przyszłej wypłay, zob. Pajor (2007). W modelach ze sałą sopą procenową przyjęo r = 6.5% w skali roku, zgodnie z z założeniami GPW i Krajowego Depozyu Papierów Warościowych 3 (KDPW), por. Kosrzewski i Pajor (2006). Tabela 1 przedsawia charakerysyki rozkładów predykywnych zdyskonowanej wypłay europejskich opcji kupna na indeks WIG20 z daą wykonania na 18 marca i 17 czerwca 2005, orzymane w modelach ze sała sopą procen- 2 Do wyznaczenia rozkładów predykywnych wekora przyszłych obserwacji oraz ich charakerysyk wykorzysano meody Mone Carlo opare na łańcuchach Markowa: próbnik Gibbsa, wewnąrz kórego sosowano algorym Meropolisa i Hasingsa. Meody e, w konekście modeli SV, zosały omówione w pracach: Jacquier, Polson i Rossi (2004), Pajor (2003, 2005), Tsay (2002). 3 por.: Informacja KDPW o wysokości depozyów zabezpieczających na 31 grudnia 2004r. na podsawie komunikau NR 393/DZ/2004 z dnia 31 grudnia 2004r.
6 264 ową: AR(1)-BSV (czyli w przypadku v =, ρ = 0) i AR(1)-FCSV 4 oraz w modelu AR(1)-TSV. We wszyskich modelach uzyskano bardzo rozproszone rozkłady predykywne zdyskonowanej wypłay, o czym świadczy warość rozsępu miedzykwarylowego (IQR). Hisogramy dla wybranych opcji przedsawiono na rysunku 1, gdzie rzeczywisą warość zdyskonowanej wypłay zaznaczono rójkąem. Jes ona zlokalizowana między pierwszym kwarylem a medianą predykywnego rozkładu. Dla wszyskich opcji prawdopodobieńswo ich niewykonania jes wyższe w modelu AR(1)-FCSV i równocześnie w ym modelu niepewność związana z przyszłą wypłaą jes najmniejsza (warości IQR są odpowiednio najmniejsze). Tabela 1. Charakerysyki rozkładów predykywnych zdyskonowanej wypłay europejskich opcji kupna na indeks WIG20 z daą wykonania na 18 marca i 17 czerwca W modelach ze sałą sopą procenową r=0.065/251 Model s=55 K s=115 K Kwany BSV IQR P(W T T+s =0 y) kwanyl FCSV IQR P(W T T+s =0 y) rzeczywisa wypłaa wypłaa zdysk kwany TSV IQR P(W T T+s =0 y) wypłaa zdysk kurs zamk. z Źródło: obliczenia własne. 4 Warość oczekiwana a poseriori dla v wynosi z odchyleniem sandardowym a poseriori 6.49; naomias dla ρ warość oczekiwana jes równa z odchyleniem
7 Prognozowanie zdyskonowanej wypłay europejskiej opcji kupna na indeks WIG Jeśli porównamy mediany predykywnych rozkładów z rzeczywisymi warościami zdyskonowanych wypła (zaobserwowanymi ex-pos, zob. abela 2), o model AR(1)-FCSV (ze sałą sopą procenową) generuje najlepsze prognozy w sensie średniego błędu predykcji (ME). W modelach z warunkowym rozkładem normalnym (czyli AR(1)-BSV i AR(1)-TSV), w każdym przypadku, mediany rozkładów predykywnych są wyższe niż rzeczywise warości zdyskonowanej wypłay, równocześnie niepewność związana z przyszłą wypłaą (mierzona rozsępem międzykwarylowym) jes większa niż w modelu AR(1)- FCSV. Dwuwymiarowy model AR(1)-TSV, w sensie ME, wypada najgorzej. Tabela 2. Różnice między rzeczywisą zdyskonowaną wypłaą a medianą rozkładu predykywnego: C i - Ĉ, gdzie Ci oznacza rzeczywisą zdyskonowaną wypłaę, - medianę i rozkładu predykywnego, ME = (1/ n) C i Cˆ i n i= 1 Model S=55 S= ME BSV FCSV TSV Źródło: obliczenia własne. Ĉ i s = 55, K=1800, bivariae TSV s = 55, K=1800, univariae FCSV Rysunek 1. Hisogramy rozkładów predykywnych zdyskonowanej wypłay Źródło: opracowanie własne. 6. Podsumowanie Na przykładzie europejskich opcji kupna na indeks WIG20 pokazano, że uwzględnienie w modelu wyceny opcji sochasycznej sopy procenowej nie poprawia jakości prognoz zdyskonowanej wypłay. Modele SV ze sałą sopą procenową generują lepsze prognozy przyszłej wypłay (na poziomie mediany rozkładu predykywnego zdyskonowanej wypłay) niż model ze sochasyczną sopą procenową. Ponado w modelu FCSV ze sałą sopą procenową i grubszymi ogonami niż modele BSV i TSV, mediany predykywnych rozkładów
8 266 przyszłych wypła są najbliższe rzeczywisym warościom ych wypła (zaobserwowanym ex-pos). Sąd na prognozę przyszłej wypłay większy wpływ ma specyfikacja rozkładu warunkowego dla sóp zmian cen insrumenu podsawowego niż uzmiennienie sopy procenowej. Duże rozproszenie rozkładów predykywnych wskazuje jednak na ogromną niepewność co do przyszłej wypłay. Lieraura Amin, K.I., Ng, V.K. (1993), Opion Valuaion wih Sysemaic Sochasic Volailiy, The Journal of Finance, vol. 48, no. 3, Bauwens, L., Lubrano, M. (1998), Bayesian inference on GARCH models using he Gibbs sampler, Economerics Journal 1, C23 C46. Bauwens, L., Lubrano, M. (2002), Bayesian opion pricing using asymmeric GARCH models, Journal of Empirical Finance 9, Campbell, J.Y., Lo, A.W., MacKinlay, A.C. (1997), The Economerics of Financial Markes, Princeon Universiy Press, Chicheser. Heson, S.L. (1993), A Closed-Form Soluion for Opions wih Sochasic Volailiy wih Applicaions o Bond and Currency Opions, The Review of Financial Sudies, vol. 6, no 2, Hobson, D. (2004), A Survey of Mahemaical Finance, (Adams Prize Essay). Proceedings of he Royal Sociey: Mahemaical, Physical and Engineering Sciences. 460:2052, , Published elecronically a FirsCie Ocober Hull, J., Whie, A. (1987), The pricing of opions on asses wih sochasic volailiies, Journal of Finance, vol. 42, Jacquier, E., Polson, N., Rossi, P. (1994), Bayesian analysis of sochasic volailiy models, [wih discussion], Journal of Business and Economic Saisics, vol. 12, Jacquier, E., Polson, N., Rossi, P. (2004), Bayesian analysis of sochasic volailiy models wih fa-ails and correlaed errors, Journal of Economerics, vol. 122, Kosrzewski, M., Pajor, A. (2006), Bayesowska wycena opcji na index WIG20: procesy Iô a dyskrene procesy SV, Folia Oeconomica Cracoviensia, in press Osiewalski, J., Pipień, M. (2003), Bayesian Analysis and Opion Pricing in Univariae GARCH Models wih Asymmeries and GARCH-in-Mean Effecs, Przeglad Saysyczny vol. 50, No 3, Pajor, A. (2003), Procesy zmienności sochasycznej SV w bayesowskiej analizie finansowych szeregów czasowych, Monografie: Prace Dokorskie, Nr 2, Wydawnicwo AE w Krakowie, Kraków. Pajor, A. (2005), Bayesian Analysis of Sochasic Volailiy Model and Porfolio Allocaion, [in:] Issues in Modelling, Forecasing and Decision-Making in Financial Markes, Aca Universiais Lodzensis Folia Oeconomica 192, Pajor, A. (2007), Bayesian Forecasing of he Payoff of European Call Opions on WIG20 Index under Sochasic Volailiy and Sochasic Ineres Raes, refera wygłoszony na 6h Annual Inernaional Conference Forecasing Financial Markes and Economic Decision- Making FindEcon 2007, Universiy of Łódź, 9 12 May 2007, przesłany do recenzji. Tsay, R. S. (2002), Analysis of Financial Time Series. Financial Economerics, A Wiley- Inerscience Publicaion, John Wiley & Sons, INC. Wiggins, J. B. (1987), Opion Values under Sochasuc Volailiy. Theory and Empirical Esimaes, Journal of Financial Economics 19,
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 Akademia Ekonomiczna w Krakowie Modelowanie
Bardziej szczegółowoEwa Dziawgo Uniwersytet Mikołaja Kopernika w Toruniu. Analiza wrażliwości modelu wyceny opcji złożonych
DYNAMICZNE MODELE EKONOMETRYCZNE X Ogólnopolskie Seminarium Naukowe, 4 6 września 7 w Toruniu Kaedra Ekonomerii i Saysyki, Uniwersye Mikołaja Kopernika w Toruniu Uniwersye Mikołaja Kopernika w Toruniu
Bardziej szczegółowoDYNAMICZNE MODELE EKONOMETRYCZNE
DYNAMICZNE 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 szczegółowoDYNAMICZNE MODELE EKONOMETRYCZNE
DYNAMICZNE MODELE EKONOMETRYCZNE IX Ogólnopolskie Seminarium Naukowe, 6 8 września 2005 w Toruniu Kaedra Ekonomerii i Saysyki, Uniwersye Mikołaja Kopernika w Toruniu Kaarzyna Kuziak Akademia Ekonomiczna
Bardziej szczegółowoKrzysztof Piontek Weryfikacja modeli Blacka-Scholesa dla opcji na WIG20
Akademia Ekonomiczna im. Oskara Langego we Wrocławiu Wydział Zarządzania i Informayki Kaedra Inwesycji Finansowych i Zarządzania Ryzykiem Krzyszof Pionek Weryfikacja modeli Blacka-Scholesa oraz AR-GARCH
Bardziej szczegółowoDYNAMICZNE MODELE EKONOMETRYCZNE
DYNAMICZNE MODEE EKONOMETRYCZNE X Ogólnopolskie Seminarium Naukowe, 4 6 września 007 w Toruniu Kaedra Ekonomerii i Saysyki, Uniwersye Mikołaja Kopernika w Toruniu Joanna Małgorzaa andmesser Szkoła Główna
Bardziej szczegółowoDYNAMICZNE MODELE EKONOMETRYCZNE
DYNAMICZNE MODELE EKONOMETRYCZNE X Ogólnopolskie Seminarium Naukowe, 4 6 września 2007 w Toruniu Kaedra Ekonomerii i Saysyki, Uniwersye Mikołaja Kopernika w Toruniu Pior Fiszeder Uniwersye Mikołaja Kopernika
Bardziej szczegółowoDYNAMICZNE MODELE EKONOMETRYCZNE
DYNAMICZNE MODELE EKONOMETRYCZNE X Ogólnopolskie Seminarium Naukowe, 4 6 września 2007 w Toruniu Kaedra Ekonomerii i Saysyki, Uniwersye Mikołaja Kopernika w Toruniu Uniwersye Gdański Zasosowanie modelu
Bardziej szczegółowoBayesowskie porównanie modeli STUR i GARCH w finansowych szeregach czasowych 1
Jacek Kwiakowski Uniwersye Mikołaja Kopernika w Toruniu Bayesowskie porównanie modeli STUR i GARCH w finansowych szeregach czasowych 1 WSTĘP Powszechnie wiadomo, że podsawowymi własnościami procesów finansowych
Bardziej szczegółowoMagdalena Sokalska Szkoła Główna Handlowa. Modelowanie zmienności stóp zwrotu danych finansowych o wysokiej częstotliwości
DYNAMICZNE MODELE EKONOMETRYCZNE IX Ogólnopolskie Seminarium Naukowe, 6 8 września 005 w Toruniu Kaedra Ekonomerii i Saysyki, Uniwersye Mikołaja Kopernika w Toruniu Szkoła Główna Handlowa Modelowanie zmienności
Bardziej szczegółowoKombinowanie prognoz. - dlaczego należy kombinować prognozy? - obejmowanie prognoz. - podstawowe metody kombinowania prognoz
Noaki do wykładu 005 Kombinowanie prognoz - dlaczego należy kombinować prognozy? - obejmowanie prognoz - podsawowe meody kombinowania prognoz - przykłady kombinowania prognoz gospodarki polskiej - zalecenia
Bardziej szczegółowoJacek Kwiatkowski Magdalena Osińska. Procesy zawierające stochastyczne pierwiastki jednostkowe identyfikacja i zastosowanie.
DYNAMICZNE MODELE EKONOMETRYCZNE Jacek Kwiakowski Magdalena Osińska Uniwersye Mikołaja Kopernika Procesy zawierające sochasyczne pierwiaski jednoskowe idenyfikacja i zasosowanie.. Wsęp Większość lieraury
Bardziej szczegółowoMatematyka ubezpieczeń majątkowych r. ma złożony rozkład Poissona. W tabeli poniżej podano rozkład prawdopodobieństwa ( )
Zadanie. Zmienna losowa: X = Y +... + Y N ma złożony rozkład Poissona. W abeli poniżej podano rozkład prawdopodobieńswa składnika sumy Y. W ejże abeli podano akże obliczone dla k = 0... 4 prawdopodobieńswa
Bardziej szczegółowoA C T A U N I V E R S I T A T I S N I C O L A I C O P E R N I C I EKONOMIA XLIII nr 2 (2012)
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 XLIII nr 2 (2012) 211 220 Pierwsza wersja złożona 25 października 2011 ISSN Końcowa wersja zaakcepowana 3 grudnia 2012 2080-0339
Bardziej szczegółowoModelowanie ryzyka kredytowego MODELOWANIE ZA POMOCA HAZARDU
Modelowanie ryzyka kredyowego MODELOWANIE ZA POMOCA PROCESU HAZARDU Mariusz Niewęgłowski Wydział Maemayki i Nauk Informacyjnych, Poliechniki Warszawskiej Warszawa 2014 hazardu Warszawa 2014 1 / 18 Proces
Bardziej szczegółowoStudia Ekonomiczne. Zeszyty Naukowe Uniwersytetu Ekonomicznego w Katowicach ISSN 2083-8611 Nr 219 2015
Sudia Ekonomiczne. Zeszyy Naukowe Uniwersyeu Ekonomicznego w Kaowicach ISSN 2083-86 Nr 29 205 Alicja Ganczarek-Gamro Uniwersye Ekonomiczny w Kaowicach Wydział Informayki i Komunikacji Kaedra Demografii
Bardziej szczegółowoPROGNOZOWANIE I SYMULACJE. mgr Żaneta Pruska. Ćwiczenia 2 Zadanie 1
PROGNOZOWANIE I SYMULACJE mgr Żanea Pruska Ćwiczenia 2 Zadanie 1 Firma Alfa jes jednym z głównych dosawców firmy Bea. Ilość produku X, wyrażona w ysiącach wyprodukowanych i dosarczonych szuk firmie Bea,
Bardziej szczegółowoTransakcje insiderów a ceny akcji spółek notowanych na Giełdzie Papierów Wartościowych w Warszawie S.A.
Agaa Srzelczyk Transakcje insiderów a ceny akcji spółek noowanych na Giełdzie Papierów Warościowych w Warszawie S.A. Wsęp Inwesorzy oczekują od każdej noowanej na Giełdzie Papierów Warościowych spółki
Bardziej szczegółowoPobieranie próby. Rozkład χ 2
Graficzne przedsawianie próby Hisogram Esymaory przykład Próby z rozkładów cząskowych Próby ze skończonej populacji Próby z rozkładu normalnego Rozkład χ Pobieranie próby. Rozkład χ Posać i własności Znaczenie
Bardziej szczegółowoMODELOWANIE FINANSOWYCH SZEREGÓW CZASOWYCH Z WARUNKOWĄ WARIANCJĄ. 1. Wstęp
WERSJA ROBOCZA - PRZED POPRAWKAMI RECENZENTA Krzyszof Pionek Akademia Ekonomiczna we Wrocławiu MODELOWANIE FINANSOWYCH SZEREGÓW CZASOWYCH Z WARUNKOWĄ WARIANCJĄ. Wsęp Spośród wielu rodzajów ryzyka, szczególną
Bardziej szczegółowoWNIOSKOWANIE STATYSTYCZNE
Wnioskowanie saysyczne w ekonomerycznej analizie procesu produkcyjnego / WNIOSKOWANIE STATYSTYCZNE W EKONOMETRYCZNEJ ANAIZIE PROCESU PRODUKCYJNEGO Maeriał pomocniczy: proszę przejrzeć srony www.cyf-kr.edu.pl/~eomazur/zadl4.hml
Bardziej szczegółowoEuropejska opcja kupna akcji calloption
Europejska opcja kupna akcji callopion Nabywca holder: prawo kupna long posiion jednej akcji w okresie epiraiondae po cenie wykonania eercise price K w zamian za opłaę C Wysawca underwrier: obowiązek liabiliy
Bardziej szczegółowoOddziaływanie procesu informacji na dynamikę cen akcji. Małgorzata Doman Akademia Ekonomiczna w Poznaniu
Oddziaływanie procesu informacji na dynamikę cen akcji. Małgorzaa Doman Akademia Ekonomiczna w Poznaniu Modele mikrosrukury rynku Bageho (97) informed raders próbują wykorzysać swoją przewagę informacyjną
Bardziej szczegółowo2.1 Zagadnienie Cauchy ego dla równania jednorodnego. = f(x, t) dla x R, t > 0, (2.1)
Wykład 2 Sruna nieograniczona 2.1 Zagadnienie Cauchy ego dla równania jednorodnego Równanie gań sruny jednowymiarowej zapisać można w posaci 1 2 u c 2 2 u = f(x, ) dla x R, >, (2.1) 2 x2 gdzie u(x, ) oznacza
Bardziej szczegółowoEFEKT DŹWIGNI NA GPW W WARSZAWIE WPROWADZENIE
Paweł Kobus, Rober Pierzykowski Kaedra Ekonomerii i Informayki SGGW e-mail: pawel.kobus@saysyka.info EFEKT DŹWIGNI NA GPW W WARSZAWIE Sreszczenie: Do modelowania asymerycznego wpływu dobrych i złych informacji
Bardziej szczegółowoMIARA I ODWZOROWANIE RYZYKA FORWARD NA RYNKU SKOŃCZONYM
Sudia Ekonomiczne. Zeszyy Naukowe Uniwersyeu Ekonomicznego w Kaowicach ISSN 2083-8611 Nr 295 2016 Szkoła Główna Handlowa w Warszawie Kolegium Analiz Ekonomicznych Kaedra Maemayki i Ekonomii Maemaycznej
Bardziej szczegółowoKrzysztof Jajuga Akademia Ekonomiczna we Wrocławiu. Modelowanie stóp procentowych a narzędzia ekonometrii finansowej
DYNAMICZNE MODELE EKONOMETRYCZNE IX Ogólnopolskie Seminarium Naukowe, 6 8 września 2005 w Toruniu Kaedra Ekonomerii i Saysyki, Uniwersye Mikołaja Kopernika w Toruniu Krzyszof Jajuga Akademia Ekonomiczna
Bardziej szczegółowoDYNAMIKA KONSTRUKCJI
10. DYNAMIKA KONSTRUKCJI 1 10. 10. DYNAMIKA KONSTRUKCJI 10.1. Wprowadzenie Ogólne równanie dynamiki zapisujemy w posaci: M d C d Kd =P (10.1) Zapis powyższy oznacza, że równanie musi być spełnione w każdej
Bardziej szczegółowoKRZYSZTOF JAJUGA Katedra Inwestycji Finansowych i Zarządzania Ryzykiem Akademia Ekonomiczna we Wrocławiu 25 LAT EKONOMETRII FINANSOWEJ
KRZYSZTOF JAJUGA Kaedra Inwesycji Finansowych i Zarządzania Ryzykiem Akademia Ekonomiczna we Wrocławiu 25 LAT EKONOMETRII FINANSOWEJ EKONOMETRIA FINANSOWA OKREŚLENIE Modele ekonomerii finansowej są worzone
Bardziej szczegółowolicencjat Pytania teoretyczne:
Plan wykładu: 1. Wiadomości ogólne. 2. Model ekonomeryczny i jego elemeny 3. Meody doboru zmiennych do modelu ekonomerycznego. 4. Szacownie paramerów srukuralnych MNK. Weryfikacja modelu KMNK 6. Prognozowanie
Bardziej szczegółowoPolitechnika Częstochowska Wydział Inżynierii Mechanicznej i Informatyki. Sprawozdanie #2 z przedmiotu: Prognozowanie w systemach multimedialnych
Poliechnika Częsochowska Wydział Inżynierii Mechanicznej i Informayki Sprawozdanie #2 z przedmiou: Prognozowanie w sysemach mulimedialnych Andrzej Siwczyński Andrzej Rezler Informayka Rok V, Grupa IO II
Bardziej szczegółowoWitold Orzeszko Uniwersytet Mikołaja Kopernika w Toruniu. Własności procesów STUR w świetle metod z teorii chaosu 1
DYNAMICZNE MODELE EKONOMETRYCZNE IX Ogólnopolskie Seminarium Naukowe, 6-8 września 2005 w Toruniu Kaedra Ekonomerii i Saysyki, Uniwersye Mikołaja Kopernika w Toruniu Uniwersye Mikołaja Kopernika w Toruniu
Bardziej szczegółowo2. Wprowadzenie. Obiekt
POLITECHNIKA WARSZAWSKA Insyu Elekroenergeyki, Zakład Elekrowni i Gospodarki Elekroenergeycznej Bezpieczeńswo elekroenergeyczne i niezawodność zasilania laoraorium opracował: prof. dr ha. inż. Józef Paska,
Bardziej szczegółowoWYKORZYSTANIE STATISTICA DATA MINER DO PROGNOZOWANIA W KRAJOWYM DEPOZYCIE PAPIERÓW WARTOŚCIOWYCH
SaSof Polska, el. 12 428 43 00, 601 41 41 51, info@sasof.pl, www.sasof.pl WYKORZYSTANIE STATISTICA DATA MINER DO PROGNOZOWANIA W KRAJOWYM DEPOZYCIE PAPIERÓW WARTOŚCIOWYCH Joanna Maych, Krajowy Depozy Papierów
Bardziej szczegółowoESTYMACJA KRZYWEJ DOCHODOWOŚCI STÓP PROCENTOWYCH DLA POLSKI
METODY ILOŚCIOWE W BADANIACH EKONOMICZNYCH Tom XIII/3, 202, sr. 253 26 ESTYMACJA KRZYWEJ DOCHODOWOŚCI STÓP PROCENTOWYCH DLA POLSKI Adam Waszkowski Kaedra Ekonomiki Rolnicwa i Międzynarodowych Sosunków
Bardziej szczegółowoUogólnienie dychotomicznego modelu probitowego z wykorzystaniem skośnego rozkładu Studenta *
Jacek Osiewalski Jerzy Marzec, Kaedra Ekonomerii i Badań Operacyjnych, Uniwersye Ekonomiczny w Krakowie Jacek Osiewalski, Jerzy Marzec Uogólnienie dychoomicznego modelu probiowego z wykorzysaniem skośnego
Bardziej szczegółowoAlicja Ganczarek Akademia Ekonomiczna w Katowicach. Analiza niezależności przekroczeń VaR na wybranym segmencie rynku energii
DYNAMICZNE MODELE EKONOMETRYCZNE X Ogólnopolskie Seminarium Naukowe, 4 6 września 007 w Toruniu Kaedra Ekonomerii i Saysyki, Uniwersye Mikołaja Kopernika w Toruniu Akademia Ekonomiczna w Kaowicach Analiza
Bardziej szczegółowoOcena efektywności procedury Congruent Specyfication dla małych prób
243 Zeszyy Naukowe Wyższej Szkoły Bankowej we Wrocławiu Nr 20/2011 Wyższa Szkoła Bankowa w Toruniu Ocena efekywności procedury Congruen Specyficaion dla małych prób Sreszczenie. Procedura specyfikacji
Bardziej szczegółowospecyfikacji i estymacji modelu regresji progowej (ang. threshold regression).
4. Modele regresji progowej W badaniach empirycznych coraz większym zaineresowaniem cieszą się akie modele szeregów czasowych, kóre pozwalają na objaśnianie nieliniowych zależności między poszczególnymi
Bardziej szczegółowoMODELOWANIE EFEKTU DŹWIGNI W FINANSOWYCH SZEREGACH CZASOWYCH
Krzyszof Pionek Kaedra Inwesycji Finansowych i Ubezpieczeń Akademia Ekonomiczna we Wrocławiu Wsęp MODELOWANIE EFEKTU DŹWIGNI W FINANSOWYCH SZEREGACH CZASOWYCH Nowoczesne echniki zarządzania ryzykiem rynkowym
Bardziej szczegółowoEKONOMETRIA wykład 2. Prof. dr hab. Eugeniusz Gatnar.
EKONOMERIA wykład Prof. dr hab. Eugeniusz Ganar eganar@mail.wz.uw.edu.pl Przedziały ufności Dla paramerów srukuralnych modelu: P bˆ j S( bˆ z prawdopodobieńswem parameru b bˆ S( bˆ, ( m j j j, ( m j b
Bardziej szczegółowoPrognozowanie 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 szczegółowoO PEWNYCH KRYTERIACH INWESTOWANIA W OPCJE NA AKCJE
MEODY ILOŚCIOWE W BADANIACH EKONOMICZNYCH om XIII/3, 01, sr 43 5 O EWNYCH KRYERIACH INWESOWANIA W OCJE NA AKCJE omasz Warowny Kaedra Meod Ilościowych w Zarządzaniu oliechnika Lubelska e-mail: warowny@pollubpl
Bardziej szczegółowoMODELOWANIE WŁASNOŚCI SZEREGÓW STÓP ZWROTU SKOŚNOŚĆ ROZKŁADÓW
Krzyszof Pionek Kaedra Inwesycji Finansowych i Ubezpieczeń Akademia Ekonomiczna we Wrocławiu MODELOWANIE WŁASNOŚCI SZEREGÓW STÓP ZWROTU SKOŚNOŚĆ ROZKŁADÓW Wprowadzenie Współczesne zarządzanie ryzykiem
Bardziej szczegółowoAnaliza rynku projekt
Analiza rynku projek A. Układ projeku 1. Srona yułowa Tema Auor 2. Spis reści 3. Treść projeku 1 B. Treść projeku 1. Wsęp Po co? Na co? Dlaczego? Dlaczego robię badania? Jakimi meodami? Dla Kogo o jes
Bardziej szczegółowoDaniel Papla Akademia Ekonomiczna we Wrocławiu. Wykorzystanie modelu DCC-MGARCH w analizie zmian zależności wybranych akcji GPW w Warszawie
DYNAMICZNE MODELE EKONOMETRYCZNE X Ogólnopolskie Seminarium Naukowe, 4 6 września 27 w Toruniu Kaedra Ekonomerii i Saysyki, Uniwersye Mikołaja Kopernika w Toruniu Akademia Ekonomiczna we Wrocławiu Wykorzysanie
Bardziej szczegółowoOPTYMALIZACJA PORTFELA INWESTYCYJNEGO ZE WZGLĘDU NA MINIMALNY POZIOM TOLERANCJI DLA USTALONEGO VaR
Daniel Iskra Uniwersye Ekonomiczny w Kaowicach OPTYMALIZACJA PORTFELA IWESTYCYJEGO ZE WZGLĘDU A MIIMALY POZIOM TOLERACJI DLA USTALOEGO VaR Wprowadzenie W osanich laach bardzo popularną miarą ryzyka sała
Bardziej szczegółowoPROGRAMOWY GENERATOR PROCESÓW STOCHASTYCZNYCH LEVY EGO
POZNAN UNIVE RSITY OF TE CHNOLOGY ACADE MIC JOURNALS No 69 Elecrical Engineering 0 Janusz WALCZAK* Seweryn MAZURKIEWICZ* PROGRAMOWY GENERATOR PROCESÓW STOCHASTYCZNYCH LEVY EGO W arykule opisano meodę generacji
Bardziej szczegółowoOCENA ATRAKCYJNOŚCI INWESTYCYJNEJ AKCJI NA PODSTAWIE CZASU PRZEBYWANIA W OBSZARACH OGRANICZONYCH KRZYWĄ WYKŁADNICZĄ
Tadeusz Czernik Daniel Iskra Uniwersye Ekonomiczny w Kaowicach Kaedra Maemayki Sosowanej adeusz.czernik@ue.kaowice.pl daniel.iskra@ue.kaowice.pl OCEN TRKCYJNOŚCI INWESTYCYJNEJ KCJI N PODSTWIE CZSU PRZEBYWNI
Bardziej szczegółowoMetody badania wpływu zmian kursu walutowego na wskaźnik inflacji
Agnieszka Przybylska-Mazur * Meody badania wpływu zmian kursu waluowego na wskaźnik inflacji Wsęp Do oceny łącznego efeku przenoszenia zmian czynników zewnęrznych, akich jak zmiany cen zewnęrznych (szoki
Bardziej szczegółowoROCZNIKI INŻYNIERII BUDOWLANEJ ZESZYT 7/2007 Komisja Inżynierii Budowlanej Oddział Polskiej Akademii Nauk w Katowicach
ROZNIKI INŻYNIERII BUDOWLANEJ ZESZYT 7/007 Komisja Inżynierii Budowlanej Oddział Polskiej Akademii Nauk w Kaowicach WYZNAZANIE PARAMETRÓW FUNKJI PEŁZANIA DREWNA W UJĘIU LOSOWYM * Kamil PAWLIK Poliechnika
Bardziej szczegółowoWyzwania praktyczne w modelowaniu wielowymiarowych procesów GARCH
Krzyszof Pionek Akademia Ekonomiczna we Wrocławiu Wyzwania prakyczne w modelowaniu wielowymiarowych procesów GARCH Wsęp Od zaproponowania przez Engla w 1982 roku jednowymiarowego modelu klasy ARCH, modele
Bardziej szczegółowoElżbieta Szulc Uniwersytet Mikołaja Kopernika w Toruniu. Modelowanie zależności między przestrzennoczasowymi procesami ekonomicznymi
DYNAMICZNE MODELE EKONOMETRYCZNE X Ogólnopolskie Seminarium Naukowe, 4 6 września 007 w Toruniu Kaedra Ekonomerii i Saysyk Uniwersye Mikołaja Kopernika w Toruniu Uniwersye Mikołaja Kopernika w Toruniu
Bardziej szczegółowoANALIZA, 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 szczegółowoPolitechnika Gdańska Wydział Elektrotechniki i Automatyki Katedra Inżynierii Systemów Sterowania. Podstawy Automatyki
Poliechnika Gdańska Wydział Elekroechniki i Auomayki Kaedra Inżynierii Sysemów Serowania Podsawy Auomayki Repeyorium z Podsaw auomayki Zadania do ćwiczeń ermin T15 Opracowanie: Kazimierz Duzinkiewicz,
Bardziej szczegółowoWitold Orzeszko Uniwersytet Mikołaja Kopernika w Toruniu
DYNAMICZNE MODELE EKONOMETRYCZNE X Ogólnopolskie Seminarium Naukowe, 4 6 września 2007 w Toruniu Kaedra Ekonomerii i Saysyki, Uniwersye Mikołaja Kopernika w Toruniu Uniwersye Mikołaja Kopernika w Toruniu
Bardziej szczegółowoWPŁYW WARTOŚCI EKSTREMALNYCH NA ZMIENNOŚĆ STOCHASTYCZNĄ
Jusyna Majewska Uniwersye Ekonomiczny w Kaowicach WPŁYW WARTOŚCI EKSTREMALNYCH NA ZMIENNOŚĆ STOCHASTYCZNĄ Wprowadzenie Idea modelu zmienności sochasycznej (ang. sochasic volailiy, SV) powsała na podsawie
Bardziej szczegółowoMETODY STATYSTYCZNE W FINANSACH
METODY STATYSTYCZNE W FINANSACH Krzyszof Jajuga Akademia Ekonomiczna we Wrocławiu, Kaedra Inwesycji Finansowych i Ubezpieczeń Wprowadzenie W osanich kilkunasu laach na świecie obserwuje się dynamiczny
Bardziej szczegółowoKrzysztof Piontek MODELOWANIE ZMIENNOŚCI STÓP PROCENTOWYCH NA PRZYKŁADZIE STOPY WIBOR
Inwesycje finansowe i ubezpieczenia endencje świaowe a rynek polski Krzyszof Pionek Akademia Ekonomiczna we Wrocławiu MODELOWANIE ZMIENNOŚCI STÓP PROCENTOWYCH NA PRZYKŁADZIE STOPY WIBOR Wsęp Konieczność
Bardziej szczegółowoUMK w Toruniu ANALIZA ZALEŻNOŚCI MIĘDZY INDEKSEM WIG A WYBRANYMI INDEKSAMI RYNKÓW AKCJI NA ŚWIECIE
Pior Fiszeder UMK w Toruniu ANALIZA ZALEŻNOŚCI MIĘDZY INDEKSEM WIG A WYBRANYMI INDEKSAMI RYNKÓW AKCJI NA ŚWIECIE. Wprowadzenie Rynki kapiałowe na świecie są coraz silniej powiązane. Do najważniejszych
Bardziej szczegółowoWARTOŚĆ ZAGROŻONA OPCJI EUROPEJSKICH SZACOWANA PRZEDZIAŁOWO. SYMULACJE
Daniel Iskra Uniwersye Ekonomiczny w Kaowicach WARTOŚĆ ZAGROŻONA OPCJI EUROPEJSKICH SZACOWANA PRZEDZIAŁOWO. SYMULACJE Wprowadzenie Jednym z aspeków współczesnej ekonomii jes zarządzanie ryzykiem związanym
Bardziej szczegółowoStrukturalne podejście w prognozowaniu produktu krajowego brutto w ujęciu regionalnym
Jacek Baóg Uniwersye Szczeciński Srukuralne podejście w prognozowaniu produku krajowego bruo w ujęciu regionalnym Znajomość poziomu i dynamiki produku krajowego bruo wyworzonego w poszczególnych regionach
Bardziej szczegółowoKURS EKONOMETRIA. Lekcja 1 Wprowadzenie do modelowania ekonometrycznego ZADANIE DOMOWE. Strona 1
KURS EKONOMETRIA Lekcja 1 Wprowadzenie do modelowania ekonomerycznego ZADANIE DOMOWE www.erapez.pl Srona 1 Część 1: TEST Zaznacz poprawną odpowiedź (ylko jedna jes prawdziwa). Pyanie 1 Kóre z poniższych
Bardziej szczegółowoKrzysztof Piontek Akademia Ekonomiczna we Wrocławiu. Modelowanie warunkowej kurtozy oraz skośności w finansowych szeregach czasowych
DYNAMICZNE MODELE EKONOMETRYCZNE IX Ogólnopolskie Seminarium Naukowe, 6 8 września 5 w Toruniu Kaedra Ekonomerii i Saysyki, Uniwersye Mikołaja Kopernika w Toruniu Akademia Ekonomiczna we Wrocławiu Modelowanie
Bardziej szczegółowoWykład 6. Badanie dynamiki zjawisk
Wykład 6 Badanie dynamiki zjawisk Krzywa wieża w Pizie 1 2 3 4 5 6 7 8 9 10 11 12 13 y 4,9642 4,9644 4,9656 4,9667 4,9673 4,9688 4,9696 4,9698 4,9713 4,9717 4,9725 4,9742 4,9757 Szeregiem czasowym nazywamy
Bardziej szczegółowoPROGNOZOWANIE I SYMULACJE EXCEL 2 PROGNOZOWANIE I SYMULACJE EXCEL AUTOR: ŻANETA PRUSKA
1 PROGNOZOWANIE I SYMULACJE EXCEL 2 AUTOR: mgr inż. ŻANETA PRUSKA DODATEK SOLVER 2 Sprawdzić czy w zakładce Dane znajduję się Solver 1. Kliknij przycisk Microsof Office, a nasępnie kliknij przycisk Opcje
Bardziej szczegółowoĆWICZENIE 7 WYZNACZANIE LOGARYTMICZNEGO DEKREMENTU TŁUMIENIA ORAZ WSPÓŁCZYNNIKA OPORU OŚRODKA. Wprowadzenie
ĆWICZENIE 7 WYZNACZIE LOGARYTMICZNEGO DEKREMENTU TŁUMIENIA ORAZ WSPÓŁCZYNNIKA OPORU OŚRODKA Wprowadzenie Ciało drgające w rzeczywisym ośrodku z upływem czasu zmniejsza ampliudę drgań maleje energia mechaniczna
Bardziej szczegółowoWYBRANE TESTY NIEOBCIĄŻONOŚCI MIAR RYZYKA NA PRZYKŁADZIE VALUE AT RISK
Przemysław Jeziorski Uniwersye Ekonomiczny w Kaowicach Wydział Informayki i Komunikacji Zakład Demografii i Saysyki Ekonomicznej przemyslaw.jeziorski@ue.kaowice.pl WYBRANE TESTY NIEOBCIĄŻONOŚCI MIAR RYZYKA
Bardziej szczegółowoEfekty agregacji czasowej szeregów finansowych a modele klasy Sign RCA
Joanna Górka * Efeky agregacji czasowej szeregów finansowych a modele klasy Sign RCA Wsęp Wprowadzenie losowego parameru do modelu auoregresyjnego zwiększa możliwości aplikacyjne ego modelu, gdyż pozwala
Bardziej szczegółowoParytet stóp procentowych a premia za ryzyko na przykładzie kursu EURUSD
Parye sóp procenowych a premia za ryzyko na przykładzie kursu EURUD Marcin Gajewski Uniwersye Łódzki 4.12.2008 Parye sóp procenowych a premia za ryzyko na przykładzie kursu EURUD Niezabazpieczony UIP)
Bardziej szczegółowoψ przedstawia zależność
Ruch falowy 4-4 Ruch falowy Ruch falowy polega na rozchodzeniu się zaburzenia (odkszałcenia) w ośrodku sprężysym Wielkość zaburzenia jes, podobnie jak w przypadku drgań, funkcją czasu () Zaburzenie rozchodzi
Bardziej szczegółowoWERYFIKACJA JAKOŚCI PROGNOZ ZMIENNOŚCI WYKORZYSTYWANYCH W MODELU RISKMETRICS TM
Sudia Ekonomiczne. Zeszyy Naukowe Uniwersyeu Ekonomicznego w Kaowicach ISSN 083-8611 Nr 86 016 Ekonomia 6 Uniwersye Ekonomiczny w Kaowicach Wydział Finansów i Ubezpieczeń Kaedra Inwesycji i Nieruchomości
Bardziej szczegółowoPOWIĄZANIA POMIĘDZY KRÓTKOOKRESOWYMI I DŁUGOOKRESOWYMI STOPAMI PROCENTOWYMI W POLSCE
Anea Kłodzińska, Poliechnika Koszalińska, Zakład Ekonomerii POWIĄZANIA POMIĘDZY KRÓTKOOKRESOWYMI I DŁUGOOKRESOWYMI STOPAMI PROCENTOWYMI W POLSCE Sopy procenowe w analizach ekonomicznych Sopy procenowe
Bardziej szczegółowoAnaliza i Zarządzanie Portfelem cz. 6 R = Ocena wyników zarządzania portfelem. Pomiar wyników zarządzania portfelem. Dr Katarzyna Kuziak
Ocena wyników zarządzania porelem Analiza i Zarządzanie Porelem cz. 6 Dr Kaarzyna Kuziak Eapy oceny wyników zarządzania porelem: - (porolio perormance measuremen) - Przypisanie wyników zarządzania porelem
Bardziej szczegółowoPROGNOZOWANIE. 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 szczegółowoWPŁYW NIEPEWNOŚCI OSZACOWANIA ZMIENNOŚCI NA CENĘ INSTRUMENTÓW POCHODNYCH
Tadeusz Czernik Uniwersye Ekonomiczny w Kaowicach WPŁYW NIEPEWNOŚCI OZACOWANIA ZMIENNOŚCI NA CENĘ INTRUMENTÓW POCHODNYCH Wprowadzenie Jednym z filarów współczesnych finansów jes eoria wyceny insrumenów
Bardziej szczegółowoMiara ryzyka estymacji parametrów modelu VaR
Zeszyy Uniwersye Ekonomiczny w Krakowie Naukowe 4 (976) ISSN 1898-6447 e-issn 2545-3238 Zesz. Nauk. UEK, 2018; 4 (976): 183 200 hps://doi.org/10.15678/znuek.2018.0976.0411 Miara ryzyka esymacji paramerów
Bardziej szczegółowoMagdalena Osińska, Marcin Fałdziński Uniwersytet Mikołaja Kopernika w Toruniu. Modele GARCH i SV z zastosowaniem teorii wartości ekstremalnych
DYNAMICZNE MODELE EKONOMETRYCZNE X Ogólnopolskie Seminarim Nakowe 4 6 września 2007 w Torni Kaedra Ekonomerii i Saysyki Uniwersye Mikołaja Kopernika w Torni Magdalena Osińska Marcin Fałdziński Uniwersye
Bardziej szczegółowoPREDYKCJA KURSU EURO/DOLAR Z WYKORZYSTANIEM PROGNOZ INDEKSU GIEŁDOWEGO: WYBRANE MODELE EKONOMETRYCZNE I PERCEPTRON WIELOWARSTWOWY
B A D A N I A O P E R A C J N E I D E C Z J E Nr 2004 Aleksandra MAUSZEWSKA Doroa WIKOWSKA PREDKCJA KURSU EURO/DOLAR Z WKORZSANIEM PROGNOZ INDEKSU GIEŁDOWEGO: WBRANE MODELE EKONOMERCZNE I PERCEPRON WIELOWARSWOW
Bardziej szczegółowoPIOTR FISZEDER, JACEK KWIATKOWSKI Katedra Ekonometrii i Statystyki
PIOTR FISZEDER, JACEK KWIATKOWSKI Kaedra Ekonomerii i Saysyki DYNAMICZNA ANALIZA ZALEŻNOŚCI POMIĘDZY OCZEKIWANĄ STOPĄ ZWROTU A WARUNKOWĄ WARIANCJĄ Sreszczenie: W badaniu zasosowano modele GARCHM ze sałym
Bardziej szczegółowoMarża zakupu bid (pkb) Marża sprzedaży ask (pkb)
Swap (IRS) i FRA Przykład. Sandardowy swap procenowy Dealer proponuje nasępujące sałe sopy dla sandardowej "plain vanilla" procenowej ransakcji swap. ermin wygaśnięcia Sopa dla obligacji skarbowych Marża
Bardziej szczegółowoWykład 5 Elementy teorii układów liniowych stacjonarnych odpowiedź na dowolne wymuszenie
Wykład 5 Elemeny eorii układów liniowych sacjonarnych odpowiedź na dowolne wymuszenie Prowadzący: dr inż. Tomasz Sikorski Insyu Podsaw Elekroechniki i Elekroechnologii Wydział Elekryczny Poliechnika Wrocławska
Bardziej szczegółowoKONCEPCJA WARTOŚCI ZAGROŻONEJ VaR (VALUE AT RISK)
KONCEPCJA WARTOŚCI ZAGROŻONEJ VaR (VALUE AT RISK) Kaarzyna Kuziak Akademia Ekonomiczna we Wrocławiu, Kaedra Inwesycji Finansowych i Ubezpieczeń Wprowadzenie W 1994 roku insyucja finansowa JP Morgan opublikowała
Bardziej szczegółowoPOLITECHNIKA ŚLĄSKA W GLIWICACH WYDZIAŁ INŻYNIERII ŚRODOWISKA i ENERGETYKI INSTYTUT MASZYN i URZĄDZEŃ ENERGETYCZNYCH
POLIECHNIKA ŚLĄSKA W GLIWICACH WYDZIAŁ INŻYNIERII ŚRODOWISKA i ENERGEYKI INSYU MASZYN i URZĄDZEŃ ENERGEYCZNYCH IDENYFIKACJA PARAMERÓW RANSMIANCJI Laboraorium auomayki (A ) Opracował: Sprawdził: Zawierdził:
Bardziej szczegółowoĆwiczenia 3 ( ) Współczynnik przyrostu naturalnego. Koncepcja ludności zastojowej i ustabilizowanej. Prawo Lotki.
Ćwiczenia 3 (22.04.2013) Współczynnik przyrosu nauralnego. Koncepcja ludności zasojowej i usabilizowanej. Prawo Loki. Współczynnik przyrosu nauralnego r = U Z L gdzie: U - urodzenia w roku Z - zgony w
Bardziej szczegółowo4.2. Obliczanie przewodów grzejnych metodą dopuszczalnego obciążenia powierzchniowego
4.. Obliczanie przewodów grzejnych meodą dopuszczalnego obciążenia powierzchniowego Meodą częściej sosowaną w prakyce projekowej niż poprzednia, jes meoda dopuszczalnego obciążenia powierzchniowego. W
Bardziej szczegółowoSTATYSTYCZNA WERYFIKACJA MODELU CAPM NA PRZYKŁADZIE POLSKIEGO RYNKU KAPITAŁOWEGO WPROWADZENIE METODOLOGIA TESTOWANIA MODELU
GraŜyna Trzpio, Dominik KręŜołek Kaedra Saysyki Akademii Ekonomicznej w Kaowicach e-mail rzpio@sulu.ae.kaowice.pl, dominik_arkano@wp.pl STATYSTYCZNA WERYFIKACJA MODELU CAPM NA PRZYKŁADZIE POLSKIEGO RYNKU
Bardziej szczegółowoStatystyka od podstaw z systemem SAS Dr hab. E. Frątczak, ZAHZiAW, ISiD, KAE. Część VII. Analiza szeregu czasowego
Część VII. Analiza szeregu czasowego 1 DEFINICJA SZEREGU CZASOWEGO Szeregiem czasowym nazywamy zbiór warości cechy w uporządkowanych chronologicznie różnych momenach (okresach) czasu. Oznaczając przez
Bardziej szczegółowoMAKROEKONOMIA 2. Wykład 3. Dynamiczny model DAD/DAS, część 2. Dagmara Mycielska Joanna Siwińska - Gorzelak
MAKROEKONOMIA 2 Wykład 3. Dynamiczny model DAD/DAS, część 2 Dagmara Mycielska Joanna Siwińska - Gorzelak ( ) ( ) ( ) i E E E i r r = = = = = θ θ ρ ν φ ε ρ α * 1 1 1 ) ( R. popyu R. Fishera Krzywa Phillipsa
Bardziej szczegółowoMatematyka ubezpieczeń majątkowych 9.10.2006 r. Zadanie 1. Rozważamy proces nadwyżki ubezpieczyciela z czasem dyskretnym postaci: n
Maemayka ubezpieczeń mająkowych 9.0.006 r. Zadaie. Rozważamy proces adwyżki ubezpieczyciela z czasem dyskreym posaci: U = u + c S = 0... S = W + W +... + W W W W gdzie zmiee... są iezależe i mają e sam
Bardziej szczegółowoPROGNOZOWANIE ZUŻYCIA CIEPŁEJ I ZIMNEJ WODY W SPÓŁDZIELCZYCH ZASOBACH MIESZKANIOWYCH
STUDIA I PRACE WYDZIAŁU NAUK EKONOMICZNYCH I ZARZĄDZANIA NR 15 Barbara Baóg Iwona Foryś PROGNOZOWANIE ZUŻYCIA CIEPŁEJ I ZIMNEJ WODY W SPÓŁDZIELCZYCH ZASOBACH MIESZKANIOWYCH Wsęp Koszy dosarczenia wody
Bardziej szczegółowoANALIZA PORÓWNAWCZA ŚREDNIEGO ODSETKA CZASU PRZEBYWANIA W PIERWSZEJ I DRUGIEJ POŁOWIE DNIA BADANIA EMPIRYCZNE
Tadeusz Czernik Daniel Iskra Uniwersye Ekonomiczny w Kaowicach Kaedra Maemayki Sosowanej adeusz.czernik@ue.kaowice.pl daniel.iskra@ue.kaowice.pl ANALIZA PORÓWNAWCZA ŚREDNIEGO ODSETKA CZASU PRZEBYWANIA
Bardziej szczegółowoy 1 y 2 = f 2 (t, y 1, y 2,..., y n )... y n = f n (t, y 1, y 2,..., y n ) f 1 (t, y 1, y 2,..., y n ) y = f(t, y),, f(t, y) =
Uk lady równań różniczkowych Pojȩcia wsȩpne Uk ladem równań różniczkowych nazywamy uk lad posaci y = f (, y, y 2,, y n ) y 2 = f 2 (, y, y 2,, y n ) y n = f n (, y, y 2,, y n ) () funkcje f j, j =, 2,,
Bardziej szczegółowoPorównanie jakości nieliniowych modeli ekonometrycznych na podstawie testów trafności prognoz
233 Zeszyy Naukowe Wyższej Szkoły Bankowej we Wrocławiu Nr 20/2011 Wyższa Szkoła Bankowa w Toruniu Porównanie jakości nieliniowych modeli ekonomerycznych na podsawie esów rafności prognoz Sreszczenie.
Bardziej szczegółowoEstymacja przedziałowa - przedziały ufności dla średnich. Wrocław, 5 grudnia 2014
Estymacja przedziałowa - przedziały ufności dla średnich Wrocław, 5 grudnia 2014 Przedział ufności Niech będzie dana próba X 1, X 2,..., X n z rozkładu P θ, θ Θ. Definicja Przedziałem ufności dla paramertu
Bardziej szczegółowoZeszyty Naukowe. Ocena stopnia zgodności wybranego modelu równowagi ogólnej z danymi empirycznymi * 6 (930) Renata Wróbel-Rotter. 1.
Zeszyy Uniwersye Ekonomiczny w Krakowie Naukowe 6 (930) ISSN 898-6447 Zesz. Nauk. UEK, 204; 6 (930): 5 25 DOI: 0.5678/ZNUEK.204.0930.060 Renaa Wróbel-Roer Kaedra Ekonomerii i Badań Operacyjnych Uniwersye
Bardziej szczegółowoMAKROEKONOMIA 2. Wykład 3. Dynamiczny model DAD/DAS, część 2. Dagmara Mycielska Joanna Siwińska - Gorzelak
MAKROEKONOMIA 2 Wykład 3. Dynamiczny model DAD/DAS, część 2 Dagmara Mycielska Joanna Siwińska - Gorzelak ( ) ( ) ( ) 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 szczegółowoWykład 6. Badanie dynamiki zjawisk
Wykład 6 Badanie dynamiki zjawisk TREND WYODRĘBNIANIE SKŁADNIKÓW SZEREGU CZASOWEGO 1. FUNKCJA TRENDU METODA ANALITYCZNA 2. ŚREDNIE RUCHOME METODA WYRÓWNYWANIA MECHANICZNEGO średnie ruchome zwykłe średnie
Bardziej szczegółowoPROGNOZOWANIE I SYMULACJE EXCEL 2 AUTOR: MARTYNA MALAK PROGNOZOWANIE I SYMULACJE EXCEL 2 AUTOR: MARTYNA MALAK
1 PROGNOZOWANIE I SYMULACJE 2 hp://www.oucome-seo.pl/excel2.xls DODATEK SOLVER WERSJE EXCELA 5.0, 95, 97, 2000, 2002/XP i 2003. 3 Dodaek Solver jes dosępny w menu Narzędzia. Jeżeli Solver nie jes dosępny
Bardziej szczegółowoANALIZA WRAŻLIWOŚCI CENY OPCJI O UWARUNKOWANEJ PREMII
STUDIA I PRACE WYDZIAŁU NAUK EKONOMICZNYCH I ZARZĄDZANIA NR 31 Ewa Dziawgo Uniwersytet Mikołaja Kopernika w Toruniu ANALIZA WRAŻLIWOŚCI CENY OPCJI O UWARUNKOWANEJ PREMII Streszczenie W artykule przedstawiono
Bardziej szczegółowo