WSPÓŁCZYNNIK DELTA DLA MODELU WYCENY OPCJI UWZGLĘDNIAJĄCEGO EFEKT AR-GARCH
|
|
- Justyna Lewicka
- 6 lat temu
- Przeglądów:
Transkrypt
1 Krzyszof Pioek Kaedra Iwesycji Fiasowych i Ubezpieczeń Akademia Ekoomicza we Wrocławiu WSPÓŁCZYNNIK DELTA DLA MODELU WYCENY OPCJI UWZGLĘDNIAJĄCEGO EFEKT AR-GARCH WSTĘP Black i Scholes przy współudziale Meroa przedsawili w 973 roku wzór a warość europejskiej opcji kupa lub sprzedaży wysawioej a akcje spółki ie wypłacającej dywidedy []. Model e sał się podsawowym podejściem wykorzysywaym przez prakyków ryków fiasowych. Umożliwia o w prosy sposób wyzaczeie warości opcji oraz aalizę wrażliwości warości opcji a poszczególe czyiki ryzyka deermiujące jej warość; wyzaczeie zw. współczyików greckich [6]. Rozwiązaie zapropoowae przez Blacka i Scholesa, jakkolwiek przełomowe i bardzo populare, ie jes pozbawioe pewych wad. Twórcy modelu założyli, że cey isrumeu bazowego zmieiają się zgodie z geomeryczym ruchem Browa, kórego paramery są sałe. Jes o podejście ierealisycze, gdyż w rzeczywisych szeregach sóp zwrou zaobserwowao i udokumeowao szereg specyficzych efeków [9]. Do ajważiejszych obserwowaych odsępsw od założeia o geomeryczym ruchu Browa zalicza się wysępowaie grubych ogoów rozkładów sóp zwrou, skupiaia zmieości (volailiy cluserig), auokorelacji w szeregach sóp zwrou, długiej pamięci w szeregach zmieości (volailiy log memory), skośości rozkładów sóp zwrou oraz efeku dźwigi (leverage effec). Nieuwzględieie ych własości szeregów powoduje, że w pewych przypadkach, eoreycze warości uzyskae z modelu Blacka-Scholesa odbiegają od ce obserwowaych w rzeczywisości (model cechuje się obciążeiem). Kosekwecją ego są odmiee od oczekiwaych warości zmieości implikowaych [6][9]. W przypadku, gdyby model Blacka-Scholesa wyceiał opcje prawidłowo, o zmieość implikowaa powia mieć sałą warość iezależą od współczyika moeyess opcji oraz iezależą od ermiu do wygaśięcia opcji. Rzeczywisa płaszczyza zmieości charakeryzuje się efekem "uśmiechu zmieości", czyli zależością zmieości implikowaej od cey wykoaia oraz zw. srukurą czasowa zmieości, czyli zależością zmieości implikowaej od ermiu do wygaśięcia opcji 2. W 995 roku Dua przedsawił opare a procedurze Moe Carlo podejście wycey opcji, gdy w szeregu sóp zwrou z isrumeu bazowego obserwuje się zmieą w czasie warukowa wariację oraz warukową warość oczekiwaą efeky AR-GARCH [2][4]. Model e, jakkolwiek zaczie bardziej skomplikoway od modelu Blacka-Scholesa umożliwia uchwyceie efeku uśmiechu zmieości implikowaej oraz srukur czasowych zmieości, kóre obserwuje się a rykach [2][9]. Zasadiczą różicą pomiędzy ymi modelami jes rówież fak, że model Blacka-Scholesa jes modelem w czasie ciągłym, aomias modyfikacje podejścia Duaa o Porówaj przypis 0. 2 Zagadieia e zosaą rozszerzoe w dalszej części pracy podczas omówieia modelu wycey opcji uwzględiającego efek auokorelacji, skupiaia zmieości, grubych ogoów i dźwigi.
2 2 Współczyik dela dla modelu AR-GARCH modele w czasie dyskreym. Ma o swoje kosekwecje akże przy wyzaczaiu współczyików greckich [8]. Przyjęcie określoego modelu wycey opcji umożliwia właśie wyzaczeie zw. współczyików greckich, czyli aalizę wrażliwości warości opcji a poszczególe czyiki ryzyka (zmiaa cey isrumeu bazowego, zmiaa poziomu zmieości, poziomu wolej od ryzyka sopy proceowej, upływ czasu). Najpopulariejszym greckim współczyikiem jes zw. współczyik dela mierzący wrażliwość warości opcji 3 a zmiaę cey isrumeu bazowego: c =, () S gdzie c o oczywiście warość europejskiej opcji kupa, a S - cea isrumeu bazowego. Współczyik e wykorzysuje się przede wszyskim przy zabezpieczaiu porfela akcji do określeia opymalej liczby wysawiaych opcji kupa 4 oraz w procesie pomiaru ryzyka (p. pomiaru warości zagrożoej (VaR)) porfela zawierającego opcje [7]. Im lepszym modelem wycey opcji dyspouje iwesor, ym efekywiejsza powia być procedura zabezpieczaia porfela akcji oraz dokładiejszy pomiar ryzyka porfela opcji. Celem arykułu jes porówaie warości współczyików dela uzyskiwaych w podejściu Blacka-Scholesa ze współczyikami uzyskiwaymi a podsawie modelu AR- GARCH, będącego modyfikacją procedury zapropoowaej przez Duaa. Praca a jes wsępem do dalszych badań i bardziej zaawasowaych rozważań. W części empiryczej dokoao esymacji paramerów pewego modelu klasy AR-GARCH dla ideksu WIG20 i zaprezeowao aalizę uzyskiwaych warości współczyików dela dla dwóch rozparywaych modeli (Blacka-Scholesa i modyfikacji Duaa) w zależości od warości wykoaia opcji (współczyika moeyess), ermiu do wygaśięcia oraz warości warukowej wariacji w diu wyzaczaia współczyika dela (w diu pomiaru ryzyka lub zabezpieczaia porfela 5 ). Do aaliz empiryczych wybrao ideks WIG20 ze względu, że saowi od bazę dla ajpopulariejszych opcji i warraów a ryku polskim. Ze względu a ilusracyjy jedyie charaker przykładu, zaiedbao fak, że w skład ideksu wchodzą akcje spółek mogących wypłacać dywidedy. Formalie ależałoby posłużyć się modelem Meroa zamias modelem Blacka-Scholesa [6].. WARTOŚCI WSPÓŁCZYNNIKA DELTA W MODELU BLACKA-SCHOLESA Ze względu a ograiczoy rozmiar pracy oraz a fak, iż model Blacka-Scholesa jes modelem zaym i popularym, rozdział e ograiczoy zosaie do miimum. Warość współczyika dela dla modelu Blacka-Scholesa uzyskujemy w prosy sposób wpros z defiicji jako pierwszą pochodą cząskową warości opcji po ceie isrumeu bazowego: 3 W podejściu prakyczym zakład się efekywość i rówowagę ryków fiasowych i dela saje się miarą wrażliwości rykowej cey opcji a zmiaę cey isrumeu bazowego. 4 Zabezpieczeie porfela akcji polega w ym przypadku a wysawieiu (pozycja króka) szuk opcji kupa a każdą posiadaą (pozycja długa) szukę akcji [6]. 5 Poieważ warość współczyika dela iezależie od modelu jes pewą fukcją cey akcji, czasu do ermiu wykoaia, sopy proceowej czy zmieości, iezbęde jes oczywiście rówież okresowe korygowaie składu zabezpieczoego porfela (rebalacig).
3 Krzyszof Pioek 3 BS { c} { } ( ) BS c = N d, gdzie: (2) 2 S l σ + r + T X 2 d =, (3) σ T - warość współczyika dela dla opcji kupa (call) w modelu Blacka-Scholesa, S cea isrumeu bazowego w chwili, X cea wykoaia opcji, r wola od ryzyka sopa proceowa, σ - zmieość (odchyleie sadardowe sóp zwrou w skali roczej) kursu isrumeu bazowego, T czas pozosający do ermiu wygaśięcia opcji (jako ułamek roku), N(d) warość dysrybuay sadaryzowaego rozkładu ormalego dla argumeu rówego d. Warość współczyika dela dla europejskiej opcji sprzedaży ( { p} ) moża wyzaczyć (iezależie od modelu wycey opcji, korzysając z paryeu kupa/sprzedaży [6] z zależości: c p =. (4) { } { } Porówae zosaą więc jedyie warości współczyików dela dla opcji kupa. W dalszej części pracy, a eapie porówaia wyików modelu Blacka-Scholesa i modelu uwzględiającego efek AR-GARCH, za oszacowaie zmieości wykorzysywaej w modelu Blacka-Scholesa podsawiaa będzie średia bezwarukowa zmieość 6 (średia długoermiowa zmieość) wyikająca z modelu AR-GARCH (por. wzór (2)). Taką samą warość zmieości uzyskalibyśmy wyzaczając odchyleie sadardowe sopy zwrou z dużej próby (i przeskalowując a okres roczy). Rozwiązaie powyższe zapewia, że w obydwu modelach wyzacza się warości del przy ym samym poziomie bezwarukowej zmieości, co zapewia porówywalość wyików. 2. WŁASNOŚCI MODELU WYCENY OPCJI UWZGLĘDNIAJĄCEGO EFEKT AR-GARCH 2.. Wycea opcji w modelu AR-GARCH Omawiaa uaj w sposób skróowy procedura wycey opcji zapropoowaa zosała przez Duaa przy założeiu, że szereg sóp zwrou z isrumeu bazowego opisyway jes modelem GARCH-M(,) [2]. Zosało oo jedak szybko uogólioe a ie posaci 6 Przeskalowaa oczywiście a okres roczy. 3
4 4 Współczyik dela dla modelu AR-GARCH warukowej warości oczekiwaej oraz warukowej wariacji 7 [0][4][5]. Propozycja Duaa jes uogólieiem radycyjej meody wycey przy euralym podejściu do ryzyka (risk eural valuaio) [][6] w przypadku modeli z warukową warością oczekiwaą oraz warukową wariacją i polega a akiej modyfikacji procesu sóp zwrou, by dla każdej chwili, warukowa warość oczekiwaa sopy zwrou była rówa sopie wolej od ryzyka [2][4]. Rówoważe jes o emu, iż zdyskoowaa przy sopie wolej od ryzyka cea isrumeu bazowego jes marygałem []. Paramer λ modyfikujący proces sóp zwrou ie jes sały w czasie i podejście o azwae zosało "wyceą przy pukowej własości euralości wobec ryzyka" (Locally Risk-Neural Valuaio Relaioship - LRNVR) [6]. Także w ym przypadku wprowadza się pojęcia miary P, dla procesu ieprzekszałcoego oraz arbirażowej miary Q, względem kórej zdyskooway proces ce isrumeu bazowego jes marygałem. Uwzględieie zmieej w czasie wariacji powoduje, zw. "iezupełość ryku" (icompleess of marke) oraz isieie w ogólości wielu możliwych miar Q, dla kórych spełioe jes założeie braku arbirażu []. Niezbęde saje się założeie o preferecjach iwesora względem ryzyka i posaci fukcji użyeczości [2]. Do dalszej aalizy przyjęo, że szereg sóp zwrou z isrumeu bazowego może być dobrze opisay modelem AR()-GJR-GARCH(,) [9]. Model e umożliwia opis grubych ogoów rozkładów, skupiaia zmieość, auokorelacji sóp zwrou oraz efeku dźwigi, czyli asymeryczej reakcji iwesorów a dobre i złe wiadomości. Model e jes iewąpliwie jedym z ajbardziej popularych (poza oczywiście modelem geomeryczego ruchu Browa) modeli szeregów sóp zwrou z akcji i ideksów akcji. Odpowiedie posaci modelu względem zw. miary P i Q dae są poiższymi wzorami [4] 8 : y = µ + φ y 0.5h + h z miara P z N(0,) (5) 2 h = ω + ( α + α I( z ) ) z 0 β h < + miara Q y = r 0.5h + hη η N(0,) 2 h = ω + ( α + α I( η ) )( η λ ) + β λ < 0 µ + φ y r λ = h h gdzie: y - logarymicza sopa zwrou z isrumeu bazowego z okresu [, ] (6) (ajczęściej 7 W dalszej części pracy zakłada się, że sopy zwrou z isrumeu bazowego opisywae są przez model AR()-GJR-GARCH(,) z reszami modelu o warukowym rozkładzie ormalym (por. wzór (5) oraz [9]). 8 Pojawieie się składika " 0.5 h " związae jes z fakem, iż rozparywae są logarymicze sopy zwrou (por. lema Iô p. w []).
5 Krzyszof Pioek 5 jedodiowa), r - sopa proceowa wola od ryzyka w horyzocie, dla kórego wyzaczae są sopy zwrou, µ, φ, ω, α, α -, β - paramery procesu sóp zwrou, oraz ; gdy p = prawda I( p) =. 0; gdy p = fałsz Wycea opcji dla chwili opara jes a procedurze Moe Carlo, kórej przebieg jes asępujący [2][4][5][9][0]: a. Esymacja paramerów procesu sóp zwrou względem miary P. Niezbęda jes eż iformacja o warości warukowej warości oczekiwaej oraz warukowej wariacji w chwili, kóre decydują o,,waruku począkowym'' podczas geerowaia zbioru rajekorii procesu w eapie b. b. Wygeerowaie m rajekorii szeregu ce isrumeu bazowego o długości di sesyjych względem miary Q. Ceę S i, po diach (liczba di do wygaśięcia opcji) dla i-ej rajekorii uzyskuje się w oparciu o wzory (6) oraz o zależość: S = S exp r 0.5 h + η i, i, + s i, + s s= s=. (7) W eapie ym wykorzysuje się rówież ypowe procedury poprawy własości meody Moe Carlo, p. odbić lusrzaych czy empiryczej symulacji marygałów [3][4][0]. c. Wycea europejskiej opcji kupa 9. Warość opcji c w chwili rówa jes warości oczekiwaej (względem miary Q) zdyskoowaej warości wypłay opcji. Europejska opcja kupa w chwili wykoaia związaa jes z wypłaą rówą max [ S X,0], gdzie S o cea isrumeu bazowego w chwili wygaśięcia (rozliczaia) opcji, a X, o cea wykoaia opcji: m c = exp( r ) max Si, X,0 m, (8) = i gdzie m o liczba wygeerowaych rajekorii procesu. Właściwości ego modelu wycey opcji zaleźć moża w pracach [2][4][9][0]. Rys.. prezeuje przykładowe uzyskiwae warości zmieości implikowaej. Wyraźie 9 Opcje sprzedaży moża wyceić aalogiczie lub poprzez parye kupa-sprzedaży [6]. 5
6 6 Współczyik dela dla modelu AR-GARCH moża dosrzec obserwowaą a rykach fiasowych zależość zmieości implikowaej od cey wykoaia opcji oraz ermiu do wygaśięcia [9]. Kszał "uśmiechu zmieości" zależy m.i. od siły "efeku dźwigi" w szeregu sóp zwrou isrumeu bazowego, czyli wielkości asymerii w reakcji iwesorów a dopływające do ryku wiadomości dobre i złe. Wraz ze wzrosem ermiu do wygaśięcia, kszał "uśmiechu zmieości" saje się bardziej płaski. Dodakowo wraz ze wzrosem ermiu do wygaśięcia obserwuje się częso wzros lub spadek zmieości implikowaej dla opcji o ym samym współczyiku moeyess 0. Efek e azywa się "srukurą czasową zmieości implikowaej". Związay jes o z fakem, że po okresie szczególie iskiej lub wysokiej zmieości, obserwuje się powró do poziomu średiego (por. Rys. 2 oraz [9[). Rys. Płaszczyza zmieości implikowaej dla modelu AR()-GJR-GARCH(,) Źródło: obliczeia włase (por. Pioek (2002)). Waro zazaczyć, iż częsym podejściem w ramach wycey opcji jes wyzaczeie średiego poziomu zmieości w ermiie do wygaśięcia opcji z progoz warukowej wariacji a koleje di [9], a asępie podsawieie uzyskaej warości do modelu Blacka-Scholesa. Rozwiązaie o gwarauje jedyie połowiczą poprawę własości modelu, gdyż umożliwia uchwyceie srukur czasowych zmieości implikowaej, lecz w żade sposób ie ujmuje uśmiechu zmieości. W dalszej części pracy akie połowicze rozwiązaie ie będzie aalizowae Współczyik dela w modelu wycey opcji uwzględiającym efek AR-GARCH Tak samo jak ie isieje wzór aaliyczy a wyceę opcji w modelu AR-GARCH (w wersji dla czasu dyskreego), ak samo ie dyspoujemy aaliyczym wzorem a warość współczyika dela w ym modelu i iezbęde jes sosowaie procedur Moe Carlo. 0 Współczyik moeyess zdefiioway zosał jako: S moeyess =, rt Xe gdzie S - cea spo akcji w chwili, X - cea wykoaia, r - wola od ryzyka sopa proceowa w skali roku, T - czas do wygaśięcia opcji w laach
7 Krzyszof Pioek 7 Warość współczyika dela moża wyzaczyć oczywiście wpros z defiicji pochodej jako graicy ilorazu różicowego według wzoru: GARCH c( S ) c ( S + ε ) c ( S ε ) { c} = = lim. (9) S ε 0 2ε W wzorze ym wykorzysao zw. ceraly iloraz różicowy. Dla małych warości ε uzyskuje się dokłade przybliżeia warości współczyika dela. Wymaga o jedak precyzyjego wyzaczeia dwóch warości ce opcji, co związae jes z koieczością wygeerowaia bardzo dużej liczby rajekorii procesu, co zaczie wydłuża czas iezbędych obliczeń. Zaczym uławieiem jes możliwość skorzysaia z wyprowadzoego przez Duaa wzoru wyrażającego warość współczyika dela względem zbioru ce akcji w diu wygaśięcia opcji (względem miary Q dla różych rajekorii): GARCH Q S { c} = exp( r ) E I( S > X ). (0) S W prakyce korzysa się z asępującego wzoru: m GARCH S, { } exp i c ( r ) I ( S, i > X m S ) () (por. wzory (7) i (8)). i= Podejścia dae wzorami (9) i (0) prowadzą do ych samych wyików, ale procedura opara a ilorazie różicowym jes zaczie bardziej czasochłoa (aby orzymać oszacowaia współczyików dela o ym samym błędzie). Kallse i Taqqu udowodili, że podejścia dae wzorami (9) i (0) ie prowadzą do do końca prawidłowych współczyików dela, co związae jes z fakem, że proces zmieości warukowej powraca do długoermiowej średiej [8]. Aby mogła asąpić zmiaa cey isrumeu bazowego musi upłyąć jedoska czasu (czas zmieia się dyskreie), w czasie kórej może zmieiać się (powracać do średiej) rówież warość warukowej zmieości, kóra jes warukiem począkowym w procedurze geerowaia rajekorii procesu. Powoduje o, że we wzorze a delę pojawia się kolejy składik związay z wrażliwością zmieości procesu a zmiaę cey isrumeu bazowego [8]. Prakycze wykorzysaie ego rozszerzeia jes już a yle skomplikowae i woszące a yle ieisoą popraw, że jes ajczęściej zaiedbywae. W dalszej części pracy wyzaczoe zosaą warości współczyika dela dla modelu wycey opcji będącego modyfikacją procedury Duaa według wzoru (). Porówaie warości współczyików dela dla obu modeli dla rożych waruków brzegowych przedsawioe zosaie w oparciu o przykład empiryczy. 7
8 8 Współczyik dela dla modelu AR-GARCH 3. PRZYKŁAD EMPIRYCZNY Poiższy przykład empiryczy ma jedyie charaker ilusracyjy. Pozwala o jedak określić podsawowe różice i zależości pomiędzy warościami współczyików dela uzyskiwaymi dla obu modeli. Przykładowym diem, dla kórego dokoywao obliczeń był dzień Warość ideksu w ym diu wyosiła 783,3. Sopę wolą od ryzyka w skali roku przyjęo a poziomie 5%. Paramery modelu sóp zwrou AR()-GJR-GARCH(,) względem miary P wyesymowae zosały a podsawie 500 obserwacji poprzedzających dzień aalizy (dzieych logarymiczych sóp zwrou). Tabela. prezeuje uzyskae warości procesu. Tabela. Paramery modelu dla ideksu WIG20 względem miary P współczyik warość -value µ 0, ,498 ϕ 0,040575,56 ω 6,838e-6 3,07 α 0, ,38 α 0, ,90 β 0, ,9 Źródło: obliczeia włase. Bezwarukowa wariacja procesu AR()-GJR-GARCH(,) daa jes asępującym wzorem: ω V =. (2) 2 ϕ α α + + β 2 Długoermiowa zmieość sóp zwrou w skali roku (wyzaczoa a podsawie wzoru (2) przy uwzględieiu 252 di sesyjych w roku) wyosiła 30,67%. Zmieość wyzaczaa bezpośredio z 500 obserwacji sóp zwrou wyosiła 3,66%. W celu zapewieie porówywalości wyików (ze względu a warość zmieości) w dalszych obliczeiach opierających się o model Blacka-Scholesa przyjęo, ze sała w czasie zmieość procesu (geomeryczego ruchu Browa) wyosiła w skali roku właśie 30,67%. Warukowa warość zmieości sóp zwrou w kolejych diach może przyjmować róże warości wahając się wokół średiej. Rys. 2. prezeuje warości warukowej zmieości w skali roku w kolejych diach w aalizowaym okresie oraz warość średiej długoermiowej zmieości. Na przykład w diu warukowa zmieość w skali roku (wyzaczoa a podsawie warości warukowej wariacji) wyosiła 24,46% i była iższa od średiej. Rysuki 3, 4 oraz 5 prezeują zależości współczyików dela dla obu modeli dla różych warości parameru moeyess, czasu do wygaśięcia opcji oraz ilorazu warukowej zmieości procesu (w diu wyzaczaia parameru dela) do długoermiowej zmieości. Iloraz e zosał zdefiioway jako: Wszyskie prezeowae wyiki (warości i rysuki) uzyskao w oparciu o auorskie procedury oprogramowae w środowisku MATLAB 6.0.
9 Krzyszof Pioek 9 h Φ =, (3) σ gdzie σ o długoermiowa (bezwarukowa) zmieość szeregu sóp zwrou. Dla aszego przykładu σ w skali roku wyosi 30,67%. Na rysukach 4 i 5 warość ilorazuφ jes aka sama (e sam dzień aalizy). Rys. 2. Warości warukowej zmieości procesu sóp zwrou. Źródło: obliczeia włase. Rys. 3. Zależość del od warości Φ oraz moeyess Źródło: obliczeia włase. Rys. 4. Zależość del od parameru moeyess dla T= miesiąc oraz Φ<. Źródło: obliczeia włase. Rys. 5. Zależość del od parameru moeyess T=3 miesiące oraz Φ<. Źródło: obliczeia włase. Na podsawie zaprezeowaych wyików oraz wyików, kóre ie zosały zamieszczoe ze względu a ograiczoy rozmiar pracy, moża wyciągąć asępujące wioski mogące być przydae p. podczas procedury zabezpieczaia porfela. 9
10 0 Współczyik dela dla modelu AR-GARCH Dla opcji a-he-moey (ATM, moeyess=) warości współczyików dela pokrywają się dla obu modeli iezależie od czasu do wygaśięcia opcji oraz warości Φ. Dla opcji i-hemoey (ITM, moeyess>), warości współczyików dela są wyższe dla modelu AR- GARCH od modelu Blacka-Scholesa, gdy Φ< oraz są iższe od modelu Blacka-Scholesa, gdy Φ>. Dla opcji ou-of-he-moey (OTM, moeyess<) obserwuje się zależość przeciwą. Obrazuje o uwzględiaie w modelu AR-GARCH powrou warukowej zmieości do poziomu średiego. Dla opcji głęboko ITM oraz głęboko OTM różice w warości bezwzględej współczyików dela sają się ieisoe. Dla opcji OTM isoy saje się aomias błąd proceowy warości del dla obu modeli, gdy Φ. Im dłuższy ermi do wygaśięcia opcji, ym głębiej opcja musi być OTM lub ITM, by różice bezwzględe między warościami del były pomijale. Na podsawie powyższych obserwacji moża swierdzić, iż dla opcji ATM iwesor może wyzaczać w każdym przypadku paramer dela według modelu Blacka-Scholesa. Dla opcji OTM i ITM warości opcji według modelu Blacka-Scholsa są rówie wrażliwe a zmiaę cey isrumeu bazowego, gdy chwilowa zmieość warukowa rówa jes zmieości długookresowej (średiej). Szczególą uwagę ależy zwrócić a opcje będące coraz bardziej OTM, ze względu a rosący błąd proceowy mogący być przyczyą ieskueczości p. sraegii zabezpieczającej. Przedsawioe wioski mają charaker wsępy. Celem auora w przyszłości jes pogłębieie rozważań przede wszyskim w kieruku badań empiryczych ryku polskiego i próby porówaia wrażliwości warości uzyskiwaych z modeli eoreyczych ze zmiaami ce opcji i warraów w kolejych diach a skuek zmiay cey isrumeu bazowego. Lieraura [] Black F., Scholes M. (973). The pricig of Opios ad Corporae Liabiliies. Joural of Poliical Ecoomy, r 8, sr [2] Dua J. (995). The GARCH Opio Pricig Model. Mahemaical Fiace, r 5, sr [3] Dua J., Gauhier G., Simoao J. (999). Fas Valuaio of Derivaive Coracs by Simulaio. hp:// [4] Hafer C., Herwarz H. (999). Opio Pricig uder Liear Auoregressive Dyamics, Heeroskedasiciy, ad Codiioal Lepokurosis. Humbold-Uiversiä. Berli. hp://ideas.repec.org [5] Härdle W., Hafer C. (2000). Discree ime opio pricig wih flexible volailiy esimaio. Fiace ad Sochasic, r 4, sr [6] Hull J. (999). Fuures, opios ad oher derivaives. Preive-Hall, New York [7] Jorio P. (200). Value a risk: he ew bechmark for maagig fiacial risk - 2d ediio. McGraw-Hill. New York [8] Kallse J., Taqqu M. (998). Opio pricig i ARCH-ype models. Mahemaical Fiace, 8/, sr [9] Pioek K. (2002). Modelowaie i progozowaie zmieości isrumeów fiasowych. Akademia Ekoomicza we Wrocławiu (praca dokorska) [0] Schmi Ch. (996). Opio Pricig Usig EGARCH Models. ZEW Discussio Paper r Maheim. [] Wero A., Wero R. (998). Iżyieria fiasowa. WNT, Warszawa
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 szczegółowoMIANO ROZTWORU TITRANTA. Analiza statystyczna wyników oznaczeń
MIANO ROZTWORU TITRANTA Aaliza saysycza wyików ozaczeń Esymaory pukowe Średia arymeycza x jes o suma wyików w serii podzieloa przez ich liczbę: gdzie: x i - wyik poszczególego ozaczeia - liczba pomiarów
Bardziej szczegółowoModel ciągły wyceny opcji Blacka Scholesa - Mertona. Wzór Blacka - Scholesa na wycenę opcji europejskiej.
Model ciągły wycey opcji Blacka Scholesa - Mertoa Wzór Blacka - Scholesa a wyceę opcji europejskiej. Model Blacka Scholesa- Mertoa Przełomowe prace z zakresu wycey opcji: Fischer Black, Myro Scholes The
Bardziej szczegółowoObligacja i jej cena wewnętrzna
Obligacja i jej cea wewęrza Obligacja jes o isrume fiasowy (papier warościowy), w kórym jeda sroa, zwaa emieem obligacji, swierdza, że jes dłużikiem drugiej sroy, zwaej obligaariuszem (jes o właściciel
Bardziej szczegółowoMatematyka finansowa r. Komisja Egzaminacyjna dla Aktuariuszy. XXXIV Egzamin dla Aktuariuszy z 17 stycznia 2005 r.
Komisja Egzamiacyja dla Akuariuszy XXXIV Egzami dla Akuariuszy z 17 syczia 2005 r. Część I Maemayka fiasowa Imię i azwisko osoby egzamiowaej:... WERSJA TESTU A Czas egzamiu: 100 miu 1 1. Day jes ieskończoy
Bardziej szczegółowoEKONOMETRIA. Liniowy model ekonometryczny (regresji) z jedną zmienną objaśniającą
EKONOMETRIA Tema wykładu: Liiowy model ekoomeryczy (regresji z jedą zmieą objaśiającą Prowadzący: dr iż. Zbigiew TARAPATA e-mail: Zbigiew.Tarapaa Tarapaa@isi.wa..wa.edu.pl hp:// zbigiew.arapaa.akcja.pl/p_ekoomeria/
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 szczegółowoModele zmienności aktywów ryzykownych. Model multiplikatywny Rozkład logarytmiczno-normalny Parametry siatki dwumianowej
Moele zmieości akywów ryzykowych Moel muliplikaywy Rozkła logarymiczo-ormay Paramery siaki wumiaowej Moel muliplikaywy zmieości akywów Rekurecyjy moel muliplikaywy: (=, (k+ = (k u(k, k=,, Cea akywa w chwili
Bardziej szczegółowoFunkcja generująca rozkład (p-two)
Fucja geerująca rozład (p-wo Defiicja: Fucją geerującą rozład (prawdopodobieńswo (FGP dla zmieej losowej przyjmującej warości całowie ieujeme, azywamy: [ ] g E P Twierdzeie: (o jedozaczości Jeśli i są
Bardziej szczegółowoSygnały pojęcie i klasyfikacja, metody opisu.
Sygały pojęcie i klasyfikacja, meody opisu. Iformacja przekazywaa jes za pośredicwem sygałów, kóre przeoszą eergię. Sygał jes o fukcja czasowa dowolej wielkości o charakerze eergeyczym, w kórym moża wyróżić
Bardziej szczegółowoNiepewności pomiarowe
Niepewości pomiarowe Obserwacja, doświadczeie, pomiar Obserwacja zjawisk fizyczych polega a badaiu ych zjawisk w warukach auralych oraz a aalizie czyików i waruków, od kórych zjawiska e zależą. Waruki
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 szczegółowoMetody oceny efektywności projektów inwestycyjnych
Opracował: Leszek Jug Wydział Ekoomiczy, ALMAMER Szkoła Wyższa Meody ocey efekywości projeków iwesycyjych Niezbędym warukiem urzymywaia się firmy a ryku jes zarówo skuecze bieżące zarządzaie jak i podejmowaie
Bardziej szczegółowoPomiar ryzyka metodą VaR a modele AR-GARCH ze składnikiem losowym o warunkowym rozkładzie z "grubymi ogonami"
Krzyszof Pioek Kaedra Iwesycji Fiasowyc i Ubezpieczeń Akademia Ekoomicze we Wrocławiu Pomiar ryzyka meodą VaR a modele AR-GARCH ze składikiem losowym o warukowym rozkładzie z "grubymi ogoami" WSTĘP Spośród
Bardziej szczegółowoEfektywność projektów inwestycyjnych. Statyczne i dynamiczne metody oceny projektów inwestycyjnych
Efekywość projeków iwesycyjych Saycze i dyamicze meody ocey projeków iwesycyjych Źródła fiasowaia Iwesycje Rzeczowe Powiększeie mająku rwałego firmy, zysk spodzieway w dłuższym horyzocie czasowym. Fiasowe
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 szczegółowoANALIZA PRZYCZYNOWOŚCI W ZAKRESIE ZALEŻNOŚCI NIELINIOWYCH. IMPLIKACJE FINANSOWE
Wiold Orzeszko Magdalea Osińska Uiwersye Mikołaja Koperika w Toruiu ANALIA PRCNOWOŚCI W AKRSI ALŻNOŚCI NILINIOWCH. IMPLIKACJ FINANSOW WSTĘP Przyczyowość w sesie Gragera jes jedym z kluczowych pojęć ekoomeryczej
Bardziej szczegółowoWykaz zmian wprowadzonych do skrótu prospektu informacyjnego KBC Parasol Funduszu Inwestycyjnego Otwartego w dniu 04 stycznia 2010 r.
Wykaz zmia wprowadzoych do skróu prospeku iformacyjego KBC Parasol Fuduszu Iwesycyjego Owarego w diu 0 syczia 200 r. Rozdział I Dae o Fuduszu KBC Subfudusz Papierów DłuŜych Brzmieie doychczasowe: 6. Podsawowe
Bardziej szczegółowo1. Element nienaprawialny, badania niezawodności. Model matematyczny elementu - dodatnia zmienna losowa T, określająca czas życia elementu
Badaia iezawodościowe i saysycza aaliza ich wyików. Eleme ieaprawialy, badaia iezawodości Model maemayczy elemeu - dodaia zmiea losowa T, określająca czas życia elemeu Opis zmieej losowej - rozkład, lub
Bardziej szczegółowoCzas trwania obligacji (duration)
Czas rwaia obligacji (duraio) Do aalizy ryzyka wyikającego ze zmia sóp proceowych (szczególie ryzyka zmiay cey) wykorzysuje się pojęcie zw. średiego ermiu wykupu obligacji, zwaego rówież czasem rwaia obligacji
Bardziej szczegółowoMetrologia: miary dokładności. dr inż. Paweł Zalewski Akademia Morska w Szczecinie
Metrologia: miary dokładości dr iż. Paweł Zalewski Akademia Morska w Szczeciie Miary dokładości: Najczęściej rozkład pomiarów w serii wokół wartości średiej X jest rozkładem Gaussa: Prawdopodobieństwem,
Bardziej szczegółowoModele tendencji rozwojowej STATYSTYKA OPISOWA. Dr Alina Gleska. Instytut Matematyki WE PP. 18 listopada 2017
STATYSTYKA OPISOWA Dr Alia Gleska Istytut Matematyki WE PP 18 listopada 2017 1 Metoda aalitycza Metoda aalitycza przyjmujemy założeie, że zmiay zjawiska w czasie moża przedstawić jako fukcję zmieej czasowej
Bardziej szczegółowoCOLLEGIUM MAZOVIA INNOWACYJNA SZKOŁA WYŻSZA WYDZIAŁ NAUK STOSOWANYCH. Kierunek: Finanse i rachunkowość. Robert Bąkowski Nr albumu: 9871
COLLEGIUM MAZOVIA INNOWACYJNA SZKOŁA WYŻSZA WYDZIAŁ NAUK STOSOWANYCH Kieruek: Fiase i rachukowość Robert Bąkowski Nr albumu: 9871 Projekt: Badaie statystycze cey baryłki ropy aftowej i wartości dolara
Bardziej szczegółowoTRANZYSTORY POLOWE JFET I MOSFET
POLTECHNKA RZEZOWKA Kaedra Podsaw Elekroiki srukcja Nr5 F 00/003 sem. lei TRANZYTORY POLOWE JFET MOFET Cel ćwiczeia: Pomiar podsawowych charakerysyk i wyzaczeie paramerów określających właściwości razysora
Bardziej szczegółowoD:\materialy\Matematyka na GISIP I rok DOC\07 Pochodne\8A.DOC 2004-wrz-15, 17: Obliczanie granic funkcji w punkcie przy pomocy wzoru Taylora.
D:\maerialy\Maemayka a GISIP I rok DOC\7 Pochode\8ADOC -wrz-5, 7: 89 Obliczaie graic fukcji w pukcie przy pomocy wzoru Taylora Wróćmy do wierdzeia Taylora (wzory (-( Tw Szczególie waża dla dalszych R rozważań
Bardziej szczegółowot - kwantyl rozkładu t-studenta rzędu p o f stopniach swobody
ZJAZD ANALIZA DANYCH CIĄGŁYCH ramach zajęć będą badae próbki pochodzące z poplacji w kórych badaa cecha ma rozkład ormaly N(μ σ). Na zajęciach będą: - wyzaczae przedziały fości dla warości średiej i wariacji
Bardziej szczegółowoStruktura czasowa stóp procentowych (term structure of interest rates)
Struktura czasowa stóp procetowych (term structure of iterest rates) Wysokość rykowych stóp procetowych Na ryku istieje wiele różorodych stóp procetowych. Poziom rykowej stopy procetowej (lub omialej stopy,
Bardziej szczegółowoTrzeba pokazać, że dla każdego c 0 c Mc 0. ) = oraz det( ) det( ) det( ) jest macierzą idempotentną? Proszę odpowiedzieć w
Zad Dae są astępujące macierze: A =, B, C, D, E 0. 0 = = = = 0 Wykoaj astępujące działaia: a) AB, BA, C+E, DE b) tr(a), tr(ed), tr(b) c) det(a), det(c), det(e) d) A -, C Jeśli działaia są iewykoale, to
Bardziej szczegółowoEstymacja: Punktowa (ocena, błędy szacunku) Przedziałowa (przedział ufności)
IV. Estymacja parametrów Estymacja: Puktowa (ocea, błędy szacuku Przedziałowa (przedział ufości Załóżmy, że rozkład zmieej losowej X w populacji geeralej jest opisay dystrybuatą F(x;α, gdzie α jest iezaym
Bardziej szczegółowoWERSJA TESTU A. Komisja Egzaminacyjna dla Aktuariuszy. LX Egzamin dla Aktuariuszy z 28 maja 2012 r. Część I. Matematyka finansowa
Matematyka fiasowa 8.05.0 r. Komisja Egzamiacyja dla Aktuariuszy LX Egzami dla Aktuariuszy z 8 maja 0 r. Część I Matematyka fiasowa WERJA EU A Imię i azwisko osoby egzamiowaej:... Czas egzamiu: 00 miut
Bardziej szczegółowoPodstawy zarządzania finansami przedsiębiorstwa
Podsawy zarządzaia fiasami przedsiębiorswa I. Wprowadzeie 1. Gospodarowaie fiasami w przedsiębiorswie polega a: a) określeiu spodziewaych korzyści i koszów wyikających z form zaagażowaia środków fiasowych
Bardziej szczegółowo3. Regresja liniowa Założenia dotyczące modelu regresji liniowej
3. Regresja liiowa 3.. Założeia dotyczące modelu regresji liiowej Aby moża było wykorzystać model regresji liiowej, muszą być spełioe astępujące założeia:. Relacja pomiędzy zmieą objaśiaą a zmieymi objaśiającymi
Bardziej szczegółowoStatystyka opisowa. () Statystyka opisowa 24 maja / 8
Część I Statystyka opisowa () Statystyka opisowa 24 maja 2010 1 / 8 Niech x 1, x 2,..., x będą wyikami pomiarów, p. temperatury, ciśieia, poziomu rzeki, wielkości ploów itp. Przykład 1: wyiki pomiarów
Bardziej szczegółowoMiary położenia (tendencji centralnej) to tzw. miary przeciętne charakteryzujące średni lub typowy poziom wartości cechy.
MIARY POŁOŻENIA I ROZPROSZENIA WYNIKÓW SERII POMIAROWYCH Miary położeia (tedecji cetralej) to tzw. miary przecięte charakteryzujące średi lub typowy poziom wartości cechy. Średia arytmetycza: X i 1 X i,
Bardziej szczegółowoBADANIA DOCHODU I RYZYKA INWESTYCJI
StatSoft Polska, tel. () 484300, (60) 445, ifo@statsoft.pl, www.statsoft.pl BADANIA DOCHODU I RYZYKA INWESTYCJI ZA POMOCĄ ANALIZY ROZKŁADÓW Agieszka Pasztyła Akademia Ekoomicza w Krakowie, Katedra Statystyki;
Bardziej szczegółowoINSTRUMENTY DŁUŻNE. Rodzaje ryzyka inwestowania w obligacje Duracja i wypukłość obligacji Wrażliwość wyceny obligacji
INSTRUMENTY ŁUŻNE Rozaje yzyka iwesowaia w obligacje uacja i wypukłość obligacji Ważliwość wycey obligacji Ryzyko iwesycji w obligacje Ryzyko eiwesycyje możliwość uzyskaia iskiej sopy zwou z wypłacoych
Bardziej szczegółowoX i. X = 1 n. i=1. wartość tej statystyki nazywana jest wartością średnią empiryczną i oznaczamy ją symbolem x, przy czym x = 1. (X i X) 2.
Zagadieia estymacji Puktem wyjścia badaia statystyczego jest wylosowaie z całej populacji pewej skończoej liczby elemetów i zbadaie ich ze względu a zmieą losową cechę X Uzyskae w te sposób wartości x,
Bardziej szczegółowoLista 6. Estymacja punktowa
Estymacja puktowa Lista 6 Model metoda mometów, rozkład ciągły. Zadaie. Metodą mometów zaleźć estymator iezaego parametru a w populacji jedostajej a odciku [a, a +. Czy jest to estymator ieobciążoy i zgody?
Bardziej szczegółowoMatematyka ubezpieczeń majątkowych r.
Matematyka ubezpieczeń majątkowych 6..003 r. Zadaie. W kolejych okresach czasu t =,, 3, 4, 5 ubezpieczoy, charakteryzujący się parametrem ryzyka Λ, geeruje szkód. Dla daego Λ = λ zmiee N, N,..., N 5 są
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 szczegółowoPrawdopodobieństwo i statystyka r.
Zadaie. Wykoujemy rzuty symetryczą kością do gry do chwili uzyskaia drugiej szóstki. Niech Y ozacza zmieą losową rówą liczbie rzutów w których uzyskaliśmy ie wyiki iż szóstka a zmieą losową rówą liczbie
Bardziej szczegółowoGretl konstruowanie pętli Symulacje Monte Carlo (MC)
Grel kosruowaie pęli Symulacje Moe Carlo (MC) W Grelu, aby przyspieszyć pracę, wykoać iesadardową aalizę (ie do wyklikaia ) możliwe jes użycie pęli. Pęle realizuje komeda loop, kóra przyjmuje zesaw iych
Bardziej szczegółowoWykład FIZYKA I. 2. Kinematyka punktu materialnego. Dr hab. inż. Władysław Artur Woźniak
Dr hab. iż. Władysław Arur Woźiak Wykład FIZYKA I. Kiemayka puku maerialego Dr hab. iż. Władysław Arur Woźiak Isyu Fizyki Poliechiki Wrocławskiej hp://www.if.pwr.wroc.pl/~woziak/fizyka1.hml Dr hab. iż.
Bardziej szczegółowoSTATYSTYKA I ANALIZA DANYCH
TATYTYKA I ANALIZA DANYCH Zad. Z pewej partii włókie weły wylosowao dwie próbki włókie, a w każdej z ich zmierzoo średicę włókie różymi metodami. Otrzymao astępujące wyiki: I próbka: 50; średia średica
Bardziej szczegółowoĆwiczenie nr 14. Porównanie doświadczalnego rozkładu liczby zliczeń w zadanym przedziale czasu z rozkładem Poissona
Ćwiczeie r 4 Porówaie doświadczalego rozkładu liczby zliczeń w zadaym przedziale czasu z rozkładem Poissoa Studeta obowiązuje zajomość: Podstawowych zagadień z rachuku prawdopodobieństwa, Zajomość rozkładów
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 szczegółowoZadanie 2 Niech,,, będą niezależnymi zmiennymi losowymi o identycznym rozkładzie,.
Z adaie Niech,,, będą iezależymi zmieymi losowymi o idetyczym rozkładzie ormalym z wartością oczekiwaą 0 i wariacją. Wyzaczyć wariację zmieej losowej. Wskazówka: pokazać, że ma rozkład Γ, ODP: Zadaie Niech,,,
Bardziej szczegółowoKomputerowa analiza danych doświadczalnych
Komputerowa aaliza daych doświadczalych Wykład 7 8.04.06 dr iż. Łukasz Graczykowski lgraczyk@if.pw.edu.pl Semestr leti 05/06 Cetrale twierdzeie graicze - przypomieie Sploty Pobieraie próby, estymatory
Bardziej szczegółowoStatystyka Inżynierska
aysyka Iżyierska dr hab. iż. Jacek Tarasik AG WFiI 4 Wykład 5 TETOWANIE IPOTEZ TATYTYCZNYC ipoezy saysycze ipoezą saysyczą azywamy każde przypszczeie doyczące iezaego rozkład o prawdziwości lb fałszywości
Bardziej szczegółowo16 Przedziały ufności
16 Przedziały ufości zapis wyiku pomiaru: sugeruje, że rozkład błędów jest symetryczy; θ ± u(θ) iterpretacja statystycza przedziału [θ u(θ), θ + u(θ)] zależy od rozkładu błędów: P (Θ [θ u(θ), θ + u(θ)])
Bardziej szczegółowoMODELE MATEMATYCZNE W UBEZPIECZENIACH. 1. Renty
MODELE MATEMATYCZNE W UBEZPIECZENIACH WYKŁAD 2: RENTY. PRZEPŁYWY PIENIĘŻNE. TRWANIE ŻYCIA 1. Rety Retą azywamy pewie ciąg płatości. Na razie będziemy je rozpatrywać bez żadego związku z czasem życiem człowieka.
Bardziej szczegółowooznaczają łączne wartości szkód odpowiednio dla k-tego kontraktu w t-tym roku. O składnikach naszych zmiennych zakładamy, że:
Zadaie. Niech zmiee losowe: X t,k = μ + α k + β t + ε t,k, k =,2,, K oraz t =,2,, T, ozaczają łącze wartości szkód odpowiedio dla k-tego kotraktu w t-tym roku. O składikach aszych zmieych zakładamy, że:
Bardziej szczegółowoDEA podstawowe modele
Marek Miszczński KBO UŁ 2008 - Aaliza dach graiczch (EA) cz.2 (przkład aaliza damiki rakigi) EA podsawowe modele WPROWAZENIE Efekwość (produkwość) obieku gospodarczego o es defiiowaa ako sosuek sum ważoch
Bardziej szczegółowoPODSTAWY BIOSTATYSTYKI ĆWICZENIA
PODSTAWY BIOSTATYSTYKI ĆWICZENIA FILIP RACIBORSKI FILIP.RACIBORSKI@WUM.EDU.PL ZAKŁAD PROFILAKTYKI ZAGROŻEŃ ŚRODOWISKOWYCH I ALERGOLOGII WUM ZADANIE 1 Z populacji wyborców pobrao próbkę 1000 osób i okazało
Bardziej szczegółowoWykaz zmian wprowadzonych do prospektu informacyjnego: KBC Parasol Fundusz Inwestycyjny Otwarty (KBC Parasol FIO) w dniu 1 kwietnia 2016 r.
Wykaz zmia wprowadzoych do prospeku iformacyjego: KBC Parasol Fudusz Iwesycyjy Owary KBC Parasol FIO w diu kwieia 206 r.. Na sroie yułowej dodaje się iformację o dacie osaiej akualizacji. Nowa daa osaiej
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 szczegółowoJarosław Wróblewski Analiza Matematyczna 2, lato 2018/19
7 Wyzaczyć zbiór wszyskich warości rzeczywisych parameru p, dla kórych całka iewłaściwa jes zbieża x xe Dzieląc przedział całkowaia orzymujemy x x e x x e x x e Zbadamy, dla kórych warości parameru p całki
Bardziej szczegółowoVII MIĘDZYNARODOWA OLIMPIADA FIZYCZNA (1974). Zad. teoretyczne T3.
KOOF Szczeci: www.of.szc.pl VII MIĘDZYNAODOWA OLIMPIADA FIZYCZNA (1974). Zad. teoretycze T3. Źródło: Komitet Główy Olimpiady Fizyczej; Olimpiada Fizycza XXIII XXIV, WSiP Warszawa 1977 Autor: Waldemar Gorzkowski
Bardziej szczegółowoZESZYTY NAUKOWE UNIWERSYTETU SZCZECIŃSKIEGO NR 760 FINANSE, RYNKI FINANSOWE, UBEZPIECZENIA NR 59 2013
ZESZYTY NAUKOWE UNIWERSYTETU SZCZECIŃSKIEGO NR 760 FINANSE, RYNKI FINANSOWE, UBEZPIECZENIA NR 59 203 ANDRZEJ JAKI POMIAR I OCENA EFEKTYWNOŚCI KREOWANIA WARTOŚCI W PRZEDSIĘBIORSTWIE Słowa kluczowe: efekywość
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 OPOLSKA
POLITCHIKA OPOLSKA ISTYTUT AUTOMATYKI I IFOMATYKI LABOATOIUM MTOLOII LKTOICZJ 7. KOMPSATOY U P U. KOMPSATOY APIĘCIA STAŁO.. Wstęp... Zasada pomiaru metodą kompesacyją. Metoda kompesacyja pomiaru apięcia
Bardziej szczegółowoTwierdzenia graniczne:
Twierdzeia graicze: Tw. ierówośd Markowa Jeżeli P(X > 0) = 1 oraz EX 0: P X k 1 k EX. Tw. ierówośd Czebyszewa Jeżeli EX = m i 0 < σ = D X 0: P( X m tσ) 1 t. 1. Z partii towaru o wadliwości
Bardziej szczegółowoĆwiczenia nr 5. TEMATYKA: Regresja liniowa dla prostej i płaszczyzny
TEMATYKA: Regresja liiowa dla prostej i płaszczyzy Ćwiczeia r 5 DEFINICJE: Regresja: metoda statystycza pozwalająca a badaie związku pomiędzy wielkościami daych i przewidywaie a tej podstawie iezaych wartości
Bardziej szczegółowoStatystyczny opis danych - parametry
Statystyczy opis daych - parametry Ozaczeia żółty owe pojęcie czerwoy, podkreśleie uwaga * materiał adobowiązkowy Aa Rajfura, Matematyka i statystyka matematycza a kieruku Rolictwo SGGW Zagadieia. Idea
Bardziej szczegółowoBezrobocie. wysiłek. krzywa wysiłku pracownika E * płaca realna. w/p *
dr Barłomiej Rokicki Bezrobocie Jedym z główych powodów, dla kórych a ryku pracy obserwujemy poziom bezrobocia wyższy od auralego (czyli akiego, kórego zasadiczo ie da się obiżyć) jes o, iż płace wyzaczae
Bardziej szczegółowoStatystyka matematyczna. Wykład II. Estymacja punktowa
Statystyka matematycza. Wykład II. e-mail:e.kozlovski@pollub.pl Spis treści 1 dyskretych Rozkłady zmieeych losowych ciągłych 2 3 4 Rozkład zmieej losowej dyskretej dyskretych Rozkłady zmieeych losowych
Bardziej szczegółowoZAGADNIENIE ESTYMACJI. ESTYMACJA PUNKTOWA I PRZEDZIAŁOWA
ZAGADNIENIE ESTYMACJI. ESTYMACJA PUNKTOWA I PRZEDZIAŁOWA Mamy populację geeralą i iteresujemy się pewą cechą X jedostek statystyczych, a dokładiej pewą charakterystyką liczbową θ tej cechy (p. średią wartością
Bardziej szczegółowo, gdzie b 4c 0 oraz n, m ( 2). 2 2 b b b b b c b x bx c x x c x x
Meody aeaycze w echologii aeriałów Uwaga: Proszę paięać, że a zajęciach obowiązuje akże zajoość oówioych w aeriałach przykładów!!! CAŁKOWANIE FUNKCJI WYMIERNYCH Fukcją wyierą azyway fukcję posaci P ( )
Bardziej szczegółowoPodstawowe oznaczenia i wzory stosowane na wykładzie i laboratorium Część I: estymacja
Podstawowe ozaczeia i wzory stosowae a wykładzie i laboratorium Część I: estymacja 1 Ozaczeia Zmiee losowe (cechy) ozaczamy a wykładzie dużymi literami z końca alfabetu. Próby proste odpowiadającymi im
Bardziej szczegółowoWykład 7: Układy dynamiczne
Wykład 7: Układy dyamicze Fizyka kompuerowa 5/6 Kaarzya Wero, kwero@if.ui.wroc.pl Zamias wsępu Naukowiec ie bada przyrody dla jej użyeczości; bada ją poieważ się ią rozkoszuje... [Poicare] Pla Sabilość
Bardziej szczegółowoSTATYSTYKA MATEMATYCZNA
TATYTYKA MATEMATYCZNA ROZKŁADY PODTAWOWYCH TATYTYK zmiea losowa odpowiedik badaej cechy, (,,..., ) próba losowa (zmiea losowa wymiarowa, i iezależe zmiee losowe o takim samym rozkładzie jak (taką próbę
Bardziej szczegółowoCharakterystyki liczbowe zmiennych losowych: wartość oczekiwana i wariancja
Charakterystyki liczbowe zmieych losowych: wartość oczekiwaa i wariacja dr Mariusz Grządziel Wykłady 3 i 4;,8 marca 24 Wartość oczekiwaa zmieej losowej dyskretej Defiicja. Dla zmieej losowej dyskretej
Bardziej szczegółowoZADANIA NA ĆWICZENIA 3 I 4
Agata Boratyńska Statystyka aktuariala... 1 ZADANIA NA ĆWICZENIA 3 I 4 1. Wygeeruj szkody dla polis z kolejych lat wg rozkładu P (N = 1) = 0, 1 P (N = 0) = 0, 9, gdzie N jest liczbą szkód z jedej polisy.
Bardziej szczegółowoMatematyka finansowa 08.10.2007 r. Komisja Egzaminacyjna dla Aktuariuszy. XLIII Egzamin dla Aktuariuszy z 8 października 2007 r.
Matematyka fiasowa 08.10.2007 r. Komisja Egzamiacyja dla Aktuariuszy XLIII Egzami dla Aktuariuszy z 8 paździerika 2007 r. Część I Matematyka fiasowa WERSJA TESTU A Imię i azwisko osoby egzamiowaej:...
Bardziej szczegółowoPrawdopodobieństwo i statystyka r.
Zadaie 1 Rzucamy 4 kości do gry (uczciwe). Prawdopodobieństwo zdarzeia iż ajmiejsza uzyskaa a pojedyczej kości liczba oczek wyiesie trzy (trzy oczka mogą wystąpić a więcej iż jedej kości) rówe jest: (A)
Bardziej szczegółowoKomputerowa analiza danych doświadczalnych
Komputerowa aaliza daych doświadczalych Wykład 7 7.04.07 dr iż. Łukasz Graczykowski lgraczyk@if.pw.edu.pl Semestr leti 06/07 Cetrale twierdzeie graicze - przypomieie Sploty Pobieraie próby, estymatory
Bardziej szczegółowoθx θ 1, dla 0 < x < 1, 0, poza tym,
Zadaie 1. Niech X 1,..., X 8 będzie próbą z rozkładu ormalego z wartością oczekiwaą θ i wariacją 1. Niezay parametr θ jest z kolei zmieą losową o rozkładzie ormalym z wartością oczekiwaą 0 i wariacją 1.
Bardziej szczegółowo1. Na stronie tytułowej dodaje się informacje o dacie ostatniej aktualizacji. Nowa data ostatniej aktualizacji: 1 grudnia 2016 r.
Wykaz zmia wprowadzoych do prospeku iformacyjego: KBC PORTFEL VIP Specjalisyczy Fudusz Iwesycyjy Owary KBC Porfel VIP SFIO w diu grudia 206 r.. Na sroie yułowej dodaje się iformacje o dacie osaiej akualizacji.
Bardziej szczegółowoWytrzymałość śruby wysokość nakrętki
Wyzymałość śuby wysoość aęi Wpowazeie zej Wie Działająca w śubie siła osiowa jes pzeoszoa pzez zeń i zwoje gwiu. owouje ozciągaie lub ścisaie zeia śuby, zgiaie i ściaie zwojów gwiu oaz wywołuje acisi a
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 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 szczegółowoDefinicja interpolacji
INTERPOLACJA Defiicja iterpolacji Defiicja iterpolacji 3 Daa jest fukcja y = f (x), x[x 0, x ]. Zamy tablice wartości tej fukcji, czyli: f ( x ) y 0 0 f ( x ) y 1 1 Defiicja iterpolacji Wyzaczamy fukcję
Bardziej szczegółowoMatematyka finansowa 25.01.2003 r.
Memyk fisow 5.0.003 r.. Kóre z poiższych ożsmości są prwdziwe? (i) ( ) i v v i k m k m + (ii) ( ) ( ) ( ) m m v (iii) ( ) ( ) 0 + + + v i v i i Odpowiedź: A. ylko (i) B. ylko (ii) C. ylko (iii) D. (i),
Bardziej szczegółowoSTATYSTKA I ANALIZA DANYCH LAB II
STATYSTKA I ANALIZA DANYCH LAB II 1. Pla laboratorium II rozkłady prawdopodobieństwa Rozkłady prawdopodobieństwa dwupuktowy, dwumiaowy, jedostajy, ormaly. Związki pomiędzy rozkładami prawdopodobieństw.
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 szczegółowoMetody badania zbieżności/rozbieżności ciągów liczbowych
Metody badaia zbieżości/rozbieżości ciągów liczbowych Ryszard Rębowski 14 grudia 2017 1 Wstęp Kluczowe pytaie odoszące się do zagadieia badaia zachowaia się ciągu liczbowego sprowadza się do sposobu opisu
Bardziej szczegółowoAnaliza wyników symulacji i rzeczywistego pomiaru zmian napięcia ładowanego kondensatora
Aaliza wyików symulacji i rzeczywistego pomiaru zmia apięcia ładowaego kodesatora Adrzej Skowroński Symulacja umożliwia am przeprowadzeie wirtualego eksperymetu. Nie kostruując jeszcze fizyczego urządzeia
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 szczegółowoNumeryczny opis zjawiska zaniku
FOTON 8, iosa 05 7 Numeryczy opis zjawiska zaiku Jerzy Giter ydział Fizyki U Postawieie problemu wielu zagadieiach z różych działów fizyki spotykamy się z astępującym problemem: zmiay w czasie t pewej
Bardziej szczegółowoAnaliza popytu na alkohol w Polsce z zastosowaniem modelu korekty błędem AIDS
Ekoomia Meedżerska 2011, r 10, s. 161 172 Jacek Wolak *, Grzegorz Pociejewski ** Aaliza popytu a alkohol w Polsce z zastosowaiem modelu korekty błędem AIDS 1. Wprowadzeie Okres trasformacji, zapoczątkoway
Bardziej szczegółowoFINANSE PRZEDSIĘBIORSTW konwersatorium, 21 godzin, zaliczenie pisemne, zadania + interpretacje
mgr Joaa Sikora jsikora@ wsb.gda.pl joaasikora@wordpress.com FINANS PRZDSIĘBIORSTW kowersaorium, 21 godzi, zaliczeie piseme, zadaia + ierpreacje Treści programowe Wprowadzeie do fiasów korporacyjych podsawowe
Bardziej szczegółowoKADD Metoda najmniejszych kwadratów
Metoda ajmiejszych kwadratów Pomiary bezpośredie o rówej dokładości o różej dokładości średia ważoa Pomiary pośredie Zapis macierzowy Dopasowaie prostej Dopasowaie wielomiau dowolego stopia Dopasowaie
Bardziej szczegółowoJak obliczać podstawowe wskaźniki statystyczne?
Jak obliczać podstawowe wskaźiki statystycze? Przeprowadzoe egzamiy zewętrze dostarczają iformacji o tym, jak ucziowie w poszczególych latach opaowali umiejętości i wiadomości określoe w stadardach wymagań
Bardziej szczegółowoProjekt ze statystyki
Projekt ze statystyki Opracowaie: - - Spis treści Treść zaia... Problem I. Obliczeia i wioski... 4 Samochó I... 4 Miary położeia... 4 Miary zmieości... 5 Miary asymetrii... 6 Samochó II... 8 Miary położeia:...
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 szczegółowoPrzełączanie diody. Stan przejściowy pomiędzy stanem przewodzenia diod, a stanem nieprzewodzenia opisuje się za pomocą parametru/ów czasowego/ych.
Przełączaie diody 1. Trochę eorii a przejściowy pomiędzy saem przewodzeia diod, a saem ieprzewodzeia opisuje się za pomocą parameru/ów czasowego/ych. Mamy więc ajprosszy eleme półprzewodikowy (dwójik),
Bardziej szczegółowoO pewnych zastosowaniach rachunku różniczkowego funkcji dwóch zmiennych w ekonomii
O pewych zastosowaiach rachuku różiczkowego fukcji dwóch zmieych w ekoomii 1 Wielkość wytwarzaego dochodu arodowego D zależa jest od wielkości produkcyjego majątku trwałego M i akładów pracy żywej Z Fukcję
Bardziej szczegółowo3. Tworzenie próby, błąd przypadkowy (próbkowania) 5. Błąd standardowy średniej arytmetycznej
PODSTAWY STATYSTYKI 1. Teoria prawdopodobieństwa i elemety kombiatoryki 2. Zmiee losowe i ich rozkłady 3. Populacje i próby daych, estymacja parametrów 4. Testowaie hipotez 5. Testy parametrycze 6. Testy
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 szczegółowoĆwiczenie 2 ESTYMACJA STATYSTYCZNA
Ćwiczeie ETYMACJA TATYTYCZNA Jest to metoda wioskowaia statystyczego. Umożliwia oszacowaie wartości iteresującego as parametru a podstawie badaia próbki. Estymacja puktowa polega a określeiu fukcji zwaej
Bardziej szczegółowo