Model GARCH wykorzystanie dodatkowych informacji o cenach minimalnych i maksymalnych

Wielkość: px
Rozpocząć pokaz od strony:

Download "Model GARCH wykorzystanie dodatkowych informacji o cenach minimalnych i maksymalnych"

Transkrypt

1 Bank Kredy Model GARCH wykorzyane dodakowych normacj o cenach mnmalnych makymalnych Grzegorz Perczak * Por Fzeder # adełany: 9 marca r. Zaakceowany: loada r. Srezczene W racy zarezenowano modele GARCH wrowadzone rzez Lldholda oraz Venera de Jongha Grebenowa 5 kóre zoały konruowane na odawe cen mnmalnych makymalnych zamknęca. Zakładając że śróddzenne oy zwrou mogą być oane rzez arymeyczny ruch Browna z rozkładem IG rzedawono łączne rozkłady wekorów loowych. Ich wółrzędnym ą zmenne loowe warośc mnmalnej makymalnej końcowej logarymcznych ó zwrou. Rozkłady e zoały naęne wykorzyane do konruowana unkcj warygodnośc łużących do eymacj aramerów model. Ponado w racy zaroonowano rozzerzene model Lldholda oraz Venera de Jongha Grebenowa 5. Polega ono na zaoowanu bardzej eekywnych eymaorów dzennej warancj konruowanych na odawe cen mnmalnych makymalnych zama eymaora wyznaczanego wyłączne na odawe cen zamknęca. Dokonano równeż ewnych urozczeń womnanych arameryzacj model. a odawe zeregów ó zwrou z ndeku WIG kuru waluowego EUR/PL okazano że wykorzyane normacj o cenach mnmalnych makymalnych do ozacowana aramerów modelu GARCH bez zwękzena jego arameryzacj orawa jakość modelu merzoną waroścą unkcj warygodnośc. Słowa kluczowe: model GARCH eymacja zmennośc rozkład IG ruch Browna ceny mnmalne makymalne JEL: C5 * Unwerye Mkołaja Koernka w Torunu; e-mal: grzegorz.erczak@gmal.com. # Unwerye Mkołaja Koernka w Torunu; e-mal: or.zeder@umk.l.

2 6 G. Perczak P. Fzeder. Wę Zmenność cen nrumenów nanowych je jednym z ważnejzych ojęć wółczenych nanów. Znaczene zmennośc wynka zarówno z eor nanów jak z lcznych zaoowań rakycznych Schwer 989; Flemng Krby Odek ; Poon Granger ; Anderen n. 6. Wynk badań emrycznych wkazują że rozzerzane nejących już model zmennośc ó zwrou worzene kolejnych arameryzacj w celu coraz lezego doaowana modelu do danych emrycznych je mnej eekywne nż wykorzyane normacj owzechne doęnych na rynku Fzeder 9. Do nedawna modele arameryczne oowane do ou zmennośc ó zwrou były konruowane wyłączne na odawe cen zamknęca. Dodakowe dane rynkowe kóre można uwzględnć rzy budowe model zmennośc dzel ę na dwe gruy: dane o częolwośc wyżzej nż dzenna zw. dane nraday kóre ą zborem uorządkowanych ar zawerających warość ceny cza jej odnoowana normacje o mnmalnych makymalnych cenach. W ym rzyadku ne je jednak uwzględnany momen an nawe kolejność ch wyąena. Obecne znanych je wele arameryzacj model łużących do ou zmennośc ó zwrou na rynkach nanowych; wśród nch najlcznejzą klaę anową modele GARCH. Rozważana rowadzone w nnejzej racy będą doyczyły właśne ej gruy model w rzyzłośc mogą być jednak rozzerzone na nne ch rodzaje n. modele SV ang. ochac volaly. Zaoowane noowań nraday doarcza węcej normacj o badanym nrumence nanowym wąże ę jednak z konecznoścą okonana zeregu roblemów:. Dane o częolwośc wyżzej nż dzenna ne zawze ą doęne dla wzykch akywów w rzecweńwe do cen zamknęca oraz cen mnmalnych makymalnych.. Pozykane danych nraday wymaga z reguły oneena dodakowych kozów oneważ ne ą ogólne doęne.. Zaoowane danych nraday z dłużzych okreów wymaga bardzo dużych baz danych lczących ek yęcy oberwacj co znaczne wydłuża cza rowadzena analz. 4. Czynnk zwązane z mkrorukurą rynku Doman zczególne w rzyadku mało łynnych akywów owodują znaczne obcążene eymaorów konruowanych na odawe danych śróddzennych. 5. Dane o wyokej częolwośc mają wele cech urudnających ch bezośredną analzę. Przykładowo wyęują lne wahana cyklczne w cągu dna lna auokorelacja normacje makroekonomczne mają duży wływ na noowana cen nrumenów nanowych; zmenność oblczona na ch odawe może być znaczne rzezacowana lub nedozacowana; częo wymagają eż odjęca dodakowych dzałań n. lrowana. 6. Inormacje o cenach w cągu dna ne ą na ogół wykorzyywane do budowy modelu GARCH unkcj warygodnośc łużącej do eymacj aramerów ego modelu dla okreów dzennych a ojawające ę w leraurze roozycje wymagają znacznego rozbudowana oac modelu zwękzena lczby jego aramerów. Do nelcznych wyjąków można zalczyć race Lldholda oraz Venera de Jongha Grebenowa 5 w kórych dodakowo wykorzyano warośc mnmalne makymalne w cągu dna. Korzyane w modelowanu nanowym z normacj o waroścach mnmalnych makymalnych je uzaadnone. Eymaor Parknona 98 najrozy najmnej eekywny ośród eymaorów dzennej warancj ermn en określa w dalzej częśc racy warancję oy zwrou za-

3 Model GARCH wykorzyane dodakowych normacj... 7 oberwowaną mędzy zamknęcam noowań w kolejnych dnach konruowanych na odawe cen mnmalnych makymalnych zamknęca daje odobne wynk jak zmenność zrealzowana zacowana na odawe czerech ęcu lub ześcu oberwacj w cągu dna Parknon 98; Anderen Bollerlev 998. Ponado Parknon okazał że w rzyadku arymeycznego ruchu Browna zaroonowany rzez nego eymaor warancj je onadęcokrone eekywnejzy od eymaora konruowanego na odawe cen zamknęca. Powane model klay GARCH umożlwło oane zjawka zw. gruowana zmennośc ó zwrou. Począkowo rzyjmowano założene o warunkowej normalnośc kładnka loowego kóre w rzyadku wękzośc roceów nanowych ne je ełnone z owodu wyęowana wyokej kurozy oraz aymer warunkowych rozkładów ó zwroów. Problem en rozwązywano rzez wrowadzene aymerycznych rozkładów zawerających grube ogony najczęścej kośnego rozkładu Sudena. Możlwośc wykorzyana ego rozkładu w rzyadku dodakowej analzy danych śróddzennych ą jednak ogranczone. W leraurze rudno znaleźć oy roceów ochaycznych z czaem cągłym kórych rzyroy byłyby zmennym loowym o ym rozkładze. Zaoowane rozkładów Sudena do roceów GARCH znaczne komlkuje akże wycenę nrumenów ochodnych. W rzyadku modelowana logarymcznych ó zwrou oczekwana oa zwrou akego roceu je neogranczona w zwązku z ym ne neje drug momen unkcj wyłay. W konekwencj cena ocj oanej za omocą akego modelu je nekończona co je nonenem. Z oanych owodów ożądane je oowane w modelowanu rozkładu o grubych ogonach kóry równocześne małby wzyke momeny kończone. Warunek en ełna rzedawony w nnejzej racy rozkład IG kórego wykorzyane w modelowanu ochaycznej zmennośc zaroonowal Barndor-elen 997 oraz Anderon. Z kole Jenen Lunde oracowal zw. model IG-S&ARCH. Część rezulaów rzedawonych w ej oanej racy zoane wykorzyana w nnejzym oracowanu. Analzy Venera de Jongha 4 okazują że dzęk zaoowanu modelu GARCH z warunkowym rozkładem IG kładnka loowego uzykwano ranejze ozacowana zmennośc ó zwrou ryzyka nż na odawe modelu ze kośnym rozkładem Sudena. W wynku rzerowadzonych badań Forberg Bollerlev werdzl że dla kuru waluowego ECU/USD: zmenność zrealzowana ó zwrou oblczana jako uma kwadraów danych śróddzennych ma rozkład odwrony gauowk dzenna oa zwrou andaryzowana rzez erwaek zmennośc zrealzowanej ma w rzyblżenu rozkład normalny. Analzy e owerdzły dobre doaowane modelu GARCH-IG zaroonowanego wcześnej rzez Forberga. Skonruowany model ne je jednak w ane oać aymer rozkładów ó zwrou włanośc częo wyęującej na rzykład na rynkach akcj. Omawane doąd badana wykorzyywały zereg czaowe zawerające ylko dzenne oy zwrou konruowane na odawe cen zamknęca. W racach Lldholda oraz Venera de Jongha Grebenowa 5 zaroonowano arameryzacje model GARCH w kórych dodakowo wykorzyano warośc cen mnmalnych makymalnych. Wyznaczono unkcje gęośc rozkładu łącznego mnmalnej makymalnej końcowej warośc logarymcznych ó zwrou w danym dnu. Założono że śróddzenny roce logarymcznych ó zwrou nrumenu je roceem Levy ego. W oracowanu Lldholda je o arymeyczny ruch Browna o ualonej na dany dzeń warancj a kładnk loowy w zaroonowanym modelu GARCH dla oberwacj dzennych ma warunkowy rozkład normalny.

4 8 G. Perczak P. Fzeder Ze względu na wyęowane leokurozy oraz aymer rozkładów ó zwroów założene o ne je na ogół ełnone w rzyadku emrycznych zeregów nanowych. Z kole w racy Venera de Jongha Grebenowa 5 dynamka śróddzennych ó zwrou je bardzej złożona. Wykorzyując wnok z racy Forberga Bollerleva zaroonowano arameryzację modelu GARCH-IG w kórym warunkowy rozkład kładnka loowego je rozkładem normalnym odwronym gauowkm IG. Przedawone unkcje gęośc zoały naęne wykorzyane do określena unkcj warygodnośc dla model GARCH. W orównanu ze womnanym racam w modelach GARCH rzedawonych onżej do eymacj dzennej warancj ó zwrou zaoowano akże ceny mnmalne makymalne. Omówone roozycje mają równeż ewne wady. Przedawona w racy Lldholda unkcja gęośc rozkładu łącznego warośc mnmalnej makymalnej końcowej ma złożoną oać co dodakowo komlkuje model. W oracowanu Venera de Jongha Grebenowa rzyjęo neyowe arameryzacje wrowadzonych am zmennych loowych oraz roceów ochaycznych. Ponado kładnk loowy ne je andaryzowany zn. jego warość oczekwana warancja ne ą równe odowedno. Urudna o orównane budowy modelu z nnym oanym w leraurze. Modele rzedawone w nnejzym oracowanu będą wolne od ych wad. nejze oracowane ma rzy odawowe cele. Perwzym je zaroonowane nowej arameryzacj modelu GARCH do kórej eymacj będą wykorzyywane jednocześne normacje o cenach mnmalnych makymalnych: do konrukcj eymaorów dzennej warancj do określena unkcj warygodnośc łużącej do eymacj aramerów model zmennośc. Drug cel o rzedawene w bardzej czyelnej uorządkowanej orme doychcza nejących model oanych w racach Lldholda oraz Venera de Jongha Grebenowa 5 ak aby można było bezośredno orównać je z modelam rzedawonym w nnych ublkacjach naukowych. Trzecm celem je okazane na odawe zeregów ó zwrou z ndeku WIG kuru waluowego EUR/PL że wykorzyane normacj o cenach mnmalnych makymalnych do eymacj aramerów modelu GARCH bez zwękzena jego arameryzacj orawa jakość modelu merzoną waroścą unkcj warygodnośc. Temayka a je rakyczne neobecna w leraurze śwaowej. Układ arykułu je naęujący. W częśc drugej rzedawona zoane ogólna oać zaroonowanych arameryzacj modelu GARCH. Część rzeca zawera roozycje wykorzyana dodakowych normacj na ema dzennego mnmum makmum rzy założenu że warunkowy rozkład kładnka loowego je normalny oraz śróddzenne oy zwrou można oać arymeycznym ruchem Browna. W częśc czwarej z myślą o uogólnenu założeń modelowych rzedawono rozkład IG oraz rozzerzoną ormułę gęośc rozkładu łącznego makmum mnmum warość końcową. Część ąa zawera o arameryzacj modelu GARCH z wykorzyanem rozkładu IG oraz womnanej unkcj gęośc. Wynk badana emrycznego doyczącego ndeku WIG noowanego na GPW w Warzawe oraz kuru waluowego EUR/PL zamezczono w częśc zóej. nejzy arykuł zawera znaczne rozzerzene wynków rzedawonych w racy Perczaka.

5 Model GARCH wykorzyane dodakowych normacj P odawowe ecykacje m odelu G ARCH d la rozważanych r odzajów danych rynkowych.. Model GARCH konruowany na odawe cen zamknęca Przez D σ oznaczana będze cągła w wojej dzedzne unkcja rozkładu rawdoodobeńwa zmennej loowej o warośc oczekwanej warancj σ. Rozarywane ą rocey z czaem dykrenym. ech S oznacza cenę zamknęca nrumenu nanowego odnoowaną w dnu. Zdenowano akże dzenną oę zwrou jako ln S / S. Symbol I oznacza zbór wzykch normacj doęnych w chwl. ech oznacza roce GARCH q w oac: I ~ D ε h ε q h ω h ω ε ξ ω > ω Dodana warość h je zaewnona gdy ω > ω dla q oraz ξ dla. Przy wękzych rzędach oóźneń q założena e ą zby rerykcyjne częo dzęk ch złagodzenu można uzykać lezy o warancj warunkowej. Kowarancyjna acjonarność roceu zachodz naoma wedy gdy ełnony je warunek: q ω ξ <.. O rozzerzonego zboru danych rynkowych Wycena warośc nrumenów nanowych zazwyczaj dokonywana je na rynku nanowym welokrone w cągu dna. Z dzennych noowań rynkowych można ozykać znaczne węcej normacj nż ojedyncze noowana cen zamknęca. Przedawony w orzednm odunkce model GARCH konruowany je na odawe ylko cen zamknęca. Ponżej zoane zarezenowana roozycja modykacj modelu dzęk kórej do eymacj aramerów będze można wykorzyać zerzy zbór dzennych noowań. < Przez S oznaczana będze cena nrumenu nanowego odnoowana w dnu < o uływe czau od oanego noowana orzednego dna. Zachodz zaem ożamość: S - S. Dzenne dobowe mnmum makmum zdenowano odowedno jako L L mn S mn S H max S. Dodakowo rzyjęo dencję mnmalnej makymalnej dzennej oy zwrou: A ln L S ln H S. Zredenowano jednodnową oę zwrou: ln S S kóra będze eż nazywana waroścą końcową dzennej oy zwrou.

6 G. Perczak P. Fzeder Wykorzyywane normacje doyczące dzennych noowań nrumenu nanowego rerezenowane będą eraz rzez uorządkowaną rójkę lczb a c x zama ojedynczej warośc x jak ma o mejce w klaycznym modelu GARCH wrowadzonym rzez Bollerleva 986. σ.. O gólna o ać roonowanych m odel G ARCH d la d anych r ozzerzonych o cenę mnmalną cenę makymalną Przez LHC σ oznaczana będze cągła w wojej dzedzne łączna unkcja rozkładu rawdoodobeńwa wekora zmennych loowych A dla kórych ełnone ą naęujące warunk: A A C A C E[ ] Var[ ] σ. A C Dla ualonego dna < rozarywany je wekor loowy A o rozkładze ^ LHC < h dla kórego zdenowano akże unkcję Z A będącą neobcążonym eymaorem dzennej warancj ó zwrou. Funkcja a ełna równeż warunek E A LHC h [ Z^ A I ] h. ^ ^ Klka wybranych oac ej unkcj rzedawono w dalzej częśc racy. Ogólna oać zaroonowanych arameryzacj w nnejzym oracowanu wygląda naęująco: A ~ LHC h I 4 gdze ε ε określono na odawe eymaora Z^. Z^ A ε C Z^ A 5 q h ω ωε ξ h 6 ε. M odel G ARCH z w arunkowym r ozkładem n ormalnym kładnka loowego konruowany na odawe rozzerzonego zboru danych Zarezenowana ogólna oać arameryzacj anow unk wyjśca do rezenacj bardzej zczegółowych oac model. Ponżej rzyjęo że warunkowy rozkład roceu je rozkładem normalnym. Ponado założono że o zwrou w cągu dna doby można oać arymeycznym ruchem Browna co umożlwło zaoowane rozkładu łącznego ó zwrou dzennego mnmum makmum warośc końcowej. Do konruowana model wykorzyano równeż bardzej eekywne eymaory dzennej warancj oy zwrou nż w klaycznym modelu ARr-GARCH q... Trójwymarowy wekor loowy ó zwrou mnmum makmum warośc końcowej arymeycznego ruchu Browna Dla andardowego roceu Wenera B zdenowany zoaje ruch Browna σ B oraz A mn C max. Dla dowolnej ualonej warośc > zachodz < < ~ σ. Jeśl roce oąga dla ewnego warość a < a naęne dla wzykch > zachodz a

7 Model GARCH wykorzyane dodakowych normacj... wówcza lczbę a nazywamy dolną barerą aborbującą. Analogczne jeśl roce oąga dla ewnego warość c > a naęne dla wzykch > zachodz c wówcza lczbę c nazywamy górną barerą aborbującą. Gęość rozkładu z dolną barerą aborbującą równą a górną barerą równą c oano za omocą naęującego wzoru orównaj Cox Mller 965. ormuła 78 a akże L 999: πσ k k e A > a c x ; σ e e k c a x k c a c x c k c a σ σ σ 7 gdze: a c a x c średnk oddzela argumeny unkcj od jej aramerów. Wyznaczona na odawe ożamośc 7 gęość rozkładu łącznego wekora zmennych loowych A dana je naęującą ormułą Fzeder Perczak : AC πσ x ; A > a c; σ a c x ; σ a c k 5 k 5 k g a c x ; k k σ g a c x ; k σ 8 gdze unkcja g oana je zależnoścą: g a c x ; k k σ 4 k k x ck ak σ e ck ak x ck ak σ 9 Argumeny a c x można nerreować σ jako warośc odowedno: mnmalną makymalną końcową. Wekor loowy A ma rozkład łączny AC σ jeśl jego gęość oana je wzorem 8. Jeżel A ~ AC σ wówcza ayyka: σ ^ V 86C C 86A A 4 je neobcążonym eymaorem warancj σ roceu Perczak Fzeder. Ponado warancja ego eymaora dla << σ je mnejza od warancj neobcążonego eymaora Rogera-Sachella 99. Warośc 86 4 ą waroścam rzyblżonym.

8 G. Perczak P. Fzeder.. Eymacja aramerów modelu GARCH z warunkowym rozkładem normalnym z wykorzyanem cen mnmalnych makymalnych zamknęca W rzedawonym w unkce. modelu GARCH q w oac rzyjmuje ę bardzo częo w mejce założena że I ~ h. Model ak oznaczany w dalzej częśc racy jako : I ~ h ε q h ω ωε ξ h Paramery akego modelu eymuje ę najczęścej meodą najmnejzej warygodnośc MW na odawe unkcj warygodnośc wykorzyując wyłączne ceny zamknęca odejśce radycyjne: ^ ^ ω ξ ^φ arg max ln L ω ξ φ arg max { ω ξ φ } { ω ξ φ} n ln x ; φ h ω ξ 4 ω ξ gdze ω ω ω... ωq ξ ξ ξ... ξ n je lczebnoścą róby naoma je unkcją gęośc rozkładu normalnego. Wrowadźmy bardzej rerykcyjne założena modelu. Przyjęo że A I ~ AC h Zgodne z dencją rozkładu AC rawdą je że A I ~ AC h ~ h I co jednak ne zachodz w drugą ronę. Znajomość unkcj gęośc rozkładu łącznego wekora A umożlwa ormułowane modelu GARCH q o odmennej oac kórą nazwano GARCH-HL z HLC. HL oznacza że do budowy unkcj warygodnośc wykorzyano ceny makymalne mnmalne HLC oznacza zaoowane jednego z eymaorów warancj konruowanego na odawe cen: makmum mnmum zamknęca. Zbór en oznaczony jako może być rozzerzony o cenę owarca: A I ~ AC h 5 ε 86C C 86A A 4 6 q h ω ω ε ξ h 7

9 Model GARCH wykorzyane dodakowych normacj... Paramery ego modelu mogą być eymowane za omocą MW na oawe unkcj warygodnośc konruowanej z wykorzyanem cen mnmalnych makymalnych zamknęca oraz nowego eymaora dzennej warancj do kórego budowy wykorzyano równeż en am rodzaj normacj równane 6: ^ ^ n ω ξ arg maxln L ω ξ argmax ln a c x ; h ω ξ 8 { ω ξ} AC { } Kolejna roozycja modelu GARCH q nazwana GARCH-HL oznaczana w dalzej częśc racy jako zoała zarezenowana onżej: AC A C ~ AC h I 9 ε q h ω ξ h ωωε ε Paramery ego modelu mogą być eymowane za omocą MW na oawe unkcj warygodnośc konruowanej z wykorzyanem cen mnmalnych makymalnych zamknęca oraz radycyjnego eymaora dzennej warancj oarego na odawe cen zamknęca równane : ^ ^ ω ξ argmaxln L ω ξ argmax ln a c x ; h ω ξ AC { ω ξ } { ω ξ } n AC Równana 5 rzedawają rzecą roozycję modelu GARCH q. Poać ę nazwano GARCH z HLC oznaczono w dalzej częśc racy jako : ε A ~ AC h 86C C 86A A 4 q h ω ωε ξ h I 4 5 Paramery ego modelu można eymować na odawe klaycznej unkcj warygodnośc wykorzyując wyłączne ceny zamknęca oraz nowego eymaora dzennej warancj konruowanego na odawe cen mnmalnych makymalnych zamknęca równane 4: n ^ ^ ω ξ arg max ln L ω ξ arg max ln x ; h ω ξ 6 { ω ξ } { ω ξ} Zauważmy że arameryzacje ą denyczne a różnca mędzy nm wynka z zuełne nnej konrukcj unkcj warygodnośc. W abel zeawono wzyke zarezenowane modele.

10 4 G. Perczak P. Fzeder Parameryzacja różn ę od klaycznej arameryzacj modelu GARCH ym że rzy jej konrukcj zaoowano normacje o cenach mnmalnych makymalnych zarówno rzy eymacj dzennej warancj jak do określena unkcj warygodnośc łużącej do eymacj aramerów modelu GARCH. Zaadnczą rzyczyną ego że w równanach 6 4 zaoowano eymaor dzennej ^ ^ n warancj określony w równanu je ω ξjego argmax onadedmokrone ln L wękza eekywność nż eekywność eymaora o oac AC ω ξ argmax ln AC a c x ; h ω ξ { ω ξ} { ω ξ } ^ ^ Perczak n Fzeder. Można rzyuzczać że ozwol o na ω ξ argmaxln L AC ω ξ argmax uzykane dokładnejzego ozacowana warancj ln AC a c x ; h ω ξ { ω ξ} { ω ξ } jej ranejzych rognoz. Parameryzacja zaadnczo ne różn ę od A roozycj C Izawarej ~ ACw racy h Lldholda choć zawera nną roozycję oac unkcj AC. Wynka o z aku że Lldhold jako unk wyjśca A I ~ AC ε h86 C C 86A A 4 do dalzych rozważań zaoował unkcję rzedawoną rzez Coxa Mllera 965 ormuły ε W nnejzym oracowanu oać unkcj rzedawonej q w równanu 86C C 86A A 4 7 zoała naoma h wyznaczona rzez rzekzałcene nnej unkcj zawarej ω w ej ω ε h racy ormuła ξ 78.. Uzykana q w en oób oać h unkcj ω gęośc rozkładu łącznego wekora A je dużo roza. Jak zaznaczono założena rzyjęe w modelach ω ε ξ h ą lnejze od ych kóre n rzyjęo dla modelu ^ ^. Poza warunkową normalnoścą rozkładu ω ξ arg max ln L kładnka loowego ω ξ arg max ln rzyjęą równeż x w ; h ω modelu ξ { ω } ξ { ω ξ} wymagane ^ n ^ je aby A ω mał rozkład AC. e oznacza o jednak że roce śróddzennych ξ arg max ln L ω ξ arg max ln x ; h ω ξ { ω ó zwrou mu ξ } być arymeycznym { ruchem ω ξ} Browna mmo że założene o było unkem wyjśca do wyrowadzena ormuły gęośc unkcj AC. Ponado modele ą ozczędne A arameryzowane. e zoały do nch wrowadzone żadne dodakowe aramery wymagające ozacowana w ounku do modelu. A 4. Rozkład IG oraz roce BIG A 4.. Charakeryyka A rozkładu IG Zmenna loowa ma rozkład odwrony gauowk oznaczany jako IG ang. nvere Gauan z arameram R IG R jeżel jej gęość rozkładu rawdoodobeńwa określona dla x > ma naęującą oać or. Barndor-elen 997. równane.5: IG R R R R x x x ; x ex 7 IG x π π x IG x ; x ex π x x IG x ; x ex π u u Funkcja charakeryyczna ej zmennej ma oać: φig u; E[ e ] e u. u φ Warość oczekwana warancja ą zaem IG u; równe odowedno: E[ e ] e u u φig u; E[ e ] e E [ ] Var[ ] 8 E [ ] [ ] Var Ławo akże rawdzć że dla dowolnej ~ I G dodanej ałej ~ IGzachodzą równoważnośc: oraz ~ IG ~ I G ~ I G ~ IG IG oraz ~ IG ~ I G 9 IG R R < < R R R < < R R

11 [ ] φig u; E e e u u u φu φ IG u; E[ e ] e IG u; E[ e ] e x x IG x ; x ex R π E [ ] [ ] Var E [ ] [ ] E [ ] Var Model [ ] Var GARCH wykorzyane dodakowych normacj... 5 R u u φig ui G ; E[ e ] ~ IG e oraz ~ IG ~ I G ~ I G ~ I G IG ~ IG oraz IG oraz ~ IG ~ I G ~ I G 4.. Charakeryyka IG rozkładu IG IG IG E [ ] [ ] Var Zmenna loowa ma rozkład IG R z arameram R < < R < < R R R < < jeżel R W ~ W W gdze W ~ R I G < I < G R ~ IG oraz oraz ~ IG. Gęość rozkładu ~ I G rawdoodobeńwa ej zmennej R ma zaem oać: R IG R ~ ~ IG x ; W ~ W x ; w w IG w ; d w W ~ ~ W W R W W < < R W ~ I G e x K W ~ I G W ~ I G x R x π x π W ~ W W gdze K λ z y ex z y dy y W ~ I G IG x ; x ; w IG w ; d w IG x ; x ; w IG w ; d w IG x ; x ; w w IG w ; d w gdze ą arameram kzału a o odowedno aramery kal ołożena or. Jenen u u u IG u; E [ e ] Lunde. 4. e e x e K x π x x e x K x K π x x Rozkład IG zoał π zaroonowany x rzez Barndora-elena 995. Je o zczególny rzyadek IG x ; zw. uogólnonego rozkładu herbolcznego gdze K Barndor-elen x ; w w z y ex 977. z y Węcej normacj dy na ema rozkładu IG można znaleźć n. λ E [ ] Var [ ] λ gdze IG w ; d w K z w racy Schlöera ex gdze K z y ex z y y dy λ z y dy y y Funkcja charakeryyczna zmennej e o x rozkładze IG oana je K wzorem: x π x 4 u u E [ E [ ]] E [ E [ ]] u A [ ] K IG[ u ] ; E [ e ] e u u u u 4 [ u IG u; E e ] u e Var[ ] IG u; E [ e Var ] e [ ] gdze K λ z y ex z y dy Warość oczekwana warancja równe ą odowedno: y E [ ] Var [ ] E [ ] ~ IG be [ ~ IG ] Var b [ b ] Var [ ] u u b b u ; [ ] IG u E e e Wółczynnk aymer koncenracj dane ą naoma naęującym ormułam: 4 E [ E [ ]] E [ E [ ]] 4 A [ ] E [ E [ ] ] K [ ] 4 4 E [ E [ ] ] E [ E A [ [ ]] Var[ ] E [ A [ ] E K [ [ ]]] K Var[ ] 4 Var[ ] [ ] Var[ ] 4 Var[ ] E [ ] Var [ ] Var [ ] IG Dodana warość wółczynnka aymer wkazuje na raworonną kośność rozkładu naoma warośc wółczynnka ~ koncenracj IG ~ IG b ~ IG b b 4 ~ IG E [ b ~ E IG [ wękze ]] od b ~ normują b IG b b b E o [ odwyżzonej b E b [ ]] w ounku do rozkładu normalnego kuroze A [ ] rozkładu. b b e K [ b b ] 4 Var[ ] IG x; K Var[ ] Przez odowedne rzekzałcene unkcj charakeryycznej rozkładu IG można okazać że dla ałego b > zachodz: π ~ IG b ~ IG b b b b IG IG IG E [ ] Var [ ] e x x IG x; K e IG x; K π e IG x; K IG π ~

12 b b ~ IG ~ IG b ~ ~ IG b ~ IG b ~ IG b b b b IG b b b b IG 6 G. Perczak IGP. Fzeder x e IG e W nnejzej IGracy wygodnej będze zaoować neco nną arameryzację IG zarezenowaną IG e IG x; K n. w arykułach Barndora-elena 997. oraz Jenena Lunde a. 4. Podawając: e uzykuje ę aramery kzału kóre ą nezmenncze rzy zmane aramerów ołożena kal ang. nvaran under locaon-cale change. Zmenna loowa ma e x IG x; Kx e e IG x; K IG x; K π π π IG x; rozkład IG jeśl IG xjej ; unkcja gęośc rozkładu rawdoodobeńwa K dana je ormułą: x IG x; K π E [ ] Var [ ] E [ ] Var [ ] π π π x E [ e ] Var [ ] IG x; K E [ ] Var [ ] 4 π E [ ] E [ ] Var [ ] E [ ] Var [ ] Var [ ] A [ ] K [ ] Warość oczekwana warancja 4 ej zmennej dane ą odowedno ormułam: A [ ] K [ ] 4 A [ ] K [ ] E 4 [ ] Var [ ] 5 A [ ] K [ ] 4 R R Z ~ R R W ~ I G R A [ ] K [ ] 4 A [ ] K [ ] 4 A [ ] K [ ] 4 R Z ~ R R W ~ I G R R Z ~ R R W ~ I G W W W Z W W R nnejzej racy zaleą ej arameryzacj je ak że ylko dwa aramery: jednoznaczne RW Z ~ RW Z R W ~ I G określają warośc wółczynnków aymer koncenracj: W W W Z R W R Z R R R RW R Z ~ R R Z ~ R R R W ~ I G W ~ I G W W W W Z A [ ] K [ ] 4 W W 6 W ~ IG x; W W W Z W W W Z dla W W Z ~ IG W x; W dla R ~ IG x; dla R W W W W W W ~ IG 4.. Proce x; BIG dla I G R I G ~ IG x; ~ IG x; dla ~ IG x; dla dla R Jeżel R Z ~ R R R I G W ~ I G wówcza zmenna loowa Y Y Y B Y ~ I G W W R W Z ma rozkład W W. Z ego oraz z równana R wynka że I G Y Y Y B R Y ~ I G ~ IG x; dla Barndor-elen Y Y Shehard Y B Y ~. I 5. G ech I G R będze ualonym aramerem zmenna loowa Y ma rozkład I G naoma I G Y ~ Y Y Y ~ B będze andardowym Y Y Y Y B roceem Y ~ I Wenera. G Dla roceu oanego równanem: Y ~ Y Y Y ~ Y IG Y Y Y B Y Y Y Y B Y ~ I G Y B Y ~ I G Y Y ~ IG ~ Y Y W Y Y ~ IG zachodz: W Y Y ~ Y ~ Y Y Y ~ Y Y. Y Ponado Y z relacj oanych w ormule 9 wynka że Y ~ IG. Przyjmując dodakowo że W Y ławo okazać że w unkce równym zachodz ~ IG IG ~. Y ~ IG Y ~ IG W Y Y ~ IG Proce IG ~ zoane nazwany roceem BIG ang. Brownan nvere G auan. Jego ecykacja je W Y W Y modykacją roceu oanego rzez Venera de Jongha Grebenowa 6. wzór 6. IG W Y ~ A mn < A mn IG IG ~ < IG ~ ~ C max A mn < < C max < A mn C max < : < : A mn A mn A mn C max < < < < : x A > a C c IG ; ; C max x ; A > a c ; C max

13 W Y ~ Y IG Y ~ IG Y ~ IG W Y W ~ IG Y Model W GARCH Y ~ IG W Y wykorzyane dodakowych normacj... 7 ~ IG ~ IG ~ IG A mn < 4.4. Gęość rozkładu łącznego ó zwrou mnmum makmum warośc A mn końcowej A mn roceu < C max BIG < < ech będze roceem A A mnbig mn C zdenowanym < max max C < w równanu 7 oraz A mn C max. : < < < < Dla urozczena oznaczeń rzyjęo :. Tak jak w unkce. wyznaczono gęość rozkładu C z bareram aborbującym C maxdolną max : < górną : równym a c Perczak ; Vener de Jongh Grebenow < IG x ; A > a c ; 5 równane 4.5: : : IG x ; A > a c ; IG x ; A > a c ; A > a c x; y y IG y; d y IG x ; A > a c ; IG x ; A x a c ; IG ; A IG x ; A > > a c ; a c ; A > a c x; y y IG y; d y A > x a C k c x; y y IG y; d y e K A > a θ K θ c x; y y IG y; d y π A > Aa ca x> ; a C y x c x ; > k IG y ; y y d IG y y ; d y a c x; y y y; d y k IG e e K K θ K k e θ K θ K θ k e π K θ K θ k θ θ k e π k e θ K θ k θ θ π π k θ θ gdze: K θ K θ K θ K θ k c a x k θ θ θ c k c a x θ x gdze: π π k θ k gdze: θ θ k θ k c a x θ θ θ θ k c a x c k c a x x θ θ c k c a x x k c a x θ c k c a x A x gdze: gdze: k c a x θ k c a x θ c k c a x gdze: θ gdze: θ c k c a x x x k c a x θ k c a x θ θ c k c a x x θ c k c a x x A A Korzyając ze wzoru 8 lub 8 można wyznaczyć > gęość rozkładu łącznego wekora zmennych loowych A A C A : A C IG x ; A a c ; ACIG a c x ; a c > > IG x ; A a C c ; IG x ; A a c ; ACIG a c x ; ACIG a c x ; a c AC a c x ; y y IG y ; a c d x A > a C c a c x IG ; y x A ; ACIG ; > a C c a c x x A > a C c a c x IG ; IG ; ; ; ACIG ; ACIG ; AC a c x ; a c y y IG a y c ; d y a c a c AC x ; y y IG y ; d y k 4 k e K θ K θ θ AC a c a x ; c x AC ; a y c x y ; y IG y ; y y y ; d y d ; y d y AC IG IG θ k π k k 4 k e K θ 4 θ k e K θ K θ θ θ K θ θ θ π k θ π k k4 k e 4 k e K θ K K θ K θ 9 4 k e θ θ k θ θ 4 k k e K θ K θ K θ θ K π θ θ θ π θ k π θ k θ k θ θ θ k θ θ 4 x k 4 k k e K K θ θ k k e K K θ θ k θ k π θ θ θ θ θ k π θ k 4 k e K K θ θ k k x k e 4 k k e θ 4 k K θ K θ k π θ K K θ θθ k π θ θ θ θ θ θ θ θ k π θ θ k π θ θ θ θ θ θ θ θ A Paramery θ θ θ θ wykorzyuje θ A ę w równanu 8. A A ~ ACIG Wekor A loowy C A A A C będze ACIG mał rozkład oznaczony jako ACIG j. ~ A ~ ACIG jeżel jego gęość będze określona równanem 9. ACIG Podobne jak w rzyadku rozkładu IG można określć dla rozkładu ACIG A C A C ~ A ACIG C ACIG ACIG ~ ~ alernaywną arameryzację ACIG z oznaczenam nezmennczych welkośc ACIG. Wymaga o dokonana ounkowo roych rzekzałceń wzoru 9. ACIG ACIG ACIG A C ACIG ~

14 8 G. Perczak P. Fzeder Wyżej okazano że jeżel je roceem BIG zdenowanym na odawe ormuły 7 o A ~ ACIG. Zależność a ne mu jednak zachodzć w drugą ronę. Z aku że A ~ ACIG ne wynka ż zmenne loowe A muzą być zdenowane na odawe roceu E ymacja w arancj roceu B IG n a od awe ó zw rou m nmum makmum warośc końcowej a odawe doychczaowych ualeń: W Y Y ~ IG A W ~ AC W W A ACIG ~ 4 Eymaor Rogera-Sachella 99 je neobcążonym eymaorem warancj ruchu Browna: E[ C C A A Y ] Y czyl: E[C C A A ] E[E[C C A A Y ]] E[Y ] 4 E[ C C A A Y ] Y E[ C C AE [ AC C Y ] A Y A Y ] Y E[ C C A A Y ] Y Eymaor o oac: E[C C A A ] E[E[C E[C C A E[C A ] E[E[C C A A Y ]] E[Y ] C C A A A ] Y ]] E[Y ] E[E[C C A A Y ]] E[ E[C C A A ] E[E[C C V C C A A C C A A 4 V C C A A C C A A V C C V A A C C A A C C A A ma zaem warość oczekwaną równą: C C A A V C C A A C E [ V ] Var[ ] E [ V ] Var [ ] E [ V ] E [ V Var[ ] ] Var[ ] 4 E [ V ] Var[ ] V V V V V W unkce. rzedawono eymaor warancj ruchu Browna V kóry zaoowano w arameryzacjach V model V. Eymaor V je eymaorem warancj roceu śróddzennych ó zwrou V /. Zoane on wykorzyany do konrukcj nowych arameryzacj model w ąej częśc racy. I ~ IG h / / / I ~ IG h / I ~ IG h I ~ IG h I ~ IG h ε h ε h q ε ε h h h ω ω ε ξ h ε h q q q h ω ω ε ξ h h ω ωε h ωξ h ω ε ξ h q

15 Model GARCH wykorzyane dodakowych normacj M odel G ARCH z w arunkowym r ozkładem IG kładnka l oowego konruowany na odawe rozzerzonego zboru danych 5.. Model IG-S&ARCH Model IG-S&ARCH ang. IG ochac and auoregreve condonal heerokedacy zoał wrowadzony rzez Jenena Lundego. Jego oać uzuełnoną równanem auoregreyjnym oraz ogólną ecykację modelu GARCH można rzedawć w orme naęujących równań: ε I / ~ IG h h q ε h ω ω ξ h Paramery ego modelu mogą być ω eymowane ω ω... ωza omocą ξ ξ ξmw... ξna odawe unkcj warygodnośc z wykorzyanem wyłączne cen zamknęca: ^ ^ ^ ω ξ arg max ln ω ξ arg max n { } ω ξ ^ ln IG { ω ξ} L IG / x ; h ω ξ 47 gdze ω ω ω... ωq ξ ξ ξ... ξ. Model en w dalzej częśc racy będze określany jako S&GARCH-IG oznaczany IG. 5.. Proozycje rocedur eymacj aramerów modelu S&GARCH-IG Przedawone w ym unkce arameryzacje model zoały zaroonowane w racy Perczak. Tak jak w rzyadku rzedawonych w częśc rzecej arameryzacj model M j do nowych arameryzacj modelu S&GARCH-IG zoaną wykorzyane dodakowe normacje o cenach mnmalnych makymalnych. W erwzej kolejnośc rzyjęo że:

16 G. Perczak P. Fzeder / A I ~ ACIG h dla n Wykorzyane dodakowych normacj będze rzebegać w dwóch nezależnych kerunkach: zoane zaoowany eymaor dzennej warancj rzedawony w równanu 4 kóry je eekywnejzy nż kwadra dzennej oy zwrou oblczonej na odawe cen zamknęca aramery modelu będą eymowane za omocą MW na odawe unkcj warygodnośc konruowanej z wykorzyanem cen mnmalnych makymalnych zamknęca. Perwzą roozycją je model kóry zoane nazwany S&GARCH-HL-IG z HLC. Będze on oznaczany w dalzej częśc racy jako IG : / A I ~ ACIG h ε C C A A q h ω ωε ξ h 5 Paramery ego modelu mogą być eymowane za omocą MW na odawe unkcj warygodnośc konruowanej z wykorzyanem cen mnmalnych makymalnych zamknęca oraz nowego eymaora dzennej warancj rzedawonego w równanu 4: arg max { } ω ξ n ln arg max ln L ACIG { ω ξ} ACIG ω ξ / a c x ; h ω ξ 5 Ponżej zarezenowano kolejną arameryzację modelu nazwaną S&GARCH-HL-IG oznaczoną w dalzej częśc racy jako IG : / A ~ C I ACIG h ε h h ω ω ε ξ h q

17 Model GARCH wykorzyane dodakowych normacj... Paramery ego modelu mogą być eymowane na odawe unkcj warygodnośc: arg max ω ξ arg max ln L ω ξ ω ξ} n ln ACIG { ω ξ ϕ} ACIG / a c x ; h ωξ 55 W ym modelu aramery eymuje ę na odawe unkcj warygodnośc do kórej konruowana wykorzyano ceny mnmalne makymalne zamknęca. Z kole kładnk loowy wyznaczono ak jak w racy Jenena Lundego. Czwarą roozycję modelu nazwaną S&GARCH-IG z HLC oznaczoną w dalzej częśc racy jako IG rzedawają onżze równana: / A I ~ ACIG h ε h C C A A q ω ωε Paramery ego modelu mogą być eymowane za omocą MW na odawe unkcj warygodnośc z wykorzyanem cen zamknęca oraz nowego eymaora dzennej warancj rzedawonego w równanu 4: ξ h ω ξ arg max ln L ω ξ { ω ξ } IG h ω ξ / n arg max l n IG x ; { ω ξ} 59 Zauważmy że arameryzacje IG IG ą denyczne a różnca mędzy nm wynka z zuełne nnej konrukcj unkcj warygodnośc. Jak womnano modele IG IG zoały zbudowane na odawe eymaora kóry je modykacją eymaora Rogera Sachella. W modelach IG IG wykorzyano naoma eymaor zarezenowany w równanu będący eekywnejzym eymaorem warancj arymeycznego ruchu Browna. Gdyby eymaor Rogera Sachella zoał zaoowany w modelach j wówcza z włanośc rozkładu IG wynka że dla σ wzyke modele IG j byłyby równoważne modelom j. Oznacza o że modele IG σ j ne anową odrębnej klay lecz ą uogólnenam odowednch model j.

18 G. Perczak P. Fzeder Podobne jak w rzyadku analzy ruchu Browna rzerowadzonej w częśc rzecej arameryzacja IG różn ę od arameryzacj modelu IG ym że ceny mnmalne makymalne zoały wykorzyane do konrukcj zarówno eymaora dzennej warancj jak unkcj warygodnośc łużącej do eymacj aramerów modelu GARCH. Zeawene wzykch model rzedawonych w oracowanu zawera abela. W modelach IG IG IG rzyjęo że oy zwrou mnmum makmum warośc końcowej mają łączny rozkład ACIG. e wrowadzono żadnych dodakowych założeń doyczących śróddzennych zman ó zwrou. W zczególnośc śróddzenna oa zwrou ne mu być zmenną loową kórej rozkład je mezanną dwóch rozkładów. Je o ołabene założeń w ounku do ych kóre rzyjęo w racy Venera de Jongha Grebenowa 5. Ponado modele IG IG IG ą ozczędne arameryzowane ne zoały do nch wrowadzone żadne dodakowe aramery w ounku do modelu IG. 6. Analza zmennośc zwroów z ndeku WIG kuru EUR/PL 6.. Zary badana Przedawone w racy roozycje arameryzacj model GARCH zaoowano do zacowana zmennośc zwroów z ndeku rynku akcj WIG noowanego na GPW w Warzawe oraz kuru waluowego EUR/PL noowanego na mędzynarodowym rynku waluowym FORE dane ochodzły z agencj Bloomberg. Analzę rzerowadzono dla okreu od wrześna r. do 8 wrześna r. w kórym oberwowano zarówno hoę jak beę a akże co one kryzy nanowy. Długośc badanych zeregów czaowych ó zwrou wynoły 5 dla ndeku WIG oraz 57 dla kuru EUR/PL. Powzechne doęne dane rynkowe zawerające zereg czaowe z cenam: owarca mnmum makmum zamknęca ą neco naczej określone nż rzyjęo w unkce.. W zczególnośc cena owarca w dnu beżącym je na ogół różna od ceny zamknęca z orzednego dna wyęują zw. nocne oy zwrou. Z ego owodu dokonano redencj zmennych: σ A ln mn S L S ln max S H S ln S S. aęne wyznaczono wekory dzennych ó zwrou: a c x a c x... a n c n x n. W badanu zaoowano oem arameryzacj model GARCH rzedawonych w rzecej ąej częśc: IG IG IG IG. Do eymacj aramerów model zaoowano meodę najwękzej warygodnośc. Logarymy unkcj warygodnośc ln L ln L IG zbudowane wyłączne na odawe cen zamknęca zoały oznaczone jako ln L a unkcje ln L AC ln L ACIG kóre były konruowane dla wekorów loowych oznaczono jako ln L. Paramery model IG IG eymowano makymalzując logarym unkcj warygodnośc ln L. Do celów normacyjnych odano jednak akże warośc ln L j. ln L AC w rzyadku oraz ln L ACIG dla model IG IG. Równeż aramery model IG IG zacowano makymalzując warośc ln L. Podano równeż warośc ln L : ln L w rzyadku oraz ln L IG dla model IG IG. Mara ln L zawera węcej onych normacj na ema kzałowana ę cen nrumenu nanowego gdyż ceny mnmalne makymalne ą z ewnoścą ważnym normacjam z unku wdzena omaru zmennośc or. Parknon 98; Roger Sachell 99. Można zaem rzyuzczać że je bardzej warygodną marą oceny jakośc danego modelu.

19 Model GARCH wykorzyane dodakowych normacj... Dodakowo w rzyadku każdego modelu badano równeż warośc kryerum normacyjnego Schwarza oblczone dla obu unkcj warygodnośc oraz warośc ayyk Rvera Vuonga oznaczanej dalej jako RV. Te en ozwala na werykację hoezy o aymoycznej równośc warośc unkcj warygodnośc dwóch nezagneżdżonych model. Je on rozzerzenem eu Vuonga 989 może być oowany mędzy nnym w rzyadku model zeregów czaowych. Dokonano równeż oceny jakośc rzedawonych model dla cen zamknęca oując wybrane ey ayyczne: e auokorelacj Ljunga Boxa e eeku ARCH Engle a oraz e zgodnośc Anderona Darlnga. Zarówno dla ndeku WIG jak dla kuru waluowego ne zaoberwowano onej ayyczne auokorelacj kładnka loowego wyjąkem je model IG dla kuru EUR/PL. W rzyadku obu zeregów czaowych rzyjęo rzędy oóźneń w modelach GARCH równe jeden. Dla ndeku WIG we wzykch modelach oza wyęował ony ayyczne eek ARCH kładnka loowego. Z kole w rzyadku kuru EUR/PL eek ak wyęował w modelach w kórych zaoowano nowe eymaory dzennych warancj. W obu rzyadkach modele o wyżzych rzędach oóźneń były zdecydowane odrzucane ze względu na mnejze warośc unkcj warygodnośc ln L oraz wękze warośc kryerum normacyjnego Schwarza dlaego zoały omnęe w dalzej rezenacj. Wynk eymacj zarezenowano w abelach odowedno dla ndeku WIG oraz kuru EUR/PL. Jak można było rzyuzczać hoeza zakładająca normalność rozkładów warunkowych zoała odrzucona na odawe wynków eu Anderona Darlnga dla wzykch model j. Z kole hoeza zakładająca warunkowy rozkład IG ne zoała odrzucona ylko dla model oba zereg oraz ndek WIG. Wzyke oblczena wykonano za omocą amodzelne naanych kodów źródłowych w języku C wykorzyując bbloekę oblczeń numerycznych GSL h:// 6.. Wnok z badana emrycznego Wykorzyane normacj o cenach mnmalnych makymalnych w rocee eymacj aramerów modelu GARCH bez zwękzena jego arameryzacj orawa jakość modelu merzoną waroścą unkcj warygodnośc. Według eu RV zarówno dla ndeku WIG jak kuru EUR/PL warośc unkcj warygodnośc ln L model ą one wękze od warośc dla modelu. Take ame zależnośc wyęują w modelach klay IG j z wyjąkem modelu IG dla ndeku WIG. We wzykch rzyadkach najbardzej zaawanowane modele wykorzyujące dane o cenach mnmalnych makymalnych zarówno do konrukcj unkcj warygodnośc jak do eymacj dzennej warancj czyl modele IG mają dużą rzewagę nad modelam IG. Zaoowane eymaorów dzennej warancj równane dla model j oraz 4 dla model IG j konruowanych na odawe danych o cenach mnmalnych makymalnych dla kuru EUR/PL zwękza warośc ln L. Znaczy o że warość unkcj warygodnośc ln L je wyżza w modelu nż w modelu w je wyżza nż w IG je wyżza nż IG a w IG je wyżza nż w IG. Wzro unkcj warygodnośc dla każdej z rzedawonych czerech relacj je ony ayyczne na co wkazują oceny ayyk RV wynozące odowedno: -5956; -68; W rzyadku ndeku WIG ylko model ma one wyżzą warość unkcj warygodnośc ln L nż w modelu warość eu RV je równa -7. Zmany ln L dla ozoałych rzech ar model ne ą one ayyczne oceny ayyk RV wynozą odowedno: -9486;

20 4 G. Perczak P. Fzeder Porawa jakośc modelu wynkająca z zaoowana rozkładu IG czyl rozkładu o grubzych ogonach nż w rozkładze normalnym jako warunkowego rozkładu kładnka loowego je wękza nż w rzyadku mary ln L. Ozacowano równeż aramery modelu GARCH z warunkowym kośnym rozkładem Sudena kładnka loowego na odawe zeregu czaowego zawerającego wyłączne ceny zamknęca. W rzyadku ndeku WIG dla modelu GARCH uzykano warość unkcj warygodnośc ln L równą 786 czyl nżzą nż w rzyadku modelu IG. Z kole w modelu GARCH dla kuru EUR/PL wynoła ona 967 czyl neznaczne węcej nż w modelu IG. Szczegółowe wynk eymacj zoały omnęe w abelach. Powyżze wnok zoały równeż owerdzone rzez warośc kryerum normacyjnego Schwarza. Zaoowane danych o cenach mnmalnych makymalnych do budowy oraz eymacj model najczęścej owoduje ogorzene jakośc model ocenanej rzez ryzma ayycznych włanośc kładnków loowych konruowanych na odawe cen zamknęca ojawający ę eek ARCH oraz gorze doaowane warunkowych rozkładów. Takego wynku można ę było odzewać ne oznacza on że modele e mają gorzą jakość. Do ch oceny należałoby wykorzyać wękzy zbór normacj o cenach mnmalnych makymalnych zamknęca jednak ne neją jezcze odowedne rocedury ey będze o rzedmoem dalzych badań auorów. Średne błędy ozacowana aramerów ą na ogół mnejze w rzyadku model w kórych aramery były zacowane z wykorzyanem cen mnmalnych makymalnych. Dla ndeku WIG aymera rozkładów bezwarunkowych roceów oanych modelam IG IG je wękza od ej kóra wyęuje w rozkładach roceów oanych modelam IG IG. Wykorzyane w eymacj cen mnmalnych makymalnych owoduje zmany ocen aramerów w modelu GARCH. Zwękzają ę na ogół oceny arameru ω a zmnejzają ę oceny ξ oraz maleje uma ocen ω ξ w orównanu z modelem GARCH zacowanym na odawe cen zamknęca. Ma o duże znaczene dla modelowana rognozowana zmennośc ó zwrou. Oznacza o bowem że wływ zoków w orzednm okree na beżącą warancję je wękzy a zaem reakcja na zmenającą ę yuację rynkową je zybza zgodne z modelem w kórym zaoowano równeż ceny mnmalne makymalne. Ponado oddzaływane zoków na zmenność rwa krócej nż wynkałoby o z modelu GARCH zacowanego wyłączne na odawe cen zamknęca. Przeczy o wynkom uzykwanym na rzykład na odawe zmennośc mlkowanej or. Engle Muaa 99. Właśne o zarzeżene było doychcza wymenane jako jedna z najwękzych łabośc model GARCH. Wydaje ę zaem że dzęk zaoowanu danych o cenach mnmalnych makymalnych do eymacj aramerów modelu uzykuje ę oceny kóre ą blżze rawdzwym aramerom. Warośc unkcj warygodnośc ln L orzymane dla modelu ą zblżone do warośc uzykanych dla modelu IG. Wykorzyane normacj o cenach mnmalnych makymalnych do konrukcj zarówno unkcj warygodnośc jak eymaora dzennej warancj odobne orawa jakość modelu jak zaoowane aymerycznego warunkowego rozkładu kładnka loowego o grubych ogonach. Waro równeż odnoować że dla ndeku WIG w rzyadku model IG oceny aramerów ne ełnają warunku ω ξ < co ugeruje że warancja ó zwrou roceu GARCH je nekończona. Zjawko o częo doyczy akże nnych nrumenów noowanych na rynku nanowym w rzyadku eymacj aramerów modelu wyłączne na odawe cen zamknęca Debold 986; Lamoureux Larae 99. Wynk en ne wyęuje dla model IG oraz IG. Zróżncowane warośc unkcj ln L w ozczególnych modelach je znaczne mnejze nż w rzyadku ln L ne rzekracza % odcza gdy dla nowej oac unkcj warygodnośc dochodz nawe do 8 %.

21 Model GARCH wykorzyane dodakowych normacj Podumowane W racy zarezenowano modele GARCH wrowadzone rzez Lldholda oraz Venera de Jongha Grebenowa 5 konruowane ne ylko na odawe cen zamknęca ale równeż na odawe normacj o dobowych mnmach makmach cen. Jako warunkowe rozkłady kładnka loowego rzyjęo rozkład normalny oraz IG. Zakładając że rocey śróddzennych ó zwrou ą arymeycznym ruchem Browna oraz roceem o warunkowym rozkładze IG rzedawono rozkłady łączne wekorów loowych kórych wółrzędnym ą zmenne loowe warośc mnmalnej makymalnej końcowej logarymcznych ó zwrou. W wynku zaoowana dodakowych normacj o cenach mnmalnych makymalnych konruowano unkcje warygodnośc kóre wykorzyują znaczne zerzy zbór danych rynkowych oujących nrumeny nanowe. Dzęk emu uzykano znaczne wękze warośc unkcj warygodnośc. W racy zaroonowano rozzerzene model Lldholda oraz Venera de Jongha Grebenowa 5. Polega ono na zaoowanu eekywnejzych eymaorów dzennej warancj w ym roozycj nowego eymaora konruowanych na odawe cen mnmalnych makymalnych zama eymaora wyznaczanego wyłączne na odawe cen zamknęca. Ponado dokonano ewnych urozczeń wymenonych arameryzacj model. a odawe oberwacj ó zwrou z ndeku WIG kuru waluowego EUR/PL okazano że wykorzyane normacj o cenach mnmalnych makymalnych do eymacj aramerów modelu GARCH bez zwękzena jego arameryzacj orawa jakość modelu merzoną waroścą unkcj warygodnośc. Zmenność ó zwrou ozacowana na odawe zarezenowanych model ma włanośc blke zmennośc mlkowanej. Soowane klaycznych model GARCH wyłączne cen zamknęca może zaem rowadzć do błędów oznawczych. Wzyke rzedawane modele GARCH ą ozczędne arameryzowane mają yle amo aramerów co radycyjny model GARCH ze kładnkem loowym oanym warunkowym rozkładam: normalnym oraz kośnym Sudena. Wykorzyane normacj z noowań śróddzennych w oac ceny mnmalnej makymalnej ne zwękza częolwośc analzowanego zeregu czaowego. Do budowy omawanych model nadal wykorzyuje ę dane o częolwośc dzennej zn. zereg wekorów ó zwrou mnmum makmum warośc końcowej. Pozwala o unknąć roblemów zwązanych z analzą danych o bardzo wyokej częolwośc. Można rzyuzczać że wykorzyane dodakowych danych do eymacj aramerów modelu GARCH zwękzy raność rognozowana zmennośc ó zwrou w orównanu z modelam kórych aramery ą eymowane ylko na odawe cen zamknęca. Wymaga o jednak rzerowadzena dodakowych badań. Doęność cen mnmalnych makymalnych na równ z cenam zamknęca daje nadzeję że oowane zarezenowanych model ane ę owzechne. Bblograa Anderen T.G. Bollerlev T. 998 Anwerng he kec: Ye andard volaly model do rovde accurae oreca Inernaonal Economc Revew Anderen T.G. Bollerlev T.hroeren P.F. Debold F.. 6 Volaly and correlaon orecang w: G. Ello.W.J. Granger A. Tmmermann red. Handbook o ec onomc orecang orh-holland Elever Amerdam.

22 6 G. Perczak P. Fzeder Anderon J. On he normal nvere Gauan ochac volaly model Journal o Bune and Economc Sac Barndor-elen O.E. 977 Exonenally decreang drbuon or he logarhm o arcle ze Proceedng o he Royal Socey London Sere A Barndor-elen O.E. 997 ormal nvere Gauan Drbuon and ochac volaly modellng Scandnavan Journal o Sac 4. Barndor-elen O.E. Shehard. Modellng by Lévy rocee or nancal economerc w: O.E. Barndor-elen T. Mkoch S. Renck red. Lévy rocee heory and alcaon Brkhauer Boon. Bollerlev T. 986 Generaled auoregreve condonal heerokedacy Journal o Economerc 7 7. Cox D.R. Mller M.D. 965 The heory o ochac rocee Mehuen and Co. London. Debold F Modellng he erence o condonal varance: a commen Economerc Revew Doman M. Mkrorukura g ełd aerów w aroścowych Wydawncwo Unweryeu Ekonomcznego w Poznanu. Engle R.F. Muaa C. 99 Imled ARCH model rom oon rce Journal o Economerc Fzeder P. 9 Modele klay GARCH w emrycznych badanach nanowych Wydawncwo UMK Toruń. Fzeder P. Perczak G. A new look a varance emaon baed on low hgh and clong rce akng no accoun he dr Saca eerlandca Flemng J. Krby C. Odek B. The economc value o volaly mng Journal o Fnance Forberg L. On he n ormal nvere G auan d rbuon n m odelng v olaly n he nancal marke Aca Unvera Ualen Suda Saca Ualena 5 h://uu.dva-oral.org/ mah/ge/dva:66/fulltet. Forberg L. Bollerlev T. Brdgng he ga beween he drbuon o realzed ECU volaly and ARCH modellng o he Euro: he GARCH-IG model Journal o Aled Economerc Jenen M.B. Lunde A. The IG-S&ARCH model: a a aled ochac and auoregreve condonal heerocedac volaly model Economerc Journal L A. 999 The rcng o double barrer oon and her varaon Advance n Fuure and Oon Reearch 7 4. Lldhold P.M. Emaon o GARCH model baed on oen cloe hgh and low rce Workng Paer 8enre or Analycal Fnance Aarhu School o Bune. Lamoureux C.G. Larae W.D. 99 Perence n varance rucural change and he GARCH model Journal o Bune and Economc Sac Parknon M. 98 The exreme value mehod or emang he varance o he rae o reurn Journal o Bune Perczak G. 4 Zaoowane rozkładu IG w modelowanu danych nanowych rzy wykorzyanu dodakowych normacj o cenach mnmalnych makymalnych w: T. Czerwńka A.Z. owak red. Rynek k aałowy w obec w yzwań de konunkury Wydawncwo aukowe Wydzału Zarządzana Unweryeu Warzawkego Warzawa rzyjęa do druku.

23 Model GARCH wykorzyane dodakowych normacj... 7 Perczak G. Fzeder P. Eymacja warancj arymeycznego ruchu Browna na odawe znanych warośc mnmum makmum końcowej oraz dryu Przegląd Sayyczny Poon S.-H. Granger C. Forecang volaly n nancal marke: a revew Journal o Economc Leraure Rver D. Vuong Q. Model elecon e or nonlnear dynamc model Economerc Journal 5 9. Roger L.C.G. Sachell S.E. 99 Emang varance rom hgh low and clong rce The Annal o Aled Probably Schwer G.W. 989 Why doe ock marke volaly change over me? The Journal o Fnance Schlöer A. Prcng and rk managemen o ynhec CDO Srnger Verlag Berln. Vener J.H. de Jongh P.J. 4 Selecng an nnovaon drbuon or Garch model o mrove ecency o rk and volaly emaon The Journal o Rk Vener J.H. de Jongh P.J. Grebenow G. 5 IG-GARCH model baed on oen cloe hgh and low rce Souh Arcan Sacal Journal Vener J.H. de Jongh P.J. Grebenow G. 6 GARCH-ye volaly model baed on Brownan nvere Gauan nra-day reurn rocee Journal o Rk Vuong Q. 989 Lkelhood rao e or model elecon and non-need hyohee Economerca Podzękowana Auorzy ragną odzękować anonmowym recenzenom za uwag kóre rzyczynły ę do znacznej orawy arykułu w ounku do wcześnejzej werj eku. Praca zoała nanowana ze środków arodowego Cenrum auk rojek numer /5/B/ HS4/675 n. Modelowane rognozowane zmennośc wykorzyane dodakowych normacj o cenach mnmalnych makymalnych.

24 8 G. Perczak P. Fzeder Anek Tabela Zeawene zarezenowanych w oracowanu model Zaoowany rozkład warunkowy oraz rzyjęa unkcja warygodnośc Eymaory dzennej warancj klayczny konruowany dla cen zamknęca eekywnejze konruowane dla cen HLC Rozkład normalny andardowa unkcja warygodnośc rozzerzona unkcja warygodnośc nazwa modelu S&GARCH Bollerlev 986 S&GARCH z HLC oznaczene nazwa modelu S&GARCH-HL Lldhold S&GARCH-HL z HLC oznaczene Rozkład IG andardowa unkcja warygodnośc rozzerzona unkcja warygodnośc nazwa modelu S&GARCH-IG Jenen Lunde S&GARCH-IG z HLC oznaczene IG IG nazwa modelu S&GARCH-HL-IG Vener de Jongh Grebenow 5 S&GARCH-HL-IG z HLC oznaczene IG IG Uwaga: modele zarezenowane w racy ne ą dokładnym arameryzacjam rzedawonym w cyowanych arykułach ale ch modykacjam dokonanym na orzeby nnejzej racy.

25 Model GARCH wykorzyane dodakowych normacj... 9 Tabela Wynk eymacj dla ndeku WIG Paramer Parameryzacje modelu GARCH IG IG IG IG ω 66e-7 94e-7 75e-7 44e-7 7e-7 6e-6 49e-7 569e-7 4e-6 7e-6 7e-6 e-6 86e-6 75e-6 45e-6 56e-6 ω ξ ln L SIC L ln L SIC L RV -7* -9647* -964* * -69* LB LM8 5654* 554* 44944* * 966* 676* 9565* AD 5865* 99* 858* 94* * 894* * Oceny ayyk one różne od zera na ozome 5. Uwaga: w nawaach odano średne błędy zacunku aramerów RV oznacza ayykę eu Rvera Vuonga orównywana dokonywano dla model klay j z modelem a w rzyadku model klay IG j z modelem IG LB o ayyka eu auokorelacj Ljunga-Boxa LM ayyka eu eeku ARCH Engle a AD o ayyka eu zgodnośc Anderona-Darlnga.

26 G. Perczak P. Fzeder Tabela Wynk eymacj dla kuru EUR/PL Paramer Parameryzacje modelu GARCH IG IG IG IG ω - 875e-7 5e e-6 769e-6 774e-6 89e-7 95e-8 97e e-7 499e-6 9e-7 e e-6 7e-6 8e-7 e-7 ω ξ ln L SIC L ln L SIC L RV -5956* -56* * * -59* -77* LB * LM * * * * AD 6484* 88* 6796* 48* * 4875* 5* * Oceny ayyk one różne od zera na ozome 5. Uwaga: w nawaach odano średne błędy zacunku aramerów RV oznacza ayykę eu Rvera Vuonga orównywana dokonywano dla model klay j z modelem a w rzyadku model klay IG j z modelem IG LB o ayyka eu auokorelacj Ljunga-Boxa LM ayyka eu eeku ARCH Engle a AD o ayyka eu zgodnośc Anderona-Darlnga.

27 Model GARCH wykorzyane dodakowych normacj... The GARCH model he alcaon o addonal normaon abou low and hgh rce Abrac The aer reen he GARCH model eablhed by Lldhold and Vener de Jongh Grebenow 5 whch are ormulaed on he ba o low hgh and clong rce. Aumng ha nraday rocee o reurn are he arhmec Brownan moon and hen he roce or decron o whch he IG drbuon wa ued he jon drbuon o random vecor o mnmum maxmum and nh value o logarhmc reurn are reened. Thee drbuon are hen aled n he ormulaon o lkelhood uncon ued or he emaon o arameer o condered model. Moreover exenon o model o Lldhold and Vener de Jongh Grebenow 5 are rooed. Thee modcaon nclude more ecen emaor o daly varance baed on low and hgh rce n lace o he emaor baed on only clong rce. Some mlcaon o he menoned arameerzaon o model are alo erormed. I demonraed or ere o reurn o he ock ndex WIG and he EUR/PL exchange rae ha he alcaon o normaon abou low and hgh rce n he emaon roce o he GARCH model arameer whou ncreang arameerzaon mrove he qualy o he model meaured by he value o lkelhood uncon. Keyword: GARCH model volaly emaon IG drbuon Brownan moon low and hgh rce

Ekonometryczne modele nieliniowe

Ekonometryczne modele nieliniowe Ekonomeryczne modele nelnowe Wykład 5 Progowe modele regrej Leraura Hanen B. E. 997 Inference n TAR Model, Sude n Nonlnear Dynamc and Economerc,. Tek na rone nerneowej wykładu Dodakowa leraura Hanen B.

Bardziej szczegółowo

Projekt 6 6. ROZWIĄZYWANIE RÓWNAŃ NIELINIOWYCH CAŁKOWANIE NUMERYCZNE

Projekt 6 6. ROZWIĄZYWANIE RÓWNAŃ NIELINIOWYCH CAŁKOWANIE NUMERYCZNE Inormatyka Podstawy Programowana 06/07 Projekt 6 6. ROZWIĄZYWANIE RÓWNAŃ NIELINIOWYCH CAŁKOWANIE NUMERYCZNE 6. Równana algebraczne. Poszukujemy rozwązana, czyl chcemy określć perwastk rzeczywste równana:

Bardziej szczegółowo

Matematyka ubezpieczeń majątkowych r.

Matematyka ubezpieczeń majątkowych r. Maemayka ubezpeczeń mająkowych 7.05.00 r. Zadane. Pewne ryzyko generuje jedną szkodę z prawdopodobeńswem q, zaś zero szkód z prawdopodobeńswem ( q). Ubezpeczycel pokrywa nadwyżkę szkody ponad udzał własny

Bardziej szczegółowo

Finansowe szeregi czasowe wykład 7

Finansowe szeregi czasowe wykład 7 Fnansowe szereg czasowe wykład 7 dr Tomasz Wójowcz Wydzał Zarządzana AGH 38 33 28 23 18 13 8 1 11 21 31 41 51 61 71 Kraków 213 Noowana ndeksu WIG w okrese: 3 marca 29 31 syczna 211 55 5 45 4 35 3 25 2

Bardziej szczegółowo

Proces narodzin i śmierci

Proces narodzin i śmierci Proces narodzn śmerc Jeżel w ewnej oulacj nowe osobnk ojawają sę w sosób losowy, rzy czym gęstość zdarzeń na jednostkę czasu jest stała w czase wynos λ, oraz lczba osobnków n, które ojawły sę od chwl do

Bardziej szczegółowo

Pomiar obciążenia wskaźnika cen towarów i usług konsumpcyjnych

Pomiar obciążenia wskaźnika cen towarów i usług konsumpcyjnych Jacek Bałek, Pomar obcążena wkaźnka cen owarów uług konumcyjnych 63 oodarka narodowa 3 (27) Rok LXXXV/XXV maj czerwec 204. 63 80 Ja c ek B A Ł E K * Pomar obcążena wkaźnka cen owarów uług konumcyjnych

Bardziej szczegółowo

0 0,2 0, p 0,1 0,2 0,5 0, p 0,3 0,1 0,2 0,4

0 0,2 0, p 0,1 0,2 0,5 0, p 0,3 0,1 0,2 0,4 Zad. 1. Dana jest unkcja prawdopodobeństwa zmennej losowej X -5-1 3 8 p 1 1 c 1 Wyznaczyć: a. stałą c b. wykres unkcj prawdopodobeństwa jej hstogram c. dystrybuantę jej wykres d. prawdopodobeństwa: P (

Bardziej szczegółowo

PARAMETRY ELEKTRYCZNE CYFROWYCH ELEMENTÓW PÓŁPRZEWODNIKOWYCH

PARAMETRY ELEKTRYCZNE CYFROWYCH ELEMENTÓW PÓŁPRZEWODNIKOWYCH ARAMETRY ELEKTRYZNE YFROWYH ELEMENTÓW ÓŁRZEWODNIKOWYH SZYBKOŚĆ DZIAŁANIA wyrażona maksymalną częsolwoścą racy max MO OBIERANA WSÓŁZYNNIK DOBROI D OBIĄŻALNOŚĆ ELEMENTÓW N MAKSYMALNA LIZBA WEJŚĆ M ODORNOŚĆ

Bardziej szczegółowo

Hipotezy o istotności oszacowao parametrów zmiennych objaśniających ˆ ) ˆ

Hipotezy o istotności oszacowao parametrów zmiennych objaśniających ˆ ) ˆ WERYFIKACJA HIPOTEZY O ISTOTNOŚCI OCEN PARAMETRÓW STRUKTURALNYCH MODELU Hpoezy o sonośc oszacowao paramerów zmennych objaśnających Tesowane sonośc paramerów zmennych objaśnających sprowadza sę do nasępującego

Bardziej szczegółowo

Stanisław Cichocki. Natalia Nehrebecka. Wykład 6

Stanisław Cichocki. Natalia Nehrebecka. Wykład 6 Stansław Cchock Natala Nehrebecka Wykład 6 1 1. Zastosowane modelu potęgowego Przekształcene Boxa-Coxa 2. Zmenne cągłe za zmenne dyskretne 3. Interpretacja parametrów przy zmennych dyskretnych 1. Zastosowane

Bardziej szczegółowo

Natalia Nehrebecka. Zajęcia 3

Natalia Nehrebecka. Zajęcia 3 St ł Cchock Stansław C h k Natala Nehrebecka Zajęca 3 1. Dobroć dopasowana równana regresj. Współczynnk determnacj R Dk Dekompozycja warancj zmennej zależnej ż Współczynnk determnacj R. Zmenne cągłe a

Bardziej szczegółowo

TERMODYNAMIKA TECHNICZNA I CHEMICZNA

TERMODYNAMIKA TECHNICZNA I CHEMICZNA TRMODYNAMIKA TCHNICZNA I CHMICZNA Część IV TRMODYNAMIKA ROZTWORÓW TRMODYNAMIKA ROZTWORÓW FUGATYWNOŚCI I AKTYWNOŚCI a) Wrowadzene Potencjał chemczny - rzyomnene de G n na odstawe tego, że otencjał termodynamczny

Bardziej szczegółowo

Wykorzystanie rozkładu GED do modelowania rozkładu stóp zwrotu spółek sektora transportowego

Wykorzystanie rozkładu GED do modelowania rozkładu stóp zwrotu spółek sektora transportowego PUCZYŃSKI Jan CZYŻYCKI afał Wykorzyanie rozkładu GED do modelowania rozkładu óp zwrou półek ekora ranporowego WSTĘP Jednym z najczęściej prowadzonych badań doyczących rynku kapiałowego ą badania doyczące

Bardziej szczegółowo

) będą niezależnymi zmiennymi losowymi o tym samym rozkładzie normalnym z następującymi parametrami: nieznaną wartością 1 4

) będą niezależnymi zmiennymi losowymi o tym samym rozkładzie normalnym z następującymi parametrami: nieznaną wartością 1 4 Zadane. Nech ( X, Y ),( X, Y ), K,( X, Y n n ) będą nezależnym zmennym losowym o tym samym rozkładze normalnym z następującym parametram: neznaną wartoścą oczekwaną EX = EY = m, warancją VarX = VarY =

Bardziej szczegółowo

Statystyka. Zmienne losowe

Statystyka. Zmienne losowe Statystyka Zmenne losowe Zmenna losowa Zmenna losowa jest funkcją, w której każdej wartośc R odpowada pewen podzbór zboru będący zdarzenem losowym. Zmenna losowa powstaje poprzez przyporządkowane każdemu

Bardziej szczegółowo

Zarządzanie ryzykiem w przedsiębiorstwie i jego wpływ na analizę opłacalności przedsięwzięć inwestycyjnych

Zarządzanie ryzykiem w przedsiębiorstwie i jego wpływ na analizę opłacalności przedsięwzięć inwestycyjnych dr nż Andrze Chylńsk Katedra Bankowośc Fnansów Wyższa Szkoła Menedżerska w Warszawe Zarządzane ryzykem w rzedsęborstwe ego wływ na analzę ołacalnośc rzedsęwzęć nwestycynych w w w e - f n a n s e c o m

Bardziej szczegółowo

= σ σ. 5. CML Capital Market Line, Rynkowa Linia Kapitału

= σ σ. 5. CML Capital Market Line, Rynkowa Linia Kapitału 5 CML Catal Market Lne, ynkowa Lna Katału Zbór ortolo o nalny odchylenu standardowy zbór eektywny ozważy ortolo złożone ze wszystkch aktywów stnejących na rynku Załóży, że jest ch N A * P H P Q P 3 * B

Bardziej szczegółowo

Stanisław Cichocki. Natalia Nehrebecka. Wykład 6

Stanisław Cichocki. Natalia Nehrebecka. Wykład 6 Stansław Cchock Natala Nehrebecka Wykład 6 1 1. Interpretacja parametrów przy zmennych objaśnających cągłych Semelastyczność 2. Zastosowane modelu potęgowego Model potęgowy 3. Zmenne cągłe za zmenne dyskretne

Bardziej szczegółowo

Stanisław Cichocki. Natalia Nehrebecka. Wykład 7

Stanisław Cichocki. Natalia Nehrebecka. Wykład 7 Stansław Cchock Natala Nehrebecka Wykład 7 1 1. Zmenne cągłe a zmenne dyskretne 2. Interpretacja parametrów przy zmennych dyskretnych 1. Zmenne cągłe a zmenne dyskretne 2. Interpretacja parametrów przy

Bardziej szczegółowo

Zaawansowane metody numeryczne Komputerowa analiza zagadnień różniczkowych 1. Układy równań liniowych

Zaawansowane metody numeryczne Komputerowa analiza zagadnień różniczkowych 1. Układy równań liniowych Zaawansowane metody numeryczne Komputerowa analza zagadneń różnczkowych 1. Układy równań lnowych P. F. Góra http://th-www.f.uj.edu.pl/zfs/gora/ semestr letn 2006/07 Podstawowe fakty Równane Ax = b, x,

Bardziej szczegółowo

Modele wieloczynnikowe. Modele wieloczynnikowe. Modele wieloczynnikowe ogólne. α β β β ε. Analiza i Zarządzanie Portfelem cz. 4.

Modele wieloczynnikowe. Modele wieloczynnikowe. Modele wieloczynnikowe ogólne. α β β β ε. Analiza i Zarządzanie Portfelem cz. 4. Modele weloczynnkowe Analza Zarządzane Portfelem cz. 4 Ogólne model weloczynnkowy można zapsać jako: (,...,,..., ) P f F F F = n Dr Katarzyna Kuzak lub (,...,,..., ) f F F F = n Modele weloczynnkowe Można

Bardziej szczegółowo

Funkcje i charakterystyki zmiennych losowych

Funkcje i charakterystyki zmiennych losowych Funkcje charakterystyk zmennych losowych Dr Joanna Banaś Zakład Badań Systemowych Instytut Sztucznej Intelgencj Metod Matematycznych Wydzał Informatyk Poltechnk Szczecńskej 5. Funkcje zmennych losowych

Bardziej szczegółowo

Aneta Włodarczyk, Marcin Zawada Politechnika Częstochowska. Przełącznikowe modele Markowa dla cen energii elektrycznej na giełdzie energii w Polsce

Aneta Włodarczyk, Marcin Zawada Politechnika Częstochowska. Przełącznikowe modele Markowa dla cen energii elektrycznej na giełdzie energii w Polsce DYNAMICZNE MODELE EKONOMETRYCZNE X Ogólnoolkie Seminarium Naukowe, 4 6 września 7 w Toruniu Kaedra Ekonomerii i Sayyki, Uniwerye Mikołaja Koernika w Toruniu Anea Włodarczyk, Marcin Zawada oliecnika Częocowka

Bardziej szczegółowo

Stanisław Cichocki Natalia Nehrebecka. Wykład 2

Stanisław Cichocki Natalia Nehrebecka. Wykład 2 Sansław Cchock Naala Nehrebecka Wykład 2 1 1. Szereg czasowy 2. Sezonowość 3. Zmenne sacjonarne 4. Zmenne znegrowane 2 1. Szereg czasowy 2. Sezonowość 3. Zmenne sacjonarne 4. Zmenne znegrowane 3 Szereg

Bardziej szczegółowo

Stanisław Cichocki. Natalia Nehrebecka. Wykład 6

Stanisław Cichocki. Natalia Nehrebecka. Wykład 6 Stansław Cchock Natala Nehrebecka Wykład 6 1 1. Zastosowane modelu potęgowego Model potęgowy Przekształcene Boxa-Coxa 2. Zmenne cągłe za zmenne dyskretne 3. Interpretacja parametrów przy zmennych dyskretnych

Bardziej szczegółowo

Rozkład dwupunktowy. Rozkład dwupunktowy. Rozkład dwupunktowy x i p i 0 1-p 1 p suma 1

Rozkład dwupunktowy. Rozkład dwupunktowy. Rozkład dwupunktowy x i p i 0 1-p 1 p suma 1 Rozkład dwupunktowy Zmenna losowa przyjmuje tylko dwe wartośc: wartość 1 z prawdopodobeństwem p wartość 0 z prawdopodobeństwem 1- p x p 0 1-p 1 p suma 1 Rozkład dwupunktowy Funkcja rozkładu prawdopodobeństwa

Bardziej szczegółowo

Portfele zawierające walor pozbawiony ryzyka. Elementy teorii rynku kapitałowego

Portfele zawierające walor pozbawiony ryzyka. Elementy teorii rynku kapitałowego Portel nwestycyjny ćwczena Na podst. Wtold Jurek: Konstrukcja analza rozdzał 5 dr chał Konopczyńsk Portele zawerające walor pozbawony ryzyka. lementy teor rynku kaptałowego 1. Pożyczane penędzy amy dwa

Bardziej szczegółowo

Natalia Nehrebecka. Zajęcia 4

Natalia Nehrebecka. Zajęcia 4 St ł Cchock Stansław C h k Natala Nehrebecka Zajęca 4 1. Interpretacja parametrów przy zmennych zerojedynkowych Zmenne 0 1 Interpretacja przy zmennej 0 1 w modelu lnowym względem zmennych objaśnających

Bardziej szczegółowo

Statystyka Inżynierska

Statystyka Inżynierska Statystyka Inżynerska dr hab. nż. Jacek Tarasuk AGH, WFIS 013 Wykład DYSKRETNE I CIĄGŁE ROZKŁADY JEDNOWYMIAROWE Zmenna losowa, Funkcja rozkładu, Funkcja gęstośc, Dystrybuanta, Charakterystyk zmennej, Funkcje

Bardziej szczegółowo

( ) ( ) 2. Zadanie 1. są niezależnymi zmiennymi losowymi o. oraz. rozkładach normalnych, przy czym EX. i σ są nieznane. 1 Niech X

( ) ( ) 2. Zadanie 1. są niezależnymi zmiennymi losowymi o. oraz. rozkładach normalnych, przy czym EX. i σ są nieznane. 1 Niech X Prawdopodobeństwo statystyka.. r. Zadane. Zakładamy, że,,,,, 5 są nezależnym zmennym losowym o rozkładach normalnych, przy czym E = μ Var = σ dla =,,, oraz E = μ Var = 3σ dla =,, 5. Parametry μ, μ σ są

Bardziej szczegółowo

Macierz prawdopodobieństw przejścia w pojedynczym kroku dla łańcucha Markowa jest postaci

Macierz prawdopodobieństw przejścia w pojedynczym kroku dla łańcucha Markowa jest postaci Zadane. Macerz radoodobeńst rzejśca ojedynczym kroku dla łańcucha Markoa...... o trzech stanach { } jest ostac 0 n 0 0 (oczyśce element stojący -tym erszu j -tej kolumne tej macerzy oznacza P( = j. Wtedy

Bardziej szczegółowo

Stanisław Cichocki. Natalia Nehrebecka. Wykład 7

Stanisław Cichocki. Natalia Nehrebecka. Wykład 7 Stansław Cchock Natala Nehrebecka Wykład 7 1 1. Interakcje 2. Przyblżane model nelnowych 3. Założena KMRL 1. Interakcje 2. Przyblżane model nelnowych 3. Założena KMRL W standardowym modelu lnowym zakładamy,

Bardziej szczegółowo

DYNAMICZNE MODELE EKONOMETRYCZNE

DYNAMICZNE MODELE EKONOMETRYCZNE DYNAICZNE ODELE EKONOETRYCZNE X Ogólnopolske Semnarum Naukowe, 4 6 wrześna 7 w Torunu Kaedra Ekonomer Saysyk, Unwersye kołaja Kopernka w Torunu Jacek Kwakowsk Unwersye kołaja Kopernka w Torunu odele RCA

Bardziej szczegółowo

Monika Kośko Wyższa Szkoła Informatyki i Ekonomii TWP w Olsztynie Michał Pietrzak Uniwersytet Mikołaja Kopernika w Toruniu

Monika Kośko Wyższa Szkoła Informatyki i Ekonomii TWP w Olsztynie Michał Pietrzak Uniwersytet Mikołaja Kopernika w Toruniu DYNAMICZNE MODELE EKONOMETRYCZNE IX Ogólnopolske Semnarum Naukowe, 4 6 wrześna 007 w Torunu Kaedra Ekonomer Saysyk, Unwersye Mkołaja Kopernka w Torunu Monka Kośko Wyższa Szkoła Informayk Ekonom TWP w Olszyne

Bardziej szczegółowo

STATYSTYKA MATEMATYCZNA WYKŁAD 5 WERYFIKACJA HIPOTEZ NIEPARAMETRYCZNYCH

STATYSTYKA MATEMATYCZNA WYKŁAD 5 WERYFIKACJA HIPOTEZ NIEPARAMETRYCZNYCH STATYSTYKA MATEMATYCZNA WYKŁAD 5 WERYFIKACJA HIPOTEZ NIEPARAMETRYCZNYCH 1 Test zgodnośc χ 2 Hpoteza zerowa H 0 ( Cecha X populacj ma rozkład o dystrybuance F). Hpoteza alternatywna H1( Cecha X populacj

Bardziej szczegółowo

Natalia Nehrebecka. Wykład 2

Natalia Nehrebecka. Wykład 2 Natala Nehrebecka Wykład . Model lnowy Postad modelu lnowego Zaps macerzowy modelu lnowego. Estymacja modelu Wartośd teoretyczna (dopasowana) Reszty 3. MNK przypadek jednej zmennej . Model lnowy Postad

Bardziej szczegółowo

Weryfikacja hipotez dla wielu populacji

Weryfikacja hipotez dla wielu populacji Weryfkacja hpotez dla welu populacj Dr Joanna Banaś Zakład Badań Systemowych Instytut Sztucznej Intelgencj Metod Matematycznych Wydzał Informatyk Poltechnk Szczecńskej 5. Parametryczne testy stotnośc w

Bardziej szczegółowo

Stanisław Cichocki Natalia Nehrebecka. Wykład 2

Stanisław Cichocki Natalia Nehrebecka. Wykład 2 Sansław Cchock Naala Nehrebecka Wykład 2 1 1. Szereg czasowy 2. Sezonowość 3. Zmenne sacjonarne 2 1. Szereg czasowy 2. Sezonowość 3. Zmenne sacjonarne 3 Szereg czasowy jes pojedynczą realzacją pewnego

Bardziej szczegółowo

Rachunek prawdopodobieństwa i statystyka W 11: Analizy zależnościpomiędzy zmiennymi losowymi Model regresji wielokrotnej

Rachunek prawdopodobieństwa i statystyka W 11: Analizy zależnościpomiędzy zmiennymi losowymi Model regresji wielokrotnej Rachunek prawdopodobeństwa statstka W 11: Analz zależnoścpomędz zmennm losowm Model regresj welokrotnej Dr Anna ADRIAN Paw B5, pok 407 adan@agh.edu.pl Model regresj lnowej Model regresj lnowej prostej

Bardziej szczegółowo

Stanisław Cichocki Natalia Nehrebecka. Zajęcia 4

Stanisław Cichocki Natalia Nehrebecka. Zajęcia 4 Stansław Cchock Natala Nehrebecka Zajęca 4 1. Interpretacja parametrów przy zmennych zerojedynkowych Zmenne 0-1 Interpretacja przy zmennej 0 1 w modelu lnowym względem zmennych objaśnających Interpretacja

Bardziej szczegółowo

Analiza instrumentów pochodnych

Analiza instrumentów pochodnych Analiza inrumenów pochonych Dr Wiolea owak Wykła 7 Wycena opcji na akcję bez ywieny moel Blacka-cholea z prawami o ywieny moel Merona Założenia moelu Blacka-cholea. Ceny akcji zachowują logarymiczno-normalnym.

Bardziej szczegółowo

EFEKT INTERWAŁOWY W ESTYMACJI PARAMETRU BETA DLA AKCJI NOTOWANYCH NA GIEŁDZIE PAPIERÓW WARTOŚCIOWYCH W WARSZAWIE.

EFEKT INTERWAŁOWY W ESTYMACJI PARAMETRU BETA DLA AKCJI NOTOWANYCH NA GIEŁDZIE PAPIERÓW WARTOŚCIOWYCH W WARSZAWIE. JANUSZ BRZESZCZYŃSKI JERZY GAJDKA TOMASZ SCHABEK EFEKT INTERWAŁOWY W ESTYMACJI PARAMETRU BETA DLA AKCJI NOTOWANYCH NA GIEŁDZIE PAPIERÓW WARTOŚCIOWYCH W WARSZAWIE. ROLA INTENSYWNOŚCI TRANSAKCJI GIEŁDOWYCH

Bardziej szczegółowo

UBEZPIECZENIE Z FUNDUSZEM KAPITAŁOWYM

UBEZPIECZENIE Z FUNDUSZEM KAPITAŁOWYM MEODY ILOŚCIOWE W BADANIACH EKONOMICZNYCH om XV/3, 214, sr. 86 98 PROPOZYCJA MODYFIKACJI KŁADKI NEO W UBEZPIECZENIACH NA ŻYCIE Z FUNDUZEM KAPIAŁOWYM UWZLĘDNIAJĄCA DODAKOWE RYZYKO FINANOWE Magdalena Homa

Bardziej szczegółowo

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

Matematyka ubezpieczeń majątkowych r. ma złożony rozkład Poissona. W tabeli poniżej podano rozkład prawdopodobieństwa ( ) Zadanie. Zmienna losowa: X = Y +... + Y N ma złożony rozkład Poissona. W abeli poniżej podano rozkład prawdopodobieńswa składnika sumy Y. W ejże abeli podano akże obliczone dla k = 0... 4 prawdopodobieńswa

Bardziej szczegółowo

BADANIA OPERACYJNE. Podejmowanie decyzji w warunkach niepewności. dr Adam Sojda

BADANIA OPERACYJNE. Podejmowanie decyzji w warunkach niepewności. dr Adam Sojda BADANIA OPERACYJNE Podejmowane decyzj w warunkach nepewnośc dr Adam Sojda Teora podejmowana decyzj gry z naturą Wynk dzałana zależy ne tylko od tego, jaką podejmujemy decyzję, ale równeż od tego, jak wystąp

Bardziej szczegółowo

PODSTAWOWE MIERNIKI DYNAMIKI ZJAWISK

PODSTAWOWE MIERNIKI DYNAMIKI ZJAWISK PODSTAWOWE MIERNIKI DYNAMIKI ZJAWISK Założena Nech oznacza ozom (warość) badanego zjawska (zmennej) w kolejnch momenach czasu T0, gdze T 0 0,1,..., n 1 oznacza worz szereg czasow. zbór numerów czasu. Cąg

Bardziej szczegółowo

EKONOMIA MENEDŻERSKA. Wykład 3 Funkcje produkcji 1 FUNKCJE PRODUKCJI. ANALIZA KOSZTÓW I KORZYŚCI SKALI. MINIMALIZACJA KOSZTÓW PRODUKCJI.

EKONOMIA MENEDŻERSKA. Wykład 3 Funkcje produkcji 1 FUNKCJE PRODUKCJI. ANALIZA KOSZTÓW I KORZYŚCI SKALI. MINIMALIZACJA KOSZTÓW PRODUKCJI. EONOMIA MENEDŻERSA Wykład 3 Funkcje rodukcj 1 FUNCJE PRODUCJI. ANAIZA OSZTÓW I ORZYŚCI SAI. MINIMAIZACJA OSZTÓW PRODUCJI. 1. FUNCJE PRODUCJI: JEDNO- I WIEOCZYNNIOWE Funkcja rodukcj określa zależność zdolnośc

Bardziej szczegółowo

KURS STATYSTYKA. Lekcja 6 Regresja i linie regresji ZADANIE DOMOWE. www.etrapez.pl Strona 1

KURS STATYSTYKA. Lekcja 6 Regresja i linie regresji ZADANIE DOMOWE. www.etrapez.pl Strona 1 KURS STATYSTYKA Lekcja 6 Regresja lne regresj ZADANIE DOMOWE www.etrapez.pl Strona 1 Część 1: TEST Zaznacz poprawną odpowedź (tylko jedna jest prawdzwa). Pytane 1 Funkcja regresj I rodzaju cechy Y zależnej

Bardziej szczegółowo

Zaawansowane metody numeryczne

Zaawansowane metody numeryczne Wykład 9. jej modyfkacje. Oznaczena Będzemy rozpatrywać zagadnene rozwązana następującego układu n równań lnowych z n newadomym x 1... x n : a 11 x 1 + a 12 x 2 +... + a 1n x n = b 1 a 21 x 1 + a 22 x

Bardziej szczegółowo

65120/ / / /200

65120/ / / /200 . W celu zbadana zależnośc pomędzy płcą klentów ch preferencjam, wylosowano kobet mężczyzn zadano m pytane: uważasz za lepszy produkt frmy A czy B? Wynk były następujące: Odpowedź Kobety Mężczyźn Wolę

Bardziej szczegółowo

Kurtoza w procesach generowanych przez model RCA GARCH

Kurtoza w procesach generowanych przez model RCA GARCH Joanna Górka * Kuroza w procesach generowanych przez model RCA GARCH Wsęp Na przesrzen osanej dekady odnoowuje sę szybk rozwój model nelnowych. Wdoczna jes zwłaszcza różnorodność nelnowych specyfkacj modelowych,

Bardziej szczegółowo

Reprezentacje grup symetrii. g s

Reprezentacje grup symetrii. g s erezentace ru ymetr Teora rerezentac dea: oeracom ymetr rzyać oeratory dzałaące w rzetrzen func zwązać z nm funce, tóre oeratory te rzerowadzaą w ebe odobne a zb. untów odcza oerac ymetr rozważmy rzeztałcene

Bardziej szczegółowo

7.8. RUCH ZMIENNY USTALONY W KORYTACH PRYZMATYCZNYCH

7.8. RUCH ZMIENNY USTALONY W KORYTACH PRYZMATYCZNYCH WYKŁAD 7 7.8. RUCH ZMIENNY USTALONY W KORYTACH PRYZMATYCZNYCH 7.8.. Ogólne równane rucu Rucem zmennym w korytac otwartyc nazywamy tak przepływ, w którym parametry rucu take jak prędkość średna w przekroju

Bardziej szczegółowo

Dla dzielnej X (dividend) i dzielnika D 0 (divisor) liczby Q oraz R takie, Ŝe

Dla dzielnej X (dividend) i dzielnika D 0 (divisor) liczby Q oraz R takie, Ŝe zelene ekwencyjne zelene la dzelnej X (dvdend) dzelnka (dvor) lczby Q oraz R take, Ŝe X=Q R, R < nazywa ę lorazem Q (uotent) reztą R (remander) z dzelena X rzez. Równane dzelena moŝe meć rozwązana ełnające

Bardziej szczegółowo

Podstawowe algorytmy indeksów giełdowych

Podstawowe algorytmy indeksów giełdowych Podsawowe algorymy ndeksów gełdowych Wersja 1.1 San na 25-11-13 Podsawowe algorymy ndeksów gełdowych Wersja 1.1 San na 2013-11-25 Sps reśc I. Algorymy oblczana warośc ndeksów gełdowych...3 1. Warość beżąca

Bardziej szczegółowo

Zadane 1: Wyznacz średne ruchome 3-okresowe z następujących danych obrazujących zużyce energ elektrycznej [kwh] w pewnym zakładze w mesącach styczeń - lpec 1998 r.: 400; 410; 430; 40; 400; 380; 370. Zadane

Bardziej szczegółowo

Analiza danych OGÓLNY SCHEMAT. http://zajecia.jakubw.pl/ Dane treningowe (znana decyzja) Klasyfikator. Dane testowe (znana decyzja)

Analiza danych OGÓLNY SCHEMAT. http://zajecia.jakubw.pl/ Dane treningowe (znana decyzja) Klasyfikator. Dane testowe (znana decyzja) Analza danych Dane trenngowe testowe. Algorytm k najblższych sąsadów. Jakub Wróblewsk jakubw@pjwstk.edu.pl http://zajeca.jakubw.pl/ OGÓLNY SCHEMAT Mamy dany zbór danych podzelony na klasy decyzyjne, oraz

Bardziej szczegółowo

± Δ. Podstawowe pojęcia procesu pomiarowego. x rzeczywiste. Określenie jakości poznania rzeczywistości

± Δ. Podstawowe pojęcia procesu pomiarowego. x rzeczywiste. Określenie jakości poznania rzeczywistości Podstawowe pojęca procesu pomarowego kreślene jakośc poznana rzeczywstośc Δ zmerzone rzeczywste 17 9 Zalety stosowana elektrycznych przyrządów 1/ 1. możlwość budowy czujnków zamenających werne każdą welkość

Bardziej szczegółowo

Mikroekonometria 13. Mikołaj Czajkowski Wiktor Budziński

Mikroekonometria 13. Mikołaj Czajkowski Wiktor Budziński Mkroekonometra 13 Mkołaj Czajkowsk Wktor Budzńsk Symulacje Analogczne jak w przypadku cągłej zmennej zależnej można wykorzystać metody Monte Carlo do analzy różnego rodzaju problemów w modelach gdze zmenna

Bardziej szczegółowo

Szeregi czasowe, modele DL i ADL, przyczynowość, integracja

Szeregi czasowe, modele DL i ADL, przyczynowość, integracja Szereg czasowe, modele DL ADL, rzyczyowość, egracja Szereg czasowy, o cąg realzacj zmeej losowej, owedzmy y, w kolejych okresach czasu: { y } T, co rówoważe możemy zasać: = 1 y = { y1, y,..., y T }. Najogólej

Bardziej szczegółowo

Prawdopodobieństwo i statystyka r.

Prawdopodobieństwo i statystyka r. Prawdopodobeństwo statystya.05.00 r. Zadane Zmenna losowa X ma rozład wyładnczy o wartośc oczewanej, a zmenna losowa Y rozład wyładnczy o wartośc oczewanej. Obe zmenne są nezależne. Oblcz E( Y X + Y =

Bardziej szczegółowo

Podstawy Procesów i Konstrukcji Inżynierskich. Kinematyka

Podstawy Procesów i Konstrukcji Inżynierskich. Kinematyka Podawy Proceów i Konrukcji Inżynierkich Kinemayka Prowadzący: Kierunek Wyróżniony rzez PKA Mechanika Kinemayka Dynamika Bada ruch ciał nie wnikając w rzyczyny warunkujące en ruch Bada ruch w związku z

Bardziej szczegółowo

Pattern Classification

Pattern Classification attern Classfcaton All materals n these sldes were taken from attern Classfcaton nd ed by R. O. Duda,. E. Hart and D. G. Stork, John Wley & Sons, 000 wth the permsson of the authors and the publsher Chapter

Bardziej szczegółowo

DYNAMICZNE MODELE EKONOMETRYCZNE

DYNAMICZNE MODELE EKONOMETRYCZNE DYNAMICZNE MODELE EKONOMETRYCZNE IX Ogólnopolskie Seminarium Naukowe, 6 8 września 005 w Toruniu Kaedra Ekonomerii i Saysyki, Uniwersye Mikołaja Kopernika w Toruniu Pior Fiszeder Uniwersye Mikołaja Kopernika

Bardziej szczegółowo

I. Elementy analizy matematycznej

I. Elementy analizy matematycznej WSTAWKA MATEMATYCZNA I. Elementy analzy matematycznej Pochodna funkcj f(x) Pochodna funkcj podaje nam prędkość zman funkcj: df f (x + x) f (x) f '(x) = = lm x 0 (1) dx x Pochodna funkcj podaje nam zarazem

Bardziej szczegółowo

Niezawodność elementu nienaprawialnego. nienaprawialnego. 1. Model niezawodnościowy elementu. 1. Model niezawodnościowy elementu

Niezawodność elementu nienaprawialnego. nienaprawialnego. 1. Model niezawodnościowy elementu. 1. Model niezawodnościowy elementu Niezawodność elemenu nienarawialnego. Model niezawodnościowy elemenu nienarawialnego. Niekóre rozkłady zmiennych losowych sosowane w oisie niezawodności elemenów 3. Funkcyjne i liczbowe charakerysyki niezawodności

Bardziej szczegółowo

Przekształcenie Laplace a. Definicja i własności, transformaty podstawowych sygnałów

Przekształcenie Laplace a. Definicja i własności, transformaty podstawowych sygnałów Przekzałcenie Laplace a Deinicja i właności, ranormay podawowych ygnałów Tranormaą Laplace a unkcji je unkcja S zmiennej zepolonej, kórą oznacza ię naępująco: L[ ] unkcja S nazywana bywa również unkcją

Bardziej szczegółowo

Egzamin poprawkowy z Analizy II 11 września 2013

Egzamin poprawkowy z Analizy II 11 września 2013 Egzamn poprawkowy z nalzy II 11 wrześna 13 Uwag organzacyjne: każde zadane rozwązujemy na osobnej kartce Każde zadane należy podpsać menem nazwskem własnym oraz prowadzącego ćwczena Na wszelk wypadek prosmy

Bardziej szczegółowo

Zapis informacji, systemy pozycyjne 1. Literatura Jerzy Grębosz, Symfonia C++ standard. Harvey M. Deitl, Paul J. Deitl, Arkana C++. Programowanie.

Zapis informacji, systemy pozycyjne 1. Literatura Jerzy Grębosz, Symfonia C++ standard. Harvey M. Deitl, Paul J. Deitl, Arkana C++. Programowanie. Zaps nformacj, systemy pozycyjne 1 Lteratura Jerzy Grębosz, Symfona C++ standard. Harvey M. Detl, Paul J. Detl, Arkana C++. Programowane. Zaps nformacj w komputerach Wszystke elementy danych przetwarzane

Bardziej szczegółowo

KILKA UWAG DOTYCZĄCYCH STOPY ZWROTU W TERMINIE DO WYKUPU

KILKA UWAG DOTYCZĄCYCH STOPY ZWROTU W TERMINIE DO WYKUPU ETODY ILOŚCIOWE W BADAIACH EKOOICZYCH Tom XIII/3, 202,. 07 6 KILKA UWAG DOTYCZĄCYCH STOY ZWROTU W TERIIE DO WYKUU Andzej Kapo Kaeda Ekonome Sayyk Szkoła Główna Gopodawa Wejkego w Wazawe andzej_kapo@ggw.pl

Bardziej szczegółowo

Dobór zmiennych objaśniających

Dobór zmiennych objaśniających Dobór zmennych objaśnających Metoda grafowa: Należy tak rozpąć graf na werzchołkach opsujących poszczególne zmenne, aby występowały w nm wyłączne łuk symbolzujące stotne korelacje pomędzy zmennym opsującym.

Bardziej szczegółowo

BADANIE STABILNOŚCI WSPÓŁCZYNNIKA BETA AKCJI INDEKSU WIG20

BADANIE STABILNOŚCI WSPÓŁCZYNNIKA BETA AKCJI INDEKSU WIG20 Darusz Letkowsk Unwersytet Łódzk BADANIE STABILNOŚCI WSPÓŁCZYNNIKA BETA AKCJI INDEKSU WIG0 Wprowadzene Teora wyboru efektywnego portfela nwestycyjnego zaproponowana przez H. Markowtza oraz jej rozwnęca

Bardziej szczegółowo

5. Pochodna funkcji. lim. x c x c. (x c) = lim. g(c + h) g(c) = lim

5. Pochodna funkcji. lim. x c x c. (x c) = lim. g(c + h) g(c) = lim 5. Pocodna funkcj Defncja 5.1 Nec f: (a, b) R nec c (a, b). Jeśl stneje granca lm x c x c to nazywamy ją pocodną funkcj f w punkce c oznaczamy symbolem f (c) Twerdzene 5.1 Jeśl funkcja f: (a, b) R ma pocodną

Bardziej szczegółowo

Analiza i zarządzanie portfelem studia ZI Przykładowe zadania z minimum programowego 1

Analiza i zarządzanie portfelem studia ZI Przykładowe zadania z minimum programowego 1 Zma 003/004 nalza zarządzane ortelem tuda ZI Przykładoe zadana z mnmum rogramoego 1 UTO: Paeł okta N INTEPETCJĘ POJĘĆ DOCHODU, YZYK I POTFEL EFEKTYWNEGO 1. Który ortel na eno ne jet eektyny: Naza ortela

Bardziej szczegółowo

Zestaw zadań 4: Przestrzenie wektorowe i podprzestrzenie. Liniowa niezależność. Sumy i sumy proste podprzestrzeni.

Zestaw zadań 4: Przestrzenie wektorowe i podprzestrzenie. Liniowa niezależność. Sumy i sumy proste podprzestrzeni. Zestaw zadań : Przestrzene wektorowe podprzestrzene. Lnowa nezależność. Sumy sumy proste podprzestrzen. () Wykazać, że V = C ze zwykłym dodawanem jako dodawanem wektorów operacją mnożena przez skalar :

Bardziej szczegółowo

Za: Stanisław Latoś, Niwelacja trygonometryczna, [w:] Ćwiczenia z geodezji II [red.] J. Beluch

Za: Stanisław Latoś, Niwelacja trygonometryczna, [w:] Ćwiczenia z geodezji II [red.] J. Beluch Za: Stansław Latoś, Nwelacja trygonometryczna, [w:] Ćwczena z geodezj II [red.] J. eluch 6.1. Ogólne zasady nwelacj trygonometrycznej. Wprowadzene Nwelacja trygonometryczna, zwana równeż trygonometrycznym

Bardziej szczegółowo

ψ przedstawia zależność

ψ 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 szczegółowo

KINEMATYKA MANIPULATORÓW

KINEMATYKA MANIPULATORÓW KIEMK MIULOÓW WOWDEIE. Manpulator obot można podzelć na zęść terująą mehanzną. Część mehanzna nazywana jet manpulatorem. punktu wdzena Mehank ta zęść jet najbardzej ntereująa. Manpulator zaadnzo można

Bardziej szczegółowo

Twierdzenie Bezouta i liczby zespolone Javier de Lucas. Rozwi azanie 2. Z twierdzenia dzielenia wielomianów, mamy, że

Twierdzenie Bezouta i liczby zespolone Javier de Lucas. Rozwi azanie 2. Z twierdzenia dzielenia wielomianów, mamy, że Twerdzene Bezouta lczby zespolone Javer de Lucas Ćwczene 1 Ustal dla których a, b R można podzelć f 1 X) = X 4 3X 2 + ax b przez f 2 X) = X 2 3X+2 Oblcz a b Z 5 jeżel zak ladamy, że f 1 f 2 s a welomanam

Bardziej szczegółowo

Kwantowa natura promieniowania elektromagnetycznego

Kwantowa natura promieniowania elektromagnetycznego Efekt Comptona. Kwantowa natura promenowana elektromagnetycznego Zadane 1. Foton jest rozpraszany na swobodnym elektrone. Wyznaczyć zmanę długośc fal fotonu w wynku rozproszena. Poneważ układ foton swobodny

Bardziej szczegółowo

FINANSOWE SZEREGI CZASOWE WYKŁAD 3

FINANSOWE SZEREGI CZASOWE WYKŁAD 3 FINANSOWE SZEREGI CZASOWE WYKŁAD 3 dr Tomasz Wójowcz Wydzał Zarządzana AGH 3800 3300 800 300 800 300 800 0 0 30 40 50 60 70 Kraków 0 Tomasz Wójowcz, WZ AGH Kraków przypomnene MA(q): gdze ε są d(0,σ ).

Bardziej szczegółowo

Oddziaływanie procesu informacji na dynamikę cen akcji. Małgorzata Doman Akademia Ekonomiczna w Poznaniu

Oddziaływanie 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 szczegółowo

Parametry zmiennej losowej

Parametry zmiennej losowej Eonometra Ćwczena Powtórzene wadomośc ze statysty SS EK Defncja Zmenną losową X nazywamy funcję odwzorowującą przestrzeń zdarzeń elementarnych w zbór lczb rzeczywstych, taą że przecwobraz dowolnego zboru

Bardziej szczegółowo

Dzielenie. Dzielenie pozycyjne

Dzielenie. Dzielenie pozycyjne zelene ozycyjne zelene dzelene całkowte: dzelna (dvdend), dzelnk 0 (dvor) Iloraz (uotent) rezta R (remander) z dzelena to lczby take, e R, R rozw zana (,R ) oraz (,R ) take, e R, rzy tym R R, R, R oraz

Bardziej szczegółowo

Rozdział 1. Nazwa i adres Zamawiającego Gdyński Ośrodek Sportu i Rekreacji jednostka budżetowa Rozdział 2.

Rozdział 1. Nazwa i adres Zamawiającego Gdyński Ośrodek Sportu i Rekreacji jednostka budżetowa Rozdział 2. Z n a k s p r a w y G O S I R D Z P I 2 7 1 03 3 2 0 1 4 S P E C Y F I K A C J A I S T O T N Y C H W A R U N K Ó W Z A M Ó W I E N I A f U d o s t p n i e n i e t e l e b i m ó w i n a g ł o n i e n i

Bardziej szczegółowo

Bayesowskie prognozy migracji zagranicznych w Europie: wybrane propozycje metodologiczne

Bayesowskie prognozy migracji zagranicznych w Europie: wybrane propozycje metodologiczne Bayesowske rognozy mgracj zagrancznych w Euroe: wybrane roozycje metodologczne Jakub Bjak Badań Mgracyjnych Ludnoścowych w Warszawe Ogólnoolske Semnarum Naukowe Dynamczne Modele Ekonometryczne Toruń, 4

Bardziej szczegółowo

Zbudowany i pozytywnie zweryfikowany jednorównaniowy model ekonometryczny. jest uŝyteczny do analizy zaleŝności między zmiennymi uwzględnionymi w

Zbudowany i pozytywnie zweryfikowany jednorównaniowy model ekonometryczny. jest uŝyteczny do analizy zaleŝności między zmiennymi uwzględnionymi w ROGNOZOWANIE EKONOMERYCZNE (REDYKCJA EKONOMERYCZNA) ZEAW V Zbudowan i pozwnie zwerfikowan jednorównaniow model ekonomerczn je uŝeczn do analiz zaleŝności międz zmiennmi uwzględnionmi w modelu w okreie,

Bardziej szczegółowo

METODY HODOWLANE - zagadnienia

METODY HODOWLANE - zagadnienia METODY HODOWLANE METODY HODOWLANE - zagadnena 1. Matematyczne podtawy metod odowlanyc. Wartość cecy loścowej defncje parametrów genetycznyc 3. Metody zacowana parametrów genetycznyc 4. Wartość odowlana

Bardziej szczegółowo

Komputerowe generatory liczb losowych

Komputerowe generatory liczb losowych . Perwszy generator Komputerowe generatory lczb losowych 2. Przykłady zastosowań 3. Jak generuje sę lczby losowe przy pomocy komputera. Perwszy generator lczb losowych L. H. C. Tppet - 927 Ksąż ążka -

Bardziej szczegółowo

Kier. MTR Programowanie w MATLABie Laboratorium

Kier. MTR Programowanie w MATLABie Laboratorium Ker. MTR Programowane w MATLABe Laboraorum Ćw. Zasosowane bbloecznych funkcj MATLABa do numerycznego rozwązywana równań różnczkowych. Wprowadzene Układy równań różnczkowych zwyczajnych perwszego rzędu

Bardziej szczegółowo

Minister Edukacji Narodowej Pani Katarzyna HALL Ministerstwo Edukacji Narodowej al. J. Ch. Szucha 25 00-918 Warszawa Dnia 03 czerwca 2009 r.

Minister Edukacji Narodowej Pani Katarzyna HALL Ministerstwo Edukacji Narodowej al. J. Ch. Szucha 25 00-918 Warszawa Dnia 03 czerwca 2009 r. Mnster Edukacj arodowej Pan Katarzyna HALL Mnsterstwo Edukacj arodowej al. J. Ch. Szucha 25 00-918 arszawa Dna 03 czerwca 2009 r. TEMAT: Propozycja zmany art. 30a ustawy Karta auczycela w forme lstu otwartego

Bardziej szczegółowo

Analiza danych. Analiza danych wielowymiarowych. Regresja liniowa. Dyskryminacja liniowa. PARA ZMIENNYCH LOSOWYCH

Analiza danych. Analiza danych wielowymiarowych. Regresja liniowa. Dyskryminacja liniowa.   PARA ZMIENNYCH LOSOWYCH Analza danych Analza danych welowymarowych. Regresja lnowa. Dyskrymnacja lnowa. Jakub Wróblewsk jakubw@pjwstk.edu.pl http://zajeca.jakubw.pl/ PARA ZMIENNYCH LOSOWYCH Parę zmennych losowych X, Y możemy

Bardziej szczegółowo

Badanie współzależności dwóch cech ilościowych X i Y. Analiza korelacji prostej

Badanie współzależności dwóch cech ilościowych X i Y. Analiza korelacji prostej Badane współzależnośc dwóch cech loścowych X Y. Analza korelacj prostej Kody znaków: żółte wyróżnene nowe pojęce czerwony uwaga kursywa komentarz 1 Zagadnena 1. Zwązek determnstyczny (funkcyjny) a korelacyjny.

Bardziej szczegółowo

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 DOI: EKONOMIA XLVI nr 1 (2015) 7 22

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 DOI:  EKONOMIA XLVI nr 1 (2015) 7 22 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 DOI: h://dx.do.org/0.775/aunc_econ.05.00 EKONOMIA XLVI nr 05 7 Perwza wera złożona 4 wrześna 05 e-issn: 39-69 Końcowa wera zaakceowana

Bardziej szczegółowo

STATYSTYKA MATEMATYCZNA

STATYSTYKA MATEMATYCZNA STATYSTYKA MATEMATYCZNA. Wkład wstępn. Teora prawdopodobeństwa element kombnatork. Zmenne losowe ch rozkład 3. Populacje prób danch, estmacja parametrów 4. Testowane hpotez statstcznch 5. Test parametrczne

Bardziej szczegółowo

2012-10-11. Definicje ogólne

2012-10-11. Definicje ogólne 0-0- Defncje ogólne Logstyka nauka o przepływe surowców produktów gotowych rodowód wojskowy Utrzyywane zapasów koszty zwązane.n. z zarożene kaptału Brak w dostawach koszty zwązane.n. z przestoje w produkcj

Bardziej szczegółowo

METODA UNITARYZACJI ZEROWANEJ Porównanie obiektów przy ocenie wielokryterialnej. Ranking obiektów.

METODA UNITARYZACJI ZEROWANEJ Porównanie obiektów przy ocenie wielokryterialnej. Ranking obiektów. Opracowane: Dorota Mszczyńska METODA UNITARYZACJI ZEROWANEJ Porównane obektów przy ocene welokryteralnej. Rankng obektów. Porównane wybranych obektów (warantów decyzyjnych) ze względu na różne cechy (krytera)

Bardziej szczegółowo

Gdyńskim Ośrodkiem Sportu i Rekreacji jednostka budżetowa

Gdyńskim Ośrodkiem Sportu i Rekreacji jednostka budżetowa W Z Ó R U M O W Y z a w a r t a w G d y n i w d n i u 2 0 1 4 r po m i d z y G d y s k i m O r o d k i e m S p o r t u i R e k r e a c j i j e d n o s t k a b u d e t o w a ( 8 1-5 3 8 G d y n i a ), l

Bardziej szczegółowo

Procedura normalizacji

Procedura normalizacji Metody Badań w Geograf Społeczno Ekonomcznej Procedura normalzacj Budowane macerzy danych geografcznych mgr Marcn Semczuk Zakład Przedsęborczośc Gospodark Przestrzennej Instytut Geograf Unwersytet Pedagogczny

Bardziej szczegółowo

Europejska opcja kupna akcji calloption

Europejska 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 szczegółowo