Model CAPM z ryzykiem płynności na polskim rynku kapitałowym

Wielkość: px
Rozpocząć pokaz od strony:

Download "Model CAPM z ryzykiem płynności na polskim rynku kapitałowym"

Transkrypt

1 UNIWERSYTET SZCZECIŃSKI Zeszyy Naukowe nr 858 Wspó łczesne Problemy Ekonomczne n r 11 ( DOI: /wpe Sebasan Porowsk* Model CAPM z ryzykem płynnośc na polskm rynku kapałowym Słowa kluczowe: eora porfela, model CAPM, ryzyko rynkowe, ryzyko płynnośc Keywords: porfolo heory, model CAPM, marke rsk, lqudy rsk Wprowadzene Badając model równowag rynku kapałowego, należy zacząć od modelu jedno wskaźnkowego, kórego wórcą jes W. Sharpe. Model powsał w wynku uproszczena eor porfela Markowza. Równane rynku kapałowego modelu Sharpe a zapsujemy w posac: r = α + β rm + ε, gdze: r oznacza sopę zwrou dowolnej spółk, jak równeż sopę zwrou dowolnego porfela; rm oznacza sopę zwrou porfela rynkowego; α, β są parameram modelu oraz ε jes składnkem losowym. Jeśl równane modelu jednowskaźnkowego będzemy analzować w forme regresj lnowej, o sosując meodę najmnejszych kwadraów, orzymamy wzór na współczynnk bea posac: β = cov(r, rm var(rm (1 gdze: cov(r, rm kowarancja sóp zwrou akcj -ej spółk sóp zwrou porfela rynkowego, var(rm warancja sóp zwrou porfela rynkowego. Magser Sebasan Porowsk jes dokoranem (Kaedra Ekonom Maemaycznej Unwersyeu Ekonomcznego w Poznanu. E-mal: seba.por.g@gmal.com. * 195

2 Współczesne Problemy Ekonomczne nr 11 (2015 Model równowag rynku kapałowego (CAPM zosał zaproponowany przez W. Sharpe a, J. Mosna J. Lnnera w odrębnych pracach. Sandardowy model CAPM zosał zbudowany na podsawe nasępujących założeń1: a koszy ransakcyjne są pomjane; b akywa są neskończene podzelne; c pomjane są podak od dochodów osobsych; d panuje konkurencja doskonała, o znaczy decyzje ndywdualnych nwesorów ne mają wpływu na kurs akcj; e nwesorzy kerują sę jedyne dwema kryeram: waroścą oczekwaną oraz odchylenem sandardowym sopy zwrou porfela; f dozwolona jes neogranczona króka sprzedaż; g sneje możlwość zacągana udzelana pożyczek przy sope wolnej od ryzyka; h nwesorzy podejmują decyzje, dysponując ym samym danym na ema oczekwanej sopy zwrou, warancj oraz macerzy warancj-kowarancj. Sandardowy model CAPM wyrażamy za pomocą nasępującego równana: Lberalzacja r = rf + β (rm rf (2 gdze: r, rm oznaczają odpowedno warość oczekwaną sóp zwrou akcj (lub porfela oraz warość oczekwaną rynkowych sóp zwrou (porfela rynkowego, a rf o sopa wolna od ryzyka. Równane (1.2 nazywamy lną rynku paperów waroścowych. W powyższym modelu współczynnk β dany wzorem (1 określa ryzyko dowolnego paperu waroścowego lub porfela. Oczekwana sopa zwrou dowolnego porfela akcj jes równa sume sopy wolnej od ryzyka oraz loczynu rynkowej ceny ryzyka welkośc ryzyka charakeryzującego dany porfel. Model CAPM z ryzykem płynnośc Zakładamy, że mamy danych I różnych akcj o całkowej lośc S, gdze = 1,2,..., I. W chwl akcja wypłaca dywdendę D, cena akcj jes równa P posada koszy płynnośc C, gdze P oraz C są zmennym losowym określonym na przesrzen probablsycznej (Ω, F, P. Koszy płynnośc defnujemy jako koszy sprzedaży akcj. Przyjmujemy, że jeżel nwesor kupł wybraną akcję po cene P, o ponosząc koszy ransakcj lub prowzj maklerskch, mus ją sprzedać po cene P +1 C+1. Nepewność Zob. E.J. Elon, M.J. Gruber, Nowoczesna eora porfelowa analza paperów waroścowych, WIG-Press, Warszawa

3 Sebasan Porowsk Model CAPM z ryzykem płynnośc na polskm rynku kapałowym koszów płynnośc jes generowana przez ryzyko płynnośc. Ineresuje nas, jak zmena sę sopa zwrou z akcj r = D + P P 1 w zależnośc od koszów płynnośc c = C, P 1 sopy zwrou porfela rynkowego S (D + P S P r M = =1,..., I =1,..., I 1 S C S P cm = =1,..., I =1,... I Lberalzacja oraz koszów rynkowej płynnośc 1. W modelu CAPM z ryzykem płynnośc2 warość oczekwana sopy zwrou z akcj wzrasa wraz z waroścą oczekwaną koszów płynnośc oraz waroścą oczekwaną rynkowej sopy zwrou pomnejszonej o rynkowe koszy płynnośc pomnożonej przez współczynnk kerunkowy bea. Po uwzględnenu sopy wolnej od ryzyka warość oczekwaną sopy zwrou z akcj pomnejszonej o koszy płynnośc możemy zapsać w posac: ( cov r c, r M cm E r c = r + λ var r M cm ( gdze λ = E ( r płynnośc. M f ( (3 cm r f jes premą za skumulowane ryzyko rynkowe Zob. V.V. Acharya, L.H. Pedersen, Asse Prcng wh Lqudy Rsk, Journal of Fnancal Economcs 2005, vol

4 Współczesne Problemy Ekonomczne nr 11 (2015 Korzysając ze wzoru na kowarancję, równane (3 zapsujemy w posac E (r = r f + E (c + λ λ cov(r, r M cov(c, cm + λ var(r M cm var(r M cm cov(r, cm cov(c, r M λ. var(r M cm var(r M cm Zaps powyższego równana upraszczamy do posac: E (r = r f + E (c + λ β 1 + λ β 2 λ β 3 λ β 4 (4 gdze: β 1 = cov(r, r M / var(r M cm, β 2 = cov(c, cm / var(r M cm, Lberalzacja β 3 = cov(r, cm / var(r M cm, β 4 = cov(c, r M / var(r M cm. Warość oczekwana sopy zwrou akcj jes równa wymaganej sope wolnej od ryzyka rf, warośc oczekwanej koszów płynnośc oraz czerech składnków charakeryzujących ryzyko rynkowe ryzyko płynnośc. Sandardowy model CAPM uwzględna współczynnk bea, kóry zależy od kowarancj sóp zwrou akcj oraz sóp zwrou z porfela rynkowego. Model CAPM z ryzykem płynnośc jes rozbudowany o dodakowe rzy współczynnk bea odpowadające różnym formom ryzyka płynnośc. Wyróżnamy nasępujące rzy rodzaje ryzyka płynnośc: 2 β ryzyko płynnośc akcj (lub porfela jako loraz kowarancj koszów płynnośc akcj oraz rynkowych koszów płynnośc warancj rynkowych sóp zwrou neo r M cm, 3 β ryzyko płynnośc akcj jako loraz kowarancj sóp zwrou akcj oraz rynkowych koszów płynnośc warancj rynkowych sóp zwrou neo, 4 β ryzyko płynnośc akcj jako loraz kowarancj koszów płynnośc akcj oraz rynkowych sóp zwrou warancj rynkowych sóp zwrou neo. Ryzyko płynnośc β 2 zwększa warość oczekwaną sóp zwrou z akcj, jeżel koszy płynnośc zmenają sę w ym samym kerunku co koszy rynkowej płynnośc, zmnejsza oczekwaną warość sóp zwrou, gdy korelacja jes ujemna. Ryzyko płynnośc β 3 zwększa warość oczekwaną sóp zwrou z akcj, jeżel sopy zwrou r zmenają sę w przecwnym kerunku co koszy rynkowej płynnośc cm, zmnejsza 198

5 Sebasan Porowsk Model CAPM z ryzykem płynnośc na polskm rynku kapałowym oczekwaną warość sóp zwrou akcj, gdy korelacja jes dodana. Ryzyko płynnośc β 4 zwększa warość oczekwaną sóp zwrou z akcj, jeżel koszy płynnośc c zmenają sę w przecwnym kerunku co rynkowej sopy zwrou r M, zmnejsza oczekwaną warość sóp zwrou z akcj, gdy korelacja jes dodana. Dane empryczne Lberalzacja Model CAPM z ryzykem płynnośc zosał przeesowany na sopach zwrou 294 spółek noowanych na GPW w Warszawe. Oblczena zosały przeprowadzone według nasępującej procedury: a dla każdego mesąca oblczamy koszy płynnośc c dla każdej akcj ; b formujemy porfel rynkowy oraz zbór porfel esowych zróżncowanych ze względu na średne roczne koszy płynnośc; c dla każdego mesąca każdego porfela p oblczamy sopy zwrou r p oraz koszy płynnośc cp ; d dla każdego porfela p oblczamy współczynnk kerunkowe bea. Koszy płynnośc są zmennym, kóre jes cężko obserwować, sneje jednak klka meod przyblżana koszów płynnośc. Jedną z meod szacowana koszów płynnośc jes różnca mędzy ceną sprzedaży a ceną kupna. W celu ch oblczena sosujemy zmodyfkowaną meodę zaproponowaną w pracy Y. Amhuda3, kóra polega na esymacj płynnośc akcj w mesącu w posac: υ Days Rd, V 1 d =1 Vd LIQ = gdze: υ średna kapalzacj rynkowej badanych spółek, V 1 skumulowany wolumen akcj spółk w mesącu 1, Rd dzenna sopa zwrou akcj w mesącu na dzeń d, Vd wolumen wyrażony w waluce polskej akcj w mesącu na dzeń d, Days lczba dn, w kórych przeprowadzono obserwacje w mesącu dla akcj spółk. Koszy płynnośc ogranczamy przez funkcję posac ( c = mn 0,25 + 0,30 LIQ ;30,0, gdze współczynnk są dobrane w celu flracj obserwacj eksremalnych. Y. Amhud, Illqudy and Sock Reurns: Cross-Secon and Tme-Seres Effecs, Journal of Fnancal Markes

6 Współczesne Problemy Ekonomczne nr 11 (2015 Porfel rynkowy porfele esowe zosały zdefnowane nasępująco: a w badanach analzowane są dzenne sopy zwroów wolumen akcj noowanych na GPW w Warszawe w laach baza danych Thomson Reuers; b porfel rynkowy składa sę ze spółek noowanych w danym roku na GPW w Warszawe w 2000 roku porfel rynkowy składał sę z akcj 90 spółek, naomas w 2014 roku lczba spółek w porfelu rynkowym wzrosła do 294; c średne roczne koszy płynnośc są wylczane dla każdej badanej akcj na podsawe mesęcznych koszów płynnośc, a nasępne akcje są przydzelane do porfel esowych w zależnośc od ch średnch rocznych koszów płynnośc (abela 1: Tabela 1. Porfele esowe Lberalzacja Porfel Koszy płynnośc Porfel Koszy płynnośc P8 c8 [4;5 P1 c1 [0,2 5 ;0,3 0 P2 c2 [0,30 ;0,40 P9 c9 [5;8 P3 c3 [0,40 ;0,50 P10 c10 [8;1 P4 c4 [0,50 ;0,75 P1 c11 [1 ;16 P5 c5 [0,75 ;1 P12 c12 [16 ;20 P6 c6 [1;2 P13 c13 [20 ;25 P7 c7 [2;4 P14 c14 [25 ;30 ] Źródło: opracowane własne. a dla każdego porfela p oblczamy sopy zwrou posac r p = wp r, p gdze wp jes wagą akcj w porfelu p na podsawe kapalzacj spółk, porfela p; 200

7 Sebasan Porowsk Model CAPM z ryzykem płynnośc na polskm rynku kapałowym b koszy płynnośc porfela p oblczamy zgodne ze wzorem cp = wp c. p W abel 2 zaprezenowano porfel esowy P7, kórego skład ulega zmane w każdym roku. Rok Skład porfela P7 ELB, TIM, LTX, MIT, ALC FCL, EMF, AMC, APT BLI, LBW, KSW, EMF, TIM WIS, COG, STP, ELZ, SKT, BTM, PND GRL, SNK, IPL, PGD, PJP, LEN, WIS, ELB, EMC, ZKA, PEP, WAS, ALM, SKT, PND SUW, SNK, CAR, BLI, CMP, EMP, HDR RAF, KOM, MCR, ENI, FCL, KSW, SUW, SNK DBC, RDN, GCN, STP, EMP, QMK, INK EMP, CRM, MCR, SNK, DBC, FON, TIM, PEK, FCL, WIS, GRJ, RBW, STP, MWT, ENI ELZ, WLT, RLP, RWL, RPC, ACT, KSW, NEU, ERB, MCR, EMC, POZ, CAR, LEN STP, DOM, RLP, KRI, URS, GRI, IPE, ALM, LPP, SNK, INK, ATR, IZS, WLT, PTI, RDL, 2012 WIK, FTE, LEN, KOM MSW, ZMT, KOM, ACT, CMR, OBL, FER, PEP, RLP, LEN, HTM, LPP, BZW, PLX, KTY, ITG, CCE, WSE VIN, ROB, ATR, KPL, RDL, PHN, PLX, AMB, KSW, IZS, UNI, GLC, ENE, CNG MWT, CMP, MDG, VIN, KPL, DOM, RWL, SNT, DBC, OPN, KRC, GLC, SOL, RDL, BFT, Lberalzacja Tabela 2. Porfel esowy P7, dla kórego koszy płynnośc wynoszą 2 4% w okrese (abela prezenuje skróy odpowednch spółek noowanych na GPW w Warszawe PAT, SMT Źródło: opracowane własne. Esymacja modelu CAPM z ryzykem płynnośc Model CAPM z ryzykem płynnośc (4 zapsujemy w posac regresj lnowej r r f = λ0c + λ1β 1 + λ2 β 2 λ3 β 3 λ4 β 4 + ε, (5 gdze: β β 1 = [(r 2 = [(c τ τ ( M r rτ r ( M M c cτ c ]/ ((r M M τ ]/ ((r M τ (, (, cτm r M cm cτm r M cm

8 Współczesne Problemy Ekonomczne nr 11 (2015 β 3 = [(rτ r (cτm cm ]/ ((rτm cτm (r M cm, 2 β 4 = [(cτ c (rτm r M ]/ ((rτm cτm (r M cm. 2 Lberalzacja Zmenne r, c oznaczają odpowedno średne arymeyczne. Paramery powyższego modelu λ, = 0,...,4 esymujemy za pomocą uogólnonej meody momenów GMM. Tabela 3 prezenuje wynk esymacj równana regresj lnowej (5. Analzując wynk, swerdzamy, że warość bezwzględna saysyk -Sudena dla wszyskch współczynnków jes ponżej warośc kryycznej 1,96 na pozome sonośc 0,05. Ne ma węc podsaw do odrzucena hpoez zerowych weryfkujących nesoność oszacowanych paramerów dla danego pozomu. W eśce Sargana saysyka esowa ch-kwadra jes ponżej warośc kryycznej, kóra dla 96 sopn swobody pozomu sonośc 0,05 wynos 119,87. To oznacza, że esymaory paramerów modelu są poprawne wylczone ze względu na dopasowane modelu do danych emprycznych. Wynka o z dobrego doboru zmennych objaśnających. Tabela 3. Esymacja modelu CAPM z ryzykem płynnośc dla równana (5. Esymacja współczynnków λ j dla j = 0,...,4. Lczba obserwacj wynos 3650 uogólnona meoda momenów GMM Współczynnk Esymaory Błąd sandardowy -Sudena warość p Wyraz wolny 0, , ,9556 0,3393 λ0 1, , ,6004 0,1095 λ1 2, , ,2722 0,7855 λ2 10, , ,1166 0,2642 λ3 1, , ,5894 0,5556 λ4 19, , ,3575 0,1746 Tes Sargana Tes auokorelacj I rzędu Tes auokorelacj II rzędu Tes Walda Źródło: opracowane własne. 202 Dodakowe esy Saysyk esowe Ch-kwadra(96: 89,25 warość p 8,5082e-08 Normalny: 6,65 2,88587e-11 Normalny: 1,23 0,21776 Ch-kwadra(6:53,24 1,0489e-09

9 Sebasan Porowsk Model CAPM z ryzykem płynnośc na polskm rynku kapałowym Wynk esu na auokorelację I rzędu wskazują na odrzucene hpoezy zerowej o braku auokorelcj na podsawe saysyk esowej, jak warośc p, kóra jes mnejsza od pozomu sonośc. Ne ma jednak podsaw do odrzucena hpoezy zerowej w eśce na auokorelację wyższego rzędu. Wynk orzymane w eśce Walda wskazują na odrzucene hpoezy zerowej na korzyść hpoezy alernaywnej. Warość kryyczna ch-kwadra dla 6 sopn swobody na 5-procenowym pozome sonośc wynos 12,59. Zmenne objaśnające modelu regresj lnowej (5 są węc sone. Rysunek 1 prezenuje warośc prognozowane dla równane regresj lnowej (5 oraz empryczne sopy zwrou. Lberalzacja Rysunek 1. Esymacja warośc oczekwanych sóp zwrou porfel zróżncowanych koszam płynnośc model regresj lnowej (5 Źródło: opracowane własne Wynk badań Głównym celem badań jes weryfkacja modelu CAPM z ryzykem płynnośc pod względem poprawnośc szacowana warośc oczekwanej sóp zwrou porfel zróżncowanych koszam płynnośc. Rysunek 2 prezenuje warośc oczekwane sóp zwrou oraz zrealzowane sopy zwrou poszczególnych porfel w 2014 roku. Dodakowo zosały wyznaczone oczekwane sopy zwroy dla sandardowego modelu CAPM. Jak ławo zauwa203

10 Współczesne Problemy Ekonomczne nr 11 (2015 żyć, warośc oczekwane sóp zwrou badanych porfel z koszam płynnośc powyżej 8% znacząco odbegają od zrealzowanych sóp zwrou. Pommo że wynk esymacj regresj (5 są saysyczne dobre, o ak dla porfel z wyższym koszam płynnośc model CAPM z ryzykem płynnośc zdecydowane gorzej aproksymuje warośc oczekwane sóp zwrou nż sandardowy model CAPM. Ponado, sandardowy model CAPM w porównanu z modelem (5 przewaroścowuje wszyske warośc oczekwanych sóp zwrou porfel. Dla porfel z koszam płynnośc neprzekraczającym 8% model CAPM z ryzykem płynnośc jes lepszy. Lberalzacja Rysunek 2. Wykres oczekwanych sóp zwrou zrealzowanych sóp zwrou porfel zróżncowanych koszam płynnośc Źródło: opracowane własne. Aby lepej zobrazować skueczność modelu CAPM z ryzykem płynnośc, wyznaczono wykresy aproksymacj warośc oczekwanych sóp zwrou wybranych porfel esowych. Na rysunku 3 zosały zaprezenowane oczekwane sopy zwrou porfela P1 oszacowane zgodne z modelem CAPM z ryzykem płynnośc, jednak zamas esymaorów paramerów λ j dla j = 1,...4, regresj lnowej (5 zasosowano warośc zrealzowane neo rynkowych sóp zwrou wzór (3. Jak wdać na rysunku, sopy 204

11 Sebasan Porowsk Model CAPM z ryzykem płynnośc na polskm rynku kapałowym zwrou porfela z koszam płynnośc na pozome 0,25 0,30%, czyl z małym ryzykem płynnośc, są oszacowane na podobnym pozome co zrealzowane sopy zwrou. Podobne zosały wyznaczone oczekwane sopy zwrou porfela P3 z koszam płynnośc na pozome mędzy 0,40 a 0,50%. Koszy płynnośc są w porównanu do nnych porfel na nższym pozome. Ławo jednak zauważyć, że dla danego ryzyka płynnośc model obnża warość oczekwaną sóp zwrou badanego porfela różnce mędzy zrealzowanym sopam zwrou a waroścam prognozowanym zwększają sę sone (rysunek 4. Lberalzacja Rysunek 3. Warośc oczekwane sóp zwrou oraz zrealzowane sopy zwrou dla porfela P1 Źródło: opracowane własne. Wraz ze zwększającym sę koszam płynnośc odchylene aproksymowanych warośc oczekwanych sóp zwrou od zrealzowanych sóp zwrou poszczególnych porfel zwększa sę proporcjonalne do koszów płynnośc. Wdać o dokładne na rysunku 2. Warośc oczekwane sóp zwrou porfela P7 z koszam płynnośc kszałującym sę na pozome mędzy 2 a 4% zosały zaprezenowane na rysunku 5, gdze modelowe sopy zwrou znacząco odbegają od zrealzowanych sóp zwrou. 205

12 Współczesne Problemy Ekonomczne nr 11 (2015 Lberalzacja Rysunek 4. Warośc oczekwane sóp zwrou oraz zrealzowane sopy zwrou dla porfela P3 Źródło: opracowane własne. Wnosk, jake nasuwają sę z przeprowadzonych badań, są jednoznaczne. Uwzględnene ryzyka płynnośc w modelu wyceny rynku kapałowego zwększa dokładność aproksymacj warośc oczekwanych sóp zwrou dla porfel o nskch koszach płynnośc. Wysoke ryzyko płynnośc, o znaczy duży kosz płynnośc (kosz sprzedaży badanych porfel, ne ma odzwercedlana w zrealzowanych sopach zwrou. To oznacza, że oczekwana nwesorów wobec nższych sóp zwrou z akcj, kórych koszy płynnośc są wysoke, ne mają powerdzena w zarejesrowanych na gełdze ransakcjach. Zaem ak zdefnowany model CAPM z ryzykem płynnośc ne może być sosowany dla porfel z wysokm koszam płynnośc. Rozwązanem powyższego problemu może być ogranczane koszów płynnośc lub przyjęce pewnych założeń o ch posac sochasycznej. 206

13 Sebasan Porowsk Model CAPM z ryzykem płynnośc na polskm rynku kapałowym Lberalzacja Rysunek 5. Warośc oczekwane sóp zwrou oraz zrealzowane sopy zwrou dla porfela P7 Źródło: opracowane własne. Podsumowane Zaprezenowane badana doyczą modelu CAPM z ryzykem płynnośc na polskm rynku kapałowym. W celu weryfkacj hpoezy o wpływe ryzyka płynnośc na wycenę akcj zdefnowano 14 porfel zróżncowanych ze względu na koszy płynnośc. Poszczególne koszy płynnośc zosały wylczone na podsawe relacj dzennych sóp zwrou oraz wolumenu akcj. Przeprowadzono esymację paramerów modelu na danych przekrojowych sóp zwrou porfel esowych. Współczynnk kerunkowe bea zosały oszacowane na podsawe modelu Sharpe a. Ponado, zdefnowano rzy różne formy ryzyka płynnośc, kóre mogą być analzowane osobno lub jako jedno skumulowane ryzyko płynnośc. W esymacj paramerów modelu CAPM z ryzykem płynnośc zasosowano uogólnoną meodę momenów. Wynk esymacj powerdzły soność wszyskch zmennych objaśnających badanego modelu. W badanach porównano modelowe warośc sóp zwrou ze zrealzowanym sopam zwrou poszczególnych porfel. Dodakowo zweryfkowano wpływ ryzyka płynnośc (koszów płynnośc na dokładność szacowana warośc oczekwanych sóp zwrou. Pokazano, że odchylene warośc oczekwanych 207

14 Współczesne Problemy Ekonomczne nr 11 (2015 sóp zwrou od zrealzowanych sóp zwrou zwększa sę wraz z koszam płynnośc poszczególnych porfel. Mmo wszysko model CAPM z ryzykem płynnośc zosał w pewnym sopnu zweryfkowany pozyywne. Należałoby sę zasanowć nad lepszym meodam szacowana koszów płynnośc akywów na rynku kapałowym ch mplemenacj w modelu wyceny dóbr kapałowych. Idąc krok dalej, badana pownny być prowadzone dla model bardzej odzwercedlających rzeczywsość, o znaczy uwzględnających jakość lość dosępnych nformacj czy eż preferencje nwesorów wobec ryzyka. Leraura Lberalzacja Acharya V.V., Pedersen L.H., Asse Prcng wh Lqudy Rsk, Journal of Fnancal Econ omcs 2005, vol. 77. Amhud Y., Illqudy and Sock Reurns: Cross-Secon and Tme-Seres Effecs, Journal of Fnancal Markes Amhud Y., Mendelson H., Asse Prcng and he Bd-Ask Spread, Journal of Fnancal Economcs 1986, vol. 17. Elon E.J., Gruber M.J., Nowoczesna eora porfelowa analza paperów waroścowych, WIG-Press, Warszawa Jajuga K., Jajuga T., Inwesycje. Insrumeny fnansowe. Ryzyko fnansowe. Inżynera fnansowa, Wydawncwo Naukowe PWN, Warszawa Sreszczene W arykule przedsawono model równowag rynku kapałowego z ryzykem płynnośc. Wyszczególnono ryzyko rynkowe oraz ryzyko płynnośc akcj w modelu wyceny dóbr kapałowych w celu ch denyfkacj oceny sonośc. Wpływ ryzyka płynnośc na wycenę akywów na polskm rynku kapałowym zosał zweryfkowany na podsawe sóp zwrou wolumenu akcj spółek noowanych na GPW w Warszawe w okrese od 2000 do 2014 roku. Dokonano esymacj paramerów modelu CAMP z ryzykem płynnośc uogólnoną meodą momenów GMM. W badanach sprawdzono dokładność modelowna oczekwanych sóp zwrou akcj. Zaprezenowano wynk aproksymacj warośc oczekwa nych sóp zwrou porfel zróżncowanych koszam płynnośc. Podano warunk, w jakch ryzyko płynnośc poprawa dokładność wyceny akywów na rynku kapałowym. The CAPM model wh lqudy rsk n he Polsh capal marke The arcle presens he capal asse prcng model wh lqudy rsk. Marke rsk and lqudy rsk n he prcng model of capal goods were lsed for he purpose of denfcaon and assessmen of sgnfcance. The mpac of lqudy rsk on he valuaon of he asses has been verfed on he bass of raes of reurn and volume of shares of companes lsed on he Warsaw Sock Exchange n he perod from 2000 o In he esmaon of he parameers of he CAPM model wh lqudy rsk has been appled generalzed mehod of momens GMM. The sudy examned he accuracy of modelng he expeced reurns of equy porfolos. The arcle presens he resuls of approxmaon of he expeced reurns of porfolos dversfed lqudy coss and he condons under whch lqudy rsk mproves he accuracy of he valuaon of asses n he capal marke. Translaed by Sebasan Porowsk 208 Powered by TCPDF (

Model CAPM z ryzykiem płynności na polskim rynku kapitałowym

Model CAPM z ryzykiem płynności na polskim rynku kapitałowym UNIWERSYTET SZCZECIŃSKI Z e s z y y Naukowe nr 858 Współczesne Problemy Ekonomczne DOI: 10.18276/wpe.2015.11-18 Sebasan Porowsk* odel CAP z ryzykem płynnośc na polskm rynku kapałowym Słowa kluczowe: eora

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

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

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

Modelowanie równowagi cenowej na Giełdzie Papierów Wartościowych w Warszawie w okresach przed i po wejściu Polski do Unii Europejskiej

Modelowanie równowagi cenowej na Giełdzie Papierów Wartościowych w Warszawie w okresach przed i po wejściu Polski do Unii Europejskiej Sansław Urbańsk * Modelowane równowag cenowej na Gełdze Paperów Waroścowych w Warszawe w okresach przed po wejścu Polsk do Un Europejskej Wsęp Praca nnejsza sanow konynuację badań doyczących wyceny akcj

Bardziej szczegółowo

Inne kanały transmisji

Inne kanały transmisji Wykład 4 Inne kanały ransmsj Plan wykładu. Ceny akywów 3. Ceny akywów Wzros sopy procenowej powoduje spadek cen domów akcj. gdze C warość kuponu, F warość nomnalna gdze dywdenda, g empo wzrosu dywdendy

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

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

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

ARTYKUŁY PRZYDATNOŚĆ WYBRANYCH METOD OCENY PAPIERÓW WARTOŚCIOWYCH

ARTYKUŁY PRZYDATNOŚĆ WYBRANYCH METOD OCENY PAPIERÓW WARTOŚCIOWYCH ARYKUŁY onka oścbrodzka, Jolana Żukowska PRZYDANOŚĆ WYBRANYCH EOD OCENY PAPIERÓW WAROŚCIOWYCH Wprowadzene Rzeczywsość gospodarcza nese za sobą koneczność kerowana sę przez przedsęborców nwesorów kryerum

Bardziej szczegółowo

CAPM i APT. Ekonometria finansowa

CAPM i APT. Ekonometria finansowa CAPM APT Ekonometra fnansowa 1 Lteratura Elton, Gruber, Brown, Goetzmann (2007) Modern portfolo theory and nvestment analyss, John Wley and Sons. (rozdz. 13-16 [, 5, 7]) Campbell, Lo, MacKnlay (1997) The

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

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

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

Studia Ekonomiczne. Zeszyty Naukowe Uniwersytetu Ekonomicznego w Katowicach ISSN 2083-8611 Nr 219 2015 Sudia Ekonomiczne. Zeszyy Naukowe Uniwersyeu Ekonomicznego w Kaowicach ISSN 2083-86 Nr 29 205 Alicja Ganczarek-Gamro Uniwersye Ekonomiczny w Kaowicach Wydział Informayki i Komunikacji Kaedra Demografii

Bardziej szczegółowo

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

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

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

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

Transakcje insiderów a ceny akcji spółek notowanych na Giełdzie Papierów Wartościowych w Warszawie S.A. Agaa Srzelczyk Transakcje insiderów a ceny akcji spółek noowanych na Giełdzie Papierów Warościowych w Warszawie S.A. Wsęp Inwesorzy oczekują od każdej noowanej na Giełdzie Papierów Warościowych spółki

Bardziej szczegółowo

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

) 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

W praktyce często zdarza się, że wyniki obu prób możemy traktować jako. wyniki pomiarów na tym samym elemencie populacji np.

W praktyce często zdarza się, że wyniki obu prób możemy traktować jako. wyniki pomiarów na tym samym elemencie populacji np. Wykład 7 Uwaga: W praktyce często zdarza sę, że wynk obu prób możemy traktować jako wynk pomarów na tym samym elemence populacj np. wynk x przed wynk y po operacj dla tego samego osobnka. Należy wówczas

Bardziej szczegółowo

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

STATYSTYCZNA WERYFIKACJA MODELU CAPM NA PRZYKŁADZIE POLSKIEGO RYNKU KAPITAŁOWEGO WPROWADZENIE METODOLOGIA TESTOWANIA MODELU GraŜyna Trzpio, Dominik KręŜołek Kaedra Saysyki Akademii Ekonomicznej w Kaowicach e-mail rzpio@sulu.ae.kaowice.pl, dominik_arkano@wp.pl STATYSTYCZNA WERYFIKACJA MODELU CAPM NA PRZYKŁADZIE POLSKIEGO RYNKU

Bardziej szczegółowo

= 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

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

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

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

OCENA RYZYKA INWESTYCJI W METALE SZLACHETNE W OKRESIE ŚWIATOWEGO KRYZYSU FINANSOWEGO 2007-2012

OCENA RYZYKA INWESTYCJI W METALE SZLACHETNE W OKRESIE ŚWIATOWEGO KRYZYSU FINANSOWEGO 2007-2012 Elza Buszkowska Unwersye m. Adama Mckewcza w Poznanu, Wydzał Prawa Admnsracj, Kaedra Nauk Ekonomcznych Por Płucennk Unwersye m. Adama Mckewcza w Poznanu, Wydzał Maemayk Informayk, Pracowna Ekonomer Fnansowej

Bardziej szczegółowo

WYBRANE SYMULACJE WYCENY AKTYWÓW NA PRZYKŁADZIE SPÓŁEK NOTOWANYCH NA GIEŁDZIE PAPIERÓW WARTOŚCIOWYCH W WARSZAWIE 1

WYBRANE SYMULACJE WYCENY AKTYWÓW NA PRZYKŁADZIE SPÓŁEK NOTOWANYCH NA GIEŁDZIE PAPIERÓW WARTOŚCIOWYCH W WARSZAWIE 1 Suda Ekonomczne. Zeszyy Naukowe Unwersyeu Ekonomcznego w Kaowcach ISSN 2083-86 Nr 325 207 Sansław Urbańsk Akadema Górnczo-Huncza w Krakowe Wydzał Zarządzana Kaedra Ekonom, Fnansów Zarządzana Środowskem

Bardziej szczegółowo

(estymator asymptotycznej macierzy kowariancji estymatora nieliniowej MNK w MNRN)

(estymator asymptotycznej macierzy kowariancji estymatora nieliniowej MNK w MNRN) W ypowym zadanu z regresj nelnowej mamy nasępujące eapy: Esymacja (uzyskane ocen punkowych paramerów), w ym: 1. Dobór punków sarowych.. Kolejne eracje algorymu Gaussa Newona. 3. Zakończene algorymu Gaussa

Bardziej szczegółowo

MAKSYMALNY OCZEKIWANY CZAS PRZEBYWANIA PORTFELA INWESTYCYJNEGO W ZADANYM OBSZARZE BADANIA EMPIRYCZNE

MAKSYMALNY OCZEKIWANY CZAS PRZEBYWANIA PORTFELA INWESTYCYJNEGO W ZADANYM OBSZARZE BADANIA EMPIRYCZNE Danel Iskra Unwersye Ekonomczny w Kaowcach MAKSYMALNY OCZEKIWANY CZAS PRZEBYWANIA PORTFELA INWESTYCYJNEGO W ZADANYM OBSZARZE BADANIA EMPIRYCZNE Wprowadzene Wraz z rozwojem eor nwesycj fnansowych, nwesorzy

Bardziej szczegółowo

EFEKT DŹWIGNI NA GPW W WARSZAWIE WPROWADZENIE

EFEKT DŹWIGNI NA GPW W WARSZAWIE WPROWADZENIE Paweł Kobus, Rober Pierzykowski Kaedra Ekonomerii i Informayki SGGW e-mail: pawel.kobus@saysyka.info EFEKT DŹWIGNI NA GPW W WARSZAWIE Sreszczenie: Do modelowania asymerycznego wpływu dobrych i złych informacji

Bardziej szczegółowo

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

Wpływ płynności obrotu na kształtowanie się stopy zwrotu z akcji notowanych na Giełdzie Papierów Wartościowych w Warszawie

Wpływ płynności obrotu na kształtowanie się stopy zwrotu z akcji notowanych na Giełdzie Papierów Wartościowych w Warszawie Agata Gnadkowska * Wpływ płynnośc obrotu na kształtowane sę stopy zwrotu z akcj notowanych na Gełdze Paperów Wartoścowych w Warszawe Wstęp Płynność aktywów na rynku kaptałowym rozumana jest przez nwestorów

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

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

WERYFIKACJA EKONOMETRYCZNA MODELU CAPM II RODZAJU DLA RÓŻNYCH HORYZONTÓW STÓP ZWROTU I PORTFELI RYNKOWYCH

WERYFIKACJA EKONOMETRYCZNA MODELU CAPM II RODZAJU DLA RÓŻNYCH HORYZONTÓW STÓP ZWROTU I PORTFELI RYNKOWYCH SCRIPTA COMENIANA LESNENSIA PWSZ m. J. A. Komeńskego w Leszne R o k 0 0 8, n r 6 TOMASZ ŚWIST* WERYFIKACJA EKONOMETRYCZNA MODELU CAPM II RODZAJU DLA RÓŻNYCH HORYZONTÓW STÓP ZWROTU I PORTFELI RYNKOWYCH

Bardziej szczegółowo

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

Natalia Nehrebecka. Dariusz Szymański

Natalia Nehrebecka. Dariusz Szymański Natala Nehrebecka Darusz Szymańsk . Sprawy organzacyjne Zasady zalczena Ćwczena Lteratura. Czym zajmuje sę ekonometra? Model ekonometryczny 3. Model lnowy Postać modelu lnowego Zaps macerzowy modelu dl

Bardziej szczegółowo

DYNAMICZNE MODELE EKONOMETRYCZNE

DYNAMICZNE MODELE EKONOMETRYCZNE DYNAMICZNE MODELE EKONOMETRYCZNE IX Ogólnopolskie Seminarium Naukowe, 6 8 września 2005 w Toruniu Kaedra Ekonomerii i Saysyki, Uniwersye Mikołaja Kopernika w Toruniu Kaarzyna Kuziak Akademia Ekonomiczna

Bardziej szczegółowo

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

Inwestowanie w jakość na rynkach akcji w Europie Środkowo-Wschodniej

Inwestowanie w jakość na rynkach akcji w Europie Środkowo-Wschodniej Bank Kredy 46(2 205 65-90 Inwesowane w jakość na rynkach akcj w Europe Środkowo-Wschodnej Adam Zarema* Nadesłany: 2 wrześna 204 r. Zaakcepowany: 3 marca 205 r. Sreszczene Opracowane ma na celu przedsawene

Bardziej szczegółowo

PROBLEM ODWROTNY DLA RÓWNANIA PARABOLICZNEGO W PRZESTRZENI NIESKOŃCZENIE WYMIAROWEJ THE INVERSE PARABOLIC PROBLEM IN THE INFINITE DIMENSIONAL SPACE

PROBLEM ODWROTNY DLA RÓWNANIA PARABOLICZNEGO W PRZESTRZENI NIESKOŃCZENIE WYMIAROWEJ THE INVERSE PARABOLIC PROBLEM IN THE INFINITE DIMENSIONAL SPACE JAN KOOŃSKI POBLEM ODWOTNY DLA ÓWNANIA PAABOLICZNEGO W PZESTZENI NIESKOŃCZENIE WYMIAOWEJ THE INVESE PAABOLIC POBLEM IN THE INFINITE DIMENSIONAL SPACE S r e s z c z e n e A b s r a c W arykule skonsruowano

Bardziej szczegółowo

Rozwiązywanie zadań optymalizacji w środowisku programu MATLAB

Rozwiązywanie zadań optymalizacji w środowisku programu MATLAB Rozwązywane zadań optymalzacj w środowsku programu MATLAB Zagadnene optymalzacj polega na znajdowanu najlepszego, względem ustalonego kryterum, rozwązana należącego do zboru rozwązań dopuszczalnych. Standardowe

Bardziej szczegółowo

Wpływ innowacji wybranych czynników na równowag cenowà. walorów notowanych na Giełdzie Papierów Wartościowych

Wpływ innowacji wybranych czynników na równowag cenowà. walorów notowanych na Giełdzie Papierów Wartościowych Ban Kredy lpec 8 Ryn Insyuce Fnansowe 37 Wpływ nnowac wybranych czynnów na równowag cenowà walorów noowanych na Gełdze Paperów WaroÊcowych w Warszawe Impac of Innovaon of Seleced Facors on Prce Equlbrum

Bardziej szczegółowo

ESTYMACJA KRZYWEJ DOCHODOWOŚCI STÓP PROCENTOWYCH DLA POLSKI

ESTYMACJA KRZYWEJ DOCHODOWOŚCI STÓP PROCENTOWYCH DLA POLSKI METODY ILOŚCIOWE W BADANIACH EKONOMICZNYCH Tom XIII/3, 202, sr. 253 26 ESTYMACJA KRZYWEJ DOCHODOWOŚCI STÓP PROCENTOWYCH DLA POLSKI Adam Waszkowski Kaedra Ekonomiki Rolnicwa i Międzynarodowych Sosunków

Bardziej szczegółowo

DYNAMICZNE MODELE EKONOMETRYCZNE

DYNAMICZNE MODELE EKONOMETRYCZNE DYNAMICZNE MODELE EKONOMETRYCZNE X Ogólnopolskie Seminarium Naukowe, 4 6 września 2007 w Toruniu Kaedra Ekonomerii i Saysyki, Uniwersye Mikołaja Kopernika w Toruniu Uniwersye Gdański Zasosowanie modelu

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

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

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

Stanisław Cichocki. Natalia Nehrebecka Katarzyna Rosiak-Lada. Zajęcia 3

Stanisław Cichocki. Natalia Nehrebecka Katarzyna Rosiak-Lada. Zajęcia 3 Stansław Cchock Natala Nehrebecka Katarzyna Rosak-Lada Zajęca 3 1. Dobrod dopasowana równana regresj. Współczynnk determnacj R 2 Dekompozycja warancj zmennej zależnej Współczynnk determnacj R 2 2. Zmenne

Bardziej szczegółowo

DYNAMICZNE MODELE EKONOMETRYCZNE

DYNAMICZNE MODELE EKONOMETRYCZNE DYNAMICZNE MODELE EKONOMETRYCZNE X Ogólnopolskie Seminarium Naukowe, 4 6 września 2007 w Toruniu Kaedra Ekonomerii i Saysyki, Uniwersye Mikołaja Kopernika w Toruniu Pior Fiszeder Uniwersye Mikołaja Kopernika

Bardziej szczegółowo

Parytet stóp procentowych a premia za ryzyko na przykładzie kursu EURUSD

Parytet stóp procentowych a premia za ryzyko na przykładzie kursu EURUSD Parye sóp procenowych a premia za ryzyko na przykładzie kursu EURUD Marcin Gajewski Uniwersye Łódzki 4.12.2008 Parye sóp procenowych a premia za ryzyko na przykładzie kursu EURUD Niezabazpieczony UIP)

Bardziej szczegółowo

Substytucja między kredytem kupieckim i bankowym w polskich przedsiębiorstwach wyniki empiryczne na podstawie danych panelowych

Substytucja między kredytem kupieckim i bankowym w polskich przedsiębiorstwach wyniki empiryczne na podstawie danych panelowych Bank Kredy 43 6, 01, 9 56 www.bankkredy.nbp.pl www.bankandcred.nbp.pl Subsyucja mędzy kredyem kupeckm bankowym w polskch przedsęborswach wynk empryczne na podsawe danych panelowych Jerzy Marzec*, Małgorzaa

Bardziej szczegółowo

Finanse. cov. * i. 1. Premia za ryzyko. 2. Wskaźnik Treynora. 3. Wskaźnik Jensena

Finanse. cov. * i. 1. Premia za ryzyko. 2. Wskaźnik Treynora. 3. Wskaźnik Jensena Finanse 1. Premia za ryzyko PR r m r f. Wskaźnik Treynora T r r f 3. Wskaźnik Jensena r [ rf ( rm rf ] 4. Porfel o minimalnej wariancji (ile procen danej spółki powinno znaleźć się w porfelu w a w cov,

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

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

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

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

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

Stanisław Cichocki Natalia Nehrebecka. Wykład 3

Stanisław Cichocki Natalia Nehrebecka. Wykład 3 Sanisław Cichocki Naalia Nehrebecka Wykład 3 1 1. Regresja pozorna 2. Funkcje ACF i PACF 3. Badanie sacjonarności Tes Dickey-Fullera (DF) Rozszerzony es Dickey-Fullera (ADF) 2 1. Regresja pozorna 2. Funkcje

Bardziej szczegółowo

WYCENA KONTRAKTÓW FUTURES, FORWARD I SWAP

WYCENA KONTRAKTÓW FUTURES, FORWARD I SWAP Krzyszof Jajuga Kaedra Inwesycji Finansowych i Zarządzania Ryzykiem Uniwersye Ekonomiczny we Wrocławiu WYCENA KONRAKÓW FUURES, FORWARD I SWAP DWA RODZAJE SYMERYCZNYCH INSRUMENÓW POCHODNYCH Symeryczne insrumeny

Bardziej szczegółowo

Krzysztof Piontek Weryfikacja modeli Blacka-Scholesa dla opcji na WIG20

Krzysztof Piontek Weryfikacja modeli Blacka-Scholesa dla opcji na WIG20 Akademia Ekonomiczna im. Oskara Langego we Wrocławiu Wydział Zarządzania i Informayki Kaedra Inwesycji Finansowych i Zarządzania Ryzykiem Krzyszof Pionek Weryfikacja modeli Blacka-Scholesa oraz AR-GARCH

Bardziej szczegółowo

DYNAMICZNE MODELE EKONOMETRYCZNE

DYNAMICZNE MODELE EKONOMETRYCZNE DYNAMICZNE MODEE EKONOMETRYCZNE X Ogólnopolskie Seminarium Naukowe, 4 6 września 007 w Toruniu Kaedra Ekonomerii i Saysyki, Uniwersye Mikołaja Kopernika w Toruniu Joanna Małgorzaa andmesser Szkoła Główna

Bardziej szczegółowo

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. Wykład 7

Stanisław Cichocki. Natalia Nehrebecka. Wykład 7 Stansław Cchock Natala Nehrebecka Wykład 7 . Zmenne dyskretne Kontrasty: efekty progowe, kontrasty w odchylenach Interakcje. Przyblżane model nelnowych Stosowane do zmennych dyskretnych o uporządkowanych

Bardziej szczegółowo

XXX OLIMPIADA FIZYCZNA ETAP III Zadanie doświadczalne

XXX OLIMPIADA FIZYCZNA ETAP III Zadanie doświadczalne XXX OLIMPIADA FIZYCZNA ETAP III Zadane dośwadczalne ZADANIE D Nazwa zadana: Maszyna analogowa. Dane są:. doda półprzewodnkowa (krzemowa) 2. opornk dekadowy (- 5 Ω ), 3. woltomerz cyfrowy, 4. źródło napęca

Bardziej szczegółowo

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

PROGNOZOWANIE I SYMULACJE. mgr Żaneta Pruska. Ćwiczenia 2 Zadanie 1 PROGNOZOWANIE I SYMULACJE mgr Żanea Pruska Ćwiczenia 2 Zadanie 1 Firma Alfa jes jednym z głównych dosawców firmy Bea. Ilość produku X, wyrażona w ysiącach wyprodukowanych i dosarczonych szuk firmie Bea,

Bardziej szczegółowo

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

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

MODELOWANIE FINANSOWYCH SZEREGÓW CZASOWYCH Z WARUNKOWĄ WARIANCJĄ. 1. Wstęp

MODELOWANIE FINANSOWYCH SZEREGÓW CZASOWYCH Z WARUNKOWĄ WARIANCJĄ. 1. Wstęp WERSJA ROBOCZA - PRZED POPRAWKAMI RECENZENTA Krzyszof Pionek Akademia Ekonomiczna we Wrocławiu MODELOWANIE FINANSOWYCH SZEREGÓW CZASOWYCH Z WARUNKOWĄ WARIANCJĄ. Wsęp Spośród wielu rodzajów ryzyka, szczególną

Bardziej szczegółowo

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

Alicja Ganczarek Akademia Ekonomiczna w Katowicach. Analiza niezależności przekroczeń VaR na wybranym segmencie rynku energii DYNAMICZNE MODELE EKONOMETRYCZNE X Ogólnopolskie Seminarium Naukowe, 4 6 września 007 w Toruniu Kaedra Ekonomerii i Saysyki, Uniwersye Mikołaja Kopernika w Toruniu Akademia Ekonomiczna w Kaowicach Analiza

Bardziej szczegółowo

ZASTOSOWANIE ZMODYFIKOWANEJ METODY NAJBLIŻSZYCH SĄSIADÓW DO PROGNOZOWANIA CHAOTYCZNYCH SZEREGÓW CZASOWYCH

ZASTOSOWANIE ZMODYFIKOWANEJ METODY NAJBLIŻSZYCH SĄSIADÓW DO PROGNOZOWANIA CHAOTYCZNYCH SZEREGÓW CZASOWYCH Kaarzyna Zeug-Żebro Unwersye Ekonomczny w Kaowcach ZASTOSOWANIE ZMODYFIKOWANEJ METODY NAJBLIŻSZYCH SĄSIADÓW DO PROGNOZOWANIA CHAOTYCZNYCH SZEREGÓW CZASOWYCH Wprowazene Deermnzm ukłaów chaoycznych wskazuje

Bardziej szczegółowo

IID = 2. i i i i. x nx nx nx

IID = 2. i i i i. x nx nx nx Zadane Analzujemy model z jedną zmenną objaśnającą bez wyrazu wolnego: y = β x + ε, ε ~ (0, σ ), gdze x jest nelosowe.. Wyznacz estymator MNK parametru β oraz oblcz jego warancję. (4 pkt) y. Zaproponowano

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

Analiza i Zarządzanie Portfelem cz. 6 R = Ocena wyników zarządzania portfelem. Pomiar wyników zarządzania portfelem. Dr Katarzyna Kuziak

Analiza i Zarządzanie Portfelem cz. 6 R = Ocena wyników zarządzania portfelem. Pomiar wyników zarządzania portfelem. Dr Katarzyna Kuziak Ocena wyników zarządzania porelem Analiza i Zarządzanie Porelem cz. 6 Dr Kaarzyna Kuziak Eapy oceny wyników zarządzania porelem: - (porolio perormance measuremen) - Przypisanie wyników zarządzania porelem

Bardziej szczegółowo

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

PREDYKCJA KURSU EURO/DOLAR Z WYKORZYSTANIEM PROGNOZ INDEKSU GIEŁDOWEGO: WYBRANE MODELE EKONOMETRYCZNE I PERCEPTRON WIELOWARSTWOWY B A D A N I A O P E R A C J N E I D E C Z J E Nr 2004 Aleksandra MAUSZEWSKA Doroa WIKOWSKA PREDKCJA KURSU EURO/DOLAR Z WKORZSANIEM PROGNOZ INDEKSU GIEŁDOWEGO: WBRANE MODELE EKONOMERCZNE I PERCEPRON WIELOWARSWOW

Bardziej szczegółowo

Ocena dochodu i ryzyka inwestycji w akcje spółek z branży TSL notowanych na GPW w Warszawie 2

Ocena dochodu i ryzyka inwestycji w akcje spółek z branży TSL notowanych na GPW w Warszawie 2 Anea Włodarczyk 1 Poliechnika Częsochowska Ocena dochodu i ryzyka inwesycji w akcje spółek z branży TSL noowanych na GPW w Warszawie Wprowadzenie Globalizacja rynku usług TSL (Transpor, Spedycja, Logisyka)

Bardziej szczegółowo

Sprawozdanie powinno zawierać:

Sprawozdanie powinno zawierać: Sprawozdane pownno zawerać: 1. wypełnoną stronę tytułową (gotowa do ćw. nr 0 na strone drugej, do pozostałych ćwczeń zameszczona na strone 3), 2. krótk ops celu dośwadczena, 3. krótk ops metody pomaru,

Bardziej szczegółowo

Heteroskedastyczność szeregu stóp zwrotu a koncepcja pomiaru ryzyka metodą VaR

Heteroskedastyczność szeregu stóp zwrotu a koncepcja pomiaru ryzyka metodą VaR Krzyszof Pionek Kaedra Inwesycji Finansowych i Ubezpieczeń Akademia Ekonomiczna we Wrocławiu Heeroskedasyczność szeregu sóp zwrou a koncepcja pomiaru ryzyka meodą VaR Wsęp Spośród wielu rodzajów ryzyka

Bardziej szczegółowo

Jerzy Czesław Ossowski Katedra Ekonomii i Zarzdzania Przedsibiorstwem Wydział Zarzdzania i Ekonomii Politechnika Gdaska

Jerzy Czesław Ossowski Katedra Ekonomii i Zarzdzania Przedsibiorstwem Wydział Zarzdzania i Ekonomii Politechnika Gdaska Jerzy Czesław Ossowsk Kaedra Ekonom Zarzdzana Przedsborswem Wydzał Zarzdzana Ekonom Polechnka Gdaska IX Ogólnoposke Semnarum Naukowe n. Dynamczne modele ekonomeryczne, Kaedra Ekonomer Saysyk, Unwersye

Bardziej szczegółowo

Henryk Gurgul, Robert Syrek Wykorzystanie kopuł do konstrukcji portfeli inwestycyjnych. Managerial Economics 2, 31-44

Henryk Gurgul, Robert Syrek Wykorzystanie kopuł do konstrukcji portfeli inwestycyjnych. Managerial Economics 2, 31-44 Henryk Gurgul Rober Syrek Wykorzysane kopuł o konsrukcj porfel nwesycyjnych Manageral Economcs 3-44 007 Ekonoma Meneżerska 007 nr s. 3 44 Henryk Gurgul* Rober Syrek** Wykorzysane kopuł o konsrukcj porfel

Bardziej szczegółowo

BEZRYZYKOWNE BONY I LOKATY BANKOWE ALTERNATYWĄ DLA PRZYSZŁYCH EMERYTÓW. W tym krótkim i matematycznie bardzo prostym artykule pragnę osiągnąc 3 cele:

BEZRYZYKOWNE BONY I LOKATY BANKOWE ALTERNATYWĄ DLA PRZYSZŁYCH EMERYTÓW. W tym krótkim i matematycznie bardzo prostym artykule pragnę osiągnąc 3 cele: 1 BEZRYZYKOWNE BONY I LOKATY BANKOWE ALTERNATYWĄ DLA PRZYSZŁYCH EMERYTÓW Leszek S. Zaremba (Polish Open Universiy) W ym krókim i maemaycznie bardzo prosym arykule pragnę osiągnąc cele: (a) pokazac że kupowanie

Bardziej szczegółowo

Mikroekonometria 5. Mikołaj Czajkowski Wiktor Budziński

Mikroekonometria 5. Mikołaj Czajkowski Wiktor Budziński Mkroekonometra 5 Mkołaj Czajkowsk Wktor Budzńsk Uogólnone modele lnowe Uogólnone modele lnowe (ang. Generalzed Lnear Models GLM) Różną sę od standardowego MNK na dwa sposoby: Rozkład zmennej objaśnanej

Bardziej szczegółowo

HSC Research Report. Principal Components Analysis in implied volatility modeling (Analiza składowych głównych w modelowaniu implikowanej zmienności)

HSC Research Report. Principal Components Analysis in implied volatility modeling (Analiza składowych głównych w modelowaniu implikowanej zmienności) HSC Research Repor HSC/04/03 Prncpal Componens Analyss n mpled volaly modelng (Analza składowych głównych w modelowanu mplkowanej zmennośc) Rafał Weron* Sławomr Wójck** * Hugo Senhaus Cener, Wrocław Unversy

Bardziej szczegółowo

PIOTR FISZEDER, JACEK KWIATKOWSKI Katedra Ekonometrii i Statystyki

PIOTR FISZEDER, JACEK KWIATKOWSKI Katedra Ekonometrii i Statystyki PIOTR FISZEDER, JACEK KWIATKOWSKI Kaedra Ekonomerii i Saysyki DYNAMICZNA ANALIZA ZALEŻNOŚCI POMIĘDZY OCZEKIWANĄ STOPĄ ZWROTU A WARUNKOWĄ WARIANCJĄ Sreszczenie: W badaniu zasosowano modele GARCHM ze sałym

Bardziej szczegółowo

OBSERWACJE ODSTAJĄCE NA RYNKU ENERGII ELEKTRYCZNEJ

OBSERWACJE ODSTAJĄCE NA RYNKU ENERGII ELEKTRYCZNEJ Suda Ekonomczne. Zeszyy Naukowe Unwersyeu Ekonomcznego w Kaowcach ISSN 083-86 Nr 88 06 Informayka Ekonomera 5 Alcja Ganczarek-Gamro Unwersye Ekonomczny Wydzał Informayk Komunkacj Kaedra Demograf Saysyk

Bardziej szczegółowo

WYBRANE TESTY NIEOBCIĄŻONOŚCI MIAR RYZYKA NA PRZYKŁADZIE VALUE AT RISK

WYBRANE TESTY NIEOBCIĄŻONOŚCI MIAR RYZYKA NA PRZYKŁADZIE VALUE AT RISK Przemysław Jeziorski Uniwersye Ekonomiczny w Kaowicach Wydział Informayki i Komunikacji Zakład Demografii i Saysyki Ekonomicznej przemyslaw.jeziorski@ue.kaowice.pl WYBRANE TESTY NIEOBCIĄŻONOŚCI MIAR RYZYKA

Bardziej szczegółowo

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

Regresja liniowa i nieliniowa

Regresja liniowa i nieliniowa Metody prognozowana: Regresja lnowa nelnowa Dr nż. Sebastan Skoczypec Zmenna losowa Zmenna losowa X zmenna, która w wynku pewnego dośwadczena przyjmuje z pewnym prawdopodobeństwem wartość z określonego

Bardziej szczegółowo

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

specyfikacji i estymacji modelu regresji progowej (ang. threshold regression). 4. Modele regresji progowej W badaniach empirycznych coraz większym zaineresowaniem cieszą się akie modele szeregów czasowych, kóre pozwalają na objaśnianie nieliniowych zależności między poszczególnymi

Bardziej szczegółowo

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

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

OPTYMALIZACJA PORTFELA INWESTYCYJNEGO ZE WZGLĘDU NA MINIMALNY POZIOM TOLERANCJI DLA USTALONEGO VaR Daniel Iskra Uniwersye Ekonomiczny w Kaowicach OPTYMALIZACJA PORTFELA IWESTYCYJEGO ZE WZGLĘDU A MIIMALY POZIOM TOLERACJI DLA USTALOEGO VaR Wprowadzenie W osanich laach bardzo popularną miarą ryzyka sała

Bardziej szczegółowo

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

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

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

Prognozowanie cen detalicznych żywności w Polsce

Prognozowanie cen detalicznych żywności w Polsce Prognozowane cen dealcznych żywnośc w Polsce Marusz Hamulczuk IERGŻ - PIB Kaarzyna Herel NBP Co dlaczego prognozujemy Krókookresowe prognozy cen dealcznych Ceny dealczne (ndywdualne produky, agregay) Isone

Bardziej szczegółowo

MODEL DWUMIANOWY II RZĘDU I SKOŚNY ROZKŁAD STUDENTA W ANALIZIE RYZYKA KREDYTOWEGO *

MODEL DWUMIANOWY II RZĘDU I SKOŚNY ROZKŁAD STUDENTA W ANALIZIE RYZYKA KREDYTOWEGO * Jacek Osewalsk, Jerzy Marzec, Kaedra Ekonomer Badań Operacyjnych, Unwersye Ekonomczny w Krakowe MODEL DWUMIANOWY II RZĘDU I SKOŚNY ROZKŁAD STUDENTA W ANALIZIE RYZYKA KREDYTOWEGO * Jacek Osewalsk e-mal:

Bardziej szczegółowo

licencjat Pytania teoretyczne:

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

Bardziej szczegółowo

ZASTOSOWANIE MODELU MOTAD DO TWORZENIA PORTFELA AKCJI KLASYFIKACJA WARUNKÓW PODEJMOWANIA DECYZJI

ZASTOSOWANIE MODELU MOTAD DO TWORZENIA PORTFELA AKCJI KLASYFIKACJA WARUNKÓW PODEJMOWANIA DECYZJI Krzysztof Wsńsk Katedra Statystyk Matematycznej, AR w Szczecne e-mal: kwsnsk@e-ar.pl ZASTOSOWANIE MODELU MOTAD DO TWORZENIA PORTFELA AKCJI Streszczene: W artykule omówono metodologę modelu MOTAD pod kątem

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