pierwsza wersja: 5 listopada 2007 r., ostateczna wersja: 14 lutego 2008 r., akceptacja: 27 lutego 2008 r. Abstract

Wielkość: px
Rozpocząć pokaz od strony:

Download "pierwsza wersja: 5 listopada 2007 r., ostateczna wersja: 14 lutego 2008 r., akceptacja: 27 lutego 2008 r. Abstract"

Transkrypt

1 Bak Krdy syczń 28 Ryk Isyucj Fasow 6 Aalza powàzaƒ pom dzy dksam głdowym wlkoêcà obroów a Głdz Paprów WaroÊcowych w Warszaw * Th Prc-Volum Lkags o h Warsaw Sock Exchag Jrzy Rmbza **, Grzgorz Przkoa ***, Aa Szczpańska-Przkoa **** prwsza wrsja: 5 lsopada 27 r., osacza wrsja: 4 lugo 28 r., akcpacja: 27 lugo 28 r. Srszcz Absrac W arykul sarao sę okrślć kruk powązań oraz rozkład rakcj w czas pomędzy dwoma charakrysykam głdowym: dksam głdowym wlkoścą obroów. Wykorzysa da doyczą dksów: WIG, WIG2, mwig4 oraz swig8 w laach W badau wykorzysao arzędza zwąza z modlam VAR. Wyk sów wskazują, ż moża uaj mówć o zalżośc mędzy waroścą dksów a obroam. Jdak z drugj sroy wyk aalzy odpowdz a mpuls oraz dkompozycj waracj błędu progozy wskazują a bardzo słabą zalżość ych zmych. Przprowadzo badaa przczą jdozacz ssow obsrwacj wlkośc obroów, al sprawają, ż dcyzj wsycyj podjmowa a podsaw ych obsrwacj sają sę dyskusyj. Ths papr vsgas h causal rlaoshp bw sock ad volum o h Warsaw Sock Exchag. Th Gragr causaly s ad VAR modl hav b usd. Th causaly s rvals ha hr s udrcoal causaly rug from prcs o volum. Howvr, mpuls rspos fucos ad varac dcomposo show a wak rlao bw prc ad volum. Th rsuls ar coss wh h ffc mark hypohss. Słowa kluczow: dks głdowy, cy, obroy, przyczyowość Kywords: sock xchag dx, prcs, volum, causaly JEL: G4, G2, C32 * Praca aukowa fasowaa z środków a aukę w laach jako projk badawczy. ** Polchka Koszalńska w Koszal, Isyu Ekoom Zarządzaa, Zakład Ekoom *** Szkoła Główa Gospodarswa Wjskgo w Warszaw, Wydzał Iżyr Produkcj, Kadra Orgazacj Iżyr Produkcj, -mal: grzgorzprzkoa@wp.pl **** Bak Zachod WBK SA

2 62 Facal Marks ad Isuos Bak Krdy syczń 28. Wsęp Wolum obroów oraz pozom c o podsawow formacj opsując syuację a ryku akcj będąc przdmom obsrwacj przz wsorów głdowych. W soc jdak zacz charakru powązań pomędzy ym wlkoścam wykracza poza problmy kszałowaa srag wsycyjych doyczy fudamalych problmów fukcjoowaa ryków fasowych. Przsłak zarsowaa badaczy zwązkam pomędzy cam a obroam wykają m.. z asępujących kws (Gold 24; Karpoff 987): aalza ych powązań pozwala a ocę fukcjoowaa srukur ryków fasowych, wyk aalz rlacj pomędzy cam a wolumm mogą być przyda w rpracj ych badań, doyczących p. rozprzsrzaa sę owych formacj, rlacj ca wolum mogą być użycz w aalz rozkładu c a rykach fasowych, odbgającgo od rozkładu ormalgo, rlacj ca wolum wywrają soy wpływ a fukcjoowa ryków rmowych, w wlu procdurach aalzy chczj wolum rakoway js jako jdo z kryrów podjmowaa dcyzj wsycyjych. Wększość aalz mpryczych doyczących powązań pomędzy cam a wolumm doyczy rozwęych ryków fasowych. Powązaa a mjszych, rozwjających sę rykach mogą być jdak odm z względu a różc o charakrz syucjoalym (Ch, L 26; Gűdűz, Ham 25; Saacoglu, Sarks 998), a poado mogą sę zmać wraz z przkszałcam ryków (Cr 22). W jszym opracowau sarao sę przdsawć powązaa pomędzy obroam a cam w odsu do wybraych dksów a Głdz Paprów Waroścowych w Warszaw. Sarao sę przd wszyskm okrślć kruk powązań pomędzy ym wlkoścam oraz opsać rozkład w czas wzajmych rakcj. Wyk aalzy mogą być przyczykm ocy fkywośc fukcjoowaa ryku akcj a GPW oraz dyskusj ad przydaoścą kórych srag oparych a aalz chczj. 2. Rlacj ca wolum w śwl badań oryczych mpryczych Najprossz aalzy powązań pomędzy cam a wolumm ograczały sę do chk korlacj (Gold 24). Wskazując a dodaą korlację mędzy sopam zwrou a wolumm oraz mędzy waracją c a wolumm, sugrowały, ż cy lośc moża rakować jako subsyucyj mary rakcj ryków a ow formacj, przy czym woszą o c do progoz rykowych. W soc ak rakowa rlacj ca wolum wymaga przyjęca hpozy fkywośc ryków. Hpoza a js jdak w wlu opracowaach kwsoowaa. W koskwcj część auorów sugruj, ż formacj o wolum mogą być uży do prdykcj c (L, Swamaha 2; Ch al. 2). Tak podjśc zakłada, ż wolum zachowuj sę co aczj ż cy dosarcza ych formacj. W koskwcj formacj o wolum cach płj charakryzują ryk ż sam cy (Hmsra, Jos 994). W modlu Suoma (2) wolum moż być źródłm dodakowych formacj, gdyż pomaga w rozwązau problmu asymr formacj a ryku. W modlu Bluma, Easlya O Hary (994) rówż cy są ośkm całj formacj. Wolum dosarcza wsorom wdzy o prcyzj owj formacj apływającj a ryk. Isją rówż zróżcowa op o zachowau sę c w zalżośc od wolumu. Auorzy częśc prac uważają, ż dcj cow wykazują wększą skłoość do odwróca, gdy mamy do czya z małym wolumm (Sckl, Vrrccha 994). Nsk wolum js bowm skukm małj akywośc lpj poformowaych wsorów. W ych pracach wyrażoy js pogląd, ż dcj cow są bardzj arażo a odwróc przy dużym wolum (Campbll al. 993). Wyka o z rosących koszów rasakcyjych. Mchazm powązań pomędzy wolumm a cam łumaczą dw or: ora skwcyjgo apływu formacj (Jgs al. 98) oraz ora mszak rozkładów (Epps, Epps 976). Zgod z prwszą orą owa formacja sopowo rozprzsrza sę a ryku, dając kolj pośrd say rówowag, a osacza rówowaga zosaj usaloa, gdy owa formacja dorz do wszyskch. W modlu ym mamy do czya z dodam zwroym zwązkam pomędzy wolumm a cą. Opóźo da o wolum wpływają a sopy zwrou, a opóźo sopy zwrou wyjaśają bżący wolum. Hpoza mszak rozkładów zakłada, ż da mprycz pochodzą z mszak rozkładów o różj warukowj waracj. Iformacja js rakowaa jako zma obsrwowala, kóra js odzwrcdloa w wolum. Wolum moża rakować jako marę zgody pomędzy wsoram co do progoz rykowych, a modl prowadz do wosku, ż powy sę uwdoczać doda zalżośc wolumu do c. Problm powązań ca wolum zawra rówż hpoza ryku kohrgo Vag (99), kóry do daych głdowych zaadapował orę społczgo aśladowcwa opracowaą przz Callaa Shapro (974). Główą kwsą w j or js okrśl zw. sopa asla zachowań sadych, kóry właś objmuj aalzę srukury akcj w faz rosącj maljącj oraz obroów. Zróżcowa wyk uzyskwao ż w mpryczych aalzach doyczących rlacj ca wolum.

3 Bak Krdy syczń 28 Ryk Isyucj Fasow 63 W wększośc aalz doyczących rozwęych ryków kapałowych swrdzao wpływ sóp zwrou a wolum, przy braku powązań przyczyowych skrowaych w odwroym kruku (Ch al. 2; L, Swamaha 2). Bardzj zróżcowa wyk uzyskwao w odsu do ryków wschodzących. Dla wlu z ch swrdzao s dwukrukowj przyczyowośc pomędzy cam a wolumm (Gűdűz, Ham 25; Saacoglu, Sarks 998). 3. Moda aalzy Wykrs. Szrg czasow dksów głdowych 8 warość dksu warość dksu WIG.2.27 WIG WIG obroy obroy (ml) rok mwig mwig4 mwig4 obroy obroy (ml) rok W opracowau przprowadzoo aalzę powązań pomędzy cam a obroam w odsu do asępujących dksów GPW w Warszaw: WIG, WIG2, mwig4 oraz swig8. Wykorzysao da za okrs syczń 2 r. paźdzrk 27 r. Dobrając okrs aalzy, brao pod uwagę dw możlwośc: począk w 995 r., kdy ssj odbywały sę już 5 razy w ygodu, lub daę późjszą aką, aby szrg czasow były jak ajdłuższ, kóra uwzględałaby szybk rozwój chologczy zauważaly w osach laach. W sposób zdcydowao sę a rok 2. Aalzowa da dz warośc dksów a zamkęcu ssj oraz obroy a daj ssj za okrs.2.27 przdsawoo a wykrs. Wdać a m podobą dcję w zachowau sę warośc poszczgólych dksów oraz obroów, choć wydaj sę, ż zwązk były ajwyraźjsz w przypadku WIG oraz WIG2. W przypadku dksu mwig4 w prwszym roku aalzy asępował spadk obroów przy dość sablym pozom c. W późjszym okrs, ak jak w przypadku pozosałych dksów, wzrosow warośc owarzyszył wzros obroów. Najprossz mody aalzy powązań pomędzy dksam głdowym oprają sę a oblczau współczyków korlacj. Tchcz są o ajprossz, al z względu a pw cchy szrgów czasowych (sacjoarość, hroscdasyczość) mogą dawać mało warygod wyk. Wększ możlwośc aalycz mają modl auorgrsyj odwołując sę do kocpcj gracj kogracj. W pracy wykorzysao oba podjśca. Za pomocą współczyka korlacj okrśloo słę kruk zalżośc pomędzy oowaam dksów głdowych a wlkoścą obroów. Aby osągąć bardzj prcyzyją aalzę powązań, wykorzysao procdury odwołując sę do kocpcj gracj kogracj. Przprowadzoo aalzę przyczyowośc Gragra oraz zasosowao arzędza zwąza z modlm VAR: fukcję odpowdz a mpuls oraz dkompozycję waracj błędu progozy. Mody pozwolą odpowdzć a pyaa o kruk przyczyowośc w zwązku pomędzy waroścam dksów głdowych a wlkoścą obroów oraz o słę wzajmgo oddzaływaa ych zmych. gdz: Pukm wyjśca był modl VAR o posac: AAD D A A A2 A A... k A k [, 2,..., wkor obsrwacj bżących [, 2,..., warośc zmych, D [, 2,..., ] wkor drmsyczych zmych modlu, A [, 2,..., ] macrz paramrów sojących przy sochasyczych B zmych, Γ D Γ Γ Γk ξ A macrz paramrów przy opóźoych zmych wkora B Γ D Γ Γ Γk ξ A B, Γ A B Γ A A B Γ B ξ B Γ B ξ μ θ ξ warość dksu WIG μ θ B Φ θ ξ WIG2 θ Φ μ B θξ WIG2 obroy rok μ E θ ξ warość dksu obroy 25 swig (ml) swig E swig8 θ ξ obroy obroy (ml) rok () Źródło: opracowa włas a podsaw daych GPW w Warszaw.

4 64 Facal Marks ad Isuos Bak Krdy syczń 28 Tabla. Korlacj pomędzy waroścam dksów głdowych a wlkoścą obroów Korlacj Obsrwacj Prwsz przyrosy WIG WIG ob.,973,8 WIG2 WIG2 ob.,833,43 mwig4 mwig4 ob.,446,846 swig8 swig8 ob.,873,329 A D A A Ak Źródło: opracowa włas. [, 2,..., A D A A Ak [, 2,..., ] wkor sacjoarych zakłócń losowych. [, 2,..., A D A A Ak B Wykorzysując Γ D Γ w Γ2 aalz 2... Γkfukcję ξ odpowdz a mpuls oraz dkompozycj [,,..., ] waracj błędów progozy, 2 przkszałcoo A B Γ modl [, 2 (),..., do posac srukuralj: A B Γ B B k k ξ Γ [ D, Γ,..., ] Γ Γ 2 μ θξ B Γ D Γ Γ Γk AAD BA Γ A Ak A D A A Ak B ξ θ Φ B A B Γ [, 2,..., [, 2,..., A B Γ μ θ ξ μ θξ B ξ [,,..., 2 ] [, 2,..., ] θ Φ B μ θ ξ Γ B D E Γ D Γ 2θ ξ 2... Γ Γ 2 2 k... k ξγ k A D A A Ak μ A θ Φ B θξ BA Γ D A B Γ A Ak A B Γ A[ B, 2 Γ,..., B ξ E B ξ [, 2,..., μ θξ θ ξ [, 2,..., ] μ θξ [, μ 2,..., θ] ξ B E θ ξ Γ D Γ Γ Γ k θ Φ B B Γ θ D Γ Φ B Γ Γk A B Γ μ θ A ξ A B Γ μ θξ A ξ B Γ B ξ E θ ξ μ θξ E θ ξ μ θξ θ Φ B ξ Pomędzy A posacą B Γ podsawową a srukuralą zachodzą asępując zwązk: ξ Fukcja odpowdz a mpuls pozwala ocć rakcję pojdyczj zmj a jdoskową B ξ zmaę ych zmych wchodzących w skład wlowymaro- wgo sysmu. W clu rpracj fukcj odpowdz a mpuls sysm zosał przdsawoy w posac rprzacj śrdj ruchomj: ξ gdz, a ξ js bałym szumm z macrzą waracj kowaracj. Elmy macrzy θ zawrają od- ξ powdz sysmu a jdoskow zaburza. Elm θ jk, opsuj rakcję j-j zmj a jdoskow zaburz zmj k, kór asąpło okrsów wczśj. Akualzacja o okrsów powoduj, ż θ jk, opsuj rakcję j-j zmj w -ym okrs wprzód a akual jdoskow zaburz zmj k. Wzór (3) umożlwa progozowa przyszłych saów sysmu. Warość zmych w okrs wyos: θ B a błąd progozy: Φ μ θξ μ θξ E θ ξ E θ ξ W przprowadzoj aalz dla każdgo dksu posługwao sę sysmm dwuwymarowym (warość dksu oraz obroy). (2) (3) (4) (5) 4. Aalza powązań pomędzy dksam głdowym wlkoścą obroów Ogólą charakrysykę powązań pomędzy waroścą dksów a obroam przprowadzoo, posługując sę aalzą korlacj (abla ). Wyk orzyma dla zmych a ch pozomach wskazują a ogól sly zwązk pomędzy ym zmym, co odbga od wyków osągaych dla ych głd. Słabsz zwązk swrdzoo jdy dla dksu mwig4. Powyższ wyk wskazują a zwększoą akywość wsorów przy wysokch cach akcj oraz słabszą akywość przy skch cach akcj. Z puku wdza sosowaa arzędz aalzy chczj zwązk mędzy przyrosam js jdak ważjszy od zwązku mędzy obsrwacjam. Jśl prawdzw js wrdz, ż rosąca warość obroów wzmaca rd (maljący bądź rosący), o warukm koczym, choć wysarczającym js, aby współczyk korlacj pomędzy przyrosam warośc dksów a przyrosam wlkośc obroów był zblżoy do zra. Syuację aką swrdzoo jdy w przypadku dksu swig8. W przypadku pozosałych dksów współczyk korlacj so różły sę od zra. Przyczyowość zwązku pomędzy waroścą dksu a wlkoścą obroów zwryfkowao za pomocą su przyczyowośc Gragra (abla 2). Tsowao dw hpozy zrow: warośc dksu głdowgo są przyczyą wlkośc obroów oraz wlkośc obroów są przyczyą warośc dksu głdowgo. Badaa przprowadzoo dla szrgów czasowych obsrwacj oraz dla prwszych przyrosów obsrwacj. W modlach przyjęo lczbę opóźń zapwającą brak auokorlacj zakłócń. Wyk dla dksu głdowgo WIG, WIG2 oraz mwig4 jdozacz wskazują, ż zarówo w przypadku obsrwacj, jak prwszych przyrosów obsrwacj przyczyą wlkośc obroów są warośc dksów (hpoza zrowa o przyczyowośc zosaj odrzucoa a pozom soośc p <,). N mamy aomas podsaw do odrzuca hpozy, ż wlkośc obroów są przyczyą warośc dksu. Dla dksu głdowgo swig8 uzyskao zblżo rzulay, uaj akż hpoza zrowa, ż warośc dksu są przyczyą wlkośc obroów, zosaj od-

5 Bak Krdy syczń 28 Ryk Isyucj Fasow 65 Tabla 2. Tsowa przyczyowośc w ss Gragra Obsrwacj Prwsz przyrosy H: X js przyczyą lczba opóźń saysyka F pozom soośc lczba opóźń saysyka F pozom soośc WIG WIG ob. 2 53,455, 3 3,953,86 WIG ob. WIG 2,3764,6864 3,72,553 WIG2 WIG2 ob. 2 6,46, 4 2,369,52 WIG2 ob. WIG2 2,374,329 4,4648,766 mwig4 mwig4 ob. 2 6,39,23 3 3,982,84 mwig4 ob. mwig4 2,645,5266 3,235,297 swig8 swig8 ob. 2 54,94, 2,77, swig8 ob. swig8 2,365, 2,476,245 Źródło: opracowa włas. rzucoa (a pozom soośc p <,5). W odróżu od pozosałych dksów dla obsrwacj odrzucoa zosaj akż hpoza zrowa, ż wlkośc obroów są przyczyą warośc dksu. Z kol dla prwszych przyrosów obsrwacj ma podsaw do odrzuca j hpozy. Koljym apm badań js okrśl sacjoarośc użyych szrgów czasowych. W przypadku szrgów sacjoarych s zachowuj swoją moc ylko w przyblżu. Poado sacjoarość zmych js waża dla modlowaa zalżośc zwązku. Sacjoarość badaych szrgów czasowych wryfkowao sm ADF w dwóch wrsjach: bz sałj oraz z sałą (abla 3). W przypadku wszyskch warośc dksów swrdzao, ż są szrgam sacjoarym. Sacjoar były prwsz przyrosy obsrwacj szrgów czasowych dksów głdowych. Iym słowy były o zgrowa w sopu jd, czyl w zaps formalym I(). Zblżo wyk uzyskao dla zmych opsujących obroy. Poważ warośc dksów oraz obroy były zasadczo zmym zgrowaym w sopu jd, wększą warygodość mają sy przyczyowośc przprowadzo dla prwszych przyrosów zmych. Wyk sów gracj wskazują rówż, ż modlowa zalżośc pomędzy waroścam dksów a wlkoścą obroów powo doyczyć prwszych przyrosów. Pomędzy badaym zmym swrdzoo kogracj. Dlago koljym krokm aalzy było skosruowa modl VAR dla przyrosów warośc dksów głdowych wlkośc obroów, uwzględających jdy zwązk krókormow. W modlach ych a podsaw kryrum Schwarza przyjęo 4 opóź- Tabla 3. Ts gracj szrgów czasowych warośc dksów głdowych wlkośc obroów ADF bz sałj ADF z sałą Zma I() I() I() I() ADF p ADF p ADF p ADF p WIG 3,226, ,96,,9377, ,332, WIG obr.,673,7347-5,976, -,765,828-6,23, WIG2,523, ,5662,,589, ,62, WIG2 obr. -,2977,5787-6,8292, -,339,6299-6,834, mwig4 2,739,9987-9,63,,4439,9992-9,7894, mwig4 obr. -3,53,4-23,45, -4,472,2-23,498, swig8 3,5438,9999-2,35, 2,2449, -2,533, swig8 obr. -,2496,948 -,9829, -,687,4378 -,9884, Źródło: opracowa włas.

6 66 Facal Marks ad Isuos Bak Krdy syczń 28 Wykrs 2. Fukcj rakcj przyrosów warośc dksów głdowych przyrosów wlkośc obroów a mpulsy z ch sroy 4 Rakcja WIG 4 Rakcja WIG WIG WIG ob. 2 WIG2 WIG2 ob. - r ssj r ssj , Rakcja WIG ob. 2, Rakcja WIG2 ob. 8, 5, 2, WIG WIG ob., WIG2 WIG2 ob. 6, -6, r ssj , -5, r ssj , -, 3 Rakcja mwig4 Rakcja swig mwig4 mwig4 ob. r ssj swig8 swig8 ob. r ssj , 6, 5, 4, 3, 2,, -, -2, -3, Rakcja mwig4 ob. mwig4 mwig4 ob. r ssj , 25, 2, 5,, 5, -5, -, -5, -2, Rakcja swig8 ob. swig8 swig8 ob. r ssj Źródło: opracowa włas. a koljość rówań zgodą z wykam sów Gragra (przyros warośc dksu, przyros obroów). Z puku wdza mayk pracy ajważjsz js okrśl rakcj przyrosów warośc dksów głdowych przyrosów wlkośc obroów a mpulsy z ch sroy. Dlago w pracy przdsawoo fal wyk doycząc fukcj odpowdz a mpuls (wykrs 2). Wyzaczoo j dla 2 ssj, czyl około msąca oowań. Rakcja przyrosów warośc dksów głdowych WIG, WIG2 oraz mwig4 a mpuls wlkośc jdgo odchyla sadardowgo z sroy ch własych warośc js sla, al rwa ylko jdą ssję. Na drugj ssj mpuls js już bardzo słumoy, a a koljych prakycz wdoczy. W przypadku dksu swig8 rakcja przyrosu jgo warośc a mpuls z sroy własych warośc rwa dłużj; wdocza js jszcz a czwarj ssj, a późj dalj js sl łumoa. Iaczj przdsawa sę rakcja przyrosów warośc dksów głdowych a mpuls wlkośc jdgo odchyla sadardowgo z sroy przyrosu wlkośc obroów. W porówau z rakcją a mpuls z sroy własych warośc js oa prakycz wdocza. Rakcja przyrosu wlkośc obroów a mpuls z sroy ch własych warośc js sla rwa w przypadku dksów WIG WIG2 do sódmj ssj, a w przypadku mwig4 swig8 do czwarj ssj.

7 Bak Krdy syczń 28 Ryk Isyucj Fasow 67 Tabla 4. Dkompozycja waracj błędu progozy przyrosów warośc dksów głdowych Dkompozycja waracj błędu progozy Nr ssj WIG WIG2 mwig4 swig8 WIG WIG ob. WIG2 WIG2 ob. mwig4 mwig4 ob. swig8 swig8 ob. 2 99,986,39 99,9983,7 99,9894,6 99,9895,5 3 99,8943,57 99,922,878 99,735, ,746, ,8533,467 99,92,879 99,6323, ,4337, ,8533,467 99,9,889 99,5646, ,459, ,8253,747 99,962,938 99,5424, ,448, ,8252,748 99,96,939 99,5424, ,3926, ,8242,758 99,945,955 99,539,469 99,399, ,8234,766 99,944,956 99,5388,462 99,399,68 99,8233,767 99,944,956 99,5388,462 99,398,682 99,8229,77 99,943,957 99,5388,462 99,397, ,8229,77 99,943,957 99,5388,463 99,397, ,8228,772 99,942,958 99,5387,463 99,397, ,8228,772 99,942,958 99,5387,463 99,396, ,8228,772 99,942,958 99,5387,463 99,396, ,8228,772 99,942,958 99,5387,463 99,396,684 Źródło: opracowa włas. Tabla 5. Dkompozycja waracj błędu progozy przyrosów wlkośc obroów Dkompozycja waracj błędu progozy Nr ssj WIG ob. WIG2 ob. mwig4 ob. swig8 ob. WIG WIG ob. WIG2 WIG2 ob. mwig4 mwig4 ob. swig8 swig8 ob.,293 98,797 2,684 97,359,576 99,4239,29 99,997 2,388 98,682 2,389 97,692,537 99,4693, ,724 3,545 98,4855 2,487 97,593, ,4767,44 99,5589 4,624 98,3977 2,479 97,582,646 98,8354,8 98,9992 5, ,55 2,56 97,4984 2,46 97,9539, ,255 6, ,435 2,576 97,4924 2,736 97,9264, ,762 7, ,42 2,538 97,4962 2,38 97,8862, ,33 8, ,45 2,537 97,4963 2,453 97,8547 2,372 97,9628 9, ,374 2,54 97,496 2,56 97,8494 2,47 97,9583, ,334 2,555 97,4945 2,56 97,8494 2,42 97,9579, ,335 2,554 97,4946 2,57 97,8483 2,44 97,9559 2, ,335 2,553 97,4947 2,526 97,8474 2,449 97,955 3, ,335 2,553 97,4947 2,527 97,8473 2,449 97,955 4, ,334 2,553 97,4947 2,527 97,8473 2,45 97,955 5, ,334 2,553 97,4947 2,528 97,8472 2,45 97,9549 2, ,334 2,553 97,4947 2,528 97,8472 2,45 97,9549 Źródło: opracowa włas.

8 68 Facal Marks ad Isuos Bak Krdy syczń 28 Na asępych ssjach js już sl słumoa. Rakcja przyrosu wlkośc obroów a mpuls z sroy przyrosu warośc dksów głdowych js zdcydowa słabsza szybko łumoa. Szybka rakcja a pojawając sę w sysm mpulsy ch rów szybk łum śwadczą o sablośc opsywago sysmu. Rakcja przyrosu warośc dksów głdowych a mpuls z sroy przyrosu wlkośc obroów oraz rakcja przyrosu wlkośc obroów a mpuls z sroy przyrosu warośc dksów głdowych są słab, co ozacza sk pozom zalżośc mędzy ym zmym. Powrdzają o wyk dkompozycj waracj błędu progozy (abla 4 abla 5). Błąd progozy przyrosów warośc dksów głdowych zalży prakycz ylko od ch opóźoych warośc. W progoz a jdą ssję do przodu js o aw % dla wszyskch badaych dksów. W progozach o dłuższych horyzoach czasowych zacz spada, jdak dla wszyskch dksów wyos zawsz poad 99%, a udzał przyrosów wlkośc obroów w błędz progozy przyrosów warośc dksów głdowych js zawsz ższy ż %. Z kol błąd progozy przyrosów wlkośc obroów prakycz rówż zalży ylko od ch opóźoych warośc. W progoz a jdą ssję do przodu js o od 98,797% dla WIG do 99,997% dla swig8. W progozach o dłuższych horyzoach czasowych odsk zacz spada waha sę od 97,4947% dla WIG2 do 98,334% dla WIG. Udzał przyrosów warośc dksów głdowych w błędz progozy przyrosów wlkośc obroów waha sę od,8666% dla WIG do 2,553% dla WIG2. Warośc dkompozycj waracj błędu progozy przyrosów warośc dksów głdowych przyrosów wlkośc obroów powrdzają wczśj zauważoą zalżość ych zmych. Ozacza o, ż przyrosy warośc dksów głdowych oraz przyrosy wlkośc obroów zalżą praw wyłącz od swoch przszłych warośc. 5. Podsumowa Przprowadzo w pracy aalzy wskazały a bardzo slą, dodaą korlację pomędzy waroścam dksów głdowych a wlkoścą obroów oraz a bardzo słabą zalżość pomędzy przyrosam warośc dksów głdowych a przyrosam wlkośc obroów. Wyk sów a przyczyowość Gragra wskazują, ż w przypadku aalzowaych dksów moża mówć o zalżośc od warośc dksów do obroów. Nalży jdak zwrócć uwagę, ż wyk aalzy odpowdz a mpuls oraz dkompozycj waracj błędu progozy wskazują a bardzo słaby pozom zalżośc ych zmych. Przprowadzo badaa przczą jdozacz ssow obsrwacj wlkośc obroów, al czyą dyskusyjym dcyzj wsycyj podjmowa a podsaw ych obsrwacj. Uzyska wyk są zasadczo zblżo do uzyskwaych w odsu do dużych, rozwęych ryków kapałowych. Śwadczą o sosukowo wysokm pozom fkywośc ryku akcj a Głdz Paprów Waroścowych w Warszaw. Różą sę ym od wyków uzyskaych w pracy Gűdűza Hamgo (25). Przprowadzo badaa powrdzają hpozy będącj podsawą kosrukcj wlu wskaźków chczych, ż wzros obroów wzmaca rd cowy. Jżl moża mówć o jakjś zalżośc, o ma oa odwroy charakr, a węc rd okrśla pozom obroów.

9 Bak Krdy syczń 28 Ryk Isyucj Fasow 69 Bblografa Blum L.D., Easly D., O Hara M. (994), Mark sascs ad chcal aalyss: Th rol of volum, Joural of Fac, Vol. 49, No., s Calla E., Shapro D. (974), A Thory of Socal Imao, Physcs Today, Vol. 27, No. 3, s Campbll J.S., Grossma S., Wag J. (993), Tradg volum ad sral corrlao sock rurs, Quarrly Joural of Ecoomcs, Vol. 8, No. 4, s Cr C. (22), Th sock prc-volum lkag o h Toroo Sock Exchag bfor ad afr auomao, Rvw of Quaav Fac ad Accoug, Vol. 9, No. 4, s Ch G., Frh M., Ru O.M. (2), Th dyamc rlao bw sock rurs, radg volum, ad volaly, Facal Rvw, Vol. 38, No. 3, s Ch K., L X. (26), Is chcal aalyss usful for sock radrs Cha? Evdc from h S2SE compo A-Shar Idx, Pacfc Ecoomc Rvw, Vol., No. 4, s Epps T.W., Epps M.L. (976), Th sochasc dpdc of scury prc chags ad rasaco volums: Implcao for h mxur-of-dsrbuo hypohss, Ecoomrca, Vol. 44, No. 2, s Gűdűz L., Ham-J, A. (25), Sock prc ad volum rlao mrgg marks, Emrgg Marks Fac ad Trad, Vol. 4, No., s Gold S.C. (24), Prc-volum rlaoshps ad sock rurs, Joural of Accoug ad Fac Rsarch, No. 2, s Hmsra C., Jos J. (994), Tsg for lar ad olar Gragr causaly h sock prc-volum ralo, Joural of Fac, Vol. 49, No. 5, s Jgs R.H., Sarks L. Fllgham J. (98), A qulbrum modl of ass radg wh squal formao arrval, Joural of Fac, Vol. 36, No., s Karpoff J.M. (987), Th ralo bw prc chags ad radg volum: A survy, Joural of Facal ad Quaav Aalyss, Vol. 22, No., s L C, Swamaha B. (2), Prc momum ad radg volum, Joural of Fac, Vol. 55, No. 5, s Sckl S., Vrrccha R. (994), Evdc ha radg volum susas sock prc chags, Facal Aalyss Joural, Vol. 5, No. 6, s Suom M. (2), Tradg volum ad formao rvlao sock marks, Joural of Facal ad Quaav Aalyss, Vol. 36, No. 4, s Vaga T. (99), Th Cohr Mark Hypohss, Facal Aalyss Joural, Vol. 46, No. 6, s

Wpływ stóp procentowych na wartoêç indeksu giełdowego WIG * Influence of Interest Rates on the WIG Stock Index

Wpływ stóp procentowych na wartoêç indeksu giełdowego WIG * Influence of Interest Rates on the WIG Stock Index 62 Rynk Insyucj Fnansow Bank Krdy srpń 28 Wpływ sóp procnowych na waroêç ndksu głdowgo WIG * Influnc of Inrs Ras on h WIG Sock Indx Jrzy Rmbza **, Grzgorz Przkoa *** prwsza wrsja: 26 lsopada 27 r., osaczna

Bardziej szczegółowo

DZIAŁALNOŚĆ INWESTYCYJNA INSTYTUCJI FINANSOWYCH

DZIAŁALNOŚĆ INWESTYCYJNA INSTYTUCJI FINANSOWYCH DZIAŁALNOŚĆ INWESTYCYJNA INSTYTUCJI FINANSOWYCH - PRZEWODNIK METODYCZNY - Dr Krysa Pra Cl przdmou: Przdmo doyczy jdgo obszaru ralzacj wsycj, jakm js skor fasowy. Clm przdmou js wyjaś co js spcyfką wsycj

Bardziej szczegółowo

PODSTAWY OPRACOWANIA WYNIKÓW POMIARÓW Z ELEMENTAMI ANALIZY NIEPEWNOŚCI POMIAROWYCH

PODSTAWY OPRACOWANIA WYNIKÓW POMIARÓW Z ELEMENTAMI ANALIZY NIEPEWNOŚCI POMIAROWYCH PODTAWY OPRACOWANIA WYNIKÓW POMIARÓW Z ELEMENTAMI ANALIZY NIEPEWNOŚCI POMIAROWYCH I Pracowa IF UJ Luy 03 PODRĘCZNIKI Wsęp do aalzy błędu pomarowego Joh R. Taylor Wydawcwo Naukowe PWN Warszawa 999 I Pracowa

Bardziej szczegółowo

Jego zależy od wysokości i częstotliwości wypłat kuponów odsetkowych, ceny wykupu, oczekiwanej stopy zwrotu oraz zapłaconej ceny za obligację.

Jego zależy od wysokości i częstotliwości wypłat kuponów odsetkowych, ceny wykupu, oczekiwanej stopy zwrotu oraz zapłaconej ceny za obligację. Wrażlwość oblgacj Jedym z czyków ryzyka westowaa w oblgacje jest zmeość rykowych stóp procetowych. Iżyera fasowa dyspouje metodam pozwalającym zabezpeczyć portfel przed egatywym skutkam zma stóp procetowych.

Bardziej szczegółowo

gdzie E jest energią całkowitą cząstki. Postać równania Schrödingera dla stanu stacjonarnego Wprowadźmy do lewej i prawej strony równania Schrödingera

gdzie E jest energią całkowitą cząstki. Postać równania Schrödingera dla stanu stacjonarnego Wprowadźmy do lewej i prawej strony równania Schrödingera San sacjonarny cząsk San sacjonarny - San, w kórym ( r, ) ( r ), gęsość prawdopodobńswa znalzna cząsk cząsk w danym obszarz przsrzn n zalży od czasu. San sacjonarny js charakrysyczny dla sacjonarngo pola

Bardziej szczegółowo

L.Kowalski zadania ze statystyki opisowej-zestaw 5. ZADANIA Zestaw 5

L.Kowalski zadania ze statystyki opisowej-zestaw 5. ZADANIA Zestaw 5 L.Kowalsk zadaa ze statystyk opsowej-zestaw 5 Zadae 5. X cea (zł, Y popyt (tys. szt.. Mając dae ZADANIA Zestaw 5 x,5,5 3 3,5 4 4,5 5 y 44 43 43 37 36 34 35 35 Oblcz współczyk korelacj Pearsoa. Oblcz współczyk

Bardziej szczegółowo

OBLICZANIE NIEPEWNOŚCI METODĄ TYPU B

OBLICZANIE NIEPEWNOŚCI METODĄ TYPU B OBLICZANIE NIEPEWNOŚCI METODĄ TYPU B W przypadku gdy e występuje statystyczy rozrzut wyków (wszystke pomary dają te sam wyk epewość pomaru wyzaczamy w y sposób. Główą przyczyą epewośc pomaru jest epewość

Bardziej szczegółowo

Teoria Sygnałów. III rok Informatyki Stosowanej. Wykład 7 [ ] ( ) ( ) ( ) ( ) ( ) ( ) ( ) ( ) Analiza częstotliwościowa dyskretnych sygnałów cyfrowych

Teoria Sygnałów. III rok Informatyki Stosowanej. Wykład 7 [ ] ( ) ( ) ( ) ( ) ( ) ( ) ( ) ( ) Analiza częstotliwościowa dyskretnych sygnałów cyfrowych ora Sygałów III ro Ioray Sosowaj Wyła Rozważy sończoy sygał () spróboway z częsolwoścą : Aalza częsolwoścowa ysrych sygałów cyrowych p óra js wa razy węsza o częsolwośc asyalj a. Oblczy jgo rasorację Fourra.

Bardziej szczegółowo

$y = XB KLASYCZNY MODEL REGRESJI LINIOWEJ Z WIELOMA ZMIENNYMI NIEZALEŻNYMI

$y = XB KLASYCZNY MODEL REGRESJI LINIOWEJ Z WIELOMA ZMIENNYMI NIEZALEŻNYMI KASYCZNY ODE REGRESJI INIOWEJ Z WIEOA ZIENNYI NIEZAEŻNYI. gdz: wtor obsrwacj a zmj Y, o wmarach ( macrz obsrwacj a zmch zalżch, o wmarach ( ( wtor paramtrów struturalch (wtor współczów, o wmarach (( wtor

Bardziej szczegółowo

LVIII Egzamin dla Aktuariuszy z 3 października 2011 r.

LVIII Egzamin dla Aktuariuszy z 3 października 2011 r. Komisja Egzamiacyja la Akuariuszy LIII Egzami la Akuariuszy z 3 paźzirika 0 r. Część II Mamayka ubzpiczń życiowych Imię i azwisko osoby gzamiowaj:... Czas gzamiu: 00 miu Warszawa, 3 paźzirika 0 r. Mamayka

Bardziej szczegółowo

Ćwiczenia 11_12 KLASYCZNY MODEL REGRESJI LINIOWEJ

Ćwiczenia 11_12 KLASYCZNY MODEL REGRESJI LINIOWEJ Ćwcza _ KLACZN MOL RGRJI LINIOWJ Zada. W tabl przdstawoo wysokość stawk clj X oraz udzał w ryku a pw towar mportoway spoza U. 5 5 0 0 8 0 y 5 6 3 7 0 Nalży w oparcu o poda formacj: a. Zapsać rówa fukcj

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

Inwestycje. MPK = R/P = uc (1) gdzie uc - realny koszt pozyskania kapitału. Przyjmując, że funkcja produkcji ma postać Cobba-Douglasa otrzymamy: (3)

Inwestycje. MPK = R/P = uc (1) gdzie uc - realny koszt pozyskania kapitału. Przyjmując, że funkcja produkcji ma postać Cobba-Douglasa otrzymamy: (3) Dr Barłomij Rokicki Ćwiczia z Makrokoomii II Iwsycj Iwsycj są ym składikim PB, kóry wykazuj ajwiększą skłoość do flukuacji czyli wahań. Spadk popyu a dobra i usługi jaki js obsrwoway podczas rcsji zwykl

Bardziej szczegółowo

Wykaz zmian wprowadzonych do skrótu prospektu informacyjnego KBC Parasol Funduszu Inwestycyjnego Otwartego w dniu 04 stycznia 2010 r.

Wykaz zmian wprowadzonych do skrótu prospektu informacyjnego KBC Parasol Funduszu Inwestycyjnego Otwartego w dniu 04 stycznia 2010 r. Wykaz zmia wprowadzoych do skróu prospeku iformacyjego KBC Parasol Fuduszu Iwesycyjego Owarego w diu 0 syczia 200 r. Rozdział I Dae o Fuduszu KBC Subfudusz Papierów DłuŜych Brzmieie doychczasowe: 6. Podsawowe

Bardziej szczegółowo

Statystyczna analiza miesięcznych zmian współczynnika szkodowości kredytów hipotecznych

Statystyczna analiza miesięcznych zmian współczynnika szkodowości kredytów hipotecznych dr Ewa Wycka Wyższa Szkoła Bakowa w Gdańsku Wtold Komorowsk, Rafał Gatowsk TZ SKOK S.A. Statystycza aalza mesęczych zma współczyka szkodowośc kredytów hpoteczych Wskaźk szkodowośc jest marą obcążea kwoty/lczby

Bardziej szczegółowo

E2. BADANIE OBWODÓW PRĄDU PRZEMIENNEGO

E2. BADANIE OBWODÓW PRĄDU PRZEMIENNEGO E. BADANE OBWODÓW PĄDU PZEMENNEGO ks opracowały: Jadwga Szydłowska Bożna Janowska-Dmoch Badać będzmy charakrysyk obwodów zawrających różn układy lmnów akch jak: opornk, cwka kondnsaor, połączonych z sobą

Bardziej szczegółowo

Wybór najlepszych prognostycznych modeli zmienności finansowych szeregów czasowych za pomocą testów statystycznych

Wybór najlepszych prognostycznych modeli zmienności finansowych szeregów czasowych za pomocą testów statystycznych UNIWERSYTET EKONOMICZNY W POZNANIU WYDZIAŁ INFORMATYKI I GOSPODARKI ELEKTRONICZNEJ Wybór ajlepszych progosyczych model zmeośc fasowych szeregów czasowych za pomocą esów saysyczych Elza Buszkowska Promoor:

Bardziej szczegółowo

Niezawodność. systemów nienaprawialnych. 1. Analiza systemów w nienaprawialnych. 2. System nienaprawialny przykładowe

Niezawodność. systemów nienaprawialnych. 1. Analiza systemów w nienaprawialnych. 2. System nienaprawialny przykładowe Nezawoość sysemów eaprawalych. Aalza sysemów w eaprawalych. Sysemy eaprawale - przykłaowe srukury ezawooścowe 3. Sysemy eaprawale - przykłay aalzy. Aalza sysemów w eaprawalych Sysem eaprawaly jes o sysem

Bardziej szczegółowo

Rozdział 1. Nazwa i adres Zamawiającego Gdyńskie Centrum Sportu jednostka budżetowa w Gdyni Rozdział 2. Informacja o trybie i stosowaniu przepisów

Rozdział 1. Nazwa i adres Zamawiającego Gdyńskie Centrum Sportu jednostka budżetowa w Gdyni Rozdział 2. Informacja o trybie i stosowaniu przepisów Z n a k s p r a w y G C S D Z P I 2 7 1 0 2 8 2 0 1 5 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 W y k o n a n i e ro b ó t b u d o w l a n y c h w b u d y n k u H

Bardziej szczegółowo

SZEREGI CZASOWE W PLANOWANIU PRODUKCJI W PRZETWÓRSTWIE SPOŻYWCZYM

SZEREGI CZASOWE W PLANOWANIU PRODUKCJI W PRZETWÓRSTWIE SPOŻYWCZYM SZEREGI CZASOWE W PLANOWANIU PRODUKCJI W PRZETWÓRSTWIE SPOŻYWCZYM Arur MACIĄG Sreszczee: W pracy przedsawoo echk aalzy szeregów czasowych w zasosowau do plaowaa progozowaa produkcj w przewórswe spożywczym.

Bardziej szczegółowo

Wykład 6. Klasyczny model regresji liniowej

Wykład 6. Klasyczny model regresji liniowej Wkład 6 Klacz modl rgrj lowj Rgrja I rodzaju pokazuj jak zmają ę warukow wartośc oczkwa zmj zalżj w zalżośc od wartośc zmj zalżj. E X m Obraz gomtrcz tj fukcj to krzwa rgrj I rodzaju czl zbór puktów płazczz,

Bardziej szczegółowo

BADANIE WYBRANYCH STRUKTUR NIEZAWODNOŚCIOWYCH

BADANIE WYBRANYCH STRUKTUR NIEZAWODNOŚCIOWYCH ZAKŁAD EKSPLOATACJI SYSTEMÓW ELEKTOICZYCH ISTYTUT SYSTEMÓW ELEKTOICZYCH WYDZIAŁ ELEKTOIKI WOJSKOWA AKADEMIA TECHICZA ---------------------------------------------------------------------------------------------------------------

Bardziej szczegółowo

16, zbudowano test jednostajnie najmocniejszy dla weryfikacji hipotezy H

16, zbudowano test jednostajnie najmocniejszy dla weryfikacji hipotezy H Zada Zakładając, ż zm losow,,, 6 są zalż mają rozkłady ormal ~ N( m, ),,, 6, zbudowao tst jdostaj ajmocjszy dla wryfkacj hpotzy H 0 : m 0 przy altratyw H : m 0 a pozom stotośc 0,05 W rzczywstośc okazało

Bardziej szczegółowo

Rachunek prawdopodobieństwa i statystyka matematyczna. Estymacja przedziałowa parametrów strukturalnych zbiorowości generalnej

Rachunek prawdopodobieństwa i statystyka matematyczna. Estymacja przedziałowa parametrów strukturalnych zbiorowości generalnej Rachek prawdopodobeńswa saysyka maemaycza Esymacja przedzałowa paramerów srkralych zborowośc geeralej Częso zachodz syacja, że koecze jes zbadae ogół poplacj pod pewym kąem p. średa oce z pewego przedmo.

Bardziej szczegółowo

Pojęcie modelu. Model ekonometryczny. Przykład modelu ekonometrycznego. Klasyfikacja modeli ekonometrycznych. Etapy analizy ekonometrycznej

Pojęcie modelu. Model ekonometryczny. Przykład modelu ekonometrycznego. Klasyfikacja modeli ekonometrycznych. Etapy analizy ekonometrycznej Poęc modlu Modl s o uproszczo przdsw rzczwsośc Lwrc R Kl: Modl s o schmcz uproszcz pomąc so sp w clu wś wwęrzgo dzł form lub osruc brdz somplowgo mchzmu Główą zlą modlu s możlwość go bzpczgo przprowdz

Bardziej szczegółowo

Teoria Sygnałów. II rok Geofizyki III rok Informatyki Stosowanej. Wykład 4. iωα. Własności przekształcenia Fouriera. α α

Teoria Sygnałów. II rok Geofizyki III rok Informatyki Stosowanej. Wykład 4. iωα. Własności przekształcenia Fouriera. α α ora Sygałów rok Gozyk rok ormatyk Stosowaj Wykład 4 Własośc przkształca ourra własość. Przkształc ourra jst low [ β g ] βg dowód: rywaly całkowa jst opracją lową. własość. wrdz o podobństw [ ] dowód :

Bardziej szczegółowo

Weryfikacja modelu. ( ) Założenia Gaussa-Markowa. Związek pomiędzy zmienną objaśnianą a zmiennymi objaśniającymi ma charakter liniowy

Weryfikacja modelu. ( ) Założenia Gaussa-Markowa. Związek pomiędzy zmienną objaśnianą a zmiennymi objaśniającymi ma charakter liniowy Wryfkacja modlu. Założa Gaussa-Markowa Zwązk pomędzy zmą objaśaą a zmym objaśającym ma charaktr lowy x, x,, K x k Wartośc zmych objaśających są ustalo ( są losow ε. Składk losow dla poszczgólych wartośc

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

BADANIE WYBRANYCH STRUKTUR NIEZAWODNOŚCIOWYCH

BADANIE WYBRANYCH STRUKTUR NIEZAWODNOŚCIOWYCH ZAKŁAD EKSPLOATACJI SYSTEMÓW ELEKTOICZYCH ISTYTUT SYSTEMÓW ELEKTOICZYCH WYDZIAŁ ELEKTOIKI WOJSKOWA AKADEMIA TECHICZA ---------------------------------------------------------------------------------------------------------------

Bardziej szczegółowo

Metody oceny efektywności projektów inwestycyjnych

Metody oceny efektywności projektów inwestycyjnych Opracował: Leszek Jug Wydział Ekoomiczy, ALMAMER Szkoła Wyższa Meody ocey efekywości projeków iwesycyjych Niezbędym warukiem urzymywaia się firmy a ryku jes zarówo skuecze bieżące zarządzaie jak i podejmowaie

Bardziej szczegółowo

ANALIZA PRZYCZYNOWOŚCI W ZAKRESIE ZALEŻNOŚCI NIELINIOWYCH. IMPLIKACJE FINANSOWE

ANALIZA PRZYCZYNOWOŚCI W ZAKRESIE ZALEŻNOŚCI NIELINIOWYCH. IMPLIKACJE FINANSOWE Wiold Orzeszko Magdalea Osińska Uiwersye Mikołaja Koperika w Toruiu ANALIA PRCNOWOŚCI W AKRSI ALŻNOŚCI NILINIOWCH. IMPLIKACJ FINANSOW WSTĘP Przyczyowość w sesie Gragera jes jedym z kluczowych pojęć ekoomeryczej

Bardziej szczegółowo

Służą opisowi oraz przewidywaniu przyszłego kształtowania się zależności gospodarczych.

Służą opisowi oraz przewidywaniu przyszłego kształtowania się zależności gospodarczych. MODEL EOOMERYCZY MODEL EOOMERYCZY DEFIICJA Modl konomtrczn jst równanm matmatcznm (lub układm równao), któr przdstawa zasadncz powązana loścow pomędz rozpatrwanm zjawskam konomcznm., uwzględnającm tlko

Bardziej szczegółowo

Ewa Dziawgo Uniwersytet Mikołaja Kopernika w Toruniu. Analiza wrażliwości modelu wyceny opcji złożonych

Ewa Dziawgo Uniwersytet Mikołaja Kopernika w Toruniu. Analiza wrażliwości modelu wyceny opcji złożonych DYNAMICZNE MODELE EKONOMETRYCZNE X Ogólnopolskie Seminarium Naukowe, 4 6 września 7 w Toruniu Kaedra Ekonomerii i Saysyki, Uniwersye Mikołaja Kopernika w Toruniu Uniwersye Mikołaja Kopernika w Toruniu

Bardziej szczegółowo

Projektowanie procesu doboru próby

Projektowanie procesu doboru próby Projkowai procsu doboru próby Okrśli populacji gralj i badaj Okrśli jdoski próby 3 Okrśli wykazu badaj populacji 4 Okrśli liczbości próby 5 Wybór mody doboru próby losowgo ilosowgo Usali ko lub co moż

Bardziej szczegółowo

KRYTERIUM OCENY EFEKTYWNOŚCI INWESTYCYJNEJ OFE, SYSTEM MOTYWACYJNY PTE ORAZ MINIMALNY WYMÓG KAPITAŁOWY DLA PTE PROPOZYCJE ROZWIĄZAŃ

KRYTERIUM OCENY EFEKTYWNOŚCI INWESTYCYJNEJ OFE, SYSTEM MOTYWACYJNY PTE ORAZ MINIMALNY WYMÓG KAPITAŁOWY DLA PTE PROPOZYCJE ROZWIĄZAŃ KRYTERIU OCENY EFEKTYWNOŚCI INWESTYCYJNEJ OFE, SYSTE OTYWACYJNY PTE ORAZ INIALNY WYÓG KAPITAŁOWY DLA PTE PROPOZYCJE ROZWIĄZAŃ Urząd Komsj Nadzoru Fasowego Warszawa 0 DEPARTAENT NADZORU INWESTYCJI EERYTALNYCH

Bardziej szczegółowo

Matematyka ubezpieczeń majątkowych 9.10.2006 r. Zadanie 1. Rozważamy proces nadwyżki ubezpieczyciela z czasem dyskretnym postaci: n

Matematyka ubezpieczeń majątkowych 9.10.2006 r. Zadanie 1. Rozważamy proces nadwyżki ubezpieczyciela z czasem dyskretnym postaci: n Maemayka ubezpieczeń mająkowych 9.0.006 r. Zadaie. Rozważamy proces adwyżki ubezpieczyciela z czasem dyskreym posaci: U = u + c S = 0... S = W + W +... + W W W W gdzie zmiee... są iezależe i mają e sam

Bardziej 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

Monika Jeziorska - Pąpka Uniwersytet Mikołaja Kopernika w Toruniu

Monika Jeziorska - Pąpka Uniwersytet Mikołaja Kopernika w Toruniu DYNAMICZNE MODELE EKONOMERYCZNE X Ogólopolske Semarum Naukowe, 4 6 wrześa 2007 w oruu Katedra Ekoometr Statystyk, Uwersytet Mkołaja Koperka w oruu Moka Jezorska - Pąpka Uwersytet Mkołaja Koperka w oruu

Bardziej szczegółowo

Miary statystyczne. Katowice 2014

Miary statystyczne. Katowice 2014 Mary statystycze Katowce 04 Podstawowe pojęca Statystyka Populacja próba Cechy zmee Szereg statystycze Wykresy Statystyka Statystyka to auka zajmująca sę loścowym metodam aalzy zjawsk masowych (występujących

Bardziej szczegółowo

Podstawy analizy niepewności pomiarowych (I Pracownia Fizyki)

Podstawy analizy niepewności pomiarowych (I Pracownia Fizyki) Podstawy aalzy epewośc pomarowych (I Pracowa Fzyk) Potr Cygak Zakład Fzyk Naostruktur Naotecholog Istytut Fzyk UJ Pok. 47 Tel. 0-663-5838 e-mal: potr.cygak@uj.edu.pl Potr Cygak 008 Co to jest błąd pomarowy?

Bardziej szczegółowo

Planowanie eksperymentu pomiarowego I

Planowanie eksperymentu pomiarowego I POLITECHNIKA ŚLĄSKA W GLIWICACH WYDZIAŁ INŻYNIERII ŚRODOWISKA ENERGETYKI INSTYTUT MASZYN URZĄDZEŃ ENERGETYCZNYCH Plaowae eksperymetu pomarowego I Laboratorum merctwa (M 0) Opracował: dr ż. Grzegorz Wcak

Bardziej szczegółowo

Czas trwania obligacji (duration)

Czas trwania obligacji (duration) Czas rwaia obligacji (duraio) Do aalizy ryzyka wyikającego ze zmia sóp proceowych (szczególie ryzyka zmiay cey) wykorzysuje się pojęcie zw. średiego ermiu wykupu obligacji, zwaego rówież czasem rwaia obligacji

Bardziej szczegółowo

Sprzedaż finalna - sprzedaż dóbr i usług konsumentowi lub firmie, którzy ostatecznie je zużytkują, nie poddając dalszemu przetworzeniu.

Sprzedaż finalna - sprzedaż dóbr i usług konsumentowi lub firmie, którzy ostatecznie je zużytkują, nie poddając dalszemu przetworzeniu. W 1 Rachu maroeoomcze 1. Produ rajowy bruo Sprzedaż fala - sprzedaż dóbr usług osumeow lub frme, órzy osaecze je zużyują, e poddając dalszemu przeworzeu. Sprzedaż pośreda - sprzedaż dóbr usług zaupoych

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

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

W zadaniu nie ma polecenia wyznaczania estymatora nieobciążonego o minimalnej wariancji. σ σ σ σ σ = =

W zadaniu nie ma polecenia wyznaczania estymatora nieobciążonego o minimalnej wariancji. σ σ σ σ σ = = 4. Na podstawe erówośc Cramera Rao wyzacz dole ograczee dla waracj eobcążoego estymatora waracj σ w rozkładze ormalym N(0, σ. W zadau e ma polecea wyzaczaa estymatora eobcążoego o mmalej waracj dla σ,

Bardziej szczegółowo

Portfel złożony z wielu papierów wartościowych

Portfel złożony z wielu papierów wartościowych Portfel westycyy ćwczea Na odst. Wtold Jurek: Kostrukca aalza, rozdzał 4 dr Mchał Kooczyńsk Portfel złożoy z welu aerów wartoścowych. Zwrot ryzyko Ozaczea: w kwota ulokowaa rzez westora w aery wartoścowe

Bardziej szczegółowo

UOGÓLNIONA ANALIZA WRAŻLIWOŚCI ZYSKU W PRZEDSIĘBIORSTWIE PRODUKUJĄCYM N-ASORTYMENTÓW. 1. Wprowadzenie

UOGÓLNIONA ANALIZA WRAŻLIWOŚCI ZYSKU W PRZEDSIĘBIORSTWIE PRODUKUJĄCYM N-ASORTYMENTÓW. 1. Wprowadzenie B A D A N I A O P E R A C Y J N E I D E C Y J E Nr 2 2007 Aa ĆWIĄKAŁA-MAŁYS*, Woletta NOWAK* UOGÓLNIONA ANALIA WRAŻLIWOŚCI YSKU W PREDSIĘBIORSTWIE PRODUKUJĄCYM N-ASORTYMENTÓW Przedstawoo ajważejsze elemety

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

Przyjmijmy, że moment obciążenia jest równy zeru, otrzymamy:

Przyjmijmy, że moment obciążenia jest równy zeru, otrzymamy: aszyy prąy sałgo yaka Dla aszyy prą sałgo, ykorzysyaj jako l aoayk, yzaczy ybra rasacj. Sygał jścoy oż być p. apęc orka (la aszyy obcozbj) a sygał yjścoy prękość obrooa. óa Krchhoffa la obo orka oży apsać

Bardziej szczegółowo

Założenia metodyczne optymalizacji ekonomicznego wieku rębności drzewostanów Prof. dr hab. Stanisław Zając Dr inż. Emilia Wysocka-Fijorek

Założenia metodyczne optymalizacji ekonomicznego wieku rębności drzewostanów Prof. dr hab. Stanisław Zając Dr inż. Emilia Wysocka-Fijorek Założenia meodyczne opymalizacji ekonomicznego wieku rębności drzewosanów Prof. dr hab. Sanisław Zając Dr inż. Emilia Wysocka-Fijorek Plan 1. Wsęp 2. Podsawy eoreyczne opymalizacji ekonomicznego wieku

Bardziej szczegółowo

Materiały do wykładu 7 ze Statystyki

Materiały do wykładu 7 ze Statystyki Materał do wkładu 7 ze Statstk Aalza ZALEŻNOŚCI pomędz CECHAMI (Aalza KORELACJI REGRESJI) korelacj wkres rozrzutu (korelogram) rodzaje zależośc (brak, elowa, lowa) pomar sł zależośc lowej (współczk korelacj

Bardziej szczegółowo

Szeregi trygonometryczne Fouriera. sin(

Szeregi trygonometryczne Fouriera. sin( Szrg rygoomryz Fourr / Szrg rygoomryz Fourr D js ukj: s os Pożj pod są włsoś ukj kór wykorzysmy w późjszym zs Ozzmy przz zę zspooą pos: Wówzs s os orz os s Fukję zpsujmy w pos: s s os os os u os W szzgóoś

Bardziej szczegółowo

KONCEPCJA WIELOKRYTERIALNEGO WSPOMAGANIA DOBORU WARTOŚCI PROGOWEJ W BIOMETRYCZNYM SYSTEMIE UWIERZYTELNIANIA. Adrian Kapczyński Maciej Wolny

KONCEPCJA WIELOKRYTERIALNEGO WSPOMAGANIA DOBORU WARTOŚCI PROGOWEJ W BIOMETRYCZNYM SYSTEMIE UWIERZYTELNIANIA. Adrian Kapczyński Maciej Wolny KONCEPCJA WIELOKRYTERIALNEGO WSPOMAGANIA DOBORU WARTOŚCI PROGOWEJ W BIOMETRYCZNYM SYSTEMIE UWIERZYTELNIANIA Adra Kapczyńsk Macej Woly Wprowadzee Rozwój całego spektrum coraz doskoalszych środków formatyczych

Bardziej szczegółowo

Algorytmy numeryczne w Delphi. Ksiêga eksperta

Algorytmy numeryczne w Delphi. Ksiêga eksperta IDZ DO PRZYK ADOWY ROZDZIA SPIS TREŒCI KALOG KSI EK KALOG ONLINE ZAMÓW DRUKOWANY KALOG Algorymy numryczn w Dlph Ksêga kspra Auorzy: Brnard Baron, Arur Pasrbk, Marcn Mac¹ k ISBN: 83-736-95-8 Forma: B5,

Bardziej szczegółowo

LABORATORIUM SYMSE Układy liniowe

LABORATORIUM SYMSE Układy liniowe Tomasz Czarck, Warszawa, 2017 LABORATORIUM SYMSE Układy low Dyskrt systmy low, zm względm przsuęca Wśród systmów prztwarzaa sygałów ważą rolę odgrywają systmy low, zm względm przsuęca. Dcyduj o tym ch

Bardziej szczegółowo

( ) ( ) ( ) ( ) ( )( ) ( ) ( ) 2. r s. ( i. REGRESJA (jedna zmienna) e s = + Y b b X. x x x n x. cov( (kowariancja) = (współczynnik korelacji) = +

( ) ( ) ( ) ( ) ( )( ) ( ) ( ) 2. r s. ( i. REGRESJA (jedna zmienna) e s = + Y b b X. x x x n x. cov( (kowariancja) = (współczynnik korelacji) = + REGRESJA jda zma + prota rgrj zmj wzgldm. przlo wartoc paramtrów trukturalch cov r waga: a c cov kowaracja d r cov wpółczk korlacj Waracja rztowa. Nch gdz + wtd czl ozacza rd tadardow odchl od protj rgrj.

Bardziej szczegółowo

Ekonomiczno-techniczne aspekty wykorzystania gazu w energetyce

Ekonomiczno-techniczne aspekty wykorzystania gazu w energetyce Ekonomiczno-chniczn aspky wykorzysania gazu w nrgyc anusz oowicz Wydział Inżynirii i Ochrony Środowiska Polichnika Częsochowska zacowani nakładów inwsycyjnych na projky wykorzysania gazu w nrgyc anusz

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

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

Zmiana bazy i macierz przejścia

Zmiana bazy i macierz przejścia Auomaya Roboya Algebra -Wyład - dr Adam Ćmel cmel@agh.edu.pl Zmaa bazy macerz prześca Nech V będze wymarową przesrzeą lową ad całem K. Nech Be e będze bazą przesrze V. Rozważmy ową bazę B e... e. Oczywśce

Bardziej szczegółowo

FINANSE II. Model jednowskaźnikowy Sharpe a.

FINANSE II. Model jednowskaźnikowy Sharpe a. ODELE RYNKU KAPITAŁOWEGO odel jedowskaźkowy Sharpe a. odel ryku kaptałowego - CAP (Captal Asset Prcg odel odel wycey aktywów kaptałowych). odel APT (Arbtrage Prcg Theory Teora artrażu ceowego). odel jedowskaźkowy

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

WPŁYW SPÓŁEK AKCYJNYCH NA LOKALNY RYNEK PRACY

WPŁYW SPÓŁEK AKCYJNYCH NA LOKALNY RYNEK PRACY ZESZYTY NAUKOWE WYDZIAŁU NAUK EKONOMICZNYCH Mara KLONOWSKA-MATYNIA Natala CENDROWSKA WPŁYW SPÓŁEK AKCYJNYCH NA LOKALNY RYNEK PRACY Zarys treśc: Nejsze opracowae pośwęcoe zostało spółkom akcyjym, które

Bardziej szczegółowo

Wpływ redukcji poziomu szumu losowego metodą najbliższych sąsiadów 161

Wpływ redukcji poziomu szumu losowego metodą najbliższych sąsiadów 161 Kaarzya Zeug-Żebro WPŁYW REDUKCJI POZIOMU SZUMU LOSOWEGO MEODĄ NAJBLIŻSZYCH SĄSIADÓW NA WAROŚĆ NAJWIĘKSZEGO WYKŁADNIKA LAPUNOWA Wprowazee W aalze szeregów czasowych zakłaa sę, że w aych moża wyorębć skłak

Bardziej szczegółowo

przegrody (W ) Łukasz Nowak, Instytut Budownictwa, Politechnika Wrocławska, e-mail:lukasz.nowak@pwr.wroc.pl 1

przegrody (W ) Łukasz Nowak, Instytut Budownictwa, Politechnika Wrocławska, e-mail:lukasz.nowak@pwr.wroc.pl 1 1.4. Srawdzn moŝlwośc kondnsacj ary wodnj wwnątrz ścany zwnętrznj dla orawngo oraz dla odwrócongo układu warstw. Oblczn zawlgocna wysychana wlgoc. Srawdzn wykonujmy na odstaw skrytu Matrały do ćwczń z

Bardziej szczegółowo

Podstawowe zadanie statystyki. Statystyczna interpretacja wyników eksperymentu. Zalety statystyki II. Zalety statystyki

Podstawowe zadanie statystyki. Statystyczna interpretacja wyników eksperymentu. Zalety statystyki II. Zalety statystyki tatystycza terpretacja wyków eksperymetu Małgorzata Jakubowska Katedra Chem Aaltyczej Wydzał IŜyer Materałowej Ceramk AGH Podstawowe zadae statystyk tatystyka to uwersale łatwo dostępe arzędze, które pomaga

Bardziej szczegółowo

WYZNACZANIE WARTOŚCI ENERGII ROZPRASZANEJ PODCZAS ZDERZENIA CIAŁ

WYZNACZANIE WARTOŚCI ENERGII ROZPRASZANEJ PODCZAS ZDERZENIA CIAŁ 9 Cel ćwczea Ćwczee 9 WYZNACZANIE WARTOŚCI ENERGII ROZPRASZANE PODCZAS ZDERZENIA CIAŁ Celem ćwczea jest wyzaczee wartośc eerg rozpraszaej podczas zderzea cał oraz współczyka restytucj charakteryzującego

Bardziej szczegółowo

W zadaniu nie ma polecenia wyznaczania estymatora nieobciążonego o minimalnej wariancji. σ σ σ σ σ = =

W zadaniu nie ma polecenia wyznaczania estymatora nieobciążonego o minimalnej wariancji. σ σ σ σ σ = = 4. Na podstawe erówośc Cramera Rao wyzacz dole ograczee dla waracj eobcążoego estymatora waracj σ w rozkładze ormalym N(0, σ ). W zadau e ma polecea wyzaczaa estymatora eobcążoego o mmalej waracj dla σ,

Bardziej szczegółowo

Podstawy zarządzania finansami przedsiębiorstwa

Podstawy zarządzania finansami przedsiębiorstwa Podsawy zarządzaia fiasami przedsiębiorswa I. Wprowadzeie 1. Gospodarowaie fiasami w przedsiębiorswie polega a: a) określeiu spodziewaych korzyści i koszów wyikających z form zaagażowaia środków fiasowych

Bardziej szczegółowo

Witold Orzeszko Uniwersytet Mikołaja Kopernika w Toruniu

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

Bardziej szczegółowo

Przestrzenno-czasowe zróżnicowanie stopnia wykorzystania technologii informacyjno- -telekomunikacyjnych w przedsiębiorstwach

Przestrzenno-czasowe zróżnicowanie stopnia wykorzystania technologii informacyjno- -telekomunikacyjnych w przedsiębiorstwach dr ż. Jolata Wojar Zakład Metod Iloścowych, Wydzał Ekoom Uwersytet Rzeszowsk Przestrzeo-czasowe zróżcowae stopa wykorzystaa techolog formacyjo- -telekomukacyjych w przedsęborstwach WPROWADZENIE W czasach,

Bardziej szczegółowo

Zastosowanie metody najmniejszych kwadratów do pomiaru częstotliwości średniej sygnałów o małej stromości zboczy w obecności zakłóceń

Zastosowanie metody najmniejszych kwadratów do pomiaru częstotliwości średniej sygnałów o małej stromości zboczy w obecności zakłóceń Zasosowae meody ajmejszych kwadraów do pomaru częsolwośc średej sygałów o małej sromośc zboczy w obecośc zakłóceń Elgusz PAWŁOWSKI, Darusz ŚWISULSKI Podsawowe meody pomaru częsolwośc Zlczae okresów w zadaym

Bardziej szczegółowo

CHARAKTERYSTYKI LICZBOWE STRUKTURY ZBIOROWOŚCI (c.d.) MIARY ZMIENNOŚCI

CHARAKTERYSTYKI LICZBOWE STRUKTURY ZBIOROWOŚCI (c.d.) MIARY ZMIENNOŚCI D. zczyńa,.zczyń, atrały do wyładu 3 z Statyty, 009/0 [] CHARAKTERYSTYKI LICZBOWE STRUKTURY ZBIOROWOŚCI (c.d.). mary połoŝa - wyład. mary zmośc (dyprj, rozproza) 3. mary aymtr (ośośc) 4. mary octracj IARY

Bardziej szczegółowo

6. *21!" 4 % rezerwy matematycznej. oraz (ii) $ :;!" "+!"!4 oraz "" % & "!4! " )$!"!4 1 1!4 )$$$ " ' ""

6. *21! 4 % rezerwy matematycznej. oraz (ii) $ :;! +!!4 oraz  % & !4!  )$!!4 1 1!4 )$$$  ' Memy fow 09..000 r. 6. *!" ( orz ( 4 % rezerwy memycze $ :;!" "+!"!4 orz "" % & "!4! " $!"!4!4 $$$ " ' "" V w dowole chwl d e wzorem V 0 0. &! "! "" 4 < ; ;!" 4 $%: ; $% ; = > %4( $;% 7 4'8 A..85 B..90

Bardziej szczegółowo

N ( µ, σ ). Wyznacz estymatory parametrów µ i. Y które są niezależnymi zmiennymi losowymi.

N ( µ, σ ). Wyznacz estymatory parametrów µ i. Y które są niezależnymi zmiennymi losowymi. 3 Metody estymacj N ( µ, σ ) Wyzacz estymatory parametrów µ 3 Populacja geerala ma rozład ormaly mometów wyorzystując perwszy momet zwyły drug momet cetraly z prób σ metodą 3 Zmea losowa ma rozład geometryczy

Bardziej szczegółowo

W loterii bierze udział 10 osób. Regulamin loterii faworyzuje te osoby, które w eliminacjach osiągnęły lepsze wyniki:

W loterii bierze udział 10 osób. Regulamin loterii faworyzuje te osoby, które w eliminacjach osiągnęły lepsze wyniki: Zadae W loter berze udzał 0 osób. Regulam loter faworyzuje te osoby, które w elmacjach osągęły lepsze wyk: Zwycęzca elmacj, azyway graczem r. otrzymuje 0 losów, Osoba, która zajęła druge mejsce w elmacjach,

Bardziej szczegółowo

Obligacja i jej cena wewnętrzna

Obligacja i jej cena wewnętrzna Obligacja i jej cea wewęrza Obligacja jes o isrume fiasowy (papier warościowy), w kórym jeda sroa, zwaa emieem obligacji, swierdza, że jes dłużikiem drugiej sroy, zwaej obligaariuszem (jes o właściciel

Bardziej szczegółowo

Zależność kosztów produkcji węgla w kopalni węgla brunatnego Konin od poziomu jego sprzedaży

Zależność kosztów produkcji węgla w kopalni węgla brunatnego Konin od poziomu jego sprzedaży Gawlk L., Kasztelewcz Z., 2005 Zależość kosztów produkcj węgla w kopal węgla bruatego Ko od pozomu jego sprzedaży. Prace aukowe Istytutu Górctwa Poltechk Wrocławskej r 2. Wyd. Ofcya Wydawcza Poltechk Wrocławskej,

Bardziej szczegółowo

wyniki serii n pomiarów ( i = 1,..., n) Stosując metodę największej wiarygodności możemy wykazać, że estymator wariancji 2 i=

wyniki serii n pomiarów ( i = 1,..., n) Stosując metodę największej wiarygodności możemy wykazać, że estymator wariancji 2 i= ESTYMATOR WARIANCJI I DYSPERSJI Ozaczmy: µ wartość oczekwaa rozkładu gauowkego wyków pomarów (wartość prawdzwa merzoej welkośc σ dyperja rozkładu wyków pomarów wyk er pomarów (,..., Stoując metodę ajwękzej

Bardziej szczegółowo

Testy oparte na ilorazie wiarygodności

Testy oparte na ilorazie wiarygodności Ts opar a loraz wargodośc Probl sowaa hpoz Nch B P=P będz przsrzą sasczą prz cz = =. Probl. Na podsaw prób wu spru zwrfować hpozę wobc alraw. Rozwąza powższgo problu s fuca [] zwaa s sascz zradozowa lub

Bardziej szczegółowo

PROGNOZOWANIE ZUŻYCIA CIEPŁEJ I ZIMNEJ WODY W SPÓŁDZIELCZYCH ZASOBACH MIESZKANIOWYCH

PROGNOZOWANIE ZUŻYCIA CIEPŁEJ I ZIMNEJ WODY W SPÓŁDZIELCZYCH ZASOBACH MIESZKANIOWYCH STUDIA I PRACE WYDZIAŁU NAUK EKONOMICZNYCH I ZARZĄDZANIA NR 15 Barbara Baóg Iwona Foryś PROGNOZOWANIE ZUŻYCIA CIEPŁEJ I ZIMNEJ WODY W SPÓŁDZIELCZYCH ZASOBACH MIESZKANIOWYCH Wsęp Koszy dosarczenia wody

Bardziej 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

1.3. Metody pomiaru efektu kreacji wartości przedsiębiorstwa

1.3. Metody pomiaru efektu kreacji wartości przedsiębiorstwa 48 Warość przedsiębiorswa 1.3. Meody pomiaru efeku kreacji warości przedsiębiorswa Przesłaki pomiaru efeku kreacji warości przedsiębiorswa Aby kocepcja zarządzaia warością mogła być wprowadzoa w Ŝycie,

Bardziej szczegółowo

Stanisław Cichocki Natalia Nehrebecka. Wykład 4

Stanisław Cichocki Natalia Nehrebecka. Wykład 4 Sanisław Cichocki Naalia Nehrebecka Wykład 4 1 1. Badanie sacjonarności: o o o Tes Dickey-Fullera (DF) Rozszerzony es Dickey-Fullera (ADF) Tes KPSS 2. Modele o rozłożonych opóźnieniach (DL) 3. Modele auoregresyjne

Bardziej szczegółowo

SOWA - ENERGOOSZCZĘDNE OŚWIETLENIE ULICZNE METODYKA

SOWA - ENERGOOSZCZĘDNE OŚWIETLENIE ULICZNE METODYKA Załączk r do Regulamu I kokursu GIS PROGRAM PRIORYTETOWY: SOWA - ENERGOOSZCZĘDNE OŚWIETLENIE ULICZNE METODYKA. Cel opracowaa Celem opracowaa jest spója metodyka oblczaa efektu ograczaa emsj gazów ceplaraych,

Bardziej szczegółowo

Obliczanie średniej, odchylenia standardowego i mediany oraz kwartyli w szeregu szczegółowym i rozdzielczym?

Obliczanie średniej, odchylenia standardowego i mediany oraz kwartyli w szeregu szczegółowym i rozdzielczym? Oblczae średej, odchylea tadardowego meday oraz kwartyl w zeregu zczegółowym rozdzelczym? Średa medaa ależą do etymatorów tzw. tedecj cetralej, atomat odchylee tadardowe to etymatorów rozprozea (dyperj)

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 0 5 32 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 W y k o n a n i e p r z e g l» d ó w k o n s e r w a c y j n o -

Bardziej szczegółowo

Ryzyko inwestycji w spółki sektora TSL na Warszawskiej Giełdzie Papierów Wartościowych

Ryzyko inwestycji w spółki sektora TSL na Warszawskiej Giełdzie Papierów Wartościowych CZYŻYCKI Rafał 1 PURCZYŃSKI Ja Ryzyko westycj w spółk sektora TSL a Warszawskej Gełdze Paperów Wartoścowych WSTĘP Elemetem erozerwale zwązaym z dzałaloścą westorów a całym ryku kaptałowym jest epewość

Bardziej szczegółowo

ĆWICZENIE 11 OPTYMALIZACJA NIEZAWODNOŚCIOWA STRUKTURY ELEKTRONICZNEGO SYSTEMU BEZPIECZEŃSTWA

ĆWICZENIE 11 OPTYMALIZACJA NIEZAWODNOŚCIOWA STRUKTURY ELEKTRONICZNEGO SYSTEMU BEZPIECZEŃSTWA ĆWICZENIE OPTYMALIZACJA NIEZAWODNOŚCIOWA STUKTUY ELEKTONICZNEGO SYSTEMU EZPIECZEŃSTWA Cl ćwicznia: zapoznani z analizą nizawodnościowo-ksploaacyjną lkronicznych sysmów bzpiczńswa; wyznaczni wybranych wskaźników

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

ć Ó ć Ź ć ć ć ć ć ć Ś Ą ć ź Ź ć Ź Ź ć ć ć Ą Ź ĄĄ ć ź ć ć ć ć ć ć Ą ź Ó ć ć ć ć ć ć ć Ą ć ź ć ć ć Ś Ą ź ć Ó ć ć ć Ł ć ć Ą ć ć Ą Ó ć ć ć ć ź ć ć ć ć ć ć Ść ć ć Ó ć Ę ć ć ÓĄ Ś ć ć ć Ą ć ć Ź ź Ś ć Ź ć ć ć

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

L.Kowalski PODSTAWOWE TESTY STATYSTYCZNE WERYFIKACJA HIPOTEZ PARAMETRYCZNYCH

L.Kowalski PODSTAWOWE TESTY STATYSTYCZNE WERYFIKACJA HIPOTEZ PARAMETRYCZNYCH L.Kowalsk PODSTAWOWE TESTY STATYSTYCZNE TESTY STATYSTYCZNE poteza statystycza to dowole przypuszczee dotyczące rozkładu cechy X. potezy statystycze: -parametrycze dotyczą ezaego parametru, -parametrycze

Bardziej szczegółowo

Tw: (O promieniu zbieżności R szeregu potęgowego ) Jeżeli istnieje granica. to R = ) ciąg liczb zespolonych

Tw: (O promieniu zbieżności R szeregu potęgowego ) Jeżeli istnieje granica. to R = ) ciąg liczb zespolonych Automatya i Rootya Aaliza Wyład dr Adam Ćmil cmil@agh.du.pl SZEREGI POTĘGOWE ( c ciąg licz zspoloych c ( z z - szrg potęgowy, gdzi ( c - ciąg współczyiów szrgu, z C - środ, ctrum (ustalo, z C - zmia. Dla

Bardziej szczegółowo

1. Na stronie tytułowej dodaje się informacje o dacie ostatniej aktualizacji. Nowa data ostatniej aktualizacji: 1 grudnia 2016 r.

1. Na stronie tytułowej dodaje się informacje o dacie ostatniej aktualizacji. Nowa data ostatniej aktualizacji: 1 grudnia 2016 r. Wykaz zmia wprowadzoych do prospeku iformacyjego: KBC PORTFEL VIP Specjalisyczy Fudusz Iwesycyjy Owary KBC Porfel VIP SFIO w diu grudia 206 r.. Na sroie yułowej dodaje się iformacje o dacie osaiej akualizacji.

Bardziej 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

Wyrażanie niepewności pomiaru

Wyrażanie niepewności pomiaru Wyrażae epewośc pomaru Adrzej Kubaczyk Wydzał Fzyk, Poltechka Warszawska Warszawa, 05 Iformacje wstępe Każdy pomar welkośc fzyczej dokoyway jest ze skończoą dokładoścą, co ozacza, że wyk tego pomaru dokoyway

Bardziej szczegółowo