METODA GMDH DO PROGNOZOWANIA RYNKÓW W WARUNKACH KRYZYSU FINANSOWEGO
|
|
- Arkadiusz Kurek
- 8 lat temu
- Przeglądów:
Transkrypt
1 METODA GMDH DO PROGNOZOWANIA RNKÓW W WARUNKACH KRZSU FINANSOWEGO ANTONI WILISKI Zachodnopomorsk Unwersytet Technczny Streszczene W artykule rozwaany jest odweczny problem dokładnoc predykcj na rynkach fnansowych w celu osgnca korzyc materalnych. Specyfczna gra nwestora z cgle zmenajcym s rynkem sprowadzajca s do uzyskana korzyc na poprawne przewdzanych róncach ceny wybranego nstrumentu fnansowego zwana jest spekulacj. W odczucu społecznym tak okrelone zachowane nwestora czsto kojarzy s pejoratywne, tu rozpatrywane jest w aspekce aksjologcznym przyswojena pewnej wyszej wartoc, pokonana ywołu neodgadnonego rynku poprzez ekstrakcj wedzy z zapsów o jego hstor. Czy w takm ujcu obserwowany obecne (grudze 2008) tzw. kryzys globalny jest neszczcem czy wyzwanem dla spekulanta? To pytane retoryczne, jest z pewnoc wyzwanem. Słowa kluczowe: predykcja, rynk fnansowe, GMDH, sztuczna ntelgencja, gełda, GPW, WIG 1. Wprowadzene Odpowed na pytane, czy mona sobe poradz z gwałtowne opadajcym cenam wszystkch prawe walorów na rynkach fnansowych, jest oczywce pozytywna. Czy kady moe poradz sobe z ekonomcznym społecznym skutkam kryzysu - oczywce ne kady. Wracajc do pytana o nwestycje na rynkach (walorach, akcjach, kursach) spadkowych - czy mona zarob - odpowed jest tu pozytywna? Po perwsze, uyto powyej sformułowana prawe wszystkch, po druge, na spadkach, co zupełne oczywste, take mona zaraba. Te dwa oczywste owadczena wynkaj wprost z do elementarnej wedzy o nstrumentach fnansowych, ne dla wszystkch jednak dostpnej [12,16]. Tak wc po perwsze, ne wszystke nstrumenty fnansowe (ceny towarów, akcj, ndeksy waluty, derywaty) spadaj w czase kryzysu. To po prostu nemolwe z powodów formalnych. Np. para walutowa oznacza wzajemny stosunek dwóch walut bazowej kwotowanej. Gdy warto jednej rone, to drugej spada. Z tego oczywstego zwzku wynka, e przy spadajcych rynkach musz stne naturalne z nm zwzane rosnce. Po druge, od tyscy lat (prawdopodobne od czasów Talesa [1]) zarob mona na spadku ceny [8,17]. Kreatywny Tales odkrył opcje. Dz oprócz gry spekulacyjnej na derywatach, powszechne stosowany jest mechanzm krótszej sprzeday. Powszechne, jednak na GPW z trudem od nedawna [6,19,22]. Istot krótkej sprzeday jest poyczene pewnego waloru (np. akcj, jednostek ndeksowych, waluty bazowej) ze zobowzanem jego zwrotu w dobrowolne wybranej przez poyczajcego chwl, z pewnym jednak zastrzeenem. Otó, gdyby w trakce trwana owego zadłuena wzrosła warto poyczonego waloru, czyl wzrosłoby ryzyko odzyskana przez werzy-
2 216 Anton Wlsk Metoda GMDH do prognozowana rynków w warunkach kryzysu fnansowego cela udostpnonych poyczkoborcy walorów, to ma on prawo, w cle okrelonych warunkach, do zerwana umowy pobrana pewnego zabezpeczena, depozytu złoonego przez poyczkoborc. To sytuacja odwrotna do prostego schematu, którym polscy nwestorzy na GWP byl faszerowan w latach 90-tych ubegłego weku. Wówczas tzw. długa sprzeda polegała na tym, by kup tanej sprzeda droej. Ten schemat, nczym dowcpny aforyzm, utrwalał przez klkanace lat swoste opónene polskch nwestorów, gdy równoczene na wszystkch rozwntych gełdach całego wata funkcjonował z powodzenem handel w obu kerunkach - wzrostu spadku cen. W cgu wspomnanych klkunastu lat zmenła s te gwałtowne dostpnowatowego rynku fnansowego. Dzk tyscom nternetowych platform brokerskch stał s on szans dla spauperyzowanych społeczestw dalekej Azj, Chn, Rosj Europy Wschodnej. Tzw. rynek OTC (Over the Control) stał s take mejscem normalnego, codzennego nwestowana dla mlonów dobrych nwestorów z rozwntych krajów Europy Zachodnej Ameryk Północnej [12]. 2. Jak nwestowa na spadkach Najprostsz odpowedz na tytułowe pytane jest dokładne tak jak na wzrostach. Z matematycznego punktu wdzena zysk z zastosowana pewnej strateg nwestycyjnej sprowadza s do postawena prognozy o zmane obserwowanego waloru w wybranym horyzonce predykcyjnym zawarcu umowy odpowednej do tej prognozy. W najprostszym przypadku umowa ta oznacza otwarce pozycj długej (gdy prognozowany jest wzrost ceny obserwowanego waloru) lub krótkej (gdy prognoza przewduje spadek) rys. 1. Rys.1. Przykład osgnca zysku X l przy zmane ceny w przypadku otwarca pozycj długej, oraz zysku X s w przypadku otwarca pozycj krótkej. Nestety ne ma dzadnej skoczonej metody prognostycznej, która pozwalałaby na jednoznaczne okrelane momentów otwerana zamykana pozycj, an krótkch an długch. Istneje
3 POLSKIE STOWARZSZENIE ZARZDZANIA WIEDZ Sera: Studa Materały, nr 18, wele hpotez - o zmennoc rynków, o powtarzalnoc pewnych wzorców [3,10,18], o samopodobestwe krzywych przedstawajcych zmany cen w rónych przedzałach czasowych, o rozkładach statystycznych stóp zwrotu [4,7,19] wszystke te modele opsuj rzeczywsto zawsze z pewnym załoenam, nekedy stotne j znekształcajcym [20]. Czasam, pommo tych znekształce mog stanow wak krok na drodze poznana neodgadnonej natury. Tak było np. z Mertonem Scholesem, którzy pommo błdnych załoe o normalnoc rozkładów odchyle od wartoc becej rynku otrzymal nagrod Nobla za model wyceny opcj [2,8]. Pommo tych ptrzcych s trudnoc w rozpoznanu tego welowymarowego [19,21] ywołu pojawa s cgle coraz wcej dowodów stnena pewnej pamc o przeszłych wzorcach korelacjach z nnym czynnkam. Z optymzmem psz o tym m.n. tacy mstrzowe analzy techncznej jak Elder [4], Pper [16], Haugen [8] czy Murphy [15]. W szczególnoc Murphy [15] Haugen [8] koncentruj s na klasycznej metodze percepcj wzorców przez człoweka (poprzedzajcego przyszłe nfoboty- automaty nternetowe), rozpoznajcego obrazy w rónej rozdzelczoc w rónych horyzontach czasowych. Ide t, w neco nnym ujcu, zdecydowane bardzej przystosowan do automatycznego traktowana podjl take Ivakhnenko, Madala Mueller [10,13,14] nazywajc j gromadzenem podobestw (analog complexng). Najbardzej jednak optymstyczn z omawanych tu pozycj jest sprawozdane Krutsngera z rozmów z weloma mstrzam foreksowego gełdowego tradngu [12]. Nawzujc do tytułowego przesłana aden z tych mstrzów specjalne ne przejmował s kerunkem zman danego rynku. Rozpatrujc wybrany nstrument fnansowy jako symetryczny przedmot spekulacj (w sense prawnej molwoc prognozowana wzrostu spadku ceny), zupełne bez znaczena staje s kerunek zman. Wany jest znak perwszej pochodnej tych zman. 3. Przykład wykorzystywana wedzy z przeszłoc W charakterze przykładu molwoc ekstrakcj wedzy z danych zgromadzonych w przeszło- c w celach predykcyjnych przedstawone bd wynk autorskch bada. Celem tej krótkej pracy ne jest szczegółowe opsane do złoonego, opracowanego przez autora algorytmu predykcyjnego, a jedyne udowodnene, e kerunek nwestowana (w sense kerunku wzrostu obserwowanego waloru, czy jego spadku) ne ma zasadnczego znaczena. Jeel tak s stane bdze to oznaczało, e kryzys globalny wyraajcy s spadkem wkszoc cen, moe by potraktowany z pewnym umarkowanym optymzmem. Umejtno poradzena sobe z tym spadkam wyznacza bdze jednak raczej wydzelone spekulacyjne wyspy wedzy ne bdze upowanała do generalzowana owego optymzmu. Rozpatrywany przykład autorskego algorytmu opera s na połczenu klku znanych podej do problemu predykcj analzy regresyjnej przetwarzana zespołowego (komtetowego). Analza regresyjna sprowadza s do zastosowana złoonej metody Ivakhnenk [10] zwanej GMDH (Group Method of Data Handlng ) w ujcu regresj welorakej tzn. takej, dla której zmenna obserwowana zaley jednoczene od welu zmennych obserwowanych. Dodatkowo zgodne z de modelowana zmennej obserwowanej za pomoc szeregu Gabora, zmenne te wystpowa mog jako wyrazy welomanów rónego stopna w postac szeregów czasowych przesuntych w czase (wstecz) w stosunku do zmennej obserwowanej. Istot metody GMDH jest przy tym jej zdolno do samoorganzacj pozwalajca na ogranczene stopna złoonoc welomanu (modelu) opsujcego obserwowan rzeczywsto.
4 218 Anton Wlsk Metoda GMDH do prognozowana rynków w warunkach kryzysu fnansowego Drug wany aspekt zastosowanego algorytmu przetwarzane zespołowe, polega na programowym sceptycyzme do wynków modelowana predykcj wg jednego wybranego kryterum jednego zasobu danych. Jeel ta sama, w przyblenu, metoda GMDH zastosowana bdze do oblczena zachowana s zmennej obserwowanej z rónym zmennym objanajcym, to otrzymuje s zupełne odmenne modele prognostyczne, wzajemne od sebe nezalene. Podobne jak w analze portfelowej uzyskuje s w ten sposób obnene ryzyka popełnena duego błdu predykcyjnego. Badana przeprowadzono dla ndeksu WIG20 jako zmennej obserwowanej. To najwanejszy wskank Gełdy Paperów Wartocowych uwane obserwowany przez tysce nwestorów majcych róne hpotezy na temat jego zachowa uzalenena od własnej przeszłoc czynnków zewntrznych. Ne wdajc s w szczegółowe uzasadnena autor przyjł, e WIG20 by moe bdze antycypowany o 1-2 dn przez zmany klkunastu najwanejszych watowych rynków, przy czym wykluczona jest tu zwykła korelacja, gdyby taka bowem była, to nwestycje na gełdze ze wzgldu na swoj przewdywalno ne małyby sensu. Do tych najwanejszych wynków arbtralne zostały zalczone: ceny ropy, złota, srebra, pary walutowe EUR/USD, GBP/USD, USD/JP, ndeksy SP500, DJIA, CAC, DAX, Nkke, Nasdaq. Dla wszystkch tych zmennych objanajcych zostały zebrane dane w postac wec jednodnowych dla okresu ostatnch dwóch lat. Dla uproszczena modelu do bada wzto tylko warto Close. Dane te utworzyły macerz X j dla =1,2..,N, j=1,2,..,m, gdze -oznaczało numer wersza (próby pomaru dobowego) a j- numer kolumny, zmennej oznaczajcej wytypowany rynek. Zmenn obserwowan - ndeks WIG20 oznaczano jako, =1,2,.,N, oczywce take wybrano wartoc zamkn kolejnych sesj dobowych. Nastpne, nech macerz danych wejcowych X j bdze poprzez welokrotn konkatenacj pozom rozszerzona do macerzy X j r, gdze j=1,2,.,k*m gdze K- lczba kroków maksymalnego przesunca kolumn wstecz w dzedzne czasu. Oznacza to, e tu obok perwotnej macerzy danych X j powstane macerz X j -1 dla której kady wyraz X j1-1 = X -1, j dla j 1 =M+1, M+2,.2M. Podobne X jk -k =X -k,j dla j k = M(K-1)+1, M(K-1)+2, KM. W autorskch badanach zastosowano K=2, co oznaczało konkatenacj pozom obok perwotnej macerzy danych X j dwóch takch samych macerzy X j -1 oraz X j -2 o kolumnach odpowedno przesuntych wstecz o 1 lub 2 krok (doby). Kolejnym rozszerzenem macerzy danych X j r o wymarach NxKM jest umeszczene obok (w sense konkatenacj pozomej) kolejnej macerzy utworzonej z loczynów (drugego stopna) kolumn macerzy X j r. Lczba dodatkowych kolumn z loczynów X 1j X 2j, gdze 1, 2 { 1,2,.KM} wynos KM (KM-1)/2. Powstaje ostateczne macerz rozszerzona X j R o wymarach Nx(KM +KM (KM-1)). Np. dla K=2 M=12 ta rozszerzona macerz bdze mała wymar NxM R, gdze M R =576. To ju potna baza, słabo w wkszoc skorelowanych danych, pozwalajca na budowane model nelnowych (tu welomanów drugego stopna). Idea regresj welorakej sprowadzona jest w tym przypadku do zbudowana modelu zmennej obserwowanej X zalenej od welu zmennych wejcowych wyberanych kolumnam z macerzy X j R. Zbudowane pewnego modelu = f(x j R ), dla wszystkch j=1,2,.,m R jest oczywce całkowce neracjonalne po perwsze z powodu neuchronnego przeuczena modelu (model małby znkom przydatno prognostyczn) po druge, z powodów technologcznych. Czas maszynowy koneczny do przetwarzana nformacj byłby neakceptowane dług, przekraczałby z pew-
5 POLSKIE STOWARZSZENIE ZARZDZANIA WIEDZ Sera: Studa Materały, nr 18, noc barery pozwalajce na zastosowane modelu w praktyce. W zwzku z tym ogranczenam Ivakhnenko [10] zastosował de poszukwana lokalne optymalnego welomanu o chwlowo poprawnych włacwocach predykcyjnych. Koncepcja GMDH sprowadza s do wyboru pewnej podprzestrzen X R j0=x R j, takej, e stanow ona baz umolwajc zbudowane welomanowego modelu lnowego o postac gdze 0,j 0 {1,2, M R }. Na potrzeby nnejszej pracy autor zbudował model bazy czterowymarowej w postac: =a 0 +a 1 x 1 +a 2 x j1 +a 3 x 2 x j2 +a 4 x 3 x j3 To oczywce newelk fragment neskoczonego szeregu Gabora, z którego drug trzec wyraz reprezentuj lnow zaleno od wybranych zmennych objanajcych 1,j 1 {1,2, M R }, a dwa kolejne, zdolno nelnow drugego stopna. Oczywce zmenne o ndeksach 2, 3,j 2,j 3 wyberane s take z tego samego unwersum o lcznoc M R. Wyraz a o zwany wyrazem wolnym pozwala na wyodrbnene w modelu wartoc otwartej nezalenej od zmennych objanajcych. Dla uzyskana predykcyjnej własnoc modelu zastosowano specyfczny schemat przesun wektora y wzgldem zmennych objanajcych, wyberanych z macerzy X R j. Na rys. 2 przedstawono przykład wzajemnego połoena pcu wektorów umolwajcy zbudowane jednego z tyscy model. Na rysunku tym wybrano przykładowe zmenne x X R j o ndeksach sugerujcych odpowedne przesunce w czase wzgldem zmennej obserwowanej y. Np. x 7 naley do pewnego, podstawowego zboru danych objanajcych (perwszych 12 zmennych) a macerz (podmacerz) 7 kolejnych wektorów tych zmennych jest przesunty o h p = 1 wstecz wzgldem zmennej y. Wektor X 18 zgodne z wczenejszym ustalenem naley wc do tej czc macerzy X R j, która uzyskana została poprzez konkatenacj pozom perwszego, podstawowego zboru przesunty o jey t o X 7 X 18 X 157 X 356 h p Rys. 2. Przykład wzajemnego usytuowana wektorów o lcznoc 7, sporód których wektor zmennej obserwowanej y jest wysunty w przód o co najmnej horyzont predykcyjny h p.
6 220 Anton Wlsk Metoda GMDH do prognozowana rynków w warunkach kryzysu fnansowego den krok wstecz. Zmenne X 157 X 356 to przykłady neprzesuntych zmennych drugego stopna. Zlustrowany na rysunku horyzont predykcyjny wynos h p = 2 krok. Zakładajc, e w chwl t o wszystke dane na rys. 2. s znane znajc zaleno (t 0 ) = f(x 7,x 18,x 157,x 356 ) na podstawe tego modelu mona oblczy przyszł (prognozowan) warto objanan (t 0 +2) po wprowadzenu do modelu wartoc wszystkch zmennych obja- najcych, które wystpuj o h p pónej (czyl take bd znane w chwl t o ). Problemem wanym w zwzku z tym staje s sposób oblczena owego modelu jako wynku pewnej transformaty obserwowanych w przeszłoc zalenoc pomdzy wektorem y wybranym wektoram x X R j. Dla ustalena owego zwzku stosuj s najczcej, zgodne z de regresj, zasad mnmalzacj odchyle rednokwadratowych pomdzy wektorem modelowanych zachowa zmennej obserwowanej, a jej wartocam pomerzonym y. W ogólnym przypadku uzyskuje s to poprzez rozwzane równana =AX gdze macerz współczynnków A jest wynkem (w ogólnym przypadku) tzw. pseudonwesj Moore a-penrose a A=X\, gdze operator \ oznacza lewostronne dzelene macerzy, zwzane włane z nwersj (pseudonwesj) macerzy nekwadratowej. Jel w celu uwzgldnena pamc o zachowanu rynku, weme s pod uwag pewn lczb zanotowanych pomarów (kroków) wstecz od chwl becej, to model wnen me wymary [1 x n z ], gdze n z to lczba kroków wstecz uwzgldnona w modelu. Dla oblczena współczynnków A naley wz wówczas odpowedn fragment macerzy X R j. Np. wyberajc, tak jak na rys. 2 baz z czterech kolumn tej macerzy, uzyskuje s macerz X o wymarach [ 4 x n z ] wektor współczynnków A [ 1 x 4 ]. Czsto macerz X wzbogaca s o dodatkow jednostkow kolumn jedynek X = [ 1 x 1 x 2 x 3 x 4 ] po to, by w nowym wektorze współczynnków A [ 1 x 5 ] wydzel ten nezaleny od zmennych wejcowych. W wektorze tym włane ten perwszy jest wspomnanym wyrazem wolnym w lnowym równanu opsywanym zmenn. Jako modelu moe by ocenana za pomoc rónych norm -. W przedstawonych ponej wynkach bada zastosowane było take kryterum wyboru modelu opt sporód welu rozpatrywanych, które dawało mnmum rozbenoc na odcnku predykcyjnym o długoc h p 2 krok. Oczywce merzona była zgodno predykcj w przeszłoc wyberany model (wektor współczynnków A) był uyty do wykonana becej predykcj. Sporód welu rozpatrywanych model ( na danym kroku symulacj) ze zboru { k } poszukwany był ten, dla którego kryterum K K s = nz = nz hp s s mn Badana była wc tylko zbeno na odcnku predykcyjnym pomdzy wartocam rzeczywstym modelu s, ten model, który zapewnał najmnejsza sum błdów był wykorzystany do prognozy zachowa zmennej w kolejnym kroku. Zmenn t był wybrany ndeks WIG20. Jak wspomnano wczenej w celu zbadana matematycznego modelu regresyjnego, w której zmenn objanon był WIG20, a zmennym opsujcym pewne charakterystyczne zmenne otaczajcego wata wybrano 12 szeregów czasowych. Ne był to wybór przypadkowy, wynkał bowem z wedzy przekonana autora o potencjalnym, stotnym
7 POLSKIE STOWARZSZENIE ZARZDZANIA WIEDZ Sera: Studa Materały, nr 18, wpływe tych czynnków na badany ndeks WIG20. Oczywce autor mógł newłacwe ocen rzeczywsto zarówno w aspekce locowym wpływu tych rynków dla zachowana s WIG20, jak równe w tak e w aspekce zwzku przyczynowo-skutkowego. Czy na pewno zdarzene w wytypowanych, najwanejszych rynkach wata antycypuj zachowane warszawskej gełdy. Welokrotne podejmowane próby ustanowena prostej korelacj zawodzły. By moe wc nekedy zachowane rynków wschodnch poprzedzaj zmany Wall Street. By moe tak, by moe ne? Jak zwykle, ne ma tu prostej odpowedz - pozostaje mylene ndukcyjne. Jel co daje s modelowa wg pewnych załoe, to naley t okolczno wykorzysta. Dla zbadana dwóch nezalenych ródeł sygnałów predykcyjnych podzelono wybrane zmenne objanajce na dwa zbory X j 1 X j 2. Dla kadego z tych zborów zbadany był dentyczny algorytm predykcyjny, wg którego otwerana była pozycja długa lub krótka (na ndekse WIG20 molwe jest wykonane krótkej sprzeday na pochodnej tego nstrumentu fnansowego zwanej kontraktem - futures). W ten sposób dla poszczególnych chwl czasu t, = 1,2,...,k powstały dwa szereg modelowanych zman zmennej obserwowanej { 1 1, k 1 } oraz { 1 2, k 2 }. Wynk tych symulacj porównywane były z rzeczywstym wartocam zmennej obserwowanej {y 1, y 2, y k }, jednak to porównane molwe było dopero po upływe czasu wyznaczonego przez horyzont predykcyjny h p ( tu wynoszcy 2 krok, czyl dwe doby). Tak wc po kadym kroku badane były bece wykresy obu model w najblszej hstor dla wykonana kolejnej predykcj wyberany był model aktualne lepszy. Sukcesem danego modelu w chwl t była zgodno znaku predykcj rzeczywstych zaobserwowanych zman: Z Z Z 1 2 = = = sgn sgn sgn 1 Jel wystpowało Z = Z lub 2 Z = Z to w danym modelu otwerana była odpowedna pozycja (długa lub krótka, w zalenoc od znaku). Udane otwarce pozycj powodowało po wykonanu jednego kroku przyrost kaptału y =y - y -1, po wykonanu neudanej predykcj tak sam strat. Suma tych przyrostów nazywana jest zmenn narastana kaptału jest jednym z najwanejszych wskanków jakoc systemu transakcyjnego na rynku fnansowym. Wykresy funkcj S K = k = 1 y dla K = 1,2... K przestawone s rys.3 dla obu 1 model jako S k S 2 k. Obe krzywe maj zróncowany przebeg róny jest ch wskank Sharpe a SR = 1 K Z K y = 1 std y ( ) gdze std (y ) jest odchylenem standardowym szeregu y dla = 1,2, k
8 222 Anton Wlsk Metoda GMDH do prognozowana rynków w warunkach kryzysu fnansowego W czase realzacj transakcj nwestycyjnych ne jest oczywce znana przyszło ne wadomo wc, która z dwu rozpatrywanych strateg bdze lepsza? Mona je jedyne obserwowa wybera lepsz Krzywe narastana kaptalu 1500 Przyrost WIG Kolejne sesje Rys.3 Krzywe narastana kaptału dla dwóch rónych model predykcyjnych krzywa otrzymana w wynku przetwarzana zespołowego (pogrubona). Na wykrese wdoczne s trzy krzywe narastanu kaptału dwe cenke dla dwóch odrbnych nezalenych model predykcyjnych, zbudowanych na rozdzelonych podzborach danych oraz krzywa pogrubona bdce rezultatem przetwarzana zespołowego. Przez narastane kaptału naley rozume przyrost punktów ndeksowych WIG20 od otweranych pozycj (kontraktów) długch krótkch (zakupu sprzeday kontraktów). Ponewa na GPW stosuje s obecne dwgn 1:10 to kady punkt ndeksowy oznacza 10 PLN. Istota tego zespołowego przetwarzana jest specyfczna fltracja wynków uzyskwanych przez dwa rozpatrywane modele. Fltracja ta polegała na badanu zwrotu z ostatnch f transakcj dla kadego modelu oddzelne. Jeel w danej chwl czasu przyrost punktów ndeksowych dla strateg S 1 w ostatnch f krokach był wkszy n dla strateg S 2, to w kolejnym kroku wyberana była dla okrelena prognozy stratega S 1. W przecwnym przypadku wyberana była stratega S 2. Uzyskane wynk wskazuj na nteresujce, grafczne wyraone zabezpeczene nwestora przed nespodzewanym duym obsuncam kaptału. Ponewa podzbory danych s od sebe wzgldne nezalene to ndywdualne, dla odrbnych strateg, krzywe narastana kaptału s, lub co najmnej pownny by, słabo skorelowane. Daje to podstaw do postawena tezy o wzroce bezpeczestwa nwestora, o zmnejszenu warancj w szeregu czasowym zwrotu z kaptału. W badanach przedstawonych na rys. 3 zastosowano f=5. Badano take szereg nnych długo- c fltra f. W danej przestrzen danych ten wymenony okazał s najlepszy. Uzyskano wskank Sharpe a wynoszce odpowedno [0,0728 0,0380 0,0800] dla strateg podstawowych strateg
9 POLSKIE STOWARZSZENIE ZARZDZANIA WIEDZ Sera: Studa Materały, nr 18, przetwarzana zespołowego. Uzyskane wynk s nteresujce z praktycznego punktu wdzena potwerdzaj tez o molwoc zarabana w warunkach kryzysu (w warunkach spadku cen wkszoc notowanych nstrumentów fnansowych). Bblografa 1. Brzeszczysk J., Kelm R. Ekonometryczne modele rynków fnansowych. Modele kursów gełdowych kursów walutowych. WIG-Press, Warszawa Crawford G., Sen B. Instrumenty pochodne, narzdza podejmowana decyzj fnansowych. Lber, Warszawa Duda R.O., Hart P.E., Stork D.G., Pattern Classfcaton, John Wley, New ork (2000). 4. Elder A. Come Into My Tradng Room. Wley Tradng, Elton E.J, Gruber M.J. Nowoczesna teora portfelowa analza paperów wartocowych.wig-press, Warszawa Fszeder P. Forecastng the Volatlty of Polsh Stock Index WIG20, w: Forecastng Fnancal Markets. Theory and Applcatons, Wydawnctwo Unwersytetu Łódzkego, Łód Greshlov A.A., Stakun V.A., Stakun A.A. Matematceskje metody postroenja prognozov. Rado svaz. Moskva Haugen R. Teora nowoczesnego nwestowana. WIG-Press, Warszawa Ivakhnenko A.G., Zacenko J.P., Dmtrov V.D. Prnatje resenj na osnove samoorganzacj. Sovetskoe Rado, Moskwa Ivakhnenko A.G., Ivakhnenko G.A., Obzor zadac po algortmam Metoda Gruppowogo Uceta Argumentov. Pattern Recognton and Image Analyss, 1995 vol. 5 no. 4 pp Krawczak M., Jakubowsk A., Koneczny P., Kulkowsk R., Mklewsk A., Szkatuła G. Aktywne zarzdzane nwestycjam fnansowym wybrane zagadnena, Akademcka Ofcyna Wydawncza EXIT, Warszawa Krutsnger J. Systemy transakcyjne.sekrety mstrzów. Wg-Press, Warszawa Lemke F., Mueller J.A. Self- Organzng Data Mnng A Portfolo Tradng System. Journal of Commputatonal Intellgence n Fnance, 1997/05 pp Madala H.R., Ivakhnenko A. G. Inductve Learnng Algorthms for Complex Systems Modellng. CRC Press Murphy J. Analza technczna rynków fnansowych. WIG-Press, Warszawa Pper J. The Way to Trade, Harrman Modern Classc, Rothchld J. Ksega bessy. WIG-Press, Warszawa Schwager J.D. Analza technczna rynków termnowych. WIG-Press, Warszawa Tarczysk W, Łunewska M. Metody welowymarowej analzy porównawczej na rynku kaptałowym. PWN, Warszawa Werzbck A. Badana operacyjne systemowe w epoce cywlzacj wedzy. Instytut Bada Systemowych PAN sera Badana systemowe tom 64, Warszawa 2008, s Wlsk A., Czapewsk P. GMDH-based Multple Predcton of Fnancal Markets. Polsh Journal of Envronmental Studes vol.17 No 3b, 2008 p Wtkowska D., Matuszewska A., Kompa K. Wprowadzene do ekonometr dynamcznej fnansowej. Wydawnctwo SGGW, Warszawa 2008.
10 224 Anton Wlsk Metoda GMDH do prognozowana rynków w warunkach kryzysu fnansowego THE GMDH METHOD FOR MARKET FORECASTING IN THE CIRCUMSTANCES OF FINANCIAL CRISIS Summary The paper consders the long-famlar problem of the accuracy of fnancal markets predcton, performed for the purpose of ganng fnancal profts. Investor's specfc game aganst a constantly evolvng market, comprsng n acqurng profts from the properly predcted dfferences of selected fnancal nstrument's prce, s called a speculaton. The socal atttude towards thus descrbed nvestor's behavor s often pejoratve. Here t s consdered n the axologcal sense - as acqurng a certan hgher value, defeatng the ncomprehensble phenomenon of the market through the knowledge extracton from hstorcal data. Havng the above n mnd, shell we regard the currently observed (December 2008) so called global crss as a msfortune or as a challenge for the speculator? Ths s a rhetorcal queston, snce t should defntely be consdered a challenge. Keywords: predcton, fnancal markets, forex, artfcal ntellgence, GMDH, stock exchange Warsaw Stock Exchange, ndex WIG. Anton Wlsk Zachodnopomorsk Unwersytet Technologczny e-mal: awln@o2.pl
ZASTOSOWANIE PROGRAMOWANIA DYNAMICZNEGO DO OPRACOWANIA STRATEGII REDUKCJI EMISJI GAZÓW
ZASTOSOWANIE PROGRAOWANIA DYNAICZNEGO DO OPRACOWANIA STRATEGII REDUKCJI EISJI GAZÓW ANDRZEJ KAŁUSZKO Instytut Bada Systemowych Streszczene W pracy opsano zadane efektywnego przydzału ogranczonych rodków
Bardziej szczegółowoKRYTERIA WYBORU ARCHITEKTURY SIECI NEURONOWYCH - FINANSOWE CZY BŁ DU PROGNOZY
KRYTERIA WYBORU ARCHITEKTURY SIECI NEURONOWYCH - FINANSOWE CZY BŁDU PROGNOZY HENRYK MARJAK Zachodnopomorsk Unwersytet Technologczny w Szczecne Streszczene Klasyczne podejce do zastosowana sec neuronowych
Bardziej szczegółowoLABORATORIUM METROLOGII TECHNIKA POMIARÓW (M-1)
LABORATORIUM METROLOGII TECHNIKA POMIARÓW (M-) wwwmuepolslpl/~wwwzmape Opracował: Dr n Jan Około-Kułak Sprawdzł: Dr hab n Janusz Kotowcz Zatwerdzł: Dr hab n Janusz Kotowcz Cel wczena Celem wczena jest
Bardziej szczegółowoZaawansowane 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 szczegółowoModele 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 szczegółowoZastosowanie wielowymiarowej analizy porównawczej w doborze spó³ek do portfela inwestycyjnego Zastosowanie wielowymiarowej analizy porównawczej...
Adam Waszkowsk * Adam Waszkowsk Zastosowane welowymarowej analzy porównawczej w doborze spó³ek do portfela nwestycyjnego Zastosowane welowymarowej analzy porównawczej... Wstêp Na warszawskej Ge³dze Paperów
Bardziej szczegółowoaij - wygrana gracza I bij - wygrana gracza II
M.Mszczsk KBO UŁ, Badana operacjne I (cz.) (wkład B 7) GRY KONFLIKTOWE GRY -OSOBOWE O SUMIE WYPŁT ZERO I. DEFINICJE TWIERDZENI Konflktowe gr dwuosobowe opsuje macerz wpłat ( a ) [ ] mxn j,b j gdze: aj
Bardziej szczegółowoKONSTRUKCJA OPTYMALNYCH PORTFELI Z ZASTOSOWANIEM METOD ANALIZY FUNDAMENTALNEJ UJĘCIE DYNAMICZNE
Adranna Mastalerz-Kodzs Unwersytet Ekonomczny w Katowcach KONSTRUKCJA OPTYMALNYCH PORTFELI Z ZASTOSOWANIEM METOD ANALIZY FUNDAMENTALNEJ UJĘCIE DYNAMICZNE Wprowadzene W dzałalnośc nstytucj fnansowych, takch
Bardziej szczegółowoSystem M/M/1/L. λ = H 0 µ 1 λ 0 H 1 µ 2 λ 1 H 2 µ 3 λ 2 µ L+1 λ L H L+1. Jeli załoymy, e λ. i dla i = 1, 2,, L+1 oraz
System M/M// System ten w odrónenu do wczenej omawanych systemów osada kolejk. Jednak jest ona ogranczona, jej maksymalna ojemno jest wartoc skoczon
Bardziej szczegółowoZeszyty Naukowe UNIWERSYTETU PRZYRODNICZO-HUMANISTYCZNEGO w SIEDLCACH Nr 96 Seria: Administracja i Zarz dzanie 2013
Zeszyty aukowe UIWERSYTETU PRZYRODICZO-HUMAISTYCZEGO w SIEDLCACH r 96 Sera: Admnstracja Zarzdzane 013 mgr Marta Kruk Poltechnka Warszawska Ocena ryzyka nwestowana w walory wybranych spóek brany budowlanej
Bardziej szczegółowoKrzysztof Borowski Zastosowanie metody wideł cenowych w analizie technicznej
Krzysztof Borowsk Zastosowane metody wdeł cenowych w analze technczne Wprowadzene Metoda wdeł cenowych została perwszy raz ogłoszona przez Alana Andrewsa 1 w roku 1960. Trzy lne wchodzące w skład metody
Bardziej szczegółowoRozwiązywanie 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 szczegółowoSZACOWANIE NIEPEWNOŚCI POMIARU METODĄ PROPAGACJI ROZKŁADÓW
SZACOWANIE NIEPEWNOŚCI POMIARU METODĄ PROPAGACJI ROZKŁADÓW Stefan WÓJTOWICZ, Katarzyna BIERNAT ZAKŁAD METROLOGII I BADAŃ NIENISZCZĄCYCH INSTYTUT ELEKTROTECHNIKI ul. Pożaryskego 8, 04-703 Warszawa tel.
Bardziej szczegółowoWERYFIKACJA 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 szczegółowoSystem Przeciwdziałania Powstawaniu Bezrobocia na Terenach Słabo Zurbanizowanych SPRAWOZDANIE Z BADAŃ Autor: Joanna Wójcik
Opracowane w ramach projektu System Przecwdzałana Powstawanu Bezroboca na Terenach Słabo Zurbanzowanych ze środków Europejskego Funduszu Społecznego w ramach Incjatywy Wspólnotowej EQUAL PARTNERSTWO NA
Bardziej szczegółowoPortfele 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 szczegółowoAnaliza danych OGÓLNY SCHEMAT. http://zajecia.jakubw.pl/ Dane treningowe (znana decyzja) Klasyfikator. Dane testowe (znana decyzja)
Analza danych Dane trenngowe testowe. Algorytm k najblższych sąsadów. Jakub Wróblewsk jakubw@pjwstk.edu.pl http://zajeca.jakubw.pl/ OGÓLNY SCHEMAT Mamy dany zbór danych podzelony na klasy decyzyjne, oraz
Bardziej szczegółowoZaawansowane metody numeryczne
Wykład 9. jej modyfkacje. Oznaczena Będzemy rozpatrywać zagadnene rozwązana następującego układu n równań lnowych z n newadomym x 1... x n : a 11 x 1 + a 12 x 2 +... + a 1n x n = b 1 a 21 x 1 + a 22 x
Bardziej szczegółowoOPTYMALNE STRATEGIE INWESTYCYJNE PODEJŚCIE FUNDAMENTALNE OPTIMAL INVESTMENT STRATEGY FUNDAMENTAL ANALYSIS
ZESZYTY NAUKOWE POLITECHNIKI ŚLĄSKIEJ 2014 Sera: ORGANIZACJA I ZARZĄDZANIE z. 68 Nr kol. 1905 Adranna MASTALERZ-KODZIS Unwersytet Ekonomczny w Katowcach OPTYMALNE STRATEGIE INWESTYCYJNE PODEJŚCIE FUNDAMENTALNE
Bardziej szczegółowoBadanie 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 szczegółowoBADANIE 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 szczegółowoNeural networks. Krótka historia 2004-05-30. - rozpoznawanie znaków alfanumerycznych.
Neural networks Lecture Notes n Pattern Recognton by W.Dzwnel Krótka hstora McCulloch Ptts (1943) - perwszy matematyczny ops dzalana neuronu przetwarzana przez nego danych. Proste neurony, które mogly
Bardziej szczegółowoAnaliza rodzajów skutków i krytyczności uszkodzeń FMECA/FMEA według MIL STD - 1629A
Analza rodzajów skutków krytycznośc uszkodzeń FMECA/FMEA według MIL STD - 629A Celem analzy krytycznośc jest szeregowane potencjalnych rodzajów uszkodzeń zdentyfkowanych zgodne z zasadam FMEA na podstawe
Bardziej szczegółowo2012-10-11. Definicje ogólne
0-0- Defncje ogólne Logstyka nauka o przepływe surowców produktów gotowych rodowód wojskowy Utrzyywane zapasów koszty zwązane.n. z zarożene kaptału Brak w dostawach koszty zwązane.n. z przestoje w produkcj
Bardziej szczegółowoZASTOSOWANIE ANALIZY HARMONICZNEJ DO OKREŚLENIA SIŁY I DŁUGOŚCI CYKLI GIEŁDOWYCH
Grzegorz PRZEKOTA ZESZYTY NAUKOWE WYDZIAŁU NAUK EKONOMICZNYCH ZASTOSOWANIE ANALIZY HARMONICZNEJ DO OKREŚLENIA SIŁY I DŁUGOŚCI CYKLI GIEŁDOWYCH Zarys treśc: W pracy podjęto problem dentyfkacj cykl gełdowych.
Bardziej szczegółowoPROCEDURA OCENY EFEKTÓW KSZTAŁCENIA, OSI GANYCH PRZEZ STUDENTÓW SPECJALNO CI INFORMATYCZNYCH
PROCEDURA OCENY EFEKTÓW KSZTAŁCENIA, OSIGANYCH PRZEZ STUDENTÓW SPECJALNOCI INFORMATYCZNYCH WALERY SUSŁOW, ADAM SŁOWIK, TOMASZ KRÓLIKOWSKI Streszczene W nnejszym artykule przedstawono procedury organzacyjne
Bardziej szczegółowoKOINCYDENTNOŚĆ MODELU EKONOMETRYCZNEGO A JEGO JAKOŚĆ MIERZONA WARTOŚCIĄ WSPÓŁCZYNNIKA R 2 (K)
STUDIA I PRACE WYDZIAŁU NAUK EKONOMICZNYCH I ZARZĄDZANIA NR 31 Mchał Kolupa Poltechnka Radomska w Radomu Joanna Plebanak Szkoła Główna Handlowa w Warszawe KOINCYDENTNOŚĆ MODELU EKONOMETRYCZNEGO A JEGO
Bardziej szczegółowoSTATYSTYKA 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 szczegółowoPlan wykładu: Typowe dane. Jednoczynnikowa Analiza wariancji. Zasada: porównać zmienność pomiędzy i wewnątrz grup
Jednoczynnkowa Analza Waranc (ANOVA) Wykład 11 Przypomnene: wykłady zadana kursu były zaczerpnęte z podręcznków: Statystyka dla studentów kerunków techncznych przyrodnczych, J. Koronack, J. Melnczuk, WNT
Bardziej szczegółowoZESZYTY NAUKOWE UNIWERSYTETU SZCZECI SKIEGO
ZESZYTY AUKOWE UIWERSYTETU SZCZECI SKIEGO R 394 PRACE KATEDRY EKOOMETRII I STATYSTYKI R 5 004 SEBASTIA GAT Unwersytet Szczec sk KRYTERIA BUDOWY PORTFELI PAPIERÓW WARTO CIOWYCH W OKRESIE BESSY A GIEŁDA
Bardziej szczegółowoZapis informacji, systemy pozycyjne 1. Literatura Jerzy Grębosz, Symfonia C++ standard. Harvey M. Deitl, Paul J. Deitl, Arkana C++. Programowanie.
Zaps nformacj, systemy pozycyjne 1 Lteratura Jerzy Grębosz, Symfona C++ standard. Harvey M. Detl, Paul J. Detl, Arkana C++. Programowane. Zaps nformacj w komputerach Wszystke elementy danych przetwarzane
Bardziej szczegółowoKRZYWA BÉZIERA TWORZENIE I WIZUALIZACJA KRZYWYCH PARAMETRYCZNYCH NA PRZYKŁADZIE KRZYWEJ BÉZIERA
KRZYWA BÉZIERA TWORZENIE I WIZUALIZACJA KRZYWYCH PARAMETRYCZNYCH NA PRZYKŁADZIE KRZYWEJ BÉZIERA Krzysztof Serżęga Wyższa Szkoła Informatyk Zarządzana w Rzeszowe Streszczene Artykuł porusza temat zwązany
Bardziej szczegółowoANALIZA TEKSTUR W OBRAZACH CYFROWYCH I JEJ ZASTOSOWANIE DO OBRAZÓW ANGIOGRAFICZNYCH
POLITECHNIKA WARSZAWSKA WYDZIAŁ ELEKTRONIKI I TECHNIK INFORMACYJNYCH INSTYTUT AUTOMATYKI I INFORMATYKI STOSOWANEJ mgr n. Ewa Sntkowska ANALIZA TEKSTUR W OBRAZACH CYFROWYCH I JEJ ZASTOSOWANIE DO OBRAZÓW
Bardziej szczegółowoKURS STATYSTYKA. Lekcja 1 Statystyka opisowa ZADANIE DOMOWE. www.etrapez.pl Strona 1
KURS STATYSTYKA Lekcja 1 Statystyka opsowa ZADANIE DOMOWE www.etrapez.pl Strona 1 Część 1: TEST Zaznacz poprawną odpowedź (tylko jedna jest prawdzwa). Pytane 1 W statystyce opsowej mamy pełne nformacje
Bardziej szczegółowoI. Elementy analizy matematycznej
WSTAWKA MATEMATYCZNA I. Elementy analzy matematycznej Pochodna funkcj f(x) Pochodna funkcj podaje nam prędkość zman funkcj: df f (x + x) f (x) f '(x) = = lm x 0 (1) dx x Pochodna funkcj podaje nam zarazem
Bardziej szczegółowoAnaliza porównawcza rozwoju wybranych banków komercyjnych w latach 2001 2009
Mara Konopka Katedra Ekonomk Organzacj Przedsęborstw Szkoła Główna Gospodarstwa Wejskego w Warszawe Analza porównawcza rozwoju wybranych banków komercyjnych w latach 2001 2009 Wstęp Polska prywatyzacja
Bardziej szczegółowoProblemy jednoczesnego testowania wielu hipotez statystycznych i ich zastosowania w analizie mikromacierzy DNA
Problemy jednoczesnego testowana welu hpotez statystycznych ch zastosowana w analze mkromacerzy DNA Konrad Furmańczyk Katedra Zastosowań Matematyk SGGW Plan referatu Testowane w analze mkromacerzy DNA
Bardziej szczegółowoTwierdzenie Bezouta i liczby zespolone Javier de Lucas. Rozwi azanie 2. Z twierdzenia dzielenia wielomianów, mamy, że
Twerdzene Bezouta lczby zespolone Javer de Lucas Ćwczene 1 Ustal dla których a, b R można podzelć f 1 X) = X 4 3X 2 + ax b przez f 2 X) = X 2 3X+2 Oblcz a b Z 5 jeżel zak ladamy, że f 1 f 2 s a welomanam
Bardziej szczegółowoKURS 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 szczegółowoBADANIA OPERACYJNE. Podejmowanie decyzji w warunkach niepewności. dr Adam Sojda
BADANIA OPERACYJNE Podejmowane decyzj w warunkach nepewnośc dr Adam Sojda Teora podejmowana decyzj gry z naturą Wynk dzałana zależy ne tylko od tego, jaką podejmujemy decyzję, ale równeż od tego, jak wystąp
Bardziej szczegółowoPoradnik Inwestora część 4. Podstawy inwestowania na rynku Forex, rynku towarowym oraz kontraktach indeksowych
Poradnik Inwestora część 4 Podstawy inwestowania na rynku Forex, rynku towarowym oraz kontraktach Jednostka transakcyjna Rynek walutowy Standardową jednostką transakcyjną na rynku Forex jest tzw. lot oznaczający
Bardziej szczegółowoW 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 szczegółowoPORADNIK KANDYDATA. Wkrótce w nauka w szkole w jaki sposób je. zasadniczych szkole
Drog Gmnazjalsto, Wkrótce w nauka w szkole w jak sposób je jedno z z w pracodawców. zasadnczych szkole racjonalnego wyboru przestrz W prowadzona przy pomocy systemu elektroncznego. Rekrutacja wspomagana
Bardziej szczegółowoRegulamin promocji 14 wiosna
promocja_14_wosna strona 1/5 Regulamn promocj 14 wosna 1. Organzatorem promocj 14 wosna, zwanej dalej promocją, jest JPK Jarosław Paweł Krzymn, zwany dalej JPK. 2. Promocja trwa od 01 lutego 2014 do 30
Bardziej szczegółowo) 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 szczegółowoZestaw zadań 4: Przestrzenie wektorowe i podprzestrzenie. Liniowa niezależność. Sumy i sumy proste podprzestrzeni.
Zestaw zadań : Przestrzene wektorowe podprzestrzene. Lnowa nezależność. Sumy sumy proste podprzestrzen. () Wykazać, że V = C ze zwykłym dodawanem jako dodawanem wektorów operacją mnożena przez skalar :
Bardziej szczegółowoStanisław 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 szczegółowoMATEMATYKA POZIOM ROZSZERZONY Kryteria oceniania odpowiedzi. Arkusz A II. Strona 1 z 5
MATEMATYKA POZIOM ROZSZERZONY Krytera ocenana odpowedz Arkusz A II Strona 1 z 5 Odpowedz Pytane 1 2 3 4 5 6 7 8 9 Odpowedź D C C A B 153 135 232 333 Zad. 10. (0-3) Dana jest funkcja postac. Korzystając
Bardziej szczegółowoPodstawy teorii falek (Wavelets)
Podstawy teor falek (Wavelets) Ψ(). Transformaca Haara (97).. Przykład pewne metody zapsu obrazu Transformaca Haara Przykład zapsu obrazu -D Podstawy matematyczne transformac Algorytmy rozkładana funkc
Bardziej szczegółowoPrawdopodobieństwo i statystyka r.
Prawdopodobeństwo statystya.05.00 r. Zadane Zmenna losowa X ma rozład wyładnczy o wartośc oczewanej, a zmenna losowa Y rozład wyładnczy o wartośc oczewanej. Obe zmenne są nezależne. Oblcz E( Y X + Y =
Bardziej szczegółowoRegulamin promocji upalne lato 2014 2.0
upalne lato 2014 2.0 strona 1/5 Regulamn promocj upalne lato 2014 2.0 1. Organzatorem promocj upalne lato 2014 2.0, zwanej dalej promocją, jest JPK Jarosław Paweł Krzymn, zwany dalej JPK. 2. Promocja trwa
Bardziej szczegółowoO PEWNYM MODELU POZWALAJĄCYM IDENTYFIKOWAĆ K NAJBARDZIEJ PODEJRZANYCH REKORDÓW W ZBIORZE DANYCH KSIĘGOWYCH W PROCESIE WYKRYWANIA OSZUSTW FINANSOWYCH
Mateusz Baryła Unwersytet Ekonomczny w Krakowe O PEWNYM MODELU POZWALAJĄCYM IDENTYFIKOWAĆ K NAJBARDZIEJ PODEJRZANYCH REKORDÓW W ZBIORZE DANYCH KSIĘGOWYCH W PROCESIE WYKRYWANIA OSZUSTW FINANSOWYCH Wprowadzene
Bardziej szczegółowoDywersyfikacja portfela poprzez inwestycje alternatywne. Prowadzący: Jerzy Nikorowski, Superfund TFI.
Dywersyfkacja ortfela orzez nwestycje alternatywne. Prowadzący: Jerzy Nkorowsk, Suerfund TFI. Część I. 1) Czym jest dywersyfkacja Jest to technka zarządzana ryzykem nwestycyjnym, która zakłada osadane
Bardziej szczegółowoWPROWADZENIE DO TEORII DECYZJI STATYSTYCZNYCH
Ćwczene nr 1 Statystyczne metody wspomagana decyzj Teora decyzj statystycznych WPROWADZENIE DO TEORII DECYZJI STATYSTYCZNYCH Problem decyzyjny decyzja pocągająca za sobą korzyść lub stratę. Proces decyzyjny
Bardziej szczegółowoANALIZA PORÓWNAWCZA WYNIKÓW UZYSKANYCH ZA POMOCĄ MIAR SYNTETYCZNYCH: M ORAZ PRZY ZASTOSOWANIU METODY UNITARYZACJI ZEROWANEJ
METODY ILOŚCIOWE W BADANIACH EKONOMICZNYCH Tom XVI/3, 2015, str. 248 257 ANALIZA PORÓWNAWCZA WYNIKÓW UZYSKANYCH ZA POMOCĄ MIAR SYNTETYCZNYCH: M ORAZ PRZY ZASTOSOWANIU METODY UNITARYZACJI ZEROWANEJ Sławomr
Bardziej szczegółowoProjekt 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 szczegółowoPattern Classification
attern Classfcaton All materals n these sldes were taken from attern Classfcaton nd ed by R. O. Duda,. E. Hart and D. G. Stork, John Wley & Sons, 000 wth the permsson of the authors and the publsher Chapter
Bardziej szczegółowoStanisław 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 szczegółowoRegulamin promocji zimowa piętnastka
zmowa pętnastka strona 1/5 Regulamn promocj zmowa pętnastka 1. Organzatorem promocj zmowa pętnastka, zwanej dalej promocją, jest JPK Jarosław Paweł Krzymn, zwany dalej JPK. 2. Promocja trwa od 01 grudna
Bardziej szczegółowoSZTUCZNA INTELIGENCJA
SZTUCZNA INTELIGENCJA WYKŁAD 15. ALGORYTMY GENETYCZNE Częstochowa 014 Dr hab. nż. Grzegorz Dudek Wydzał Elektryczny Poltechnka Częstochowska TERMINOLOGIA allele wartośc, waranty genów, chromosom - (naczej
Bardziej szczegółowoDiagonalizacja macierzy kwadratowej
Dagonalzacja macerzy kwadratowej Dana jest macerz A nân. Jej wartośc własne wektory własne spełnają równane Ax x dla,..., n Każde z równań własnych osobno można zapsać w postac: a a an x x a a an x x an
Bardziej szczegółowo± Δ. Podstawowe pojęcia procesu pomiarowego. x rzeczywiste. Określenie jakości poznania rzeczywistości
Podstawowe pojęca procesu pomarowego kreślene jakośc poznana rzeczywstośc Δ zmerzone rzeczywste 17 9 Zalety stosowana elektrycznych przyrządów 1/ 1. możlwość budowy czujnków zamenających werne każdą welkość
Bardziej szczegółowoTRANZYSTOR BIPOLARNY CHARAKTERYSTYKI STATYCZNE
POLITHNIKA RZSZOWSKA Katedra Podstaw lektronk Instrkcja Nr4 F 00/003 sem. letn TRANZYSTOR IPOLARNY HARAKTRYSTYKI STATYZN elem ćwczena jest pomar charakterystyk statycznych tranzystora bpolarnego npn lb
Bardziej szczegółowoStanisław Cichocki. Natalia Nehrebecka. Wykład 7
Stansław Cchock Natala Nehrebecka Wykład 7 1 1. Zmenne cągłe a zmenne dyskretne 2. Interpretacja parametrów przy zmennych dyskretnych 1. Zmenne cągłe a zmenne dyskretne 2. Interpretacja parametrów przy
Bardziej szczegółowoROZDZIAŁ IV REALIZACJA BADA
...ne tra ngdy czasu na ogldane s za sebe, kto moe c włane dogana... ROZDZIAŁ IV REALIZACJA BADA 4. Wstp Poprawne przygotowane bada oparte o przedstawone zasady realzacj, omówone w poprzednm rozdzale dotycz
Bardziej szczegółowoStatystyka. Zmienne losowe
Statystyka Zmenne losowe Zmenna losowa Zmenna losowa jest funkcją, w której każdej wartośc R odpowada pewen podzbór zboru będący zdarzenem losowym. Zmenna losowa powstaje poprzez przyporządkowane każdemu
Bardziej szczegółowoPoradnik Inwestora część 5. Podstawy inwestowania na rynku Forex, rynku towarowym oraz kontraktach indeksowych
Poradnik Inwestora część 5 Podstawy inwestowania na rynku Forex, rynku towarowym oraz kontraktach Wartości kontraktów Rynek walutowy Kalkulacja wartości kontraktów na których dokonujemy obrotu na rynku
Bardziej szczegółowoNatalia 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 szczegółowoSYSTEMY UCZĄCE SIĘ WYKŁAD 7. KLASYFIKATORY BAYESA. Dr hab. inż. Grzegorz Dudek Wydział Elektryczny Politechnika Częstochowska.
SYSTEMY UCZĄCE SIĘ WYKŁAD 7. KLASYFIKATORY BAYESA Częstochowa 4 Dr hab. nż. Grzegorz Dudek Wydzał Elektryczny Poltechnka Częstochowska TWIERDZENIE BAYESA Wedza pozyskwana przez metody probablstyczne ma
Bardziej szczegółowoPodstawy inwestowania na rynku Forex, rynku towarowym oraz kontraktów CFD
Podstawy inwestowania na rynku Forex, rynku towarowym oraz Poradnik Inwestora Numer 4 Admiral Markets Sp. z o.o. ul. Aleje Jerozolimskie 133 lok.34 02-304 Warszawa e-mail: Info@admiralmarkets.pl Tel. +48
Bardziej szczegółowoStanisław 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 szczegółowoNatalia 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 szczegółowoSztuczne sieci neuronowe. Krzysztof A. Cyran POLITECHNIKA ŚLĄSKA Instytut Informatyki, p. 311
Sztuczne sec neuronowe Krzysztof A. Cyran POLITECHNIKA ŚLĄSKA Instytut Informatyk, p. 311 Wykład 6 PLAN: - Repetto (brevs) - Sec neuronowe z radalnym funkcjam bazowym Repetto W aspekce archtektury: zajmowalśmy
Bardziej szczegółowoOKREŚLENIE CZASU MIESZANIA WIELOSKŁADNIKOWEGO UKŁADU ZIARNISTEGO PODCZAS MIESZANIA Z RECYRKULACJĄ SKŁADNIKÓW
Inżynera Rolncza 8(96)/2007 OKREŚLENIE CZASU MIESZANIA WIELOSKŁADNIKOWEGO UKŁADU ZIARNISTEGO PODCZAS MIESZANIA Z RECYRKULACJĄ SKŁADNIKÓW Jolanta Królczyk, Marek Tukendorf Katedra Technk Rolnczej Leśnej,
Bardziej szczegółowoProste modele ze złożonym zachowaniem czyli o chaosie
Proste modele ze złożonym zachowanem czyl o chaose 29 kwetna 2014 Komputer jest narzędzem coraz częścej stosowanym przez naukowców do ukazywana skrzętne ukrywanych przez naturę tajemnc. Symulacja, obok
Bardziej szczegółowoKształtowanie się firm informatycznych jako nowych elementów struktury przestrzennej przemysłu
PRACE KOMISJI GEOGRAFII PRZEMYSŁU Nr 7 WARSZAWA KRAKÓW 2004 Akadema Pedagogczna, Kraków Kształtowane sę frm nformatycznych jako nowych elementów struktury przestrzennej przemysłu Postępujący proces rozwoju
Bardziej szczegółowobanków detalicznych Metody oceny efektywnoœci operacyjnej
Metody oceny efektywnoœc operacyjnej banków detalcznych Danuta Skora, mgr, doktorantka Wydza³u Nauk Ekonomcznych, Dyrektor Regonu jednego z najwêkszych banków detalcznych Adran Kulczyck, mgr, doktorant
Bardziej szczegółowoANALIZA PREFERENCJI SŁUCHACZY UNIWERSYTETU TRZECIEGO WIEKU Z WYKORZYSTANIEM WYBRANYCH METOD NIESYMETRYCZNEGO SKALOWANIA WIELOWYMIAROWEGO
Artur Zaborsk Unwersytet Ekonomczny we Wrocławu ANALIZA PREFERENCJI SŁUCHACZY UNIWERSYTETU TRZECIEGO WIEKU Z WYKORZYSTANIEM WYBRANYCH METOD NIESYMETRYCZNEGO SKALOWANIA WIELOWYMIAROWEGO Wprowadzene Od ukazana
Bardziej szczegółowoOligopol dynamiczny. Rozpatrzmy model sekwencyjnej konkurencji ilościowej jako gra jednokrotna z pełną i doskonalej informacją
Olgopol dynamczny Rozpatrzmy model sekwencyjnej konkurencj loścowej jako gra jednokrotna z pełną doskonalej nformacją (1934) Dwa okresy: t=0, 1 tzn. frma 2 podejmując decyzję zna decyzję frmy 1 Q=q 1 +q
Bardziej szczegółowoMetody gradientowe poszukiwania ekstremum. , U Ŝądana wartość napięcia,
Metody gradentowe... Metody gradentowe poszukwana ekstremum Korzystają z nformacj o wartośc funkcj oraz jej gradentu. Wykazując ch zbeŝność zakłada sę, Ŝe funkcja celu jest ogranczona od dołu funkcją wypukłą
Bardziej szczegółowoliniowym w przeciwnym przypadku mówimy o programowaniu nieliniowym.
=DGDQLHSROHJDMFHQDSRV]XNLZDQLXPDNV\PDOQHMOXEPLQLPDOQHMZDUWRFLIXQNFMLZLHOX ]PLHQQ\FKSU]\MHGQRF]HVQ\PVSHáQLHQLXSHZQHMLORFLQDáR*RQ\FKZDUXQNyZ UyZQDOXE QLHUyZQRFLQRVLQD]Z]DGDQLDRSW\PDOL]DF\MQHJROXE]DGDQLDSURJUDPRZDQLD
Bardziej szczegółowoRegulamin promocji fiber xmas 2015
fber xmas 2015 strona 1/5 Regulamn promocj fber xmas 2015 1. Organzatorem promocj fber xmas 2015, zwanej dalej promocją, jest JPK Jarosław Paweł Krzymn, zwany dalej JPK. 2. Promocja trwa od 01 grudna 2015
Bardziej szczegółowo11/22/2014. Jeśli stała c jest równa zero to takie gry nazywamy grami o sumie zerowej.
/22/24 Dwuosobowe gry o sume zero DO NAUCZENIA I ZAPAMIĘTANIA: Defnca zaps ger o sume zero, adaptaca ogólnych defnc. Punkt sodłowy Twerdzena o zwązkach punktu sodłowego z koncepcam rozwązań PRZYPOMNIENIE:
Bardziej szczegółowoMetody predykcji analiza regresji
Metody predykcj analza regresj TPD 008/009 JERZY STEFANOWSKI Instytut Informatyk Poltechnka Poznańska Przebeg wykładu. Predykcja z wykorzystanem analzy regresj.. Przypomnene wadomośc z poprzednch przedmotów..
Bardziej szczegółowoRozkład dwupunktowy. Rozkład dwupunktowy. Rozkład dwupunktowy x i p i 0 1-p 1 p suma 1
Rozkład dwupunktowy Zmenna losowa przyjmuje tylko dwe wartośc: wartość 1 z prawdopodobeństwem p wartość 0 z prawdopodobeństwem 1- p x p 0 1-p 1 p suma 1 Rozkład dwupunktowy Funkcja rozkładu prawdopodobeństwa
Bardziej szczegółowoPodstawy inwestowania na rynku Forex, rynku towarowym oraz kontraktów CFD
Podstawy inwestowania na rynku Forex, rynku towarowym oraz Poradnik Inwestora Numer 5 Admiral Markets Sp. z o.o. ul. Aleje Jerozolimskie 133 lok.34 02-304 Warszawa e-mail: Info@admiralmarkets.pl Tel. +48
Bardziej szczegółowoAPROKSYMACJA QUASIJEDNOSTAJNA
POZNAN UNIVE RSITY OF TE CHNOLOGY ACADE MIC JOURNALS No 73 Electrcal Engneerng 213 Jan PURCZYŃSKI* APROKSYMACJA QUASIJEDNOSTAJNA W pracy wykorzystano metodę aproksymacj średnokwadratowej welomanowej, przy
Bardziej szczegółowo= 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 szczegółowoRozmyta efektywność portfela
Krzysztof PIASECKI Akadema Ekonomczna w Poznanu Problem badawczy Rozmyta ektywność portfela Buckley [] Calz [] zaproponowal reprezentowane wartośc przyszłych nwestycj fnansowych przy pomocy lczb rozmytych.
Bardziej szczegółowoWykład IX Optymalizacja i minimalizacja funkcji
Wykład IX Optymalzacja mnmalzacja funkcj Postawene zadana podstawowe dee jego rozwązana Proste metody mnmalzacj Metody teracj z wykorzystanem perwszej pochodnej Metody teracj z wykorzystanem drugej pochodnej
Bardziej szczegółowoProces narodzin i śmierci
Proces narodzn śmerc Jeżel w ewnej oulacj nowe osobnk ojawają sę w sosób losowy, rzy czym gęstość zdarzeń na jednostkę czasu jest stała w czase wynos λ, oraz lczba osobnków n, które ojawły sę od chwl do
Bardziej szczegółowoKarta (sylabus) modułu/przedmiotu
Karta (sylabus) mułu/przedmotu Budownctwo (Nazwa kerunku studów) Studa I Stopna Przedmot: Materały budowlane II Constructon materals Rok: II Semestr: MK_26 Rzaje zajęć lczba gzn: Studa stacjonarne Studa
Bardziej szczegółowoZASADY WYZNACZANIA DEPOZYTÓW ZABEZPIECZAJĄCYCH PO WPROWADZENIU DO OBROTU OPCJI W RELACJI KLIENT-BIURO MAKLERSKIE
Zasady wyznazana depozytów zabezpezaąyh po wprowadzenu do obrotu op w rela lent-buro malerse ZAADY WYZNACZANIA DEPOZYTÓW ZABEZPIECZAJĄCYCH PO WPROWADZENIU DO OBROTU OPCJI W RELACJI KLIENT-BIURO MAKLERKIE
Bardziej szczegółowoProcedura normalizacji
Metody Badań w Geograf Społeczno Ekonomcznej Procedura normalzacj Budowane macerzy danych geografcznych mgr Marcn Semczuk Zakład Przedsęborczośc Gospodark Przestrzennej Instytut Geograf Unwersytet Pedagogczny
Bardziej szczegółowoWPŁYW PARAMETRÓW DYSKRETYZACJI NA NIEPEWNOŚĆ WYNIKÓW POMIARU OBIEKTÓW OBRAZU CYFROWEGO
Walenty OWIECZKO WPŁYW PARAMETRÓW DYSKRETYZACJI A IEPEWOŚĆ WYIKÓW POMIARU OBIEKTÓW OBRAZU CYFROWEGO STRESZCZEIE W artykule przedstaono ynk analzy nepenośc pomaru ybranych cech obektu obrazu cyfroego. Wyznaczono
Bardziej szczegółowoPodstawy inwestowania na rynku Forex, rynku towarowym oraz kontraktów CFD
Podstawy inwestowania na rynku Forex, rynku towarowym oraz Poradnik Inwestora Numer 12 Admiral Markets Sp. z o.o. ul. Aleje Jerozolimskie 133 lok.34 02-304 Warszawa e-mail: Info@admiralmarkets.pl Tel.
Bardziej szczegółowoWeryfikacja 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 szczegółowoPokazać, że wyżej zdefiniowana struktura algebraiczna jest przestrzenią wektorową nad ciałem
Zestaw zadań : Przestrzene wektorowe. () Wykazać, że V = C ze zwykłym dodawanem jako dodawanem wektorów operacją mnożena przez skalar : C C C, (z, v) z v := z v jest przestrzeną lnową nad całem lczb zespolonych
Bardziej szczegółowoProgramowanie wielokryterialne
Prgramwane welkryteralne. Pdstawwe defncje znaczena. Matematyczny mdel sytuacj decyzyjnej Załóżmy, że decydent dknując wybru decyzj dpuszczalnej x = [ x,..., xn ] D keruje sę szeregem kryterów f,..., f.
Bardziej szczegółowo