MODEL SEKWENCYJNEGO ZAWIERANIA TRANSAKCJI ZASTOSOWANIE DO ANALIZY PROCESU TRANSAKCYJNEGO NA KASOWYM RYNKU ZŁOTEGO
|
|
- Dariusz Sokołowski
- 6 lat temu
- Przeglądów:
Transkrypt
1 METODY ILOŚCIOWE W BADANIACH EKONOMICZNYCH Tom XIII/3, 2012, sr MODEL SEKWENCYJNEGO ZAWIERANIA TRANSAKCJI ZASTOSOWANIE DO ANALIZY PROCESU TRANSAKCYJNEGO NA KASOWYM RYNKU ZŁOTEGO Kaarzyna Bień-Barkowska 1 Insyu Ekonomerii, Szkoła Główna Handlowa kaarzyna.bien@sgh.waw.pl Deparamen Sysemu Finansowego, Narodowy Bank Polski Sreszczenie: W arykule dokonano próby aproksymacji sopnia zróżnicowania inencji i oczekiwań dealerów międzybankowego kasowego rynku złoego na podsawie srumienia składanych zleceń zakupu lub sprzedaży euro. Arykuł wpisuje się w obszar badań mikrosrukury rynku waluowego. Zaprezenowano w nim uogólnioną w pracy [Wünsche 2007] specyfikację ekonomerycznego modelu sekwencyjnego zawierania ransakcji pierwonie zaproponowanego w pracy [Easley i in. 1996]. Model en umożliwia pomiar zawarości informacyjnej poszczególnych ransakcji poprzez oszacowanie czerech miar: (1) prawdopodobieńswa napływu nowej informacji na rynek, (2) prawdopodobieńswa, że nowa informacja okaże się zła dla waluy bazowej, (3) inensywności ransakcji wywołanych napływem nowej informacji (informed rading), (4) inensywności ransakcji, kóre nie są umoywowane napływem nowej informacji na rynek, a wynikają na przykład z zarządzania płynnością (uninformed rading). W badaniu empirycznym dokonano oszacowania zróżnicowania poziomu zmienności kursu EUR/PLN w okresach charakeryzujących się napływem dobrej informacji, złej informacji lub zakwalifikowanych jako okresy bez napływu nowych sygnałów informacyjnych. Słowa kluczowe: mikrosrukura rynku, modele sekwencyjnego zawierania ransakcji, kurs waluowy 1 Auorka składa podziękowania firmie Thomson Reuers za udosępnienie danych z sysemu Reuers Dealing 3000 Spo Maching oraz Piorowi Odrzywołkowi, Pawłowi Sobolewskiemu i dr Dobiesławowi Tymoczko za uwagi meryoryczne. Opinie prezenowane w arykule są prywanymi opiniami Auorki, a nie sanowiskiem Narodowego Banku Polskiego.
2 Model sekwencyjnego zawierania ransakcji 43 WPROWADZENIE Badania mikrosrukury rynku definiuje się jako sudia nad procesem wymiany dóbr przy uwzględnieniu sformalizowanych reguł obrou handlowego (por. [O Hara 1995]). W wielu eoreycznych modelach formułowanych w ym obszarze przyjmuje się założenie, że podmioy zawierające ransakcje na rynku finansowym zdobywają informację i uczą się na podsawie zachowań innych uczesników rynku. W mikrosrukuralnych modelach informacji (ang. informaion models) scenariusz składanych zleceń zakupu i sprzedaży sanowi czyelną przesłankę na ema oczekiwań doyczących przyszłej warości insrumenu finansowego (por. Glosen i Milegrom 1985], [Easley i O'Hara 1987]). Zgodnie z wynikami badań prezenowanych w lieraurze poświęconej mikrosrukurze rynków waluowych, przepływ zleceń (zakup neo waluy bazowej) wywiera isony wpływ na kszałowanie się krókookresowych (wewnąrzdziennych, dziennych) zmian kursu waluowego (por. [Evans i Lyons 2002a, 2002b], [Berger I in. 2007], [Rime i in. 2007], [Scalia 2008] i.in.). W odniesieniu do kasowego rynku złoego isoną saysycznie zależność pomiędzy zakupem neo waluy bazowej a sopami zwrou dla kursu USD/PLN (w I połowie 2004 r.) oraz EUR/PLN (w II połowie 2004 oraz w 2007 r.) wykazano w pracy [Bień 2010]. Celem arykułu jes prezenacja modelu sekwencyjnego zawierania ransakcji (ang. sequenial rade models) EKOP, należącego do obszaru mikrosrukuralnych modeli informacji. Model EKOP jes popularnym narzędziem ekonomerycznym umożliwiającym pomiar zawarości informacyjnej procesu ransakcyjnego, czyli inencji i oczekiwań inwesorów na rynku kierowanym zleceniami. Na akim rynku srony ransakcji (dealerzy waluowi w przypadku rynku waluowego) mogą składać dwa podsawowe ypy zleceń: zlecenia rynkowe i zlecenia z limiem ceny. Zlecenia rynkowe zakupu (sprzedaży) waluy bazowej są realizowane po najbardziej konkurencyjnych cenach ask (bid) dosępnych na rynku i skukują naychmiasowym zawarciem ransakcji. Z uwagi na pewność realizacji akich zleceń, są one w lieraurze radycyjnie posrzegane jako wynikające z napływu nowej informacji na rynek, gdyż warość akiej informacji z reguły podlega bardzo szybkiej deprecjacji w czasie (por. [Glosen 1994], [Sepii 1997]). Zlecenia z limiem ceny zakupu (sprzedaży) mogą być naomias wprowadzane do arkusza zleceń po cenach nie odpowiadających najbardziej konkurencyjnym cenom ask (bid) i mogą oczekiwać na realizację przez zadany przez dealera okres. Rozróżnienie pomiędzy zleceniami rynkowymi i zleceniami z limiem ceny pozwala na wyróżnienie w badaniach mikrosrukury rynku zw. ransakcji zakupu i ransakcji sprzedaży. Transakcja zakupu waluy bazowej nasępuje w wyniku realizacji rynkowego zlecenia zakupu waluy bazowej względem oczekującego na realizację najbardziej konkurencyjnego zlecenia sprzedaży waluy bazowej z limiem ceny. Dealer kupujący waluę bazową w akiej ransakcji jes określany
3 44 Kaarzyna Bień-Barkowska jako agresor podmio, kórego działanie doprowadziło bezpośrednio do zawarcia ransakcji. Analogicznie, do ransakcji sprzedaży waluy bazowej dochodzi w wyniku realizacji rynkowego zlecenia sprzedaży waluy bazowej względem oczekującego na realizację, najbardziej konkurencyjnego, zlecenia zakupu waluy bazowej z limiem ceny. Agresorem w akiej ransakcji jes zaem dealer sprzedający waluę bazową. Zasosowanie modelu EKOP do analizy danych doyczących poszczególnych ypów zleceń zakupu i sprzedaży umożliwia wyodrębnienie dwóch rodzajów ransakcji zakupu lub sprzedaży: (1) ransakcji wynikających z napływu nowej informacji na rynek (ang. informed rades) oraz (2) ransakcji nie mających związku z napływem nowych sygnałów informacyjnych, a wynikających np. z zarządzania płynnością (ang. uninformed rades, liquidiy rades, noise rades). Model umożliwia również oszacowanie zw. prawdopodobieńswa zawierania ransakcji na podsawie napływu nowej informacji (ang. probabiliy of informed rading), czyli oszacowanie liczby ransakcji zainicjowanych poprzez napływ nowych sygnałów informacyjnych wśród wszyskich zawarych na rynku ransakcji. W lieraurze poświęconej zasosowaniom modeli informacji, model EKOP był doychczas wykorzysywany w badaniach migracji nowej informacji w okresach, w kórych dokonywano podziału akcji (ang. sock splis) (por. [Easley, O Hara i Saar 2001]), publikacji nowej informacji doyczącej sandingu finansowego spółek (por. [Benos i Jochec 2007] i [Reza i Wilson 2007]), wyjaśnienia wahań płynności na rynku (por. [Easley e al. 1996]; [Brockman i Chung 2000]; [Easley e al. 2008]). Model en sanowił również podsawę oceny wewnąrzdziennej sezonowości zawierania ransakcji na podsawie napływu nowych sygnałów informacyjnych a zaem flukuacji inencji i oczekiwań uczesników rynku (por. [Gençay, Gradojevic i Selcuk 2007] i [Gençay i Gradojevic 2008]). W arykule zaprezenowano przykład zasosowania uogólnionej przez Wünsche (2007) wersji modelu EKOP do danych z sysemu Reuers Dealing 3000 Spo Maching obejmujących międzybankowe ransakcje wymiany euro (walua bazowa) za złoego w okresie syczeń-lipiec 2008 r. Wyniki esymacji umożliwiły akże pomiar zróżnicowania wewnąrzdziennej zmienności kursu EUR/PLN w okresach charakeryzujących się napływem dobrej lub złej informacji dla złoego. TEORETYCZNA KONSTRUKCJA MODELU EKOP I JEJ ROZWINIĘCIA W modelu EKOP zakłada się, że na rynku wysępują dwie grupy inwesorów: (1) mający dosęp do informacji (informed) oraz (2) niemający dosępu do informacji (uninformed, liquidiy). W danej jednosce czasu prawdopodobieńswo napływu na rynek sygnału informacyjnego jes sałe i wynosi
4 Model sekwencyjnego zawierania ransakcji 45 α. Prawdopodobieńswo ego, że dany sygnał informacyjny powiązany jes z napływem złej informacji dla waluy bazowej wynosi δ, naomias ego, że informacja jes dobra wynosi odpowiednio 1 δ. Transakcje zakupu i sprzedaży waluy bazowej odbywają się zgodnie z niezależnymi procesami Poissona o warościach oczekiwanych (inensywnościach) λ Z, oraz λ S,, odpowiednio. W każdym z analizowanych okresów, inwesorzy dysponujący informacją mogą wkraczać na rynek dokonując ransakcji ze sałą inensywnością μ, a inwesorzy, kórzy nie odebrali żadnych sygnałów informacyjnych z inensywnością ε. Na począku każdego z wyróżnionych inerwałów czasowych na rynku może pojawić się sygnał informacyjny z prawdopodobieńswem α. Zosaje on wówczas odebrany przez część dealerów waluowych, kórzy posępując racjonalnie posanawiają wykorzysać swoją przewagę informacyjną na rynku. Jeżeli informacja jes dobra dla waluy bazowej (świadczy o chwilowym niedowarościowaniu waluy bazowej), inwesorzy ci włączają się do procesu ransakcyjnego dokonując ransakcji zakupu waluy bazowej z inensywnością (średnią liczbą ransakcji w ciągu wyróżnionego okresu) μ. Oprócz podmioów mających dosęp do sygnałów informacyjnych na rynku obecni są również dealerzy, kórzy zawsze z aką samą inensywnością ε zawierają ransakcje zakupu i sprzedaży dokonują ich w celach nieinformacyjnych, czyli niezależnych od napływu sygnałów informacyjnych. W związku z ym, w nasępswie zaobserwowania dobrej informacji (dla waluy bazowej, czyli EUR), oczekiwana liczba ransakcji zakupu w pięnasominuowym inerwale czasowym wynosi: λ = μ + ε, naomias średnia liczba ransakcji sprzedaży: Z λ S = ε. Analogicznie, jeżeli informacja okazała się zła (świadczyła o chwilowym przewarościowaniu kursu), ci dealerzy, kórzy odebrali sygnał informacyjny dokonują agresywnych ransakcji sprzedaży waluy bazowej. W akim przypadku, oczekiwana liczba ransakcji zakupu w ciągu pięnasu minu wynosi: λ Z = ε, naomias oczekiwana liczba ransakcji sprzedaży: λ S = μ + ε. W okresach, w kórych na rynek nie napłynęły żadne sygnały informacyjne, akywnymi uczesnikami procesu ransakcyjnego są ylko banki, kóre nie dysponują pełną informacją, a zaem zarówno oczekiwana liczba ransakcji zakupu jak i sprzedaży waluy bazowej wynosi: λ Z = λ S = ε. Model EKOP ma czery paramery α, δ, ε, μ, a jego klasyczna konsrukcja ekonomeryczna wykorzysuje mieszankę rzech dwuwymiarowych rozkładów Poissona o różnych warościach oczekiwanych. Prawdopodobieńswo jednoczesnego zaobserwowania z ransakcji zakupu oraz s ransakcji sprzedaży między momenami 1 oraz ma posać:
5 46 Kaarzyna Bień-Barkowska P( Z = z, S = s ) = α(1 δ ) P + αδ P POI + (1 α) P POI ( z, s ; ε + μ, ε ) ( z, s ; ε, ε + μ) POI ( z, s ; ε, ε ) gdzie PPOI ( z, s, λ Z, λs ) oznacza łączny dwuwymiarowy rozkład Poissona dla ransakcji zakupu i sprzedaży waluy bazowej o inensywnościach: λ B { ε + μ, ε} oraz λ S { ε, ε + μ}. Z przyjęego założenia, że ransakcje zakupu i sprzedaży zawierane są zgodnie z procesem Poissona wynika, że liczby ransakcji zakupu i sprzedaży waluy bazowej w poszczególnych rzech rodzajach okresów (charakeryzującym się napływem złej informacji lub dobrej informacji, lub bez napływu sygnałów informacyjnych) są od siebie całkowicie niezależne. Zgodnie z klasyczną specyfikacją modelu, omawiane procesy nie mogą podlegać bowiem ani auokorelacji, ani korelacji krzyżowej. Dodakowo, na podsawie wzoru (1), kowariancja pomiędzy procesami zakupu i sprzedaży (wynikającymi z mieszanki 2 2 rzech procesów Poissona) ma posać Cov ( Z, S ) = α δ (1 δ ) μ, czyli implikuje ujemną korelację pomiędzy zmiennymi Z i S. Empiryczne wyniki badań dowodzą jednak, że okresowe flukuacje liczebności ransakcji zakupu i sprzedaży charakeryzują się dodanią korelacją choćby ze względu na wysępowanie wewnąrzdziennej lub wewnąrzygodniowej sezonowości (por. [Vener i de Jongh 2004]). Inną wadą, wynikającą z przyjęcia założenia o rozkładzie Poissona, sanowi zaakcepowanie implicie resrykcji o równości pomiędzy warością oczekiwaną liczby ransakcji zakupu lub sprzedaży a wariancją liczby zakupu i sprzedaży. Empiryczne badania wskazują jednak, że dyspersja (wariancja) rozkładu badanych zmiennych jes dużo większa niż wynikałoby o z rozkładu Poissona (por. [Vener i de Jongh 2004]). Zaproponowane w pracy [Wünsche 2007] rozwiązanie polega na wykorzysaniu innych niż rozkład Poissona rozkładów prawdopodobieńswa dla liczby ransakcji zakupu i sprzedaży. [Wünsche 2007] proponuje wykorzysanie dwuwymiarowego rozkładu ujemnego dwumianowego (Negaive Binomial, NegBin) 2. Dwuwymiarowy rozkład liczby ransakcji zakupu i sprzedaży waluy bazowej ma wówczas posać: P κ z s Γ( z + s + κ ) κ λz λs NEG ( Z = z, S = s ) = (2) Γ( z + 1) Γ( s + 1) Γ( κ ) ζ ζ ζ (1) 2 Rozkład ujemny dwumianowy można rakować jako mieszankę rozkładu Poissona z rozkładem gamma. Zarówno inensywność ransakcji zakupu jak i sprzedaży zależą jednocześnie od ego samego ukryego czynnika ω o rozkładzie gamma. Implikuje o dodanią korelację zmiennych (zob. [Wünsche 2007]).
6 Model sekwencyjnego zawierania ransakcji 47 gdzie ζ κ λ z + λ = + s, naomias z λ, oraz λ s oznaczają inensywności odpowiednio ransakcji zakupu i sprzedaży waluy bazowej. Podobnie jak w klasycznym modelu EKOP, bazującym na rozkładzie Poissona, oczekiwane liczby ransakcji zakupu i sprzedaży są równe odpowiednio E( Z) = λz i E( S) = λs, naomias wariancje procesów brzegowych mają posać: V ( Z ) = λz + κ λz oraz V ( S) = λs + κ λs. Paramer E (Z ) = κ odpowiada zaem za miarę dyspersji rozkładu (wariancja może być większa od warości oczekiwanej). Model umożliwia większą dyspersję w porównaniu z rozkładem Poissona. Dwuwymiarowy rozkład NegBin zbiega do dwuwymiarowego rozkładu Poissona jeśli κ. Przy wykorzysaniu mieszanki rozkładów ujemnych dwumianowych do opisu łącznego rozkładu liczby ransakcji zakupu i sprzedaży waluy bazowej, odpowiednikiem rozkładu prawdopodobieńswa zadanego wzorem (1) jes rozkład: P( Z = z, S = s ) = αδ PNEG ( z, s ; ε, ε + μ) + α(1 δ ) PNEG ( z, s ; ε + μ, ε) (3) + (1 α) PNEG ( z, s ; ε, ε) na podsawie kórego możemy orzymać funkcję wiarygodności: T Γ( z + s + κ) z + s κ z + s + κ L Θ ε κ ε + κ EKOP ( ) = (2 ) =1 Γ( z + 1) Γ( s + 1) Γ( κ) (4) + z + s + κ α αδ + s + α δ + z a a 1 (1 ) (1 ) (1 )(1 ) 1+ b μ μ gdzie a =, b =. ε 2ε + κ Na podsawie ocen paramerów modelu można dokonać jednoznacznego podziału rozważanych okresów, w kórych dokonuje się obrou na: (1) okresy, w kórych zaobserwowano napływ dobrej informacji, (2) okresy, w kórych zarejesrowano napływ złej informacji oraz (3) okresy, w kórych nie było napływu jakichkolwiek sygnałów informacyjnych. Idenyfikacji akiej można dokonać na podsawie prawdopodobieńsw a poseriori wyznaczonych na podsawie wierdzenia Bayesa: P ( NI z, s ) = (1 α) P ( Z, S ; ε, ε )/ L (5) Neg Neg EKOP P ( ZI z, s ) = αδ P ( Z, S ; ε, ε + μ)/ L (6) Neg EKOP P ( DI z, s ) = α (1 δ ) P ( Z, S ; ε + μ, ε )/ L (7) EKOP
7 48 Kaarzyna Bień-Barkowska gdzie P ( NI z, s ) oznacza prawdopodobieńswo braku napływu sygnałów informacyjnych, P ( ZI z, s ) prawdopodobieńswo napływu złej informacji dla waluy bazowej, a P ( GI z, s ) prawdopodobieńswo napływu dobrej informacji (prawdopodobieńswa pod warunkiem zaisnienia z ransakcji zakupu oraz s ransakcji sprzedaży w okresie ). Końcowej idenyfikacji okresów dokonuje się na podsawie ego, kóre z oszacowanych prawdopodobieńsw jes dla danego momenu największe. BADANIE PROCESU TRANSAKCYJNEGO NA RYNKU EUR/PLN W przykładzie empirycznym wykorzysano zbiory danych doyczące ransakcji na międzybankowym kasowym rynku złoego, zarejesrowanych w sysemie Reuers 3000 Spo Maching Sysem, w okresie syczeń-lipiec 2008 r. 3 Z uwagi na małą akywność rynku w nocy i dni świąeczne, okresem badania objęo dni robocze w godz CET. Szeregi danych ikowych poddano agregacji do pięnasominuowej częsoliwości, wyodrębniając zmienne: (1) logarymiczną sopę zwrou ze średniego kursu (kurs mid) EUR/PLN (wyrażoną w punkach bazowych), (2) liczbę ransakcji sprzedaży i (3) liczbę ransakcji zakupu. Model EKOP zakłada, że paramery są niezmienne w czasie. Tymczasem sygnały informacyjne napływają na rynek finansowy seriami, ponieważ źródła akich informacji są ze sobą częso powiązane. W celu wychwycenia poencjalnych rendów oraz sezonowości w kszałowaniu się poszczególnych współczynników modelu, zasosowano procedurę zaproponowaną w pracach [Gencay, Gradojevic i Selcuk 2007] oraz [Gencay i Gradojevic 2008]. Model EKOP oszacowano 4 dla każdego z 145 dni wchodzących w zakres próby oddzielnie, każdorazowo na podsawie czerdziesu wewnąrzdziennych obserwacji odpowiadających pięnasominuowym inerwałom czasowym. Na podsawie oszacowań paramerów modelu każdy z pięnasominuowych inerwałów zakwalifikowano do jednego z rzech reżimów informacyjnych (por. wzory 5-7). Wyodrębnienie różnych okresów przedsawiono na rysunku 1. Można zauważyć, że isona nadwyżka ransakcji zakupu euro nad ransakcjami sprzedaży pozwala wyodrębnić okres o napływie dobrej informacji dla waluy bazowej (euro). Analogicznie, isona nadwyżka ransakcji sprzedaży nad ransakcjami zakupu umożliwia wyodrębnienie okresu o napływie złej informacji dla euro, a zaem dobrej dla złoego. 3 Więcej informacji na ema samej plaformy ransakcyjnej, jej funkcjonowania oraz srukury danych znaleźć można w [Bień 2010]. 4 Model oszacowano na podsawie samodzielnie przygoowanych kodów do esymacji w programie ekonomerycznym Gauss (wersja 8.0). W procedurze maksymalizacji funkcji wiarygodności wykorzysano biblioekę Maxlik.
8 Model sekwencyjnego zawierania ransakcji 49 Rysunek 1. Podział okresów ransakcyjnych na podsawie dysproporcji ransakcji zakupu i sprzedaży orzymanej za pomocą modelu EKOP. Źródło: obliczenia własne Wyodrębnienie rzech ypów okresów dla procesu zawierania ransakcji pozwala odpowiedzieć na pyanie, w jakim sopniu akywność dealerów polegająca na składniu agresywnych zleceń zakupu lub sprzedaży (z różną inensywnością) wpływa na wewnąrzdzienną flukuację kursu waluowego. W celu zbadania akiego efeku oszacowano regresje: r = ω Pˆ( NI z, s ) + ω Pˆ( ZI z, s ) + ω Pˆ( GI z, s ) + ν (8) NI ZI GI, r 2 = α NI Pˆ( NI z, s ) α ZI Pˆ( ZI z, s ) + α GI Pˆ( GI z, s ) + ν 2, r r + (9) Wyniki oszacowań przedsawiono w abeli 1. Można zauważyć, że poszczególne reżimy informacyjne generują całkowicie inne zachowanie sóp zwrou. W przypadku napływu dobrej informacji dla euro (lub złej dla złoego) kurs EUR/PLN rośnie średnio o około 4,35 punku bazowego (deprecjacja złoego), a w przypadku napływu złej informacji dla euro (lub dobrej dla złoego) kurs EUR/PLN maleje średnio o około 4,4 punku bazowego (aprecjacja złoego). Wynik aki jes zgodny z oczekiwaniami. Należy zwrócić uwagę, że podział na poszczególne sany informacyjne przeprowadzo na podsawie wiedzy o liczbie ransakcji zakupu i sprzedaży w poszczególnych okresach. Procedura aka wykorzysuje zaem informację o warości przepływu zleceń i powierdza rezulay orzymane w pracy [Bień 2010]. Ciekawe wyniki orzymano w przypadku regresji dla kwadraów sóp zwrou. Można zauważyć, że zmienność kursu EUR/PLN jes większa w przypadku napływu złej informacji dla złoego (lub dobrej dla euro), niż w okresach charakeryzujących się napływem dobrej informacji dla złoego (lub dobrej dla euro). Wniosek en powierdza, że kurs EUR/PLN w nieco większym sopniu zależy od informacji (ogłoszeń, oczekiwań, wyników badań ip.) doyczących warości walu krajów emerging markes (w ym złoego) niż ych
9 50 Kaarzyna Bień-Barkowska doyczących warości głównych walu. Dyspersja kursu wzrasa bardziej w nasępswie negaywnych informacji dla złoego. Tym samym orzymane wyniki wskazują na wysępowanie dźwigni finansowej jako jednej ze sylizowanych cech finansowych szeregów czasowych o bardzo wysokiej częsoliwości. Tabela 1. Wpływ reżimów informacyjnych na sopę zwrou i kwadra sopy zwrou z kursu EUR/PLN. Warości p odpowiadają saysykom -sudena obliczonym na podsawie średnich błędów szacunku odpornych na auokorelację i heeroskedasyczność składnika losowego (auocorrelaion and heeroskedasiciy robus sandard errors). paramery oszacowanie war. p paramery oszacowanie war. p równanie dla r: równanie dla r 2 : ω NI -0,216 0,017 α NI 23,513 0,000 ω GI 4,357 0,000 α GI 51,547 0,000 ω ZI -4,403 0,000 α ZI 48,651 0,000 Źródło: obliczenia własne BIBLIOGRAFIA Benos, E., Jochec M. (2007) Tesing he PIN Variable Working Paper, Universiy of Illinois. Berger D., Chaboud A., Chernenko S., Howorka E., Wrigh J. (2008) Order Flow and Exchange Rae Dynamics in Elecronic Brokerage Sysem Daa, Journal of Inernaional Economics, No. 75, s Bień K. (2010) Przepływ zleceń a kurs waluowy. Badanie mikrosrukury międzybankowego kasowego rynku złoego, Bank i Kredy, 5, Brockman P., Chung D. Y. (2000) Informed and Uniformed Trading in an Elecronic Marke-Driven Environmen, The Financial Review, 35, Danielsson, J., Luo J., Payne R. (2002) Exchange Rae Deerminaion and Iner-Marke Flow Effecs, Mimeo, London School of Economics. Easley D., O Hara M. (1987) Price, Trade Size, and Informaion in Securiies Markes, Journal of Financial Economics, No. 19, s Easley D., O Hara, M., Saar G. (2001) How Sock Splis Affec Trading: A Microsrucure Approach, Journal of Financial and Quaniaive Analysis, 36, Easley D., Kiefer N., O Hara M., Paperman J. (1996) Liquidiy, Informaion and Infrequenly Traded Socks, Journal of Finance, 51, Evans M. D., Lyons R. K. (2002a) Informaional Inegraion and FX Trading, Journal of Inernaional Money and Finance, 21, Evans M. D., Lyons R. K. (2002b) Order Flow and Exchange Rae Dynamics, Journal of Poliical Economy, 110, Gençay, R., Gradojevic, N. (2008) Informed Trading in Elecronic Foreign Marke, Working paper, Deparmen of Economics, Simon Fraser Universiy, Canada.
10 Model sekwencyjnego zawierania ransakcji 51 Gençay, R., Gradojevic, N, Selçuk, F. (2007) When Do Informed Traders Arrive in Foreign Exchange Markes, Working paper, Deparmen of Economics, Simon Fraser Universiy, Canada. Glosen, L. R. (1994) Is he Elecronic Open Limi Order Book Ineviable?, The Journal of Finance, 49, Glosen L. R., Milgrom P. R. (1985) Bid, Ask and Transacion Prices in a Specialis Marke wih Heerogeneously Informed Traders, Journal of Financial Economics, 14, O Hara M. (1995), Marke Microsrucure, Basil Blackwell, Oxford. Reza, S., Wilson C. (2007) Does Corporae Ownership Impac he Probabiliy of Informed Trading?, Inernaional Journal of Business Research, 7, Rime D., Sarno L., Sojli E. (2010), Exchange Rae Forecasing, Order Flow and Macroeconomic Informaion, Journal of Inernaional Economics, No. 80, s Scalia A. (2008) Is Foreign Exchange Inervenion Effecive? Some Microanalyical Evidence from he Czech Republic, Journal Inernaional Money and Finance, 27, Seppi, D. J. (1997) Liquidiy Provision wih Limi Orders and a Sraegic Specialis, Review of Financial Sudies, 10, Wünsche O. (2007) Using Mixed Poisson Disribuions in Sequenial Trade Models, Working Paper, Group Quaniaive Risk Mehodology. Vener J., de Jongh D. (2004) Exending he EKOP Model o Esimae he Probabiliy of Informed Trading, Sudies in Economics and Economerics 30(2), THE SEQUENTIAL TRADE MODEL APPLICATION TO THE ANALYSIS OF THE TRADING PROCESS IN THE POLISH ZLOTY MARKET Absrac: In he paper we esimae he degree of expecaion heerogeneiy among currency dealers on he inerbank spo marke of he EUR/PLN currency pair. We use he flow of buy and sell orders submied o he marke (orders o buy or o sell euro). In a marke microsrucure sudy we presen he generalized version (see [Wünsche 2007]) of he sequenial rade model proposed in [Easley e al. 1996]. The aim of he model is o esimae he informaional conen of rades upon four disinc measures: (1) probabiliy of he news arrival, (2) probabiliy ha he news is bad, (3) arrival rae of informed rades and (4) arrival rae of uninformed rades (i.e. liquidiy rades). In he empirical par of he paper we esimae he impac of he news regime (periods classified as good, bad and neural for he base currency) on he volailiy of he EUR/PLN exchange rae. Keywords: marke microsrucure, sequenial rade models, exchange rae
WPŁYW PUBLIKACJI DANYCH MAKROEKONOMICZNYCH NA KURS EUR/PLN W KONTEKŚCIE BADANIA MIKROSTRUKTURY RYNKU
METODY ILOŚCIOWE W BADANIACH EKONOMICZNYCH Tom XII/2, 2011, sr. 48 57 WPŁYW PUBLIKACJI DANYCH MAKROEKONOMICZNYCH NA KURS EUR/PLN W KONTEKŚCIE BADANIA MIKROSTRUKTURY RYNKU Kaarzyna Bień-Barkowska 1 Insyu
Bardziej szczegółowoOddziaływanie procesu informacji na dynamikę cen akcji. Małgorzata Doman Akademia Ekonomiczna w Poznaniu
Oddziaływanie procesu informacji na dynamikę cen akcji. Małgorzaa Doman Akademia Ekonomiczna w Poznaniu Modele mikrosrukury rynku Bageho (97) informed raders próbują wykorzysać swoją przewagę informacyjną
Bardziej szczegółowoDYNAMICZNE MODELE EKONOMETRYCZNE
DYNAMICZNE MODELE EKONOMETRYCZNE IX Ogólnopolskie Seminarium Naukowe, 6 8 września 2005 w Toruniu Kaedra Ekonomerii i Saysyki, Uniwersye Mikołaja Kopernika w Toruniu Kaarzyna Kuziak Akademia Ekonomiczna
Bardziej szczegółowoDYNAMICZNE MODELE EKONOMETRYCZNE
DYNAMICZNE MODELE EKONOMETRYCZNE IX Ogólnopolskie Seminarium Naukowe, 6 8 września 005 w Toruniu Kaedra Ekonomerii i Saysyki, Uniwersye Mikołaja Kopernika w Toruniu Pior Fiszeder Uniwersye Mikołaja Kopernika
Bardziej szczegółowoDYNAMICZNE MODELE EKONOMETRYCZNE
DYNAMICZNE MODEE EKONOMETRYCZNE X Ogólnopolskie Seminarium Naukowe, 4 6 września 007 w Toruniu Kaedra Ekonomerii i Saysyki, Uniwersye Mikołaja Kopernika w Toruniu Joanna Małgorzaa andmesser Szkoła Główna
Bardziej szczegółowoMagdalena Sokalska Szkoła Główna Handlowa. Modelowanie zmienności stóp zwrotu danych finansowych o wysokiej częstotliwości
DYNAMICZNE MODELE EKONOMETRYCZNE IX Ogólnopolskie Seminarium Naukowe, 6 8 września 005 w Toruniu Kaedra Ekonomerii i Saysyki, Uniwersye Mikołaja Kopernika w Toruniu Szkoła Główna Handlowa Modelowanie zmienności
Bardziej szczegółowoDYNAMICZNE MODELE EKONOMETRYCZNE
DYNAMICZNE MODELE EKONOMETRYCZNE X Ogólnopolskie Seminarium Naukowe, 4 6 września 2007 w Toruniu Kaedra Ekonomerii i Saysyki, Uniwersye Mikołaja Kopernika w Toruniu Pior Fiszeder Uniwersye Mikołaja Kopernika
Bardziej szczegółowoPrognozowanie średniego miesięcznego kursu kupna USD
Prognozowanie średniego miesięcznego kursu kupna USD Kaarzyna Halicka Poliechnika Białosocka, Wydział Zarządzania, Kaedra Informayki Gospodarczej i Logisyki, e-mail: k.halicka@pb.edu.pl Jusyna Godlewska
Bardziej szczegółowoMatematyka ubezpieczeń majątkowych r. ma złożony rozkład Poissona. W tabeli poniżej podano rozkład prawdopodobieństwa ( )
Zadanie. Zmienna losowa: X = Y +... + Y N ma złożony rozkład Poissona. W abeli poniżej podano rozkład prawdopodobieńswa składnika sumy Y. W ejże abeli podano akże obliczone dla k = 0... 4 prawdopodobieńswa
Bardziej szczegółowoEwa Dziawgo Uniwersytet Mikołaja Kopernika w Toruniu. Analiza wrażliwości modelu wyceny opcji złożonych
DYNAMICZNE MODELE EKONOMETRYCZNE X Ogólnopolskie Seminarium Naukowe, 4 6 września 7 w Toruniu Kaedra Ekonomerii i Saysyki, Uniwersye Mikołaja Kopernika w Toruniu Uniwersye Mikołaja Kopernika w Toruniu
Bardziej szczegółowoTransakcje 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 szczegółowoESTYMACJA KRZYWEJ DOCHODOWOŚCI STÓP PROCENTOWYCH DLA POLSKI
METODY ILOŚCIOWE W BADANIACH EKONOMICZNYCH Tom XIII/3, 202, sr. 253 26 ESTYMACJA KRZYWEJ DOCHODOWOŚCI STÓP PROCENTOWYCH DLA POLSKI Adam Waszkowski Kaedra Ekonomiki Rolnicwa i Międzynarodowych Sosunków
Bardziej szczegółowoPREDYKCJA KURSU EURO/DOLAR Z WYKORZYSTANIEM PROGNOZ INDEKSU GIEŁDOWEGO: WYBRANE MODELE EKONOMETRYCZNE I PERCEPTRON WIELOWARSTWOWY
B A D A N I A O P E R A C J N E I D E C Z J E Nr 2004 Aleksandra MAUSZEWSKA Doroa WIKOWSKA PREDKCJA KURSU EURO/DOLAR Z WKORZSANIEM PROGNOZ INDEKSU GIEŁDOWEGO: WBRANE MODELE EKONOMERCZNE I PERCEPRON WIELOWARSWOW
Bardziej szczegółowoWNIOSKOWANIE STATYSTYCZNE
Wnioskowanie saysyczne w ekonomerycznej analizie procesu produkcyjnego / WNIOSKOWANIE STATYSTYCZNE W EKONOMETRYCZNEJ ANAIZIE PROCESU PRODUKCYJNEGO Maeriał pomocniczy: proszę przejrzeć srony www.cyf-kr.edu.pl/~eomazur/zadl4.hml
Bardziej szczegółowoEFEKT DŹWIGNI NA GPW W WARSZAWIE WPROWADZENIE
Paweł Kobus, Rober Pierzykowski Kaedra Ekonomerii i Informayki SGGW e-mail: pawel.kobus@saysyka.info EFEKT DŹWIGNI NA GPW W WARSZAWIE Sreszczenie: Do modelowania asymerycznego wpływu dobrych i złych informacji
Bardziej szczegółowoDYNAMICZNE MODELE EKONOMETRYCZNE
DYNAMICZNE MODELE EKONOMETRYCZNE X Ogólnopolskie Seminarium Naukowe, 4 6 września 2007 w Toruniu Kaedra Ekonomerii i Saysyki, Uniwersye Mikołaja Kopernika w Toruniu Uniwersye Gdański Zasosowanie modelu
Bardziej szczegółowoKrzysztof Piontek Akademia Ekonomiczna we Wrocławiu. Modelowanie warunkowej kurtozy oraz skośności w finansowych szeregach czasowych
DYNAMICZNE MODELE EKONOMETRYCZNE IX Ogólnopolskie Seminarium Naukowe, 6 8 września 5 w Toruniu Kaedra Ekonomerii i Saysyki, Uniwersye Mikołaja Kopernika w Toruniu Akademia Ekonomiczna we Wrocławiu Modelowanie
Bardziej szczegółowoAnaliza i Zarządzanie Portfelem cz. 6 R = Ocena wyników zarządzania portfelem. Pomiar wyników zarządzania portfelem. Dr Katarzyna Kuziak
Ocena wyników zarządzania porelem Analiza i Zarządzanie Porelem cz. 6 Dr Kaarzyna Kuziak Eapy oceny wyników zarządzania porelem: - (porolio perormance measuremen) - Przypisanie wyników zarządzania porelem
Bardziej szczegółowoParytet 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 szczegółowoMODELOWANIE KURSÓW WALUTOWYCH NA PRZYKŁADZIE MODELI KURSÓW RÓWNOWAGI ORAZ ZMIENNOŚCI NA RYNKU FOREX
Krzyszof Ćwikliński Uniwersye Ekonomiczny we Wrocławiu Wydział Zarządzania, Informayki i Finansów Kaedra Ekonomerii krzyszof.cwiklinski@ue.wroc.pl Daniel Papla Uniwersye Ekonomiczny we Wrocławiu Wydział
Bardziej szczegółowoKURS EKONOMETRIA. Lekcja 1 Wprowadzenie do modelowania ekonometrycznego ZADANIE DOMOWE. Strona 1
KURS EKONOMETRIA Lekcja 1 Wprowadzenie do modelowania ekonomerycznego ZADANIE DOMOWE www.erapez.pl Srona 1 Część 1: TEST Zaznacz poprawną odpowiedź (ylko jedna jes prawdziwa). Pyanie 1 Kóre z poniższych
Bardziej szczegółowoPobieranie próby. Rozkład χ 2
Graficzne przedsawianie próby Hisogram Esymaory przykład Próby z rozkładów cząskowych Próby ze skończonej populacji Próby z rozkładu normalnego Rozkład χ Pobieranie próby. Rozkład χ Posać i własności Znaczenie
Bardziej szczegółowoUMK w Toruniu ANALIZA ZALEŻNOŚCI MIĘDZY INDEKSEM WIG A WYBRANYMI INDEKSAMI RYNKÓW AKCJI NA ŚWIECIE
Pior Fiszeder UMK w Toruniu ANALIZA ZALEŻNOŚCI MIĘDZY INDEKSEM WIG A WYBRANYMI INDEKSAMI RYNKÓW AKCJI NA ŚWIECIE. Wprowadzenie Rynki kapiałowe na świecie są coraz silniej powiązane. Do najważniejszych
Bardziej szczegółowoMETODY STATYSTYCZNE W FINANSACH
METODY STATYSTYCZNE W FINANSACH Krzyszof Jajuga Akademia Ekonomiczna we Wrocławiu, Kaedra Inwesycji Finansowych i Ubezpieczeń Wprowadzenie W osanich kilkunasu laach na świecie obserwuje się dynamiczny
Bardziej szczegółowoWYBRANE TESTY NIEOBCIĄŻONOŚCI MIAR RYZYKA NA PRZYKŁADZIE VALUE AT RISK
Przemysław Jeziorski Uniwersye Ekonomiczny w Kaowicach Wydział Informayki i Komunikacji Zakład Demografii i Saysyki Ekonomicznej przemyslaw.jeziorski@ue.kaowice.pl WYBRANE TESTY NIEOBCIĄŻONOŚCI MIAR RYZYKA
Bardziej szczegółowoEfekty agregacji czasowej szeregów finansowych a modele klasy Sign RCA
Joanna Górka * Efeky agregacji czasowej szeregów finansowych a modele klasy Sign RCA Wsęp Wprowadzenie losowego parameru do modelu auoregresyjnego zwiększa możliwości aplikacyjne ego modelu, gdyż pozwala
Bardziej szczegółowoEKONOMETRIA wykład 2. Prof. dr hab. Eugeniusz Gatnar.
EKONOMERIA wykład Prof. dr hab. Eugeniusz Ganar eganar@mail.wz.uw.edu.pl Przedziały ufności Dla paramerów srukuralnych modelu: P bˆ j S( bˆ z prawdopodobieńswem parameru b bˆ S( bˆ, ( m j j j, ( m j b
Bardziej szczegółowoMODELOWANIE FINANSOWYCH SZEREGÓW CZASOWYCH Z WARUNKOWĄ WARIANCJĄ. 1. Wstęp
WERSJA ROBOCZA - PRZED POPRAWKAMI RECENZENTA Krzyszof Pionek Akademia Ekonomiczna we Wrocławiu MODELOWANIE FINANSOWYCH SZEREGÓW CZASOWYCH Z WARUNKOWĄ WARIANCJĄ. Wsęp Spośród wielu rodzajów ryzyka, szczególną
Bardziej szczegółowoMAKROEKONOMIA 2. Wykład 3. Dynamiczny model DAD/DAS, część 2. Dagmara Mycielska Joanna Siwińska - Gorzelak
MAKROEKONOMIA 2 Wykład 3. Dynamiczny model DAD/DAS, część 2 Dagmara Mycielska Joanna Siwińska - Gorzelak ( ) ( ) ( ) i E E E i r r = = = = = θ θ ρ ν φ ε ρ α * 1 1 1 ) ( R. popyu R. Fishera Krzywa Phillipsa
Bardziej szczegółowoWYCENA KONTRAKTÓW FUTURES, FORWARD I SWAP
Krzyszof Jajuga Kaedra Inwesycji Finansowych i Zarządzania Ryzykiem Uniwersye Ekonomiczny we Wrocławiu WYCENA KONRAKÓW FUURES, FORWARD I SWAP DWA RODZAJE SYMERYCZNYCH INSRUMENÓW POCHODNYCH Symeryczne insrumeny
Bardziej szczegółowoStudia Ekonomiczne. Zeszyty Naukowe Uniwersytetu Ekonomicznego w Katowicach ISSN 2083-8611 Nr 219 2015
Sudia Ekonomiczne. Zeszyy Naukowe Uniwersyeu Ekonomicznego w Kaowicach ISSN 2083-86 Nr 29 205 Alicja Ganczarek-Gamro Uniwersye Ekonomiczny w Kaowicach Wydział Informayki i Komunikacji Kaedra Demografii
Bardziej szczegółowoPROGNOZOWANIE 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 szczegółowoCzy prowadzona polityka pieniężna jest skuteczna? Jaki ma wpływ na procesy
Dobromił Serwa Reakcje rynków finansowych na szoki w poliyce pieniężnej.. Wsęp Czy prowadzona poliyka pieniężna jes skueczna? Jaki ma wpływ na procesy ekonomiczne zachodzące w kraju? Czy jes ona równie
Bardziej szczegółowoBayesowskie porównanie modeli STUR i GARCH w finansowych szeregach czasowych 1
Jacek Kwiakowski Uniwersye Mikołaja Kopernika w Toruniu Bayesowskie porównanie modeli STUR i GARCH w finansowych szeregach czasowych 1 WSTĘP Powszechnie wiadomo, że podsawowymi własnościami procesów finansowych
Bardziej szczegółowospecyfikacji i estymacji modelu regresji progowej (ang. threshold regression).
4. Modele regresji progowej W badaniach empirycznych coraz większym zaineresowaniem cieszą się akie modele szeregów czasowych, kóre pozwalają na objaśnianie nieliniowych zależności między poszczególnymi
Bardziej szczegółowoMetody badania wpływu zmian kursu walutowego na wskaźnik inflacji
Agnieszka Przybylska-Mazur * Meody badania wpływu zmian kursu waluowego na wskaźnik inflacji Wsęp Do oceny łącznego efeku przenoszenia zmian czynników zewnęrznych, akich jak zmiany cen zewnęrznych (szoki
Bardziej szczegółowoCechy szeregów czasowych
energecznch Cech szeregów czasowch Rozdział Modelowanie szeregów czasowch 7 proces deerminisczn proces kórego warość może bć preczjnie określona w dowolnm czasie =T+τ = a +b T T+τ czas = sin(ω) T T+τ czas
Bardziej szczegółowo2. Wprowadzenie. Obiekt
POLITECHNIKA WARSZAWSKA Insyu Elekroenergeyki, Zakład Elekrowni i Gospodarki Elekroenergeycznej Bezpieczeńswo elekroenergeyczne i niezawodność zasilania laoraorium opracował: prof. dr ha. inż. Józef Paska,
Bardziej szczegółowoMODELOWANIE EFEKTU DŹWIGNI W FINANSOWYCH SZEREGACH CZASOWYCH
Krzyszof Pionek Kaedra Inwesycji Finansowych i Ubezpieczeń Akademia Ekonomiczna we Wrocławiu Wsęp MODELOWANIE EFEKTU DŹWIGNI W FINANSOWYCH SZEREGACH CZASOWYCH Nowoczesne echniki zarządzania ryzykiem rynkowym
Bardziej szczegółowoFolia Oeconomica. Janusz Brzeszczyński. Acta Universitatis Lodziensis. 6(339) 2018
Folia Oeconomica Aca Universiais Lodziensis ISSN 0208-6018 e-issn 2353-7663 6(339) 2018 DOI: hp://dx.doi.org/10.18778/0208-6018.339.08 Janusz Brzeszczyński Newcasle Business School, Norhumbria Universiy,
Bardziej szczegółowoPIOTR FISZEDER, JACEK KWIATKOWSKI Katedra Ekonometrii i Statystyki
PIOTR FISZEDER, JACEK KWIATKOWSKI Kaedra Ekonomerii i Saysyki DYNAMICZNA ANALIZA ZALEŻNOŚCI POMIĘDZY OCZEKIWANĄ STOPĄ ZWROTU A WARUNKOWĄ WARIANCJĄ Sreszczenie: W badaniu zasosowano modele GARCHM ze sałym
Bardziej szczegółowoElżbieta Szulc Uniwersytet Mikołaja Kopernika w Toruniu. Modelowanie zależności między przestrzennoczasowymi procesami ekonomicznymi
DYNAMICZNE MODELE EKONOMETRYCZNE X Ogólnopolskie Seminarium Naukowe, 4 6 września 007 w Toruniu Kaedra Ekonomerii i Saysyk Uniwersye Mikołaja Kopernika w Toruniu Uniwersye Mikołaja Kopernika w Toruniu
Bardziej szczegółowoZESZYTY NAUKOWE UNIWERSYTETU SZCZECIŃSKIEGO NR 768 FINANSE, RYNKI FINANSOWE, UBEZPIECZENIA NR 63 2013
ZESZYTY NAUKOWE UNIWERSYTETU SZCZECIŃSKIEGO NR 768 FINANSE, RYNKI FINANSOWE, UBEZPIECZENIA NR 63 2013 MAŁGORZATA BOŁTUĆ Uniwersye Ekonomiczny we Wrocławiu ZALEŻNOŚĆ POMIĘDZY RYNKIEM SWAPÓW KREDYTOWYCH
Bardziej szczegółowoOeconomiA copernicana. Małgorzata Madrak-Grochowska, Mirosława Żurek Uniwersytet Mikołaja Kopernika w Toruniu
OeconomiA copernicana 2011 Nr 4 Małgorzaa Madrak-Grochowska, Mirosława Żurek Uniwersye Mikołaja Kopernika w Toruniu TESTOWANIE PRZYCZYNOWOŚCI W WARIANCJI MIĘDZY WYBRANYMI INDEKSAMI RYNKÓW AKCJI NA ŚWIECIE
Bardziej szczegółowoOPTYMALIZACJA PORTFELA INWESTYCYJNEGO ZE WZGLĘDU NA MINIMALNY POZIOM TOLERANCJI DLA USTALONEGO VaR
Daniel Iskra Uniwersye Ekonomiczny w Kaowicach OPTYMALIZACJA PORTFELA IWESTYCYJEGO ZE WZGLĘDU A MIIMALY POZIOM TOLERACJI DLA USTALOEGO VaR Wprowadzenie W osanich laach bardzo popularną miarą ryzyka sała
Bardziej szczegółowoStanisław 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 szczegółowodr inż. MARCIN MAŁACHOWSKI Instytut Technik Innowacyjnych EMAG
dr inż. MARCIN MAŁACHOWSKI Insyu Technik Innowacyjnych EMAG Wykorzysanie opycznej meody pomiaru sężenia pyłu do wspomagania oceny paramerów wpływających na możliwość zaisnienia wybuchu osiadłego pyłu węglowego
Bardziej szczegółowoPolitechnika Częstochowska Wydział Inżynierii Mechanicznej i Informatyki. Sprawozdanie #2 z przedmiotu: Prognozowanie w systemach multimedialnych
Poliechnika Częsochowska Wydział Inżynierii Mechanicznej i Informayki Sprawozdanie #2 z przedmiou: Prognozowanie w sysemach mulimedialnych Andrzej Siwczyński Andrzej Rezler Informayka Rok V, Grupa IO II
Bardziej szczegółowoBadanie funktorów logicznych TTL - ćwiczenie 1
adanie funkorów logicznych TTL - ćwiczenie 1 1. Cel ćwiczenia Zapoznanie się z podsawowymi srukurami funkorów logicznych realizowanych w echnice TTL (Transisor Transisor Logic), ich podsawowymi paramerami
Bardziej szczegółowoEstymacja stopy NAIRU dla Polski *
Michał Owerczuk * Pior Śpiewanowski Esymacja sopy NAIRU dla Polski * * Sudenci, Szkoła Główna Handlowa, Sudenckie Koło Naukowe Ekonomii Teoreycznej przy kaedrze Ekonomii I. Auorzy będą bardzo wdzięczni
Bardziej szczegółowoWyzwania praktyczne w modelowaniu wielowymiarowych procesów GARCH
Krzyszof Pionek Akademia Ekonomiczna we Wrocławiu Wyzwania prakyczne w modelowaniu wielowymiarowych procesów GARCH Wsęp Od zaproponowania przez Engla w 1982 roku jednowymiarowego modelu klasy ARCH, modele
Bardziej szczegółowoJerzy Czesław Ossowski Politechnika Gdańska. Dynamika wzrostu gospodarczego a stopy procentowe w Polsce w latach
DYNAMICZNE MODELE EKONOMETRYCZNE IX Ogólnopolskie Seminarium Naukowe, 6 8 września 2005 w Toruniu Kaedra Ekonomerii i Saysyki, Uniwersye Mikołaja Kopernika w Toruniu Poliechnika Gdańska Dynamika wzrosu
Bardziej szczegółowoA C T A U N I V E R S I T A T I S L O D Z I E N S I S FOLIA OECONOMICA 2(301), Sławomir I. Bukowski *
A C T A U N I V E R S I T A T I S L O D Z I E N S I S FOLIA OECONOMICA (301), 014 * STOPIEŃ INTEGRACJI CZESKIEGO GIEŁDOWEGO RYNKU AKCJI Z GIEŁDOWYM RYNKIEM AKCJI W OBSZARZE EURO 1 1. WPROWADZENIE W obszarze
Bardziej szczegółowoStrukturalne podejście w prognozowaniu produktu krajowego brutto w ujęciu regionalnym
Jacek Baóg Uniwersye Szczeciński Srukuralne podejście w prognozowaniu produku krajowego bruo w ujęciu regionalnym Znajomość poziomu i dynamiki produku krajowego bruo wyworzonego w poszczególnych regionach
Bardziej szczegółowoKrzysztof Piontek MODELOWANIE ZMIENNOŚCI STÓP PROCENTOWYCH NA PRZYKŁADZIE STOPY WIBOR
Inwesycje finansowe i ubezpieczenia endencje świaowe a rynek polski Krzyszof Pionek Akademia Ekonomiczna we Wrocławiu MODELOWANIE ZMIENNOŚCI STÓP PROCENTOWYCH NA PRZYKŁADZIE STOPY WIBOR Wsęp Konieczność
Bardziej szczegółowoWarszawa, dnia 5 czerwca 2017 r. Poz. 13 UCHWAŁA NR 29/2017 ZARZĄDU NARODOWEGO BANKU POLSKIEGO. z dnia 2 czerwca 2017 r.
DZIENNIK URZĘDOWY NARODOWEGO BANKU POLSKIEGO Warszawa, dnia 5 czerwca 2017 r. Poz. 13 UCHWAŁA NR 29/2017 ZARZĄDU NARODOWEGO BANKU POLSKIEGO z dnia 2 czerwca 2017 r. zmieniająca uchwałę w sprawie wprowadzenia
Bardziej szczegółowoKrzysztof Piontek Weryfikacja modeli Blacka-Scholesa dla opcji na WIG20
Akademia Ekonomiczna im. Oskara Langego we Wrocławiu Wydział Zarządzania i Informayki Kaedra Inwesycji Finansowych i Zarządzania Ryzykiem Krzyszof Pionek Weryfikacja modeli Blacka-Scholesa oraz AR-GARCH
Bardziej szczegółowoKomputerowa analiza przepływów turbulentnych i indeksu Dow Jones
Kompuerowa analiza przepływów urbulennych i indeksu Dow Jones Rafał Ogrodowczyk Pańswowa Wyższa Szkoła Zawodowa w Chełmie Wiesław A. Kamiński Uniwersye Marii Curie-Skłodowskie w Lublinie W badaniach porównano
Bardziej szczegółowoWybrane dwuwymiarowe modele dla zmiennych licznikowych w ekonomii 1
Jerzy Marzec Adres e mail: marzecj@uek.krakow.pl Uniwersye Ekonomiczny w Krakowie Kaedra: Kaedra Ekonomerii i Badań Operacyjnych Wybrane dwuwymiarowe modele dla zmiennych licznikowych w ekonomii. Wsęp
Bardziej szczegółowoZESZYTY NAUKOWE UNIWERSYTETU SZCZECIŃSKIEGO NR 690 FINANSE, RYNKI FINANSOWE, UBEZPIECZENIA NR 51 2012
ZESZYTY NAUKOWE UNIWERSYTETU SZCZECIŃSKIEGO NR 690 FINANSE, RYNKI FINANSOWE, UBEZPIECZENIA NR 51 2012 GRZEGORZ MICHALSKI POZIOM ZAANGAŻOWANIA KAPITAŁU W ZAPASACH W ORGANIZACJACH NON-PROFIT * Wprowadzenie
Bardziej szczegółowoOcena płynności wybranymi metodami szacowania osadu 1
Bogdan Ludwiczak Wprowadzenie Ocena płynności wybranymi meodami szacowania osadu W ubiegłym roku zaszły znaczące zmiany doyczące pomiaru i zarządzania ryzykiem bankowym. Są one konsekwencją nowowprowadzonych
Bardziej szczegółowoNierównowaga na rynku kredytowym w Polsce: założenia i wyniki
Maszynopis arykułu: Marzec J. 011, Nierównowaga na rynku kredyowym w Polsce: założenia i wyniki, w: Meody maemayczne, ekonomeryczne i kompuerowe w finansach i ubezpieczeniach, (red. A. Barczak i S. Barczak),
Bardziej szczegółowoMAKROEKONOMIA 2. Wykład 3. Dynamiczny model DAD/DAS, część 2. Dagmara Mycielska Joanna Siwińska - Gorzelak
MAKROEKONOMIA 2 Wykład 3. Dynamiczny model DAD/DAS, część 2 Dagmara Mycielska Joanna Siwińska - Gorzelak ( ) ( ) ( ) E i E E i r r ν φ θ θ ρ ε ρ α 1 1 1 ) ( R. popyu R. Fishera Krzywa Phillipsa Oczekiwania
Bardziej szczegółowoRóżnica bilansowa dla Operatorów Systemów Dystrybucyjnych na lata (którzy dokonali z dniem 1 lipca 2007 r. rozdzielenia działalności)
Różnica bilansowa dla Operaorów Sysemów Dysrybucyjnych na laa 2016-2020 (kórzy dokonali z dniem 1 lipca 2007 r. rozdzielenia działalności) Deparamen Rynków Energii Elekrycznej i Ciepła Warszawa 201 Spis
Bardziej szczegółowoSYMULACYJNA ANALIZA PRODUKCJI ENERGII ELEKTRYCZNEJ I CIEPŁA Z ODNAWIALNYCH NOŚNIKÓW W POLSCE
SYMULACYJNA ANALIZA PRODUKCJI ENERGII ELEKTRYCZNEJ I CIEPŁA Z ODNAWIALNYCH NOŚNIKÓW W POLSCE Janusz Sowiński, Rober Tomaszewski, Arur Wacharczyk Insyu Elekroenergeyki Poliechnika Częsochowska Aky prawne
Bardziej szczegółowoInwestycje w lokale mieszkalne jako efektywne zabezpieczenie przed inflacją na przykładzie Poznania w latach
Radosław Trojanek Kaedra Mikroekonomii Akademia Ekonomiczna w Poznaniu Srona nieparzysa Inwesycje w lokale mieszkalne jako efekywne zabezpieczenie przed inflacją na przykładzie Poznania w laach 996-2004.
Bardziej szczegółowoAlicja Ganczarek Akademia Ekonomiczna w Katowicach. Analiza niezależności przekroczeń VaR na wybranym segmencie rynku energii
DYNAMICZNE MODELE EKONOMETRYCZNE X Ogólnopolskie Seminarium Naukowe, 4 6 września 007 w Toruniu Kaedra Ekonomerii i Saysyki, Uniwersye Mikołaja Kopernika w Toruniu Akademia Ekonomiczna w Kaowicach Analiza
Bardziej szczegółowoOcena efektywności procedury Congruent Specyfication dla małych prób
243 Zeszyy Naukowe Wyższej Szkoły Bankowej we Wrocławiu Nr 20/2011 Wyższa Szkoła Bankowa w Toruniu Ocena efekywności procedury Congruen Specyficaion dla małych prób Sreszczenie. Procedura specyfikacji
Bardziej szczegółowoWitold Orzeszko Uniwersytet Mikołaja Kopernika w Toruniu. Własności procesów STUR w świetle metod z teorii chaosu 1
DYNAMICZNE MODELE EKONOMETRYCZNE IX Ogólnopolskie Seminarium Naukowe, 6-8 września 2005 w Toruniu Kaedra Ekonomerii i Saysyki, Uniwersye Mikołaja Kopernika w Toruniu Uniwersye Mikołaja Kopernika w Toruniu
Bardziej szczegółowoDYNAMICZNE MODELE EKONOMETRYCZNE
DYNAMICZNE MODELE EKONOMETRYCZNE IX Ogólnopolskie Seminarium Naukowe, 6 8 września 005 w Toruniu Kaedra Ekonomerii i Saysyki, Uniwersye Mikołaja Kopernika w Toruniu Akademia Ekonomiczna w Krakowie Modelowanie
Bardziej szczegółowoKrzysztof Jajuga Akademia Ekonomiczna we Wrocławiu. Modelowanie stóp procentowych a narzędzia ekonometrii finansowej
DYNAMICZNE MODELE EKONOMETRYCZNE IX Ogólnopolskie Seminarium Naukowe, 6 8 września 2005 w Toruniu Kaedra Ekonomerii i Saysyki, Uniwersye Mikołaja Kopernika w Toruniu Krzyszof Jajuga Akademia Ekonomiczna
Bardziej szczegółowoNie(efektywność) informacyjna giełdowego rynku kontraktów terminowych w Polsce
Zeszyy Naukowe Uniwersyeu Szczecińskiego nr 862 Finanse, Rynki Finansowe, Ubezpieczenia nr 75 (2015) DOI: 10.18276/frfu.2015.75-16 s. 193 204 Nie(efekywność) informacyjna giełdowego rynku konraków erminowych
Bardziej szczegółowoPROGRAMOWY GENERATOR PROCESÓW STOCHASTYCZNYCH LEVY EGO
POZNAN UNIVE RSITY OF TE CHNOLOGY ACADE MIC JOURNALS No 69 Elecrical Engineering 0 Janusz WALCZAK* Seweryn MAZURKIEWICZ* PROGRAMOWY GENERATOR PROCESÓW STOCHASTYCZNYCH LEVY EGO W arykule opisano meodę generacji
Bardziej szczegółowoO PEWNYCH KRYTERIACH INWESTOWANIA W OPCJE NA AKCJE
MEODY ILOŚCIOWE W BADANIACH EKONOMICZNYCH om XIII/3, 01, sr 43 5 O EWNYCH KRYERIACH INWESOWANIA W OCJE NA AKCJE omasz Warowny Kaedra Meod Ilościowych w Zarządzaniu oliechnika Lubelska e-mail: warowny@pollubpl
Bardziej szczegółowoMAKROEKONOMIA 2. Wykład 3. Dynamiczny model DAD/DAS, część 2. Dagmara Mycielska Joanna Siwińska - Gorzelak
MAKROEKONOMIA 2 Wykład 3. Dynamiczny model DAD/DAS, część 2 Dagmara Mycielska Joanna Siwińska - Gorzelak 2 Plan wykładu Zakłócenia w modelu DAD/DAS: Wzros produkcji poencjalnej; Zakłócenie podażowe o sile
Bardziej szczegółowoWYKORZYSTANIE STATISTICA DATA MINER DO PROGNOZOWANIA W KRAJOWYM DEPOZYCIE PAPIERÓW WARTOŚCIOWYCH
SaSof Polska, el. 12 428 43 00, 601 41 41 51, info@sasof.pl, www.sasof.pl WYKORZYSTANIE STATISTICA DATA MINER DO PROGNOZOWANIA W KRAJOWYM DEPOZYCIE PAPIERÓW WARTOŚCIOWYCH Joanna Maych, Krajowy Depozy Papierów
Bardziej szczegółowolicencjat Pytania teoretyczne:
Plan wykładu: 1. Wiadomości ogólne. 2. Model ekonomeryczny i jego elemeny 3. Meody doboru zmiennych do modelu ekonomerycznego. 4. Szacownie paramerów srukuralnych MNK. Weryfikacja modelu KMNK 6. Prognozowanie
Bardziej szczegółowoPostęp techniczny. Model lidera-naśladowcy. Dr hab. Joanna Siwińska-Gorzelak
Posęp echniczny. Model lidera-naśladowcy Dr hab. Joanna Siwińska-Gorzelak Założenia Rozparujemy dwa kraje; kraj 1 jes bardziej zaawansowany echnologicznie (lider); kraj 2 jes mniej zaawansowany i nie worzy
Bardziej szczegółowoŹRÓDŁA FLUKTUACJI REALNEGO EFEKTYWNEGO KURSU EUR/ PLN
METODY ILOŚCIOWE W BADANIACH EKONOMICZNYCH Tom XII/, 0, sr. 389 398 ŹRÓDŁA FLUKTUACJI REALNEGO EFEKTYWNEGO KURSU EUR/ PLN Adam Waszkowski Kaedra Ekonomiki Rolnicwa i Międzynarodowych Sosunków Gospodarczych
Bardziej szczegółowoPOWIĄZANIA POMIĘDZY KRÓTKOOKRESOWYMI I DŁUGOOKRESOWYMI STOPAMI PROCENTOWYMI W POLSCE
Anea Kłodzińska, Poliechnika Koszalińska, Zakład Ekonomerii POWIĄZANIA POMIĘDZY KRÓTKOOKRESOWYMI I DŁUGOOKRESOWYMI STOPAMI PROCENTOWYMI W POLSCE Sopy procenowe w analizach ekonomicznych Sopy procenowe
Bardziej szczegółowoZASTOSOWANIE TEORII MASOWEJ OBSŁUGI DO MODELOWANIA SYSTEMÓW TRANSPORTOWYCH
Pior KISIELEWSKI, Łukasz SOBOTA ZASTOSOWANIE TEORII MASOWEJ OBSŁUGI DO MODELOWANIA SYSTEMÓW TRANSPORTOWYCH W arykule przedsawiono zasosowanie eorii masowej obsługi do analizy i modelowania wybranych sysemów
Bardziej szczegółowoZastosowanie sztucznych sieci neuronowych do prognozowania szeregów czasowych
dr Joanna Perzyńska adiunk w Kaedrze Zasosowań Maemayki w Ekonomii Wydział Ekonomiczny Zachodniopomorski Uniwersye Technologiczny w Szczecinie Zasosowanie szucznych sieci neuronowych do prognozowania szeregów
Bardziej szczegółowoRACHUNEK EFEKTYWNOŚCI INWESTYCJI METODY ZŁOŻONE DYNAMICZNE
RACHUNEK EFEKTYWNOŚCI INWESTYCJI METODY ZŁOŻONE DYNAMICZNE PYTANIA KONTROLNE Czym charakeryzują się wskaźniki saycznej meody oceny projeku inwesycyjnego Dla kórego wskaźnika wyliczamy średnią księgową
Bardziej szczegółowoWERYFIKACJA JAKOŚCI PROGNOZ ZMIENNOŚCI WYKORZYSTYWANYCH W MODELU RISKMETRICS TM
Sudia Ekonomiczne. Zeszyy Naukowe Uniwersyeu Ekonomicznego w Kaowicach ISSN 083-8611 Nr 86 016 Ekonomia 6 Uniwersye Ekonomiczny w Kaowicach Wydział Finansów i Ubezpieczeń Kaedra Inwesycji i Nieruchomości
Bardziej szczegółowoWitold 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 szczegółowoKombinowanie prognoz. - dlaczego należy kombinować prognozy? - obejmowanie prognoz. - podstawowe metody kombinowania prognoz
Noaki do wykładu 005 Kombinowanie prognoz - dlaczego należy kombinować prognozy? - obejmowanie prognoz - podsawowe meody kombinowania prognoz - przykłady kombinowania prognoz gospodarki polskiej - zalecenia
Bardziej szczegółowoMODELOWANIE STRUKTURY TERMINOWEJ STÓP PROCENTOWYCH WYZWANIE DLA EKONOMETRII
KRZYSZTOF JAJUGA Akademia Ekonomiczna we Wrocławiu MODELOWANIE STRUKTURY TERMINOWEJ STÓP PROCENTOWYCH WYZWANIE DLA EKONOMETRII. Modele makroekonomiczne a modele sóp procenowych wprowadzenie Nie do podważenia
Bardziej szczegółowoAnaliza metod oceny efektywności inwestycji rzeczowych**
Ekonomia Menedżerska 2009, nr 6, s. 119 128 Marek Łukasz Michalski* Analiza meod oceny efekywności inwesycji rzeczowych** 1. Wsęp Podsawowymi celami przedsiębiorswa w długim okresie jes rozwój i osiąganie
Bardziej szczegółowoROCZNIKI INŻYNIERII BUDOWLANEJ ZESZYT 7/2007 Komisja Inżynierii Budowlanej Oddział Polskiej Akademii Nauk w Katowicach
ROZNIKI INŻYNIERII BUDOWLANEJ ZESZYT 7/007 Komisja Inżynierii Budowlanej Oddział Polskiej Akademii Nauk w Kaowicach WYZNAZANIE PARAMETRÓW FUNKJI PEŁZANIA DREWNA W UJĘIU LOSOWYM * Kamil PAWLIK Poliechnika
Bardziej szczegółowoĆwiczenia 3 ( ) Współczynnik przyrostu naturalnego. Koncepcja ludności zastojowej i ustabilizowanej. Prawo Lotki.
Ćwiczenia 3 (22.04.2013) Współczynnik przyrosu nauralnego. Koncepcja ludności zasojowej i usabilizowanej. Prawo Loki. Współczynnik przyrosu nauralnego r = U Z L gdzie: U - urodzenia w roku Z - zgony w
Bardziej szczegółowoJacek Kwiatkowski Magdalena Osińska. Procesy zawierające stochastyczne pierwiastki jednostkowe identyfikacja i zastosowanie.
DYNAMICZNE MODELE EKONOMETRYCZNE Jacek Kwiakowski Magdalena Osińska Uniwersye Mikołaja Kopernika Procesy zawierające sochasyczne pierwiaski jednoskowe idenyfikacja i zasosowanie.. Wsęp Większość lieraury
Bardziej szczegółowoKONTRAKTY FUTURES STOPY PROCENTOWEJ
KONTRAKTY FUTURES STOPY PROCENTOWEJ Zasosowanie z perspekywy radera Dominik Łogin 18 październik 2013 Agenda I. Fuures obligacyjne Podsawy konsrukcji Porównanie międzynarodowe Baza Cash-Fuures Wyznaczanie
Bardziej szczegółowoKONTROLA JAKOŚCI ŻELIWA AUSTENITYCZNEGO METODĄ ATD
50/ Archives of Foundry, Year 001, Volume 1, 1 (/) Archiwum Odlewnicwa, Rok 001, Rocznik 1, Nr 1 (/) PAN Kaowice PL ISSN 164-5308 KONTROLA JAKOŚCI ŻLIWA AUSTNITYCZNGO MTODĄ ATD R. WŁADYSIAK 1 Kaedra Sysemów
Bardziej szczegółowoNiestacjonarne zmienne czasowe własności i testowanie
Maeriał dla sudenów Niesacjonarne zmienne czasowe własności i esowanie (sudium przypadku) Nazwa przedmiou: ekonomeria finansowa I (22204), analiza szeregów czasowych i prognozowanie (13201); Kierunek sudiów:
Bardziej szczegółowoMODELOWANIE WŁASNOŚCI SZEREGÓW STÓP ZWROTU SKOŚNOŚĆ ROZKŁADÓW
Krzyszof Pionek Kaedra Inwesycji Finansowych i Ubezpieczeń Akademia Ekonomiczna we Wrocławiu MODELOWANIE WŁASNOŚCI SZEREGÓW STÓP ZWROTU SKOŚNOŚĆ ROZKŁADÓW Wprowadzenie Współczesne zarządzanie ryzykiem
Bardziej szczegółowoTESTOWANIE EGZOGENICZNOŚCI ZMIENNYCH W MODELACH EKONOMETRYCZNYCH
STUDIA I PRACE WYDZIAŁU NAUK EKONOMICZNYCH I ZARZĄDZANIA NR 15 Mariusz Doszyń TESTOWANIE EGZOGENICZNOŚCI ZMIENNYCH W MODELACH EKONOMETRYCZNYCH Od pewnego czasu w lieraurze ekonomerycznej pojawiają się
Bardziej szczegółowoPROGNOZOWANIE. Ćwiczenia 2. mgr Dawid Doliński
Ćwiczenia 2 mgr Dawid Doliński Modele szeregów czasowych sały poziom rend sezonowość Y Y Y Czas Czas Czas Modele naiwny Modele średniej arymeycznej Model Browna Modele ARMA Model Hola Modele analiyczne
Bardziej szczegółowoMAKROEKONOMIA 2. Wykład 3. Dynamiczny model DAD/DAS, część 2. Dagmara Mycielska Joanna Siwińska - Gorzelak
MAKROEKONOMIA 2 Wykład 3. Dynamiczny model DAD/DAS, część 2 Dagmara Mycielska Joanna Siwińska - Gorzelak E i E E i r r 1 1 1 ) ( R. popyu R. Fishera Krzywa Phillipsa Oczekiwania Reguła poliyki monearnej
Bardziej szczegółowoKRZYSZTOF JAJUGA Katedra Inwestycji Finansowych i Zarządzania Ryzykiem Akademia Ekonomiczna we Wrocławiu 25 LAT EKONOMETRII FINANSOWEJ
KRZYSZTOF JAJUGA Kaedra Inwesycji Finansowych i Zarządzania Ryzykiem Akademia Ekonomiczna we Wrocławiu 25 LAT EKONOMETRII FINANSOWEJ EKONOMETRIA FINANSOWA OKREŚLENIE Modele ekonomerii finansowej są worzone
Bardziej szczegółowoFOLIA POMERANAE UNIVERSITATIS TECHNOLOGIAE STETINENSIS
FOLIA POMERANAE UNIVERSITATIS TECHNOLOGIAE STETINENSIS Folia Pomer. Univ. Technol. Sein., Oeconomica 2014, 313(76)3, 137 146 Maria Szmuksa-Zawadzka, Jan Zawadzki MODELE WYRÓWNYWANIA WYKŁADNICZEGO W PROGNOZOWANIU
Bardziej szczegółowo