Wyzwania praktyczne w modelowaniu wielowymiarowych procesów GARCH
|
|
- Monika Popławska
- 8 lat temu
- Przeglądów:
Transkrypt
1 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 e, a w szczególności model GARCH, powierdzają przydaność w analizie finansowych szeregów czasowych (por. [2][5][6][7][9]). Nie rozwiązują one jednak, w swej klasycznej posaci 1, problemu opisu zmiennych w czasie warości macierzy kowariancji szeregów sóp zwrou. Prawidłowe wyznaczanie prognoz ej macierzy nie jes sprawa błahą i może przyczynić się do poprawy osiąganych wyników ekonomicznych w akich zagadnieniach jak: analiza porfelowa, modele równowagi rynków kapiałowych, wycena pewnych opcji egzoycznych, pomiar ryzyka według koncepcji VaR oraz zabezpieczanie insrumenu lub porfela insrumenów (hedging) (por. [1][3][5][6][9]). Nauralnym rozszerzeniem modeli GARCH są wielowymiarowe modele ej klasy (Mulivariae GARCH MGARCH); umożliwiające opis zmiennych w czasie warunkowych warości macierzy wariancji-kowariancji. Pomimo, iż od wprowadzenia poszczególnych, podsawowych wielowymiarowych modeli klasy MGARCH (por. [1][4][5]) upłynęło już 10, a czasami 20 la, o modele e nadal są wykorzysywane jedynie w niewielkim sopniu. Niniejsza praca ma na celu przybliżenie wybranych, podsawowych modeli MGARCH (modeli warunkowej macierzy kowariancji) w konekście problemów z ich prakycznym wykorzysaniem. W prakyce, najczęściej wykorzysywane są modele dwuwymiarowe pozwalające na analizę zmiennego w czasie współczynnika zabezpieczenia insrumenu bazowego konrakami fuures (por. np. [1][5]). Pracę kończy więc przykład empiryczny, kórego celem jes odpowiedź na pyanie, kóry z podsawowych modeli dwuwymiarowych dopasowuje się najlepiej (z punku widzenia kryerium Akaike a) do wybranych par szeregów i powinien sanowić obszar poencjalnego zaineresowania prakyków. 1 Pomijane jes uaj wykorzysanie modeli jednorównaniowych w modelu CCC (sałej korelacji warunkowej); por. np [1][5][6][9][10]. 1
2 1. Wielowymiarowy model sóp zwrou Punkem wyjścia są pojęcia wekora warunkowych warości oczekiwanych ( µ ), warunkowej macierzy kowariancji ( H ) oraz posaci warunkowego rozkładu sandaryzowanych resz modelu ( z ). Więcej informacji na en ema znaleźć można np. w pracach [1][6][7][9]. Poniżej przedsawione zosaną jedynie niezbędne informacje. Główna uwaga skupiona zosanie na opisie warunkowej macierzy ( H ). Rozparywany w niniejszej pracy wielowymiarowy model sóp zwrou zadany jes nasępującym równaniem (por. [6][8][9]): r = µ + ε, (1) gdzie: µ oznacza wekor warunkowych warości oczekiwanych sóp zwrou wyznaczanych na podsawie informacji ( I ) dosępnej w chwili -1, a ε o wekor błędów modelu. Wekor warunkowych warości oczekiwanych wyznacza się najczęściej na podsawie modelu klasy VAR (vecor auoregressive model) (por. [6][7]). Zazwyczaj zakłada się dodakowo, że sopy zwrou pochodzą z wielowymiarowego warunkowego rozkładu normalnego 2. W większości przypadków wysarczający okazuje się model VAR rzędu 1. Modele wyższego rzędu wykorzysuje się rzadko ze względu na szybko rosnącą liczbę paramerów. Podsawowy model k-wymiarowy, rozparywany akże w ej pracy, zadany jes wzorem: r1, µ 10 ϕ 11 ϕ 1k r1, 1 ε 1, = + +. (2) r µ ϕ ϕ r ε k, k 0 k1 kk k, 1 k, Podejście o wydaje się być obecnie sandardem w przypadku analiz wielowymiarowych. 2. Modele klasy MGARCH Związki pomiędzy warunkową macierzą ( H ), wekorem błędów modelu ( ) ε oraz wekorem sandaryzowanych resz modelu ( z ) dla modelu k-wymiarowego dane są wzorami (por. np. [1][5][6][8][9]): 1 2 = ε H z, (3) gdzie: iid E[ ] 0, var[ ] z z = z = I (4) k 2 Możliwe są oczywiście rozwiązania z warunkowymi rozkładami o grubszych ogonach, np. z wielowymiarowym rozkładem -Sudena (por. [1][5][9]). 2
3 = I = I oraz var[ 1] E 1 = ( ) H ε ε ε H H. (5) Ogólna posać modelu MGARCH zaproponowana zosała w pracy [3] (por. akże [1][5][10]) nosi nazwę VECH-GARCH. Macierz H zadana jes nasępującym równaniem: ( ) = ( ) + ( ) + ( ) vech H vech W Avech ε ε Bvech H, (6) gdzie operaor vech ( ) o operaor wekoryzacji macierzy symerycznej (por. [1]-[10]). Model (6) jes odpowiednikiem jednowymiarowego modelu GARCH(1,1). Możliwa jes analiza modeli MGARCH klasy VECH wyższych rzędów, ale w prakyce nie jes spoykana. Dla przypadku k-wymiarowym, W jes symeryczną macierzą o wymiarach k k, naomias macierze A i B są symerycznymi macierzami o wymiarach 0, 5k ( k 1) 0, 5k ( k 1) + +. Podsawowymi problemami, kóre wysępują w przypadku próby prakycznego zasosowania modelu VECH jes duża liczba paramerów, konieczność zapewnienia dodaniej określoności macierzy w każdej chwili oraz skończoności warości bezwarunkowej macierze kowariancji. Liczbę paramerów k wymiarowego modelu VECH(1,1) określa wzór 0, 5k ( k 1) 1 k ( k 1) W przypadku dwuwymiarowego modelu VECH niezbędna jes więc esymacja 21 paramerów (ylko w zakresie modelu warunkowej macierzy wariancji-kowariancji) co już samo w sobie prakycznie uniemożliwia sosowanie ego rozwiązania (por. [1][10][5][4]). Warunek wysarczający zapewnienia dodaniej określoności macierzy ( H ) dla każdej chwili czasu przedsawiony zosał w pracy [4] (por. akże [5]). Dla uproszczenia poniżej zaprezenowany zosał warunek dla modelu VECH(0,1), kóry można przedsawić w równoważnej posaci do modelu (6) jako: ( 1 ) ( 1 ) H = W + I ε A I ε, (7) k k czyli: a 11 1, 1 ε1, 1 ε 2, a12 2 a 0 13 ε 2, ε1, 1 ε 2, 1 a21 a22 2 a31 0 ε1, 1 a22 2 a23 a32 2 a33 0 ε 2, 1 H = W +, (8) gdzie X Y o iloczyn Kroneckera. ε Warunkiem wysarczającym zapewnienia dodaniej określoności jes zagwaranowanie dodaniej określoności symerycznych macierzy à oraz W. 0 3
4 Warunkiem wysarczającym dodaniej określoność macierzy H w modelu VECH(1,1) jes zapewnienie ponado dodaniej określoności analogicznej macierzy B 3. W procesie esymacji paramerów modelu k-wymiarowego problemem jes więc zagwaranowanie dodaniej określoności dwóch macierzy o wymiarach k 2 2 wprowadza bardzo skomplikowane, nieliniowe warunki ograniczające. k, oraz jednej o wymiarach k k, co Kolejnym warunkiem, pożądanym w odniesieniu do modelu opisującego zmienną w czasie macierz H, jes zapewnienie (obserwowalnych w prakyce) skończonych warości bezwarunkowej macierzy wariancji-kowariancji - H. Proces VECH(1,1) jes sacjonarny ylko i ylko wedy, gdy wszyskie warości własne macierzy ( A B) + leżą wewnąrz kola jednoskowego (por. [1][5][10]). Bezwarunkowa macierz wariancji-kowariancji zadana jes wedy nasępującym wzorem: vech 1 ( ) vech ( ) ( ) = ( + ) gdzie: k H = I A + B W, (9) k I o macierz jednoskowa o wymiarze k = 0,5k ( k + 1) = +. Duża liczba paramerów, konieczność zapewnienia dodaniej określoności oraz sacjonarności macierzy ( H ), powodują, iż model VECH w swej pełnej posaci nie znajduje zasosowania nawe dla najprosszych przypadków dwuwymiarowych. Zaproponowano więc szereg modeli zawierających się w ogólnym modelu VECH, kóre ograniczają liczbę paramerów lub zapewniają dodanią określoność macierzy. Odbywa się o jednak koszem ogólności modelu. Do najczęściej wykorzysywanych rozwiązań zalicza się modele diagonalne VECH oraz modele klasy BEKK (por. np. [1][4][5][6][9][10]). Model diagonalny (diagonal VECH DVECH) zaproponowany zosał w pracy [3] (por. akże [5][6]). Macierze A i B (por. wzór (6)) są macierzami diagonalnymi. Dla k- wymiarowego diagonalnego modelu VECH, niezbędna jes esymacja 1,5k ( k + 1) paramerów. Dla 2-wymiarowego modelu niezbędne jes wyznaczenie warości 9 paramerów, co oznacza znaczną redukcje w sosunku do modelu pełnego (21 paramerów). Elemeny h ij, + 1 macierzy H zależą jedynie od swoich przeszłych warości h ij, oraz odpowiednich iloczynów błędów +1 z chwili ( ε i, ε j, ), co powoduje, że brak jes zw. efeku przenikania wariancji. Elemeny h ii opisane są klasycznymi, jednowymiarowymi modelami GARCH(1,1), a elemeny h ij ( i j ) - 3 Formalnie wysarczające jes by dwie z macierzy A, B, W były połówkowo dodanio określone, a rzecia dodanio określona. 4
5 ich odpowiednikami (por. np. [1][5][8]). Model DVECH można przedsawić w nasępującej posaci, kóra uławia dalsze analizy (por. [4]): ( ε ) H = W + A ε + B H, (10) + 1 A = ivech ( diag( A )), B = ivech ( diag ( B )), (11) gdzie X Y o iloczyn Hadamarda (por. np. [1][8]), a ivech ( ) - operaor odwrony do vech. Z faku, że suma macierzy dodanio określonych jes macierzą dodanio określoną wynikają warunki wysarczające, by zapewnić dodanią określoność macierzy macierze W, A, B muszą być dodanio określone 4, macierz H 1 musi być dodanio określona, co najprościej zapewnić przyrównując ją do bezwarunkowej macierzy wariancji-kowariancji 5. Dla modelu 2-wymiarowego pierwszy warunek sprowadza się do zagwaranowania nasępujących prosych nierówności: 2 x >, x x x >, (12) gdzie x ij o odpowiednie elemeny macierzy W, A, B. Warunki zapewniające skończoność paramerów macierzy bezwarunkowej dla modelu DVECH mają prosą posać, analogiczną jak dla modeli jednowymiarowych: a ij + b < 1, i, j = 1,2, k. (13) ij Modelem rozwiązującym w prosy sposób problem dodaniej określoności macierzy kowariancji dla przypadku k-wymiarowego jes zw. model BEKK (por. np. [1][4][5][6][10]): H = W W + A ε ε A + B H B. (14) akże w ym modelu przyjmuje się, że H 1 równe jes macierzy bezwarunkowej, co gwaranuje dodanią określoność macierzy macierzy H ; H dla każdej chwili czasu, o ile ylko rzędy W, A, B równe są wymiarowi modelu. W sandardowym rozwiązaniu macierz W jes górną macierzą rójkąną, naomias A i B są dowolnymi macierzami kwadraowymi o rzędzie równym wymiarowi modelu. Liczba paramerów w modelu BEKK 2 dana jes wzorem 0,5k ( k 1) 2k + +. Model dwuelemenowy ma więc 11 paramerów. W przeciwieńswie do modelu DVECH, w modelu BEKK rudno zagwaranować sacjonarność bezwarunkowej macierzy wariancji-kowariancji. Warunkiem jes bowiem, by 4 Por. przypis 3. 5 Dla procedury esymacji jes o macierz wariancji-kowariancji szacowana z próby, naomias w procedurach symulacyjnych jes o macierz wynikająca z przyjęych paramerów modelu. 5
6 wszyskie warości własne macierzy ( + ) A A B B leżały wewnąrz koła jednoskowego. Już dla 2-wymiarowego procesu wymaga o analizy warości własnych macierzy o wymiarach 4 4, co sanowi na yle skomplikowane zagadnienie, iż zazwyczaj pomija się en warunek podczas esymacji modeli BEKK. Bezwarunkowa macierz H dla modelu BEKK dana jes nasępującym wzorem: vec 1 ( ) vec k ( ) ( ) = 2 ( ) + ( ) H = I A A + B B W W, (15) gdzie vec( ) o operaor wekoryzacji całej macierzy, a nie jedynie elemenów leżących na oraz poniżej przekąnej, jak ma o miejsce dla operaora vech ( ). Propozycją pozwalającą uniknąć skomplikowanych warunków gwaranujących sacjonarność macierzy H w modelu BEKK jes model diagonalny (diagonal BEKK DBEKK), w kórym macierze A oraz B są macierzami diagonalnymi. Warunek skończonych warości macierzy H dla ego modelu dany jes układem nierówności: ( aii ) ( bii ) < 1, i = 1,2,, k. (16) Model DBEKK jes szczególnym przypadkiem modelu DVECH i posiada k ( k ) 0, k paramerów. W prosy sposób gwaranuje on zarówno dodanio określoność macierzy, jak i jej sacjonarność. Uzyskuje się o jednak koszem znacznego zmniejszenia ogólności modelu. Najprosszym modelem BEKK jes model ze skalarnymi macierzami A i B, zw. model skalarny (scalar BEKK SBEKK). 3. Problemy prakyczne Znaczna część problemów prakycznych zosała zasygnalizowana w rozważaniach eoreycznych. Związana jes ona przede wszyskim z szacowaniem paramerów. Esymacji paramerów dokonuje się najczęściej meodą największej wiarygodności, co wymaga maksymalizowania skomplikowanej funkcji wielu zmiennych przy spełnieniu dodakowych nierówności nałożonych na paramery. Funkcja największej wiarygodności jes prawie płaska wokół maksimum, co powoduje szereg problemów opymalizacyjnych. Wyznaczone paramery zależą od przyjęych punków sarowych. Szczególne znaczenie ma o dla modeli niediagonalnych. W przypadku modeli diagonalnych (DVECH lub DBEKK) przynajmniej część paramerów można oszacować na podsawie modeli jednorównaniowych i wykorzysać bądź o jako warości osaeczne paramerów, bądź jako punky sarowe do esymacji modelu wielowymiarowego jako całości. Powyższe problemy ujawniają się w fakcie orzymywania 6
7 odmiennych oszacowań paramerów dla różnych pakieów obliczeniowych, co urudnia porównywanie wyników. Duża liczba paramerów wraz z opymalizacją przy pewnych skomplikowanych warunkach sanowi właściwie problem informayczny, lecz wydaje się, że w chwili obecnej przesądza o małej popularności ych modeli w zagadnieniach finansowych. rudnością w sosowaniu ych modeli jes akże problem jakości oszacowanych paramerów w przypadku sosunkowo krókich szeregów finansowych (np. gdy na podsawie średnio 2000 obserwacji należy oszacować kilkanaście paramerów modelu VAR-MGARCH). Aby uzyskać prawidłowe wyniki dla modeli wielowymiarowych należy w odpowiedni sposób przygoować wielowymiarowy wekor danych. Zazwyczaj usuwa się sopy zwrou dla okresów, w kórych brakowało sopy zwrou choćby dla jednego insrumenu. Prowadzi o do dalszego skracania długości analizowanych szeregów. Błędna specyfikacja modelu wekora warunkowych warości oczekiwanych (modelu VAR) powoduje zazwyczaj kłopoy z oszacowaniem modelu MGARCH, gdyż meody ieracyjne mogą prowadzić do modelu z macierzą kowariancji na granicy dodaniej określoności. W wielu przypadkach niezbędne jes eż odpowiednie przeskalowanie danych, w celu poprawy jakości meod opymalizacyjnych. Przeszkodą do prakycznego upowszechnienia modeli wielowymiarowych jes niewąpliwie brak ogólnie dosępnych anich lub darmowych pakieów ekonomerycznych pozwalających inwesorowi szacować paramery modeli MGARCH, bądź symulować dane, a nasępnie na podsawie uzyskanych wyników weryfikować różne sraegie inwesycyjne. Wszyskie zaprezenowane powyżej problemy powodują, iż ewenualne zasosowanie prakyczne znajdują jedynie modele dwuwymiarowe mogące w prakyce posłużyć do wyznaczania np. zmiennego w czasie współczynnika zabezpieczenia (hedge raio) (por. np. [5][9][1]) lub współczynnika bea. Dla liczby wymiarów powyżej dwóch zasosowanie znajdują nadal modele wygładzania wykładniczego lub sałej macierzy wariancji-kowariancji. 4. Przykład empiryczny Analizie poddano 2-wymiarowe modele klasy diagonal VECH (9 paramerów), BEKK (11 paramerów), diagonal BEKK (7 paramerów) oraz scalar BEKK (5 paramerów). Są o modele najczęściej wykorzysywane w prakyce. Wszyskie prezenowane wyniki badań empirycznych uzyskano za pomocą auorskich procedur napisanych w środowisku MALAB 6.0. Próbę do badań sanowiło 15 szeregów dziennych logarymicznych sóp zwrou z nasępujących insrumenów 6 6 We wszyskich przypadkach daą zakończenia szeregów był dzień W nawiasach podano daę począkową szeregu oraz liczbę obserwacji. Wszyskie dane pochodzą z serwisu bossa.pl. 7
8 (waluy, akcje, indeksy): CHF ( , 3240), GBP ( , 3240), USD ( , 3240), JPY ( , 3240), BRE ( , 3073), ELEKRIM ( , 3126), KROSNO ( , 3173), WÓLCZANKA ( , 3167), Żywiec ( , 3120), CAC40 ( , 2740), DAX ( , 2739), F-SE100 ( , 3292), NIKKEI ( , 8841), SP500 ( , 9051), WIG ( , 3188). Kryerium wyboru poszczególnych szeregów była liczba obserwacji. Analizie poddano wszyskie dwuelemenowe kombinacje szeregów. Łącznie przeanalizowano więc 105 par szeregów oraz 420 modeli 2- wymiarowych. Każdorazowo z oryginalnych szeregów sóp zwrou usunięo dni z brakującymi obserwacjami. Do uzyskanych w en sposób szeregów dopasowano model VAR(1), a nasępnie do resz ego modelu dopasowywano odpowiednie modele MGARCH. Jako kryerium dopasowania modelu wykorzysano kryerium informacyjne Akaike a. Uzyskane wyniki prezenuje ab 1. abela 1. Wyniki dopasowania poszczególnych modeli l.p. Para insrumenów Liczba obserw. Warość kryerium AIC DVECH SBEKK DBEKK BEKK Opymalny model 1 CAC40 BRE , , , ,14262 DVECH 2 CHF BRE , , , ,14262 DVECH 3 CHF CAC , , , ,49105 BEKK 4 DAX BRE , , , ,25376 DVECH 5 DAX CAC , , , ,79163 SBEKK-NS 6 DAX CHF , , , ,58579 DVECH 7 ELEKRIM BRE , , , ,55061 DVECH 8 ELEKRIM CAC , , , ,99855 DBEKK 9 ELEKRIM CHF , , , ,86728 DVECH 10 ELEKRIM DAX , , , ,11579 DVECH 11 F-SE100 BRE , , , ,77711 DVECH 12 F-SE100 CAC , , , ,25363 DVECH 13 F-SE100 CHF , , , ,83339 DVECH 14 F-SE100 DAX , , , ,61836 DVECH 15 F-SE100 ELEKRIM , , , ,53889 DVECH 16 GBP BRE , , , ,89495 DVECH 17 GBP CAC , , , ,36069 DVECH 18 GBP CHF , , , ,34661 BEKK 19 GBP DAX , , , ,46770 DVECH 20 GBP ELEKRIM , , , ,65411 DVECH 21 GBP F-SE , , , ,62517 DVECH 22 JPY BRE , , , ,47316 DVECH 23 JPY CAC , , , ,94790 SBEKK-NS 24 JPY CHF , , , ,19027 BEKK 25 JPY DAX , , , ,04178 DVECH 26 JPY ELEKRIM , , , ,23086 DVECH 27 JPY F-SE , , , ,24519 DVECH 28 JPY GBP , , , ,97455 BEKK-NS 29 KROSNO BRE , , , ,31761 BEKK-NS 30 KROSNO CAC , , , ,50187 DBEKK-NS 31 KROSNO CHF , , , ,53098 BEKK-NS 32 KROSNO DAX , , , ,59211 DBEKK-NS 33 KROSNO ELEKRIM , , , ,08564 BEKK-NS 34 KROSNO F-SE , , , ,21144 DBEKK-NS 35 KROSNO GBP , , , ,35192 BEKK-NS 36 KROSNO JPY , , , ,88245 BEKK-NS 37 NIKKEI BRE , , , ,64250 DVECH 38 NIKKEI CAC , , , ,87047 DVECH 39 NIKKEI CHF , , , ,67473 DVECH 40 NIKKEI DAX , , , ,95843 DVECH 41 NIKKEI ELEKRIM , , , ,43429 DVECH 8
9 Warość kryerium AIC 42 NIKKEI F-SE , , , ,18340 DVECH 43 NIKKEI GBP , , , ,46492 DVECH 44 NIKKEI JPY , , , ,04963 DVECH 45 NIKKEI KROSNO , , , ,18083 BEKK-NS 46 SP500 BRE , , , ,86193 DVECH 47 SP500 CAC , , , ,02639 DBEKK 48 SP500 CHF , , , ,89890 DVECH 49 SP500 DAX , , , ,05548 DVECH 50 SP500 ELEKRIM , , , ,68196 DVECH 51 SP500 F-SE , , , ,19700 SBEKK-NS 52 SP500 GBP , , , ,68197 DVECH 53 SP500 JPY , , , ,27213 DVECH 54 SP500 KROSNO , , , ,37338 BEKK-NS 55 SP500 NIKKEI , , , ,73768 DVECH 56 USD BRE , , , ,88380 DVECH 57 USD CAC , , , ,34325 DVECH 58 USD CHF , , , ,69217 BEKK-NS 59 USD DAX , , , ,40511 DVECH 60 USD ELEKRIM , , , ,64446 DVECH 61 USD F-SE , , , ,63161 DVECH 62 USD GBP , , , ,16063 BEKK-NS 63 USD JPY , , , ,89284 BEKK 64 USD KROSNO , , , ,28120 BEKK-NS 65 USD NIKKEI , , , ,44604 DVECH 66 USD SP , , , ,67843 DVECH 67 WIG BRE , , , ,52897 DVECH 68 WIG CAC , , , ,95996 DVECH 69 WIG CHF , , , ,00546 DVECH 70 WIG DAX , , , ,06518 DVECH 71 WIG ELEKRIM , , , ,34882 DVECH 72 WIG F-SE , , , ,67594 DVECH 73 WIG GBP , , , ,78878 DVECH 74 WIG JPY , , , ,39232 DVECH 75 WIG KROSNO , , , ,24744 BEKK-NS 76 WIG NIKKEI , , , ,63811 DVECH 77 WIG SP , , , ,83138 DVECH 78 WIG USD , , , ,78654 DVECH 79 WOLCZANKA BRE , , , ,18012 DVECH 80 WOLCZANKA CAC , , , ,46535 DVECH 81 WOLCZANKA CHF , , , ,43653 DVECH 82 WOLCZANKA DAX , , , ,56005 DVECH 83 WOLCZANKA , , , ,97114 DVECH 84 ELEKRIM WOLCZANKA F , , , ,10613 DVECH 85 SE100 WOLCZANKA GBP , , , ,20394 DVECH 86 WOLCZANKA JPY , , , ,78557 DVECH 87 WOLCZANKA , , , ,64881 BEKK-NS 88 KROSNO WOLCZANKA NIKKEI , , , ,00160 DVECH 89 WOLCZANKA SP , , , ,22243 DVECH 90 WOLCZANKA USD , , , ,18399 DVECH 91 WOLCZANKA WIG , , , ,00834 BEKK 92 ZYWIEC BRE , , , ,48376 BEKK-NS 93 ZYWIEC CAC , , , ,73931 DVECH 94 ZYWIEC CHF , , , ,71834 DVECH 95 ZYWIEC DAX , , , ,83118 DVECH 96 ZYWIEC ELEKRIM , , , ,28582 DVECH 97 ZYWIEC F-SE , , , ,43054 DVECH 98 ZYWIEC GBP , , , ,50205 DVECH 99 ZYWIEC JPY , , , ,09951 DVECH 100 ZYWIEC KROSNO , , , ,05754 BEKK-NS 101 ZYWIEC NIKKEI , , , ,31536 DVECH 102 ZYWIEC SP , , , ,54802 DVECH 103 ZYWIEC USD , , , ,48104 DVECH 104 ZYWIEC WIG , , , ,41284 BEKK-NS 105 ZYWIEC WOLCZANKA , , , ,88153 DVECH Źródło: obliczenia własne. 9
10 Wyróżnione zosały modele, dla kórych kryerium AIC przyjmuje warości minimalne. W osaniej kolumnie abeli. 1. umieszczono informację o opymalnym modelu. Oznaczenie -NS w przypadku modeli klasy BEKK informuje, iż dla danego przypadku uzyskany model nie spełnia warunku sacjonarności macierzy H. Na podsawie orzymanych wyników swierdzić można, iż w zdecydowanej większości (76 przypadków na 105) najlepszym modelem z punku widzenia kryerium AIC okazał się model diagonalny VECH. Uzyskany wynik sugeruje, iż uwzględnienie efeku przenikania koszem zwiększonej liczby paramerów przy ograniczeniach gwaranujących prosoę uzyskania dodaniej określoności macierzy, nie wpływa zazwyczaj na poprawę modelu. Jedynie w 29 przypadkach na 105 kryerium AIC wskazało jako model opymalny jeden z modeli klasy BEKK. W 21 przypadkach z owych 29 wybrane zosały pełne modele BEKK, kóre w zdecydowanej większości (16 przypadków na 21) nie spełniają warunku sacjonarności macierzy wariancjikowariancji. Jedynie w 8 przypadków na 105, opymalne okazały się uproszczone modele BEKK (diagonalne lub skalarne), kóre ylko w 2 przypadkach spełniały warunki sacjonarności. Podsumowanie Uzyskane wyniki, przynajmniej w odniesieniu do modeli dwuwymiarowych, sugerują zwrócenie szczególnej uwagi w zagadnieniach prakycznych na modele diagonalne klasy VECH. Jes o wynik o yle pozyywny, iż modele e sprawiają najmniej prakycznych problemów. Są prose do esymacji, gdyż za modele warunkowej wariancji można przyjąć dowolne jednowymiarowe modle GARCH, co pozwala na esymację dwueapową modelu i jes bardzo korzysne w przypadku krókich szeregów. Ławo zapewnić w ogólności warunki sacjonarności oraz dla przypadku dwuwymiarowego warunki dodaniej określoności modelu. Modele e posiadają również inuicyjną inerpreację paramerów. Powierdzenie przewagi modeli DVECH akże na podsawie kryeriów ekonomicznych w procesie zabezpieczania insrumenu bazowego konrakami fuures z wykorzysaniem zmiennego w czasie współczynnika zabezpieczenia sanowić będzie obszar dalszych prac auora. Lieraura 1. Bauwens L., Lauren S., Rombous J.V.K. (2004). Mulivariae Garch Models: A Survey. Bauwens/Papers/ JAEfinal.pdf 2. Bollerslev., Engle. R., Nelson D. (1994) ARCH Models. W: Handbook of Economerics. Volume IV. Amserdam. Holland. 10
11 3. Bollerslev., Engle R., Wooldridge J. (1988). A Capial Asse Pricing Model wih ime- Varying Covariance., J. of Poliical Economy. Universiy of Chicago Press, vol. 96(1). 4. Engle R., Kroner K., (1995) Mulivariae Simulaneous Generalized Arch. Universiy of California. cieseer.is.psu.edu/engle93mulivariae.hml 5. Gourieroux C. (1997). ARCH Models and Financial Applicaions. Springer. New York. 6. Osińska M. (2006). Ekonomeria finansowa. PWE. Warszawa. 7. Pionek K. (2002). Modelowanie i prognozowanie zmienności insrumenów finansowych. Akademia Ekonomiczna we Wrocławiu (praca dokorska) 8. Pionek K. (2005). Prognozowanie macierzy kowariancji i korelacji finansowych szeregów czasowych, Modelowanie preferencji a ryzyko, Akademia Ekonomiczna w Kaowicach. (w druku) 9. say R. (2002). Analysis of Financial ime Series. Wiley and Sons. 10. Zahnd E. (2002). he applicaion of mulivariae GARCH models o urbulen financial markes. Universiy of Basel. hp:// Wyzwania prakyczne w modelowaniu wielowymiarowych procesów GARCH Praca ma na celu przybliżenie podsawowych wielowymiarowych modeli MGARCH w konekście problemów z ich prakycznym wykorzysaniem. Szczególną uwagę zwrócono na zagadnienie liczby paramerów, warunków gwaranujących dodanią określoność macierzy oraz jej sacjonarność. Omówiono pełen i diagonalny model VECH oraz pełen, diagonalny i skalarny model BEKK. W przykładzie empirycznym analizowano dwuwymiarowe modele MGARCH dla par wybranych szeregów sóp zwrou. Uzyskane wyniki sugerują zwrócenie szczególnej uwagi w zagadnieniach prakycznych na modele diagonalne klasy VECH. Pracical Challenges in Mulivariae GARCH Modelling he aricle presens some informaion abou seleced Mulivariae GARCH Models and challenges in pracical applicaion of hose models. Main aenion is paid here o he following problems: number of parameers o esimae, posiive-definieness and saionariy condiion for covariance marix. Full and diagonal VECH models, as well as full, diagonal and scalar BEKK models, are considered. he resuls obained from he empirical research indicae ha he 2- dimensional diagonal VECH model is opimal for he mos daa- ses. he resuls can be applied o ime-varying hedge raio esimae. 11
MODELOWANIE 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 szczegółowoWykorzystanie wielorównaniowych modeli AR-GARCH w pomiarze ryzyka metodą VaR
Krzyszof Pionek Daniel Papla Kaedra Inwesycji Finansowych i Ubezpieczeń Akademia Ekonomiczna we Wrocławiu Wykorzysanie wielorównaniowych modeli AR-GARCH w pomiarze ryzyka meodą VaR Wsęp Wśród różnych meod
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 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 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 szczegółowoDaniel Papla Akademia Ekonomiczna we Wrocławiu. Wykorzystanie modelu DCC-MGARCH w analizie zmian zależności wybranych akcji GPW w Warszawie
DYNAMICZNE MODELE EKONOMETRYCZNE X Ogólnopolskie Seminarium Naukowe, 4 6 września 27 w Toruniu Kaedra Ekonomerii i Saysyki, Uniwersye Mikołaja Kopernika w Toruniu Akademia Ekonomiczna we Wrocławiu Wykorzysanie
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 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 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 szczegółowoPrognozowanie macierzy kowariancji finansowych szeregów czasowych stóp zwrotu nie jest sprawą błahą. Zagadnienie to związane jest również w oczywisty
Krzyszof Pionek Akademia Ekonomiczna w e W r ocł aw iu Prognozowanie macierzy kowariancji i korel acji f inans owych s zeregó w czas owych Wsęp Prognozowanie macierzy kowariancji finansowych szeregów czasowych
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 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 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 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 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 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 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 szczegółowoDodatek 2. Wielowymiarowe modele GARCH
Dodatek 2. Wielowymiarowe modele GARCH MODELOWANIE POLSKIEJ GOSPODARKI z R MPGzR (dodatek 2) Modele MGARCH 1 / 15 Ogólna specykacja modelu MGARCH Ogólna posta dla N-wymiarowego procesu MGARCH {y t }: y
Bardziej szczegółowoWykorzystywanie wielomywiarowych modeli klasy GARCH do badania wzajemnego wpływu rynków finansowych na świecie
E q u i l i b r i u m 1 (2) 2009 ISSN 1689-765X Tomasz Chruściński Wykorzysywanie wielomywiarowych modeli klasy GARCH do badania wzajemnego wpływu rynków finansowych na świecie Słowa kluczowe: giełdy papierów
Bardziej szczegółowoDYNAMIKA KONSTRUKCJI
10. DYNAMIKA KONSTRUKCJI 1 10. 10. DYNAMIKA KONSTRUKCJI 10.1. Wprowadzenie Ogólne równanie dynamiki zapisujemy w posaci: M d C d Kd =P (10.1) Zapis powyższy oznacza, że równanie musi być spełnione w każdej
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 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 szczegółowoAkademia Ekonomiczna im. Oskara Langego we Wrocławiu Katedra Inwestycji Finansowych i Ubezpieczeń
Krzyszof Pionek Akademia Ekonomiczna im. Oskara Langego we Wrocławiu Kaedra Inwesycji Finansowych i Ubezpieczeń Przegląd i porównanie meod oceny modeli VaR Wsęp - Miara VaR Warość zagrożona (warość narażona
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 szczegółowoDodatek 3. Wielowymiarowe modele GARCH model DCC-GARCH
Dodatek 3. Wielowymiarowe modele GARCH model DCC-GARCH MODELOWANIE POLSKIEJ GOSPODARKI z R MPGzR (dodatek 3) Modele MGARCH 1 / 11 Ogólna specykacja modelu MGARCH Ogólna posta dla N-wymiarowego procesu
Bardziej szczegółowoSZACOWANIE MODELU RYNKOWEGO CYKLU ŻYCIA PRODUKTU
B A D A N I A O P E R A C J N E I D E C Z J E Nr 2 2006 Bogusław GUZIK* SZACOWANIE MODELU RNKOWEGO CKLU ŻCIA PRODUKTU Przedsawiono zasadnicze podejścia do saysycznego szacowania modelu rynkowego cyklu
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 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 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 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 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 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 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 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 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 szczegółowoDodatek 2. Wielowymiarowe modele GARCH model GoGarch
Dodatek 2. Wielowymiarowe modele GARCH model GoGarch MODELOWANIE POLSKIEJ GOSPODARKI z R MPGzR (dodatek 2) Model GoGARCH 1 / 14 Ogólna specykacja modelu MGARCH Ogólna posta dla N-wymiarowego procesu MGARCH
Bardziej szczegółowoPROGNOZOWANIE I SYMULACJE. mgr Żaneta Pruska. Ćwiczenia 2 Zadanie 1
PROGNOZOWANIE I SYMULACJE mgr Żanea Pruska Ćwiczenia 2 Zadanie 1 Firma Alfa jes jednym z głównych dosawców firmy Bea. Ilość produku X, wyrażona w ysiącach wyprodukowanych i dosarczonych szuk firmie Bea,
Bardziej 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 szczegółowoOCENA ATRAKCYJNOŚCI INWESTYCYJNEJ AKCJI NA PODSTAWIE CZASU PRZEBYWANIA W OBSZARACH OGRANICZONYCH KRZYWĄ WYKŁADNICZĄ
Tadeusz Czernik Daniel Iskra Uniwersye Ekonomiczny w Kaowicach Kaedra Maemayki Sosowanej adeusz.czernik@ue.kaowice.pl daniel.iskra@ue.kaowice.pl OCEN TRKCYJNOŚCI INWESTYCYJNEJ KCJI N PODSTWIE CZSU PRZEBYWNI
Bardziej szczegółowoZASTOSOWANIE FUNKCJI KOPULI W MODELOWNIU INDEKSÓW GIEŁDOWYCH
ZASTOSOWANIE FUNKCJI KOPULI W MODELOWNIU INDEKSÓW GIEŁDOWYCH Jacek Leśkow, Jusyna Mokrzycka, Kamil Krawiec 1 Sreszczenie Współczesne zarządzanie ryzykiem finansowanym opiera się na analizie zwroów szeregów
Bardziej szczegółowoPROGNOZOWANIE I SYMULACJE EXCEL 2 PROGNOZOWANIE I SYMULACJE EXCEL AUTOR: ŻANETA PRUSKA
1 PROGNOZOWANIE I SYMULACJE EXCEL 2 AUTOR: mgr inż. ŻANETA PRUSKA DODATEK SOLVER 2 Sprawdzić czy w zakładce Dane znajduję się Solver 1. Kliknij przycisk Microsof Office, a nasępnie kliknij przycisk Opcje
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 szczegółowoCałka nieoznaczona Andrzej Musielak Str 1. Całka nieoznaczona
Całka nieoznaczona Andrzej Musielak Sr Całka nieoznaczona Całkowanie o operacja odwrona do liczenia pochodnych, zn.: f()d = F () F () = f() Z definicji oraz z abeli pochodnych funkcji elemenarnych od razu
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 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 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 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 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 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 szczegółowoA C T A U N I V E R S I T A T I S N I C O L A I C O P E R N I C I EKONOMIA XXXIX NAUKI HUMANISTYCZNO-SPOŁECZNE ZESZTYT 389 TORUŃ 2009
A C A U N I V E R S I A I S N I C O L A I C O P E R N I C I EKONOMIA XXXIX NAUKI HUMANISYCZNO-SPOŁECZNE ZESZY 389 ORUŃ 2009 Uniwersye Mikołaja Kopernika w oruniu Kaedra Ekonomerii i Saysyki omasz Chruściński
Bardziej szczegółowoZastosowanie technologii SDF do lokalizowania źródeł emisji BPSK i QPSK
Jan M. KELNER, Cezary ZIÓŁKOWSKI Wojskowa Akademia Techniczna, Wydział Elekroniki, Insyu Telekomunikacji doi:1.15199/48.15.3.14 Zasosowanie echnologii SDF do lokalizowania źródeł emisji BPSK i QPSK Sreszczenie.
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 I SYMULACJE EXCEL 2 AUTOR: MARTYNA MALAK PROGNOZOWANIE I SYMULACJE EXCEL 2 AUTOR: MARTYNA MALAK
1 PROGNOZOWANIE I SYMULACJE 2 hp://www.oucome-seo.pl/excel2.xls DODATEK SOLVER WERSJE EXCELA 5.0, 95, 97, 2000, 2002/XP i 2003. 3 Dodaek Solver jes dosępny w menu Narzędzia. Jeżeli Solver nie jes dosępny
Bardziej szczegółowoE k o n o m e t r i a S t r o n a 1. Nieliniowy model ekonometryczny
E k o n o m e r i a S r o n a Nieliniowy model ekonomeryczny Jednorównaniowy model ekonomeryczny ma posać = f( X, X,, X k, ε ) gdzie: zmienna objaśniana, X, X,, X k zmienne objaśniające, ε - składnik losowy,
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 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 szczegółowoψ przedstawia zależność
Ruch falowy 4-4 Ruch falowy Ruch falowy polega na rozchodzeniu się zaburzenia (odkszałcenia) w ośrodku sprężysym Wielkość zaburzenia jes, podobnie jak w przypadku drgań, funkcją czasu () Zaburzenie rozchodzi
Bardziej 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 szczegółowoKrzysztof Piontek Katedra Inwestycji Finansowych i Ubezpiecze Akademia Ekonomiczna we Wrocławiu
Krzyszof Pionek Kaedra Inwesycji Finansowych i Ubezpiecze Akademia Ekonomiczna we Wrocławiu Zasosowanie modeli klasy ARCH do opisu własnoci szeregu sóp zwrou indeksu WIG Wsp Sporód rónych rodzajów ryzyka
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 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 szczegółowoANALIZA, PROGNOZOWANIE I SYMULACJA / Ćwiczenia 1
ANALIZA, PROGNOZOWANIE I SYMULACJA / Ćwiczenia 1 mgr inż. Żanea Pruska Maeriał opracowany na podsawie lieraury przedmiou. Zadanie 1 Firma Alfa jes jednym z głównych dosawców firmy Bea. Ilość produku X,
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 szczegółowoAnaliza rynku projekt
Analiza rynku projek A. Układ projeku 1. Srona yułowa Tema Auor 2. Spis reści 3. Treść projeku 1 B. Treść projeku 1. Wsęp Po co? Na co? Dlaczego? Dlaczego robię badania? Jakimi meodami? Dla Kogo o jes
Bardziej szczegółowoKONCEPCJA WARTOŚCI ZAGROŻONEJ VaR (VALUE AT RISK)
KONCEPCJA WARTOŚCI ZAGROŻONEJ VaR (VALUE AT RISK) Kaarzyna Kuziak Akademia Ekonomiczna we Wrocławiu, Kaedra Inwesycji Finansowych i Ubezpieczeń Wprowadzenie W 1994 roku insyucja finansowa JP Morgan opublikowała
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 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 szczegółowoZarządzanie ryzykiem. Lista 3
Zaządzanie yzykiem Lisa 3 1. Oszacowano nasępujący ozkład pawdopodobieńswa dla sóp zwou z akcji A i B (Tabela 1). W chwili obecnej Akcja A ma waość ynkową 70, a akcja B 50 zł. Ile wynosi pięciopocenowa
Bardziej szczegółowoA C T A U N I V E R S I T A T I S N I C O L A I C O P E R N I C I EKONOMIA XLIII nr 2 (2012)
A C T A U N I V E R S I T A T I S N I C O L A I C O P E R N I C I EKONOMIA XLIII nr 2 (2012) 211 220 Pierwsza wersja złożona 25 października 2011 ISSN Końcowa wersja zaakcepowana 3 grudnia 2012 2080-0339
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 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 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 szczegółowoRÓWNANIA RÓŻNICZKOWE WYKŁAD 13
RÓWNANIA RÓŻNICZKOWE WYKŁAD 13 Geomeria różniczkowa Geomeria różniczkowa o dział maemayki, w kórym do badania obieków geomerycznych wykorzysuje się meody opare na rachunku różniczkowym. Obieky geomeryczne
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 szczegółowoWskazówki projektowe do obliczania nośności i maksymalnego zanurzenia statku rybackiego na wstępnym etapie projektowania
CEPOWSKI omasz 1 Wskazówki projekowe do obliczania nośności i maksymalnego zanurzenia saku rybackiego na wsępnym eapie projekowania WSĘP Celem podjęych badań było opracowanie wskazówek projekowych do wyznaczania
Bardziej szczegółowoZJAWISKA SZOKOWE W ROZWOJU GOSPODARCZYM WYBRANYCH KRAJÓW UNII EUROPEJSKIEJ
Anna Janiga-Ćmiel Uniwersye Ekonomiczny w Kaowicach Wydział Zarządzania Kaedra Maemayki anna.janiga-cmiel@ue.kaowice.pl ZJAWISKA SZOKOWE W ROZWOJU GOSPODARCZYM WYBRANYCH KRAJÓW UNII EUROPEJSKIEJ Sreszczenie:
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 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 MAŁGORZATA WASILEWSKA PORÓWNANIE METODY NPV, DRZEW DECYZYJNYCH I METODY OPCJI REALNYCH W WYCENIE PROJEKTÓW
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 szczegółowoZASTOSOWANIE DRZEW KLASYFIKACYJNYCH DO BADANIA KONDYCJI FINANSOWEJ PRZEDSIĘBIORSTW SEKTORA ROLNO-SPOŻYWCZEGO
120 Krzyszof STOWARZYSZENIE Gajowniczek, Tomasz Ząbkowski, EKONOMISTÓW Michał Goskowski ROLNICTWA I AGROBIZNESU Roczniki Naukowe om XVI zeszy 6 Krzyszof Gajowniczek, Tomasz Ząbkowski, Michał Goskowski
Bardziej szczegółowoDendrochronologia Tworzenie chronologii
Dendrochronologia Dendrochronologia jes nauką wykorzysującą słoje przyrosu rocznego drzew do określania wieku (daowania) obieków drewnianych (budynki, przedmioy). Analizy różnych paramerów słojów przyrosu
Bardziej szczegółowo2.1 Zagadnienie Cauchy ego dla równania jednorodnego. = f(x, t) dla x R, t > 0, (2.1)
Wykład 2 Sruna nieograniczona 2.1 Zagadnienie Cauchy ego dla równania jednorodnego Równanie gań sruny jednowymiarowej zapisać można w posaci 1 2 u c 2 2 u = f(x, ) dla x R, >, (2.1) 2 x2 gdzie u(x, ) oznacza
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 szczegółowo1.1. Bezpośrednie transformowanie napięć przemiennych
Rozdział Wprowadzenie.. Bezpośrednie ransformowanie napięć przemiennych Bezpośrednie ransformowanie napięć przemiennych jes formą zmiany paramerów wielkości fizycznych charakeryzujących energię elekryczną
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 szczegółowoPROPOZYCJA NOWEJ METODY OKREŚLANIA ZUŻYCIA TECHNICZNEGO BUDYNKÓW
Udosępnione na prawach rękopisu, 8.04.014r. Publikacja: Knyziak P., "Propozycja nowej meody określania zuzycia echnicznego budynków" (Proposal Of New Mehod For Calculaing he echnical Deerioraion Of Buildings),
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 szczegółowoWYKORZYSTANIE RACHUNKU WARIACYJNEGO DO ANALIZY WAHAŃ PRODUKCJI W PRZEDSIĘBIORSTWACH
STUDIA I PRACE WYDZIAŁU NAUK EKONOMICZNYCH I ZARZĄDZANIA NR 36, T. 1 Sefan Grzesiak * WYKORZYSTANIE RACHUNKU WARIACYJNEGO DO ANALIZY WAHAŃ PRODUKCJI W PRZEDSIĘBIORSTWACH STRESZCZENIE W arykule podjęo problem
Bardziej szczegółowoWygładzanie metodą średnich ruchomych w procesach stałych
Wgładzanie meodą średnich ruchomch w procesach sałch Cel ćwiczenia. Przgoowanie procedur Średniej Ruchomej (dla ruchomego okna danch); 2. apisanie procedur do obliczenia sandardowego błędu esmacji;. Wizualizacja
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 szczegółowoIMPLEMENTACJA WYBRANYCH METOD ANALIZY STANÓW NIEUSTALONYCH W ŚRODOWISKU MATHCAD
Pior Jankowski Akademia Morska w Gdyni IMPLEMENTACJA WYBRANYCH METOD ANALIZY STANÓW NIEUSTALONYCH W ŚRODOWISKU MATHCAD W arykule przedsawiono możliwości (oraz ograniczenia) środowiska Mahcad do analizy
Bardziej szczegółowo4.2. Obliczanie przewodów grzejnych metodą dopuszczalnego obciążenia powierzchniowego
4.. Obliczanie przewodów grzejnych meodą dopuszczalnego obciążenia powierzchniowego Meodą częściej sosowaną w prakyce projekowej niż poprzednia, jes meoda dopuszczalnego obciążenia powierzchniowego. W
Bardziej szczegółowoPROGNOZOWANIE W ZARZĄDZANIU PRZEDSIĘBIORSTWEM
PROGNOZOWANIE W ZARZĄDZANIU PRZEDSIĘBIORSTWEM prof. dr hab. Paweł Dimann 1 Znaczenie prognoz w zarządzaniu firmą Zarządzanie firmą jes nieusannym procesem podejmowania decyzji, kóry może być zdefiniowany
Bardziej szczegółowo1. Szereg niesezonowy 1.1. Opis szeregu
kwaralnych z la 2000-217 z la 2010-2017.. Szereg sezonowy ma charaker danych model z klasy ARIMA/SARIMA i model eksrapolacyjny oraz d prognoz z ych modeli. 1. Szereg niesezonowy 1.1. Opis szeregu Analizowany
Bardziej szczegółowoRuch płaski. Bryła w ruchu płaskim. (płaszczyzna kierująca) Punkty bryły o jednakowych prędkościach i przyspieszeniach. Prof.
Ruch płaski Ruchem płaskim nazywamy ruch, podczas kórego wszyskie punky ciała poruszają się w płaszczyznach równoległych do pewnej nieruchomej płaszczyzny, zwanej płaszczyzną kierującą. Punky bryły o jednakowych
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 szczegółowoANALIZA PORÓWNAWCZA ŚREDNIEGO ODSETKA CZASU PRZEBYWANIA W PIERWSZEJ I DRUGIEJ POŁOWIE DNIA BADANIA EMPIRYCZNE
Tadeusz Czernik Daniel Iskra Uniwersye Ekonomiczny w Kaowicach Kaedra Maemayki Sosowanej adeusz.czernik@ue.kaowice.pl daniel.iskra@ue.kaowice.pl ANALIZA PORÓWNAWCZA ŚREDNIEGO ODSETKA CZASU PRZEBYWANIA
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 szczegółowoĆWICZENIE 4 Badanie stanów nieustalonych w obwodach RL, RC i RLC przy wymuszeniu stałym
ĆWIZENIE 4 Badanie sanów nieusalonych w obwodach, i przy wymuszeniu sałym. el ćwiczenia Zapoznanie się z rozpływem prądów, rozkładem w sanach nieusalonych w obwodach szeregowych, i Zapoznanie się ze sposobami
Bardziej szczegółowoManagement Systems in Production Engineering No 4(20), 2015
EKONOMICZNE ASPEKTY PRZYGOTOWANIA PRODUKCJI NOWEGO WYROBU Janusz WÓJCIK Fabryka Druu Gliwice Sp. z o.o. Jolana BIJAŃSKA, Krzyszof WODARSKI Poliechnika Śląska Sreszczenie: Realizacja prac z zakresu przygoowania
Bardziej szczegółowo