PRZYKŁAD ZASTOSOWANIA METODY ODPORNEJ W MODELOWANIU FINANSOWYCH SZEREGÓW CZASOWYCH WSTĘP
|
|
- Henryk Kozłowski
- 8 lat temu
- Przeglądów:
Transkrypt
1 Agnieszka Ora Uniersye Śląski Kaoicach PRZYKŁAD ZASTOSOWANIA METODY ODPORNEJ W MODELOWANIU FINANSOWYCH SZEREGÓW CZASOWYCH Sreszczenie: ZałoŜenia, na kórych opierają się parameryczne meody esymacji doyczące normalności rozkładu populacji oraz niezaleŝności zmiennych, częso nie są spełnione przypadku danych finansoych. Dlaego isoną kesią jes sosoanie meod esymacji odpornej (rous esimaion) na e załoŝenia, a ym samym na jakość oseracji. Celem pracy jes implemenacja meody odpornej do modeloania szeregu czasoego arości indeksu giełdoego WIG0 o pięnasominuoej częsoliości nooań dniu Do szacoania parameró srukuralnych modelu zasosoano esymaory odporne Welscha. Słoa kluczoe: oseracje odsające, oseracje nieypoe, oseracje płyoe, esymacja odporna, esymaory Welscha. WSTĘP ZałoŜenia, na kórych opierają się parameryczne meody esymacji, doyczące normalności rozkładu populacji oraz niezaleŝności zmiennych, częso nie są spełnione przypadku danych finansoych. Dlaego isoną kesią jes sosoanie meod esymacji odpornej (rous esimaion) na e załoŝenia, a ym samym na jakość oseracji. Częso ziorze danych moŝna yróŝnić arości yraźnie róŝniące się penymi cechami od pozosałych, z. oseracje odsające. Wysępoanie akich arości moŝe yć zaróno ynikiem łędnych pomiaró jak rónieŝ pochodzenia z innej populacji. Wpły oseracji odsających na yniki szacoania parameró klasyczną meodą najmniejszych kadraó (KMNK) jes isony. Wykryanie oseracji odsających oraz zapoieganie ich płyoi poprzez sosoanie meod esymacji odpornej sanoi aŝny prolem analizy saysyczno-ekonomerycznej. Znaczna grupa meod odpornych polega na odrzuceniu oseracji uaŝanych za nieypoe, a nasępnie na esymoaniu parameró na podsaie pozosałych oseracji. Usunięcie oseracji odsającej przypadku rendu oznacza zaurzenie kolejności czasoej. Dlaego, celu szacoania parameró modelu szeregu czasoego zaierającego oseracje odsające, zasosoana zosanie meoda odporna, opara na przyporządkoyaniu ym oseracjom ag zaproponoanych przez Welscha. Konsekencją akiego
2 80 podejścia jes zasosoanie uogólnionej meody najmniejszych kadraó (UMNK). DIAGNOSTYKA TYPÓW OBSERWACJI RozaŜmy ogólny model posaci: y = Xβ + ε, (1.1) gdzie: y jes n ymiaroym ekorem losoym, kórego arości są niezaleŝnymi oseracjami zmiennej ojaśnianej, X jes n ( k +1) ymiaroą macierzą oseracji ędących arościami k niezaleŝnych zmiennych ojaśniających modelu, β jes (k+1) ymiaroym ekorem nieznanych parameró srukuralnych modelu. Zakłada się, Ŝe składnik losoy ε ma n-ymiaroy rozkład normalny z arością oczekianą E ( ε) = 0 oraz macierzą koariancji posaci: = Cov ( ε) = σ I, gdzie I jes macierzą jednoskoą o ymiarach n n. Wyniki zasosoania określonych meod esymacji modelu (1.1) isony sposó zaleŝą od jakości danych. Na i-ą daną z i składają się ym przypadku oseracje ędące arościami k zmiennych ojaśniających oraz zmiennej ojaśnianej y, zn: z i = [x i1,, x ik, y i ], i = 1,.., n (1.) Oseracje z i mogą róŝnić się zaróno płyem na arość ocen esymoanych parameró, jak rónieŝ połoŝeniem przesrzeni R k+1. W konsekencji, ziorze danych mogą ysępoać z. oseracje odsające, yraźnie róŝniące się penymi cechami od pozosałych. Ziór oseracji, uorzony po usunięciu oseracji odsającej nazyany jes rdzeniem. Na oseracje odsające składają się da rodzaje oseracji, mianoicie oseracje nieypoe (ouliers) oraz oseracje płyoe (influenial oseraions). Oseracje nieypoe charakeryzują się iększymi arościami resz niŝ oseracje naleŝące do rdzenia. Naomias oseracje płyoe silnie płyają na arości esymaoró parameró oraz isonie oddziałują na kszał modelu. Warości resz ych oseracji nie są duŝe sosunku do arości resz oseracji naleŝących do rdzenia. Wykryanie oseracji odsających moŝe yć częso prolemem złoŝonym, złaszcza przypadku ieloymiaroym. Zasosoanie odpoiednich narzędzi słuŝących idenyfikacji ego rodzaju oseracji sanoi punk yjścia sosoaniu meod esymacji odpornej.
3 81 WYKRYWANIE OBSERWACJI WPŁYWOWYCH Podsaoym narzędziem słuŝącym ykryaniu oseracji płyoych jes macierz rzuoania H (ha marix) o ymiarach n n : T 1 T H = X(X X) X (1.1.1) n H jes macierzą rzuu orogonalnego przesrzeni R na podprzesrzeń R(X) generoaną przez kolumny macierzy X. Elemeny diagonalne macierzy rzuoania, oznaczane skrócie jako h i, noszą nazę ielkości płyoych (leverage). Wielkości e określają pły poszczególnych oseracji na ocenę parameró modelu. Z faku, Ŝe macierz rzuoania jes idempoenna (H =H), ynika, Ŝe 0 h i 1 (1.1.) Wpły i-ej oseracji na zmianę eoreycznej arości zmiennej ojaśnianej zaleŝy yłącznie od ielkości reszy oraz i-ej ielkości płyoej. Warości h i liskie jedności isonie płyają na arości eoreyczne i-ej zmiennej, nae jeśli arość i-ej reszy jes mała (Osasieicz, 1998). R.E Welsch (Hoaglin i in., 1978) zaproponoał próg róny h H = ( k + 1) / n, pozalający sierdzić, czy dana oseracja jes oseracją płyoą. Przyjmuje się, Ŝe jeśli arość h i odpoiadająca i-ej oseracji spełnia arunek: h i > h H (1.1.3) óczas i-ą oserację moŝna uznać za płyoą. WYKRYWANIE OBSERWACJI NIETYPOWYCH Jednym z narzędzi słuŝących idenyfikacji oseracji nieypoych są * sandaryzoane reszy e ( i) posaci: * ei e( i) =, (1..1) s( i) 1 hi n k 1 ei gdzie s ( i) = s jes oceną ariancji σ składnika n k ( n k )(1 hi ) losoego po usunięciu i-ej oseracji. Reszy dane zorem (1..1) nazyane reszami sudenyzoanymi, mają rozkład -Sudena o (n-k-) sopniach soody [Saude i in.1990, sr ]. Fak en umoŝliia przeproadzenie esu saysycznego eryfikującego hipoezę zeroą posaci: H 0 : i-a oseracja jes elemenem rdzenia, oec hipoezy alernaynej H 1 : i-a oseracja nie jes elemenem rdzenia, czyli jes nieypoa. * i > k ( n JeŜeli zachodzi arunek e ( ) α), hipoezę zeroą H 0 odrzucamy na korzyść hipoezy alernaynej H 1 na poziomie isoności α.
4 8 ŁĄCZNE WYKRYWANIE OBSERWACJI WPŁYWOWYCH ORAZ NIETYPOWYCH Wskaźnikiem idenyfikującym sposó łączny nieypoość i płyoość i-ej oseracji jes sandaryzoana róŝnica między arościami eoreycznymi zmiennej ojaśnianej yznaczonymi dla modelu oszacoanego na podsaie szyskich oseracji oraz modelu oszacoanego na podsaie zioru nie zaierającego i-ej oseracji: yˆ i yˆ ( i) * hi DFITSi = = e( i) (1.3.1) s h 1 h ( i) i Przyjmuje się, Ŝe i-a oseracja jes odsająca, jeśli zachodzi nasępujący arunek: i DFITS i > ( k + 1) / n (1.3.) METODOLOGIA ESTYMACJI ODPORNEJ OPARTEJ NA WAśONYCH ESTYMATORACH WELSCHA Wśród szerokiej grupy meod esymacji odpornej znajdują się m.in. meody polegające na odrzuceniu oseracji uaŝanych za nieypoe, a nasępnie esymoaniu parameró modelu na posaie pozosałych oseracji. Orzymane ym sposoem esymaory nazyane są esymaorami ucięymi. Usunięcie oseracji odsającej przypadku rendu oznacza zaurzenie kolejności czasoej. Dlaego, celu szacoania parameró modelu szeregu czasoego na podsaie szyskich oseracji, poszczególnym oseracjom przyporządkoyane są agi i o arościach z przedziału (0,1]. Oseracjom odsającym ego szeregu przypisyane są óczas agi o mniejszych arościach, naomias elemenom rdzenia agi róne 1. ZauaŜmy, Ŝe uogólniając ą meodę na przypadek, kórym oseracjom odsającym przyporządkoyane są agi róne 0, a elemenom rdzenia agi róne 1, orzymujemy meodę oparą na odrzucaniu oseracji odsających. Konsekencją podejścia oparego na przypisyaniu poszczególnym oseracjom ag i, spełniających arunek 0 < i 1 jes zasosoanie uogólnionej meody najmniejszych kadraó do esymacji parameró srukuralnych szeregu czasoego. W meodzie ej zakłada się, Ŝe składnik losoy ε ma rozkład normalny z arością oczekianą E ( ε) = 0 oraz macierzą koariancji posaci 1 = Cov ( ε) = σ W, gdzie W jes znaną symeryczną dodanio określoną macierzą o ymiarach n n.
5 83 1/ Isnieje óczas symeryczna i dodanio określona macierz W aka, Ŝe 1/ 1/ W = W W. Tak określony prolem moŝna sproadzić do klasycznego przypadku MNK, proadzając nasępujące oznaczenia: 1/ y = W Y (.1) 1/ X = W X (.) 1/ ε = W ε (.3) Ogólne rónanie modelu sproadza się óczas do posaci: y = X β + ε, ε ~ (, N o σ I), (.6) Esymaor ekora parameró β ędący roziązaniem nasępującego rónania normalnego: T T X y = (XX ) (.7) jes róny: T 1 T = (X X ) X y (.8) Uzględniając poyŝszej róności zaleŝności (.1) oraz (.), łao zauaŝyć, Ŝe esymaor ekora parameró β posaci (.8) yraŝa się zorem: T 1 T = (X WX ) X Wy (.9) Jes on ięc uogólnionym esymaorem MNK. Warość oczekiana i macierz koariancji esymaora są posaci: E ( ) =β, = Cov ( T ) = σ (X X 1 T 1 ) = σ (X WX ) (.10) Esymaor ariancji σ ynosi: s = e T e /( n k 1) (.11) gdzie ekor resz jes posaci (.1) e = y X (.1) RozaŜać ędziemy macierz W diagonalną o elemenach ędących agami odpoiednio przyporządkoanymi poszczególnym oseracjom. Wóczas esymaor nazyany jes aŝonym esymaorem MNK. Jeden ze sposoó yznaczania arości ag i i-ej oseracji zosał opracoany przez R.E Welscha. Zaproponoane agi i są nasępującej posaci: ei c i = x = i, min, 1 s( i) DFITS (.13) Sała c określona jes zaleŝnością: c = p ( p +1) / n, gdzie p=1,, (.14)
6 84 W opisanym poyŝej procesie esymacji, oseracjom odsającym c szeregu czasoego przypisyane są agi o arościach rónych. DFITS Pozosałym oseracjom przypisyane są agi róne 1. Esymaor aŝony parameró β, uzyskany przy agach posaci (.13) nazyany jes aŝonym esymaorem Welscha. Esymaor en jes odporny zaróno na oseracje płyoe, jak i na oseracje nieypoe. Meoda esymacji odpornej opara na aŝonych esymaorach Welscha jes meodą ieracyjną. W kaŝdym kroku ieracyjnym yznaczane są arości ag, esymaory parameró srukuralnych oraz ariancji σ. Macierz rzuoania H kolejnych ieracjach ynosi: T 1 T H = X (X X ) X (.15) Uzględniając poyŝszej róności posać macierzy X danej zaleŝnością (.), orzymujemy: 1/ T 1 T 1/ H = W X(X WX) X W (.16) IMPLEMENTACJA METODY Przedmioem analizy jes szereg czasoy arości indeksu giełdoego WIG0 o pięnasominuoej częsoliości nooań dniu Okres adaczy oejmuje oseracje zidenyfikoane kolejnych kadransach między momenem określenia arości kursu na oarciu (godzina 9.30) a momenem określenia arości kursu na zamknięciu (godzina 16.30). Dla szeregu czasoego ych oseracji sosoanie KMNK celem szacoania parameró srukuralnych modelu linioego nie znajduje uzasadnienia, m.in. ze zględu na fak, Ŝe nie są spełnione załoŝenia ej meody. Wyznaczone pracy arości ocen esymaoró parameró modelu linioego za pomocą KMNK oraz arości saysyk określających jakość uzyskanej funkcji rendu, słuŝą przede szyskim uzasadnieniu porzey zasosoania meod esymacji odpornych na odsępsa od meody klasycznej. Wyniki esymacji uzyskane przy uŝyciu KMNK zaiera kolumna 1 aeli 1, naomias ykres linioej funkcji rendu orzymanej ą meodą oznaczono linią ciągłą na rysunku 1. W przypadku analizoanego szeregu, na yniki szacoania parameró KMNK mają pły oseracje odsające. Z porónania arości płyoych h i i-ej oseracji, i = 1K,, 7, yliczonymi na podsaie (1.1.1) z arością progoą róną h H = 0,14, ynika, Ŝe oseracjami mogącymi oddziałyać na połoŝenie linii rendu yznaczonego KMNK oraz arości ocen szacoanych parameró są oseracje piersza i osania. PonieaŜ dla rzech osanich * oseracji szeregu czasoego zachodzi arunek e ( i ) > (0,1) = 1, 71, moŝna 4
7 85 nioskoać na poziomie isoności 0,1, Ŝe oseracje e sanoią grupę oseracji nieypoych adanego szeregu oec rendu linioego uzyskanego yniku zasosoania KMNK. Warości resz sudenyzoanych oraz skaźnika DFITS osanich czerech oseracji zaiera kolumna druga i rzecia aeli. PonieaŜ arunek DFITS > 0, 54 zachodzi ylko dla osanich czerech i oseracji, moŝna przyjąć, Ŝe rdzeń przypadku rendu linioego yznaczonego KMNK, składa się z szyskich pozosałych oseracji. Wykorzysując agi Welscha, yliczone oparciu o arości skaźnikó DFITS, yznaczono arości esymaoró odpornych na zidenyfikoane oseracje odsające. Wyniki zaare, kolumnie drugiej aeli 1, uzyskane pierszej ieracji meodą odporną, skazują na lepszą jakość orzymanego modelu. Sopień dopasoania arości eoreycznych do danych empirycznych orzących rdzeń, nieznacznie się polepszył. W przeciieńsie do ynikó, jakie uzyskano klasyczną meodą esymacji, arości ocen parameró uzyskane meodą odporną, są isonie róŝne od zera na poziomie isoności 0,05. Warościami odsającymi od rendu linioego yznaczonego po pierszej ieracji przez oceny esymaoró odpornych są dane oseroane czasie = 4, 5, 6. Wyniki doyczące esymacji odpornej zaare aeli 1 skazują, Ŝe raz z kaŝdą z pięciu dokonanych ieracji jakość uzyskianych modeli odpornych polepsza się. Zmiany połoŝenia linii rendu przesrzeni R zilusroane na rysunku 1, odzierciedlają zros spółczynnikó kierunkoych prosych yznaczanych kolejnych ieracjach. Tym samym zrasa arość płyoa h 1 pierszej oseracji szeregu, podczas gdy arości płyoe oseracji odsających maleją z kaŝdą ieracją. Przykładoo, yniki uzyskane pierszych dóch ieracjach doyczące arości spółczynnikó DFITS oraz resz sudenyzoanych osanich czerech oseracji zamieszczono aeli. Isonym prolemem idenyfikacji oseracji odsających oraz sosoania meod odpornych jes odpoiednia specyfikacja modeli rendu, uzględniających charaker kszałoania się arości analizoanych zmiennych. Najlepszą funkcją rendu opisującą zmiany arości indeksu giełdoego WIG0 jes ielomian szósego sopnia, gdyŝ spółczynnik deerminacji dla ego rendu przyjmuje najiększą arość klasie rendó ędących funkcjami elemenarnymi. Oceny szacoanych za pomocą KMNK nieznanych parameró srukuralnych modelu oraz arości saysyk określających jakość uzyskanej funkcji rendu zaiera kolumna 1 aeli 3. Wykres ielomianoej funkcji rendu orzymanej ą meodą oznaczono linią ciągłą na rysunku. Podonie, jak przypadku rendu linioego yznaczonego za pomocą KMNK, najyŝsze arości płyoe h i róne 0,84 posiadają oseracje piersza oraz osania. PonieaŜ arości resz sudenyzoanych odpoiadające oseracjom * momencie =,3,6,7, spełniają arunek e ( i ) > (0,1) = 1, 7, moŝna nioskoać na poziomie isoności 0,1, Ŝe oseracje e są nieypoe oec 0
8 86 rendu ielomianoego, kórego paramery srukuralne oszacoano KMNK. Wyznaczone arości skaźnika DFITS dla poszczególnych oseracji skazują, Ŝe oseracja piersza oraz die osanie nie są elemenami rdzenia. Wyniki jakie uzyskano na skuek esymacji parameró srukuralnych modelu ielomianoego meodą klasyczną oraz kolejnych dóch ieracjach odpornej meody Welscha, zaare są aeli 3. Wykresy orzymanych funkcji rendó ielomianoych przedsaia rysunek. Taela 1. Wyniki esymacji KMNK oraz OMW dla rendu linioego 0 KMNK (0) 781,03 (3,74) Odporna Meoda Welscha (OMW) Ieracja 1 Ieracja Ieracja 3 Ieracja 4 Ieracja Sa. (1) Sa. () Sa. (3) Sa. (4) Sa. (5) Sa. 778,75 777,98 777,49 777,05 776,76 746, ,99 111,71 11,9 1308,31 (,740) (,477) (,73) (,07) (,004) 146,04 1 0,353 (0,3) 1,4 0,5956 (0,188) 3,17 0,686 (0,17) 3,98 0,747 (0,159) 4,66 0,873 (0,15) 4,98 0,9307 (0,103) 5,03 R 0,077 0,694 0,3689 0,4389 0,599 0,6745 s e 88, , , ,575 41,5339 8,7583 s e 43, ,1170 9,3015,574 17,834 Źródło: oliczenia łasne 810,0 805,0 800,0 795,0 790,0 785,0 780,0 775,0 770,0 765, ieracja 1 ieracja ieracja 3 Linioy (KMNK) Rysunek 1. Wykresy linioych funkcji rendu arości indeksu WIG0 uzyskanych meodami: klasyczną i odporną
9 87 Taela. Charakerysyki oseracji odsających zględem rendu linioego Odporna Meoda Welscha KMNK Ieracja 1 Ieracja Nr oseracji DFITS e * (i) DFITS e * (i) DFITS e * (i) 4 0,56 1,69 0,98 3,57 0,98 4,65 5 1,01,85 1,56 7,7 3,38 19,16 6 1,03,74 1,54 6,84,93 15,48 7 0,8,0 0,5 1,91 0,49 1,75 Źródło: Oliczenia łasne 810,0 805,0 800,0 795,0 790,0 785,0 780,0 775,0 770,0 765, ieracja ieracja 1 Wielom. (KMNK) Rysunek. Wykresy funkcji rendó ielomianoych szósego sopnia arości indeksu WIG0 uzyskanych meodami: klasyczną i odporną Taela 3. Wyniki esymacji KMNK oraz OMW dla rendu ielomianoego KMNK Odporna Meoda Welscha (OMW) Ieracja 1 Ieracja 1 3 (0) Sa. (1) Sa. () Sa ,3949 (14,444) 193,81 807,53 (7,989) 351,4 810,581 (19,771) 14,15 1-3,7649 (1,91) -,54-3,6950 (7,89) -4,49-35,1736 (15,054) -,34 1,0174 (3,750) 3,0 10,587 (,156) 4,91 11,191 (4,07),79 3-1,7339 (0,485) -3,57-1,4159 (0,84) -4,97-1,4839 (0,503) -,95 4 0,1186 (0,031) 3,83 0,0919 (0,018) 4,95 0,0949 (0,03),99 5-0,0038 (0,001) -4,0-0,009 (0,0005) -4,90-0,009 (0,001) -,94 6 0,00004 (0,00001) 4,18 0,00001 (0,00001) 4,83 3,40486E-05 (0,00001),85 R 0,6541 0,4938 0,7174 s e 41,491 44,7157 4,9683 s e 17,5595 1,013 Źródło: Oliczenia łasne
10 88 PODSUMOWANIE Wysępoanie oseracji odsających ma szczególnie znaczenie modeloaniu arości zmiennych mających posać finansoych szeregó czasoych. PonieaŜ usunięcie oseracji odsających przypadku rendu oznacza zaurzenie kolejności czasoej, kluczoym prolemem saje się doór odpoiednich meod esymacji parameró modelu szeregu czasoego. W niniejszej pracy omóiono i zasosoano jedną z meod esymacji, kóre uzględniają oseracje odsające i jednocześnie są na nie odporne. W ym celu do szacoania parameró srukuralnych szeregu czasoego arości indeksu giełdoego WIG0 ykorzysano aŝone esymaory Welscha. Isoną zaleą ych esymaoró jes odporność na oseracje odsające, zaróno ze zględu na płyoość jak i nieypoość. Własność a ma szczególne znaczenie procesie modeloania finansoych szeregó czasoych, kórym aŝną rolę odgrya odpoiednia specyfikacja moŝliych do zasosoania funkcji rendu. Wyór posaci funkcji rendu deerminuje oiem idenyfikację oseracji odsających, kóre z kolei mają isony pły na oceny szacoanych parameró modelu. LITERATURA Hoaglin D.C., Welsch R.E. (1978), The Ha Marix in Regression and ANOVA, The American Saisician, Vol.3, Issue 1, sr. 17 Osasieicz W. (1998), Saysyczne meody analizy danych, Wyd. AE Wrocła sr: Rousseeu P. J., Leroy A. M. (003), Rous Regression and Oulier Deecion, Jonh Wiley&Sons, Ne Jersey. Saude R.G, Sheaher S.J. (1990), Rous Esimaion and Tesing, Jonh Wiley&Sons, Ne York. Sample applicaions of he rous esimaion o financial ime series Summary: The assumpions hich consiue he asis for parameric esimaion echniques, relaing o he normaliy of disriuion of he populaion as ell as independen variales, are ofen no fulfilled in he case of financial daa. Therefore i is imporan o use rous esimaion mehods, oh in erms of hese assumpions and in erms of he qualiy of oservaions. The paper aims o implemen he rous esimaion o modelling he ime series of he WIG0 index of he 15-minue frequency on 13 Feruary 006. The srucural parameers of he model ere esimaed ih he use of he Welsch esimaors. Key ords: ouliers, influenial oservaions, rous esimaion, Welsch esimaors
DYNAMIKA 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 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 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 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 szczegółowoRównania różniczkowe. Lista nr 2. Literatura: N.M. Matwiejew, Metody całkowania równań różniczkowych zwyczajnych.
Równania różniczkowe. Lisa nr 2. Lieraura: N.M. Mawiejew, Meody całkowania równań różniczkowych zwyczajnych. W. Krysicki, L. Włodarski, Analiza Maemayczna w Zadaniach, część II 1. Znaleźć ogólną posać
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 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 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 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 szczegółowoLABORATORIUM PODSTAWY ELEKTRONIKI Badanie Bramki X-OR
LORTORIUM PODSTWY ELEKTRONIKI adanie ramki X-OR 1.1 Wsęp eoreyczny. ramka XOR ramka a realizuje funkcję logiczną zwaną po angielsku EXLUSIVE-OR (WYŁĄZNIE LU). Polska nazwa brzmi LO. Funkcję EX-OR zapisuje
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 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 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 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 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 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 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 szczegółowoSilniki cieplne i rekurencje
6 FOTO 33, Lao 6 Silniki cieplne i rekurencje Jakub Mielczarek Insyu Fizyki UJ Chciałbym Pańswu zaprezenować zagadnienie, kóre pozwala, rozważając emaykę sprawności układu silników cieplnych, zapoznać
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 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 szczegółowoPOMIAR PARAMETRÓW SYGNAŁOW NAPIĘCIOWYCH METODĄ PRÓKOWANIA I CYFROWEGO PRZETWARZANIA SYGNAŁU
Pomiar paramerów sygnałów napięciowych. POMIAR PARAMERÓW SYGNAŁOW NAPIĘCIOWYCH MEODĄ PRÓKOWANIA I CYFROWEGO PRZEWARZANIA SYGNAŁU Cel ćwiczenia Poznanie warunków prawidłowego wyznaczania elemenarnych paramerów
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 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 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 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 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 szczegółowoC d u. Po podstawieniu prądu z pierwszego równania do równania drugiego i uporządkowaniu składników lewej strony uzyskuje się:
Zadanie. Obliczyć przebieg napięcia na pojemności C w sanie przejściowym przebiegającym przy nasępującej sekwencji działania łączników: ) łączniki Si S są oware dla < 0, ) łącznik S zamyka się w chwili
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 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 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 szczegółowoLOKALNA ANALIZA CZĘSTOTLIWOŚCIOWA SYGNAŁÓW. 1. Definicja 2. Okna 3. Transformacja Gabora. Spis treści
LOKALNA ANALIZA CZĘSOLIWOŚCIOWA SYGNAŁÓW. Deinicja. Okna 3. ransormacja Gabora Spis reści Analiza czasoo-częsoliościoa sygnału moy Ampliuda.. andrzej 35_m.av -. 3 4 5 6 7 8 9 D 4. 3.5 D 3. DW D3 D4.5..5
Bardziej szczegółowoMagdalena Osińska, Marcin Fałdziński Uniwersytet Mikołaja Kopernika w Toruniu. Modele GARCH i SV z zastosowaniem teorii wartości ekstremalnych
DYNAMICZNE MODELE EKONOMETRYCZNE X Ogólnopolskie Seminarim Nakowe 4 6 września 2007 w Torni Kaedra Ekonomerii i Saysyki Uniwersye Mikołaja Kopernika w Torni Magdalena Osińska Marcin Fałdziński Uniwersye
Bardziej szczegółowoStanisław Cichocki Natalia Nehrebecka. Wykład 4
Sanisław Cichocki Naalia Nehrebecka Wykład 4 1 1. Badanie sacjonarności: o o o Tes Dickey-Fullera (DF) Rozszerzony es Dickey-Fullera (ADF) Tes KPSS 2. Modele o rozłożonych opóźnieniach (DL) 3. Modele auoregresyjne
Bardziej 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 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 szczegółowoCopyright by Politechnika Białostocka, Białystok 2017
Recenzenci: dr hab. Sanisław Łobejko, prof. SGH prof. dr hab. Doroa Wikowska Redakor naukowy: Joanicjusz Nazarko Auorzy: Ewa Chodakowska Kaarzyna Halicka Arkadiusz Jurczuk Joanicjusz Nazarko Redakor wydawnicwa:
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 szczegółowoMetody analizy i prognozowania szeregów czasowych
Meody analizy i prognozowania szeregów czasowych Wsęp 1. Modele szeregów czasowych 2. Modele ARMA i procedura Boxa-Jenkinsa 3. Modele rendów deerminisycznych i sochasycznych 4. Meody dekompozycji szeregów
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 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 szczegółowoKobiety w przedsiębiorstwach usługowych prognozy nieliniowe
Pior Srożek * Kobiey w przedsiębiorswach usługowych prognozy nieliniowe Wsęp W dzisiejszym świecie procesy społeczno-gospodarcze zachodzą bardzo dynamicznie. W związku z ym bardzo zmienił się sereoypowy
Bardziej szczegółowoEkonometryczne modele nieliniowe
Eonomeryczne modele nieliniowe Wyład Doromił Serwa Zajęcia Wyład Laoraorium ompuerowe Prezenacje Zaliczenie EGZAMI 50% a egzaminie oowiązują wszysie informacje przeazane w czasie wyładów np. slajdy. Aywność
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 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 szczegółowoMetody prognozowania: Szeregi czasowe. Dr inż. Sebastian Skoczypiec. ver Co to jest szereg czasowy?
Meody prognozowania: Szeregi czasowe Dr inż. Sebasian Skoczypiec ver. 11.20.2009 Co o jes szereg czasowy? Szereg czasowy: uporządkowany zbiór warości badanej cechy lub warości określonego zjawiska, zaobserwowanych
Bardziej szczegółowoStanisław Cichocki Natalia Nehrebecka. Wykład 3
Sanisław Cichocki Naalia Nehrebecka Wykład 3 1 1. Zmienne sacjonarne 2. Zmienne zinegrowane 3. Regresja pozorna 4. Funkcje ACF i PACF 5. Badanie sacjonarności Tes Dickey-Fullera (DF) 2 1. Zmienne sacjonarne
Bardziej szczegółowoWykład 6. Badanie dynamiki zjawisk
Wykład 6 Badanie dynamiki zjawisk Krzywa wieża w Pizie 1 2 3 4 5 6 7 8 9 10 11 12 13 y 4,9642 4,9644 4,9656 4,9667 4,9673 4,9688 4,9696 4,9698 4,9713 4,9717 4,9725 4,9742 4,9757 Szeregiem czasowym nazywamy
Bardziej szczegółowo( ) ( ) ( τ) ( t) = 0
Obliczanie wraŝliwości w dziedzinie czasu... 1 OBLICZANIE WRAśLIWOŚCI W DZIEDZINIE CZASU Meoda układu dołączonego do obliczenia wraŝliwości układu dynamicznego w dziedzinie czasu. Wyznaczane będą zmiany
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 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 szczegółowoNatalia Iwaszczuk, Piotr Drygaś, Piotr Pusz, Radosław Pusz PROGNOZOWANIE GOSPODARCZE
Naalia Iwaszczuk, Pior Drygaś, Pior Pusz, Radosław Pusz PROGNOZOWANIE GOSPODARCZE Wyd-wo, Rzeszów 03 dr hab., prof. nadzw. Naalia Iwaszczuk, AGH Akademia Górniczo-Hunicza im. Sanisława Saszica w Krakowie
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 szczegółowoAnaliza danych DRZEWA DECYZYJNE. Drzewa decyzyjne. Entropia. http://zajecia.jakubw.pl/ test 1 dopełnienie testu 1
Analiza danych Drzewa decyzyjne. Enropia. Jakub Wróblewski jakubw@pjwsk.edu.pl hp://zajecia.jakubw.pl/ DRZEWA DECYZYJNE Meoda reprezenacji wiedzy (modelowania ablic decyzyjnych). Pozwala na przejrzysy
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 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 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 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 szczegółowoPorównanie jakości nieliniowych modeli ekonometrycznych na podstawie testów trafności prognoz
233 Zeszyy Naukowe Wyższej Szkoły Bankowej we Wrocławiu Nr 20/2011 Wyższa Szkoła Bankowa w Toruniu Porównanie jakości nieliniowych modeli ekonomerycznych na podsawie esów rafności prognoz Sreszczenie.
Bardziej szczegółowoKlasyfikacja modeli. Metoda najmniejszych kwadratów
Konspek ekonomeria: Weryfikacja modelu ekonomerycznego Klasyfikacja modeli Modele dzielimy na: - jedno- i wielorównaniowe - liniowe i nieliniowe - sayczne i dynamiczne - sochasyczne i deerminisyczne -
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 szczegółowoHipotezy o istotności oszacowao parametrów zmiennych objaśniających ˆ ) ˆ
WERYFIKACJA HIPOTEZY O ISTOTNOŚCI OCEN PARAMETRÓW STRUKTURALNYCH MODELU Hpoezy o sonośc oszacowao paramerów zmennych objaśnających Tesowane sonośc paramerów zmennych objaśnających sprowadza sę do nasępującego
Bardziej 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 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 szczegółowoZASTOSOWANIE TESTU PERRONA DO BADANIA PUNKTÓW ZWROTNYCH INDEKSÓW GIEŁDOWYCH: WIG, WIG20, MIDWIG I TECHWIG
Doroa Wikowska, Anna Gasek Kaedra Ekonomerii i Informayki SGGW dwikowska@mors.sggw.waw.pl ZASTOSOWANIE TESTU PERRONA DO BADANIA PUNKTÓW ZWROTNYC INDEKSÓW GIEŁDOWYC: WIG, WIG2, MIDWIG I TECWIG Sreszczenie:
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 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 szczegółowoPOMIARY CZĘSTOTLIWOŚCI I PRZESUNIĘCIA FAZOWEGO SYGNAŁÓW OKRESOWYCH. Cel ćwiczenia. Program ćwiczenia
Pomiary częsoliwości i przesunięcia fazowego sygnałów okresowych POMIARY CZĘSOLIWOŚCI I PRZESUNIĘCIA FAZOWEGO SYGNAŁÓW OKRESOWYCH Cel ćwiczenia Poznanie podsawowych meod pomiaru częsoliwości i przesunięcia
Bardziej szczegółowoZajęcia 2. Estymacja i weryfikacja modelu ekonometrycznego
Zajęcia. Esmacja i werfikacja modelu ekonomercznego Celem zadania jes oszacowanie liniowego modelu opisującego wpłw z urski zagranicznej w danm kraju w zależności od wdaków na urskę zagraniczną i liczb
Bardziej szczegółowoStatystyka od podstaw z systemem SAS Dr hab. E. Frątczak, ZAHZiAW, ISiD, KAE. Część VII. Analiza szeregu czasowego
Część VII. Analiza szeregu czasowego 1 DEFINICJA SZEREGU CZASOWEGO Szeregiem czasowym nazywamy zbiór warości cechy w uporządkowanych chronologicznie różnych momenach (okresach) czasu. Oznaczając przez
Bardziej szczegółowoWykład 6. Badanie dynamiki zjawisk
Wykład 6 Badanie dynamiki zjawisk TREND WYODRĘBNIANIE SKŁADNIKÓW SZEREGU CZASOWEGO 1. FUNKCJA TRENDU METODA ANALITYCZNA 2. ŚREDNIE RUCHOME METODA WYRÓWNYWANIA MECHANICZNEGO średnie ruchome zwykłe średnie
Bardziej szczegółowoPrognozowanie i symulacje
Prognozowanie i smulacje Lepiej znać prawdę niedokładnie, niż dokładnie się mlić. J. M. Kenes dr Iwona Kowalska ikowalska@wz.uw.edu.pl Prognozowanie meod naiwne i średnie ruchome Meod naiwne poziom bez
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 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 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 szczegółowoMODEL CZASU OBSŁUGI NAZIEMNEJ STATKU POWIETRZNEGO
KIERZKOWSKI Arur 1 Transpor loniczy, szeregi czasowe, eksploaacja, modelowanie MODEL CZASU OBSŁUGI NAZIEMNEJ STATKU POWIETRZNEGO W referacie przedsawiono probabilisyczny model czasu obsługi naziemnej saku
Bardziej szczegółowoWiesław Jażdżyński 4 października INSTRUKCJA I MATERIAŁY POMOCNICZE Ćwiczenie Przedmiot: Elektromechaniczne Układy Napędowe
Wiesła Jażdżyński 4 października 2017 INSTRUKCJA I MATERIAŁY POMOCNICZE Ćiczenie Przedmio: Elekromechaniczne Układy Napędoe MPS Tema: Dynamika maszyny prądu sałego Zakres ćiczenia: 1. Pomiary do idenyfikacji
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 szczegółowoZASTOSOWANIE METODY OBLICZEŃ UPROSZCZONYCH DO WYZNACZANIA CZASU JAZDY POCIĄGU NA SZLAKU
PRACE NAUKOWE POLITECHNIKI WARSZAWSKIEJ z. 87 Transpor 01 Jarosław Poznański Danua Żebrak Poliechnika Warszawska, Wydział Transporu ZASTOSOWANIE METODY OBLICZEŃ UPROSZCZONYCH DO WYZNACZANIA CZASU JAZDY
Bardziej szczegółowoZARZĄDZANIE KOSZTAMI UTRZYMANIA GOTÓWKI W ODDZIAŁACH BANKU KOMERCYJNEGO
ZARZĄDZANIE KOSZTAMI UTRZYMANIA GOTÓWKI W ODDZIAŁACH BANKU KOMERCYJNEGO Sreszczenie Michał Barnicki Poliechnika Śląska, Wydział Oranizacji i Zarządzania Monika Odlanicka-Poczobu Poliechnika Śląska, Wydział
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 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 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 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 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 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 szczegółowoPRACA MAGISTERSKA. Modelowanie cen i zapotrzebowania na energię elektryczną.
Insyu Maemayki Wydział Podsawowych Problemów Techniki Poliechnika Wrocławska PRACA MAGISTERSKA Modelowanie cen i zaporzebowania na energię elekryczną. Pior Wilman 14.6.22 Wrocław promoor: dr Rafał Weron
Bardziej szczegółowoVII. ZAGADNIENIA DYNAMIKI
Konderla P. Meoda Elemenów Skończonych, eoria i zasosowania 47 VII. ZAGADNIENIA DYNAMIKI. Równanie ruchu dla zagadnienia dynamicznego Q, (7.) gdzie M NxN macierz mas, C NxN macierz łumienia, K NxN macierz
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 szczegółowoIDENTYFIKACJA SIŁY SKRAWANIA NA PODSTAWIE POMIARÓW PRZYSPIESZEŃ Z ZASTOSOWANIEM TECHNIK REGULARYZACJI 1. WPROWADZENIE
InŜynieria Maszyn, R. 16, z. 1-, 11 częsoliwościowa funkcja przejścia, siły skrawania, idenyfikacja, przyspieszenia, regularyzacja Barosz POWAŁKA 1 IDENTYFIKACJA SIŁY SKRAWANIA NA PODSTAWIE POMIARÓW PRZYSPIESZEŃ
Bardziej szczegółowoKinematyka W Y K Ł A D I. Ruch jednowymiarowy. 2-1 Przemieszczenie, prędkość. x = x 2 - x x t
Wykład z fizyki. Pior Posmykiewicz W Y K Ł A D I Ruch jednowymiarowy Kinemayka Zaczniemy wykład z fizyki od badania przedmioów będących w ruchu. Dział fizyki, kóry zajmuje się badaniem ruchu ciał bez wnikania
Bardziej szczegółowoStruktura sektorowa finansowania wydatków na B+R w krajach strefy euro
Rozdział i. Srukura sekorowa finansowania wydaków na B+R w krajach srefy euro Rober W. Włodarczyk 1 Sreszczenie W arykule podjęo próbę oceny srukury sekorowej (sekor przedsiębiorsw, sekor rządowy, sekor
Bardziej szczegółowoWyznaczanie temperatury i wysokości podstawy chmur
Wyznaczanie emperaury i wysokości podsawy chmur Czas rwania: 10 minu Czas obserwacji: dowolny Wymagane warunki meeorologiczne: pochmurnie lub umiarkowane zachmurzenie Częsoliwość wykonania: 1 raz w ciągu
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 szczegółowoModelowanie i obliczenia techniczne. Równania różniczkowe Numeryczne rozwiązywanie równań różniczkowych zwyczajnych
Moelowanie i obliczenia echniczne Równania różniczowe Numeryczne rozwiązywanie równań różniczowych zwyczajnych Przyła ułau ynamicznego E Uła ynamiczny R 0 Zachozi porzeba wyznaczenia: C u C () i() ur ir
Bardziej szczegółowoWPŁYW RUCHU DROGOWEGO NA POZIOM ZANIECZYSZCZEŃ POWIETRZA ORAZ RYZYKO CHORÓB UKŁADU ODDECHOWEGO. CZ. I OPIS
MODELOWANIE INśYNIERSKIE ISSN 1896-771X 37, s. 11-18, Gliwice 2009 WPŁYW RUCHU DROGOWEGO NA POZIOM ZANIECZYSZCZEŃ POWIETRZA ORAZ RYZYKO CHORÓB UKŁADU ODDECHOWEGO. CZ. I OPIS ZALEśNOŚCI POZIOMÓW ZANIECZYSZCZEŃ
Bardziej szczegółowoIDENTYFIKACJA OBSERWACJI ODDALONYCH W SZEREGACH CZASOWYCH
Sudia Ekonomiczne. Zeszyy Naukowe Uniwersyeu Ekonomicznego w Kaowicach ISSN 2083-8611 Nr 265 2016 Uniwersye Ekonomiczny w Kaowicach Wydział Zarządzania Kaedra Analiz Gospodarczych i Finansowych michal.rzesiok@ue.kaowice.pl
Bardziej szczegółowoMieczysław Kowerski Dawid Długosz METODOLOGIA BADAŃ NASTROJÓW GOSPODARCZYCH W WOJEWÓDZTWIE PODLASKIM. PROPOZYZJA TERŚCI ANKIET
Mieczysła Koerski Daid Długosz METODOLOGIA BADAŃ NASTROJÓW GOSPODARCZYCH W WOJEWÓDZTWIE PODLASKIM. PROPOZYZJA TERŚCI ANKIET Wproadzenie Badanie nasrojó gospodarczych (business endency surveys) nazyane
Bardziej szczegółowoZASTOSOWANIE MODELI EKONOMETRYCZNYCH DO BADANIA SKŁONNOŚCI
Zasosowanie modeli ekonomerycznych do badania skłonności STUDIA I PRACE WYDZIAŁU NAUK EKONOMICZNYCH I ZARZĄDZANIA NR 2 39 MARIUSZ DOSZYŃ Uniwersye Szczeciński ZASTOSOWANIE MODELI EKONOMETRYCZNYCH DO BADANIA
Bardziej szczegółowoDyskretny proces Markowa
Procesy sochasyczne WYKŁAD 4 Dyskreny roces Markowa Rozarujemy roces sochasyczny X, w kórym aramer jes ciągły zwykle. Będziemy zakładać, że zbiór sanów jes co najwyżej rzeliczalny. Proces X, jes rocesem
Bardziej szczegółowo