MODELOWANIE POLSKIEJ GOSPODARKI Z PAKIETEM R Michał Rubaszek
|
|
- Agata Wilk
- 8 lat temu
- Przeglądów:
Transkrypt
1 Tytuł: Autor: MODELOWANIE POLSKIEJ GOSPODARKI Z PAKIETEM R Michał Rubaszek Wstęp Książka "Modelowanie polskiej gospodarki z pakietem R" powstała na bazie materiałów, które wykorzystywałem przez ostatnie cztery lata na zajęciach z "Ekonometrii finansowej II" prowadzonych w ramach studiów magisterskich w Szkole Głównej Handlowej w Warszawie. Zawiera ona również materiały, które opracowałem wcześniej na przedmioty "Ekonometria stosowana II" oraz "Dynamiczne modele wielorównaniowe". Celem wyżej wymienionych przedmiotów, a także tej książki, jest zapoznanie słuchaczy z zaawansowanymi metodami analizy szeregów czasowych, ze szczególnym uwzględnieniem ich zastosowanie do: oceny bieżącej sytuacji ekonomicznej; analizy dynamicznych zależności zachodzących między zmiennymi ekonomicznymi i finansowymi; prognozowania. Biorąc pod uwagę fakt, że przedmiot "Ekonometria Finansowa II" jest adresowany do studentów posiadających podstawową wiedzę z ekonometrii oraz statystyki, podobne przygotowanie jest wskazane przed przystąpieniem do lektury tej książki. Charakterystyczną cechą książki jest to, że skupia się ona na empirycznych zastosowaniach wybranych metod do analizy polskiej gospodarki. W każdym rozdziale zaprezentowano model ekonometryczny wraz z jego założeniami oraz metodami aplikacji. Omawiany model wykorzystywano do objaśnienia zmian zachodzących w polskiej gospodarce w ciągu ostatniej dekady oraz do wnioskowania na temat przyszłych zdarzeń. Każdy rozdział został zakończony zestawem kilku zadań o charakterze teoretycznym i empirycznym. Kolejną cechą charakterystyczną książki jest to, że wszystkie omawiane obliczenia przeprowadzono w programie R i mogą być odtworzone przez Czytelników. Większość kodów została opisana w książce, zaś pełne kody mogą zostać pobrane ze strony internetowej: która uzupełnia dane opracowanie. Na stronie tej znajdują się również dane w formacie csv oraz zestaw prezentacji, które mogą być przydatne w prowadzeniu wykładów w ramach przedmiotów wykorzystujących dane opracowanie. Struktura książki jest następujące. Pierwszy rozdział stanowi wprowadzenie do programu R oraz przypomnienie podstawowych pojęć statystycznych. Rozdział drugi przedstawia metody analizy spektralnej oraz filtry liniowe. Część empiryczna omawia metody dekompozycji szeregu PKB na długookresowy trend oraz część cykliczną. W rozdziale trzecim prezentowane są testy pierwiastka jednostkowego oraz ich aplikacja do badania stacjonarności szeregu PKB. Rozdział czwarty opisuje autoregresyjne modele średniej ruchomej (ARMA) na przykładzie analizy zmian cen w Polsce. W rozdziałach piątym i szóstym prezentowane są modele wektorowej autoregresji (VAR) oraz ich postać strukturalna (SVAR). Zastosowania empiryczne obejmują badanie wpływu zmian kursu walutowego na ceny oraz dekompozycję PKB na część cykliczną oraz trend długookresowy. W kolejnym rozdziale prezentowane są modele autoregresyjnej warunkowej heteroskedastyczności
2 (ARCH) i ich aplikacja do badania zmian kursu złotego względem euro. Rozdział ósmy opisuje modele krzywej dochodowości oraz metody ich wykorzystania do wnioskowania na temat przyszłych wartości stóp procentowych. W rozdziale dziewiątym omówione zostały modele wyceny opcji oraz ich zastosowanie do analizy opcji na indeks WIG20. Rozdział dziesiąty prezentuje model Markowitza, który jest wykorzystany do budowy portfela inwestycyjnego składającego się z akcji notowanych na Giełdzie Papierów Wartościowych w Warszawie (GPW). W ostatnim rozdziale omawiane są modele równowagi na rynku kapitałowym i ich zastosowanie do analizy stóp zwrotu akcji notowanych na GPW. Pierwsza część książki, omawiająca zastosowania wybranych modeli ekonometrycznych do symulacji i prognoz makroekonomicznych oraz do analizy rynków finansowych, może być wykorzystana jako podręcznik podstawowy lub pomocniczy do nauczania przedmiotów "Ekonometria finansowa", "Ekonometria szeregów czasowych" lub "Prognozowanie i symulacje" na studiach magisterskich. Druga część książki, dotycząca zagadnień związanych z analizą rynków finansowych, może być również wykorzystywana do nauki przedmiotów, takich jak "Analiza rynków finansowych", "Wycena opcji" czy "Portfel inwestycyjny". Biorąc pod uwagę, że wszystkie przykłady omówione w książce mogą być samodzielnie odtworzone przy wykorzystaniu załączonych kodów napisanych w programie R, książka ta może być z powodzeniem przeznaczona do samodzielnej nauki. Spis treści Wstęp 1. Wprowadzenie 1.1. Wprowadzenie do programu R 1.2. Wprowadzenie do analizy szeregów czasowych 1.3. Wprowadzenie do liczenia stóp zwrotu 1.4. Zadania 2. Filtry i analiza spektralna 2.1. Analiza spektralna 2.2. Filtry liniowe 2.3. Idealny filtr pasmowo-przepustowy 2.4. Filtr Baxtera-Kinga 2.5. Filtr Christiano-Fitzgeralda 2.6. Filtr Hodricka-Prescotta 2.7. Analiza cyklu koniunkturalnego w Polsce
3 2.8. Zadania 3. Testy pierwiastka jednostkowego 3.1. Definicja stacjonarności procesu stochastycznego 3.2. Procesy białego szumu i błądzenia losowego 3.3. Wariancja długookresowa 3.4. Test Dickeya-Fullera 3.5. Test Phillipsa-Perrona 3.6. Test KPSS 3.7. Moc testów pierwiastka jednostkowego 3.8. Zadania 4. Jednowymiarowe modele szeregów czasowych 4.1. Procesy ARMA 4.2. Estymacja parametrów modelu ARMA 4.3. Wybór specyfikacji modelu ARMA 4.4. Weryfikacja modelu ARMA 4.5. Stacjonarność modelu ARMA 4.6. Prognozowanie z modelem ARMA 4.7. Zadania 5. Wielowymiarowe modele szeregów czasowych 5.1. Specyfikacja i estymacja modelu VAR 5.2. Estymacja modelu VAR 5.3. Dobór opóźnienia modelu VAR 5.4. Testy na autokorelację reszt 5.5. Normalność rozkładu składnika losowego 5.6. Stabilność modelu VAR
4 5.7. Prognozowanie z modelem VAR 5.8. Zadania 6. Strukturalne modele VAR 6.1. Przyczynowość 6.2. Funkcja reakcji na impuls 6.3. Dekompozycja wariancji 6.4. Strukturalizacja krótkookresowa 6.5. Model pass-through dla Polski 6.6. Egzogeniczność oraz modele VARX 6.7. Strukturalizacja długookresowa 6.8. Szacowanie luki popytowej w Polsce 6.9. Zadania 7. Modele klasy ARCH 7.1. Grupowanie wariancji 7.2. Modele ARCH i GARCH 7.3. Estymacja modelu GARCH 7.4. Wybór specyfikacji modelu GARCH 7.5. Prognozowanie z modelem GARCH 7.6. Rozszerzenia modelu GARCH 7.7. Zadania 8. Modelowanie krzywej dochodowości 8.1. Definicja krzywej dochodowości 8.2. Modele krzywej dochodowości 8.3. Analiza stóp procentowych w Polsce 8.4. Oczekiwana ścieżka stóp procentowych
5 8.5. Zadania 9. Wycena opcji oraz zmienność implikowana 9.1. Definicja opcji 9.2. Wprowadzenie do procesów stochastycznych w czasie ciągłym 9.3. Formuła Blacka-Scholesa 9.4. Greckie wskaźniki w wycenie opcji 9.5. Wycena opcji na WIG Zmienność implikowana 9.7. Zadania 10. Portfel inwestycyjny Założenia modelu Markowitza Portfel dla dwóch akcji Portfel dla N akcji Portfel dla akcji notowanych na GPW Zadania 11. Modele równowagi na rynku kapitałowym Model jednoczynnikowy Założenia i wyprowadzenie modelu CAPM Testy modelu CAPM Model APT Zadania Bibliografia Recenzja Dobrze napisany podręcznik powinien być dla Czytelnika przewodnikiem po przedstawianych zagadnieniach, powinien także umożliwić nabycie wiedzy określonego rodzaju i odnosić się do zagadnień trudniejszych, zamieszczonych w innych pracach. Z satysfakcją odnotowuję fakt, iż oceniana praca w pełni odpowiada wymogom stawianym
6 nowoczesnym podręcznikom z przedmiotów zaliczanych do tzw. metod ilościowych w naukach ekonomicznych. (...) Praca została wzorowo przygotowana pod względem edytorskim, z wielką dbałością o właściwe przekazanie treści Czytelnikowi. Istotną wartością książki są przykłady wykonane w programie R, które Czytelnik może samodzielnie przećwiczyć dzięki bezpłatnej dostępności zarówno danych, jak i oprogramowania. Przykłady zostały dobrane w sposób trafny i adekwatny. z recenzji prof. dr hab. Magdaleny Osińskiej Uniwersytet Mikołaja Kopernika w Toruniu
Ekonometria dynamiczna i finansowa Kod przedmiotu
Ekonometria dynamiczna i finansowa - opis przedmiotu Informacje ogólne Nazwa przedmiotu Ekonometria dynamiczna i finansowa Kod przedmiotu 11.5-WK-IiED-EDF-W-S14_pNadGenMOT56 Wydział Kierunek Wydział Matematyki,
Bardziej szczegółowoModelowanie rynków finansowych
Modelowanie rynków finansowych Przegląd zagadnień 8 października 2012 Główna przesłanka doboru tematów Koncepcje i techniki modelowe jako priorytet: Modele empiryczne bazujące na wiedzy teoretycznej Zakres
Bardziej szczegółowoAnaliza inwestycji i zarządzanie portfelem SPIS TREŚCI
Analiza inwestycji i zarządzanie portfelem Frank K. Reilly, Keith C. Brown SPIS TREŚCI TOM I Przedmowa do wydania polskiego Przedmowa do wydania amerykańskiego O autorach Ramy książki CZĘŚĆ I. INWESTYCJE
Bardziej szczegółowoMetody Ilościowe w Socjologii
Metody Ilościowe w Socjologii wykład 2 i 3 EKONOMETRIA dr inż. Maciej Wolny AGENDA I. Ekonometria podstawowe definicje II. Etapy budowy modelu ekonometrycznego III. Wybrane metody doboru zmiennych do modelu
Bardziej szczegółowo3. Analiza własności szeregu czasowego i wybór typu modelu
3. Analiza własności szeregu czasowego i wybór typu modelu 1. Metody analizy własności szeregu czasowego obserwacji 1.1. Analiza wykresu szeregu czasowego 1.2. Analiza statystyk opisowych zmiennej prognozowanej
Bardziej szczegółowoStare Jabłonki,
Włodzimierz Rembisz Adam Waszkowski Instytut Ekonomiki Rolnictwa i Gospodarki Żywnościowej Państwowy Instytut Badawczy Zakład Zastosowań Matematyki w Ekonomice Rolnictwa Stare Jabłonki, 7.12.217 Wprowadzenie
Bardziej szczegółowoStatystyka od podstaw Janina Jóźwiak, Jarosław Podgórski
Statystyka od podstaw Janina Jóźwiak, Jarosław Podgórski Książka jest nowoczesnym podręcznikiem przeznaczonym dla studentów uczelni i wydziałów ekonomicznych. Wykład podzielono na cztery części. W pierwszej
Bardziej szczegółowoModelowanie i prognozowanie cen surowców energetycznych. Monika Papie Sławomir Âmiech
Modelowanie i prognozowanie cen surowców energetycznych Monika Papie Sławomir Âmiech Modelowanie i prognozowanie cen surowców energetycznych Autorzy: Monika Papie wst p*, rozdziały: 2, 3.5, 4; 5, 7, zakoƒczenie*
Bardziej szczegółowoprzedmiotu Nazwa Pierwsza studia drugiego stopnia
Nazwa przedmiotu K A R T A P R Z E D M I O T U ( S Y L L A B U S ) O p i s p r z e d m i o t u Kod przedmiotu EKONOMETRIA UTH/I/O/MT/zmi/ /C 1/ST/2(m)/1Z/C1.1.5 Język wykładowy ECONOMETRICS JĘZYK POLSKI
Bardziej szczegółowoEKONOMETRYCZNE MODELE KURSÓW WALUTOWYCH
Monografie i Opracowania 547 Ewa Marta Syczewska EKONOMETRYCZNE MODELE KURSÓW WALUTOWYCH Warszawa 2007 Szkoła Główna Handlowa w Warszawie Wprowadzenie 15 Przegląd funkcjonowania kursów walutowych... 15
Bardziej szczegółowoSeminaria dyplomowe w ZMRF informacje ogólne. Michał Rubaszek Zakład Modelowania Rynków Finansowych Instytut Ekonometrii
Seminaria dyplomowe w ZMRF informacje ogólne Michał Rubaszek Zakład Modelowania Rynków Finansowych Instytut Ekonometrii 1 Co sprawdza praca dyplomowa 1. Zrozumienie materiału omawianego w trakcie studiów
Bardziej szczegółowoOGŁOSZENIE O ZAMÓWIENIU nr 1/2013 (POWYŻEJ 14 tys. EURO)
Łódź, dn. 23.12.2013r. OGŁOSZENIE O ZAMÓWIENIU nr 1/2013 (POWYŻEJ 14 tys. EURO) 1. Zamawiający Firma i adres: PL Europa S.A. NIP: 725-195-02-28 Regon: 100381252 2. Tryb udzielenia zamówienia Zgodnie z
Bardziej szczegółowoEKONOMETRIA STOSOWANA PRZYKŁADOWE ZADANIA EGZAMINACYJNE
EKONOMETRIA STOSOWANA PRZYKŁADOWE ZADANIA EGZAMINACYJNE ZADANIE 1 Oszacowano zależność między luką popytowa a stopą inflacji dla gospodarki niemieckiej. Wyniki estymacji są następujące: Estymacja KMNK,
Bardziej szczegółowoKrzysztof Piontek MODELOWANIE I PROGNOZOWANIE ZMIENNOŚCI INSTRUMENTÓW FINANSOWYCH
Akademia Ekonomiczna im. Oskara Langego we Wrocławiu Wydział Zarządzania i Informatyki Krzysztof Piontek MODELOWANIE I PROGNOZOWANIE ZMIENNOŚCI INSTRUMENTÓW FINANSOWYCH rozprawa doktorska Promotor: prof.
Bardziej szczegółowo7. Zastosowanie wybranych modeli nieliniowych w badaniach ekonomicznych. 14. Decyzje produkcyjne i cenowe na rynku konkurencji doskonałej i monopolu
Zagadnienia na egzamin magisterski na kierunku Ekonomia 1. Znaczenie wnioskowania statystycznego w weryfikacji hipotez 2. Organizacja doboru próby do badań 3. Rozkłady zmiennej losowej 4. Zasady analizy
Bardziej szczegółowo3. Modele tendencji czasowej w prognozowaniu
II Modele tendencji czasowej w prognozowaniu 1 Składniki szeregu czasowego W teorii szeregów czasowych wyróżnia się zwykle następujące składowe szeregu czasowego: a) składowa systematyczna; b) składowa
Bardziej szczegółowoWYMAGANIA WSTĘPNE W ZAKRESIE WIEDZY, UMIEJĘTNOŚCI I INNYCH KOMPETENCJI
1 WYDZIAŁ MATEMATYKI KARTA PRZEDMIOTU Nazwa w języku polskim ANALIZA SZEREGÓW CZASOWYCH Nazwa w języku angielskim ANALYSIS OF TIME SERIES Kierunek studiów (jeśli dotyczy): Matematyka Specjalność (jeśli
Bardziej szczegółowoWYMAGANIA WSTĘPNE W ZAKRESIE WIEDZY, UMIEJĘTNOŚCI I INNYCH KOMPETENCJI
1 Zał. nr 4 do ZW WYDZIAŁ PODSTAWOWYCH PROBLEMÓW TECHNIKI KARTA PRZEDMIOTU Nazwa w języku polskim ANALIZA SZEREGÓW CZASOWYCH Nazwa w języku angielskim ANALYSIS OF TIME SERIES Kierunek studiów (jeśli dotyczy):
Bardziej szczegółowoPrognozowanie cen surowców w rolnych na podstawie szeregów w czasowych - uwarunkowania i metody. Sylwia Grudkowska NBP Mariusz Hamulczuk IERIGś-PIB
Prognozowanie cen surowców w rolnych na podstawie szeregów w czasowych - uwarunkowania i metody Sylwia Grudkowska NBP Mariusz Hamulczuk IERIGś-PIB Plan prezentacji Wprowadzenie do prognozowania Metody
Bardziej szczegółowoModelowanie ekonometryczne
Modelowanie ekonometryczne Kamil Skoczylas Kamilskoczylas@wp.pl 1. Wstęp Otaczający nas świat to zbiór różnych zjawisk. W zależności od zainteresowań człowiek staje się obserwatorem niektórych z nich.
Bardziej szczegółowoSPIS TREŚCI. Do Czytelnika... 7
SPIS TREŚCI Do Czytelnika.................................................. 7 Rozdział I. Wprowadzenie do analizy statystycznej.............. 11 1.1. Informacje ogólne..........................................
Bardziej szczegółowoProjekt zaliczeniowy z Ekonometrii i prognozowania Wyższa Szkoła Bankowa w Toruniu 2014/2015
Projekt zaliczeniowy z Ekonometrii i prognozowania Wyższa Szkoła Bankowa w Toruniu 2014/2015 Nr indeksu... Imię i Nazwisko... Nr grupy ćwiczeniowej... Imię i Nazwisko prowadzącego... 1. Specyfikacja modelu
Bardziej szczegółowoINFORMATYKA i FINANSE KATEDRA INFORMATYKI TEORETYCZNEJ
INFORMATYKA i FINANSE KATEDRA INFORMATYKI TEORETYCZNEJ dr hab. Czesław Bagiński, prof. PB Kierownik KIT dr hab. Wiktor Dańko, prof. PB dr hab. Piotr Grzeszczuk, prof. PB dr Ryszard Mazurek dr Jolanta Koszelew
Bardziej szczegółowoStatystyka matematyczna i ekonometria
Statystyka matematyczna i ekonometria Wykład 9 Anna Skowrońska-Szmer lato 2016/2017 Ekonometria (Gładysz B., Mercik J., Modelowanie ekonometryczne. Studium przypadku, Wydawnictwo PWr., Wrocław 2004.) 2
Bardziej szczegółowoEkonometria. Zajęcia
Ekonometria Zajęcia 16.05.2018 Wstęp hipoteza itp. Model gęstości zaludnienia ( model gradientu gęstości ) zakłada, że gęstość zaludnienia zależy od odległości od okręgu centralnego: y t = Ae βx t (1)
Bardziej szczegółowoZanim zaczniemy. Zasady zaliczenia Zasady dotyczące prezentacji literatury Zasady prezentacji wyników własnego badania.
Zajęcia 1 1 Zanim zaczniemy Zasady zaliczenia Zasady dotyczące prezentacji literatury Zasady prezentacji wyników własnego badania Tematyka zajęć 2 Zanim zaczniemy Zasady zaliczenia Zasady dotyczące prezentacji
Bardziej szczegółowoLiteratura. Statystyka i demografia
ZESTAWIENIE zagadnień i literatury do egzaminu doktorskiego z przedmiotów kierunkowych III Wydziałowej Komisji ds. Przewodów Doktorskich na Wydziale Ekonomiczno-Socjologicznym Uniwersytetu Łódzkiego Ekonometria
Bardziej szczegółowoEkonometria / G. S. Maddala ; red. nauk. przekł. Marek Gruszczyński. wyd. 2, dodr. 1. Warszawa, Spis treści
Ekonometria / G. S. Maddala ; red. nauk. przekł. Marek Gruszczyński. wyd. 2, dodr. 1. Warszawa, 2013 Spis treści Przedsłowie 15 Przedmowa do drugiego wydania 17 Przedmowa do trzeciego wydania 21 Nekrolog
Bardziej szczegółowoK wartość kapitału zaangażowanego w proces produkcji, w tys. jp.
Sprawdzian 2. Zadanie 1. Za pomocą KMNK oszacowano następującą funkcję produkcji: Gdzie: P wartość produkcji, w tys. jp (jednostek pieniężnych) K wartość kapitału zaangażowanego w proces produkcji, w tys.
Bardziej szczegółowoStanisław Cichocki. Natalia Neherbecka. Zajęcia 13
Stanisław Cichocki Natalia Neherbecka Zajęcia 13 1 1. Kryteria informacyjne 2. Testowanie autokorelacji 3. Modele dynamiczne: modele o rozłożonych opóźnieniach (DL) modele autoregresyjne o rozłożonych
Bardziej szczegółowoWycena opcji. Dr inż. Bożena Mielczarek
Wycena opcji Dr inż. Bożena Mielczarek Stock Price Wahania ceny akcji Cena jednostki podlega niewielkim wahaniom dziennym (miesięcznym) wykazując jednak stały trend wznoszący. Cena może się doraźnie obniżać,
Bardziej szczegółowoModelowanie rynków finansowych
Modelowanie rynków finansowych Jerzy Mycielski WNE UW 5 października 2017 Jerzy Mycielski (WNE UW) Modelowanie rynków finansowych 5 października 2017 1 / 12 Podstawowe elementy teorii 1 racjonalne oczekiwania
Bardziej szczegółowoPoziom przedmiotu: II stopnia. Liczba godzin/tydzień: 2W E, 2L PRZEWODNIK PO PRZEDMIOCIE
Nazwa przedmiotu: I KARTA PRZEDMIOTU CEL PRZEDMIOTU PRZEWODNIK PO PRZEDMIOCIE C1. Zapoznanie studentów z podstawowymi metodami i technikami analizy finansowej na podstawie nowoczesnych instrumentów finansowych
Bardziej szczegółowoProjekt zaliczeniowy z Ekonometrii i prognozowania Wyższa Szkoła Bankowa w Toruniu 2017/2018
Projekt zaliczeniowy z Ekonometrii i prognozowania Wyższa Szkoła Bankowa w Toruniu 2017/2018 Nr indeksu... Imię i Nazwisko... Nr grupy ćwiczeniowej... Imię i Nazwisko prowadzącego... 1. Specyfikacja modelu
Bardziej szczegółowoZagadnienia na egzamin magisterski na kierunku Informatyka i Ekonometria (2 stopień studiów)
Zagadnienia na egzamin magisterski na kierunku Informatyka i Ekonometria (2 stopień studiów) 1. Topologie sieci komputerowych a. 06IE_2A_W02 - jest w stanie zdefiniować problem decyzyjny, analizować źródła
Bardziej szczegółowoPYTANIA NA EGZAMIN MAGISTERSKI KIERUNEK: EKONOMIA STUDIA DRUGIEGO STOPNIA. CZĘŚĆ I dotyczy wszystkich studentów kierunku Ekonomia pytania podstawowe
PYTANIA NA EGZAMIN MAGISTERSKI KIERUNEK: EKONOMIA STUDIA DRUGIEGO STOPNIA CZĘŚĆ I dotyczy wszystkich studentów kierunku Ekonomia pytania podstawowe 1. Cele i przydatność ujęcia modelowego w ekonomii 2.
Bardziej szczegółowoTadeusz Kufel Uniwersytet Mikołaja Kopernika w Toruniu. Narzędzia ekonometrii dynamicznej w oprogramowaniu GRETL
DYNAMICZNE MODELE EKONOMETRYCZNE IX Ogólnopolskie Seminarium Naukowe, 6 8 września 2005 w Toruniu Katedra Ekonometrii i Statystyki, Uniwersytet Mikołaja Kopernika w Toruniu Uniwersytet Mikołaja Kopernika
Bardziej szczegółowoEkonometria. Modelowanie szeregów czasowych. Stacjonarność. Testy pierwiastka jednostkowego. Modele ARDL. Kointegracja. Jakub Mućk
Ekonometria Modelowanie szeregów czasowych. Stacjonarność. Testy pierwiastka jednostkowego. Modele ARDL. Jakub Mućk Katedra Ekonomii Ilościowej Jakub Mućk Ekonometria Ćwiczenia 5 & 6 Szaeregi czasowe 1
Bardziej szczegółowoPodstawy ekonometrii. Opracował: dr hab. Eugeniusz Gatnar prof. WSBiF
Podstawy ekonometrii Opracował: dr hab. Eugeniusz Gatnar prof. WSBiF Cele przedmiotu: I. Ogólne informacje o przedmiocie. - Opanowanie podstaw teoretycznych, poznanie przykładów zastosowań metod modelowania
Bardziej szczegółowoEkonometria. Prognozowanie ekonometryczne, ocena stabilności oszacowań parametrów strukturalnych. Jakub Mućk. Katedra Ekonomii Ilościowej
Ekonometria Prognozowanie ekonometryczne, ocena stabilności oszacowań parametrów strukturalnych Jakub Mućk Katedra Ekonomii Ilościowej Jakub Mućk Ekonometria Wykład 4 Prognozowanie, stabilność 1 / 17 Agenda
Bardziej szczegółowo5. Model sezonowości i autoregresji zmiennej prognozowanej
5. Model sezonowości i autoregresji zmiennej prognozowanej 1. Model Sezonowości kwartalnej i autoregresji zmiennej prognozowanej (rząd istotnej autokorelacji K = 1) Szacowana postać: y = c Q + ρ y, t =
Bardziej szczegółowoPrognozowanie i Symulacje. Wykład I. Matematyczne metody prognozowania
Prognozowanie i Symulacje. Wykład I. e-mail:e.kozlovski@pollub.pl Spis treści Szeregi czasowe 1 Szeregi czasowe 2 3 Szeregi czasowe Definicja 1 Szereg czasowy jest to proces stochastyczny z czasem dyskretnym
Bardziej szczegółowoStanisław Cihcocki. Natalia Nehrebecka
Stanisław Cihcocki Natalia Nehrebecka 1 1. Kryteria informacyjne 2. Testowanie autokorelacji w modelu 3. Modele dynamiczne: modele o rozłożonych opóźnieniach (DL) modele autoregresyjne o rozłożonych opóźnieniach
Bardziej szczegółowoPROPOZYCJA ZAGADNIEŃ NA EGZAMIN LICENCJACKI NA KIERUNKU ANALITYKA GOSPODARCZA. 1.Modele wielorównaniowe. Ich rodzaje i zalecane metody estymacji
PROPOZYCJA ZAGADNIEŃ NA EGZAMIN LICENCJACKI NA KIERUNKU ANALITYKA GOSPODARCZA 1.Modele wielorównaniowe. Ich rodzaje i zalecane metody estymacji 2.Problem niesferyczności składnika losowego w modelach ekonometrycznych.
Bardziej szczegółowoTytuł: Zastosowanie metod ilościowych w finansach i ubezpieczeniach. Autorzy: Stefan Forlicz (red.)
Tytuł: Zastosowanie metod ilościowych w finansach i ubezpieczeniach. Autorzy: Stefan Forlicz (red.) Opis: Finanse i ubezpieczenia to te gałęzie nauk ekonomicznych, w których modele formalne stanowią w
Bardziej szczegółowoDYNAMICZNE MODELE EKONOMETRYCZNE
Uniwersytet Mikołaja Kopernika Wydział Nauk Ekonomicznych i Zarządzania Katedra Ekonometrii i Statystyki DYNAMICZNE MODELE EKONOMETRYCZNE Redaktor naukowy Zygmunt Zieliński TORUŃ 2007 Spis treści Wstęp
Bardziej szczegółowoZAKRES TEMATYCZNY EGZAMINU LICENCJACKIEGO
Wydział Nauk Ekonomicznych i Zarządzania Kierunek Analityka Gospodarcza Studia stacjonarne I stopnia ZAKRES TEMATYCZNY EGZAMINU LICENCJACKIEGO Zagadnienia ogólnoekonomiczne 1. Aktualna sytuacja na europejskim
Bardziej szczegółowoStacjonarność Integracja. Integracja. Integracja
Biały szum AR(1) Słaba stacjonarność Szereg czasowy nazywamy słabo (wariancyjnie) stacjonarnym jeżeli: Biały szum AR(1) Słaba stacjonarność Szereg czasowy nazywamy słabo (wariancyjnie) stacjonarnym jeżeli:
Bardziej szczegółowoNiestacjonarne zmienne czasowe własności i testowanie
Materiał dla studentów Niestacjonarne zmienne czasowe własności i testowanie (studium przypadku) Część 3: Przykłady testowania niestacjonarności Nazwa przedmiotu: ekonometria finansowa I (22204), analiza
Bardziej szczegółowoMetoda Johansena objaśnienia i przykłady
Metoda Johansena objaśnienia i przykłady Model wektorowej autoregresji rzędu p, VAR(p), ma postad gdzie oznacza wektor zmiennych endogenicznych modelu. Model VAR jest stabilny, jeżeli dla, tzn. wielomian
Bardziej szczegółowoSzczegółowy program kursu Statystyka z programem Excel (30 godzin lekcyjnych zajęć)
Szczegółowy program kursu Statystyka z programem Excel (30 godzin lekcyjnych zajęć) 1. Populacja generalna a losowa próba, parametr rozkładu cechy a jego ocena z losowej próby, miary opisu statystycznego
Bardziej szczegółowoKatedra Demografii i Statystki Ekonomicznej
Katedra Demografii i Statystki Ekonomicznej Wydział Informatyki i Komunikacji http://www.ue.katowice.pl/jednostki/katedry/katedry-wiik/ Skład osobowy Katedry Pracownicy: prof. zw. dr hab. Grażyna Trzpiot
Bardziej szczegółowoPRZEWODNIK PO PRZEDMIOCIE
Nazwa przedmiotu: PROGNOZOWANIE Z WYKORZYSTANIEM SYSTEMÓW INFORMATYCZNYCH Kierunek: Informatyka Rodzaj przedmiotu: obowiązkowy w ramach treści kierunkowych Rodzaj zajęć: wykład, laboratorium I KARTA PRZEDMIOTU
Bardziej szczegółowoZanim zaczniemy. Zasady zaliczenia Zasady dotyczące prezentacji literatury Zasady prezentacji wyników własnego badania.
Zajęcia 1 1 Zanim zaczniemy Zasady zaliczenia Zasady dotyczące prezentacji literatury Zasady prezentacji wyników własnego badania Tematyka zajęd 2 Zanim zaczniemy Zasady zaliczenia Zasady dotyczące prezentacji
Bardziej szczegółowoSzczegółowy program kursu Statystyka z programem Excel (30 godzin lekcyjnych zajęć)
Szczegółowy program kursu Statystyka z programem Excel (30 godzin lekcyjnych zajęć) 1. Populacja generalna a losowa próba, parametr rozkładu cechy a jego ocena z losowej próby, miary opisu statystycznego
Bardziej szczegółowoNatalia Nehrebecka. Zajęcia 1
Natalia Nehrebecka Zajęcia 1 1 Zanim zaczniemy Zasady zaliczenia Zasady dotyczące prezentacji literatury Zasady prezentacji wyników własnego badania Tematyka zajęd 2 Zanim zaczniemy Zasady zaliczenia Zasady
Bardziej szczegółowo1. Ekonometria jako dyscyplina naukowa (przedmiot, metodologia, teorie ekonomiczne). Model ekonometryczny, postać modelu, struktura, klasyfikacja.
1. Ekonometria jako dyscyplina naukowa (przedmiot, metodologia, teorie ekonomiczne). Model ekonometryczny, postać modelu, struktura, klasyfikacja. Zadanie 1. Celem zadania jest oszacowanie modelu opisującego
Bardziej szczegółowoPYTANIA NA EGZAMIN MAGISTERSKI KIERUNEK: EKONOMIA STUDIA DRUGIEGO STOPNIA. CZĘŚĆ I dotyczy wszystkich studentów kierunku Ekonomia pytania podstawowe
PYTANIA NA EGZAMIN MAGISTERSKI KIERUNEK: EKONOMIA STUDIA DRUGIEGO STOPNIA CZĘŚĆ I dotyczy wszystkich studentów kierunku Ekonomia pytania podstawowe 1. Cele i przydatność ujęcia modelowego w ekonomii 2.
Bardziej szczegółowoAlgorytmy i bazy danych (wykład obowiązkowy dla wszystkich)
MATEMATYKA I EKONOMIA PROGRAM STUDIÓW DLA II STOPNIA Data: 2010-11-07 Opracowali: Krzysztof Rykaczewski Paweł Umiński Streszczenie: Poniższe opracowanie przedstawia projekt planu studiów II stopnia na
Bardziej szczegółowoAnaliza autokorelacji
Analiza autokorelacji Oblicza się wartości współczynników korelacji między y t oraz y t-i (dla i=1,2,...,k), czyli współczynniki autokorelacji różnych rzędów. Bada się statystyczną istotność tych współczynników.
Bardziej szczegółowo4. Średnia i autoregresja zmiennej prognozowanej
4. Średnia i autoregresja zmiennej prognozowanej 1. Średnia w próbie uczącej Własności: y = y = 1 N y = y t = 1, 2, T s = s = 1 N 1 y y R = 0 v = s 1 +, 2. Przykład. Miesięczna sprzedaż żelazek (szt.)
Bardziej szczegółowoBudowa sztucznych sieci neuronowych do prognozowania. Przykład jednostek uczestnictwa otwartego funduszu inwestycyjnego
Budowa sztucznych sieci neuronowych do prognozowania. Przykład jednostek uczestnictwa otwartego funduszu inwestycyjnego Dorota Witkowska Szkoła Główna Gospodarstwa Wiejskiego w Warszawie Wprowadzenie Sztuczne
Bardziej szczegółowoSpis treści 3 SPIS TREŚCI
Spis treści 3 SPIS TREŚCI PRZEDMOWA... 1. WNIOSKOWANIE STATYSTYCZNE JAKO DYSCYPLINA MATEMATYCZNA... Metody statystyczne w analizie i prognozowaniu zjawisk ekonomicznych... Badania statystyczne podstawowe
Bardziej szczegółowoćwiczenia 30 zaliczenie z oceną
Wydział: Zarządzanie i Finanse Nazwa kierunku kształcenia: Finanse i Rachunkowość Rodzaj przedmiotu: podstawowy Opiekun: dr Rafał Kusy Poziom studiów (I lub II stopnia): II stopnia Tryb studiów: Stacjonarne
Bardziej szczegółowoArkadiusz Manikowski Zbigniew Tarapata. Prognozowanie i symulacja rozwoju przedsiębiorstw
Arkadiusz Manikowski Zbigniew Tarapata Prognozowanie i symulacja rozwoju przedsiębiorstw Warszawa 2002 Recenzenci doc. dr. inż. Ryszard Mizera skład i Łamanie mgr. inż Ignacy Nyka PROJEKT OKŁADKI GrafComp,
Bardziej szczegółowoWprowadzenie Modele o opóźnieniach rozłożonych Modele autoregresyjne o opóźnieniach rozłożonych. Modele dynamiczne.
opisują kształtowanie się zjawiska w czasie opisują kształtowanie się zjawiska w czasie Najważniejszymi zastosowaniami modeli dynamicznych są opisują kształtowanie się zjawiska w czasie Najważniejszymi
Bardziej szczegółowoStanisław Cichocki Natalia Neherbecka
Stanisław Cichocki Natalia Neherbecka 13 marca 2010 1 1. Kryteria informacyjne 2. Modele dynamiczne: modele o rozłożonych opóźnieniach (DL) modele autoregresyjne o rozłożonych opóźnieniach (ADL) 3. Analiza
Bardziej szczegółowoZarządzanie ryzykiem. Opracował: Dr inŝ. Tomasz Zieliński
Zarządzanie ryzykiem Opracował: Dr inŝ. Tomasz Zieliński I. OGÓLNE INFORMACJE O PRZEDMIOCIE Cel przedmiotu: Celem przedmiotu jest zaprezentowanie studentom podstawowych pojęć z zakresu ryzyka w działalności
Bardziej szczegółowoUFK SELEKTYWNY. Fundusz Inwestycyjny: AXA Fundusz Inwestycyjny Zamknięty Globalnych Obligacji
UFK SELEKTYWNY UFK Selektywny to aktywnie zarządzany poprzez Trigon Dom Maklerski S.A. Ubezpieczeniowy Fundusz Kapitałowy, którego aktywa mogą stanowić Certyfikaty Inwestycyjne ośmiu Funduszy Inwestycyjnych
Bardziej szczegółowoEstymacja parametrów modeli liniowych oraz ocena jakości dopasowania modeli do danych empirycznych
Estymacja parametrów modeli liniowych oraz ocena jakości dopasowania modeli do danych empirycznych 3.1. Estymacja parametrów i ocena dopasowania modeli z jedną zmienną 23. Właściciel komisu w celu zbadania
Bardziej szczegółowoKsięgarnia PWN: Tadeusz Kufel - Ekonometria
Księgarnia PWN: Tadeusz Kufel - Ekonometria Wstęp do wydania 2 Wydanie drugie tej książki, tak oczekiwane przez wielu czytelników, jest kolejnym krokiem upowszechnienia oprogramowania GNU Regression Econometrics
Bardziej szczegółowoPrognozowanie gospodarcze - opis przedmiotu
Prognozowanie gospodarcze - opis przedmiotu Informacje ogólne Nazwa przedmiotu Prognozowanie gospodarcze Kod przedmiotu 11.9-WZ-EkoP-PrG-S16 Wydział Kierunek Wydział Ekonomii i Zarządzania Ekonomia Profil
Bardziej szczegółowoStruktura terminowa rynku obligacji
Krzywa dochodowości pomaga w inwestowaniu w obligacje Struktura terminowa rynku obligacji Wskazuje, które obligacje są atrakcyjne a których unikać Obrazuje aktualną sytuację na rynku długu i zmiany w czasie
Bardziej szczegółowoRozdział 2: Metoda największej wiarygodności i nieliniowa metoda najmniejszych kwadratów
Rozdział : Metoda największej wiarygodności i nieliniowa metoda najmniejszych kwadratów W tym rozdziale omówione zostaną dwie najpopularniejsze metody estymacji parametrów w ekonometrycznych modelach nieliniowych,
Bardziej szczegółowoSpis treêci. www.wsip.com.pl
Spis treêci Jak by tu zacząć, czyli: dlaczego ekonomia?........................ 9 1. Podstawowe pojęcia ekonomiczne.............................. 10 1.1. To warto wiedzieć już na początku.............................
Bardziej szczegółowoANALIZA KOINTEGRACJI STÓP PROCENTOWYCH W POLSCE
Aneta KŁODZIŃSKA ZESZYTY NAUKOWE INSTYTUTU EKONOMII I ZARZĄDZANIA ANALIZA KOINTEGRACJI STÓP PROCENTOWYCH W POLSCE Zarys treści: Celem artykułu jest określenie czy między stopami procentowymi w Polsce występuje
Bardziej szczegółowoPrognozowanie popytu. mgr inż. Michał Adamczak
Prognozowanie popytu mgr inż. Michał Adamczak Plan prezentacji 1. Definicja prognozy 2. Klasyfikacja prognoz 3. Szereg czasowy 4. Metody prognozowania 4.1. Model naiwny 4.2. Modele średniej arytmetycznej
Bardziej szczegółowoAnaliza metod prognozowania kursów akcji
Analiza metod prognozowania kursów akcji Izabela Łabuś Wydział InŜynierii Mechanicznej i Informatyki Kierunek informatyka, Rok V Specjalność informatyka ekonomiczna Politechnika Częstochowska izulka184@o2.pl
Bardziej szczegółowoPaństwowa Wyższa Szkoła Zawodowa w Suwałkach SYLLABUS na rok akademicki 2014/2015
Tryb studiów Niestacjonarne Nazwa kierunku studiów Finanse i Rachunkowość Poziom studiów Stopień pierwszy Rok studiów/ semestr II/4 Państwowa Wyższa Szkoła Zawodowa w Suwałkach SYLLABUS na rok akademicki
Bardziej szczegółowoMikroekonometria 3. Mikołaj Czajkowski Wiktor Budziński
Mikroekonometria 3 Mikołaj Czajkowski Wiktor Budziński Zadanie 1. Wykorzystując dane me.hedonic.dta przygotuj model oszacowujący wartość kosztów zewnętrznych rolnictwa 1. Przeprowadź regresję objaśniającą
Bardziej szczegółowoKrakowska Akademia im. Andrzeja Frycza Modrzewskiego. Karta przedmiotu. obowiązuje studentów, którzy rozpoczęli studia w roku akademickim 2014/2015
Krakowska Akademia im. Andrzeja Frycza Modrzewskiego Karta przedmiotu obowiązuje studentów, którzy rozpoczęli studia w roku akademickim 201/2015 WydziałZarządzania i Komunikacji Społecznej Kierunek studiów:
Bardziej szczegółowocif Model IS-LM Finansowe modele struktury terminowej - podstawowe pojęcia
lana DOiilbiBir ECraków 2010 cif O autorce 9 Wprowadzenie 11 Rozdział 1. Modele struktury terminowej 15 1.1. Wstęp 15 1.2. Struktura terminowa stóp procentowych - wprowadzenie.. 15 1.3. Nominalna a realna
Bardziej szczegółowoMarcin Bartkowiak Krzysztof Echaust INSTRUMENTY POCHODNE WPROWADZENIE DO INŻYNIERII FINANSOWEJ
Marcin Bartkowiak Krzysztof Echaust INSTRUMENTY POCHODNE WPROWADZENIE DO INŻYNIERII FINANSOWEJ Spis treści Przedmowa... 7 1. Rynek instrumentów pochodnych... 9 1.1. Instrumenty pochodne... 9 1.2. Rynek
Bardziej szczegółowoPROPOZYCJA ZAGADNIEŃ NA EGZAMIN LICENCJACKI NA KIERUNKU ANALITYKA GOSPODARCZA 1.Modele wielorównaniowe. Ich rodzaje i zalecane metody estymacji
PROPOZYCJA ZAGADNIEŃ NA EGZAMIN LICENCJACKI NA KIERUNKU ANALITYKA GOSPODARCZA 1.Modele wielorównaniowe. Ich rodzaje i zalecane metody estymacji 2.Problem niesferyczności składnika losowego w modelach ekonometrycznych.
Bardziej szczegółowoPrognozowanie na podstawie modelu ekonometrycznego
Prognozowanie na podstawie modelu ekonometrycznego Przykład. Firma usługowa świadcząca usługi doradcze w ostatnich kwartałach (t) odnotowała wynik finansowy (yt - tys. zł), obsługując liczbę klientów (x1t)
Bardziej szczegółowoMateriał dla studentów Wprowadzenie do modeli ARMA/ARIMA (na przykładzie zwrotów z instrumentów finansowych)
Materiał dla studentów Wprowadzenie do modeli ARMA/ARIMA (na przykładzie zwrotów z instrumentów finansowych) (studium przypadku) Nazwa przedmiotu: ekonometria finansowa I (22204), analiza szeregów czasowych
Bardziej szczegółowoNazwa przedmiotu: Informatyczne systemy statystycznej obróbki danych. Informatics systems for the statistical treatment of data Kierunek:
Nazwa przedmiotu: Informatyczne systemy statystycznej obróbki danych I KARTA PRZEDMIOTU CEL PRZEDMIOTU Informatics systems for the statistical treatment of data Kierunek: Forma studiów Informatyka Stacjonarne
Bardziej szczegółowo2. Założenie niezależności zakłóceń modelu - autokorelacja składnika losowego - test Durbina - Watsona
Sprawdzanie założeń przyjętych o modelu (etap IIIC przyjętego schematu modelowania regresyjnego) 1. Szum 2. Założenie niezależności zakłóceń modelu - autokorelacja składnika losowego - test Durbina - Watsona
Bardziej szczegółowoEKONOMIA XL NAUKI HUMANISTYCZNO-SPOŁECZNE ZESZYT 391 TORUŃ Joanna Górka WŁASNOŚCI PROGNOSTYCZNE MODELI KLASY RCA *
ACTA UNIVERSITATIS NICOLAI COPERNICI EKONOMIA XL NAUKI HUMANISTYCZNO-SPOŁECZNE ZESZYT 391 TORUŃ 2009 Uniwersytet Mikołaja Kopernika w Toruniu Katedra Ekonometrii i Statystyki Joanna Górka WŁASNOŚCI PROGNOSTYCZNE
Bardziej szczegółowoKurs dokształcający dla kandydatów na II stopień Analityki Gospodarczej
Kurs dokształcający dla kandydatów na studia II stopnia Analityka Gospodarcza, prowadzone na Wydziale Ekonomiczno-Socjologicznym Uniwersytetu Łódzkiego Tytuł kursu: Podstawy metod ilościowych w analityce
Bardziej szczegółowoDostawa oprogramowania. Nr sprawy: ZP /15
........ (pieczątka adresowa Oferenta) Zamawiający: Państwowa Wyższa Szkoła Zawodowa w Nowym Sączu, ul. Staszica,33-300 Nowy Sącz. Strona: z 5 Arkusz kalkulacyjny określający minimalne parametry techniczne
Bardziej szczegółowoEkonometria Finansowa II EARF. Michał Rubaszek
Ekonometria Finansowa II EARF Michał Rubaszek 1 Cele - Zapoznanie z charakterystykami szeregów finansowych - Omówienie jednowymiarowych metod liczenia VaR - Omówienie wielowymiarowych metod liczenia VaR
Bardziej szczegółowo22258 6 Statystyka matematyczna I 22058 3 Teoria podejmowania decyzji 22064 3
STUDIA MAGISTERSKIE PRZEDMIOTY KIERUNKOWE MIESI Przedmiot Algebra i analiza matematyczna 22200 6 Ekonometria szeregów czasowych 22206 6 Mikroekonometria 22034 3 Nieklasyczne metody optymalizacji 22280
Bardziej szczegółowoKierunek studiów: Finanse i Rachunkowość Specjalność: Inżynieria finansowa
Kierunek studiów: Finanse i Rachunkowość Specjalność: Inżynieria finansowa Kierunek studiów: FINANSE I RACHUNKOWOŚĆ Specjalność: Inżynieria finansowa Spis treści 1. Dlaczego warto wybrać specjalność Inżynieria
Bardziej szczegółowoNarzędzia statystyczne i ekonometryczne. Wykład 1. dr Paweł Baranowski
Narzędzia statystyczne i ekonometryczne Wykład 1 dr Paweł Baranowski Informacje organizacyjne Wydział Ek-Soc, pok. B-109 pawel@baranowski.edu.pl Strona: baranowski.edu.pl (w tym materiały) Konsultacje:
Bardziej szczegółowoBarometr Finansów Banków (BaFiB) propozycja badania koniunktury w sektorze bankowym
Jacek Batóg Uniwersytet Szczeciński Barometr Finansów Banków (BaFiB) propozycja badania koniunktury w sektorze bankowym Jednym z ważniejszych elementów każdej gospodarki jest system bankowy. Znaczenie
Bardziej szczegółowoBardzo dobra Dobra Dostateczna Dopuszczająca
ELEMENTY EKONOMII PRZEDMIOTOWY SYSTEM OCENIANIA Klasa: I TE Liczba godzin w tygodniu: 3 godziny Numer programu: 341[02]/L-S/MEN/Improve/1999 Prowadzący: T.Kożak- Siara I Ekonomia jako nauka o gospodarowaniu
Bardziej szczegółowoPodczas zajęć będziemy zajmować się głownie procesami ergodycznymi zdefiniowanymi na przestrzeniach ciągłych.
Trochę teorii W celu przeprowadzenia rygorystycznej ekonometrycznej analizy szeregu finansowego będziemy traktowali obserwowany ciąg danych (x 1, x 2,..., x T ) jako realizację pewnego procesu stochastycznego.
Bardziej szczegółowo