DYNAMICZNE MODELE EKONOMETRYCZNE

Wielkość: px
Rozpocząć pokaz od strony:

Download "DYNAMICZNE MODELE EKONOMETRYCZNE"

Transkrypt

1 DYNAMICZNE MODELE EKONOMETRYCZNE X Ogólnopolske Semnarum Naukowe, 4 6 wrześna 007 w Torunu Kaedra Ekonomer Saysyk, Unwersye Mkołaa Kopernka w Torunu Unwersye Mkołaa Kopernka w Torunu Ops kurozy rozkładów za pomocą wybranych model z funkcą znaku. Wsęp Badana rynków fnansowych wykazały, ż procesy fnansowe, ake ak sopy zwrou, kursy walu nne charakeryzuą sę lepokurycznoścą rozkładów zmenną warancą warunkową. Wdoczna es równeż nesymeryczna reakca zmennośc na poawene sę pozyywnych negaywnych nformac (zman sóp zwrou. Waranca cen akc wzrasa w odpowedz na poawene sę negaywnych nformac spada w odpowedz na pozyywne nformace. Zawsko o nazywa sę powszechne efekem dźwgn. W modelach akch ak EGARCH, GJR oraz TARCH uwzględnona es uemna korelaca pomędzy sopam zwrou ch zmennoścą (Brzeszczyńsk, Kelm, 00; Doman, Doman, 004; Fszeder, 00; Fornar, Mele, 997. Fornar Mele (997 zaproponowal neco nny sposób uwzględnena asymerycznośc nż o es dla model GJR. W swoe pracy pokazal, że proponowane przez nch modele prowadzą do lepszych nerpreacyne wynków nż w przypadku zasosowana model GJR. W leraurze przedmou, nelnowa dynamka rynków fnanowych naczęśce opsywana es poprzez modele z klasy GARCH (Bollerslev, 986; Engle, 98. Innym, alernaywnych podeścem opsu procesów fnansowych są modele auoregresyne z losowym parameram (RCA (Ncholls, Qunn, 98. Naomas modele RCA GARCH z nnowacam z rozkładu normalnego (Thavaneswaran, Appadoo, Samana, 005 mogą sanowć alernaywę do model GARCH z rozkładem -Sudena (lub podobnym (Górka, 007b. Uwzględnene funkc znaku w modelu RCA wskazue, że zmana warośc parameru zależy od znaku obserwac poprzedne. Podobne es w przypadku modelu RCA GARCH.

2 Celem nneszego arykułu es przedsawene wybranych model z funkcą znaku. Szczególna uwaga zosała zwrócona na własnośc procesów generowanych przez poszczególne modele, a zwłaszcza na warość kurozy procesu warunk e snena.. Modele RCA z funkcą znaku Modele auoregresyne z losowym parameram (RCA są nauralnym uogólnenem klasycznych lnowych model auoregresynych. Pełny ops ych model wraz z własnoścam, meodam esymac oraz aplkacę można znaleźć w pracy Ncholls Qunn (98. Klasyczny saconarny ednowymarowy model auoregresyny rzędu perwszego z losowym paramerem można zapsać w posac: y = α + y + ε, ( gdze ~ ε ( d 0 σ, 0 0 0, ( σ ε α + σ <. (3 Warunek (3 es warunkem konecznym wysarczaącym saconarnośc drugego rzędu procesu y. Warunk (-(3 gwaranuą ścsłą saconarność procesu. Model (, przy odpowednch założenach, może być modelem ypu AR, STUR, RCA(, p (Górka, 007a; Lee, 998. Jeżel spełnone są warunk (-(3, o proces ( ma nasępuące własnośc (Appadoo, Thavaneswaran, Sngh, 006; Aue, 004: E( y = 0, (4 σ ε ( y = E, (5 α σ 3 ( α σ ( α + 6α σ + 3σ. (6 Zaem proces charakeryzue sę zerową średną oraz sałą warancą kurozą. Warość waranc dla procesu opsanego modelem RCA( es wększa nż dla procesu opsanego AR(. Jeżel σ = 0 (. dla modelu AR(, o warość kurozy (6 redukue sę do warośc 3. Warunek koneczny wysępowana 4 4 kurozy ma posać α + 6α σ + 3σ <. Saconarny model RCA z funkcą znaku ma posać (Thavaneswaran, Appadoo, 006: y ( α + + Φs y + ε =, (7

3 Ops kurozy rozkładów za pomocą wybranych model z funkcą znaku 3 gdze spełnone są warunk (-(3 oraz dla y > 0 s = 0 dla y = 0. (8 dla y < 0 Jeżel α + > Φ, o uemna warość Φ oznacza, że dla uemnych (dodanch obserwac w czase maleą (rosną warośc w czase. W przypadku sóp zwrou oznaczałoby o, że po spadkach noowań nasępuą wększe nż oczekwane spadk, naomas w przypadku wzrosu noowań nasępuą mnesze nż oczekwane wzrosy noowań. Jeżel spełnone są warunk (-(3, o proces (7 ma nasępuące własnośc (Thavaneswaran, Appadoo, 006: E( y = 0, (9 σ ε ( y = E, (0 α σ Φ 3 ( α + σ + Φ [ α + Φ + 6[ α σ + Φ ( α + σ ] + 3σ ]. ( Zaem proces opsany równanem (7 charakeryzue sę zerową średną oraz sałą warancą kurozą. Warunek koneczny wysępowana kurozy ma posać: [ α σ + Φ ( α + σ ] + 3σ < α + Φ + 6. ( Jeżel σ = 0 oraz Φ = 0, o warość kurozy ( redukue sę do warośc 3. Z porównana własnośc (4-(6 modelu RCA oraz własnośc (9-( modelu RCA z funkcą znaku wynka, że wprowadzene funkc znaku do modelu RCA powodue zwększene warośc waranc oraz kurozy w sosunku do ych welkośc dla procesu opsanego modelem RCA bez funkc znaku. 3. Modele GARCH z funkca znaku Ogólny model y σ GARCH(p, q opsany es równanam: = σ ε, (3 q p = + ω α y + = gdze ~ d( 0, β σ ε, ω > 0, α 0 oraz β 0., (4 Wzory na eoreyczną warośc kurozy dla procesów generowanych przez poszczególne modele GARCH, są podawane w leraurze z ego zakresu (np.

4 4 Doman, Doman, 004. Brak es ogólnego wzoru na warość kurozy procesu opsanego równanam (3-(4. Ponże zaprezenowany będze bardze ogólny wzór na kurozę dla welu model z klasy GARCH (zn. z różnym rozkładam resz W celu zapsana ogólnego wzoru na kurozę modelu GARCH bez względu na yp rozkładu model (3-(4 należy zapsać w posac ARMA. Jeżel u = σ es różncą maryngałową o waranc var( u = σ, o model y (6-(7 może być nerpreowany ako model ARMA(m, q dla posac: lub m p = ω + = ( α + β y β u u y + ( ( u y (5 φ B y = ω + β B u, (6 m gdze ( ( = m p φ B = α + β B φ B, ( = = m = max{ p, q}, α = 0 dla > q oraz β = 0 dla > p. β β B, B Warunkam saconarnośc dla y, kóry ma reprezenace ARMA(m,q, są (Thavaneswaran, Appadoo, Samana, 005: (Z. Wszyske perwask równana charakerysycznego φ ( B = 0 leżą poza kołem ednoskowym. (Z. 0 ψ <, gdze ψ są współczynnkam welomanu spełnaącego równane ψ ( B φ( B = β ( B posac ( + Założena e gwaranuą neskorelowane ψ B ψ B. =, średną zero skończoną warancę dla u oraz o, że proces y es saconarny w szerszym sense. Jeżel model GARCH(p,q opsany równanem (6 spełna warunk (Z.- (Z. ma skończony bezwarunkowy momen czwarego rzędu, o kurozę K procesu y opsanego równanem (6 można zapsać (Thavaneswaran, Appadoo, Samana, 005: E 4 E( ε 4 4 ( ε [ E( ε ] ψ 0 u. (7 Warośc paramerów konkrenego modelu są zaware w poszczególnych waroścach wag. Wyprowadzena wzorów na warość kurozy dla przykładowych model GARCH z nnowacam z rozkładu normalnego oraz - Sudena można znaleść w pracy Górka (007b. Funkca znaku do model GARCH zosała wprowadzona przez Fornar, Mele (997. Ogólny model GARCH(p, q z funkcą znaku opsany es równanam:

5 y Ops kurozy rozkładów za pomocą wybranych model z funkcą znaku 5 = σ ε, y I ~ N( 0 σ, (8 σ = ω + q α y gdze ~ d( 0, + p =, β σ + l k= Φ s k k, (9 ε, ω > 0, α 0, β 0, s określone es wzorem (9, zaś Φk ω. Osan warunek gwaranue neuemne warośc { σ }. Podobne ak dla modelu GARCH (3-(4, w leraurze przedmou podęe zosały próby znalezena ogólnego wzoru na kurozę procesu (Thavaneswaran, Appadoo, 006. Jednakże, przedsawony przez Thavaneswaran, Appadoo (006 ogólny wzór na kurozę ne dae wynków, w przypadku konkrenych model, orzymanych przez auorkę czy przez Fornar, Mele (997. Znalezene ogólne posac wzoru na kurozę procesu GARCH z funkcą znaku, zdanem auork, es możlwe ednakże wymaga eszcze dalszych badań. Nech dany będze model ARCH( z funkcą znaku posac: y = σ ε, σ ω + α y + Φs, (0 gdze ~ N( 0, = ε, ω > 0, α 0, Φ ω, zaś s określone es wzorem (8. Jeżel Φ < 0, o wówczas dla uemnych (dodanch obserwac w czase wzrasa (malee waranca warunkowa w czase. Zaem uemna warość Φ określa uemną korelacę pomędzy zmennoścą sopam zwrou. Zakładaąc, że spełnone są warunk saconarnośc dla procesu odpowadaącego równanom (0, orzymuemy: E( y = 0, ( ( ω E y =, ( α ( α + 3ω ( α ω ( 3α 3Φ. (3 Zaem, funkca znaku ne wpływa na warość średną oraz warość waranc bezwarunkowe procesu. Naomas warość kurozy procesu opsanego 3Φ ( α równanam (0 ulega zwększenu o ω ( 3α. Ne zmena sę równeż warunek koneczny snena kurozy (Górka, 007b, zn. α <. 3 W podobny sposób można orzymać kurozę procesu opsanego przez model GARCH(, z funkca znaku. Nech dany będze model opsany równanam: y = σ ε, σ ω + α y + β σ + Φs, (4 = y

6 6 ε, ω > 0, α 0, β 0, Φ ω, zaś określone es gdze ~ N( 0, wzorem (8. Wówczas, przy spełnenu warunków saconarnośc dla procesu y, orzymuemy: E( y = 0, (5 ( ω E y =, (6 α β ( α + β + 3Φ ( ( α + β ( ( α + β α ω 3ω. (7 Podobne ak w przypadku modelu ARCH( z funkcą znaku, w przypadku modelu GARCH(, z funkcą w sosunku do zwykłego (z nnowacam z rozkładu normalnego modelu GARCH rośne warość kurozy procesu, zaś warość średna oraz waranca bezwarunkowa ne ulega zmane. Ne ulega równeż zmane warunek, przy kórym kuroza procesu snee (Górka, 007b, zn.: ( α + β + α <. Reasumuąc, wprowadzene funkc znaku do model GARCH powodue edyne zwększene warośc kurozy. Jeżel Φ = 0, o wzory (3 (33 na kuroze procesu redukuą sę do wzorów na kurozę procesów generowanych przez odpowednch modele GARCH (Górka, 007b. 4. Modele RCA GARCH z funkcą znaku Modele RCA GARCH, w omawane posac, zosały zaproponowane przez Thavaneswaran, Appadoo, Samana (005. W modelach RCA GARCH, analogczne ak w przypadku modelu AR, wprowadza sę losowość parameru do modelu GARCH (Górka, 007b; Thavaneswaran, Appadoo, Samana, 005. Gdy do modelu RCA GARCH dodana zosane eszcze funkca znaku, o orzymue sę model RCA GARCH z funkcą znaku. Funkca a es ednak dodana w nny sposób nż w przypadku model GARCH z funkcą znaku. Model RCA ARCH( z funkcą znaku ma posać: y = σ ε, ( = ω + α + a + Φs y σ, (8 gdze ε ~ N( 0, σ ε, ( ~ N 0, a a σ, zaś s określone es wzorem (8. Uemna warość Φ oznacza, że dla uemnych (dodanch obserwac w czase rośne (malee zmenność w czase. Jeżel przymemy u = y σ, o równane waranc warunkowe ma posać: ( α + a + Φs y u = ω + y + s. (9

7 Ops kurozy rozkładów za pomocą wybranych model z funkcą znaku 7 Zaem, równane waranc w modelu RCA ARCH( z funkcą znaku może być nerpreowane ako model RCA z funkcą znaku dla. Przy założenu y saconarnośc procesu orzymuemy (por. Thavaneswaran, Appadoo, 006: E( y = 0, (30 ( σ ε ω σ ε 3 α ε α + E y =, (3 α 3σ 4 ( σ ( σ + Φ ε. (3 a W ym przypadku zmenła sę (zwększyła ylko warość kurozy. Warunek koneczny snena kurozy dla modelu RCA ARCH z funkca znaku, o α σ + Φ <. Waro zwrócć uwagę, że warunek en, w sosunku do σ ε ( + a 3 warunku na kurozę procesu generowanego przez model RCA GARCH, zmenł sę. W przypadku losowośc parameru soącego przy y w modelu GARCH(, mamy do czynena z modelem RCA GARCH(,, kóry zapsue sę w posac: y = σ ε, = ω + ( α + a + Φs y + βσ σ, (33 gdze ε N( 0, σ, ( ~ N 0, a ~ ε a σ, zaś s określone es wzorem (8. Przy założenu saconarnośc procesu orzymuemy: y E( y = 0, (34 ( ε ε εα σ ω E y =, (35 σ β 3 +. (36 σ α β 3 ( ασ β ε 4 σ ( α + σ +Φ β ε a Dla modelu RCA GARCH z funkcą znaku równeż ulega podwyższenu edyne warość kurozy procesu. Warunek koneczny wysępowana kurozy dla procesu opsanego modelem RCA GARCH(, z funkcą znaku wynos 4 σ εαβ + 3σ ε ( α + σ a + Φ + β <. W każdym, z przedsawonych przypadków wprowadzene funkc znaku prowadzło do podwyższena warośc kurozy procesu. Dla Φ = 0 wzory (3 (36 na kurozę procesu redukuą sę do wzorów na kurozę procesów generowanych przez odpowednch modele RCA GARCH (Górka, 007b. y

8 8 5. Podsumowane W arykule przedsawono wybrane modele z funkcą znaku, pozwalaące na ops nesymeryczne reakc zmennośc (lub, w przypadku modelu RCA sóp zwrou na poawene sę pozyywnych negaywnych nformac. Warość parameru przy funkc znaku, dla każdego przedsawanego modelu, ma wpływ na warość kurozy procesu powoduąc e zwększene. Warunk koneczne snena kurozy procesu, wskazuą na ogranczena sosowana rozkładu normalnego dla nnowac w przedsawanych modelach. Leraura Appadoo, S.S., Thavaneswaran, A., Sngh, J. (006, RCA Models wh Correlaed Errors, Appled Mahemacs Leers, 9, Aue, A. (004, Srong Approxmaon for RCA( Tme Seres wh Applcaons, Sascs & Probably Leers, 68, Bollerslev, T. (986, Generalzed Auoregressve Condonal Heeroscedascy, Journal of Economercs, 3, Brzeszczyńsk, J., Kelm, R. (00, Ekonomeryczne modele rynków fnansowych. WIG-Press, Warszawa. Engle, R. F. (98, Auoregressve Condonal Heeroscedascy wh Esmaes of he Varance of Uned Kngdom Inflaon, Economerca, 50, Doman, M., Doman, R. (004, Ekonomeryczne modelowane dynamk polskego rynku fnansowego, Wyd. AE w Poznanu, Poznań. Fszeder, P. (00, Zasosowane model GARCH w analze krókookresowych zależnośc pomędzy Warszawską Gełdą Paperów Waroścowych a mędzynarodowym rynkam akc, Przegląd Saysyczny, Zeszy 3 4, Fornar, F., Mele, A. (997, Sgn- and Volaly-Swchng Arch Models: Theory and Applcaons o Inernaonal Sock Markes, Journal of Appled Economercs,, Górka, J. (007a, Modele auoregresyne z losowym parameram, w: Osńska M. (red., Procesy STUR. Modelowane zasosowane do fnansowych szeregów czasowych, Wydawncwo TNOK, Toruń. Górka J., (007b, Kuroza w procesach generowanych przez model RCA GARCH, Modelowane Prognozowane Gospodark Narodowe, w druku. Lee, S. (998, Coeffcen Consancy Tes n a Random Coeffcen Auoregressve Model, Journal of Sascal Plannng and Inference, 74, Ncholls, D.F., Qunn, B.G. (98, Random Coeffcen Auoregressve Models: An Inroducon, Sprnger, New York. Thavaneswaran, A., Appadoo, S.S. (006, Properes of a New Famly of Volaly Sng Models, Compuers and Mahemacs wh Applcaons, 5, Thavaneswaran,, A., Appadoo, S.S., Samana, M. (005, Random Coeffcen GARCH Models, Mah. Compu. Modellng, 4,

Kurtoza w procesach generowanych przez model RCA GARCH

Kurtoza w procesach generowanych przez model RCA GARCH Joanna Górka * Kuroza w procesach generowanych przez model RCA GARCH Wsęp Na przesrzen osanej dekady odnoowuje sę szybk rozwój model nelnowych. Wdoczna jes zwłaszcza różnorodność nelnowych specyfkacj modelowych,

Bardziej szczegółowo

DYNAMICZNE MODELE EKONOMETRYCZNE

DYNAMICZNE MODELE EKONOMETRYCZNE DYNAICZNE ODELE EKONOETRYCZNE X Ogólnopolske Semnarum Naukowe, 4 6 wrześna 7 w Torunu Kaedra Ekonomer Saysyk, Unwersye kołaja Kopernka w Torunu Jacek Kwakowsk Unwersye kołaja Kopernka w Torunu odele RCA

Bardziej szczegółowo

Hipotezy o istotności oszacowao parametrów zmiennych objaśniających ˆ ) ˆ

Hipotezy 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 szczegółowo

Finansowe szeregi czasowe wykład 7

Finansowe szeregi czasowe wykład 7 Fnansowe szereg czasowe wykład 7 dr Tomasz Wójowcz Wydzał Zarządzana AGH 38 33 28 23 18 13 8 1 11 21 31 41 51 61 71 Kraków 213 Noowana ndeksu WIG w okrese: 3 marca 29 31 syczna 211 55 5 45 4 35 3 25 2

Bardziej szczegółowo

Monika Kośko Wyższa Szkoła Informatyki i Ekonomii TWP w Olsztynie Michał Pietrzak Uniwersytet Mikołaja Kopernika w Toruniu

Monika Kośko Wyższa Szkoła Informatyki i Ekonomii TWP w Olsztynie Michał Pietrzak Uniwersytet Mikołaja Kopernika w Toruniu DYNAMICZNE MODELE EKONOMETRYCZNE IX Ogólnopolske Semnarum Naukowe, 4 6 wrześna 007 w Torunu Kaedra Ekonomer Saysyk, Unwersye Mkołaja Kopernka w Torunu Monka Kośko Wyższa Szkoła Informayk Ekonom TWP w Olszyne

Bardziej szczegółowo

FINANSOWE SZEREGI CZASOWE WYKŁAD 3

FINANSOWE SZEREGI CZASOWE WYKŁAD 3 FINANSOWE SZEREGI CZASOWE WYKŁAD 3 dr Tomasz Wójowcz Wydzał Zarządzana AGH 3800 3300 800 300 800 300 800 0 0 30 40 50 60 70 Kraków 0 Tomasz Wójowcz, WZ AGH Kraków przypomnene MA(q): gdze ε są d(0,σ ).

Bardziej szczegółowo

Efekty agregacji czasowej szeregów finansowych a modele klasy Sign RCA

Efekty 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 szczegółowo

Piotr Fiszeder Uniwersytet Mikołaja Kopernika w Toruniu Juliusz Preś Politechnika Szczecińska

Piotr Fiszeder Uniwersytet Mikołaja Kopernika w Toruniu Juliusz Preś Politechnika Szczecińska DYNAMICZNE MODELE EKONOMETRYCZNE X Ogólnopolske Semnarum Naukowe, 4 6 wrześna 2007 w Torunu Kaedra Ekonomer Saysyk, Unwersye Mkołaa Kopernka w Torunu Por Fszeder Unwersye Mkołaa Kopernka w Torunu Julusz

Bardziej szczegółowo

Stanisław Cichocki Natalia Nehrebecka. Wykład 2

Stanisław Cichocki Natalia Nehrebecka. Wykład 2 Sansław Cchock Naala Nehrebecka Wykład 2 1 1. Szereg czasowy 2. Sezonowość 3. Zmenne sacjonarne 4. Zmenne znegrowane 2 1. Szereg czasowy 2. Sezonowość 3. Zmenne sacjonarne 4. Zmenne znegrowane 3 Szereg

Bardziej szczegółowo

Wykład z Podstaw matematyki dla studentów Inżynierii Środowiska. Wykład 8. CAŁKI NIEOZNACZONE. ( x) 2 cos2x

Wykład z Podstaw matematyki dla studentów Inżynierii Środowiska. Wykład 8. CAŁKI NIEOZNACZONE. ( x) 2 cos2x Wykład z Podsaw maemayk dla sudenów Inżyner Środowska Wykład 8. CŁKI NIEOZNCZONE Defnca (funkca perwona) Nech F es funkcą perwoną funkc f na przedzale I, eżel F '( ) f ( ) dla każdego I. Udowodnć, że funkce

Bardziej szczegółowo

EFEKT DŹWIGNI NA GPW W WARSZAWIE WPROWADZENIE

EFEKT 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 szczegółowo

EKONOMIA XL NAUKI HUMANISTYCZNO-SPOŁECZNE ZESZYT 391 TORUŃ Joanna Górka WŁASNOŚCI PROGNOSTYCZNE MODELI KLASY RCA *

EKONOMIA 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 szczegółowo

PROBLEM ODWROTNY DLA RÓWNANIA PARABOLICZNEGO W PRZESTRZENI NIESKOŃCZENIE WYMIAROWEJ THE INVERSE PARABOLIC PROBLEM IN THE INFINITE DIMENSIONAL SPACE

PROBLEM ODWROTNY DLA RÓWNANIA PARABOLICZNEGO W PRZESTRZENI NIESKOŃCZENIE WYMIAROWEJ THE INVERSE PARABOLIC PROBLEM IN THE INFINITE DIMENSIONAL SPACE JAN KOOŃSKI POBLEM ODWOTNY DLA ÓWNANIA PAABOLICZNEGO W PZESTZENI NIESKOŃCZENIE WYMIAOWEJ THE INVESE PAABOLIC POBLEM IN THE INFINITE DIMENSIONAL SPACE S r e s z c z e n e A b s r a c W arykule skonsruowano

Bardziej szczegółowo

Stanisław Cichocki Natalia Nehrebecka. Wykład 2

Stanisław Cichocki Natalia Nehrebecka. Wykład 2 Sansław Cchock Naala Nehrebecka Wykład 2 1 1. Szereg czasowy 2. Sezonowość 3. Zmenne sacjonarne 2 1. Szereg czasowy 2. Sezonowość 3. Zmenne sacjonarne 3 Szereg czasowy jes pojedynczą realzacją pewnego

Bardziej szczegółowo

DYNAMICZNE MODELE EKONOMETRYCZNE

DYNAMICZNE 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 szczegółowo

DYNAMICZNE MODELE EKONOMETRYCZNE

DYNAMICZNE 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 szczegółowo

Podstawowe algorytmy indeksów giełdowych

Podstawowe algorytmy indeksów giełdowych Podsawowe algorymy ndeksów gełdowych Wersja 1.1 San na 25-11-13 Podsawowe algorymy ndeksów gełdowych Wersja 1.1 San na 2013-11-25 Sps reśc I. Algorymy oblczana warośc ndeksów gełdowych...3 1. Warość beżąca

Bardziej szczegółowo

WYBRANE ASPEKTY HARMONOGRAMOWANIA PROCESU MAGAZYNOWEGO

WYBRANE ASPEKTY HARMONOGRAMOWANIA PROCESU MAGAZYNOWEGO PRACE NAUKOWE POLITECHNIKI WARSZAWSKIEJ z. 64 Transpor 28 Tomasz AMBROZIAK, Konrad LEWCZUK Wydzał Transporu Polechnk Warszawske Zakład Logsyk Sysemów Transporowych ul. Koszykowa 75, -662 Warszawa am@.pw.edu.pl;

Bardziej szczegółowo

Witold Orzeszko Uniwersytet Mikołaja Kopernika w Toruniu

Witold 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 szczegółowo

Natalia Nehrebecka. Zajęcia 4

Natalia Nehrebecka. Zajęcia 4 St ł Cchock Stansław C h k Natala Nehrebecka Zajęca 4 1. Interpretacja parametrów przy zmennych zerojedynkowych Zmenne 0 1 Interpretacja przy zmennej 0 1 w modelu lnowym względem zmennych objaśnających

Bardziej szczegółowo

Projekt 6 6. ROZWIĄZYWANIE RÓWNAŃ NIELINIOWYCH CAŁKOWANIE NUMERYCZNE

Projekt 6 6. ROZWIĄZYWANIE RÓWNAŃ NIELINIOWYCH CAŁKOWANIE NUMERYCZNE Inormatyka Podstawy Programowana 06/07 Projekt 6 6. ROZWIĄZYWANIE RÓWNAŃ NIELINIOWYCH CAŁKOWANIE NUMERYCZNE 6. Równana algebraczne. Poszukujemy rozwązana, czyl chcemy określć perwastk rzeczywste równana:

Bardziej szczegółowo

Stanisław Cichocki. Natalia Nehrebecka. Wykład 6

Stanisław Cichocki. Natalia Nehrebecka. Wykład 6 Stansław Cchock Natala Nehrebecka Wykład 6 1 1. Zastosowane modelu potęgowego Przekształcene Boxa-Coxa 2. Zmenne cągłe za zmenne dyskretne 3. Interpretacja parametrów przy zmennych dyskretnych 1. Zastosowane

Bardziej szczegółowo

OCENA RYZYKA INWESTYCJI W METALE SZLACHETNE W OKRESIE ŚWIATOWEGO KRYZYSU FINANSOWEGO 2007-2012

OCENA RYZYKA INWESTYCJI W METALE SZLACHETNE W OKRESIE ŚWIATOWEGO KRYZYSU FINANSOWEGO 2007-2012 Elza Buszkowska Unwersye m. Adama Mckewcza w Poznanu, Wydzał Prawa Admnsracj, Kaedra Nauk Ekonomcznych Por Płucennk Unwersye m. Adama Mckewcza w Poznanu, Wydzał Maemayk Informayk, Pracowna Ekonomer Fnansowej

Bardziej szczegółowo

Zarządzanie ryzykiem w przedsiębiorstwie i jego wpływ na analizę opłacalności przedsięwzięć inwestycyjnych

Zarządzanie ryzykiem w przedsiębiorstwie i jego wpływ na analizę opłacalności przedsięwzięć inwestycyjnych dr nż Andrze Chylńsk Katedra Bankowośc Fnansów Wyższa Szkoła Menedżerska w Warszawe Zarządzane ryzykem w rzedsęborstwe ego wływ na analzę ołacalnośc rzedsęwzęć nwestycynych w w w e - f n a n s e c o m

Bardziej szczegółowo

Modele wieloczynnikowe. Modele wieloczynnikowe. Modele wieloczynnikowe ogólne. α β β β ε. Analiza i Zarządzanie Portfelem cz. 4.

Modele wieloczynnikowe. Modele wieloczynnikowe. Modele wieloczynnikowe ogólne. α β β β ε. Analiza i Zarządzanie Portfelem cz. 4. Modele weloczynnkowe Analza Zarządzane Portfelem cz. 4 Ogólne model weloczynnkowy można zapsać jako: (,...,,..., ) P f F F F = n Dr Katarzyna Kuzak lub (,...,,..., ) f F F F = n Modele weloczynnkowe Można

Bardziej szczegółowo

Stanisław Cichocki Natalia Nehrebecka. Wykład 3

Stanisław 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 szczegółowo

Zaawansowane metody numeryczne Komputerowa analiza zagadnień różniczkowych 1. Układy równań liniowych

Zaawansowane metody numeryczne Komputerowa analiza zagadnień różniczkowych 1. Układy równań liniowych Zaawansowane metody numeryczne Komputerowa analza zagadneń różnczkowych 1. Układy równań lnowych P. F. Góra http://th-www.f.uj.edu.pl/zfs/gora/ semestr letn 2006/07 Podstawowe fakty Równane Ax = b, x,

Bardziej szczegółowo

Stanisław Cichocki Natalia Nehrebecka. Zajęcia 4

Stanisław Cichocki Natalia Nehrebecka. Zajęcia 4 Stansław Cchock Natala Nehrebecka Zajęca 4 1. Interpretacja parametrów przy zmennych zerojedynkowych Zmenne 0-1 Interpretacja przy zmennej 0 1 w modelu lnowym względem zmennych objaśnających Interpretacja

Bardziej szczegółowo

Oddziaływanie procesu informacji na dynamikę cen akcji. Małgorzata Doman Akademia Ekonomiczna w Poznaniu

Oddziaływanie 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 szczegółowo

Zestaw zadań 4: Przestrzenie wektorowe i podprzestrzenie. Liniowa niezależność. Sumy i sumy proste podprzestrzeni.

Zestaw zadań 4: Przestrzenie wektorowe i podprzestrzenie. Liniowa niezależność. Sumy i sumy proste podprzestrzeni. Zestaw zadań : Przestrzene wektorowe podprzestrzene. Lnowa nezależność. Sumy sumy proste podprzestrzen. () Wykazać, że V = C ze zwykłym dodawanem jako dodawanem wektorów operacją mnożena przez skalar :

Bardziej szczegółowo

Matematyka ubezpieczeń majątkowych r.

Matematyka ubezpieczeń majątkowych r. Maemayka ubezpeczeń mająkowych 7.05.00 r. Zadane. Pewne ryzyko generuje jedną szkodę z prawdopodobeńswem q, zaś zero szkód z prawdopodobeńswem ( q). Ubezpeczycel pokrywa nadwyżkę szkody ponad udzał własny

Bardziej szczegółowo

Matematyka finansowa r. Komisja Egzaminacyjna dla Aktuariuszy. LXVIII Egzamin dla Aktuariuszy z 29 września 2014 r.

Matematyka finansowa r. Komisja Egzaminacyjna dla Aktuariuszy. LXVIII Egzamin dla Aktuariuszy z 29 września 2014 r. Komsa Egzamnacyna dla Aktuaruszy LXVIII Egzamn dla Aktuaruszy z 29 wrześna 14 r. Część I Matematyka fnansowa WERSJA TESTU A Imę nazwsko osoby egzamnowane:... Czas egzamnu: 0 mnut 1 1. W chwl T 0 frma ABC

Bardziej szczegółowo

Podstawy teorii falek (Wavelets)

Podstawy teorii falek (Wavelets) Podstawy teor falek (Wavelets) Ψ(). Transformaca Haara (97).. Przykład pewne metody zapsu obrazu Transformaca Haara Przykład zapsu obrazu -D Podstawy matematyczne transformac Algorytmy rozkładana funkc

Bardziej szczegółowo

MODELOWANIE EFEKTU DŹWIGNI W FINANSOWYCH SZEREGACH CZASOWYCH

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 szczegółowo

) będą niezależnymi zmiennymi losowymi o tym samym rozkładzie normalnym z następującymi parametrami: nieznaną wartością 1 4

) będą niezależnymi zmiennymi losowymi o tym samym rozkładzie normalnym z następującymi parametrami: nieznaną wartością 1 4 Zadane. Nech ( X, Y ),( X, Y ), K,( X, Y n n ) będą nezależnym zmennym losowym o tym samym rozkładze normalnym z następującym parametram: neznaną wartoścą oczekwaną EX = EY = m, warancją VarX = VarY =

Bardziej szczegółowo

UMK w Toruniu ANALIZA ZALEŻNOŚCI MIĘDZY INDEKSEM WIG A WYBRANYMI INDEKSAMI RYNKÓW AKCJI NA ŚWIECIE

UMK 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 szczegółowo

OeconomiA copernicana. Małgorzata Madrak-Grochowska, Mirosława Żurek Uniwersytet Mikołaja Kopernika w Toruniu

OeconomiA 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 szczegółowo

Stanisław Cichocki. Natalia Nehrebecka. Wykład 7

Stanisław Cichocki. Natalia Nehrebecka. Wykład 7 Stansław Cchock Natala Nehrebecka Wykład 7 1 1. Zmenne cągłe a zmenne dyskretne 2. Interpretacja parametrów przy zmennych dyskretnych 1. Zmenne cągłe a zmenne dyskretne 2. Interpretacja parametrów przy

Bardziej szczegółowo

Kier. MTR Programowanie w MATLABie Laboratorium

Kier. MTR Programowanie w MATLABie Laboratorium Ker. MTR Programowane w MATLABe Laboraorum Ćw. Zasosowane bbloecznych funkcj MATLABa do numerycznego rozwązywana równań różnczkowych. Wprowadzene Układy równań różnczkowych zwyczajnych perwszego rzędu

Bardziej szczegółowo

METODY KOMPUTEROWE 10

METODY KOMPUTEROWE 10 MEODY KOMPUEROWE RÓWNANIA RÓŻNICZKOWE CZĄSKOWE Poechnka Poznańska Mchał Płokowak Adam Łodgowsk Mchał PŁOKOWIAK Adam ŁODYGOWSKI Konsace nakowe dr nż. Wod Kąko Poznań 00/00 MEODY KOMPUEROWE 0 RÓWNANIA RÓŻNICZKOWE

Bardziej szczegółowo

MODELOWANIE FINANSOWYCH SZEREGÓW CZASOWYCH Z WARUNKOWĄ WARIANCJĄ. 1. Wstęp

MODELOWANIE 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 szczegółowo

DYNAMICZNE MODELE EKONOMETRYCZNE

DYNAMICZNE 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 szczegółowo

Jerzy Czesław Ossowski Katedra Ekonomii i Zarzdzania Przedsibiorstwem Wydział Zarzdzania i Ekonomii Politechnika Gdaska

Jerzy Czesław Ossowski Katedra Ekonomii i Zarzdzania Przedsibiorstwem Wydział Zarzdzania i Ekonomii Politechnika Gdaska Jerzy Czesław Ossowsk Kaedra Ekonom Zarzdzana Przedsborswem Wydzał Zarzdzana Ekonom Polechnka Gdaska IX Ogólnoposke Semnarum Naukowe n. Dynamczne modele ekonomeryczne, Kaedra Ekonomer Saysyk, Unwersye

Bardziej szczegółowo

Plan wykładu: Typowe dane. Jednoczynnikowa Analiza wariancji. Zasada: porównać zmienność pomiędzy i wewnątrz grup

Plan wykładu: Typowe dane. Jednoczynnikowa Analiza wariancji. Zasada: porównać zmienność pomiędzy i wewnątrz grup Jednoczynnkowa Analza Waranc (ANOVA) Wykład 11 Przypomnene: wykłady zadana kursu były zaczerpnęte z podręcznków: Statystyka dla studentów kerunków techncznych przyrodnczych, J. Koronack, J. Melnczuk, WNT

Bardziej szczegółowo

Proces narodzin i śmierci

Proces narodzin i śmierci Proces narodzn śmerc Jeżel w ewnej oulacj nowe osobnk ojawają sę w sosób losowy, rzy czym gęstość zdarzeń na jednostkę czasu jest stała w czase wynos λ, oraz lczba osobnków n, które ojawły sę od chwl do

Bardziej szczegółowo

Brak arbitrażu na rynkach z proporcjonalnymi kosztami transakcji *

Brak arbitrażu na rynkach z proporcjonalnymi kosztami transakcji * Zeszyy Unwersye Ekonomczny w Krakowe Naukowe (937) ISSN 898-6447 Zesz. Nauk. UEK, 205; (937): 27 39 DOI: 0.5678/ZNUEK.205.0937.009 Agneszka Rygel Kaedra Maemayk Unwersye Ekonomczny w Krakowe Brak arbrażu

Bardziej szczegółowo

Magdalena Sokalska Szkoła Główna Handlowa. Modelowanie zmienności stóp zwrotu danych finansowych o wysokiej częstotliwości

Magdalena 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 szczegółowo

Ekonometryczne modele nieliniowe

Ekonometryczne modele nieliniowe Ekonomeryczne modele nelnowe Wykład 5 Progowe modele regrej Leraura Hanen B. E. 997 Inference n TAR Model, Sude n Nonlnear Dynamc and Economerc,. Tek na rone nerneowej wykładu Dodakowa leraura Hanen B.

Bardziej szczegółowo

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 XL NAUKI HUMANISTYCZNO-SPOŁECZNE ZESZTYT 390 TORUŃ 2009.

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 XL NAUKI HUMANISTYCZNO-SPOŁECZNE ZESZTYT 390 TORUŃ 2009. 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 XL NAUKI HUMANISTYCZNO-SPOŁECZNE ZESZTYT 390 TORUŃ 009 Uniwerse Mikołaja Kopernika w Toruniu Kaedra Ekonomerii i Saski WŁASNOŚCI

Bardziej szczegółowo

O problemie modelowania stopy procentowej

O problemie modelowania stopy procentowej Krzyszof Paseck Akadema Ekonomczna w Poznanu O probleme modelowana sopy procenowe Na dowolnym rynku fnansowym znaduemy nsrumeny fnansowe obarczone ryzykem warośc począkowe lub ez ryzykem warośc końcowe.

Bardziej szczegółowo

Stanisław Cichocki. Natalia Nehrebecka. Wykład 7

Stanisław Cichocki. Natalia Nehrebecka. Wykład 7 Stansław Cchock Natala Nehrebecka Wykład 7 1 1. Interakcje 2. Przyblżane model nelnowych 3. Założena KMRL 1. Interakcje 2. Przyblżane model nelnowych 3. Założena KMRL W standardowym modelu lnowym zakładamy,

Bardziej szczegółowo

u u u( x) u, x METODA RÓŻNIC SKOŃCZONYCH, METODA ELEMENTÓW BRZEGOWYCH i METODA ELEMENTÓW SKOŃCZONYCH

u u u( x) u, x METODA RÓŻNIC SKOŃCZONYCH, METODA ELEMENTÓW BRZEGOWYCH i METODA ELEMENTÓW SKOŃCZONYCH METODA RÓŻNIC SKOŃCZONYCH, METODA ELEMENTÓW BRZEGOWYCH METODA ELEMENTÓW SKOŃCZONYCH Szkc rozwązana równana Possona w przestrzen dwuwymarowe. Równane Possona to równae różnczkowe cząstkowe opsuące wele

Bardziej szczegółowo

Modelowanie równowagi cenowej na Giełdzie Papierów Wartościowych w Warszawie w okresach przed i po wejściu Polski do Unii Europejskiej

Modelowanie równowagi cenowej na Giełdzie Papierów Wartościowych w Warszawie w okresach przed i po wejściu Polski do Unii Europejskiej Sansław Urbańsk * Modelowane równowag cenowej na Gełdze Paperów Waroścowych w Warszawe w okresach przed po wejścu Polsk do Un Europejskej Wsęp Praca nnejsza sanow konynuację badań doyczących wyceny akcj

Bardziej szczegółowo

Stanisław Cichocki Natalia Nehrebecka. Wykład 4

Stanisław 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 szczegółowo

Ewa Dziawgo Uniwersytet Mikołaja Kopernika w Toruniu. Analiza wrażliwości modelu wyceny opcji złożonych

Ewa 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 szczegółowo

DYNAMICZNE MODELE EKONOMETRYCZNE

DYNAMICZNE 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 szczegółowo

Rachunek prawdopodobieństwa i statystyka W 11: Analizy zależnościpomiędzy zmiennymi losowymi Model regresji wielokrotnej

Rachunek prawdopodobieństwa i statystyka W 11: Analizy zależnościpomiędzy zmiennymi losowymi Model regresji wielokrotnej Rachunek prawdopodobeństwa statstka W 11: Analz zależnoścpomędz zmennm losowm Model regresj welokrotnej Dr Anna ADRIAN Paw B5, pok 407 adan@agh.edu.pl Model regresj lnowej Model regresj lnowej prostej

Bardziej szczegółowo

DYNAMICZNE MODELE EKONOMETRYCZNE

DYNAMICZNE 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 szczegółowo

Prognozowanie cen detalicznych żywności w Polsce

Prognozowanie cen detalicznych żywności w Polsce Prognozowane cen dealcznych żywnośc w Polsce Marusz Hamulczuk IERGŻ - PIB Kaarzyna Herel NBP Co dlaczego prognozujemy Krókookresowe prognozy cen dealcznych Ceny dealczne (ndywdualne produky, agregay) Isone

Bardziej szczegółowo

Studia Ekonomiczne. Zeszyty Naukowe Uniwersytetu Ekonomicznego w Katowicach ISSN 2083-8611 Nr 219 2015

Studia 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 szczegółowo

MODELOWANIE I PROGNOZOWANIE ZAPOTRZEBOWANIA NA ENERGIĘ ELEKTRYCZNĄ W WYBRANYM REGIONIE

MODELOWANIE I PROGNOZOWANIE ZAPOTRZEBOWANIA NA ENERGIĘ ELEKTRYCZNĄ W WYBRANYM REGIONIE MODELOWANIE I PROGNOZOWANIE ZAPOTRZEBOWANIA NA ENERGIĘ ELEKTRYCZNĄ W WYBRANYM REGIONIE Marcn Zawada Kaedra Ekonomer Saysyk, Wydzał Zarządzana, Polechnka Częsochowska, Częsochowa 1 WSTĘP Proces ransformacj

Bardziej szczegółowo

EKONOMETRIA. metody analizy i wykorzystania danych ekonomicznych

EKONOMETRIA. metody analizy i wykorzystania danych ekonomicznych UIWERSYE EKOOMICZY w Krakowe EKOOMERIA EKOOMERIA meod analz wkorzsana danch ekonomcznch (handous zapsk wkładowc dla sudenów) Kraków Anon Gorl Anna Walkosz Unwerse Ekonomczn w Krakowe emaka. Wprowadzene..

Bardziej szczegółowo

Transakcje insiderów a ceny akcji spółek notowanych na Giełdzie Papierów Wartościowych w Warszawie S.A.

Transakcje 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 szczegółowo

Krzysztof Piontek Weryfikacja modeli Blacka-Scholesa dla opcji na WIG20

Krzysztof 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 szczegółowo

Wyzwania praktyczne w modelowaniu wielowymiarowych procesów GARCH

Wyzwania 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 szczegółowo

7. Wykład VII: Warunki Kuhna-Tuckera

7. Wykład VII: Warunki Kuhna-Tuckera Wocech Grega, Metody Optymalzac 7 Wykład VII: Warunk Kuhna-Tuckera 7 Warunk koneczne stnena ekstremum Rozważane est zadane z ogranczenam nerównoścowym w postac: mn F( x ) x X X o F( x ), o { R x : h n

Bardziej szczegółowo

Bayesowskie porównanie modeli STUR i GARCH w finansowych szeregach czasowych 1

Bayesowskie porównanie modeli STUR i GARCH w finansowych szeregach czasowych 1 Jacek Kwiakowski Uniwersye Mikołaja Kopernika w Toruniu Bayesowskie porównanie modeli STUR i GARCH w finansowych szeregach czasowych 1 WSTĘP Powszechnie wiadomo, że podsawowymi własnościami procesów finansowych

Bardziej szczegółowo

Stanisław Cichocki Natalia Nehrebecka. Wykład 3

Stanisław 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 szczegółowo

EKONOMETRIA wykład 2. Prof. dr hab. Eugeniusz Gatnar.

EKONOMETRIA 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 szczegółowo

RUCH OBROTOWY Można opisać ruch obrotowy ze stałym przyspieszeniem ε poprzez analogię do ruchu postępowego jednostajnie zmiennego.

RUCH OBROTOWY Można opisać ruch obrotowy ze stałym przyspieszeniem ε poprzez analogię do ruchu postępowego jednostajnie zmiennego. RUCH OBROTOWY Można opsać ruch obrotowy ze stałym przyspeszenem ε poprzez analogę do ruchu postępowego jednostajne zmennego. Ruch postępowy a const. v v at s s v t at Ruch obrotowy const. t t t Dla ruchu

Bardziej szczegółowo

Stanisław Cichocki. Natalia Nehrebecka. Wykład 11

Stanisław Cichocki. Natalia Nehrebecka. Wykład 11 Stansław Cchock Natala Nehrebecka Wykład 11 1 1. Testowane hpotez łącznych 2. Testy dagnostyczne Testowane prawdłowośc formy funkcyjnej: test RESET Testowane normalnośc składnków losowych: test Jarque-Berra

Bardziej szczegółowo

Natalia Nehrebecka. Zajęcia 3

Natalia Nehrebecka. Zajęcia 3 St ł Cchock Stansław C h k Natala Nehrebecka Zajęca 3 1. Dobroć dopasowana równana regresj. Współczynnk determnacj R Dk Dekompozycja warancj zmennej zależnej ż Współczynnk determnacj R. Zmenne cągłe a

Bardziej szczegółowo

Stanisław Cichocki. Natalia Nehrebecka. Wykład 6

Stanisław Cichocki. Natalia Nehrebecka. Wykład 6 Stansław Cchock Natala Nehrebecka Wykład 6 1 1. Interpretacja parametrów przy zmennych objaśnających cągłych Semelastyczność 2. Zastosowane modelu potęgowego Model potęgowy 3. Zmenne cągłe za zmenne dyskretne

Bardziej szczegółowo

Pobieranie próby. Rozkład χ 2

Pobieranie 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 szczegółowo

Badanie współzależności dwóch cech ilościowych X i Y. Analiza korelacji prostej

Badanie współzależności dwóch cech ilościowych X i Y. Analiza korelacji prostej Badane współzależnośc dwóch cech loścowych X Y. Analza korelacj prostej Kody znaków: żółte wyróżnene nowe pojęce czerwony uwaga kursywa komentarz 1 Zagadnena 1. Zwązek determnstyczny (funkcyjny) a korelacyjny.

Bardziej szczegółowo

WNIOSKOWANIE STATYSTYCZNE

WNIOSKOWANIE 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 szczegółowo

ψ przedstawia zależność

ψ 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 szczegółowo

HSC Research Report. Principal Components Analysis in implied volatility modeling (Analiza składowych głównych w modelowaniu implikowanej zmienności)

HSC Research Report. Principal Components Analysis in implied volatility modeling (Analiza składowych głównych w modelowaniu implikowanej zmienności) HSC Research Repor HSC/04/03 Prncpal Componens Analyss n mpled volaly modelng (Analza składowych głównych w modelowanu mplkowanej zmennośc) Rafał Weron* Sławomr Wójck** * Hugo Senhaus Cener, Wrocław Unversy

Bardziej szczegółowo

Weryfikacja hipotez dla wielu populacji

Weryfikacja hipotez dla wielu populacji Weryfkacja hpotez dla welu populacj Dr Joanna Banaś Zakład Badań Systemowych Instytut Sztucznej Intelgencj Metod Matematycznych Wydzał Informatyk Poltechnk Szczecńskej 5. Parametryczne testy stotnośc w

Bardziej szczegółowo

Wykład 1 Zagadnienie brzegowe liniowej teorii sprężystości. Metody rozwiązywania, metody wytrzymałości materiałów. Zestawienie wzorów i określeń.

Wykład 1 Zagadnienie brzegowe liniowej teorii sprężystości. Metody rozwiązywania, metody wytrzymałości materiałów. Zestawienie wzorów i określeń. Wykład Zagadnene brzegowe lnowe teor sprężystośc. Metody rozwązywana, metody wytrzymałośc materałów. Zestawene wzorów określeń. Układ współrzędnych Kartezańsk, prostokątny. Ose x y z oznaczono odpowedno

Bardziej szczegółowo

Pokazać, że wyżej zdefiniowana struktura algebraiczna jest przestrzenią wektorową nad ciałem

Pokazać, że wyżej zdefiniowana struktura algebraiczna jest przestrzenią wektorową nad ciałem Zestaw zadań : Przestrzene wektorowe. () Wykazać, że V = C ze zwykłym dodawanem jako dodawanem wektorów operacją mnożena przez skalar : C C C, (z, v) z v := z v jest przestrzeną lnową nad całem lczb zespolonych

Bardziej szczegółowo

Statystyka od podstaw z systemem SAS Dr hab. E. Frątczak, ZAHZiAW, ISiD, KAE. Część VII. Analiza szeregu czasowego

Statystyka 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 szczegółowo

Natalia Nehrebecka. Wykład 2

Natalia Nehrebecka. Wykład 2 Natala Nehrebecka Wykład . Model lnowy Postad modelu lnowego Zaps macerzowy modelu lnowego. Estymacja modelu Wartośd teoretyczna (dopasowana) Reszty 3. MNK przypadek jednej zmennej . Model lnowy Postad

Bardziej szczegółowo

KRZYSZTOF JAJUGA Katedra Inwestycji Finansowych i Zarządzania Ryzykiem Akademia Ekonomiczna we Wrocławiu 25 LAT EKONOMETRII FINANSOWEJ

KRZYSZTOF 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 szczegółowo

Model ASAD. ceny i płace mogą ulegać zmianom (w odróżnieniu od poprzednio omawianych modeli)

Model ASAD. ceny i płace mogą ulegać zmianom (w odróżnieniu od poprzednio omawianych modeli) Model odstawowe założena modelu: ceny płace mogą ulegać zmanom (w odróżnenu od poprzedno omawanych model) punktem odnesena analzy jest obserwacja pozomu produkcj cen (a ne stopy procentowej jak w modelu

Bardziej szczegółowo

13. DWA MODELE POTOKU RUCHU (TEORIOKOLEJKOWE)(wg Wocha,1998)

13. DWA MODELE POTOKU RUCHU (TEORIOKOLEJKOWE)(wg Wocha,1998) 3. Dwa modele pooku ruchu (eorokolejkowe) 3. DWA MODELE POTOKU RUCHU (TEORIOKOLEJKOWE)(wg Wocha,998) 3.. Model Hagha Isneje wele prac z la powojennych, w kórych wysępują próby modelowana kolejek ruchowych

Bardziej szczegółowo

MIKROEKONOMIA Prof. nadzw. dr hab. Jacek Prokop jproko@sgh.waw.pl

MIKROEKONOMIA Prof. nadzw. dr hab. Jacek Prokop jproko@sgh.waw.pl MIKROEKONOMIA Prof. nadzw. dr hab. Jacek Proko roko@sgh.waw.l Statyka dynamka olgoolstyczne struktury rynku. Modele krótkookresowe konkurenc cenowe w olgoolu.. Model ogranczonych mocy rodukcynych ako wyaśnene

Bardziej szczegółowo

PODSTAWOWE MIERNIKI DYNAMIKI ZJAWISK

PODSTAWOWE MIERNIKI DYNAMIKI ZJAWISK PODSTAWOWE MIERNIKI DYNAMIKI ZJAWISK Założena Nech oznacza ozom (warość) badanego zjawska (zmennej) w kolejnch momenach czasu T0, gdze T 0 0,1,..., n 1 oznacza worz szereg czasow. zbór numerów czasu. Cąg

Bardziej szczegółowo

( ) ( ) 2. Zadanie 1. są niezależnymi zmiennymi losowymi o. oraz. rozkładach normalnych, przy czym EX. i σ są nieznane. 1 Niech X

( ) ( ) 2. Zadanie 1. są niezależnymi zmiennymi losowymi o. oraz. rozkładach normalnych, przy czym EX. i σ są nieznane. 1 Niech X Prawdopodobeństwo statystyka.. r. Zadane. Zakładamy, że,,,,, 5 są nezależnym zmennym losowym o rozkładach normalnych, przy czym E = μ Var = σ dla =,,, oraz E = μ Var = 3σ dla =,, 5. Parametry μ, μ σ są

Bardziej szczegółowo

; -1 x 1 spełnia powyższe warunki. Ale

; -1 x 1 spełnia powyższe warunki. Ale AIB-Inormatka-Wkła - r Aam Ćmel cmel@.ah.eu.pl Funkcje uwkłane Przkła.ozważm równane np. nech. Ptane Cz la owolneo [] stneje tak że? Nech. Wówczas unkcja - spełna powższe warunk. Ale [ ] Q spełna je także

Bardziej szczegółowo

Przykład 5.1. Kratownica dwukrotnie statycznie niewyznaczalna

Przykład 5.1. Kratownica dwukrotnie statycznie niewyznaczalna rzykład.. Kratownca dwukrotne statyczne newyznaczana oecene: korzystaąc z metody sł wyznaczyć sły w prętach ponższe kratowncy. const Rozwązane zadana rozpoczynamy od obczena stopna statyczne newyznaczanośc

Bardziej szczegółowo

STATYSTYKA MATEMATYCZNA WYKŁAD 5 WERYFIKACJA HIPOTEZ NIEPARAMETRYCZNYCH

STATYSTYKA MATEMATYCZNA WYKŁAD 5 WERYFIKACJA HIPOTEZ NIEPARAMETRYCZNYCH STATYSTYKA MATEMATYCZNA WYKŁAD 5 WERYFIKACJA HIPOTEZ NIEPARAMETRYCZNYCH 1 Test zgodnośc χ 2 Hpoteza zerowa H 0 ( Cecha X populacj ma rozkład o dystrybuance F). Hpoteza alternatywna H1( Cecha X populacj

Bardziej szczegółowo

Pracownia Automatyki i Elektrotechniki Katedry Tworzyw Drzewnych Ćwiczenie 3. Analiza obwodów RLC przy wymuszeniach sinusoidalnych w stanie ustalonym

Pracownia Automatyki i Elektrotechniki Katedry Tworzyw Drzewnych Ćwiczenie 3. Analiza obwodów RLC przy wymuszeniach sinusoidalnych w stanie ustalonym ĆWCZENE 3 Analza obwodów C przy wymszenach snsodalnych w stane stalonym 1. CE ĆWCZENA Celem ćwczena jest praktyczno-analtyczna ocena obwodów elektrycznych przy wymszenach snsodalne zmennych.. PODSAWY EOEYCZNE

Bardziej szczegółowo

(estymator asymptotycznej macierzy kowariancji estymatora nieliniowej MNK w MNRN)

(estymator asymptotycznej macierzy kowariancji estymatora nieliniowej MNK w MNRN) W ypowym zadanu z regresj nelnowej mamy nasępujące eapy: Esymacja (uzyskane ocen punkowych paramerów), w ym: 1. Dobór punków sarowych.. Kolejne eracje algorymu Gaussa Newona. 3. Zakończene algorymu Gaussa

Bardziej szczegółowo

WERYFIKACJA EKONOMETRYCZNA MODELU CAPM II RODZAJU DLA RÓŻNYCH HORYZONTÓW STÓP ZWROTU I PORTFELI RYNKOWYCH

WERYFIKACJA EKONOMETRYCZNA MODELU CAPM II RODZAJU DLA RÓŻNYCH HORYZONTÓW STÓP ZWROTU I PORTFELI RYNKOWYCH SCRIPTA COMENIANA LESNENSIA PWSZ m. J. A. Komeńskego w Leszne R o k 0 0 8, n r 6 TOMASZ ŚWIST* WERYFIKACJA EKONOMETRYCZNA MODELU CAPM II RODZAJU DLA RÓŻNYCH HORYZONTÓW STÓP ZWROTU I PORTFELI RYNKOWYCH

Bardziej szczegółowo

= σ σ. 5. CML Capital Market Line, Rynkowa Linia Kapitału

= σ σ. 5. CML Capital Market Line, Rynkowa Linia Kapitału 5 CML Catal Market Lne, ynkowa Lna Katału Zbór ortolo o nalny odchylenu standardowy zbór eektywny ozważy ortolo złożone ze wszystkch aktywów stnejących na rynku Załóży, że jest ch N A * P H P Q P 3 * B

Bardziej szczegółowo

Model ISLM. Inwestycje - w modelu ISLM przyjmujemy, że inwestycje przyjmują postać funkcji liniowej:

Model ISLM. Inwestycje - w modelu ISLM przyjmujemy, że inwestycje przyjmują postać funkcji liniowej: dr Bartłomej Rokck Ćwczena z Makroekonom I Model ISLM Podstawowe założena modelu: penądz odgrywa ważną rolę przy determnowanu pozomu dochodu zatrudnena nwestycje ne mają charakteru autonomcznego, a ch

Bardziej szczegółowo

5. Pochodna funkcji. lim. x c x c. (x c) = lim. g(c + h) g(c) = lim

5. Pochodna funkcji. lim. x c x c. (x c) = lim. g(c + h) g(c) = lim 5. Pocodna funkcj Defncja 5.1 Nec f: (a, b) R nec c (a, b). Jeśl stneje granca lm x c x c to nazywamy ją pocodną funkcj f w punkce c oznaczamy symbolem f (c) Twerdzene 5.1 Jeśl funkcja f: (a, b) R ma pocodną

Bardziej szczegółowo

w łącznej analizie zmiennych licznikowych

w łącznej analizie zmiennych licznikowych F O L I A O E C O N O M I C A C R A C O V I E N S I A Vol. LIII PL ISSN 7-674X Dwuwymarowy model TYPU ZIP-CP w łącznej analze zmennych lcznkowych Jerzy Marzec Kaedra Ekonomer Badań Operacyjnych Unwersyeu

Bardziej szczegółowo

Prawdopodobieństwo i statystyka r.

Prawdopodobieństwo i statystyka r. Prawdopodobeństwo statystya.05.00 r. Zadane Zmenna losowa X ma rozład wyładnczy o wartośc oczewanej, a zmenna losowa Y rozład wyładnczy o wartośc oczewanej. Obe zmenne są nezależne. Oblcz E( Y X + Y =

Bardziej szczegółowo