ŹRÓDŁA FLUKTUACJI REALNEGO EFEKTYWNEGO KURSU EUR/ PLN
|
|
- Judyta Karczewska
- 9 lat temu
- Przeglądów:
Transkrypt
1 METODY ILOŚCIOWE W BADANIACH EKONOMICZNYCH Tom XII/, 0, sr ŹRÓDŁA FLUKTUACJI REALNEGO EFEKTYWNEGO KURSU EUR/ PLN Adam Waszkowski Kaedra Ekonomiki Rolnicwa i Międzynarodowych Sosunków Gospodarczych Szkoła Główna Gospodarswa Wiejskiego w Warszawie adam_waszkowski@sggw.pl Sreszczenie: W arykule poruszono problem wyjaśnienia źródła flukuacji realnego efekywnego kursu waluowego na przykładzie EUR/ PLN wykorzysując podejście równowagi. Punkem wyjścia było opracowanie modelu wekorowej auoregresji oraz jego srukuralnej posaci. Specyfikacji modelu dokonano w oparciu o pracę Claridy i Galiego [994], wykorzysując kwaralny szereg czasowy dla Polski i srefy euro. Pozwoliło o na esymację syemu składającego się z rzech zmiennych: PKB, REER oraz HICP. Celem określenia źródła flukuacji realnego kursu EUR/ PLN przeprowadzono dekompozycję wariancji błędu prognozy. Okazało się, że największe znaczenie (powyżej 80%) w wyjaśnieniu wariancji REER mają szoki popyowe. Słowa kluczowe: realny efekywny kurs waluowy, model wekorowej auoregresji, dekompozycja wariancji błędu prognozy WSTĘP Kurs waluowy określany jes jako cena jednej jednoski waluy wyrażona w jednoskach innej waluy. Takie rozumienie definicji ma zasosowanie ylko wówczas, gdy przedmioem analizy jes względna cena walu dla dwóch krajów. Jeżeli badaniu podlega zmiana kszałowania się warości analizowanej waluy względem walu wielu krajów, wykorzysuje się kurs efekywny (mulilaeralny). Isnieje wiele meod noowania kursu waluowego. Najpowszechniejszą jes nominalny kurs prosy- cena jednoski waluy obcej wyrażona w jednoskach waluy krajowej. Ważną miarą waluy krajowej jes kurs realny- równy kursowi nominalnemu skorygowanemu o różnicę cen w badanych krajach [Rubaszek i in. 009].
2 390 Adam Waszkowski Badania empiryczne doyczące kszałowania się kursów waluowych bogae są w epizody kilkuprocenowych zmian warości kurs w ciągu dnia oraz przypadki nawe kilkudziesięcioprocenowych aprecjacji czy deprecjacji w horyzoncie jednego roku (Sockman [988]). W znacznej mierze urudnia o opracowanie kompleksowego modelu ekonomicznego wyjaśniającego mechanizm ak wysokiej wariancji kursu waluowego jako funkcji procesów makroekonomicznych. Cele niniejszej pracy jes określenie źródła wariancji realnego efekywnego kursu waluowego na przykładzie relacji wymiany EUR/PLN. Wykorzysane zosanie podejście równowagi (equilibrium approach), zgodnie z kórym szoki realne są głównym źródłem wariancji realnego kursu waluowego. MODEL WEKTOROWEJ AUTOREGRESJI I JEGO STRUKTURALIZACJA Dla n-wymiarowego wekora zmiennych makroekonomicznych T y = [ y,, y,,..., yn, ], kóre worzą analizowany układ i pomiędzy kórymi isnieje zależność określana eorią makroekonomii, model rzędu p wekorowej auoregresji VAR(p) można przedsawić jako: y = A0 + A y + A y Ap y p + ε () gdzie: ε jes n-wymiarowym procesem białego szumu o warości oczekiwanej równej 0 oraz macierzy kowariancji Σ naomias macierze A p : p = 0,,,..., P przedsawiają wpływ p-ego opóźnienia zmiennej zależnej na jej bieżącą warość. Pożądaną cechą modelu VAR(p) jes jego sacjonarność, kórą można opisać jako (Lükepohl, Krazig [004]) wygasanie wpływu szoku ε na wekor zmiennych endogenicznych: δy+ k lim = 0 () k δε Jedynym źródłem szoku w modelu VAR(p) są składniki losowe a spełnienie warunku sacjonarności jes równoznaczne z isnieniem długookresowej warości dla y, do kórej proces powraca. Tempo ego powrou określają pierwiaski równania charakerysycznego: A ( z) = 0. (3) Z punku widzenia specyfikacji modelu VAR(p) isonym jes usalenie rzędu opóźnień p. Ponieważ eoria ekonomii nie dosarcza informacji na ema dynamicznych zależności między zmiennymi, do ich usalenia wykorzysuje się kryeria informacyjne: Akaike a AIC, Final Predicion Error FPE, Hannana- Quinn HQ czy bayesowskie Schwarza BIC. Przy doborze maksymalnego opóźnienia wykorzysuje się również es isoności kolejnych opóźnień modelu VAR.
3 Źródła flukuacji realnego efekywnego kursu EUR/PLN 39 Weryfikacja hipoezy zerowej: H 0 : A p = 0 przebiega w oparciu o es ilorazu funkcji wiarygodności, kórego saysykę określa relacja (4): LR = T (ln Σˆ ln ˆ r Σu ), (4) gdzie Σˆ r oraz Σˆ u są macierzami kowariancji dla składników losowych dla modelu z resrykcjami oraz bez resrykcji. Zła specyfikacja polegająca na zby niskim doborze opóźnień do modelu VAR może spowodować wysąpienie zjawiska auokorelacji resz, a w dalszej konsekwencji esymaor macierzy kowariancji może być obciążony. Auokorelację można wykryć korzysając z wielowymiarowego esu Ljunga-Boxa. Macierz kowariancji dla sacjonarnego n- wymiarowego procesu Y dana jes wzorem: Γ S = Cov( Y ; Y s ) (5) zaś esymaor ej macierzy dla próby jes równy: T Γˆ T = y y (6) s T = s+ Wielowymiarowa saysyka esu Ljunga-Boxa określona jes poniższą relacją: J ( ˆ T ˆ ˆ ˆ LB = T r Γ Γ j 0 ΓjΓ0 ) (7) j= T j a przy prawdziwości hipoezy zerowej ma rozkład χ o N ( J P) sopniach swobody. Nadawanie inerpreacji ekonomicznej modelom VAR odbywa się poprzez ich srukuralizację. Srukuralny model wekorowej auoregresji SVAR można zapisać w posaci (Blanchard, Quah [989]): Ay C C y C y... C y Bη gdzie składniki losowe poszczególnych równań mają rozkład normalny i są względem siebie orogonalne η = N 0, I ). Ponieważ składniki losowe są s = p p +, (8) ( N niezależne (Sims [980]), nadaje się im inerpreację ekonomiczną określając je jako szoki srukuralne, j. szok popyowy, podażowy, monearny czy kursowy. Reakcja zmiennych endogenicznych na bodźce w posaci szoków srukuralnych opisywana jes przez funkcję reakcji na impuls (impulse-response funcion, IRF), a jej warość po upływie k-okresów opisuje zależność: δyi, IRFk ( i, =. (9) δη j, k Ponieważ liczba paramerów dla modelu SVAR jes większa niż dla modelu N( N ) VAR dokładnie o N +, aby uzyskać paramery modelu SVAR należy nałożyć na niego dokładnie aką liczbę resrykcji. Warunki idenyfikacji są
4 39 Adam Waszkowski najczęściej konsekwencją doboru zmiennych do modelu oraz wiedzy ekonomicznej o modelowanym zjawisku. IDENTYFIKACJA SZOKÓW ZAPROPONOWANA PRZEZ CLARIDĘ I GALIEGO. DEKOMPOZYCJA WARIANCJI BŁĘDU PROGNOZY Clarida i Gali [994] wyodrębnili dwa rodzaje szoków: realne oraz nominalne. Szoki realne rwale oddziałują zarówno na nominalny jak i realny poziom kursu waluowego. Z kolei szoki nominalne wpływają w krókim okresie na zmienne realne, naomias w długim ich poziom oddziaływania jes zerowy. Oszacowany przez nich model VAR składał się z rzech zmiennych: relaywnego empa wzrosu PKB w kraju i za granicą, empa wzrosu realnego efekywnego kursu waluowego oraz relaywnego empa wzrosu cen w kraju i za granicą. Taki dobór predykaorów umożliwił określenie rzech szoków srukuralnych, odpowiednio: podażowego, popyowego oraz nominalnego. Clarida oraz Gali założyli celem idenyfikacji szoków nasępujące resrykcje długookresowe: wpływ szoku popyowego oraz nominalnego na poziom produkcji jes zerowy oraz zerowe jes oddziaływanie szoku nominalnego na poziom realnego kursu waluowego. Zaproponowany model może posłużyć do esowania czynników oddziałujących na realny efekywny kurs waluowy. Określenie źródeł jego flukuacji umożliwia dekompozycja wariancji błędu prognozy (forecas error variance decomposiion, FEVD). Dekompozycja określa, jaka część zmienności błędu losowego prognozy o horyzoncie k dla realizacji procesu { y i, : i =,,..., N} wynika z wysępowania szoków srukuralnych { η j, : j =,,..., N}. Błąd losowy dla y można zapisać jako: Σ k k T + k T + k mψm m=0 f T = var( y y ) = ( Ψ ) (0) Oznaczając przez Σ k ( i, elemeny macierzy Σ k można zapisać wariancję prognozy dla k-horyzonu i-ej zmiennej będącej składową wekora y jako: f var( yi, T + k yi, T + k ) = Σ k ( i, i) () Z równań (0) oraz () wynika, że błąd losowy prognozy dla i-ej zmiennej wekora y jes równy: k k ( i, i) = ( Ψm( i,) +Ψm ( i,) Ψm ( i, N ) m 0 Σ = ), ()
5 Źródła flukuacji realnego efekywnego kursu EUR/PLN 393 y + a wariancja błędu prognozy dla i, T k można zapisać jako sumę błędów wynikających z szoków srukuralnych { η, : j,,..., N} : N j = Σ = ( Ψ +Ψ Ψ ). (3) k ( i, i) 0( i, ( i, k ( i, j= Wkład j-ego szoku srukuralnego do wariancji błędu prognozy zmiennej i, T k przedsawia relacja: Ψ0( i, + Ψ( i, Ψk ( i, FEVD k ( i, =. Σ (4) k ( i, i) MODEL STRUKTURALNY DLA KURSU EUR/PLN. ŹRÓDŁA WAHAŃ REER Punkem wyjścia do określenia źródła flukuacji REER było opracowanie modelu wekorowej auoregresji oraz jego srukuralnej posaci. Specyfikacji modelu dokonano w oparciu o pracę Claridy i Galiego [994], wykorzysując kwaralny szereg czasowy Q:996-4Q:00 (60 kwaralnych obserwacji) dla Polski i srefy euro zaczerpnięy ze srony Eurosau. Esymacji podlegał sysem składający się z rzech zmiennych: ΔY ΔY ΔY ΔY p εy, ΔX, = A0 + A ΔX, + A ΔX, Ap ΔX, p + ε x, (5) ΔX, ΔX, ΔX, ΔX, p ε x, gdzie: PL Y PL EA Y = ln ; Y EA, Y - produk krajowy odpowiednio dla Polski i srefy euro, Y EA E HICP PL X =, ln ; E PL - nominalny kurs waluowy EUR/PLN, HICP, HICP EA HICP - Harmonizes Index of Consumer Proce, odpowiednio dla Polski i srefy euro, PL HICP X =, ln. EA HICP Ponieważ eoria ekonomii nie dosarcza przesłanek na ema dynamicznych zależności w modelu VAR danego równaniem (5), w celu wyboru opymalnego rzędu opóźnienia p wykorzysano kryeria informacyjne. Kryerium Akaike a wskazało na rząd opóźnień p=4, Hannana- Quinn p=, bayesowskie Schwarza p=, y +
6 394 Adam Waszkowski naomias Final Predicion Error p=4. Nie uzyskano jednoznacznej odpowiedzi na ema wielkości opóźnienia, dlaego przeprowadzony zosał es na isoność 4 opóźnienia opisany wzorem (4). Saysyka esu LR równa 6,78 z p-value na poziomie 0,009 wskazuje na odrzucenie hipoezy zerowej na każdym ypowym poziomie isoności. Tym samym czware opóźnienie okazało się saysycznie isone. Esymacji podlegał więc model VAR(4) a oszacowania jego paramerów meodą MNK przedsawia abela. Tabela. Oszacowania paramerów modelu VAR(4) równanie dy dx dx cons -0,00 0,84-0,90 dy(-) 0, -6,637 7,480 dx (-) -0, ,363 dx (-) -0,037-3,7 3,459 dy(-) 0,30-8,84 9,59 dx (-) -0,003 0,300-0,479 dx (-) -0,006 0,3-0,307 dy(-3) 0,378-7,39 7,559 dx (-3) 0,008,044 -,074 dx (-3) 0,005,30 -,77 dy (-4) 0,45-9,069 8,707 dx (-4) -0,00-0,397 0,595 dx (-4) -0,0-0,7 0,399 Dokonano również weryfikacji modelu mając na uwadze fak, że dekompozycja wariancji błędu prognoz, kóra wskazuje źródła flukuacji REER, doyczy jedynie błędu losowego prognozy wynikającego z wysępowania szoków srukuralnych. Nie uwzględnia ona innych źródeł błędów jak błędy specyfikacji czy pomiaru. W pierwszym kroku esowaniu poddano zjawisko auokorelacji, kórego isnienie ogranicza możliwość sosowania saysyk -Sudena czy ilorazu wiarygodności oraz może sugerować zby ubogą specyfikację dynamiczną modelu. W ym celu wykorzysano wielowymiarowy es Ljunga-Boxa dana wzorem (7). Saysyki LB=,996 z p-value równym 0,0599 wskazuje na brak podsaw do
7 Źródła flukuacji realnego efekywnego kursu EUR/PLN 395 odrzucenia hipoezy o braku auokorelacji do rzędu 0 włącznie isoności 5%. Wyniki esu Ljunga-Boxa przedsawia abela. na poziomie Tabela. Wyniki esu Ljunga-Boxa opóźnienie saysyka p-value 5 44,8 0,8 6 46,99 0,3 7 47, 0, ,80 0,8 9 95,56 0,894 0,996 0,0599 Zgodnie z założeniem () model VAR(4) powinno cechować isnienie długookresowej warości, do kórej proces powraca. Założenie o wskazuje na sacjonarność modelu a można je zbadać wyznaczając pierwiaski równania charakerysycznego (3). Dla weryfikowanego VAR(4) orzymane wyniki przedsawia abela 3. Warości większe co do modułu od jedności świadczą o sacjonarności modelu. Tabela 3. Moduły pierwiasków równania charakerysycznego modelu VAR(4) warość,97,97,97,367,367, warość,5959,5959,8435, ,44,6474 Wyniki e powierdzają wykresy funkcji reakcji na impuls (rysunek ), kórych warości zgodnie z () dążą do zera. Oznacza o, że wpływ szoków na zmienne uwzględnione w modelu wygasa w czasie zgodnie z wzorem (9) a jedynym źródłem szoku w modelu VAR(4) są składniki losowe. Nakładając na model VAR(4) resrykcje idenyfikujące zgodnie z przyjęymi przez Claridę i Galiego, uzyskano model srukuralny. W modelu ym poddano analizie wpływ zakumulowanych szoków na PKB, realny efekywny kurs waluowy oraz poziom cen. Rysunek prezenuje funkcje reakcji zmiennych endogenicznych na szoki srukuralne. Górne rzy wykresy obrazują reakcję PKB na zakumulowane szoki odpowiednio: podażowy, popyowy oraz nominalny. Szok popyowy oraz podażowy odpowiedzialne są za znaczącą zmianę relaywnego PKB oraz prowadzą do rwałego jego wzrosu. Wykresy środkowe wskazują na reakcję realnego względnego efekywnego kursu waluowego na rzy wyżej wymienione szoki, z czego szok podażowy prowadzi do rwałej deprecjacji REER, Za maksymalne opóźnienie w eście auokorelacji Ljunga-Boxa przyjęo 0 okresów.
8 396 Adam Waszkowski nominalny- aprecjacji, naomias wpływ popyowego w długim okresie jes niewielki. Osanie rzy wykresy ukazują, że szok popyowy prowadzi do naychmiasowego wzrosu cen, nominalny- wzrosu w krókim i spadku w długim okresie, naomias szok podażowy do spadku w krókim okresie a w długim do sabilizacji na nieco niższym poziomie. Rysunek. Funkcje reakcje na impuls W celu odpowiedzi na pyanie doyczące źródeł flukuacji realnego efekywnego kursu waluowego przeprowadzono dekompozycję wariancji błędu prognozy. Rezulay przeprowadzonej analizy przedsawione w abeli 4 wskazują, że za wariancję realnego kursu waluowego EUR/PLN odpowiadają w pierwszym okresie w 00% szoki o charakerze popyowym. Ich udział wraz z czasem maleje do około 70%. Sopniowo rosnący udział w wyjaśnieniu flukuacji REER mają szoki nominalne oraz podażowe, kóre oddziałują na wahania kursu odpowiednio do % oraz do %.
9 Źródła flukuacji realnego efekywnego kursu EUR/PLN 397 Rysunek. Zakumulowana funkcja reakcji dla PKB Tabela 4. Proporcja udziału szoków w wariancji błędu prognozy horyzon szok podażowy szok popyowy szok nominalny 0,00,00 0,00 0,0 0,83 0,6 3 0,04 0,80 0,6 4 0,08 0,73 0,9 5 0, 0,69 0, 6 0, 0,69 0, 7 0, 0,68 0, 8 0, 0,68 0, 9 0, 0,68 0, 0 0, 0,68 0, PODSUMOWANIE I WNIOSKI W arykule przedsawiono jedno z podejść próbujących odpowiedzieć na pyanie doyczące flukuacji realnego efekywnego kursu waluowego. Opierając się na wynikach pracy Claridy oraz Galiego skonsruowano model wekorowej auoregresji a nasępnie przeprowadzono jego srukuralizację
10 398 Adam Waszkowski wyodrębniając rzy rodzaje szoków: zagregowanej podaży, popyu oraz nominalny. Zasadniczym celem było określenie proporcji udziału szoków w wariancji REER. Uzyskane wyniki wskazują, że w długim okresie wariancja relaywnego realnego kursu waluowego EUR/PLN łumaczona jes w znacznej mierze (prawie 70%) przez szoki zagregowanego popyu. Jes o zgodne ze sposrzeżeniami Claridy i Galiego co również zosało powierdzone w pracy Webera [997]. Całkowia długookresowa flukuacja REER uzależniona jes w prawie 80% od szoków realnych. BIBLIOGRAFIA Blanchard O., Quah D. (989) The Dynamic Effecs of Aggregae Demand and Supply Disurbances, American Economic Review, Vol. 79, sr Clarida R., Gali J. (994) Source of Real Exchange Rae Flucuaions; How Imporan are Nominal Shocks, Carnegie-Rocheser Series on Public Policy, Vol. 4, sr Lükepohl H., Krazig, M. (004) Applied Time Series Economerics. Cambridge Universiy Press, Cambridge. Rubaszek M., Serwa D. (009) Analiza Kursu Waluowego, C. H. Beck, Warszawa. Sims C. A. (980) Mecroeconomics and Realiy, Economerica, Vol. 48, sr Sockman A. (988) Real Exchange Rae Variabiliy Under Pegged and Floaing Exchange Rae Sysems: An Equilibrium Theory, Universiy of Rocheser, USA, Working Paper No Weber A. (997) Sources of purchasing Power dispariies beween he G3 economies, Journal of he Japanese and Inernaional Economies, Vol., sr SOURCES OF REAL EXCHANGE RATES FLUCTUATIONS EUR/ PLN Absrac: In he aricle we've raised he issue of explaining he source of he flucuaion of he Real Effecive Exchange Rae (REER) using a equilibrium approach for EUR/PLN example. The saring poin was o elaborae a model of vecor auoregression and is srucural form. The specificaion of a model have been made based on Clarida and Gali's work. To deermine he source of he flucuaion of he real exchange rae we used Forecas Error Variance Decomposiion. I resuled ha he mos imporan (more han 80%) in explaining he variance of he REER are demand shocks. Key words: real exchange rae, vecor auoregression model, forecas error variance decomposiion
OeconomiA copernicana. Adam Waszkowski Szkoła Główna Gospodarstwa Wiejskiego w Warszawie
OeconomiA copernicana 2012 Nr 3 ISSN 2083-1277 Adam Waszkowski Szkoła Główna Gospodarswa Wiejskiego w Warszawie MECHANIZM TRANSMISJI IMPULSÓW POLITYKI MONETARNEJ DLA POLSKIEJ GOSPODARKI Klasyfikacja JEL:
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
KURS 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
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
1. 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
Parytet 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)
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
Przyczyny wahań realnego kursu walutowego w Polsce wyniki badań z wykorzystaniem bayesowskich strukturalnych modeli VAR
Przyczyny wahań realnego kursu walutowego w Polsce wyniki badań z wykorzystaniem bayesowskich strukturalnych modeli VAR dr Marek A. Dąbrowski Uniwersytet Ekonomiczny w Krakowie Katedra Makroekonomii marek.dabrowski@uek.krakow.pl
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
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
ESTYMACJA 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
PROGNOZOWANIE. 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
POWIĄZANIA POMIĘDZY KRÓTKOOKRESOWYMI I DŁUGOOKRESOWYMI STOPAMI PROCENTOWYMI W POLSCE
Anea Kłodzińska, Poliechnika Koszalińska, Zakład Ekonomerii POWIĄZANIA POMIĘDZY KRÓTKOOKRESOWYMI I DŁUGOOKRESOWYMI STOPAMI PROCENTOWYMI W POLSCE Sopy procenowe w analizach ekonomicznych Sopy procenowe
E 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,
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
MODELE AUTOREGRESYJNE JAKO INSTRUMENT ZARZĄDZANIA ZAPASAMI NA PRZYKŁADZIE ELEKTROWNI CIEPLNEJ
Agaa MESJASZ-LECH * MODELE AUTOREGRESYJNE JAKO INSTRUMENT ZARZĄDZANIA ZAPASAMI NA PRZYKŁADZIE ELEKTROWNI CIEPLNEJ Sreszczenie W arykule przedsawiono wyniki analizy ekonomerycznej miesięcznych warości w
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
MAKROEKONOMIA 2. Wykład 3. Dynamiczny model DAD/DAS, część 2. Dagmara Mycielska Joanna Siwińska - Gorzelak
MAKROEKONOMIA 2 Wykład 3. Dynamiczny model DAD/DAS, część 2 Dagmara Mycielska Joanna Siwińska - Gorzelak E i E E i r r 1 1 1 ) ( R. popyu R. Fishera Krzywa Phillipsa Oczekiwania Reguła poliyki monearnej
Ocena 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
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
MAKROEKONOMIA 2. Wykład 3. Dynamiczny model DAD/DAS, część 2. Dagmara Mycielska Joanna Siwińska - Gorzelak
MAKROEKONOMIA 2 Wykład 3. Dynamiczny model DAD/DAS, część 2 Dagmara Mycielska Joanna Siwińska - Gorzelak ( ) ( ) ( ) i E E E i r r = = = = = θ θ ρ ν φ ε ρ α * 1 1 1 ) ( R. popyu R. Fishera Krzywa Phillipsa
MAKROEKONOMIA 2. Wykład 3. Dynamiczny model DAD/DAS, część 2. Dagmara Mycielska Joanna Siwińska - Gorzelak
MAKROEKONOMIA 2 Wykład 3. Dynamiczny model DAD/DAS, część 2 Dagmara Mycielska Joanna Siwińska - Gorzelak ( ) ( ) ( ) E i E E i r r ν φ θ θ ρ ε ρ α 1 1 1 ) ( R. popyu R. Fishera Krzywa Phillipsa Oczekiwania
Niestacjonarne 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:
Alicja 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
Metody 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
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
Stanisław 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
Stare 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
Magdalena 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
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
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
ZASTOSOWANIE 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:
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
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
TESTOWANIE 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
ZESZYTY NAUKOWE UNIWERSYTETU SZCZECIŃSKIEGO NR 768 FINANSE, RYNKI FINANSOWE, UBEZPIECZENIA NR 63 2013
ZESZYTY NAUKOWE UNIWERSYTETU SZCZECIŃSKIEGO NR 768 FINANSE, RYNKI FINANSOWE, UBEZPIECZENIA NR 63 2013 MAŁGORZATA BOŁTUĆ Uniwersye Ekonomiczny we Wrocławiu ZALEŻNOŚĆ POMIĘDZY RYNKIEM SWAPÓW KREDYTOWYCH
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
Prognozowanie 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
PREDYKCJA 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
PROGNOZOWANIE I SYMULACJE. mgr Żaneta Pruska. Ćwiczenia 2 Zadanie 1
PROGNOZOWANIE I SYMULACJE mgr Żanea Pruska Ćwiczenia 2 Zadanie 1 Firma Alfa jes jednym z głównych dosawców firmy Bea. Ilość produku X, wyrażona w ysiącach wyprodukowanych i dosarczonych szuk firmie Bea,
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
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
MODELOWANIE KURSÓW WALUTOWYCH NA PRZYKŁADZIE MODELI KURSÓW RÓWNOWAGI ORAZ ZMIENNOŚCI NA RYNKU FOREX
Krzyszof Ćwikliński Uniwersye Ekonomiczny we Wrocławiu Wydział Zarządzania, Informayki i Finansów Kaedra Ekonomerii krzyszof.cwiklinski@ue.wroc.pl Daniel Papla Uniwersye Ekonomiczny we Wrocławiu Wydział
licencjat 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
Inwestycje. Makroekonomia II Dr hab. Joanna Siwińska-Gorzelak
Inwesycje Makroekonomia II Dr hab. Joanna Siwińska-Gorzelak CIASTECZOWY ZAWRÓT GŁOWY o akcja mająca miejsce w najbliższą środę (30 lisopada) na naszym Wydziale. Wydarzenie o związane jes z rwającym od
ANALIZA, PROGNOZOWANIE I SYMULACJA / Ćwiczenia 1
ANALIZA, PROGNOZOWANIE I SYMULACJA / Ćwiczenia 1 mgr inż. Żanea Pruska Maeriał opracowany na podsawie lieraury przedmiou. Zadanie 1 Firma Alfa jes jednym z głównych dosawców firmy Bea. Ilość produku X,
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
INWESTYCJE. Makroekonomia II Dr Dagmara Mycielska Dr hab. Joanna Siwińska-Gorzelak
INWESTYCJE Makroekonomia II Dr Dagmara Mycielska Dr hab. Joanna Siwińska-Gorzelak Inwesycje Inwesycje w kapiał rwały: wydaki przedsiębiorsw na dobra używane podczas procesu produkcji innych dóbr Inwesycje
DYNAMICZNE MODELE EKONOMETRYCZNE
DYNAMICZNE MODELE EKONOMETRYCZNE X Ogólnopolskie Seminarium Naukowe, 4 6 września 007 w Toruniu Kaedra Ekonomerii i Saysyki, Uniwersye Mikołaja Kopernika w Toruniu Uniwersye Mikołaja Kopernika Zależność
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
Kombinowanie 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
dr Bartłomiej Rokicki Katedra Makroekonomii i Teorii Handlu Zagranicznego Wydział Nauk Ekonomicznych UW
Kaedra Makroekonomii i Teorii Handlu Zagranicznego Wydział Nauk Ekonomicznych UW Sposoby usalania płac w gospodarce Jednym z głównych powodów, dla kórych na rynku pracy obserwujemy poziom bezrobocia wyższy
MODELOWANIE POLSKIEJ GOSPODARKI Z PAKIETEM R Michał Rubaszek
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
WPŁYW PUBLIKACJI DANYCH MAKROEKONOMICZNYCH NA KURS EUR/PLN W KONTEKŚCIE BADANIA MIKROSTRUKTURY RYNKU
METODY ILOŚCIOWE W BADANIACH EKONOMICZNYCH Tom XII/2, 2011, sr. 48 57 WPŁYW PUBLIKACJI DANYCH MAKROEKONOMICZNYCH NA KURS EUR/PLN W KONTEKŚCIE BADANIA MIKROSTRUKTURY RYNKU Kaarzyna Bień-Barkowska 1 Insyu
Modelowanie i analiza szeregów czasowych
Modelowanie i analiza szeregów czasowych Małgorzaa Doman Plan zajęć Część. Modelowanie szeregów jednowymiarowych.. Szeregi jednowymiarowe własności i diagnozowanie. Modele auoregresji i średniej ruchomej
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
Jacek 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
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
WYBRANE TESTY NIEOBCIĄŻONOŚCI MIAR RYZYKA NA PRZYKŁADZIE VALUE AT RISK
Przemysław Jeziorski Uniwersye Ekonomiczny w Kaowicach Wydział Informayki i Komunikacji Zakład Demografii i Saysyki Ekonomicznej przemyslaw.jeziorski@ue.kaowice.pl WYBRANE TESTY NIEOBCIĄŻONOŚCI MIAR RYZYKA
Politechnika 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
Daniel Papla Akademia Ekonomiczna we Wrocławiu. Wykorzystanie modelu DCC-MGARCH w analizie zmian zależności wybranych akcji GPW w Warszawie
DYNAMICZNE MODELE EKONOMETRYCZNE X Ogólnopolskie Seminarium Naukowe, 4 6 września 27 w Toruniu Kaedra Ekonomerii i Saysyki, Uniwersye Mikołaja Kopernika w Toruniu Akademia Ekonomiczna we Wrocławiu Wykorzysanie
Zajęcia 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
ANALIZA POWIĄZAŃ MIĘDZY INDEKSAMI GIEŁDY FRANCUSKIEJ, HOLENDERSKIEJ I BELGIJSKIEJ Z WYKORZYSTANIEM MODELU KOREKTY BŁĘDEM
Sudia Ekonomiczne. Zeszyy Naukowe Uniwersyeu Ekonomicznego w Kaowicach ISSN 083-86 Nr 89 06 Uniwersye Ekonomiczny w Kaowicach Wydział Ekonomii Kaedra Meod Saysyczno-Maemaycznych w Ekonomii pawel.prenzena@edu.ueka.pl
Mechanizm transmisji polityki pieniężnej-współczesne ramy teoretyczne, nowe wyniki empiryczne dla Polski
Mechanizm ransmisji poliyki pieniężnej-współczesne ramy eoreyczne, nowe wyniki empiryczne dla Polski Ryszard Kokoszczyński, Tomasz Łyziak 2, Małgorzaa Pawłowska 3, Jan Przysupa 4, Ewa Wróbel 5 Wrzesień
Estymacja 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
Politechnika Gdańska Wydział Elektrotechniki i Automatyki Katedra Inżynierii Systemów Sterowania. Podstawy Automatyki
Poliechnika Gdańska Wydział Elekroechniki i Auomayki Kaedra Inżynierii Sysemów Serowania Podsawy Auomayki Repeyorium z Podsaw auomayki Zadania do ćwiczeń ermin T15 Opracowanie: Kazimierz Duzinkiewicz,
PUNKTOWA I PRZEDZIAŁOWA PREDYKCJA PRZEWOZÓW PASAŻERÓW W ŻEGLUDZE PROMOWEJ NA BAŁTYKU W LATACH 2008 2010
STUDIA I PRACE WYDZIAŁU NAUK EKONOMICZNYCH I ZARZĄDZANIA NR 15 Chrisian Lis PUNKTOWA I PRZEDZIAŁOWA PREDYKCJA PRZEWOZÓW PASAŻERÓW W ŻEGLUDZE PROMOWEJ NA BAŁTYKU W LATACH 2008 2010 Wprowadzenie Przedmioem
Dynamiczne zależności na polskim rynku pracy w metodologii SVECM
11 Baromer Regionalny Nr 1(19) 21 Dynamiczne zależności na polskim rynku pracy w meodologii SVECM Rober Paer Wyższa Szkoła Informayki i Zarządzania w Rzeszowie Sreszczenie: W arykule dokonano analizy dynamicznych
SOE PL 2009 Model DSGE
Zeszy nr 25 SOE PL 29 Model DSGE Warszawa, 2 r. , SOE PL 29 Konak: B Bohdan.Klos@mail.nbp.pl T ( 48 22) 653 5 87 B Grzegorz.Grabek@mail.nbp.pl T ( 48 22) 585 4 8 B Grzegorz.Koloch@mail.nbp.pl T ( 48 22)
Klasyfikacja modeli. Metoda najmniejszych kwadratów
Konspek ekonomeria: Weryfikacja modelu ekonomerycznego Podręcznik: Ekonomeria i badania operacyjne, red. nauk. Marek Gruszczyński, Maria Podgórska, omasz Kuszewski (ale można czyać dowolny podręcznik do
Wykład 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
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
Metody 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
Analiza 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
Wykład 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
MAKROEKONOMIA 2. Wykład 3. Dynamiczny model DAD/DAS, część 2. Dagmara Mycielska Joanna Siwińska - Gorzelak
MAKROEKONOMIA 2 Wykład 3. Dynamiczny model DAD/DAS, część 2 Dagmara Mycielska Joanna Siwińska - Gorzelak 2 Plan wykładu Zakłócenia w modelu DAD/DAS: Wzros produkcji poencjalnej; Zakłócenie podażowe o sile
Stanisław 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
Identyfikacja wahań koniunkturalnych gospodarki polskiej
Rozdział i Idenyfikacja wahań koniunkuralnych gospodarki polskiej dr Rafał Kasperowicz Uniwersye Ekonomiczny w Poznaniu Kaedra Mikroekonomii Sreszczenie Celem niniejszego opracowania jes idenyfikacja wahao
Dynamiczne stochastyczne modele równowagi ogólnej
Dynamiczne stochastyczne modele równowagi ogólnej mgr Anna Sulima Instytut Matematyki UJ 8 maja 2012 mgr Anna Sulima (Instytut Matematyki UJ) Dynamiczne stochastyczne modele równowagi ogólnej 8 maja 2012
Zarządzanie 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
Porównanie 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.
Klasyfikacja 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 -
Stały czy płynny? Model PVEC realnego kursu walutowego dla krajów Europy Środkowo-Wschodniej implikacje dla Polski
Maeriały i Sudia nr 312 Sały czy płynny? Model PVEC realnego kursu waluowego dla krajów Europy Środkowo-Wschodniej implikacje dla Polski Pior Kębłowski Maeriały i Sudia nr 312 Sały czy płynny? Model PVEC
PROGNOZOWANIE I SYMULACJE EXCEL 2 AUTOR: MARTYNA MALAK PROGNOZOWANIE I SYMULACJE EXCEL 2 AUTOR: MARTYNA MALAK
1 PROGNOZOWANIE I SYMULACJE 2 hp://www.oucome-seo.pl/excel2.xls DODATEK SOLVER WERSJE EXCELA 5.0, 95, 97, 2000, 2002/XP i 2003. 3 Dodaek Solver jes dosępny w menu Narzędzia. Jeżeli Solver nie jes dosępny
Krzysztof Piontek MODELOWANIE ZMIENNOŚCI STÓP PROCENTOWYCH NA PRZYKŁADZIE STOPY WIBOR
Inwesycje finansowe i ubezpieczenia endencje świaowe a rynek polski Krzyszof Pionek Akademia Ekonomiczna we Wrocławiu MODELOWANIE ZMIENNOŚCI STÓP PROCENTOWYCH NA PRZYKŁADZIE STOPY WIBOR Wsęp Konieczność
Ocena 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
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
Metoda 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
Struktura 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
Wskazówki projektowe do obliczania nośności i maksymalnego zanurzenia statku rybackiego na wstępnym etapie projektowania
CEPOWSKI omasz 1 Wskazówki projekowe do obliczania nośności i maksymalnego zanurzenia saku rybackiego na wsępnym eapie projekowania WSĘP Celem podjęych badań było opracowanie wskazówek projekowych do wyznaczania
Czy prowadzona polityka pieniężna jest skuteczna? Jaki ma wpływ na procesy
Dobromił Serwa Reakcje rynków finansowych na szoki w poliyce pieniężnej.. Wsęp Czy prowadzona poliyka pieniężna jes skueczna? Jaki ma wpływ na procesy ekonomiczne zachodzące w kraju? Czy jes ona równie
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 Uniwersye Mikołaja Kopernika Empiryczna
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 XXXIX NAUKI HUMANISTYCZNO-SPOŁECZNE ZESZYT 389 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 XXXIX NAUKI HUMANISTYCZNO-SPOŁECZNE ZESZYT 389 TORUŃ 2009 Uniwersye Mikołaja Kopernika w Toruniu Kaedra Ekonomerii i Saysyki Jarosław
Nierównowaga na rynku kredytowym w Polsce: założenia i wyniki
Maszynopis arykułu: Marzec J. 011, Nierównowaga na rynku kredyowym w Polsce: założenia i wyniki, w: Meody maemayczne, ekonomeryczne i kompuerowe w finansach i ubezpieczeniach, (red. A. Barczak i S. Barczak),
PROGNOZOWANIE 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
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
WYKORZYSTANIE TESTU OSTERBERGA DO STATYCZNYCH OBCIĄŻEŃ PRÓBNYCH PALI
Prof. dr hab.inż. Zygmun MEYER Poliechnika zczecińska, Kaedra Geoechniki Dr inż. Mariusz KOWALÓW, adres e-mail m.kowalow@gco-consul.com Geoechnical Consuling Office zczecin WYKORZYAIE EU OERERGA DO AYCZYCH
Matematyka ubezpieczeń majątkowych r. ma złożony rozkład Poissona. W tabeli poniżej podano rozkład prawdopodobieństwa ( )
Zadanie. Zmienna losowa: X = Y +... + Y N ma złożony rozkład Poissona. W abeli poniżej podano rozkład prawdopodobieńswa składnika sumy Y. W ejże abeli podano akże obliczone dla k = 0... 4 prawdopodobieńswa
ZJAWISKA SZOKOWE W ROZWOJU GOSPODARCZYM WYBRANYCH KRAJÓW UNII EUROPEJSKIEJ
Anna Janiga-Ćmiel Uniwersye Ekonomiczny w Kaowicach Wydział Zarządzania Kaedra Maemayki anna.janiga-cmiel@ue.kaowice.pl ZJAWISKA SZOKOWE W ROZWOJU GOSPODARCZYM WYBRANYCH KRAJÓW UNII EUROPEJSKIEJ Sreszczenie:
ROCZNIKI INŻYNIERII BUDOWLANEJ ZESZYT 7/2007 Komisja Inżynierii Budowlanej Oddział Polskiej Akademii Nauk w Katowicach
ROZNIKI INŻYNIERII BUDOWLANEJ ZESZYT 7/007 Komisja Inżynierii Budowlanej Oddział Polskiej Akademii Nauk w Kaowicach WYZNAZANIE PARAMETRÓW FUNKJI PEŁZANIA DREWNA W UJĘIU LOSOWYM * Kamil PAWLIK Poliechnika