CAPM i APT. Ekonometria finansowa
|
|
- Antonina Piekarska
- 6 lat temu
- Przeglądów:
Transkrypt
1 CAPM APT Ekonometra fnansowa 1
2 Lteratura Elton, Gruber, Brown, Goetzmann (2007) Modern portfolo theory and nvestment analyss, John Wley and Sons. (rozdz [, 5, 7]) Campbell, Lo, MacKnlay (1997) The econometrcs of fnancal markets, Prnceton Unversty Press. (rozdz. 5, 6) Cuthbertson, Ntzsche (2010) Quanttatve fnancal economcs, John Wley and Sons (rozdz. 5 8) 2
3 Captal Asset Prcng Model Autorzy (nezależne) Sharpe (1964) Lntner (1965) Mossn (1966) APT oss (1976, 1977) 3
4 Zastosowana CAPM Odpowedna mara ryzyka dla każdego nstrumentu, relacja mędzy stopą zwrotu ryzykem dla każdego nstrumentu Pozwala wylczyć oczekwaną stopę zwrotu (szacowane kosztu kaptału, ocena portfela nwestycyjnego, analzy zdarzeń) 4
5 Założena CAPM Brak kosztów transakcyjnych Aktywa fnansowe neskończene podzelne Brak podatku dochodowego Pojedynczy nwestor ne jest w stane zmenć ceny nstrumentu fnansowego (konkurencja doskonała) Inwestorzy podejmują decyzje wyłączne na podstawe wartośc oczekwanych zwrotów odchyleń standardowych swoch portfel 5
6 Założena CAPM (c.d.) Krótka sprzedaż neogranczona Neogranczona możlwość pożyczana po stope procentowej bez ryzyka Inwestorzy są homogenczn w swoch oczekwanach dotyczących: stóp zwrotu, odchyleń standardowych, korelacj mędzy nstrumentam w danym okrese okresu oceny nwestycj (horyzont nwestycyjny) Wszystke aktywa są na sprzedaż 6
7 CAPM krótke wprowadzene Źródło: 7
8 8 CAPM krótke wprowadzene Granca portfel efektywnych (effcent fronter) Prosta CML (captal market lne) wyznacza model CAPM: Portfel efektywny leży na prostej CML ( F ) M M e F e M F M F e + = + = σ σ σ σ
9 Interpreptacja e = F + (Oczekwany zwrot)=(cena czasu)+(cena ryzyka)x(welkość ryzyka) σ M M F σ e Wszyscy nwestorzy utrzymują dentyczny portfel ryzykownych aktywów portfel rynkowy (market portfolo) 9
10 CAPM krótke wprowadzene Dla pojedynczego nstrumentu lub portfela (efektywnego lub neefektywnego): = F + β ( M F ) 10
11 Wyprowadzene (szybke) Prawdzwy jest model jednoczynnkowy = α + β M Stopa zwrotu z portfela jest lnową funkcją β Dla nwestycj bez ryzyka: = a + F = a + b β b(0) β = 0 11
12 Wyprowadzene (szybke) c.d. Dla nwestycj w portfel rynkowy: β =1 M = a + b = b(1) ( M a) = ( M F ) Czyl prawdzwy jest model: β = σ σ M 2 M = + β ( F ) = F F + M M σ M F σ σ M M 12
13 Interpretacja bety Mara zależnośc zwrotu z portfela od zwrotu z portfela rynkowego Indeks ryzyka systematycznego/ nedywersyfkowalnego (systematc rsk) Inwestor oczekuje dodatkowego zwrotu za ryzyko nedywersyfkowalne a ne za to, które da sę usunąć poprzez dywersyfkację portfela 13
14 ozszerzena CAPM Krótka sprzedaż nedozwolona brak wpływu Nemożlwe pożyczane po stope wolnej od ryzyka: = + β ( Z ) zero-beta CAPM / two-factor model Opodatkowane zysków Heterogenczne oczekwana Z Welookresowy CAPM, Mult-beta CAPM, Consumpton-orented CAPM, tp. M 14
15 Wynk empryczne Założene: model rynkowy prawdzwy = α + β + e Wartość oczekwana z modelu: po odjęcu równań powyżej: ale t Końcowy model: t = + β ( F ) F = α + β Mt M Mt M M t = + β ( ) + t t = F F + β ( = β ( e Mt Mt t F F ) + ) + e e t t 15
16 Sposoby szacowana parametrów modelu CAPM standardowy CAPM Kowarancja m oraz warancja m z próby KMNK model regresj + GACH warunkowy CAPM EWMA MGACH (np. GACH-BEKK), GACH-M UMM modele przestrzen stanów 16
17 Sposoby szacowana CAPM (1) Model CAPM: E( t ) F = β( E( Mt ) F ) można zapsać wykorzystując własnośc statystyczne portfel jako: lub: cov( t, ) Mt E( t ) F = ( E( Mt ) F ) var( Mt ) = β ( ) + t F Mt F e t 17
18 Sposoby szacowana CAPM (2) Kowarancja m oraz warancja m z próby KMNK 18
19 Sposoby szacowana CAPM (3) Expotental Weghted Movng Average λ zwykle ustalane na pozome 0,94 lub podobnym wartośc startowe: kowarancja warancja z całej próby 19
20 20 Przykład: symulacja warunkowego modelu CAPM 0 0,2 0,4 0,6 0,8 1 1,2 1, cov(,m) var(m) beta
21 Hpotezy do testowana Im wyższe ryzyko (beta) tym wyższe stopy zwrotu Stopy zwrotu lnowo zwązane z betą Brak dodatkowego zwrotu za ryzyko nerynkowe (nesystematyczne) Odchylena od równowag losowe, ne pozwalają uzyskać nadzwyczajnych zysków 21
22 Założena do testowana Model rynkowy prawdzwy w każdym okrese Model CAPM prawdzwy w każdym okrese Parametr β stablny w czase 22
23 Testy empryczne CAPM Sharpe, Cooper (1972) oszacowal bety dla welu akcj (60 mesęcy danych), model rynkowy w każdym roku ( ) dzell akcje na 10 grup o podobnych betach Wynk: utrzymywane portfel z wększym betam daje w długm okrese wyższe stopy zwrotu lnowa zależność mędzy betą zwrotam = 5, ,75β 23
24 Testy empryczne CAPM Lntner / powtórzone przez Douglasa (1968) Model rynkowy, roczne szereg czasowe ( ), beta dla 301 spółek Druge równane: = a 1 Oczekwane wartośc: a + a 2 b = 0, a1 = F (lub Z ), a2 + a 3 S 2 e + η (lub 3 M F M Z = ) Wynk: a1 za duże, a2 za małe, a3 za duże, CAPM ne dzała 24
25 Testy empryczne CAPM Mller, Scholes (1972) Model do testowana CAPM przy pomocy szeregów czasowych pownen meć postać: = + β ( ) + e t Ft Mt Sprawdzć czy zależność mędzy zwrotam betą lnowa heteroskedastyczność składnka losowego zakłóca wynk testów Błędy oszacowań bety w perwszym równanu zanżają parametr przy bece w drugm, warancja reszt skorelowana z betą Dodatna skośność zwrotów warancja reszt skorelowana ze zwrotam z portfela Ft t 25
26 Testy empryczne CAPM Black, Jensen, Scholes (1972): = α + β ( ) + t Ft Mt 5 lat danych, wybór 10 portfel na następny rok zgodne z wartoścam bet, przesunęce o rok okna 5 lat, td. (w sume 35 lat danych) Oblczone zwroty z 10 portfel za kolejne lata jako szereg czasowe, szacowane bety portfel Wynk: nadzwyczajne stopy zwrotu z portfel slne skorelowane z rynkowym, ale stałe różne od 0 Ft e t 26
27 Testy empryczne CAPM c.d. Jeśl prawdzwy model zero beta = (1 β ) + β + t Z Mt e t to α = )(1 β ) ( Z F stałe ujemne dla dużych bet dodatne dla małych zero beta CAPM prawdzwy regresja nadzwyczajnych zwrotów względem bety F = 0, ,01080β, zero beta CAPM prawdzwy 2 = 0,98 27
28 Testy empryczne CAPM Fama, MacBeth (1973) bety z 20 portfel oszacowanych w modelach szeregów czasowych egresja: dane przekrojowe, dla każdego mesąca z lat t 2 = 0t + γ1t β + γ 2tβ + γ 3t Oczekwane: E γ S + η ˆ γ 3 t ) = 0, E( ˆ γ 2t ) = 0, E( ˆ γ t ) > ( 1 e t 0 28
29 Testy empryczne CAPM c.d. Jeśl E ˆ γ ) 0, E( ˆ γ ) 0 to sprawdza sę ( 3 t = 2t = standardowy czy zero beta CAPM? Sprawdza sę wszystke parametry po czase czy far game? Wynk: E( ˆ γ 3 t ) = 0, autkorelacja( ˆ γ 3t ) = 0 E ˆ γ ) 0, autkorelacja( ˆ γ ) 0 ( 2 t = 2t = 0 ( ˆ γ 1 t ) < M F, E( ˆ γ 0t < E ) > autkorelacja( η ) = 0 t zero beta CAPM raczej nż standardowy CAPM F E ˆ γ ), E( ˆ γ ( 0t 1t ) 29
30 Arbtrage Prcng Theory Wykorzystuje prawo jednej ceny Bez założeń o użytecznośc, czy też o schemace średnej warancj ze stopy zwrotu ale założene o homogencznych oczekwanach stopy zwrotu każdego nstrumentu lnowo zwązane ze zborem ndeksów 30
31 APT - założena gdze: = a + b I + b I b I + E( e e j ) 1 = 0, 1 E[ e ( I I )] = E( e ) j j dla 0 2 e 2 = 0, Var( ) j = σ e j j e Tylko parametry b wpływają na ryzyko systematyczne 31
32 APT - założena wtedy: = λ + λ b + λ b λ b j j F = λ 0 λ 1 F = 1 td. Warunek arbtrażu jest prawdzwy dla każdego podzboru aktywów fnansowych (ne potrzeba portfela rynkowego) 32
33 Wynk empryczne Model weloczynnkowy (proces generujący dane) = a + b I + b I b I + e 1 Model APT = λ + λ b + λ b λ b Każdy portfel naczej reaguje na Ij Każdy czynnk Ij oddzałuje na węcej portfel Czynnk I ne są zdefnowane z góry b : zysk z dywdendy lub beta j j j j 33
34 Wynk empryczne Szacowane model APT: Jednoczesne szacowane b I Ustalene I szacowane b lambd Ustalene b szacowane lambd Analza czynnkowa ustalamy I b, tak by cov() medzy resztam była mnmalna 34
35 Testy empryczne APT Szacowane b + testowane lczby czynnków I egresje przekrojowe analogczne do Fama, MacBeth(1973): Błędy w szacunkach b Skalowane b lambd arbtralne 35
36 Testy empryczne oll, oss (1980) 42 grupy po 30 akcj, dzenne dane Analza czynnkowa: 5,6 czynnków. Druga regresja: 3 czynnk ważne. Dhrymes, Frend, Gultekn (1984) 3 czynnk dla 15 akcj, 7 dla 60 akcj 36
37 Testy empryczne Brown, Wensten (1983) testują: czy stała jest dentyczna w grupach czy lambdy dentyczne w grupach dla ustalonej stałej czy lambdy stała dentyczne w grupach Dhrymes, Frend, Gultekn (1984) Stała dentyczna lub ne w zależnośc od metody grupowana akcj Problem ze skalowanem 37
38 Testy empryczne Connor, Korajczyk (1986): asymmetrc prncple component analyss: 5 czynnków lepej wyjaśna wyższe stopy zwrotu z małych frm efekt styczna nż CAPM Elton, Gruber (1982) W Japon CAPM ne dzała (małe spółk mają nższe stopy zwrotu), APT jako standard 38
39 Testy empryczne Z góry ustalone b testowany wpływ na stopy zwrotu (jak Fama, MacBeth 1973) Sharpe (1982): beta ze S&P, dvdend yeld, welkość frmy, beta z oblgacjam, hstoryczne wartośc alfa (z regresj hstorycznych zwrotów na nadzwyczajne zwroty ze S&P) 2197 akcj, mesęczne dane Wynk sugerują APT. 39
40 Ustalone I : Chen, oll, oss (1986): nflacja, struktura termnowa stóp procentowych, prema za ryzyko, produkcja przemysłowa Czy skorelowane z I z analzy czynnkowej (oll, oss), czy I wyjaśnają stopy zwrotu? Tak, tak. Burmester,McElroy (1988): default rsk, tme premum, deflaton, przyrost oczekwanej sprzedaży, reszty z rynkowych stóp zwrotu APT model ne gorszy nż model czynnkowy lepszy nż CAPM 40
41 Ustalone I jako portfele (nekoneczne rynkowe) Fama, French (1993): różnca mędzy zwrotam z portfel małych dużych spółek, różnca mędzy zwrotam z portfel różnących sę B/M, term premum, default premum 41
42 42 APT CAPM Możlwa zgodność obu model b b λ λ λ + + = ) 1 ( 1 F M = λ β λ ) 2 ( 2 F M = λ β λ ) )( ( ) ( ) ( F M F F M F M b b b b + + = = + + = λ λ λ λ β β β β λ
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 szczegółowoPortfele zawierające walor pozbawiony ryzyka. Elementy teorii rynku kapitałowego
Portel nwestycyjny ćwczena Na podst. Wtold Jurek: Konstrukcja analza rozdzał 5 dr chał Konopczyńsk Portele zawerające walor pozbawony ryzyka. lementy teor rynku kaptałowego 1. Pożyczane penędzy amy dwa
Bardziej szczegółowo3. Optymalizacja portfela inwestycyjnego Model Markowitza Model jednowskaźnikowy Sharpe a Model wyceny aktywów kapitałowych CAPM
3. Optymalizacja portfela inwestycyjnego Model Markowitza Model jednowskaźnikowy Sharpe a Model wyceny aktywów kapitałowych CAPM Oczekiwana stopa zwrotu portfela dwóch akcji: E(r p ) = w 1 E(R 1 ) + w
Bardziej szczegółowo= 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 szczegółowoStanisław 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 szczegółowoStanisław 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 szczegółowodr hab. Renata Karkowska 1
dr hab. Renata Karkowska 1 Miary zmienności: obrazują zmiany cen, stóp zwrotu instrumentów finansowych, opierają się na rozproszeniu ich rozkładu, tym samym uśredniają ryzyko: wariancja stopy zwrotu, odchylenie
Bardziej szczegółowoNatalia 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) 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 szczegółowoModele wyceny ryzykownych aktywów CAPM
Modele wyceny ryzykownych aktywów CAPM opracował: Grzegorz Szafrański (UŁ) 1 Literatura: Przygotowano na podstawie: K. Cuthbertson, D. Nitzsche, Quantitative Financial Economics, J. Wiley & Sons, 004.
Bardziej szczegółowoNatalia 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 szczegółowoNatalia 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 szczegółowoβ i oznaczmy współczynnik Beta i-tego waloru, natomiast przez β w - Betę całego portfela. Wykaż, że prawdziwa jest następująca równość
Zestaw 7 1. (Egzamin na doradcę inwestycyjnego, I etap, 2013) Współczynnik beta akcji spółki ETA wynosi 1, 3, a stopa zwrotu z portfela rynkowego 9%. Jeżeli oczekiwna stopa zwrotu z akcji spółki ETA wynosi
Bardziej szczegółowoWeryfikacja 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 szczegółowoBADANIE STABILNOŚCI WSPÓŁCZYNNIKA BETA AKCJI INDEKSU WIG20
Darusz Letkowsk Unwersytet Łódzk BADANIE STABILNOŚCI WSPÓŁCZYNNIKA BETA AKCJI INDEKSU WIG0 Wprowadzene Teora wyboru efektywnego portfela nwestycyjnego zaproponowana przez H. Markowtza oraz jej rozwnęca
Bardziej szczegółowoStanisław 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 szczegółowoKURS STATYSTYKA. Lekcja 6 Regresja i linie regresji ZADANIE DOMOWE. www.etrapez.pl Strona 1
KURS STATYSTYKA Lekcja 6 Regresja lne regresj ZADANIE DOMOWE www.etrapez.pl Strona 1 Część 1: TEST Zaznacz poprawną odpowedź (tylko jedna jest prawdzwa). Pytane 1 Funkcja regresj I rodzaju cechy Y zależnej
Bardziej szczegółowoStanisław Cichocki. Natalia Nehrebecka. Wykład 6
Stansław Cchock Natala Nehrebecka Wykład 6 1 1. Zastosowane modelu potęgowego Model potęgowy Przekształcene Boxa-Coxa 2. Zmenne cągłe za zmenne dyskretne 3. Interpretacja parametrów przy zmennych dyskretnych
Bardziej szczegółowoWpływ płynności obrotu na kształtowanie się stopy zwrotu z akcji notowanych na Giełdzie Papierów Wartościowych w Warszawie
Agata Gnadkowska * Wpływ płynnośc obrotu na kształtowane sę stopy zwrotu z akcj notowanych na Gełdze Paperów Wartoścowych w Warszawe Wstęp Płynność aktywów na rynku kaptałowym rozumana jest przez nwestorów
Bardziej szczegółowoWERYFIKACJA 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 szczegółowoPrawdopodobieństwo 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( ) ( ) 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 szczegółowoSTATYSTYKA MATEMATYCZNA
STATYSTYKA MATEMATYCZNA. Wkład wstępn. Teora prawdopodobeństwa element kombnatork. Zmenne losowe ch rozkład 3. Populacje prób danch, estmacja parametrów 4. Testowane hpotez statstcznch 5. Test parametrczne
Bardziej szczegółowoStanisław 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 szczegółowoRachunek 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 szczegółowoSTATYSTYKA 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 szczegółowoRyzyko inwestycji. Ryzyko jest to niebezpieczeństwo niezrealizowania celu, założonego przy podejmowaniu określonej decyzji. 3.
PZEDMIIOT : EFEKTYWNOŚĆ SYSTEMÓW IINFOMTYCZNYCH 3. 3. Istota, defncje rodzaje ryzyka Elementem towarzyszącym każdej decyzj, w tym decyzj nwestycyjnej, jest ryzyko. Wynka to z faktu, że decyzje operają
Bardziej szczegółowoTEORIA PORTFELA MARKOWITZA
TEORIA PORTFELA MARKOWITZA Izabela Balwerz 28 maj 2008 1 Wstęp Teora portfela została stworzona w 1952 roku przez amerykańskego ekonomstę Harry go Markowtza Opera sę ona na mnmalzacj ryzyka nwestycyjnego
Bardziej szczegółowoNatalia Nehrebecka. Dariusz Szymański
Natala Nehrebecka Darusz Szymańsk . Sprawy organzacyjne Zasady zalczena Ćwczena Lteratura. Czym zajmuje sę ekonometra? Model ekonometryczny 3. Model lnowy Postać modelu lnowego Zaps macerzowy modelu dl
Bardziej szczegółowoBadanie 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 szczegółowoMarkowa. ZałoŜenia schematu Gaussa-
ZałoŜena scheatu Gaussa- Markowa I. Model jest nezennczy ze względu na obserwacje: f f f3... fl f, czyl y f (x, ε) II. Model jest lnowy względe paraetrów. y βo + β x +ε Funkcja a być lnowa względe paraetrów
Bardziej szczegółowoProf. dr hab. Jan Czekaj Katedra Rynków Finansowych Uniwersytet Ekonomiczny w Krakowie
Prof. dr hab. Jan Czekaj Katedra Rynków Fnansowych Unwersytet Ekonomczny w Krakowe Przegląd model wyceny nstrumentów fnansowych Początk nowoczesnej teor wyceny nstrumentów fnansowych sęgają początków drugej
Bardziej szczegółowo0 0,2 0, p 0,1 0,2 0,5 0, p 0,3 0,1 0,2 0,4
Zad. 1. Dana jest unkcja prawdopodobeństwa zmennej losowej X -5-1 3 8 p 1 1 c 1 Wyznaczyć: a. stałą c b. wykres unkcj prawdopodobeństwa jej hstogram c. dystrybuantę jej wykres d. prawdopodobeństwa: P (
Bardziej szczegółowoModelowanie Rynków Finansowych
Modelowanie Rynków Finansowych Zajęcia 2 Katarzyna Lada Paweł Sakowski Paweł Strawiński 23 lutego, 2009 Ryzyko inwestycyjne CAPM Ryzyko systematyczne vs. specyficzne Założenia modelu Model Specyfikacja
Bardziej szczegółowoW praktyce często zdarza się, że wyniki obu prób możemy traktować jako. wyniki pomiarów na tym samym elemencie populacji np.
Wykład 7 Uwaga: W praktyce często zdarza sę, że wynk obu prób możemy traktować jako wynk pomarów na tym samym elemence populacj np. wynk x przed wynk y po operacj dla tego samego osobnka. Należy wówczas
Bardziej szczegółowody dx stąd w przybliżeniu: y
Przykłady do funkcj nelnowych funkcj Törnqusta Proszę sprawdzć uzasadnć, które z podanych zdań są prawdzwe, a które fałszywe: Przykład 1. Mesęczne wydatk na warzywa (y, w jednostkach penężnych, jp) w zależnośc
Bardziej szczegółowoZarządzanie portfelem inwestycyjnym
Zarządzanie portfelem inwestycyjnym Dr hab. Renata Karkowska Wykład 3, 4 Renata Karkowska, Wydział Zarządzania 1 Wykład 3 - cel 3. Konstrukcja i zarządzanie portfelem inwestycyjnym 1. Cele i ograniczenia
Bardziej szczegółowoANALIZA I ZARZADZANIE PORTFELEM. Specjalista ds. Analiz Giełdowych Łukasz Porębski
ANALIZA I ZARZADZANIE PORTFELEM Specjalista ds. Analiz Giełdowych Łukasz Porębski PLAN PREZENTACJI 1) Efektywnośd rynków finansowych 2) Teoria portfela Markowitza (Nobel w 1990 r.) 3) Dywersyfikacja 4)
Bardziej szczegółowoDobór zmiennych objaśniających
Dobór zmennych objaśnających Metoda grafowa: Należy tak rozpąć graf na werzchołkach opsujących poszczególne zmenne, aby występowały w nm wyłączne łuk symbolzujące stotne korelacje pomędzy zmennym opsującym.
Bardziej szczegółowoAnaliza danych. Analiza danych wielowymiarowych. Regresja liniowa. Dyskryminacja liniowa. PARA ZMIENNYCH LOSOWYCH
Analza danych Analza danych welowymarowych. Regresja lnowa. Dyskrymnacja lnowa. Jakub Wróblewsk jakubw@pjwstk.edu.pl http://zajeca.jakubw.pl/ PARA ZMIENNYCH LOSOWYCH Parę zmennych losowych X, Y możemy
Bardziej szczegółowoStanisław 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 szczegółowoModelowanie rynków finansowych
Modelowanie rynków finansowych Przegląd zagadnień 8 października 2012 Główna przesłanka doboru tematów Koncepcje i techniki modelowe jako priorytet: Modele empiryczne bazujące na wiedzy teoretycznej Zakres
Bardziej szczegółowoAnaliza inwestycji i zarządzanie portfelem SPIS TREŚCI
Analiza inwestycji i zarządzanie portfelem Frank K. Reilly, Keith C. Brown SPIS TREŚCI TOM I Przedmowa do wydania polskiego Przedmowa do wydania amerykańskiego O autorach Ramy książki CZĘŚĆ I. INWESTYCJE
Bardziej szczegółowoMikroekonometria 13. Mikołaj Czajkowski Wiktor Budziński
Mkroekonometra 13 Mkołaj Czajkowsk Wktor Budzńsk Symulacje Analogczne jak w przypadku cągłej zmennej zależnej można wykorzystać metody Monte Carlo do analzy różnego rodzaju problemów w modelach gdze zmenna
Bardziej szczegółowoDywersyfikacja portfela poprzez inwestycje alternatywne. Prowadzący: Jerzy Nikorowski, Superfund TFI.
Dywersyfkacja ortfela orzez nwestycje alternatywne. Prowadzący: Jerzy Nkorowsk, Suerfund TFI. Część I. 1) Czym jest dywersyfkacja Jest to technka zarządzana ryzykem nwestycyjnym, która zakłada osadane
Bardziej szczegółowoZadane 1: Wyznacz średne ruchome 3-okresowe z następujących danych obrazujących zużyce energ elektrycznej [kwh] w pewnym zakładze w mesącach styczeń - lpec 1998 r.: 400; 410; 430; 40; 400; 380; 370. Zadane
Bardziej szczegółowoModel 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 szczegółowoStanisław 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 szczegółowoNatalia Nehrebecka Stanisław Cichocki. Wykład 10
Natala Nehrebecka Stansław Cchock Wykład 10 1 1. Testy dagnostyczne 2. Testowane prawdłowośc formy funkcyjnej modelu 3. Testowane normalnośc składnków losowych 4. Testowane stablnośc parametrów 5. Testowane
Bardziej szczegółowoZASTOSOWANIE METODY DEA W KLASYFIKACJI FUNDUSZY INWESTYCYJNYCH
PRZEGLĄD STATYSTYCZNY R. LVI ZESZYT 3-4 2009 ANNA ZAMOJSKA ZASTOSOWANIE METODY DEA W KLASYFIKACJI FUNDUSZY INWESTYCYJNYCH 1. WSTĘP Analza ocena wynków osąganyc przez fundusze nwestycyjne jest jednym z
Bardziej szczegółowoStanisław 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 szczegółowoZASTOSOWANIE MODELU MOTAD DO TWORZENIA PORTFELA AKCJI KLASYFIKACJA WARUNKÓW PODEJMOWANIA DECYZJI
Krzysztof Wsńsk Katedra Statystyk Matematycznej, AR w Szczecne e-mal: kwsnsk@e-ar.pl ZASTOSOWANIE MODELU MOTAD DO TWORZENIA PORTFELA AKCJI Streszczene: W artykule omówono metodologę modelu MOTAD pod kątem
Bardziej szczegółowoFunkcje i charakterystyki zmiennych losowych
Funkcje charakterystyk zmennych losowych Dr Joanna Banaś Zakład Badań Systemowych Instytut Sztucznej Intelgencj Metod Matematycznych Wydzał Informatyk Poltechnk Szczecńskej 5. Funkcje zmennych losowych
Bardziej szczegółowoRegresja liniowa i nieliniowa
Metody prognozowana: Regresja lnowa nelnowa Dr nż. Sebastan Skoczypec Zmenna losowa Zmenna losowa X zmenna, która w wynku pewnego dośwadczena przyjmuje z pewnym prawdopodobeństwem wartość z określonego
Bardziej szczegółowoKONSTRUKCJA OPTYMALNYCH PORTFELI Z ZASTOSOWANIEM METOD ANALIZY FUNDAMENTALNEJ UJĘCIE DYNAMICZNE
Adranna Mastalerz-Kodzs Unwersytet Ekonomczny w Katowcach KONSTRUKCJA OPTYMALNYCH PORTFELI Z ZASTOSOWANIEM METOD ANALIZY FUNDAMENTALNEJ UJĘCIE DYNAMICZNE Wprowadzene W dzałalnośc nstytucj fnansowych, takch
Bardziej szczegółowoEfektywność rynku w przypadku FOREX Weryfikacja hipotezy o efektywności dla FOREX FOREX. Jerzy Mycielski. 4 grudnia 2018
4 grudnia 2018 Zabezpieczony parytet stóp procentowych (CIP - Covered Interest Parity) Warunek braku arbitrażu: inwestycja w złotówkach powinna dać tę samą stopę zwrotu co całkowicie zabezpieczona inwestycja
Bardziej szczegółowoEkonometria egzamin 01/02/ W trakcie egzaminu wolno używać jedynie długopisu o innym kolorze atramentu niż czerwony oraz kalkulatora.
mę, nazwsko, nr ndeksu: Ekonometra egzamn 1//19 1. Egzamn trwa 9 mnut.. Rozwązywane zadań należy rozpocząć po ogłoszenu początku egzamnu a skończyć wraz z ogłoszenem końca egzamnu. Złamane tej zasady skutkuje
Bardziej szczegółowoELEKTROCHEMIA. ( i = i ) Wykład II b. Nadnapięcie Równanie Buttlera-Volmera Równania Tafela. Wykład II. Równowaga dynamiczna i prąd wymiany
Wykład II ELEKTROCHEMIA Wykład II b Nadnapęce Równane Buttlera-Volmera Równana Tafela Równowaga dynamczna prąd wymany Jeśl układ jest rozwarty przez elektrolzer ne płyne prąd, to ne oznacza wcale, że na
Bardziej szczegółowoStatystyka. Zmienne losowe
Statystyka Zmenne losowe Zmenna losowa Zmenna losowa jest funkcją, w której każdej wartośc R odpowada pewen podzbór zboru będący zdarzenem losowym. Zmenna losowa powstaje poprzez przyporządkowane każdemu
Bardziej szczegółowoModelowanie rynków finansowych
Modelowanie rynków finansowych Jerzy Mycielski WNE UW 5 października 2017 Jerzy Mycielski (WNE UW) Modelowanie rynków finansowych 5 października 2017 1 / 12 Podstawowe elementy teorii 1 racjonalne oczekiwania
Bardziej szczegółowoAnaliza danych OGÓLNY SCHEMAT. http://zajecia.jakubw.pl/ Dane treningowe (znana decyzja) Klasyfikator. Dane testowe (znana decyzja)
Analza danych Dane trenngowe testowe. Algorytm k najblższych sąsadów. Jakub Wróblewsk jakubw@pjwstk.edu.pl http://zajeca.jakubw.pl/ OGÓLNY SCHEMAT Mamy dany zbór danych podzelony na klasy decyzyjne, oraz
Bardziej szczegółowoBadania sondażowe. Braki danych Konstrukcja wag. Agnieszka Zięba. Zakład Badań Marketingowych Instytut Statystyki i Demografii Szkoła Główna Handlowa
Badana sondażowe Brak danych Konstrukcja wag Agneszka Zęba Zakład Badań Marketngowych Instytut Statystyk Demograf Szkoła Główna Handlowa 1 Błędy braku odpowedz Całkowty brak odpowedz (UNIT nonresponse)
Bardziej szczegółowoOPTYMALNE STRATEGIE INWESTYCYJNE PODEJŚCIE FUNDAMENTALNE OPTIMAL INVESTMENT STRATEGY FUNDAMENTAL ANALYSIS
ZESZYTY NAUKOWE POLITECHNIKI ŚLĄSKIEJ 2014 Sera: ORGANIZACJA I ZARZĄDZANIE z. 68 Nr kol. 1905 Adranna MASTALERZ-KODZIS Unwersytet Ekonomczny w Katowcach OPTYMALNE STRATEGIE INWESTYCYJNE PODEJŚCIE FUNDAMENTALNE
Bardziej szczegółowo8. Optymalizacja decyzji inwestycyjnych
dr nż. Zbgnew Tarapata: Optymalzacja decyzj nwestycyjnych, cz.ii 8. Optymalzacja decyzj nwestycyjnych W rozdzale 8, część I przedstawono elementarne nformacje dotyczące metod oceny decyzj nwestycyjnych.
Bardziej szczegółowoBadanie współzaleŝności dwóch cech ilościowych X i Y. Analiza korelacji prostej. Badanie zaleŝności dwóch cech ilościowych. Analiza regresji prostej
Badane współzaleŝnośc dwóch cech loścowych X Y. Analza korelacj prostej Badane zaleŝnośc dwóch cech loścowych. Analza regresj prostej Kody znaków: Ŝółte wyróŝnene nowe pojęce czerwony uwaga kursywa komentarz
Bardziej szczegółowoMODELOWANIE LICZBY SZKÓD W UBEZPIECZENIACH KOMUNIKACYJNYCH W PRZYPADKU WYSTĘPOWANIA DUŻEJ LICZBY ZER, Z WYKORZYSTANIEM PROCEDURY KROSWALIDACJI
Alcja Wolny-Domnak Unwersytet Ekonomczny w Katowcach MODELOWANIE LICZBY SZKÓD W UBEZPIECZENIACH KOMUNIKACYJNYCH W PRZYPADKU WYSTĘPOWANIA DUŻEJ LICZBY ZER, Z WYKORZYSTANIEM PROCEDURY KROSWALIDACJI Wprowadzene
Bardziej szczegółowoRozmyta efektywność portfela
Krzysztof PIASECKI Akadema Ekonomczna w Poznanu Problem badawczy Rozmyta ektywność portfela Buckley [] Calz [] zaproponowal reprezentowane wartośc przyszłych nwestycj fnansowych przy pomocy lczb rozmytych.
Bardziej szczegółowoMikroekonometria 10. Mikołaj Czajkowski Wiktor Budziński
Mkroekonometra 10 Mkołaj Czajkowsk Wktor Budzńsk Wybór uporządkowany Wybór uporządkowany (ang. ordered choce) Wybór jednej z welkośc na podanej skal Skala wartośc są uporządkowane Przykłady: Oceny konsumencke
Bardziej szczegółowoMikroekonometria 15. Mikołaj Czajkowski Wiktor Budziński
Mkroekonometra 15 Mkołaj Czajkowsk Wktor Budzńsk Mkroekonometra podsumowane kursu Zagadnena ogólne NLOGIT Metoda maksymalzacj funkcj ML Testy statystyczne Metody numeryczne, symulacje Metody wyceny nerynkowej
Bardziej szczegółowoIID = 2. i i i i. x nx nx nx
Zadane Analzujemy model z jedną zmenną objaśnającą bez wyrazu wolnego: y = β x + ε, ε ~ (0, σ ), gdze x jest nelosowe.. Wyznacz estymator MNK parametru β oraz oblcz jego warancję. (4 pkt) y. Zaproponowano
Bardziej szczegółowoZadanie 1. Zadanie 2. Zadanie 3
Zadanie 1 Inwestor rozważa nabycie obligacji wieczystej (konsoli), od której będzie otrzymywał na koniec każdego półrocza kupon w wysokości 80 zł. Wymagana przez inwestora stopa zwrotu w terminie do wykupu
Bardziej szczegółowoEkonometryczne 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 szczegółowoAnaliza zależności zmiennych ilościowych korelacja i regresja
Analza zależnośc zmennych loścowych korelacja regresja JERZY STEFANOWSKI Instytut Informatyk Poltechnka Poznańska Plan wykładu 1. Lnowa zależność mędzy dwoma zmennym: Prosta regresja Metoda najmnejszych
Bardziej szczegółowo-ignorowanie zmiennej wartości pieniądza w czasie, -niemoŝność porównywania projektów o róŝnych klasach ryzyka.
Podstawy oceny ekonomcznej przedsęwzęć termo-modernzacyjnych modernzacyjnych -Proste (statyczne)-spb (prosty czas zwrotu nakładów nwestycyjnych) -ZłoŜone (dynamczne)-dpb, NPV, IRR,PI Cechy metod statycznych:
Bardziej szczegółowoZastosowanie wielowymiarowej analizy porównawczej w doborze spó³ek do portfela inwestycyjnego Zastosowanie wielowymiarowej analizy porównawczej...
Adam Waszkowsk * Adam Waszkowsk Zastosowane welowymarowej analzy porównawczej w doborze spó³ek do portfela nwestycyjnego Zastosowane welowymarowej analzy porównawczej... Wstêp Na warszawskej Ge³dze Paperów
Bardziej szczegółowoINWESTYCJE Instrumenty finansowe, ryzyko SPIS TREŚCI
INWESTYCJE Instrumenty finansowe, ryzyko Jajuga Krzysztof, Jajuga Teresa SPIS TREŚCI Przedmowa Wprowadzenie - badania w zakresie inwestycji i finansów Literatura Rozdział 1. Rynki i instrumenty finansowe
Bardziej szczegółowoZeszyty 8 (956) Michał Kasolik. Streszczenie. Uniwersytet Ekonomiczny w Krakowie Naukowe
Zeszyty Uniwersytet Ekonomiczny w Krakowie Naukowe 8 (956) ISSN 1898-6447 Zesz. Nauk. UEK, 2016; 8 (956): 23 34 DOI: 10.15678/ZNUEK.2016.0956.0802 Weryfikacja przydatności modelu CAPM do wyceny instrumentów
Bardziej szczegółowoValue at Risk (VaR) Jerzy Mycielski WNE. Jerzy Mycielski (Institute) Value at Risk (VaR) / 16
Value at Risk (VaR) Jerzy Mycielski WNE 2018 Jerzy Mycielski (Institute) Value at Risk (VaR) 2018 1 / 16 Warunkowa heteroskedastyczność O warunkowej autoregresyjnej heteroskedastyczności mówimy, gdy σ
Bardziej szczegółowoExcel i VBA w analizach i modelowaniu finansowym Pomiar ryzyka. Pomiar ryzyka
Pomiar ryzyka Miary obiektywne stosowane w kwantyfikacji ryzyka rynkowego towarzyszącego zaangażowaniu środków w inwestycjach finansowych obejmują: Miary zmienności, Miary zagrożenia, Miary wrażliwości.
Bardziej szczegółowoMatematyka finansowa r.
. Sprawdź, tóre z ponższych zależnośc są prawdzwe: () = n n a s v d v d d v v d () n n m ) ( n m ) ( v a d s ) m ( = + & & () + = = + = )! ( ) ( δ Odpowedź: A. tylo () B. tylo () C. tylo () oraz () D.
Bardziej szczegółowoPattern Classification
attern Classfcaton All materals n these sldes were taken from attern Classfcaton nd ed by R. O. Duda,. E. Hart and D. G. Stork, John Wley & Sons, 000 wth the permsson of the authors and the publsher Chapter
Bardziej szczegółowoINWESTOWANIE W SEKTORZE ENERGETYCZNYM, PALIWOWYM I SUROWCOWYM NA GPW W WARSZAWIE Z UŻYCIEM MODELI SHARPE A I MARKOWITZA
Studa Ekonomczne. Zeszyty Naukowe Unwersytetu Ekonomcznego w Katowcach ISSN 2083-8611 Nr 298 2016 Współczesne Fnanse 7 Adranna Mastalerz-Kodzs Unwersytet Ekonomczny w Katowcach Wydzał Zarządzana Katedra
Bardziej szczegółowoMatematyka 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 szczegółowoRozkład dwupunktowy. Rozkład dwupunktowy. Rozkład dwupunktowy x i p i 0 1-p 1 p suma 1
Rozkład dwupunktowy Zmenna losowa przyjmuje tylko dwe wartośc: wartość 1 z prawdopodobeństwem p wartość 0 z prawdopodobeństwem 1- p x p 0 1-p 1 p suma 1 Rozkład dwupunktowy Funkcja rozkładu prawdopodobeństwa
Bardziej szczegółowoI. Elementy analizy matematycznej
WSTAWKA MATEMATYCZNA I. Elementy analzy matematycznej Pochodna funkcj f(x) Pochodna funkcj podaje nam prędkość zman funkcj: df f (x + x) f (x) f '(x) = = lm x 0 (1) dx x Pochodna funkcj podaje nam zarazem
Bardziej szczegółowoMetody predykcji analiza regresji
Metody predykcj analza regresj TPD 008/009 JERZY STEFANOWSKI Instytut Informatyk Poltechnka Poznańska Przebeg wykładu. Predykcja z wykorzystanem analzy regresj.. Przypomnene wadomośc z poprzednch przedmotów..
Bardziej szczegółowoAnaliza regresji modele ekonometryczne
Analza regresj modele ekonometryczne Klasyczny model regresj lnowej - przypadek jednej zmennej objaśnającej. Rozpatrzmy klasyczne zagadnene zależnośc pomędzy konsumpcją a dochodam. Uważa sę, że: - zależność
Bardziej szczegółowoAnaliza korelacji i regresji
Analza korelacj regresj Zad. Pewen zakład produkcyjny zatrudna pracownków fzycznych. Ich wydajność pracy (Y w szt./h) oraz mesęczne wynagrodzene (X w tys. zł) przedstawa ponższa tabela: Pracownk y x A
Bardziej szczegółowoSzacowanie optymalnego systemu Bonus-Malus przy pomocy Pseudo-MLE. Joanna Sawicka
Szacowanie optymalnego systemu Bonus-Malus przy pomocy Pseudo-MLE Joanna Sawicka Plan prezentacji Model Poissona-Gamma ze składnikiem regresyjnym Konstrukcja optymalnego systemu Bonus- Malus Estymacja
Bardziej szczegółowoWYKORZYSTANIE WSPÓŁCZYNNIKA GINIEGO DO OCENY RYZYKA SYSTEMATYCZNEGO
METODY ILOŚCIOWE W BADANIACH EKONOMICZNYCH To XI/, 010, str. 01 10 WYKORZYSTANIE WSPÓŁCZYNNIKA GINIEGO DO OCENY RYZYKA SYSTEMATYCZNEGO Elżbeta Majewska Instytut Mateatyk, Unwersytet w Bałystoku e-al: ela@ath.uwb.edu.pl
Bardziej szczegółowoProces 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 szczegółowoModel CAPM z ryzykiem płynności na polskim rynku kapitałowym
UNIWERSYTET SZCZECIŃSKI Z e s z y y Naukowe nr 858 Współczesne Problemy Ekonomczne DOI: 10.18276/wpe.2015.11-18 Sebasan Porowsk* odel CAP z ryzykem płynnośc na polskm rynku kapałowym Słowa kluczowe: eora
Bardziej szczegółowoKlasyfkator lnowy Wstęp Klasyfkator lnowy jest najprostszym możlwym klasyfkatorem. Zakłada on lnową separację lnowy podzał dwóch klas mędzy sobą. Przedstawa to ponższy rysunek: 5 4 3 1 0-1 - -3-4 -5-5
Bardziej szczegółowoAnaliza zdarzeń Event studies
Analiza zdarzeń Event studies Dobromił Serwa akson.sgh.waw.pl/~dserwa/ef.htm Leratura Campbell J., Lo A., MacKinlay A.C.(997) he Econometrics of Financial Markets. Princeton Universy Press, Rozdział 4.
Bardziej szczegółowoZastosowanie wybranych miar płynności aktywów kapitałowych na Giełdzie Papierów Wartościowych w Warszawie S.A.
Joanna Olbryś * Zastosowane wybranych mar płynnośc aktywów kaptałowych na Gełdze Paperów Wartoścowych w Warszawe S.A. Wstęp Płynność aktywu kaptałowego ne jest zmenną obserwowalną [Acharya, Pedersen, 2005,
Bardziej szczegółowoModel CAPM z ryzykiem płynności na polskim rynku kapitałowym
UNIWERSYTET SZCZECIŃSKI Zeszyy Naukowe nr 858 Wspó łczesne Problemy Ekonomczne n r 11 ( 2 0 1 5 DOI: 10.18276/wpe.2015.11-18 Sebasan Porowsk* Model CAPM z ryzykem płynnośc na polskm rynku kapałowym Słowa
Bardziej szczegółowoMikroekonometria 10. Mikołaj Czajkowski Wiktor Budziński
Mkroekonometra 10 Mkołaj Czajkowsk Wktor Budzńsk Jak analzować dane o charakterze uporządkowanym? Dane o charakterze uporządkowanym Wybór jednej z welkośc na uporządkowanej skal Skala ne ma nterpretacj
Bardziej szczegółowoO PEWNEJ WŁASNOŚCI ZBIORU MINIMALNEGO RYZYKA
STUDIA I PRACE WYDZIAŁU NAUK EKONOMICZNYCH I ZARZĄDZANIA NR 2 137 HENRYK KOWGIER Uniwersytet Szczeciński O PEWNEJ WŁASNOŚCI ZBIORU MINIMALNEGO RYZYKA Wprowadzenie W artykule zbadano własność zbioru minimalnego
Bardziej szczegółowoStatystyka Opisowa 2014 część 2. Katarzyna Lubnauer
Statystyka Opsowa 2014 część 2 Katarzyna Lubnauer Lteratura: 1. Statystyka w Zarządzanu Admr D. Aczel 2. Statystyka Opsowa od Podstaw Ewa Waslewska 3. Statystyka, Lucjan Kowalsk. 4. Statystyka opsowa,
Bardziej szczegółowoEFEKT PRZEDZIAŁOWY WSPÓŁCZYNNIKA DETERMINACJI MODELU RYNKU
OPTIMUM. STUDIA EKONOMICZNE NR 2 (68) 2014 Joanna OLBRYŚ 1 EFEKT PRZEDZIAŁOWY WSPÓŁCZYNNIKA DETERMINACJI MODELU RYNKU Streszczene W lteraturze przedmotu zauważa sę, że konsekwencją obecnośc zakłóceń w
Bardziej szczegółowo