Prognozowanie w zarządzaniu firmą

Wielkość: px
Rozpocząć pokaz od strony:

Download "Prognozowanie w zarządzaniu firmą"

Transkrypt

1 Prognozowanie w zarządzaniu firmą Redakorzy naukowi Paweł Dimann Aleksandra Szpulak Wydawnicwo Uniwersyeu Ekonomicznego we Wrocławiu Wrocław 011

2 Senacka Komisja Wydawnicza Zdzisław Pisz (przewodniczący), Andrzej Bąk, Krzyszof Jajuga, Andrzej Maysiak, Waldemar Podgórski, Mieczysław Przybyła, Aniela Syś, Sanisław Urban Recenzenci Włodzimierz Szkunik, Jan Zawadzki Redakcja wydawnicza Barbara Majewska Redakcja echniczna i koreka Barbara Łopusiewicz Skład i łamanie Comp-raj Projek okładki Beaa Dębska Kopiowanie i powielanie w jakiejkolwiek formie wymaga pisemnej zgody Wydawcy Copyrigh by Uniwersye Ekonomiczny we Wrocławiu Wrocław 011 ISSN ISBN Druk: Drukarnia TOTEM

3 Spis reści Wsęp... 7 Agnieszka Przybylska-Mazur: Opymalne zasady poliyki pieniężnej w prognozowaniu wskaźnika inflacji... 9 Alicja Wolny-Dominiak: Zmodyfikowana regresja Poissona dla danych ubezpieczeniowych z dużą liczbą zer... 1 Andrzej Gajda: Doświadczenia i meody pozyskiwania danych eksperckich na porzeby badań z wykorzysaniem meod foresigh Anna Gondek: Prognozy rozwoju gospodarczego Polski z użyciem meody analogii przesrzenno-czasowych Barosz Lawędziak: Sekuryyzacja papierów warościowych oparych na hipoece odwronej Filip Chybalski: Prakseologiczne aspeky prognozowania Ireneusz Kuropka, Paweł Lenczewski: Możliwość zasosowania modeli ekonomerycznych do prognozowania w przedsiębiorswie Brennag Polska Jacek Szanduła: Wyszukiwanie formacji w kursach giełdowych przy użyciu meod klasyfikacji danych... 8 Joanna Perzyńska: Zasosowanie szucznych sieci neuronowych do wyznaczania nieliniowych prognoz kombinowanych Konsancja Poradowska, Tomasz Szkunik, Mirosław Wójciak: Scenariusze rozwoju wybranych echnologii oszczędności energii w życiu codziennym Maciej Oeserreich: Wykorzysanie pakieu saysycznego R w prognozowaniu na podsawie danych w posaci szeregów czasowych z wahaniami sezonowymi Marcin Błażejowski, Paweł Kufel, Tadeusz Kufel: Algorym zgodnego modelowania i prognozowania procesów ekonomicznych jako pakie funkcji Congruen Specificaion programu Grel Marcin Błażejowski: Sacjonarność szeregów czasowych o wysokiej częsoliwości obserwowania implemenacja esu sacjonarności Dickeya w programie Grel Mirosław Wójciak: Wpływ czynników i zdarzeń kluczowych na rozwój nowych echnologii wybrane meody korygowania prognoz na przykładzie echnologii energooszczędnych Monika Dyduch: Grupowanie produków srukuryzowanych Pior Berna: Planowanie działalności przedsiębiorswa wspomagane prognozowaniem

4 6 Spis reści Roman Pawlukowicz: Informacje prognosyczne w rynkowych sposobach wyceny nieruchomości idenyfikacja i pozyskiwanie Wojciech Zaoń: Uwarunkowania psychologiczne w prognozowaniu Summaries Agnieszka Przybylska-Mazur: Opimal moneary policy rules in forecasing of inflaion rae... 0 Alicja Wolny-Dominiak: Zero-inflaed Poisson Model for insurance daa wih a large number of zeros... 9 Andrzej Gajda: Experience and mehods of daa collecion from expers for research using foresigh mehods Anna Gondek: Economic growh forecass for Poland using he ime- -space analogy mehod Barosz Lawędziak: Securiizaion of survivor bonds based on he reverse morgage Filip Chybalski: Praxiological aspecs of forecasing Ireneusz Kuropka, Paweł Lenczewski: Economeric models usage feasibiliy in Brennag Poland forecasing Jacek Szanduła: Searching for echnical analysis formaions in sock prices wih he use of cluser analysis mehods Joanna Perzyńska: Applicaion of arificial neural neworks o build he nonlinear combined forecass Konsancja Poradowska, Tomasz Szkunik, Mirosław Wójciak: The scenarios of developmen of seleced echnologies relaed o energy saving in everyday life Maciej Oeserreich: The R applicaion in forecasing unsysemaic lacks in seasonal ime series Marcin Błażejowski, Paweł Kufel, Tadeusz Kufel: Congruen modelling and forecasing algorihm as funcion package Congruen Specificaion in GRETL Marcin Błażejowski: Saionariy of high-frequency ime series implemenaion of Dickey s saionariy es in GRETL Mirosław Wójciak: The influence of key and evens facors on he developmen of new echnologies seleced mehods of forecas correcion on he example of energy-saving echnologies Monika Dyduch: Ranking of srucured producs Pior Berna: Forecasing assised business managemen planning Roman Pawlukowicz: Prognosic daa in marke ways of propery valuaion idenificaion and acquisiion Wojciech Zaoń: Psychological aspecs of forecasing

5 PRACE NAUKOWE UNIWERSYTETU EKONOMICZNEGO WE WROCŁAWIU nr 185 Prognozowanie w zarządzaniu firmą 011 Agnieszka Przybylska-Mazur Uniwersye Ekonomiczny w Kaowicach OPTYMALNE ZASADY POLITYKI PIENIĘŻNEJ W PROGNOZOWANIU WSKAŹNIKA INFLACJI Sreszczenie: W arykule zaprezenowano jeden z rodzajów zasad poliyki pieniężnej zasad nasawionych na cel będących rozwiązaniem zadania minimalizacji międzyokresowej funkcji sray. Zasady nasawione na cel zosały wykorzysane do prognozowania wskaźnika inflacji na dwa okresy wprzód. Prognozy wskaźnika inflacji wyznaczono na podsawie modelu Svenssona dla gospodarki narażonej na szoki podażowe i popyowe. Zbadano również wpływ warości wagi na sabilizację produkcji oraz czynnika dyskonującego na prognozę inflacji na dwa okresy do przodu oraz na opymalny insrumen poliyki pieniężnej. Słowa kluczowe: prognoza inflacji, równanie Belmanna, wierdzenie o obwiedni, zasady nasawione na cel. 1. Wsęp Jednym z rodzajów poliyki pieniężnej jes poliyka opara na zasadach określających w sposób jednoznaczny przewidywalne reguły. Jej prowadzenie umożliwia przewidywanie przyszłej syuacji gospodarczej. W poliyce oparej na zasadach isnieje sprzężenie zwrone między sanem gospodarki a narzędziami poliyki. Ponado en rodzaj prowadzonej poliyki umożliwia uruchamianie zw. auomaycznych sabilizaorów, dzięki kórym gospodarka uzyskuje w poliyce wsparcie dla zrównoważonego i sabilnego empa wzrosu. Wśród zasad poliyki pieniężnej wyróżniamy reguły nasawione na cel, kóre wyznaczają poziom insrumenu poliyki pieniężnej (sopy procenowej) w oparciu o warości ak zwanej funkcji sray. Warość ej funkcji rośnie wraz ze wzrosem odchylenia między warością określonej zmiennej celu, na przykład poziomem inflacji, a poziomem docelowym ej zmiennej. W arykule opymalne zasady poliyki pieniężnej, będące rozwiązaniem problemu minimalizacji funkcji sray, zosały uwzględnione w prognozowaniu wskaźnika inflacji.

6 10 Agnieszka Przybylska-Mazur. Model srukuralny Do analiz zosał wykorzysany dwurównaniowy model Svenssona dla gospodarki narażonej na szoki podażowe i popyowe. Pierwsze równanie opisuje ak zwaną przyspieszającą krzywą Phillipsa (acceleraionis Phillips curve), w kórej zmiana inflacji zależy od produkcji opóźnionej o jeden okres. Drugie równanie opisuje zagregowany popy krzywą IS, w kórej produkcja zależy od produkcji opóźnionej o jeden okres oraz od rzeczywisej sopy procenowej również opóźnionej o jeden okres. Jeżeli jako przybliżenie oczekiwanej inflacji przyjąć bieżącą inflację, o rzeczywisą sopą procenową można określić jako różnicę pomiędzy nominalną sopą procenową a wskaźnikiem inflacji. Niech oznacza wskaźnik inflacji w okresie, naomias π* cel inflacyjny. Zgodnie z realizowaną przez NBP sraegią bezpośredniego celu inflacyjnego, od sycznia 004 r. ciągły cel inflacyjny wynosi,5% w ujęciu rok do roku, z symerycznym przedziałem dopuszczalnych odchyleń +/ 1 punk procenowy. Realizacja ciągłego celu inflacyjnego oznacza, że odnosi się on do inflacji mierzonej w ujęciu miesiąc do analogicznego miesiąca poprzedniego roku. Symbolem i oznaczymy insrumen poliyki pieniężnej, np. sopę referencyjną, naomias q względną lukę pomiędzy akualnym rzeczywisym PKB y a poencjalnym PKB y, wyrażoną w procenach, zn. y y q 100. y Wówczas model srukuralny można zapisać nasępująco [Svensson 1996]: 1 1 q (1) q q ( i ), () gdzie, 1, są sałymi dodanimi. Składniki losowe, mają rozkład o średniej równej zero, wariancjach rów- nych, i kowariancji. Składniki, nie są obciążone auokorelacją. Składnik losowy przedsawia szok podażowy, naomias składnik losowy szok popyowy. Zakładamy, że produkcja poencjalna jes normalizowana do zera. Powyższy model opisuje syuację, w kórej zarówno inflacja, jak i zagregowany popy-produkcja reaguje z opóźnieniem na zmianę insrumenu banku cenralnego. Z powyższego modelu wynika, że wzros insrumenu banku cenralnego

7 Opymalne zasady poliyki pieniężnej w prognozowaniu wskaźnika inflacji 11 powoduje spadek produkcji za jeden okres oraz spadek inflacji za dwa okresy. Prawdziwe są zaem nasępujące implikacje: i y. 1 W związku z ym szczególnie ważna w podejmowaniu bieżących decyzji doyczących wysokości insrumenu poliyki pieniężnej jes prognoza inflacji na dwa okresy do przodu. 3. Zasady nasawione na cel Zasady nasawione na cel są jednym z rodzajów zasad poliyki pieniężnej. Wyznaczają one poziom insrumenu poliyki pieniężnej w oparciu o warości zw. funkcji sray. Warość funkcji sray wzrasa, gdy wzrasa odchylenie między zmienną celową i poziomem docelowym ej zmiennej. Należy zaem wyznaczyć aką warość insrumenu poliyki pieniężnej, dla kórego funkcja sray przyjmuje warość minimalną. Przykładem akiej funkcji może być kwadraowa funkcja sray o posaci: ( ), (3) 0 E x x gdzie: czynnik dyskonujący, 0 1, E symbol warości oczekiwanej zależnej od dosępnej informacji w okresie. Reguły nasawione na cel prowadzą do większej przejrzysości poliyki pieniężnej i umożliwiają podjęcie decyzji mającej na celu sabilny poziom cen. W NBP celem poliyki pieniężnej jes warunkowa prognoza inflacji. Oznacza o akie zasosowanie insrumenu poliyki pieniężnej, aby prognoza inflacji była równa celowi inflacyjnemu w odpowiednim horyzoncie czasowym. Jak już wcześniej zaznaczono, w analizowanym modelu srukuralnym szczególnie ważny dla bieżących decyzji doyczących wysokości insrumenu poliyki pieniężnej jes horyzon prognozy inflacji wynoszący dwa. Międzyokresowa funkcja sray w okresie wyraża się wzorem [Svensson 1996]: 0 E L(, y ), (4) gdzie L(, y) funkcja sray okresowej. Funkcja sray okresowej może przyjmować rożne posacie. Jedną z nich jes funkcja określona wzorem

8 1 Agnieszka Przybylska-Mazur L y (5) ( ), gdzie jes wagą na sabilizację produkcji wokół poencjalnego jej poziomu w sosunku do sabilizacji inflacji wokół długoerminowego celu inflacyjnego, 0. Jeżeli waga na sabilizację produkcji jes równa zero, czyli = 0, o mamy pojedynczy cel poliyki pieniężnej. W funkcji sray jes uwzględniane ylko odchylenie inflacji od celu inflacyjnego. W ym przypadku mówimy, że bank cenralny realizuje ścisły cel inflacyjny, koncenrując się ylko na osiągnięciu i urzymaniu inflacji blisko celu inflacyjnego. Jeżeli naomias waga na sabilizację produkcji jes dodania, czyli > 0, o mamy wielokrone cele poliyki pieniężnej. W funkcji sray są uwzględnione wedy warości produkcji i wskaźnika inflacji. Bank cenralny realizuje elasyczny cel inflacyjny. Aby wskazać opymalną poliykę pieniężną, należy wyznaczyć insrumen poliyki pieniężnej minimalizujący międzyokresową funkcję sray (4), czyli należy rozwiązać problem: 0 min E L(, y ) (6) i przy ograniczeniach (1) i (). Zadanie (6) jes zagadnieniem programowania dynamicznego, zapisanym dla przypadku dyskrenego. Międzyokresową funkcję sray posaci: EL(, y ) (7) 0 można zaem rozparywać jako funkcję celu z dyskonowaniem o nieskończonym horyzoncie czasowym. Svensson [1996] wykazał, że rafność decyzji w regule nasawionej na cel zależy zarówno od ypu funkcji sray okresowej decydena, jak i dodakowych wymogów nałożonych na bank cenralny. Poliyka pieniężna powinna mieć charaker perspekywiczny (forward looking), a akże powinna być opara na wiarygodnych prognozach inflacji i luki produkcji. 4. Równanie Belmanna i wierdzenie o obwiedni Definicja 1 Równanie Belmanna dla problemu z dyskonowaniem i z nieskończonym horyzonem czasowym ma posać [Woźny]:

9 Opymalne zasady poliyki pieniężnej w prognozowaniu wskaźnika inflacji 13 V( ) min { E L(, y ) EV( )} 1 yy( ) lub równoważnie: V( ) min { L(, y ) EV( )}, (8) 1 yy( ) gdzie: funkcja warości V ( ) dla problemu z dyskonowaniem i z nieskończonym horyzonem czasowym jes odwzorowaniem przyporządkowującym każdemu sanowi wskaźnikowi inflacji, minimalną możliwą do osiągnięcia wypłaę. Równanie poliyki przyjmuje posać y ( ) : arg min { L(, y) EV ( 1)}. (9) yy( ) Twierdzenie 1 (Twierdzenie o obwiedni) [Woźny]. Załóżmy, że funkcja f (, y) jes różniczkowalna względem i y oraz że dla każdego isnieje min f (, y). Wówczas gdzie V ( ) min f (, y), naomias y ( ) y y d V ( ) f (, y ( )), (10) d :argmin f (, y ). 5. Rozwiązanie zadania minimalizującego funkcję sray Aby rozwiązać zadanie (6) przy ograniczeniach (1) i () rozważymy na począku równanie Belmanna (8) dla kwadraowej funkcji sray. Równanie o przyjmuje posać V y EV (11) ( ) min {( ) ( 1)}. y Y( ) W powyższym równaniu produkcja jes zmienną konrolną i isnieje ylko jednookresowe opóźnienie konroli inflacji. Pośrednią funkcję sray można zapisać nasępująco: ( ) 0 ( ), y V k k (1) gdzie k, 0 k są współczynnikami, kóre należy obliczyć. Aby wyznaczyć minimum wysępujące po prawej sronie wzoru (11) należy zapisać i rozwiązać warunek pierwszego rzędu posaci:

10 14 Agnieszka Przybylska-Mazur Ponieważ V ( ) y V ( ) = 0. y oraz prawdziwe są nasępujące implikacje: 1 = y E V( 1) 1 y V( ) k k( ) 1/ 0 1/ i E V( 1) V( 1/ ) k( 1/ ) y 1, y o orzymujemy V ( ) y y k( ). = 1/1 Naomias warunek pierwszego rzędu ma posać: y k( ) = 0 lub równoważnie 1/ y. k Z warunku pierwszego rzędu orzymujemy zasadę decyzyjną dla produkcji posaci: k y ( 1/1 ). (13) Uwzględniając równanie (1), mamy: k y ( y) 1/1 czyli k k y ( ) y,

11 Opymalne zasady poliyki pieniężnej w prognozowaniu wskaźnika inflacji 15 Ponieważ: k y ( ). k k 1/1 y = ( ) y= ( ) ( ) = k k = (1 ) ( ) = ( ), k k zaem warunkową prognozą wskaźnika inflacji na jeden okres do przodu wyznacza się ze wzoru: ak 1/1 (1 ( ). (15) k Aby wyznaczyć współczynnik k, należy zasosować wierdzenie o obwiedni do równania Belmanna (11) i wykorzysać wzory (1) i (15). Przyjmując: f (, y) = L(, y) EV ( 1) oraz obliczając d V ( ) k ( ), d f(, y ( )) L, y EV 1 = k 1/ ( ) ( ) k = (1 ) ( ), k orzymujemy równość: k k( ) = (1 ) ( ). k Zaem współczynnik k obliczamy z nasępującej zależności: k k 1 k, kórą równoważnie można zapisać w posaci: (14)

12 16 Agnieszka Przybylska-Mazur k Zaem wzór na współczynnik k jes nasępujący: (1 ) 1 k 0. (16) 1 (1 ) (1 ) 4 k 1 1. (17) / Ważna w podejmowaniu bieżących decyzji doyczących wysokości insrumenu poliyki pieniężnej jes prognoza wskaźnika inflacji na dwa okresy do przodu. Do wyznaczenia prognozy ego wskaźnika wykorzysamy równanie Belmanna o nasępującej posaci: V( ) min ( ) y EV( ). (18) 1/ 1/ 1/ 1/ ( 1/ ) y Y W równaniu (18) zmienna y 1/ jes uważana za zmienną konrolną. Naomias opymalną warość realnego insrumenu poliyki pieniężnej, j. realną sopę procenową, można obliczyć z przekszałconego równania (): 1 i y y. (19) 1 1/ Z warunku pierwszego rzędu dla równania Belmanna (18): V ( 1/ ) = 0 y 1/ orzymujemy / y 1/. k Zaem zasada decyzyjna dla produkcji jes nasępująca: k y 1/ ( / ). Poniżej wyprowadzimy wzór na opymalną realną sopę procenową: 1 1 k 1 i y1/ y= ( / ) y. Ponieważ / (1 1) y ( i ), mamy:

13 Opymalne zasady poliyki pieniężnej w prognozowaniu wskaźnika inflacji 17 i k 1 ( (1 1) y ( i ) y. Zaem wzór na opymalną sopę procenową jes nasępujący: k gdzie: h, ( k) i h( ) g y, (0) 1 k g 1. ( k) Współczynnik k obliczamy ze wzoru (17). Obecnie wyprowadzimy wzór na warunkową prognozą wskaźnika inflacji na dwa okresy do przodu. Ponieważ oraz z równania (1) mamy o y k / 1/ 1 y 1/ ( / 1/ ), k k / / 1/ k k 1 / 1/ k k k / 1/ Zaem orzymujemy nasępujący wzór na prognozę wskaźnika inflacji na dwa okresy do przodu: k k / 1 1/. k k k Oznaczając c, mamy nasępujący wzór na warunkową prognozą k wskaźnika inflacji na dwa okresy do przodu: c (1 c). (1) / 1/.

14 18 Agnieszka Przybylska-Mazur Współczynnik c jes sopą dososowania do długoerminowego celu inflacyjnego, 0 c 1. Gdy waga na sabilizację produkcji jes dodania 0, czyli w przypadku wielokronego celu inflacja w przyszłości powinna sopniowo wrócić do długoerminowego celu inflacyjnego. Wówczas, zgodnie z wzorem (1), prognoza inflacji na dwa okresy do przodu powinna być średnią ważoną długoerminowego celu inflacyjnego i prognozy inflacji na jeden okres do przodu 1/. Im większa jes waga 0 na sabilizację produkcji, ym mniejszy jes współczynnik c i ym samym jes wolniejsza koreka prognozy inflacji w kierunku długoerminowego celu inflacyjnego. W przypadku, gdy waga na sabilizację produkcji jes równa zero 0, czyli w przypadku pojedynczego celu, warunkiem koniecznym i wysarczającym prowadzenia opymalnej poliyki pieniężnej jes, aby prognoza inflacji na dwa okresy do przodu była równa celowi inflacyjnemu, 6. Przykład empiryczny /. () Do analiz wzięo dane publikowane przez Główny Urząd Saysyczny, doyczące PKB i miesięcznych wskaźników inflacji oraz dane doyczące sopy referencyjnej, ogłaszane przez Narodowy Bank Polski. W ramach sraegii bezpośredniego celu inflacyjnego od sycznia 004 r. realizowany jes ciągły cel inflacyjny na poziomie,5%. Realizacja ciągłego celu inflacyjnego oznacza, że odnosi się on do inflacji mierzonej w ujęciu miesiąc do analogicznego miesiąca poprzedniego roku, a nie jak w laach , wyłącznie w grudniu do grudnia poprzedniego roku. Dlaego przeprowadzono analizę danych z okresu syczeń 004 r. grudzień 009 r. Oszacowane paramery modelu wynoszą: 0,0000, 1 0,9465, 57,1. Gdy waga na sabilizację produkcji = 0, o prognoza inflacji na dwa miesiące do przodu wyniesie / = 0,05. W abeli 1 zesawiono wyznaczone na podsawie podanych wcześniej wzorów: współczynnik k, prognozę inflacji 1/ na jeden miesiąc do przodu, opymalną sopę referencyjną i oraz prognozę wskaźnika inflacji / na dwa miesiące do przodu w zależności od warości wagi na sabilizację produkcji > 0 oraz czynnika dyskonującego.

15 Opymalne zasady poliyki pieniężnej w prognozowaniu wskaźnika inflacji 19 Tabela 1. Prognoza inflacji na jeden miesiąc do przodu i na dwa miesiące do przodu oraz wysokość sopy referencyjnej k 1/ i / 0, ,10 1,1111 0,035 0,034 0,035 0,0 1,500 0,035 0,034 0,035 0,50,0000 0,033 0,034 0,033 0,90 9,9874 0,09 0,033 0,09 0,001 0,10 1,1111 0,035 0,034 0,035 0,0 1,500 0,035 0,034 0,035 0,50,0000 0,035 0,034 0,035 0,90 9,9997 0,035 0,034 0,035 0,1 0,10 1,1111 0,035 0,034 0,035 0,0 1,500 0,035 0,034 0,035 0,50,0000 0,035 0,034 0,035 0,90 10,0000 0,035 0,034 0,035 0,5 0,10 1,1111 0,035 0,034 0,035 0,0 1,500 0,035 0,034 0,035 0,50,0000 0,035 0,034 0,035 0,90 10,0000 0,035 0,034 0, ,10 1,1111 0,035 0,034 0,035 0,0 1,500 0,035 0,034 0,035 0,50,0000 0,035 0,034 0,035 0,90 10,0000 0,035 0,034 0,035 0,10 1,1111 0,035 0,034 0,035 0,0 1,500 0,035 0,034 0,035 0,50,0000 0,035 0,034 0,035 0,90 10,0000 0,035 0,034 0, ,10 1,1111 0,035 0,034 0,035 0,0 1,500 0,035 0,034 0,035 0,50,0000 0,035 0,034 0,035 0,90 10,0000 0,035 0,034 0, ,10 1,1111 0,035 0,034 0,035 0,0 1,500 0,035 0,034 0,035 0,50,0000 0,035 0,034 0,035 0,90 10,0000 0,035 0,034 0, ,10 1,1111 0,035 0,034 0,035 0,0 1,500 0,035 0,034 0,035 0,50,0000 0,035 0,034 0,035 0,90 10,0000 0,035 0,034 0,035 Źródło: opracowanie własne. Z abeli można odczyać, ile wynosi prognoza inflacji na dwa miesiące do przodu przy opymalnych warościach sopy procenowej dla poszczególnych warości i.

16 0 Agnieszka Przybylska-Mazur Zaem wykorzysując do analiz model składający się z dwóch równań, z przyspieszającej krzywej Phillipsa oraz krzywej IS, z abeli 1 wynika, że różnice w prognozach inflacji na jeden okres do przodu i na dwa okresy do przodu oraz w wysokości sopy procenowej wysępują w przypadku bardzo małych warości wagi sabilizacji produkcji oraz dużych warości czynnika dyskonującego. 7. Podsumowanie W arykule zaprezenowano jeden z rodzajów zasad poliyki pieniężnej zasady poliyki pieniężnej, kóre wyznaczają poziom insrumenu poliyki pieniężnej w oparciu o warości zw. funkcji sray. Opymalne zasady poliyki pieniężnej, będące rozwiązaniem problemu minimalizacji funkcji sray, zosały wykorzysane do prognozowania wskaźnika inflacji na dwa okresy do przodu. Prognozy wskaźnika inflacji wyznaczono na podsawie jednego z modeli srukuralnych modelu Svenssona dla gospodarki narażonej na szoki podażowe i popyowe, złożonego z dwóch równań: z przyspieszającej krzywej Phillipsa oraz krzywej IS. Zbadano również wpływ warości wagi na sabilizację produkcji oraz czynnika dyskonującego na prognozę inflacji na dwa okresy do przodu oraz na opymalny insrumen poliyki pieniężnej. Lieraura Rudebush G.D., Svensson L.E.O., Policy rules for inflaion argeing, Working Paper Series, Naional Bureau of Economic Research, Cambridge Svensson L.E.O., Commenary: How Should Moneary Policy Respond o Shocks While Mainaining Long-Run Price Sabiliy? Concepual Issues, Achieving Price Sabiliy, Augus 9-31, Woźny Ł., Handou z dynamicznej opymalizacji, 8 luego 006, hp://sgh.pl/niezbednik/plik.php?id =715&pid=171. Założenia poliyki pieniężnej na 004 r., Narodowy Bank Polski, Warszawa, wrzesień 003. OPTIMAL MONETARY POLICY RULES IN FORECASTING OF INFLATION RATE Summary: In his paper we presen one kind of moneary policy rules he argeing rules ha are he soluion of minimizaion a problem of a emporary loss funcion. We apply he argeing rules o forecasing of inflaion rae in wo periods. We deermine he inflaion rae forecass on he basis of Svensson model for he open economy exposed o supply and demand shocks. We also sudy he weigh value on he producion sabilizaion and a discouning facor on he inflaion forecas in wo periods ahead and on an opimal moneary policy insrumen.

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 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

Bardziej szczegółowo

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 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

Bardziej szczegółowo

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 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

Bardziej szczegółowo

Prognozowanie w zarządzaniu firmą

Prognozowanie w zarządzaniu firmą Prognozowanie w zarządzaniu firmą Redakorzy naukowi Paweł Dimann Aleksandra Szpulak Wydawnicwo Uniwersyeu Ekonomicznego we Wrocławiu Wrocław 2011 Senacka Komisja Wydawnicza Zdzisław Pisz (przewodniczący),

Bardziej szczegółowo

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 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

Bardziej szczegółowo

Metody badania wpływu zmian kursu walutowego na wskaźnik inflacji

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

Bardziej szczegółowo

KURS EKONOMETRIA. Lekcja 1 Wprowadzenie do modelowania ekonometrycznego ZADANIE DOMOWE. Strona 1

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

Bardziej szczegółowo

Prognozowanie w zarządzaniu firmą

Prognozowanie w zarządzaniu firmą Prognozowanie w zarządzaniu firmą Redaktorzy naukowi Paweł Dittmann Aleksandra Szpulak Wydawnictwo Uniwersytetu Ekonomicznego we Wrocławiu Wrocław 2011 Senacka Komisja Wydawnicza Zdzisław Pisz (przewodniczący),

Bardziej szczegółowo

ROLA REGUŁ POLITYKI PIENIĘŻNEJ I FISKALNEJ W PROWADZENIU POLITYKI MAKROEKONOMICZNEJ

ROLA REGUŁ POLITYKI PIENIĘŻNEJ I FISKALNEJ W PROWADZENIU POLITYKI MAKROEKONOMICZNEJ Sudia Ekonomiczne. Zeszyy Naukowe Uniwersyeu Ekonomicznego w Kaowicach ISSN 2083-8611 Nr 246 2015 Współczesne Finanse 3 Agnieszka Przybylska-Mazur Uniwersye Ekonomiczny w Kaowicach Wydział Ekonomii Kaedra

Bardziej szczegółowo

Inwestycje finansowe i ubezpieczenia tendencje światowe a rynek polski

Inwestycje finansowe i ubezpieczenia tendencje światowe a rynek polski PRACE NAUKOWE Uniwersyeu Ekonomicznego we Wrocławiu RESEARCH PAPERS of Wrocław Universiy of Economics 254 Inwesycje finansowe i ubezpieczenia endencje świaowe a rynek polski Redakorzy naukowi Krzyszof

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

Nowokeynesowski model gospodarki

Nowokeynesowski model gospodarki M.Brzoza-Brzezina Poliyka pieniężna: Neokeynesowski model gospodarki Nowokeynesowski model gospodarki Model nowokeynesowski (laa 90. XX w.) jes obecnie najprosszym, sandardowym narzędziem analizy procesów

Bardziej szczegółowo

Wykład 3 POLITYKA PIENIĘŻNA POLITYKA FISKALNA

Wykład 3 POLITYKA PIENIĘŻNA POLITYKA FISKALNA Makroekonomia II Wykład 3 POLITKA PIENIĘŻNA POLITKA FISKALNA PLAN POLITKA PIENIĘŻNA. Podaż pieniądza. Sysem rezerwy ułamkowej i podaż pieniądza.2 Insrumeny poliyki pieniężnej 2. Popy na pieniądz 3. Prowadzenie

Bardziej szczegółowo

PROGNOZOWANIE I SYMULACJE EXCEL 2 PROGNOZOWANIE I SYMULACJE EXCEL AUTOR: ŻANETA PRUSKA

PROGNOZOWANIE I SYMULACJE EXCEL 2 PROGNOZOWANIE I SYMULACJE EXCEL AUTOR: ŻANETA PRUSKA 1 PROGNOZOWANIE I SYMULACJE EXCEL 2 AUTOR: mgr inż. ŻANETA PRUSKA DODATEK SOLVER 2 Sprawdzić czy w zakładce Dane znajduję się Solver 1. Kliknij przycisk Microsof Office, a nasępnie kliknij przycisk Opcje

Bardziej szczegółowo

Prognozowanie średniego miesięcznego kursu kupna USD

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

Bardziej szczegółowo

C d u. Po podstawieniu prądu z pierwszego równania do równania drugiego i uporządkowaniu składników lewej strony uzyskuje się:

C d u. Po podstawieniu prądu z pierwszego równania do równania drugiego i uporządkowaniu składników lewej strony uzyskuje się: Zadanie. Obliczyć przebieg napięcia na pojemności C w sanie przejściowym przebiegającym przy nasępującej sekwencji działania łączników: ) łączniki Si S są oware dla < 0, ) łącznik S zamyka się w chwili

Bardziej szczegółowo

Kombinowanie prognoz. - dlaczego należy kombinować prognozy? - obejmowanie prognoz. - podstawowe metody kombinowania prognoz

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

Bardziej szczegółowo

Prognozowanie w zarządzaniu firmą

Prognozowanie w zarządzaniu firmą Prognozowanie w zarządzaniu firmą Redaktorzy naukowi Paweł Dittmann Aleksandra Szpulak Wydawnictwo Uniwersytetu Ekonomicznego we Wrocławiu Wrocław 2011 Senacka Komisja Wydawnicza Zdzisław Pisz (przewodniczący),

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

PROGNOZOWANIE. Ćwiczenia 2. mgr Dawid Doliński

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

Bardziej szczegółowo

DYNAMIKA KONSTRUKCJI

DYNAMIKA KONSTRUKCJI 10. DYNAMIKA KONSTRUKCJI 1 10. 10. DYNAMIKA KONSTRUKCJI 10.1. Wprowadzenie Ogólne równanie dynamiki zapisujemy w posaci: M d C d Kd =P (10.1) Zapis powyższy oznacza, że równanie musi być spełnione w każdej

Bardziej szczegółowo

ESTYMACJA KRZYWEJ DOCHODOWOŚCI STÓP PROCENTOWYCH DLA POLSKI

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

Bardziej szczegółowo

OPTYMALNE REGUŁY WYDATKOWE W PROWADZENIU POLITYKI FISKALNEJ

OPTYMALNE REGUŁY WYDATKOWE W PROWADZENIU POLITYKI FISKALNEJ Sudia Ekonomiczne. Zeszyy Naukowe Uniwersyeu Ekonomicznego w Kaowicach ISSN 2083-8611 Nr 331 2017 Uniwersye Ekonomiczny w Kaowicach Wydział Ekonomii Kaedra Meod Saysyczno-Maemaycznych w Ekonomii agnieszka.przybylska-mazur@ue.kaowice.pl

Bardziej szczegółowo

Ocena efektywności procedury Congruent Specyfication dla małych prób

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

Bardziej szczegółowo

Strukturalne podejście w prognozowaniu produktu krajowego brutto w ujęciu regionalnym

Strukturalne podejście w prognozowaniu produktu krajowego brutto w ujęciu regionalnym Jacek Baóg Uniwersye Szczeciński Srukuralne podejście w prognozowaniu produku krajowego bruo w ujęciu regionalnym Znajomość poziomu i dynamiki produku krajowego bruo wyworzonego w poszczególnych regionach

Bardziej szczegółowo

PODEJMOWANIE OPTYMALNYCH DECYZJI FISKALNYCH W ASPEKCIE WZROSTU GOSPODARCZEGO

PODEJMOWANIE OPTYMALNYCH DECYZJI FISKALNYCH W ASPEKCIE WZROSTU GOSPODARCZEGO Sudia Ekonomiczne. Zeszyy Naukowe Uniwersyeu Ekonomicznego w Kaowicach ISSN 2083-8611 Nr 364 2018 Uniwersye Ekonomiczny w Kaowicach Wydział Ekonomii Kaedra Meod Saysyczno-Maemaycznych w Ekonomii agnieszka.przybylska-mazur@ue.kaowice.pl

Bardziej szczegółowo

REGUŁY POLITYKI PIENIĘŻNEJ A PROGNOZOWANIE WSKAŹNIKA INFLACJI

REGUŁY POLITYKI PIENIĘŻNEJ A PROGNOZOWANIE WSKAŹNIKA INFLACJI gnieska Prybylska-Maur Uniwersye Ekonomicny w aowicach REGUŁY POLIYI PIENIĘŻNEJ PROGNOZOWNIE WSŹNI INFLCJI Wprowadenie Jednym rodaów poliyki pieniężne es poliyka opara na regułach poliyki pieniężne. en

Bardziej szczegółowo

PROGNOZOWANIE ZUŻYCIA CIEPŁEJ I ZIMNEJ WODY W SPÓŁDZIELCZYCH ZASOBACH MIESZKANIOWYCH

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

Bardziej szczegółowo

FOLIA POMERANAE UNIVERSITATIS TECHNOLOGIAE STETINENSIS Folia Pomer. Univ. Technol. Stetin., Oeconomica 2015, 323(81)4,

FOLIA POMERANAE UNIVERSITATIS TECHNOLOGIAE STETINENSIS Folia Pomer. Univ. Technol. Stetin., Oeconomica 2015, 323(81)4, FOLIA POMERANAE UNIVERSITATIS TECHNOLOGIAE STETINENSIS Folia Pomer. Univ. Technol. Sein., Oeconomica 205, 323(8)4, 25 32 Joanna PERZYŃSKA WYBRANE MIERNIKI TRAFNOŚCI PROGNOZ EX POST W WYZNACZANIU PROGNOZ

Bardziej szczegółowo

Wykład 6. Badanie dynamiki zjawisk

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

Bardziej szczegółowo

2.1 Zagadnienie Cauchy ego dla równania jednorodnego. = f(x, t) dla x R, t > 0, (2.1)

2.1 Zagadnienie Cauchy ego dla równania jednorodnego. = f(x, t) dla x R, t > 0, (2.1) Wykład 2 Sruna nieograniczona 2.1 Zagadnienie Cauchy ego dla równania jednorodnego Równanie gań sruny jednowymiarowej zapisać można w posaci 1 2 u c 2 2 u = f(x, ) dla x R, >, (2.1) 2 x2 gdzie u(x, ) oznacza

Bardziej 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

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

ANALIZA, PROGNOZOWANIE I SYMULACJA / Ćwiczenia 1

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,

Bardziej szczegółowo

Inwestycje. Makroekonomia II Dr hab. Joanna Siwińska-Gorzelak

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

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

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 t r i a S t r o n a 1. Nieliniowy model ekonometryczny E k o n o m e r i a S r o n a Nieliniowy model ekonomeryczny Jednorównaniowy model ekonomeryczny ma posać = f( X, X,, X k, ε ) gdzie: zmienna objaśniana, X, X,, X k zmienne objaśniające, ε - składnik losowy,

Bardziej szczegółowo

INWESTYCJE. Makroekonomia II Dr Dagmara Mycielska Dr hab. Joanna Siwińska-Gorzelak

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

Bardziej szczegółowo

RACHUNEK EFEKTYWNOŚCI INWESTYCJI METODY ZŁOŻONE DYNAMICZNE

RACHUNEK EFEKTYWNOŚCI INWESTYCJI METODY ZŁOŻONE DYNAMICZNE RACHUNEK EFEKTYWNOŚCI INWESTYCJI METODY ZŁOŻONE DYNAMICZNE PYTANIA KONTROLNE Czym charakeryzują się wskaźniki saycznej meody oceny projeku inwesycyjnego Dla kórego wskaźnika wyliczamy średnią księgową

Bardziej szczegółowo

ZARZĄDZANIE KOSZTAMI UTRZYMANIA GOTÓWKI W ODDZIAŁACH BANKU KOMERCYJNEGO

ZARZĄDZANIE KOSZTAMI UTRZYMANIA GOTÓWKI W ODDZIAŁACH BANKU KOMERCYJNEGO ZARZĄDZANIE KOSZTAMI UTRZYMANIA GOTÓWKI W ODDZIAŁACH BANKU KOMERCYJNEGO Sreszczenie Michał Barnicki Poliechnika Śląska, Wydział Oranizacji i Zarządzania Monika Odlanicka-Poczobu Poliechnika Śląska, Wydział

Bardziej szczegółowo

PROGNOZOWANIE I SYMULACJE EXCEL 2 AUTOR: MARTYNA MALAK PROGNOZOWANIE I SYMULACJE EXCEL 2 AUTOR: MARTYNA MALAK

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

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

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

Matematyka ubezpieczeń majątkowych r. ma złożony rozkład Poissona. W tabeli poniżej podano rozkład prawdopodobieństwa ( )

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

Bardziej szczegółowo

Równania różniczkowe. Lista nr 2. Literatura: N.M. Matwiejew, Metody całkowania równań różniczkowych zwyczajnych.

Równania różniczkowe. Lista nr 2. Literatura: N.M. Matwiejew, Metody całkowania równań różniczkowych zwyczajnych. Równania różniczkowe. Lisa nr 2. Lieraura: N.M. Mawiejew, Meody całkowania równań różniczkowych zwyczajnych. W. Krysicki, L. Włodarski, Analiza Maemayczna w Zadaniach, część II 1. Znaleźć ogólną posać

Bardziej szczegółowo

Makroekonomia 1 Wykład 14 Inflacja jako zjawisko monetarne: długookresowa krzywa Phillipsa

Makroekonomia 1 Wykład 14 Inflacja jako zjawisko monetarne: długookresowa krzywa Phillipsa Makroekonomia 1 Wykład 14 Inflacja jako zjawisko monearne: długookresowa krzywa Phillipsa Gabriela Grokowska Kaedra Makroekonomii i Teorii Handlu Zagranicznego Plan wykładu Krzywa Pillipsa: przypomnienie

Bardziej szczegółowo

Politechnika Częstochowska Wydział Inżynierii Mechanicznej i Informatyki. Sprawozdanie #2 z przedmiotu: Prognozowanie w systemach multimedialnych

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

Bardziej szczegółowo

dr Bartłomiej Rokicki Katedra Makroekonomii i Teorii Handlu Zagranicznego Wydział Nauk Ekonomicznych UW

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

Bardziej szczegółowo

PROGNOZOWANIE I SYMULACJE. mgr Żaneta Pruska. Ćwiczenia 2 Zadanie 1

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,

Bardziej szczegółowo

Jerzy Czesław Ossowski Politechnika Gdańska. Dynamika wzrostu gospodarczego a stopy procentowe w Polsce w latach

Jerzy Czesław Ossowski Politechnika Gdańska. Dynamika wzrostu gospodarczego a stopy procentowe w Polsce w latach DYNAMICZNE MODELE EKONOMETRYCZNE IX Ogólnopolskie Seminarium Naukowe, 6 8 września 2005 w Toruniu Kaedra Ekonomerii i Saysyki, Uniwersye Mikołaja Kopernika w Toruniu Poliechnika Gdańska Dynamika wzrosu

Bardziej szczegółowo

PROGNOZOWANIE BRAKUJĄCYCH DANYCH DLA SZEREGÓW O WYSOKIEJ CZĘSTOTLIWOŚCI OCZYSZCZONYCH Z SEZONOWOŚCI

PROGNOZOWANIE BRAKUJĄCYCH DANYCH DLA SZEREGÓW O WYSOKIEJ CZĘSTOTLIWOŚCI OCZYSZCZONYCH Z SEZONOWOŚCI Sudia Ekonomiczne. Zeszyy Naukowe Uniwersyeu Ekonomicznego w Kaowicach ISSN 2083-8611 Nr 289 2016 Maria Szmuksa-Zawadzka Zachodniopomorski Uniwersye Technologiczny w Szczecinie Sudium Maemayki Jan Zawadzki

Bardziej szczegółowo

licencjat Pytania teoretyczne:

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

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

Prognozowanie w zarządzaniu firmą

Prognozowanie w zarządzaniu firmą Prognozowanie w zarządzaniu firmą Redaktorzy naukowi Paweł Dittmann Aleksandra Szpulak Wydawnictwo Uniwersytetu Ekonomicznego we Wrocławiu Wrocław 2011 Senacka Komisja Wydawnicza Zdzisław Pisz (przewodniczący),

Bardziej szczegółowo

Wykład 6. Badanie dynamiki zjawisk

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

Bardziej szczegółowo

Analiza metod oceny efektywności inwestycji rzeczowych**

Analiza metod oceny efektywności inwestycji rzeczowych** Ekonomia Menedżerska 2009, nr 6, s. 119 128 Marek Łukasz Michalski* Analiza meod oceny efekywności inwesycji rzeczowych** 1. Wsęp Podsawowymi celami przedsiębiorswa w długim okresie jes rozwój i osiąganie

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

WYKORZYSTANIE TEORII CHAOSU ZDETERMINOWANEGO W PROGNOZOWANIU KROKOWYM ROCZNEGO ZUŻYCIA ENERGII ELEKTRYCZNEJ PRZEZ ODBIORCÓW WIEJSKICH

WYKORZYSTANIE TEORII CHAOSU ZDETERMINOWANEGO W PROGNOZOWANIU KROKOWYM ROCZNEGO ZUŻYCIA ENERGII ELEKTRYCZNEJ PRZEZ ODBIORCÓW WIEJSKICH INFRASTRUKTURA I EKOLOGIA TERENÓW WIEJSKICH Nr 2/2005, POLSKA AKADEMIA NAUK, Oddział w Krakowie, s. 121 128 Komisja Technicznej Infrasrukury Wsi Małgorzaa Trojanowska WYKORZYSTANIE TEORII CHAOSU ZDETERMINOWANEGO

Bardziej szczegółowo

Makroekonomia 1 Wykład 15 Inflacja jako zjawisko monetarne: długookresowa krzywa Phillipsa

Makroekonomia 1 Wykład 15 Inflacja jako zjawisko monetarne: długookresowa krzywa Phillipsa Makroekonomia 1 Wykład 15 Inflacja jako zjawisko monearne: długookresowa krzywa Phillipsa Gabriela Grokowska Kaedra Makroekonomii i Teorii Handlu Zagranicznego Plan wykładu Prawo Okuna Związek między bezrobociem,

Bardziej szczegółowo

WYKORZYSTANIE STATISTICA DATA MINER DO PROGNOZOWANIA W KRAJOWYM DEPOZYCIE PAPIERÓW WARTOŚCIOWYCH

WYKORZYSTANIE STATISTICA DATA MINER DO PROGNOZOWANIA W KRAJOWYM DEPOZYCIE PAPIERÓW WARTOŚCIOWYCH SaSof Polska, el. 12 428 43 00, 601 41 41 51, info@sasof.pl, www.sasof.pl WYKORZYSTANIE STATISTICA DATA MINER DO PROGNOZOWANIA W KRAJOWYM DEPOZYCIE PAPIERÓW WARTOŚCIOWYCH Joanna Maych, Krajowy Depozy Papierów

Bardziej szczegółowo

MAKROEKONOMIA 2. Wykład 2. Dynamiczny model DAD/DAS. Dagmara Mycielska Joanna Siwińska - Gorzelak

MAKROEKONOMIA 2. Wykład 2. Dynamiczny model DAD/DAS. Dagmara Mycielska Joanna Siwińska - Gorzelak MAKROEKONOMIA 2 Wykład 2. Dynamiczny model DAD/DAS Dagmara Mycielska Joanna Siwińska - Gorzelak Plan wykładu Uwzględnienie dynamiki w modelu AD/AS. Modelowanie wpływu zakłóceń lub zmian polityki gospodarczej

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

Wskazówki projektowe do obliczania nośności i maksymalnego zanurzenia statku rybackiego na wstępnym etapie projektowania

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

Bardziej szczegółowo

1. Szereg niesezonowy 1.1. Opis szeregu

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

Bardziej szczegółowo

FOLIA POMERANAE UNIVERSITATIS TECHNOLOGIAE STETINENSIS

FOLIA POMERANAE UNIVERSITATIS TECHNOLOGIAE STETINENSIS FOLIA POMERANAE UNIVERSITATIS TECHNOLOGIAE STETINENSIS Folia Pomer. Univ. Technol. Sein., Oeconomica 2014, 313(76)3, 137 146 Maria Szmuksa-Zawadzka, Jan Zawadzki MODELE WYRÓWNYWANIA WYKŁADNICZEGO W PROGNOZOWANIU

Bardziej 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

MAKROEKONOMIA 2. Wykład 2. Dynamiczny model DAD/DAS. Dagmara Mycielska Joanna Siwińska - Gorzelak

MAKROEKONOMIA 2. Wykład 2. Dynamiczny model DAD/DAS. Dagmara Mycielska Joanna Siwińska - Gorzelak MAKROEKONOMIA 2 Wykład 2. Dynamiczny model DAD/DAS Dagmara Mycielska Joanna Siwińska - Gorzelak Plan wykładu Uwzględnienie dynamiki w modelu AD/AS. Modelowanie wpływu zakłóceń lub zmian polityki gospodarczej

Bardziej szczegółowo

Zastosowanie sztucznych sieci neuronowych do prognozowania szeregów czasowych

Zastosowanie sztucznych sieci neuronowych do prognozowania szeregów czasowych dr Joanna Perzyńska adiunk w Kaedrze Zasosowań Maemayki w Ekonomii Wydział Ekonomiczny Zachodniopomorski Uniwersye Technologiczny w Szczecinie Zasosowanie szucznych sieci neuronowych do prognozowania szeregów

Bardziej szczegółowo

Analiza i Zarządzanie Portfelem cz. 6 R = Ocena wyników zarządzania portfelem. Pomiar wyników zarządzania portfelem. Dr Katarzyna Kuziak

Analiza i Zarządzanie Portfelem cz. 6 R = Ocena wyników zarządzania portfelem. Pomiar wyników zarządzania portfelem. Dr Katarzyna Kuziak Ocena wyników zarządzania porelem Analiza i Zarządzanie Porelem cz. 6 Dr Kaarzyna Kuziak Eapy oceny wyników zarządzania porelem: - (porolio perormance measuremen) - Przypisanie wyników zarządzania porelem

Bardziej szczegółowo

Analiza rynku projekt

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

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

OCENA ATRAKCYJNOŚCI INWESTYCYJNEJ AKCJI NA PODSTAWIE CZASU PRZEBYWANIA W OBSZARACH OGRANICZONYCH KRZYWĄ WYKŁADNICZĄ

OCENA ATRAKCYJNOŚCI INWESTYCYJNEJ AKCJI NA PODSTAWIE CZASU PRZEBYWANIA W OBSZARACH OGRANICZONYCH KRZYWĄ WYKŁADNICZĄ Tadeusz Czernik Daniel Iskra Uniwersye Ekonomiczny w Kaowicach Kaedra Maemayki Sosowanej adeusz.czernik@ue.kaowice.pl daniel.iskra@ue.kaowice.pl OCEN TRKCYJNOŚCI INWESTYCYJNEJ KCJI N PODSTWIE CZSU PRZEBYWNI

Bardziej szczegółowo

PREDYKCJA KURSU EURO/DOLAR Z WYKORZYSTANIEM PROGNOZ INDEKSU GIEŁDOWEGO: WYBRANE MODELE EKONOMETRYCZNE I PERCEPTRON WIELOWARSTWOWY

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

Bardziej szczegółowo

PROPOZYCJA NOWEJ METODY OKREŚLANIA ZUŻYCIA TECHNICZNEGO BUDYNKÓW

PROPOZYCJA NOWEJ METODY OKREŚLANIA ZUŻYCIA TECHNICZNEGO BUDYNKÓW Udosępnione na prawach rękopisu, 8.04.014r. Publikacja: Knyziak P., "Propozycja nowej meody określania zuzycia echnicznego budynków" (Proposal Of New Mehod For Calculaing he echnical Deerioraion Of Buildings),

Bardziej szczegółowo

SYMULACYJNA ANALIZA PRODUKCJI ENERGII ELEKTRYCZNEJ I CIEPŁA Z ODNAWIALNYCH NOŚNIKÓW W POLSCE

SYMULACYJNA ANALIZA PRODUKCJI ENERGII ELEKTRYCZNEJ I CIEPŁA Z ODNAWIALNYCH NOŚNIKÓW W POLSCE SYMULACYJNA ANALIZA PRODUKCJI ENERGII ELEKTRYCZNEJ I CIEPŁA Z ODNAWIALNYCH NOŚNIKÓW W POLSCE Janusz Sowiński, Rober Tomaszewski, Arur Wacharczyk Insyu Elekroenergeyki Poliechnika Częsochowska Aky prawne

Bardziej szczegółowo

Estymacja stopy NAIRU dla Polski *

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

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

ROCZNIKI INŻYNIERII BUDOWLANEJ ZESZYT 7/2007 Komisja Inżynierii Budowlanej Oddział Polskiej Akademii Nauk w Katowicach

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

Bardziej szczegółowo

WYCENA KONTRAKTÓW FUTURES, FORWARD I SWAP

WYCENA KONTRAKTÓW FUTURES, FORWARD I SWAP Krzyszof Jajuga Kaedra Inwesycji Finansowych i Zarządzania Ryzykiem Uniwersye Ekonomiczny we Wrocławiu WYCENA KONRAKÓW FUURES, FORWARD I SWAP DWA RODZAJE SYMERYCZNYCH INSRUMENÓW POCHODNYCH Symeryczne insrumeny

Bardziej szczegółowo

Porównanie jakości nieliniowych modeli ekonometrycznych na podstawie testów trafności prognoz

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.

Bardziej szczegółowo

Alicja Ganczarek Akademia Ekonomiczna w Katowicach. Analiza niezależności przekroczeń VaR na wybranym segmencie rynku energii

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

Bardziej szczegółowo

PROGRAMOWY GENERATOR PROCESÓW STOCHASTYCZNYCH LEVY EGO

PROGRAMOWY GENERATOR PROCESÓW STOCHASTYCZNYCH LEVY EGO POZNAN UNIVE RSITY OF TE CHNOLOGY ACADE MIC JOURNALS No 69 Elecrical Engineering 0 Janusz WALCZAK* Seweryn MAZURKIEWICZ* PROGRAMOWY GENERATOR PROCESÓW STOCHASTYCZNYCH LEVY EGO W arykule opisano meodę generacji

Bardziej szczegółowo

Dynamiczne formy pełzania i relaksacji (odprężenia) górotworu

Dynamiczne formy pełzania i relaksacji (odprężenia) górotworu Henryk FILCEK Akademia Górniczo-Hunicza, Kraków Dynamiczne formy pełzania i relaksacji (odprężenia) góroworu Sreszczenie W pracy podano rozważania na ema możliwości wzbogacenia reologicznego równania konsyuywnego

Bardziej szczegółowo

ZESZYTY NAUKOWE UNIWERSYTETU SZCZECIŃSKIEGO NR 690 FINANSE, RYNKI FINANSOWE, UBEZPIECZENIA NR 51 2012

ZESZYTY NAUKOWE UNIWERSYTETU SZCZECIŃSKIEGO NR 690 FINANSE, RYNKI FINANSOWE, UBEZPIECZENIA NR 51 2012 ZESZYTY NAUKOWE UNIWERSYTETU SZCZECIŃSKIEGO NR 690 FINANSE, RYNKI FINANSOWE, UBEZPIECZENIA NR 51 2012 MAŁGORZATA WASILEWSKA PORÓWNANIE METODY NPV, DRZEW DECYZYJNYCH I METODY OPCJI REALNYCH W WYCENIE PROJEKTÓW

Bardziej szczegółowo

MIARA I ODWZOROWANIE RYZYKA FORWARD NA RYNKU SKOŃCZONYM

MIARA I ODWZOROWANIE RYZYKA FORWARD NA RYNKU SKOŃCZONYM Sudia Ekonomiczne. Zeszyy Naukowe Uniwersyeu Ekonomicznego w Kaowicach ISSN 2083-8611 Nr 295 2016 Szkoła Główna Handlowa w Warszawie Kolegium Analiz Ekonomicznych Kaedra Maemayki i Ekonomii Maemaycznej

Bardziej szczegółowo

Jacek Kwiatkowski Magdalena Osińska. Procesy zawierające stochastyczne pierwiastki jednostkowe identyfikacja i zastosowanie.

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

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

y 1 y 2 = f 2 (t, y 1, y 2,..., y n )... y n = f n (t, y 1, y 2,..., y n ) f 1 (t, y 1, y 2,..., y n ) y = f(t, y),, f(t, y) =

y 1 y 2 = f 2 (t, y 1, y 2,..., y n )... y n = f n (t, y 1, y 2,..., y n ) f 1 (t, y 1, y 2,..., y n ) y = f(t, y),, f(t, y) = Uk lady równań różniczkowych Pojȩcia wsȩpne Uk ladem równań różniczkowych nazywamy uk lad posaci y = f (, y, y 2,, y n ) y 2 = f 2 (, y, y 2,, y n ) y n = f n (, y, y 2,, y n ) () funkcje f j, j =, 2,,

Bardziej szczegółowo

PUNKTOWA I PRZEDZIAŁOWA PREDYKCJA PRZEWOZÓW PASAŻERÓW W ŻEGLUDZE PROMOWEJ NA BAŁTYKU W LATACH 2008 2010

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

Bardziej szczegółowo

Parytet stóp procentowych a premia za ryzyko na przykładzie kursu EURUSD

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)

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

Wpływ rentowności skarbowych papierów dłużnych na finanse przedsiębiorstw i poziom bezrobocia

Wpływ rentowności skarbowych papierów dłużnych na finanse przedsiębiorstw i poziom bezrobocia Wpływ renowności skarbowych papierów dłużnych na inanse przedsiębiorsw i poziom bezrocia Leszek S. Zaremba Sreszczenie W pracy ej wykażemy prawidłowość, kóra mówi, że im wyższa jes renowność bezryzykownych

Bardziej szczegółowo

ZASTOSOWANIE WYBRANYCH MODELI ADAPTACYJNYCH W PROGNOZOWANIU BRAKUJĄCYCH DANYCH W SZEREGACH ZE ZŁOŻONĄ SEZONOWOŚCIĄ DLA LUK NIESYSTEMATYCZNYCH

ZASTOSOWANIE WYBRANYCH MODELI ADAPTACYJNYCH W PROGNOZOWANIU BRAKUJĄCYCH DANYCH W SZEREGACH ZE ZŁOŻONĄ SEZONOWOŚCIĄ DLA LUK NIESYSTEMATYCZNYCH METODY ILOŚCIOWE W BADANIACH EKONOMICZNYCH Tom XV/4, 214, sr. 181 194 ZASTOSOWANIE WYBRANYCH MODELI ADAPTACYJNYCH W PROGNOZOWANIU BRAKUJĄCYCH DANYCH W SZEREGACH ZE ZŁOŻONĄ SEZONOWOŚCIĄ DLA LUK NIESYSTEMATYCZNYCH

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

O PEWNYCH KRYTERIACH INWESTOWANIA W OPCJE NA AKCJE

O PEWNYCH KRYTERIACH INWESTOWANIA W OPCJE NA AKCJE MEODY ILOŚCIOWE W BADANIACH EKONOMICZNYCH om XIII/3, 01, sr 43 5 O EWNYCH KRYERIACH INWESOWANIA W OCJE NA AKCJE omasz Warowny Kaedra Meod Ilościowych w Zarządzaniu oliechnika Lubelska e-mail: warowny@pollubpl

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

A C T A U N I V E R S I T A T I S N I C O L A I C O P E R N I C I EKONOMIA XLIII nr 2 (2012)

A C T A U N I V E R S I T A T I S N I C O L A I C O P E R N I C I EKONOMIA XLIII nr 2 (2012) A C T A U N I V E R S I T A T I S N I C O L A I C O P E R N I C I EKONOMIA XLIII nr 2 (2012) 211 220 Pierwsza wersja złożona 25 października 2011 ISSN Końcowa wersja zaakcepowana 3 grudnia 2012 2080-0339

Bardziej szczegółowo

Makroekonomia II POLITYKA FISKALNA. Plan. 1. Ograniczenie budżetowe rządu

Makroekonomia II POLITYKA FISKALNA. Plan. 1. Ograniczenie budżetowe rządu Makroekonomia II Wykład 6 POLITKA FISKALNA Wykład 6 Plan POLITKA FISKALNA. Ograniczenie budżeowe rządu. Obliczanie długu i deficyu.2 Sosunek długu do PK.3 Wypłacalność rządu.4 Deficy srukuralny i cykliczny

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

POMIAR PARAMETRÓW SYGNAŁOW NAPIĘCIOWYCH METODĄ PRÓKOWANIA I CYFROWEGO PRZETWARZANIA SYGNAŁU

POMIAR PARAMETRÓW SYGNAŁOW NAPIĘCIOWYCH METODĄ PRÓKOWANIA I CYFROWEGO PRZETWARZANIA SYGNAŁU Pomiar paramerów sygnałów napięciowych. POMIAR PARAMERÓW SYGNAŁOW NAPIĘCIOWYCH MEODĄ PRÓKOWANIA I CYFROWEGO PRZEWARZANIA SYGNAŁU Cel ćwiczenia Poznanie warunków prawidłowego wyznaczania elemenarnych paramerów

Bardziej szczegółowo