ESTYMACJA RYZYKA WOBEC UJEMNYCH CEN ENERGII ELEKTRYCZNEJ

Wielkość: px
Rozpocząć pokaz od strony:

Download "ESTYMACJA RYZYKA WOBEC UJEMNYCH CEN ENERGII ELEKTRYCZNEJ"

Transkrypt

1 Sudia Ekonomiczne. Zesz Naukowe Uniwerseu Ekonomicznego w Kaowicach ISSN Nr Informaka i Ekonomeria 10 Alicja Ganczarek-Gamro Uniwerse Ekonomiczn w Kaowicach Wdział Informaki i Komunikacji Kaedra Demografii i Saski Ekonomicznej alicja.ganczarek-gamro@ue.kaowice.pl ESTYMACJA RYZYKA WOBEC UJEMNYCH CEN ENERGII ELEKTRYCZNEJ Sreszczenie: Praca zawiera rozważania doczące sposobu szacowania zmienności i rzka cen energii elekrcznej, w kórch odnoowano ujemne warości. Do ocen zmienności cen wkorzsano przros absolune i względne wraz z drobną modfikacją. Dla wbranch sposobów przekszałceń cen energii elekrcznej wznaczono miar zmienności i zagrożenia zmian cen energii elekrcznej. W oparciu o uzskane wniki podjęo próbę ocen wrażliwości rzka na wbran sposób różnicowania cen w przpadku jedno- i wielowmiarowm. Analiza empirczna zosała przeprowadzona na bazie noowań cen energii elekrcznej z rnków dobowo-godzinowch: Nord Pool, EEX, OTE oraz TGE. Słowa kluczowe: ujemne cen energii elekrcznej, przros absolune i względne, rozkład wielowmiarowe, miar zmienności i zagrożenia. JEL Classificaion: C61. Wprowadzenie Rzko związane z niepewnością osiągnięć oczekiwanch zsków w przszłości esmowane jes częso w oparciu o rozkład lub szereg czasowch sóp zwrou z inwescji. Sop zwrou rozparwane są wówczas jako liniowe przros względne: lub jako logarmiczne sop zwrou: = 1 z (1) 1

2 Esmacja rzka wobec ujemnch cen energii elekrcznej 27 gdzie: war rośćć inwescji w okr esiee ; z = ln 1 Celemm niniejszej prac jes próba znalezienia odpowiedzii naa panie: jak ocenić poziom zmian cen energii elekrcznej w suacji, gd na rnkuu ob- serwowane są ujemne warości cen? Roz zważania przeprowadzono w oparciu o warości średnichh dziennch cenn energii elekrcznejj [EUR/MWh] z dobowo- -godzinowch rnkóww europejskich giełd energii w okresiee odd do Do opisuu kszałowania a sięę poziomów cen na polskiej Towarowej Giełdzie Energii (TGE) wkorzsano indeks POLIXX [www 1]. Dla rnku Nord Pool zapr rezenowano średnie dzienne cenc energii elekrcznejj usalanee nieza- leżnie na rnkach: Szwecji (SE2 Sundsvall, SE3 Sockholm,, SE4 Malm mo) ), Norwegii (Oslo, Kr.sand., Bergen, Molde, Tromsø), Danii (DK1 Arhus, DK2 Copenhagen) ), Finlandii (FI), Liw (LT), Łow (LV), Esonii (EE) [wwww 2] ]. Warości cenn energii elekrcznej naa rnkachh Czechh (CR), Słowacji (SR), Wę- gierr (HU)) i Rumunii (RO) zosał pobrane ze sron czeskiegoo operaora ech- nicznego (OTE) [www 3]. Cen energii elekrcznej krajów Europ cenralnej Niemiec, Ausrii, FranF ncji, Szwajcariii zosał zaprezenowane wspólnm indek- semm ELIX X noowanmm na Europejskiejj GiełdG dzie EnerE rgiii (EEX) [www 4].. Na rsunku 1 zaprezenowano rozkład rozparwanch średnichh dziennch cen energiii elekrcznej wmienionchh wżej rnkr ków. 1, 0; 1 > 0. (2) Rs. 1. Rozkład średnich dziennch cenn energii elekrcznej

3 28 Alicja Ganczarek-Gamro Porównując rozkład średnich dziennch cen energii elekrcznej na poszczególnch rnkach, można zauważć, że na rnku Nord Pool cen energii są najniższe oraz najbardziej sabilne. Najwższe cen można zaobserwować na rnku polskim (POLPX), w Liwie (LT), Łowie (LV) oraz w Esonii (EE). Rozkład cen rnków środkowej Europ Czech (CR), Słowacji (SR), Węgier (HU) i Rumunii (RO) są zbliżone do rozkładu indeksu ELIX, kór reprezenuje noowania cen w Niemczech, Ausrii, Francji i Szwajcarii. Rozkład cen charakerzują się asmerią prawosronną, warości niepowe odsające zidenfikowane zosał jako niepowe wzros cen energii elekrcznej (najsilniejszą na rnkach polskim, liewskim, łoewskim i esońskim). W danm okresie ujemne cen odnoowano jednie na indeksie ELIX oraz w Danii (DK1 z noowaniami w Arhus). Na wmienionch rnkach nasępnego dnia cena energii elekrcznej, wznaczona jako cena równowagi złożonch ofer kupna i sprzedaż, oznacza warość, jaką goowi są zapłacić poencjalni odbiorc energii za jej dosarczenie w określonm czasie oraz warość, jaką goowa jes przjąć srona odpowiedzialna za dosarczenie owaru. Ujemne cen energii elekrcznej oznaczają suację, w kórej dsrbuorz energii elekrcznej są goowi zapłacić odbiorcom energii elekrcznej za pobór energii elekrcznej. Nasępuje o w przpadku nadwżki podaż nad popem. Suację aką można spokać na rnkach ze znacznm udziałem produkcji energii ze źródeł odnawialnch, np. w Niemczech, gdzie duż udział w produkcji energii elekrcznej mają elekrownie wiarowe. Kosz wworzenia nadwżki energii elekrcznej prz sprzjającch warunkach amosfercznch jes niewielki w porównaniu z koszami magaznowania. Taka suacja zdarza się rzadko, najczęściej w okresie sprzjającch warunków amosfercznch i jednoczesnm obniżeniu zaporzebowania na energię elekrczną, akich jak dni wolne od prac, w niedziele, święa oraz w godzinach nocnch. Problem wsępującch ujemnch cen bł rozważan w prac Fanone a, Gamba i Prokopczuk [2013]. Ujemne warości w szeregach czasowch cen energii elekrcznej sają się problemem w przpadku analiz zmienności cen [Ganczarek-Gamro, 2013]. Nie można wówczas zasosować przrosów logarmicznch, klasczne przros liniowe zakłócają prawidłową inerpreację zmian cen, naomias eliminacja cen ujemnch zakłóca równomierną częsoliwość obserwacji, ważną w przpadku wkorzswania modeli szeregów czasowch. Pojawia się zaem panie, jak różnicować cen, ab jednoznacznie ocenić poziom rzka zmian cen energii elekrcznej? W prac wkorzsano różni za pomocą przrosów absolunch, przrosów względnch oraz przrosów względnch skorgowanch. Dla w-

4 Esmacja rzka wobec ujemnch cen energii elekrcznej 29 znaczonch przrosów zbudowano porfele minimalizujące średnią oczekiwaną warość sra (CVaR), w przpadku przekroczenia warw rości narażonej na rzko (VaR) oszacowanejj meodą smulacjii hisorcznch. Celemm prac błaa ocenaa r- zka zmian cen enere rgii oraz wrażliwości ej ocen na n sposób różnicowania cen. 1. Rozkład przrosóww średnich dziennch cenn Na rsunku 2 przedsawiono przros absolune omawianch średnich dzied ennchh cen energii elekrcznej: Δ gdzie: śred dniaa dzienna cena energiii elekrcznej w dniu. = 1, szeregóww (3) Rs. 2. Rozkład przrosów absolunch (3) średnich dziennch cen energiii elekrcznej Asm meria rozkładóww przrosóww absolunch jes niewielka. Naomias anali- zując prze edział zmienności rozkładów,, do najbardziej sabs bilnch cenn możnm na zaliz czć cen w Norwegii, poep em Szwecji, Danii i Finlandii. RozkR kład przrosóww dla d Eso- nii, Łow, Liw, PolsP ski, Czech, Słowacji WęgW gier, Rumunii i giełdzie EEXX sąą po- równwalne, niemniej jednak dużoo grubsze ogon rozkładów orazz więcew ej warw ości odsającch obserwujem m na rnkach polskim, liewskim,, łoewskimm i esońskim.

5 30 Alicja Ganczarek-Gamro Na rsunkuu 3 przedsawionoo rozkład przrosóww względnch (1). Naa r- sunku 4 rozkład przp rosów względnch skors rgowanch: : ' z = 1 1. (4) Rs. 3. Rozkład przrosów względnch (2) średnich dziennch cen energiii elekrcznej Rs. 4. Rozkład przrosów względnchh skorgowanch (3) średnich dziennchh cen energii elekrcznej

6 Esmacja rzka wobec ujemnch cen energii elekrcznej 31 Rozkład przrosów względnch (rs. 3) oraz przrosów względnch skorgowanch (rs. 4) różnią się jednie w przpadku wsępowania w danch cen ujemnch, zn. dla szeregu DK1 oraz ELIX. Dla ch szeregów klasczne liniowe sop zwrou błędnie wskazują duż spadek cen, gdzie w rzeczwisości odnoowan bł wzros cen, zn. powró z ujemnej warości cen do dodanich poziomów cen. Skorgowanie przrosów powoduje poprawne określenie kierunku zmian cen, prz ej samej warości względnej zmian jej warości. Porównując rozkład przrosów względnch klascznch ze skorgowanmi, obserwujem zmianę asmerii rozkładu z smercznego na rozkład z asmerią prawosronną. Analizując rozkład przrosów względnch, można powiedzieć, że najwższą zmiennością charakerzuje się rnek czeski (CR), słowacki (SK), w nasępnej kolejności noowania ELIX, DK1, HU, RO, EE POLPX i pozosałe noowania na Nord Pool. Rozkład przrosów skorgowanch zachowują asmerię prawosronną obecną w rozkładach cen. Zasosowanie przrosów absolunch może bć przdane wówczas, gd wśród cen pojawią się warości zerowe. 2. Wrażliwość klasfikacji rnków na sposób różnicowania cen energii elekrcznej W nasępnm kroku sprawdzono, jak sposób różnicowania cen wpłwa na ocenę zależności pomiędz poszczególnmi rnkami. W abeli 1 zamieszczono warości ładunków cznnikowch dla cen energii elekrcznej noowanch na poszczególnch rnkach oraz warości przrosów cen oszacowanch za pomocą roacji varimax znormalizowanej w układzie dwuwmiarowm. Wsokie warości ładunków cznnikowch dla cen energii elekrcznej odzwierciedlają efek silnej współzależności cen, szczególnie w obrębie ego samego rnku regionalnego. Dla danch zróżnicowanch obserwujem niższe warości ładunków cznnikowch, niemniej jednak odzwierciedlają one również zależności w dnamice zmian cen w obrębie rnków regionalnch. Wniki klasfikacji omawianch rnków za pomocą głównch składowch (rs. 5-6) w niewielkim sopniu zależą od sposob różnicowania cen. Największą grupę sanowią rnki z Norwegii i Szwecji. Cen ej grup są ak silnie skorelowane, że sposób różnicowania cen nie wpłwa na zmianę pierwonej klasfikacji. Pozosałe noowania cen na Nord Pool w Danii, Finlandii, Liwie, Łowie i w Esonii worzą odrębną grupę. Polski indeks POLPX zarówno dla warości, jak i przrosów względnch najsilniej skorelowan jes z noowaniami w Liwie i Łowie. Osania grupa

7 32 Alicja Ganczarek-Gamro rnków o parami: Czech, Słowacja i Węgr, Rumunia oraz EEX reprezenowana indeksem ELIX. Porównując wniki grupowania indeksu ELIX, można zauważć, że inaczej zosał on zaprezenowan w układzie dwóch głównch składowch dla klascznch przrosów względnch. Może bć o efek asmerii lewosronnej rozkładu liniowch sóp zwrou w porównaniu z prawosronną asmerią dla pozosałch sposobów różnicowania cen, co przemawia za odejściem od klascznej liniowej sop zwrou w przpadku ujemnch warości cen. Tabela 1. Ładunki cznnikowe dwóch głównch składowch dla cen oraz przrosów cen Rnek/ cznnik Cznnik 1 Cen Przros absolune Przros względne Cznnik 2 Cznnik 1 Cznnik 2 Cznnik 1 Cznnik 2 Skorgowane przros względne Cznnik 1 Cznnik 2 SE2 0,9393 0,1352 0,8541 0,2096 0,8851 0,1767 0,8878 0,1678 SE3 0,9376 0,2075 0,8762 0,2362 0,8647 0,1585 0,8701 0,1430 SE4 0,9176 0,2430 0,8620 0,2688 0,8768 0,1792 0,8831 0,1605 FI 0,5786 0,5928 0,6262 0,4966 0,6657 0,3881 0,6806 0,3505 DK1 0,7440 0,3834 0,5617 0,4407 0,6421 0,2884 0,6329 0,2983 DK2 0,8097 0,3889 0,7833 0,3320 0,7877 0,1610 0,7853 0,1609 Oslo 0,9335 0,0773 0,8504 0,1656 0,8707 0,2153 0,8746 0,2026 Kr.sand. 0,9339 0,0275 0,7378 0,3441 0,8385 0,2338 0,8396 0,2272 Bergen 0,9212 0,0286 0,7335 0,3423 0,8351 0,2380 0,8369 0,2295 Molde 0,9550 0,0792 0,8456 0,1541 0,8655 0,1170 0,8699 0,1071 Tromsř 0,9301 0,0248 0,8039 0,0374 0,7889 0,0839 0,7951 0,0717 EE 0,5650 0,5625 0,6228 0,4557 0,6353 0,3596 0,6525 0,3192 LV 0,0776 0,7691 0,4778 0,4197 0,4253 0,4365 0,4467 0,3864 LT 0,0798 0,7620 0,4678 0,4195 0,4188 0,4346 0,4403 0,3841 POLPX 0,1439 0,6269 0,1997 0,5632 0,4007 0,4301 0,4083 0,4048 CR 0,2516 0,8569 0,3072 0,8536 0,0629 0,8524 0,0806 0,8592 SR 0,1926 0,8826 0,2394 0,8738 0,0634 0,8622 0,0813 0,8681 HU -0,0580 0,8412 0,1445 0,8065 0,2272 0,7740 0,2356 0,7838 RO -0,0333 0,7391 0,0592 0,6905 0,1407 0,7110 0,1592 0,6881 ELIX 0,3546 0,7541 0,3556 0,8121 0,4199 0,0880 0,2281 0,8358 Udział 0,4550 0,3001 0,3953 0,2584 0,4241 0,1901 0,4248 0,2157 % wariancji 0,7551 0,6536 0,6142 0,6406

8 Esmacja rzka wobec ujemnch cen energii elekrcznej 33 Rs. 5. Cen energii elekrcznej w układziee dwóch głównch składowch Rs. 6. Przros absolune cen energii elekrcznej w układzie dwóch głównch składowch

9 34 Alicja Ganczarek-Gamro Rs. 7. Przros względne cen energii elekrcznej w układzie dwóch głównchh składowch Rs. 8. Skorgowane przros względnee cen energii elekrcznej w układzie dwóch głównch składowch

10 Esmacja rzka wobec ujemnch cen energii elekrcznej Pomiar i zarządzanie rzkiem zmian cen energii elekrcznej W niniejszej prac rzko rozumiane jes jako sraa z ułu zawarej pozcji na giełdzie energii elekrcznej zarówno dla pozcji długiej, jak i krókiej. Sraa a zosała wrażona w warościach absolunch (przros absolune) oraz względnch (przros względne). Jako miarę rzka wkorzsano kwanlową miarę zagrożenia Value-a-Risk (VaR) [Jajuga, 2000; Weron, Weron, 2000; Heilpern, 2011]: P( Y + Δ VaR α (Y)) = α, (5) gdzie: obecna cena (warość); Y + Δ zmienna losowa, cena (warość) w okresie Δ (na rnkach dnia nasępnego jeden dzień). Dla pojednczego konraku za pomocą smulacji hisorcznch VaR można oszacować jako kwanl rzędu α odpowiedniego rozkładu: VaR ( Y α ) = F Y 1 ( α ), (6) gdzie: Y wekor warości ( Δ dla przrosów absolunch, z dla przrosów ' względnch oraz z dla skorgowanch przrosów względnch). W analizie porfelowej do szacowania warości zagrożonej wkorzswana jes koherenna miara CVaR (Condiional Value-a-Risk) [Arzner i in., 1999; Rockafellar, Urasev, 2000]: C VaR α ( Y m ) = E{ Ym Ym VaR ( Ym )} α, (7) gdzie: Y m warość m-składnikowego porfela w chwili. W oparciu o CVaR oraz modfikację klascznego modelu Markowiza [1959], dla poszczególnch przrosów cen energii elekrcznej zbudowano porfele będące rozwiązaniem zadania (8): min CVaR ( ΔYm ), (8) prz ograniczeniach: x i > 0, i = 1, K, m, m x i i = 1 = 1,

11 36 Alicja Ganczarek-Gamro m E( Y m ) = xiyi μ0, i = 1 gdzie: μ 0 oczekiwana warość porfela przed przebudową srukur porfela (warość oczekiwana prz jednakowch udziałach poszczególnch rnków); x i udział i-ej akcji w porfelu. W abelach 2-4 zamieszczono rozwiązania zadania (8) dla poszczególnch przrosów. Tabela 2. Rozwiązanie zadania (8) dla przrosów absolunch alfa Udział porfeli Paramer porfeli SE4 DK1 POLPX ELIX CVaR VaR E(Y m) s2 s 0,05 0,3649 0,2215 0,0272 0, ,1475-8,3627 0, ,0713 5,8371 0,01 0,1920 0,3060 0,1191 0, , ,8326 0, ,8837 5,9903 0, ,5199 0,1724 0, , ,8094 0, ,3553 6,1932 0,95 0,2869 0, , , ,5181 0, ,2978 5,7704 0,99 0,3045 0, , , ,6136 0, ,1848 5,7606 0,999 0,0276 0,5359 0,1120 0, , ,1916 0, ,0009 6,1645 Udział polskiej giełd energii elekrcznej w porfelu z przrosami absolunmi jes niewielki można o łumaczć wsokimi poziomami cen oraz wsoką zmiennością cen na rnku polskim w porównaniu z rnkami wbranmi we wsępnej klasfikacji meodą głównch składowch. Inerpreując wniki porfela z abeli 2 dla prawdopodobieńswa przekroczenia 0,05, można zauważć, że największ udział w porfelu ma dzienn konrak ze Szwecji oraz konrak na indeks ELIX. W badanm okresie warość oczekiwana porfela wnosiła 0,02EUR/MWh z odchleniem sandardowm 5,84EUR/MWh. Z prawdopodobieńswem 0,05 w kolejnm dniu sraa wnikająca z zakupu akiego porfela nie powinna przekroczć -8,36 EUR/MWh, średnia sraa w przpadku przekroczenia VaR 0,05 zosała oszacowana na poziomie -11,15EUR/MWh. W przpadku przrosów względnch liczonch jako klasczna liniowa sopa zwrou zmienia się srukura porfela orzmana w drodze klasfikacji rnków. Dla ch porfeli, w zależności od olerancji przekroczeń α oraz pozcji, obserwujem zmianę udziałów w porfelach. Dla ch porfeli w przpadku pozcji krókiej duż udział obserwujem na rnku szwedzkim, naomias dla pozcji długiej w Polsce (α=0,95) i Danii (α=0,99 i 0,999). Warości indeksu ELIX nie weszł do porfela.

12 Esmacja rzka wobec ujemnch cen energii elekrcznej 37 Tabela 3. Rozwiązanie zadania (8) dla przrosów względnch alfa Udział porfeli Paramer porfeli SE4 DK1 POLPX CR ELIX CVaR VaR E(Y m) s2 s 0,05 0, ,3238 0, ,2876-0,2280 0,0453 0,1503 0,3877 0,01 0,3981 0,0142 0,2954 0, ,3534-0,3302 0,0450 0,1453 0,3812 0,001 0, ,2134 0, ,3919-0,3695 0,0450 0,1462 0,3824 0,95 0,1332 0,1820 0,4330 0, ,9467 0,4945 0,0450 0,1304 0,3611 0,99 0,1627 0,3231 0,2564 0,1825 0,0754 2,0836 1,0539 0,0450 0,1164 0,3412 0,999 0,0912 0, ,8384 3,6290 0,0450 0,1757 0,4192 Porfele orzmane w oparciu o skorgowane przros względne charakerzują się niższm poziomem zmienności mierzonej odchleniem sandardowm oraz niższm poziomem warości zagrożonch (CVaR, VaR) niż porfele orzmane na bazie klascznej liniowej sop zwrou. Dla ch porfeli większość udziałów za wjąkiem olerancji 0,95 przpada na konrak z Nord Pool (SE4 oraz DK1). Tabela 4. Rozwiązanie zadania (8) dla skorgowanch przrosów względnch alfa Udział porfeli Paramer porfeli SE4 DK1 POLPX ELIX CVaR VaR E(Y m) s2 s 0,05 0,2845 0,1844 0,2448 0,2863-0,3363-0,2570 0,0440 0,0899 0,2998 0,01 0,1804 0,3240 0,2912 0,2044-0,4515-0,3760 0,0440 0,0853 0,2920 0,001 0,3159 0,4202 0,1358 0,1282-0,5518-0,5518 0,0440 0,0892 0,2987 0,95 0,0432 0,3475 0,4073 0,2020 0,9323 0,5312 0,0440 0,0860 0,2932 0,99 0,2343 0,3619 0,2295 0,1743 1,7675 1,2166 0,0440 0,0858 0,2929 0,999 0,5255 0, ,2116 2,3279 1,9560 0,0440 0,0917 0,3028 Podsumowanie Wniki przeprowadzonej w prac analiz empircznej powierdził przpuszczenie, że sposób różnicowania cen wpłwa na zmian rozkładów jednoi wielowmiarowch, ponado srukura porfela oraz rzko porfela oszacowane zarówno miarami zmienności, jak i zagrożenia zależą od sposobu różnicowania cen. Praca pokazała, że problem ujemnch cen, jeżeli nawe nie jes częsm zjawiskiem, o w dużm sopniu wpłwa na wnioskowanie w analizie rzka. Logarmiczne, jak również liniowe sop zwrou nie są narzędziem, kóre można b wkorzsać do opisu zmienności rozparwanch walorów, naomias proponowane w prac wkorzsanie przrosów absolunch lub względnch skorgowanch daje efek nieporównwalne co do skali. W przpadku przrosów absolunch rudno jes dopasować model zmienności ch przrosów, np.

13 38 Alicja Ganczarek-Gamro wkorzsując modele klas GARCH. Naomias w przpadku przrosów względnch isnieje rzko odnoowania w badanm okresie cen z warością bliską zero, co może spowodować oszacowania eksremalnie dużch zwroów. W dalszch pracach dla danch z wższą częsoliwością obserwowania podjęa zosanie próba wkazania, cz owe ujemne warości cen można porakować jako obserwację niepowe oraz esmować poziom cen i zmienność w oparciu o meod odporne. Lieraura Arzner P., Delbaen F., Eber J.M., Heah D. (1999), Coheren Measures of Risk, Mahemaical Finance, No. 9, s Fanone E., Gamba A., Prokopczuk M. (2013), The Case of Negaive Da-Ahead Elecrici Energ, Economics, No. 35, s Ganczarek-Gamro A. (2013), Meod sochasczne w badaniach porównawczch wbranch rnków energii elekrcznej, Wdawnicwo Uniwerseu Ekonomicznego, Kaowice. Heilpern S.A. (2011), Aggregae Dependen Risks Risk Measure Calculaion, Mahemaical Economics, No. 7(14), s Jajuga K. (2000), Rzko w finansach. Ujęcie sasczne. Współczesne problem badań sascznch i ekonomercznch, Wdawnicwo Akademii Ekonomicznej, Kraków. Markowiz H.M. (1959), Porfolio Selecion. Efficien Diversificaion of Invesmens, Yale Universi Press, New Haven. Rockafellar R.T., Urasev S. (2000), Opimizaion of Condiional Value-a-Risk, Journal of Risk, No. 2, s Weron A., Weron R. (2000), Giełda energii, Cenrum Informacji Rnku Energii, Wrocław. [www 1] hps:// (dosęp: ). [www 2] hp:// (dosęp: ). [www 3] hp:// (dosęp: ). [www 4] hps:// (dosęp: ). RISK MANAGEMENT WITH NEGATIVE ELECTRIC ENERGY PRICES Summar: In his paper, here are a comparison of absolue and relaive indicaors of elecric energ prices ime series wih some negaive prices. The volaili and downsides risk measure were calculaed for chosen decomposiion of elecric energ prices. The senili of risk resul will b presened for unvaried and mulivariae managemen

14 Esmacja rzka wobec ujemnch cen energii elekrcznej 39 decision. Empirical analsis will b made based on elecric energ sock quoed from da-ahead marke: Nord Pool, EEX, OTE and TGE. Kewords: negaive prices of elecric energ, absolue and relaive indicaors, mulivariae disribuions, volaili and downsides measures.

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

Zajęcia 2. Estymacja i weryfikacja modelu ekonometrycznego

Zajęcia 2. Estymacja i weryfikacja modelu ekonometrycznego Zajęcia. Esmacja i werfikacja modelu ekonomercznego Celem zadania jes oszacowanie liniowego modelu opisującego wpłw z urski zagranicznej w danm kraju w zależności od wdaków na urskę zagraniczną i liczb

Bardziej szczegółowo

Cechy szeregów czasowych

Cechy szeregów czasowych energecznch Cech szeregów czasowch Rozdział Modelowanie szeregów czasowch 7 proces deerminisczn proces kórego warość może bć preczjnie określona w dowolnm czasie =T+τ = a +b T T+τ czas = sin(ω) T T+τ czas

Bardziej szczegółowo

Wygładzanie metodą średnich ruchomych w procesach stałych

Wygładzanie metodą średnich ruchomych w procesach stałych Wgładzanie meodą średnich ruchomch w procesach sałch Cel ćwiczenia. Przgoowanie procedur Średniej Ruchomej (dla ruchomego okna danch); 2. apisanie procedur do obliczenia sandardowego błędu esmacji;. Wizualizacja

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

A C T A U N I V E R S I T A T I S N I C O L A I C O P E R N I C I EKONOMIA XL NAUKI HUMANISTYCZNO-SPOŁECZNE ZESZTYT 390 TORUŃ 2009.

A C T A U N I V E R S I T A T I S N I C O L A I C O P E R N I C I EKONOMIA XL NAUKI HUMANISTYCZNO-SPOŁECZNE ZESZTYT 390 TORUŃ 2009. A C T A U N I V E R S I T A T I S N I C O L A I C O P E R N I C I EKONOMIA XL NAUKI HUMANISTYCZNO-SPOŁECZNE ZESZTYT 390 TORUŃ 009 Uniwerse Mikołaja Kopernika w Toruniu Kaedra Ekonomerii i Saski WŁASNOŚCI

Bardziej szczegółowo

Prognozowanie i symulacje

Prognozowanie i symulacje Prognozowanie i smulacje Lepiej znać prawdę niedokładnie, niż dokładnie się mlić. J. M. Kenes dr Iwona Kowalska ikowalska@wz.uw.edu.pl Prognozowanie meod naiwne i średnie ruchome Meod naiwne poziom bez

Bardziej szczegółowo

Konspekty wykładów z ekonometrii

Konspekty wykładów z ekonometrii Konspek wkładów z ekonomerii Budowa i werfikaca modelu - reść przkładu W wniku ssemacznch badań popu na warzwa w pewnm mieście, orzmano nasępuące szeregi czasowe: przros (zmian) popu na warzwa (w zł. na

Bardziej szczegółowo

Ekonometria I materiały do ćwiczeń

Ekonometria I materiały do ćwiczeń lp daa wkładu ema Wkład dr Doroa Ciołek Ćwiczenia mgr inż. - Rodzaje danch sascznch - Zmienne ekonomiczne jako zmienne losowe 1a) Przkład problemów badawczch hipoeza, propozcja modelu ekonomercznego, zmienne

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

ANALIZA RYZYKA NA RYNKU NORD POOL SPOT

ANALIZA RYZYKA NA RYNKU NORD POOL SPOT Alicja Ganczarek-Gamro Dominik Krężołek Uniwersye Ekonomiczny w Kaowicach ANALIZA RYZYKA NA RYNKU NORD POOL SPOT Wprowadzenie Rynek owarowy można zdefiniować jako pewien sysem, w kórym nasępuje konfronacja

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

ROZDZIAŁ 11 WPŁYW ZMIAN KURSU WALUTOWEGO NA RYNEK PRACY

ROZDZIAŁ 11 WPŁYW ZMIAN KURSU WALUTOWEGO NA RYNEK PRACY Rszard Sefański ROZDZIAŁ 11 WPŁYW ZMIAN KURSU WALUTOWEGO NA RYNEK PRACY Absrak Ocena wpłwu zmian kursu waluowego na rnek prac jes szczególnie isona dla polskiej gospodarki w najbliższch laach. Spośród

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

PROCESY AUTOREGRESYJNE ZE ZMIENNYM PARAMETREM 1. Joanna Górka. Wydział Nauk Ekonomicznych i Zarządzania UMK w Toruniu Katedra Ekonometrii i Statystyki

PROCESY AUTOREGRESYJNE ZE ZMIENNYM PARAMETREM 1. Joanna Górka. Wydział Nauk Ekonomicznych i Zarządzania UMK w Toruniu Katedra Ekonometrii i Statystyki PROCESY AUTOREGRESYJNE ZE ZMIENNYM PARAMETREM Joanna Górka Wdział Nauk Ekonomicznch i Zarządzania UMK w Toruniu Kaedra Ekonomerii i Saski WSTĘP Niesacjonarne proces o średniej zero mogą bć reprezenowane

Bardziej szczegółowo

Krzysztof Piontek Weryfikacja modeli Blacka-Scholesa dla opcji na WIG20

Krzysztof Piontek Weryfikacja modeli Blacka-Scholesa dla opcji na WIG20 Akademia Ekonomiczna im. Oskara Langego we Wrocławiu Wydział Zarządzania i Informayki Kaedra Inwesycji Finansowych i Zarządzania Ryzykiem Krzyszof Pionek Weryfikacja modeli Blacka-Scholesa oraz AR-GARCH

Bardziej szczegółowo

EFEKT DŹWIGNI NA GPW W WARSZAWIE WPROWADZENIE

EFEKT DŹWIGNI NA GPW W WARSZAWIE WPROWADZENIE Paweł Kobus, Rober Pierzykowski Kaedra Ekonomerii i Informayki SGGW e-mail: pawel.kobus@saysyka.info EFEKT DŹWIGNI NA GPW W WARSZAWIE Sreszczenie: Do modelowania asymerycznego wpływu dobrych i złych informacji

Bardziej szczegółowo

SYMULACYJNE BADANIE EFEKTYWNOŚCI WYKORZYSTANIA METOD NUMERYCZNYCH W PROGNOZOWANIU ZMIENNEJ ZAWIERAJĄCEJ LUKI NIESYSTEMATYCZNE

SYMULACYJNE BADANIE EFEKTYWNOŚCI WYKORZYSTANIA METOD NUMERYCZNYCH W PROGNOZOWANIU ZMIENNEJ ZAWIERAJĄCEJ LUKI NIESYSTEMATYCZNE Sudia Ekonomiczne. Zesz Naukowe Uniwerseu Ekonomicznego w Kaowicach ISSN 8-86 Nr 4 7 Zachodniopomorski Uniwerse Technologiczn w Szczecinie Wdział Ekonomiczn Kaedra Zasosowań Maemaki w Ekonomii maciej.oeserreich@zu.edu.pl

Bardziej szczegółowo

oznacza przyrost argumentu (zmiennej niezależnej) x 3A82 (Definicja). Granicę (właściwą) ilorazu różnicowego funkcji f w punkcie x x x e x lim x lim

oznacza przyrost argumentu (zmiennej niezależnej) x 3A82 (Definicja). Granicę (właściwą) ilorazu różnicowego funkcji f w punkcie x x x e x lim x lim WYKŁAD 9 34 Pochodna nkcji w pnkcie Inerpreacja geomerczna pochodnej Własności pochodnch Twierdzenia Rolle a Lagrange a Cach ego Regla de lhôspiala Niech ( ) O( ) będzie nkcją określoną w pewnm ooczeni

Bardziej szczegółowo

MODELOWANIE WŁASNOŚCI SZEREGÓW STÓP ZWROTU SKOŚNOŚĆ ROZKŁADÓW

MODELOWANIE WŁASNOŚCI SZEREGÓW STÓP ZWROTU SKOŚNOŚĆ ROZKŁADÓW Krzyszof Pionek Kaedra Inwesycji Finansowych i Ubezpieczeń Akademia Ekonomiczna we Wrocławiu MODELOWANIE WŁASNOŚCI SZEREGÓW STÓP ZWROTU SKOŚNOŚĆ ROZKŁADÓW Wprowadzenie Współczesne zarządzanie ryzykiem

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

OPTYMALIZACJA PORTFELA INWESTYCYJNEGO ZE WZGLĘDU NA MINIMALNY POZIOM TOLERANCJI DLA USTALONEGO VaR

OPTYMALIZACJA PORTFELA INWESTYCYJNEGO ZE WZGLĘDU NA MINIMALNY POZIOM TOLERANCJI DLA USTALONEGO VaR Daniel Iskra Uniwersye Ekonomiczny w Kaowicach OPTYMALIZACJA PORTFELA IWESTYCYJEGO ZE WZGLĘDU A MIIMALY POZIOM TOLERACJI DLA USTALOEGO VaR Wprowadzenie W osanich laach bardzo popularną miarą ryzyka sała

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

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

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

DYNAMICZNE MODELE EKONOMETRYCZNE

DYNAMICZNE MODELE EKONOMETRYCZNE DYNAMICZNE MODELE EKONOMETRYCZNE IX Ogólnopolskie Seminarium Naukowe, 6 8 września 2005 w Toruniu Kaedra Ekonomerii i Saysyki, Uniwersye Mikołaja Kopernika w Toruniu Kaarzyna Kuziak Akademia Ekonomiczna

Bardziej szczegółowo

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

Europejska opcja kupna akcji calloption

Europejska opcja kupna akcji calloption Europejska opcja kupna akcji callopion Nabywca holder: prawo kupna long posiion jednej akcji w okresie epiraiondae po cenie wykonania eercise price K w zamian za opłaę C Wysawca underwrier: obowiązek liabiliy

Bardziej szczegółowo

Magdalena Osińska, Marcin Fałdziński Uniwersytet Mikołaja Kopernika w Toruniu. Modele GARCH i SV z zastosowaniem teorii wartości ekstremalnych

Magdalena Osińska, Marcin Fałdziński Uniwersytet Mikołaja Kopernika w Toruniu. Modele GARCH i SV z zastosowaniem teorii wartości ekstremalnych DYNAMICZNE MODELE EKONOMETRYCZNE X Ogólnopolskie Seminarim Nakowe 4 6 września 2007 w Torni Kaedra Ekonomerii i Saysyki Uniwersye Mikołaja Kopernika w Torni Magdalena Osińska Marcin Fałdziński Uniwersye

Bardziej szczegółowo

METODY STATYSTYCZNE W FINANSACH

METODY STATYSTYCZNE W FINANSACH METODY STATYSTYCZNE W FINANSACH Krzyszof Jajuga Akademia Ekonomiczna we Wrocławiu, Kaedra Inwesycji Finansowych i Ubezpieczeń Wprowadzenie W osanich kilkunasu laach na świecie obserwuje się dynamiczny

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

KONCEPCJA WARTOŚCI ZAGROŻONEJ VaR (VALUE AT RISK)

KONCEPCJA WARTOŚCI ZAGROŻONEJ VaR (VALUE AT RISK) KONCEPCJA WARTOŚCI ZAGROŻONEJ VaR (VALUE AT RISK) Kaarzyna Kuziak Akademia Ekonomiczna we Wrocławiu, Kaedra Inwesycji Finansowych i Ubezpieczeń Wprowadzenie W 1994 roku insyucja finansowa JP Morgan opublikowała

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

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

Analiza szeregów czasowych uwagi dodatkowe

Analiza szeregów czasowych uwagi dodatkowe Analiza szeregów czasowch uwagi dodakowe Jerz Sefanowski Poliechnika Poznańska Zaawansowana Eksploracja Danch Prognozowanie Wbór i konsrukcja modelu o dobrch własnościach predkcji przszłch warości zmiennej.

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

Magdalena Osińska, Joanna Górka Uniwersytet Mikołaja Kopernika w Toruniu

Magdalena Osińska, Joanna Górka Uniwersytet Mikołaja Kopernika w Toruniu DYNAMICZNE MODELE EKONOMETRYCZNE IX Ogólnopolskie Seminarium Naukowe, 6 8 września 5 w Toruniu Kaedra Ekonomerii i Saski, Uniwerse Mikołaja Kopernika w Toruniu Uniwerse Mikołaja Kopernika w Toruniu Idenfikacja

Bardziej szczegółowo

WYBRANE TESTY NIEOBCIĄŻONOŚCI MIAR RYZYKA NA PRZYKŁADZIE VALUE AT RISK

WYBRANE TESTY NIEOBCIĄŻONOŚCI MIAR RYZYKA NA PRZYKŁADZIE VALUE AT RISK Przemysław Jeziorski Uniwersye Ekonomiczny w Kaowicach Wydział Informayki i Komunikacji Zakład Demografii i Saysyki Ekonomicznej przemyslaw.jeziorski@ue.kaowice.pl WYBRANE TESTY NIEOBCIĄŻONOŚCI MIAR RYZYKA

Bardziej szczegółowo

ANALIZA SZEREGÓW CZASOWYCH A STATYSTYCZNY POMIAR RYZYKA

ANALIZA SZEREGÓW CZASOWYCH A STATYSTYCZNY POMIAR RYZYKA ANALIZA SZEREGÓW CZASOWYCH A STATYSTYCZNY POMIAR RYZYKA Sudia Ekonomiczne ZESZYTY NAUKOWE WYDZIAŁOWE UNIWERSYTETU EKONOMICZNEGO W KATOWICACH ANALIZA SZEREGÓW CZASOWYCH A STATYSTYCZNY POMIAR RYZYKA Redakor

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

Stanisław Cichocki Natalia Nehrebecka. Wykład 5

Stanisław Cichocki Natalia Nehrebecka. Wykład 5 Sanisław Cichocki Naalia Nehrebecka Wkład 5 . Proces AR 2. Proces MA 3. Modele ARMA 4. Prognozowanie za pomocą modelu ARMA 2 . Proces AR 2. Proces MA 3. Modele ARMA 4. Prognozowanie za pomocą modelu ARMA

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

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

RYZYKO INWESTYCJI W SPÓŁKI GIEŁDOWE SEKTORA ENERGETYCZNEGO

RYZYKO INWESTYCJI W SPÓŁKI GIEŁDOWE SEKTORA ENERGETYCZNEGO Alicja Ganczarek-Gamrot Uniwersytet Ekonomiczny w Katowicach RYZYKO INWESTYCJI W SPÓŁKI GIEŁDOWE SEKTORA ENERGETYCZNEGO Wprowadzenie Liberalizacja polskiego rynku energii elektrycznej wpłynęła na rozwój

Bardziej szczegółowo

Daniel Papla Akademia Ekonomiczna we Wrocławiu. Wykorzystanie modelu DCC-MGARCH w analizie zmian zależności wybranych akcji GPW w Warszawie

Daniel Papla Akademia Ekonomiczna we Wrocławiu. Wykorzystanie modelu DCC-MGARCH w analizie zmian zależności wybranych akcji GPW w Warszawie DYNAMICZNE MODELE EKONOMETRYCZNE X Ogólnopolskie Seminarium Naukowe, 4 6 września 27 w Toruniu Kaedra Ekonomerii i Saysyki, Uniwersye Mikołaja Kopernika w Toruniu Akademia Ekonomiczna we Wrocławiu Wykorzysanie

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

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

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

ANALIZA PORÓWNAWCZA ŚREDNIEGO ODSETKA CZASU PRZEBYWANIA W PIERWSZEJ I DRUGIEJ POŁOWIE DNIA BADANIA EMPIRYCZNE

ANALIZA PORÓWNAWCZA ŚREDNIEGO ODSETKA CZASU PRZEBYWANIA W PIERWSZEJ I DRUGIEJ POŁOWIE DNIA BADANIA EMPIRYCZNE Tadeusz Czernik Daniel Iskra Uniwersye Ekonomiczny w Kaowicach Kaedra Maemayki Sosowanej adeusz.czernik@ue.kaowice.pl daniel.iskra@ue.kaowice.pl ANALIZA PORÓWNAWCZA ŚREDNIEGO ODSETKA CZASU PRZEBYWANIA

Bardziej szczegółowo

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

Oddziaływanie procesu informacji na dynamikę cen akcji. Małgorzata Doman Akademia Ekonomiczna w Poznaniu Oddziaływanie procesu informacji na dynamikę cen akcji. Małgorzaa Doman Akademia Ekonomiczna w Poznaniu Modele mikrosrukury rynku Bageho (97) informed raders próbują wykorzysać swoją przewagę informacyjną

Bardziej szczegółowo

ZESZYTY NAUKOWE UNIWERSYTETU SZCZECI SKIEGO ODPOWIED NA PYTANIE PROFESORA RAUTSKAUKASA

ZESZYTY NAUKOWE UNIWERSYTETU SZCZECI SKIEGO ODPOWIED NA PYTANIE PROFESORA RAUTSKAUKASA ZESZYTY NAUKOWE UNIWERSYTETU SZCZECI SKIEGO NR 394 PRACE KATEDRY EKONOMETRII I STATYSTYKI NR 15 2004 JÓZEF HOZER Uniwersye Szczeci ski ODPOWIED NA PYTANIE PROFESORA RAUTSKAUKASA 1. PYTANIE PROFESORA RAUTSKAUKASA

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

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

Instytut Logistyki i Magazynowania

Instytut Logistyki i Magazynowania Insu Logiski i Magaznowania Ćwiczenia 1 mgr Dawid Doliński Dawid.Dolinski@ilim.poznan.pl lub Dawid.Dolinski@wsl.com.pl Tel. 0(61) 850 49 45 ZALICZENIE PRZEDMIOTU 5 punków Blok zajęć z Panem mgr D.Dolińskim

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

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

STATYSTYCZNA WERYFIKACJA MODELU CAPM NA PRZYKŁADZIE POLSKIEGO RYNKU KAPITAŁOWEGO WPROWADZENIE METODOLOGIA TESTOWANIA MODELU

STATYSTYCZNA WERYFIKACJA MODELU CAPM NA PRZYKŁADZIE POLSKIEGO RYNKU KAPITAŁOWEGO WPROWADZENIE METODOLOGIA TESTOWANIA MODELU GraŜyna Trzpio, Dominik KręŜołek Kaedra Saysyki Akademii Ekonomicznej w Kaowicach e-mail rzpio@sulu.ae.kaowice.pl, dominik_arkano@wp.pl STATYSTYCZNA WERYFIKACJA MODELU CAPM NA PRZYKŁADZIE POLSKIEGO RYNKU

Bardziej szczegółowo

Zarządzanie ryzykiem. Lista 3

Zarządzanie ryzykiem. Lista 3 Zaządzanie yzykiem Lisa 3 1. Oszacowano nasępujący ozkład pawdopodobieńswa dla sóp zwou z akcji A i B (Tabela 1). W chwili obecnej Akcja A ma waość ynkową 70, a akcja B 50 zł. Ile wynosi pięciopocenowa

Bardziej szczegółowo

ZASTOSOWANIA EKONOMETRII

ZASTOSOWANIA EKONOMETRII ZASTOSOWANIA EKONOMETRII Budowa, esmacja, werfikacja i inerpreacja modelu ekonomercznego. dr Doroa Ciołek Kaedra Ekonomerii Wdział Zarządzania UG hp://wzr.pl/~dciolek doroa.ciolek@ug.edu.pl Lieraura Osińska

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

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

Efekty agregacji czasowej szeregów finansowych a modele klasy Sign RCA

Efekty agregacji czasowej szeregów finansowych a modele klasy Sign RCA Joanna Górka * Efeky agregacji czasowej szeregów finansowych a modele klasy Sign RCA Wsęp Wprowadzenie losowego parameru do modelu auoregresyjnego zwiększa możliwości aplikacyjne ego modelu, gdyż pozwala

Bardziej szczegółowo

Inwestycje w lokale mieszkalne jako efektywne zabezpieczenie przed inflacją na przykładzie Poznania w latach

Inwestycje w lokale mieszkalne jako efektywne zabezpieczenie przed inflacją na przykładzie Poznania w latach Radosław Trojanek Kaedra Mikroekonomii Akademia Ekonomiczna w Poznaniu Srona nieparzysa Inwesycje w lokale mieszkalne jako efekywne zabezpieczenie przed inflacją na przykładzie Poznania w laach 996-2004.

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

Pomiar ryzyka odchylenia od benchmarku w warunkach zmiennej w czasie strategii inwestycyjnej OFE - kotynuacja. Wojciech Otto Uniwersytet Warszawski

Pomiar ryzyka odchylenia od benchmarku w warunkach zmiennej w czasie strategii inwestycyjnej OFE - kotynuacja. Wojciech Otto Uniwersytet Warszawski Pomiar ryzyka odchylenia od benchmarku w warunkach zmiennej w czasie sraegii inwesycyjnej OFE - koynuacja Wojciech Oo Uniwersye Warszawski Refera przygoowany na Ogólnopolską Konferencję Naukową Zagadnienia

Bardziej szczegółowo

PROGNOZY I SYMULACJE

PROGNOZY I SYMULACJE Forecasing is he ar of saing wha will happen, and hen explaining wh i didn. Ch. Chafield (986) PROGNOZY I SYMULACJE Kaarzna Chud Laskowska konsulacje: p. 400A środa -4 czwarek -4 srona inerneowa: hp://kc.sd.prz.edu.pl/

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 XXXIX NAUKI HUMANISTYCZNO-SPOŁECZNE ZESZYT 389 TORUŃ 2009

A C T A U N I V E R S I T A T I S N I C O L A I C O P E R N I C I EKONOMIA XXXIX NAUKI HUMANISTYCZNO-SPOŁECZNE ZESZYT 389 TORUŃ 2009 A C T A U N I V E R S I T A T I S N I C O L A I C O P E R N I C I EKONOMIA XXXIX NAUKI HUMANISTYCZNO-SPOŁECZNE ZESZYT 389 TORUŃ 2009 Uniwersye Mikołaja Kopernika w Toruniu Kaedra Ekonomerii i Saysyki Marcin

Bardziej szczegółowo

Wartość indeksów sezonowych przedstawia wzór: O = WK - średni multiplikatywny wskaźnik korygujący dla 12 uzyskania O = 1200.

Wartość indeksów sezonowych przedstawia wzór: O = WK - średni multiplikatywny wskaźnik korygujący dla 12 uzyskania O = 1200. Sławomir JUŚCIŃSKI Uniwerse Przrodnicz w Lublinie, Kaedra Energeki i Pojazdów, Zakład Logiski i Zarządzania Przedsiębiorswem ul. Poniaowskiego, 20-060 Lublin e-mail: slawomir.juscinski@up.lublin.pl A SURVEY

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

ANALIZA WRAŻLIWOŚCI CENY OPCJI O UWARUNKOWANEJ PREMII

ANALIZA WRAŻLIWOŚCI CENY OPCJI O UWARUNKOWANEJ PREMII STUDIA I PRACE WYDZIAŁU NAUK EKONOMICZNYCH I ZARZĄDZANIA NR 31 Ewa Dziawgo Uniwersytet Mikołaja Kopernika w Toruniu ANALIZA WRAŻLIWOŚCI CENY OPCJI O UWARUNKOWANEJ PREMII Streszczenie W artykule przedstawiono

Bardziej szczegółowo

MODEL TENDENCJI ROZWOJOWEJ

MODEL TENDENCJI ROZWOJOWEJ MODEL TENDENCJI ROZWOJOWEJ Model endencji rozwojowej o konsrukcja eoreczna (równanie lub układ równań) opisująca kszałowanie się określonego zjawiska jako funkcji: zmiennej czasowej wahań okresowch (sezonowe

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

Metody prognozowania popytu w zarządzaniu logistycznym

Metody prognozowania popytu w zarządzaniu logistycznym Michał Miłek 1 Uniwerse Ekonomiczn w Kaowicach Meod prognozowania popu w zarządzaniu logiscznm Wsęp ał rozwó gospodarcze działalności człowieka spowodował, że meod prognozowania znaduą coraz szersze zasosowanie

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

Całka nieoznaczona Andrzej Musielak Str 1. Całka nieoznaczona

Całka nieoznaczona Andrzej Musielak Str 1. Całka nieoznaczona Całka nieoznaczona Andrzej Musielak Sr Całka nieoznaczona Całkowanie o operacja odwrona do liczenia pochodnych, zn.: f()d = F () F () = f() Z definicji oraz z abeli pochodnych funkcji elemenarnych od razu

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

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

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

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

OeconomiA copernicana. Małgorzata Madrak-Grochowska, Mirosława Żurek Uniwersytet Mikołaja Kopernika w Toruniu OeconomiA copernicana 2011 Nr 4 Małgorzaa Madrak-Grochowska, Mirosława Żurek Uniwersye Mikołaja Kopernika w Toruniu TESTOWANIE PRZYCZYNOWOŚCI W WARIANCJI MIĘDZY WYBRANYMI INDEKSAMI RYNKÓW AKCJI NA ŚWIECIE

Bardziej szczegółowo

Zrównoważona intensyfikacja rolnictwa jako kombinacja efektywności ekonomicznej i środowiskowej. prof. Andrzej Czyżewski mgr Jakub Staniszewski

Zrównoważona intensyfikacja rolnictwa jako kombinacja efektywności ekonomicznej i środowiskowej. prof. Andrzej Czyżewski mgr Jakub Staniszewski Zrównoważona intensyfikacja rolnictwa jako kombinacja efektywności ekonomicznej i środowiskowej prof. Andrzej Czyżewski mgr Jakub Staniszewski XV Międzynarodowa Konferencja Naukowa Globalne problemy rolnictwa

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

Krzywe na płaszczyźnie.

Krzywe na płaszczyźnie. Krzwe na płaszczźnie. Współrzędne paramerczne i biegunowe. Współrzędne biegunowe. Dan jes punk O, zwan biegunem, kór sanowi począek półprosej, zwanej półosią. Dowoln punk P na płaszczźnie można opisać

Bardziej szczegółowo

Wyzwania praktyczne w modelowaniu wielowymiarowych procesów GARCH

Wyzwania praktyczne w modelowaniu wielowymiarowych procesów GARCH Krzyszof Pionek Akademia Ekonomiczna we Wrocławiu Wyzwania prakyczne w modelowaniu wielowymiarowych procesów GARCH Wsęp Od zaproponowania przez Engla w 1982 roku jednowymiarowego modelu klasy ARCH, modele

Bardziej szczegółowo

VII. ZAGADNIENIA DYNAMIKI

VII. ZAGADNIENIA DYNAMIKI Konderla P. Meoda Elemenów Skończonych, eoria i zasosowania 47 VII. ZAGADNIENIA DYNAMIKI. Równanie ruchu dla zagadnienia dynamicznego Q, (7.) gdzie M NxN macierz mas, C NxN macierz łumienia, K NxN macierz

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

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

UMK w Toruniu ANALIZA ZALEŻNOŚCI MIĘDZY INDEKSEM WIG A WYBRANYMI INDEKSAMI RYNKÓW AKCJI NA ŚWIECIE Pior Fiszeder UMK w Toruniu ANALIZA ZALEŻNOŚCI MIĘDZY INDEKSEM WIG A WYBRANYMI INDEKSAMI RYNKÓW AKCJI NA ŚWIECIE. Wprowadzenie Rynki kapiałowe na świecie są coraz silniej powiązane. Do najważniejszych

Bardziej szczegółowo

Matematyka ubezpieczeń majątkowych 9.10.2006 r. Zadanie 1. Rozważamy proces nadwyżki ubezpieczyciela z czasem dyskretnym postaci: n

Matematyka ubezpieczeń majątkowych 9.10.2006 r. Zadanie 1. Rozważamy proces nadwyżki ubezpieczyciela z czasem dyskretnym postaci: n Maemayka ubezpieczeń mająkowych 9.0.006 r. Zadaie. Rozważamy proces adwyżki ubezpieczyciela z czasem dyskreym posaci: U = u + c S = 0... S = W + W +... + W W W W gdzie zmiee... są iezależe i mają e sam

Bardziej szczegółowo

Komputerowa analiza przepływów turbulentnych i indeksu Dow Jones

Komputerowa analiza przepływów turbulentnych i indeksu Dow Jones Kompuerowa analiza przepływów urbulennych i indeksu Dow Jones Rafał Ogrodowczyk Pańswowa Wyższa Szkoła Zawodowa w Chełmie Wiesław A. Kamiński Uniwersye Marii Curie-Skłodowskie w Lublinie W badaniach porównano

Bardziej szczegółowo

ĆWICZENIE NR 43 U R I (1)

ĆWICZENIE NR 43 U R I (1) ĆWCZENE N 43 POMY OPO METODĄ TECHNCZNĄ Cel ćwiczenia: wyznaczenie warości oporu oporników poprzez pomiary naężania prądu płynącego przez opornik oraz napięcia na oporniku Wsęp W celu wyznaczenia warości

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

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

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

2. Wprowadzenie. Obiekt

2. Wprowadzenie. Obiekt POLITECHNIKA WARSZAWSKA Insyu Elekroenergeyki, Zakład Elekrowni i Gospodarki Elekroenergeycznej Bezpieczeńswo elekroenergeyczne i niezawodność zasilania laoraorium opracował: prof. dr ha. inż. Józef Paska,

Bardziej szczegółowo

CHEMIA KWANTOWA Jacek Korchowiec Wydział Chemii UJ Zakład Chemii Teoretycznej Zespół Chemii Kwantowej Grupa Teorii Reaktywności Chemicznej

CHEMIA KWANTOWA Jacek Korchowiec Wydział Chemii UJ Zakład Chemii Teoretycznej Zespół Chemii Kwantowej Grupa Teorii Reaktywności Chemicznej CHEMI KWTOW CHEMI KWTOW Jacek Korchowiec Wydział Chemii UJ Zakład Chemii Teoreycznej Zespół Chemii Kwanowej Grupa Teorii Reakywności Chemicznej LITERTUR R. F. alewajski, Podsawy i meody chemii kwanowej:

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

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

Ekonometryczne modele nieliniowe

Ekonometryczne modele nieliniowe Ekonoeryczne odele nieliniowe Wykład 4 NMNK, MNW, eody radienowe Lieraura W. Greene Econoeric Analysis, rozdz. 7. sr. -4 J. Hailon 994 ie Series Analysis, sr. 33 5 Chun-Min Kuan 7 Inroducion o Econoeric

Bardziej szczegółowo

ANALIZA SZEREGÓW CZASOWYCH A STATYSTYCZNY POMIAR RYZYKA

ANALIZA SZEREGÓW CZASOWYCH A STATYSTYCZNY POMIAR RYZYKA ANALIZA SZEREGÓW CZASOWYCH A STATYSTYCZNY POMIAR RYZYKA Sudia Ekonomiczne ZESZYTY NAUKOWE WYDZIAŁOWE UNIWERSYTETU EKONOMICZNEGO W KATOWICACH ANALIZA SZEREGÓW CZASOWYCH A STATYSTYCZNY POMIAR RYZYKA Redakor

Bardziej szczegółowo

Analiza danych DRZEWA DECYZYJNE. Drzewa decyzyjne. Entropia. http://zajecia.jakubw.pl/ test 1 dopełnienie testu 1

Analiza danych DRZEWA DECYZYJNE. Drzewa decyzyjne. Entropia. http://zajecia.jakubw.pl/ test 1 dopełnienie testu 1 Analiza danych Drzewa decyzyjne. Enropia. Jakub Wróblewski jakubw@pjwsk.edu.pl hp://zajecia.jakubw.pl/ DRZEWA DECYZYJNE Meoda reprezenacji wiedzy (modelowania ablic decyzyjnych). Pozwala na przejrzysy

Bardziej szczegółowo

OBLICZANIE TERMINU REALIZACJI PRZEDSIĘWZIĘĆ BUDOWLANYCH METODĄ CCPM NA PODSTAWIE MULTIPLIKATYWNEGO MODELU CZASU TRWANIA CZYNNOŚCI

OBLICZANIE TERMINU REALIZACJI PRZEDSIĘWZIĘĆ BUDOWLANYCH METODĄ CCPM NA PODSTAWIE MULTIPLIKATYWNEGO MODELU CZASU TRWANIA CZYNNOŚCI Dane bibliograficzne o arykule: hp://mieczyslaw_polonski.users.sggw.pl/mppublikacje Mieczysław POŁOŃSKI 1 OBLICZANIE TERMIN REALIZACJI PRZEDSIĘWZIĘĆ BDOWLANYCH METODĄ CCPM NA PODSTAWIE MLTIPLIKATYWNEGO

Bardziej szczegółowo