Akademia Ekonomiczna im. Oskara Langego we Wrocławiu Katedra Inwestycji Finansowych i Ubezpieczeń
|
|
- Katarzyna Sawicka
- 8 lat temu
- Przeglądów:
Transkrypt
1 Krzyszof Pionek Akademia Ekonomiczna im. Oskara Langego we Wrocławiu Kaedra Inwesycji Finansowych i Ubezpieczeń Przegląd i porównanie meod oceny modeli VaR Wsęp - Miara VaR Warość zagrożona (warość narażona na ryzyko, Value a Risk, VaR w chwili jes o aka sraa warości rynkowej porfela, że prawdopodobieńswo osiągnięcia jej lub przekroczenia w rozparywanym okresie (, równe jes zadanemu poziomowi olerancji (por. [6],[9]. Powyższą definicję można zapisać w nasępujący sposób: P ( W W VaR = q, ( gdzie: W - obecna warość porfela insrumenów, W - warość porfela na końcu analizowanego okresu, q - ak zwany poziom olerancji VaR. Nie zakładając warości porfela W, powyższą zależność można zapisać wykorzysując pojęcie sopy zwrou (por. [9] ( r : ( r, P r F q = q, ( co oznacza, że prawdopodobieńswo, że sopa zwrou z porfela w danym horyzoncie czasu nie przekroczy warości równej odpowiedniemu F q, wynosi q. kwanylowi rozkładu sóp zwrou r, W dalszej części pracy miara VaR analizowana będzie w konekście sóp zwrou jako odpowiedni kwanyl rozkładu, co oznaczane jes jako: VaR q = F q. (3 r, r, Definicja zapisana wzorem ( czy ( w żaden sposób nie precyzuje jak należy ową warość zagrożoną wyznaczyć. Prowadzi o mnogości możliwych podejść. Do najbardziej popularnych zalicza się: meodę hisoryczną, meodę symulacji, meodę wariancji-kowariancji (w ym meodę RiskMerics oraz meodę oparą na wekorach warunkowych warości oczekiwanych i warunkowych macierzach kowariancji (modele klasy VARMA-MGARCH, a akże meody bazujące na eorii warości eksremalnych (por. [],[6],[7],[9],[]. W każdym przypadku prowadzi o do konieczności
2 esowania meody. Tesowanie wseczne (backesing wyników pomiaru warości zagrożonej jes więc niezbędną procedurą mającą odpowiedzieć na pyanie, czy dane podejście można sosować, lub kóre z większej ilości konkurencyjnych rozwiązań powinno zosać wybrane. Celem pracy jes skróowa prezenacja wybranych meod oceny wyników VaR. Zaprezenowane zosaną zarówno prose popularne esy wykorzysujące ideę analizy szeregu przekroczeń, jak i nowsze propozycje pozbawione przynajmniej niekórych wad podejścia klasycznego.. Klasyczne esy modeli VaR Modele VaR można analizować zarówno poprzez jakość modeli ekonomerycznych leżących u podsaw modelu VaR (np. modeli VARMA- MGARCH, jak i wpros poprzez porównanie wyników VaR z fakycznie zaobserwowanymi sraami. Obszarem zaineresowania niniejszej pracy pozosaje jedynie o drugie podejście. W prakyce, najpopularniejsze, gdyż najławiejsze do wykorzysania, esy jakości wyników VaR opierają się na analizie zw. szeregu przekroczeń (failure = T process, hi funcion I ( q = zdefiniowanego w sposób nasępujący: ; r VaRr, q I ( q (4 0; r > VaRr, q Najczęściej wykorzysywanym esem jes es liczby przekroczeń (Proporion of Failures Tes - POF. Dla danej próby liczba przekroczeń ma rozkład dwumianowy. Odpowiednią saysykę esową zaproponował Kupiec (por. np. [6][5][9]. Ma ona posać: LR gdzie: ( q ( qˆ T0 T q = ln ~ χ, (5 qˆ POF T0 T T qˆ = T T 0 T = oraz T0 T T i=, T I ( q =, (6 gdzie: T liczba wszyskich obserwacji, T liczba przekroczeń, T 0 liczba obserwacji, dla kórych przekroczenie nie wysąpiło. Saysyka LR ma rozkład χ z jednym sopniem swobody. POF
3 3 Tes liczby przekroczeń nie jes jedynym esem, kóremu należy poddać weryfikowany model. Trudno zgodzić się, że echnika pomiaru VaR jes poprawna jeśli rzeczywiście w ciągu 000 esowanych dni, liczba przekroczeń wynosi co prawda 50, ale 5 przekroczeń wysąpiło w ciągu osaniego miesiąca. Do esu na liczbę przekroczeń należy dołączyć es, czy przekroczenia są niezależne w czasie. Wysępujące blisko po sobie przekroczenia są groźniejsze dla insyucji niż równomiernie rozłożone w czasie przekroczenia, kóre wysępują nieznacznie częściej niż wynikałoby o z eorii. Największą popularność, w zakresie esowania niezależności przekroczeń, zdobył es niezależności (Independence Tes-IND Chrisoffersena LR wykorzysujący idee łańcuchów Markowa (por. [4],[5],[6],[9]: IND T T T T ( q q T ( ( LRIND = ln ~ χ T00 T 0 0 T qˆ ˆ ˆ ˆ 0 q0 q q Tij T0 T qˆ ij = q = gdzie : Ti 0 Ti, T00 T0 T0 T oraz T ij o liczba okresów, w kórych I = j, jeśli I = i. Saysyka LR ma również rozkład IND χ z sopniem swobody. Rzadziej wykorzysywaną alernaywą jes es czasu pomiędzy przekroczeniami (Time Beween Failures Tes - TBF (por. np. [4][6]: ν T νi q( q q q( q LR TBF = ln ln ~ χ ν νi T qˆ ( qˆ (9 i= qˆ i ( qˆ i gdzie: ν i - czas pomiedzy ( i --ym oraz i-ym przekroczeniem, ˆq i =. ν i Ponieważ saysyki liczby przekroczeń oraz ich niezależności w czasie są niezależne, zaproponowano esy mieszane LR uwzględniające zarówno liczbę przekroczeń oraz czas pomiędzy przekroczeniami (por. [4],[5],[6],[9]: T0 T ( ( q q LRMIX = LRPOF LRIND = ln ~ χ T00 T T 0 0 T (0 ( qˆ 0 qˆ 0 ( qˆ qˆ lub: ( LRMIX = LRPOF LRTBF ~ χ T. ( MIX (7 (8 Dla poziomu olerancji VaR wynoszącego 0,05.
4 4 W prakyce jednak rzadko sosuje się esy mieszane na rzecz osobno wyznaczanych esów liczby i niezależności przekroczeń, kóre mają większą moc (por. [4]. = T Rozparując jedynie szereg przekroczeń I ( q =, możliwa do analizy informacja ulega znaczniej redukcji, co skukuje ym, że prezenowane esy charakeryzują się niską mocą dla krókich szeregów i/lub niskich poziomów olerancji VaR. Dodakowo waro zauważyć, iż miara VaR zdefiniowana jako: X z prawdopodobieńswem - q VaR ( q ( X z prawdopodobieńswem q spełnia warunki liczby i niezależności przekroczeń dla wysarczająco wysokiej warości X. Jes o podsawowy, obok niskiej mocy esów, zarzu wobec klasycznych esów modeli VaR. Kolejne, prezenowane w sposób skróowy, esy uwzględniają pełną informację o wielkościach warości zagrożonej oraz warościach zrealizowanych sóp zwrou.. Tesy szeregów przekroczeń i wielkości VaR Podsawowym esem wykorzysującym zarówno warości VaR, jak i szereg przekroczeń jes zw. Dynamic Quanile Tes DQ zaproponowany przez Engle a oraz Manganelli ego w 00 roku (por. np. 7. Ideą esu jes fak, że przekroczenia w chwili nie powinny zależeć od przekroczeń w chwilach wcześniejszych, a akże od warości VaR oraz dowolnie przeworzonej informacji dosępnej w chwili - ( ω I. Analizie podlega więc równanie regresji:, j p n = o βi i β p β p j ( ω, j ε. (3 I q q I q VaR q f i= j= Model VaR jes poprawny, jeśli brak jes podsaw do odrzucenia hipoezy: H : q = q, β = 0,i =,, K, p n. 0 o i Powyższy es umożliwia zidenyfikowanie nieprawidłowego pomiaru przedsawionego wzorem (, kórego nie odrzucają klasyczne esy liczby i niezależności przekroczeń. Tes powyższy jes uogólnioną wersją esu: H o : s corr ( I, I s = 0 (4 H : s corr I, I 0 s Dla dziennych warości zagrożonych, maksymalny rząd esowanych opóźnień wybiera się zazwyczaj jako 5, co odpowiada liczbie dni sesyjnych w ygodniu.
5 5 Podejście dane wzorem (3 umożliwia wykrycie odsępsw od niezależności przekroczeń opisywanych przez łańcuchy Markowa rzędów wyższych niż. Waro eż zaznaczyć, iż w ogólności esy opare na podejściu Chrisoffersena (por. wzór (7 oraz uproszczonej posaci esu danego wzorem (3 mogą prowadzić do sprzecznych wniosków (por. [0]. 3. Tesy wykorzysujące funkcje sra Odmienny w swej isocie es opary na funkcji sray zaproponował Lopez (por. [8]. Podejście o doczekało się później szeregu uogólnień (por. [0],[]. Dla każdego analizowanego okresu, na podsawie hisorycznych informacji o zrealizowanej sopie zwrou i korespondującej warości zagrożonej wyznaczana jes odpowiednia warość zw. funkcji sra: f ( VaRr, ( q,r r VaRr, ( q L( VaRr, ( q,r (5 g ( VaRr, ( q,r r > VaRr, ( q. Podejście o analizowane jes zazwyczaj z punku widzenia regulaora rynku (nadzorcy, kóry dba o zwiększenie bezpieczeńswa. Z ego eż powodu przyjmuje się iż: f VaR q,r g VaR q,r. (6 ( r, ( r, Osaeczna warość funkcji sra dla całego okresu, w kórym esowany jes model, wyznaczana jes ze wzoru: T L = L( VaRr, ( q, r. (7 T = Pierwona propozycja Lopeza polegała na uwzględnieniu informacji nie ylko o wysępującym przekroczeniu, lecz również o wielkości ego przekroczenia: ( ( r VaRr, r VaRr, ( q L VaRr, q, r (8 0 r > VaRr, ( q. Na podsawie analizy informacji wynikającej z warości funkcji sra możliwe są dwa podejścia: wybór echniki pomiary VaR, dla kórej warość funkcji sra przyjmuje minimum, przyjęcie lub odrzucenie modelu VaR poprzez porównanie warości funkcji sra dla danych hisorycznych z warością kryyczną esu uzyskiwaną poprzez symulację Mone Carlo szeregów sóp zwrou z założonego modelu (ego samego, kóry leży u podsaw modelu VaR np. modele VARMA- MGARCH.
6 6 W niekórych echnikach wyznaczania VaR (np. w meodzie hisorycznej podejście nie jes możliwe (bez szeregu silnych założeń i sosuje się kryerium minimalizację funkcji sra. Funkcja sra zaproponowana przez Lopeza, jakkolwiek najbardziej popularna, nie jes w żadnym wypadku jedynym możliwym rozwiązaniem. Wykorzysywane bywają również funkcje o nasępującej posaci (por. [],[]: ( r VaR r, ( = lub f ( VaR ( q,r f VaR q,r VaR r, r =. (9 VaR W powyższych rozwiązaniach (por. wzory (5-(9 zakłada się zazwyczaj iż g VaR q,r =. ( r, 0 Sarma, Thomas, Shah (por. [0] zaproponowali jednak nasępującą posać funkcji sra, zw. Firm s Loss Funcion. Podejście o sanowi próbę rozwiązania oczywisego konfliku pomiędzy bezpieczeńswem oraz maksymalizacją wyniku finansowego: ( ( r VaRr, r VaRr, ( q L VaRr, q, r (0. ϕvarr, r > VaRr, ( q W podejściu akim karze podlega zby wysoki poziom VaR skukujący przesadnie wysokim kapiałem zabezpieczającym. Kryerium decyzyjne wyboru opymalnej meody pomiaru VaR jes analogiczne jak w przypadku klasycznej funkcji zaproponowanej przez Lopeza. Pojawiają się eż propozycje, aby rozdzielić w funkcji sra aspek ilości przekroczeń oraz wielkości przekroczeń. Rozwiązanie akie przedsawili Blanco, Ihle (por. [0]: ( ; freq r VaRr, ( q L ( q 0; r > VaRr, ( q L magn r VaR r, VaR r, r, r VaR q 0 r > VaRr, ( q magn (, = λ ( λ freq r, ( L VaR q r = L L (3 Warość parameru λ wybierana jes w sposób subiekywny, w zależności od wagi przyznawanej liczbie i wielkości przekroczeń. 4. Tesy kwanyli rozkładów sóp zwrou
7 7 Ponieważ warości VaR wyrażane są poprzez bezwarunkowe lub warunkowe kwanyle rozkładów sóp zwrou, sugeruje się esy opare bezpośrednio na ych rozkładach i kwanylach. Konieczne jes założenie o posaci warunkowego lub bezwarunkowego rozkładu sóp zwrou f r. Analizie podlega szereg prawdopodobieńsw odpowiadających odpowiednim kwanylom (warości funkcji dysrybuany założonego rozkładu dla zrealizowanych sóp zwrou. Kolejne esy opierają się na zw. ransformacji Rosenblaa (por. wzór (4, por. [],[3]. Pierwsze prezenowane podejście wykorzysuje modyfikacje zw. esu Crnkoica i Drachmana. (por. [],[4],[]. Dla obserwowanych ex pos sóp zwrou wyznacza się szereg: r z = F r = = f u du (4 Jeśli model VaR jes prawidłowy, o: z ~ iid U ( 0,, (5 gdzie U(0, rozkład jednoskowy na przedziale [0,]. Dalsza procedura sprowadza się zazwyczaj do wykorzysania odpowiedniej saysyki esu posaci rozkładu (por. []. Zazwyczaj wykorzysuje się klasyczne saysyki: K = max F F, (6 AD = max z u F F z u u ( Fu ( z u u z F z Fu Fu Fz max F ( F F ( F F, (7 Kuiper = max F F max( F F, (8 w Kuiper = max u u u u Fz Fu wkuiper = max... ln ( Fu ( Fu Fu Fz... max, ln ( Fu ( Fu (9 (30 Podejście o możliwe jes również w meodzie hisorycznej, w kórej konieczne jes jednak wyznaczenie rozkładu empirycznego, co jes jedynie pewną niedogodnością.
8 8 gdzie: Fz ( oraz Fu o odpowiednio warość dysrybuany dla zmiennej z oraz warość dysrybuany rozkładu jednoskowego dla argumenu. Saysyki dane wzorami (7, (9 i (30 silniej uwypuklają niezgodności w ogonach rozkładów, co jes ważne w przypadku miar zagrożenia. Rozszerzenie powyższej meody pozwalające w prosy sposób esować nie ylko zgodność rozkładów, ale akże niezależność (por. wzór (5 zaproponował Berkowiz (por. [][]. Zmienna z ulega kolejnej ransformacji według wzoru: r y = Φ ( z = Φ f ( u du, (3 gdzie Φ o funkcja odwrona do dysrybuany sandaryzowanego rozkładu normalnego. Jeśli model VaR jes prawidłowy, o: y ~ iid N 0,. (3 Powyższy warunek sprawdza się zazwyczaj poprzez równanie regresji: y µ = ρ y µ ρ r ε (33 gdzie ar ( ε = σ. Model jes prawidłowy, jeśli brak jes podsaw do odrzucenia hipoezy zerowej: H : µ, ρ, ρ, σ = 0,0,0,. (34 0 Zaprezenowane podejście saje się coraz popularniejsze, choć niewąpliwym urudnieniem w jego sosowaniu jes konieczność przyjęcia lub wyznaczenia z danych empirycznych warunkowego lub bezwarunkowego rozkładu sóp zwrou. Dla wszyskich powyższych esów możliwe jes sworzenie miar oceny VaR łączących w sobie oceny modeli warości zagrożonej dla różnych poziomów olerancji VaR, np. 0,0, 0,05 oraz 0,05. Rozwiązanie o jes jednak sosunkowo rzadko wykorzysywane. Podsumowanie Nauka oraz prakyka wypracowały cały szereg meod oceny pomiaru warości zagrożonej. Prezenowane w ej pracy rozwiązania są meodami najbardziej popularnymi oraz reprezenaywnymi dla większych grup meod.
9 9 Żadne z rozwiązań nie jes wolne od wad oraz każde posiada eż pewne zaley. Tesy klasyczne cechuje niska moc, lecz są bardzo prose oraz inuicyjne, gdyż korespondują wpros z definicją miary VaR i wysępującymi przekroczeniami. Tesy opare o funkcję sra ujmują aspek bezpieczeńswa insyucji oraz/lub ekonomiki związanej z wielkością kapiału wymaganego. Ich wadą pozosaje subiekywny wybór posaci funkcji sra oraz fak, że pojedyncze duże przekroczenie może prowadzić do odrzucenia w ogólności prawidłowego modelu. Najciekawszymi i uzyskującymi coraz większą popularność, wydają się być esy opare na ransformacji Rosenblaa. Pozwalają one skueczniej idenyfikować modele nieprawidłowe. Niedogodnością w ich sosowaniu pozosaje jednak konieczność określenia posaci rozkładu sóp zwrou (warunkowego lub bezwarunkowego w wykorzysywanym modelu VaR. Waro wyraźnie podkreślić, iż w sposób formalny przydaność powyższych esów oceniona być powinna poprzez analizę błędów I i II rodzaju. Obszarem dalszej pracy auora w ym zakresie będzie empiryczna analiza mocy poszczególnych esów w zależności od wielkości symulowanego odsępswa (nieprawidłowa częsość przekroczeń, brak niezależności przekroczeń oraz od długości próby. Celem będzie odpowiedź na pyanie, kóry z prezenowanych esów jakości pomiaru VaR powinien być sosowany w celu minimalizacji błędu II rodzaju (przyjęcia modelu niepoprawnego jako model poprawny. W przypadku pomiaru ryzyka, błąd II rodzaju jes bowiem błędem w oczywisy sposób znacznie bardziej niebezpiecznym, z punku widzenia insyucji finansowych, niż błąd I rodzaju (odrzucenia prawidłowego modelu. Analiza mocy odpowiednich esów jes jednak w wielu przypadkach całkowicie pomijana a esy sosowane są w sposób bezkryyczny. Lieraura:. Abdelazim Reffa Mohamed, Would Suden's -GARCH Improe VaR Esimaes, Uniersiy of Jyaskyla, 005, Barbachan J., Farias A., Ornelas J., Goodness-of-fi Tess focus on VaR Esimaion, Finance Lab Working Papers, Finance Lab, Ibmec São Paulo, 003, 3. Berkowiz J., Tesing Densiy Forecass wih Applicaions o Risk Managemen, Uniersiy of California, Irine, 000, 4. Campbell S., A Reiew of Backesing and Backesing Procedures, Federal Resere Board, Washingon, 005,
10 0 5. Hass M., New Mehods in Backesing,. CAESAR, 00, cae_pp_000_haas_ _0.pdf 6. Jorion P., Value a Risk nd ediion, McGraw-Hill, Kueser K., Minik S., Paolella M., Value a Risk Predicion: A Comparison of Alernaie Sraegies, 005, 8. Lopez J., Mehods for Ealuaing Value-a-Risk. Esimaes. Federal Resere Bank of Nwe York, 9. Pionek K., Papla D., Wykorzysanie wielorównaniowych modeli AR- GARCH w pomiarze ryzyka meodą VaR. PN 088 Akademii Ekonomicznej we Wrocławiu, Wrocław, 005, 0. Sarma M., Thomas S., Shah A., Selecion of Value-a-Risk Models, 003, ideas.repec.org/s/jof/jforec.hml. Yan Liu, Value-a-Risk Models Combinaion, Emory Uniersiy, 005, Sreszczenie Przegląd i porównanie meod oceny modeli VaR Tesowanie wseczne wyników pomiaru warości zagrożonej jes procedurą mającą odpowiedzieć na pyanie czy dane podejście można sosować, lub kóre z większej ilości konkurencyjnych rozwiązań powinno zosać wybrane. W pracy zaprezenowane zosały klasyczne esy wykorzysujące szereg przekroczeń oraz nowsze esy uwzględniające pełną informację esy opare na warości odpowiednio zdefiniowanej funkcji sra oraz esy bazujące na analizie własności szeregu uzyskanego za pomocą zw. ransformacji Rosenblaa. Zaprezenowane zosały zaley i wady poszczególnych rozwiązań. Absrak A Surey and a Comparison of Backesing Procedures Backesing is he necessary procedure o choose and o ealuae he goodness of a VaR models, howeer, he selecion is usually conroersial. This aricles presens and summarizes some ypical, saisical mehods based on he
11 hi funcion as well as newer procedures using some kind of loss funcions and some quanile measures. Adanages and disadanages of hose mehods are discussed.
Wykorzystanie wielorównaniowych modeli AR-GARCH w pomiarze ryzyka metodą VaR
Krzyszof Pionek Daniel Papla Kaedra Inwesycji Finansowych i Ubezpieczeń Akademia Ekonomiczna we Wrocławiu Wykorzysanie wielorównaniowych modeli AR-GARCH w pomiarze ryzyka meodą VaR Wsęp Wśród różnych meod
Bardziej szczegółowoStudia 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 szczegółowoKrzysztof 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 szczegółowoAlicja 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 szczegółowoWyzwania 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 szczegółowoEFEKT 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 szczegółowoWYBRANE 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 szczegółowoKONCEPCJA 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 szczegółowoZarządzanie 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 szczegółowoMETODY 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 szczegółowoWNIOSKOWANIE 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 szczegółowoMagdalena 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 szczegółowoHeteroskedastyczność szeregu stóp zwrotu a koncepcja pomiaru ryzyka metodą VaR
Krzyszof Pionek Kaedra Inwesycji Finansowych i Ubezpieczeń Akademia Ekonomiczna we Wrocławiu Heeroskedasyczność szeregu sóp zwrou a koncepcja pomiaru ryzyka meodą VaR Wsęp Spośród wielu rodzajów ryzyka
Bardziej szczegółowoMODELOWANIE 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 szczegółowoMODELOWANIE EFEKTU DŹWIGNI W FINANSOWYCH SZEREGACH CZASOWYCH
Krzyszof Pionek Kaedra Inwesycji Finansowych i Ubezpieczeń Akademia Ekonomiczna we Wrocławiu Wsęp MODELOWANIE EFEKTU DŹWIGNI W FINANSOWYCH SZEREGACH CZASOWYCH Nowoczesne echniki zarządzania ryzykiem rynkowym
Bardziej szczegółowoDYNAMICZNE 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 szczegółowoKombinowanie 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 szczegółowoMatematyka 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 szczegółowoAnaliza 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 szczegółowoZESZYTY 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 szczegółowoStanisław 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 szczegółowoESTYMACJA 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 szczegółowoDYNAMICZNE 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 szczegółowoDYNAMIKA 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 szczegółowoMiara ryzyka estymacji parametrów modelu VaR
Zeszyy Uniwersye Ekonomiczny w Krakowie Naukowe 4 (976) ISSN 1898-6447 e-issn 2545-3238 Zesz. Nauk. UEK, 2018; 4 (976): 183 200 hps://doi.org/10.15678/znuek.2018.0976.0411 Miara ryzyka esymacji paramerów
Bardziej szczegółowoParytet 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 szczegółowoKURS 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 szczegółowoRACHUNEK 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 szczegółowoAnaliza 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 szczegółowoDYNAMICZNE 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 szczegółowoDYNAMICZNE 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 szczegółowoKrzysztof Piontek MODELOWANIE ZMIENNOŚCI STÓP PROCENTOWYCH NA PRZYKŁADZIE STOPY WIBOR
Inwesycje finansowe i ubezpieczenia endencje świaowe a rynek polski Krzyszof Pionek Akademia Ekonomiczna we Wrocławiu MODELOWANIE ZMIENNOŚCI STÓP PROCENTOWYCH NA PRZYKŁADZIE STOPY WIBOR Wsęp Konieczność
Bardziej szczegółowospecyfikacji i estymacji modelu regresji progowej (ang. threshold regression).
4. Modele regresji progowej W badaniach empirycznych coraz większym zaineresowaniem cieszą się akie modele szeregów czasowych, kóre pozwalają na objaśnianie nieliniowych zależności między poszczególnymi
Bardziej szczegółowoKrzysztof Piontek Akademia Ekonomiczna we Wrocławiu. Modelowanie warunkowej kurtozy oraz skośności w finansowych szeregach czasowych
DYNAMICZNE MODELE EKONOMETRYCZNE IX Ogólnopolskie Seminarium Naukowe, 6 8 września 5 w Toruniu Kaedra Ekonomerii i Saysyki, Uniwersye Mikołaja Kopernika w Toruniu Akademia Ekonomiczna we Wrocławiu Modelowanie
Bardziej szczegółowoPrognozowanie 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 szczegółowoMODELOWANIE 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 szczegółowoPobieranie 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 szczegółowoOPTYMALIZACJA 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 szczegółowoAnaliza 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 szczegółowoEKONOMETRIA 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 szczegółowoStanisław 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 szczegółowoEwa 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 szczegółowoStanisław 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 szczegółowoWARTOŚĆ ZAGROŻONA OPCJI EUROPEJSKICH SZACOWANA PRZEDZIAŁOWO. SYMULACJE
Daniel Iskra Uniwersye Ekonomiczny w Kaowicach WARTOŚĆ ZAGROŻONA OPCJI EUROPEJSKICH SZACOWANA PRZEDZIAŁOWO. SYMULACJE Wprowadzenie Jednym z aspeków współczesnej ekonomii jes zarządzanie ryzykiem związanym
Bardziej szczegółowoOCENA 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 szczegółowoPomiar 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 szczegółowoPolitechnika 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 szczegółowoDaniel 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 szczegółowoWitold 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 szczegółowolicencjat 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 szczegółowoA 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 szczegółowoOeconomiA 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 szczegółowoPOWIĄZANIA POMIĘDZY KRÓTKOOKRESOWYMI I DŁUGOOKRESOWYMI STOPAMI PROCENTOWYMI W POLSCE
Anea Kłodzińska, Poliechnika Koszalińska, Zakład Ekonomerii POWIĄZANIA POMIĘDZY KRÓTKOOKRESOWYMI I DŁUGOOKRESOWYMI STOPAMI PROCENTOWYMI W POLSCE Sopy procenowe w analizach ekonomicznych Sopy procenowe
Bardziej szczegółowoNiestacjonarne zmienne czasowe własności i testowanie
Maeriał dla sudenów Niesacjonarne zmienne czasowe własności i esowanie (sudium przypadku) Nazwa przedmiou: ekonomeria finansowa I (22204), analiza szeregów czasowych i prognozowanie (13201); Kierunek sudiów:
Bardziej szczegółowoEksploracja danych. KLASYFIKACJA I REGRESJA cz. 1. Wojciech Waloszek. Teresa Zawadzka.
Eksploracja danych KLASYFIKACJA I REGRESJA cz. 1 Wojciech Waloszek wowal@ei.pg.gda.pl Teresa Zawadzka egra@ei.pg.gda.pl Kaedra Inżyrii Oprogramowania Wydział Elekroniki, Telekomunikacji i Informayki Poliechnika
Bardziej szczegółowoDYNAMICZNE 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 szczegółowoEFEKTYWNOŚĆ INWESTYCJI MODERNIZACYJNYCH. dr inż. Robert Stachniewicz
EFEKTYWNOŚĆ INWESTYCJI MODERNIZACYJNYCH dr inż. Rober Sachniewicz METODY OCENY EFEKTYWNOŚCI PROJEKTÓW INWESTYCYJNYCH Jednymi z licznych celów i zadań przedsiębiorswa są: - wzros warości przedsiębiorswa
Bardziej szczegółowoC 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 szczegółowoPREDYKCJA 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 szczegółowoMatematyka 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 szczegółowoU b e zpieczenie w t eo r ii użyteczności i w t eo r ii w yceny a ktywów
dr Dariusz Sańko Kaedra Ubezpieczenia Społecznego Szkoła Główna Handlowa dariusz.sanko@gmail.com lisopada 006 r., akualizacja i poprawki: 30 sycznia 008 r. U b e zpieczenie w eo r ii użyeczności i w eo
Bardziej szczegółowoDYNAMICZNE MODELE EKONOMETRYCZNE
DYNAMICZNE MODELE EKONOMETRYCZNE X Ogólnopolskie Seminarium Naukowe, 4 6 września 007 w Toruniu Kaedra Ekonomerii i Saysyki, Uniwersye Mikołaja Kopernika w Toruniu Uniwersye Mikołaja Kopernika Zależność
Bardziej szczegółowoPrognozowanie macierzy kowariancji finansowych szeregów czasowych stóp zwrotu nie jest sprawą błahą. Zagadnienie to związane jest również w oczywisty
Krzyszof Pionek Akademia Ekonomiczna w e W r ocł aw iu Prognozowanie macierzy kowariancji i korel acji f inans owych s zeregó w czas owych Wsęp Prognozowanie macierzy kowariancji finansowych szeregów czasowych
Bardziej szczegółowoOcena płynności wybranymi metodami szacowania osadu 1
Bogdan Ludwiczak Wprowadzenie Ocena płynności wybranymi meodami szacowania osadu W ubiegłym roku zaszły znaczące zmiany doyczące pomiaru i zarządzania ryzykiem bankowym. Są one konsekwencją nowowprowadzonych
Bardziej szczegółowoTransakcje 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 szczegółowoDendrochronologia Tworzenie chronologii
Dendrochronologia Dendrochronologia jes nauką wykorzysującą słoje przyrosu rocznego drzew do określania wieku (daowania) obieków drewnianych (budynki, przedmioy). Analizy różnych paramerów słojów przyrosu
Bardziej szczegółowoSZACOWANIE MODELU RYNKOWEGO CYKLU ŻYCIA PRODUKTU
B A D A N I A O P E R A C J N E I D E C Z J E Nr 2 2006 Bogusław GUZIK* SZACOWANIE MODELU RNKOWEGO CKLU ŻCIA PRODUKTU Przedsawiono zasadnicze podejścia do saysycznego szacowania modelu rynkowego cyklu
Bardziej szczegółowoEfekty 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 szczegółowoRównania 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 szczegółowoDYNAMICZNE MODELE EKONOMETRYCZNE
DYNAMICZNE MODELE EKONOMETRYCZNE IX Ogólnopolskie Seminarium Naukowe, 6 8 września 2005 w Toruniu Kaedra Ekonomerii i Saysyki, Uniwersye Mikołaja Kopernika w Toruniu Uniwersye Mikołaja Kopernika Empiryczna
Bardziej szczegółowoKrzysztof Jajuga Akademia Ekonomiczna we Wrocławiu. Modelowanie stóp procentowych a narzędzia ekonometrii finansowej
DYNAMICZNE MODELE EKONOMETRYCZNE IX Ogólnopolskie Seminarium Naukowe, 6 8 września 2005 w Toruniu Kaedra Ekonomerii i Saysyki, Uniwersye Mikołaja Kopernika w Toruniu Krzyszof Jajuga Akademia Ekonomiczna
Bardziej szczegółowoWyznaczanie temperatury i wysokości podstawy chmur
Wyznaczanie emperaury i wysokości podsawy chmur Czas rwania: 10 minu Czas obserwacji: dowolny Wymagane warunki meeorologiczne: pochmurnie lub umiarkowane zachmurzenie Częsoliwość wykonania: 1 raz w ciągu
Bardziej szczegółowoStrukturalne 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 szczegółowoModelowanie ryzyka kredytowego MODELOWANIE ZA POMOCA HAZARDU
Modelowanie ryzyka kredyowego MODELOWANIE ZA POMOCA PROCESU HAZARDU Mariusz Niewęgłowski Wydział Maemayki i Nauk Informacyjnych, Poliechniki Warszawskiej Warszawa 2014 hazardu Warszawa 2014 1 / 18 Proces
Bardziej szczegółowoA 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 szczegółowoMODELOWANIE KURSÓW WALUTOWYCH NA PRZYKŁADZIE MODELI KURSÓW RÓWNOWAGI ORAZ ZMIENNOŚCI NA RYNKU FOREX
Krzyszof Ćwikliński Uniwersye Ekonomiczny we Wrocławiu Wydział Zarządzania, Informayki i Finansów Kaedra Ekonomerii krzyszof.cwiklinski@ue.wroc.pl Daniel Papla Uniwersye Ekonomiczny we Wrocławiu Wydział
Bardziej szczegółowoKlasyfikacja modeli. Metoda najmniejszych kwadratów
Konspek ekonomeria: Weryfikacja modelu ekonomerycznego Klasyfikacja modeli Modele dzielimy na: - jedno- i wielorównaniowe - liniowe i nieliniowe - sayczne i dynamiczne - sochasyczne i deerminisyczne -
Bardziej szczegółowoKluczowe wnioski ze Światowego Badania Bezpieczeństwa Informacji 2012. 4 grudnia 2012
Kluczowe wnioski ze Świaowego Badania Bezpieczeńswa Informacji 2012 4 grudnia 2012 Erns & Young 2012 Świaowe Badanie Bezpieczeńswa Informacji Świaowe Badanie Bezpieczeńswa Informacji Erns & Young 2012
Bardziej szczegółowoNie(efektywność) informacyjna giełdowego rynku kontraktów terminowych w Polsce
Zeszyy Naukowe Uniwersyeu Szczecińskiego nr 862 Finanse, Rynki Finansowe, Ubezpieczenia nr 75 (2015) DOI: 10.18276/frfu.2015.75-16 s. 193 204 Nie(efekywność) informacyjna giełdowego rynku konraków erminowych
Bardziej szczegółowoZJAWISKA SZOKOWE W ROZWOJU GOSPODARCZYM WYBRANYCH KRAJÓW UNII EUROPEJSKIEJ
Anna Janiga-Ćmiel Uniwersye Ekonomiczny w Kaowicach Wydział Zarządzania Kaedra Maemayki anna.janiga-cmiel@ue.kaowice.pl ZJAWISKA SZOKOWE W ROZWOJU GOSPODARCZYM WYBRANYCH KRAJÓW UNII EUROPEJSKIEJ Sreszczenie:
Bardziej szczegółowoAnaliza efektywności kosztowej w oparciu o wskaźnik dynamicznego kosztu jednostkowego
TRANSFORM ADVICE PROGRAMME Invesmen in Environmenal Infrasrucure in Poland Analiza efekywności koszowej w oparciu o wskaźnik dynamicznego koszu jednoskowego dr Jana Rączkę Warszawa, 13.06.2002 2 Spis reści
Bardziej szczegółowoPROGNOZOWANIE 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 szczegółowoWSPOMAGANIE DECYZJI - MIŁOSZ KADZIŃSKI LAB X - ELECTRE TRI
WSPOMAGANIE DECYZJI - MIŁOSZ KADZIŃSKI LAB X - ELECTRE TRI 1. Meoda ELECTRE TRI ELECTRE TRI (skró od ang. riage) meoda wspomagająca rozwiązywanie problemów wielokryerialnego sorowania - bardzo podobna
Bardziej szczegółowoSTATYSTYCZNY POMIAR EFEKTYWNOŚCI FUNDUSZY INWESTYCYJNYCH OTWARTYCH ZA POMOCĄ EAM (I)
STATYSTYCZNY POMIAR EFEKTYWNOŚCI FUNDUSZY INWESTYCYJNYCH OTWARTYCH ZA POMOCĄ EAM (I) dr Jacek, M. Kowalski Wyższa Szkoła Bankowa w Poznaniu jakowalski@op.pl Absrak Jes o pierwsza część, drugiego z cyklu
Bardziej szczegółowo2.1 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 szczegółowoWERYFIKACJA JAKOŚCI PROGNOZ ZMIENNOŚCI WYKORZYSTYWANYCH W MODELU RISKMETRICS TM
Sudia Ekonomiczne. Zeszyy Naukowe Uniwersyeu Ekonomicznego w Kaowicach ISSN 083-8611 Nr 86 016 Ekonomia 6 Uniwersye Ekonomiczny w Kaowicach Wydział Finansów i Ubezpieczeń Kaedra Inwesycji i Nieruchomości
Bardziej szczegółowoMODELOWANIE STRUKTURY TERMINOWEJ STÓP PROCENTOWYCH WYZWANIE DLA EKONOMETRII
KRZYSZTOF JAJUGA Akademia Ekonomiczna we Wrocławiu MODELOWANIE STRUKTURY TERMINOWEJ STÓP PROCENTOWYCH WYZWANIE DLA EKONOMETRII. Modele makroekonomiczne a modele sóp procenowych wprowadzenie Nie do podważenia
Bardziej szczegółowoTemat: Weryfikacja nienaruszalności bezpieczeństwa SIL struktury sprzętowej realizującej funkcje bezpieczeństwa
1 Lab3: Bezpieczeńswo funkcjonalne i ochrona informacji Tema: Weryfikacja nienaruszalności bezpieczeńswa SIL srukury sprzęowej realizującej funkcje bezpieczeńswa Kryeria probabilisyczne bezpieczeńswa funkcjonalnego
Bardziej szczegółowoPolitechnika Gdańska Wydział Elektrotechniki i Automatyki Katedra Inżynierii Systemów Sterowania. Podstawy Automatyki
Poliechnika Gdańska Wydział Elekroechniki i Auomayki Kaedra Inżynierii Sysemów Serowania Podsawy Auomayki Repeyorium z Podsaw auomayki Zadania do ćwiczeń ermin T15 Opracowanie: Kazimierz Duzinkiewicz,
Bardziej szczegółowoZarządzanie Projektami. Wykład 3 Techniki sieciowe (część 1)
Zarządzanie Projekami Wykład 3 Techniki sieciowe (część ) Przedsięwzięcie wieloczynnościowe Przedsięwzięcie wieloczynnościowe skończona liczba wzajemnie ze sobą powiązanych czynności (eapów). Powiązania
Bardziej szczegółowoZASTOSOWANIE DRZEW KLASYFIKACYJNYCH DO BADANIA KONDYCJI FINANSOWEJ PRZEDSIĘBIORSTW SEKTORA ROLNO-SPOŻYWCZEGO
120 Krzyszof STOWARZYSZENIE Gajowniczek, Tomasz Ząbkowski, EKONOMISTÓW Michał Goskowski ROLNICTWA I AGROBIZNESU Roczniki Naukowe om XVI zeszy 6 Krzyszof Gajowniczek, Tomasz Ząbkowski, Michał Goskowski
Bardziej szczegółowoTESTOWANIE EGZOGENICZNOŚCI ZMIENNYCH W MODELACH EKONOMETRYCZNYCH
STUDIA I PRACE WYDZIAŁU NAUK EKONOMICZNYCH I ZARZĄDZANIA NR 15 Mariusz Doszyń TESTOWANIE EGZOGENICZNOŚCI ZMIENNYCH W MODELACH EKONOMETRYCZNYCH Od pewnego czasu w lieraurze ekonomerycznej pojawiają się
Bardziej szczegółowoOBLICZANIE 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 szczegółowoZASTOSOWANIE FUNKCJI KOPULI W MODELOWNIU INDEKSÓW GIEŁDOWYCH
ZASTOSOWANIE FUNKCJI KOPULI W MODELOWNIU INDEKSÓW GIEŁDOWYCH Jacek Leśkow, Jusyna Mokrzycka, Kamil Krawiec 1 Sreszczenie Współczesne zarządzanie ryzykiem finansowanym opiera się na analizie zwroów szeregów
Bardziej szczegółowoFOLIA 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 szczegółowoEuropejska 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 szczegółowoEfektywność projektów inwestycyjnych. Statyczne i dynamiczne metody oceny projektów inwestycyjnych
Efekywość projeków iwesycyjych Saycze i dyamicze meody ocey projeków iwesycyjych Źródła fiasowaia Iwesycje Rzeczowe Powiększeie mająku rwałego firmy, zysk spodzieway w dłuższym horyzocie czasowym. Fiasowe
Bardziej szczegółowoPodstawowe charakterystyki niezawodności. sem. 8. Niezawodność elementów i systemów, Komputerowe systemy pomiarowe 1
Podsawowe charakerysyki niezawodności sem. 8. Niezawodność elemenów i sysemów, Kompuerowe sysemy pomiarowe 1 Wsęp Niezawodność o prawdopodobieńswo pewnych zdarzeń Inensywność uszkodzeń λ wyraŝa prawdopodobieńswo
Bardziej szczegółowoWYCENA 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 szczegółowoWykład 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