Efekty agregacji czasowej szeregów finansowych a modele klasy Sign RCA
|
|
- Judyta Mazurek
- 8 lat temu
- Przeglądów:
Transkrypt
1 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 na uwzględnienie podwyższonej kurozy i grubych ogonów rozkładów. Jednak, model RCA jes wsanie modelować zmienną wariancję ylko w przypadku, gdy jes ona opisana za pomocą modelu ARCH. Sąd, modyfikacja modelu RCA polegająca na rozszerzeniu modelu RCA o model GARCH. Inną modyfikacją modelu RCA jes wprowadzenie do modelu RCA funkcji znaków, kóra pozwala na modelowanie asymerii reakcji sóp zwrou na różne informacje pochodzące z rynku oraz podwyższa warości kurozy procesu. Jeszcze inną modyfikację można znaleźć szczególnie w pracach Thavaneswaran i innych, kóra polega na rozszerzeniu modelu RCA o część MA. Wszyskie wymienione uogólnienia modelu RCA mająca wspólny mianownik w posaci losowego parameru auoregresyjnego, sad eż ego ypu modele nazywa się modelami klasy Sign RCA (ang. a Family Sign RCA Models). W lieraurze przedmiou znaleźć można część informacji doyczących srony eoreycznej ych modeli, niemniej jednak brak jes aplikacji empirycznych. Celem arykułu jes zbadanie efeków agregacji 1 czasowej, modeli z klasy Sign RCA, dla danych finansowych. 1. Modele klasy Sign RCA Modele auoregresyjne z losowymi paramerami (ozn. RCA) są nauralnym uogólnieniem klasycznych liniowych modeli auoregresyjnych. Pełny opis ych modeli wraz z własnościami i meodami esymacji jako pierwsi przedsawili Nicholls i Quinn [Nicholls i Quinn, 198]. Modele RCA przegrały konkurencję z modelami z klasy GARCH [Bollerslev, 1986; Engle, 198], kóre ze względu na swą prosoę, ławość poddawania się esymacji oraz dużym możliwością opisowym różnych aspeków nieliniowej dynamiki rynków finansowych cieszyły i cieszą się znacznie większą popularnością wśród badaczy. Niemniej jednak w osaniej dekadzie można zauważyć ponowne zaineresowanie badaczy modelami klasy RCA, wynikiem czego było powsanie modyfikacji ego modelu. * Dr, Kaedra Ekonomerii i Saysyki Wydziału Nauk Ekonomicznych i Zarządzania UMK w Toruniu, adres joanna.gorka@uni.orun.pl. Praca naukowa finansowana ze środków na naukę w laach jako projek badawczy. 1 W niniejszym arykule agregacja rozumiana jes, jako agregacja czasowa szeregów, kóre mogą być obserwowane z różną częsoliwością: np. co minuę, codziennie, co ydzień, co miesiąc ip..
2 380 Joanna Górka W abeli 1 zaprezenowane zosały równania poszczególnych modeli (bez założeń) oraz odpowiednie ich nazwy. Tabela 1. Modele klasy Sign RCA (bez założeń) Model Równania modelu Równanie RCA(1) y ) y 1 + ε I Sign RCA(1) y + Φs 1 ) y 1 + ε II RCA(1)-MA(1) y ) y 1 + ε + θε 1 III Sign RCA(1)-MA(1) y + Φs 1) y 1 + ε + θε 1 IV y = φ + δ y 1 + ε, RCA(1)-GARCH(1,1) Sign RCA(1)-GARCH(1,1) ε = h ( ) h z = α 0 + α1ε 1 + β1h 1 + Φs 1 ) y 1 + ε, y ε = h h z = α 0 + α1ε 1 + β1h 1 [gdzie s jes funkcją znaku opisaną równaniem (3); φ, θ, Φ, α i, β1 są paramerami modeli.] Źródło: opracowanie własne. Aby isniały modele I-VI muszą być spełnione nasępujące założenia: δ iid 0 σ δ 0 ~,, (1) ε 0 0 σ ε φ + σ δ < 1. () Funkcja znaku określona jes wzorem: 1 dla y > 0 s = 0 dla y = 0, (3) 1 dla y < 0 i ma ciekawą inerpreację. Oóż, jeżeli φ + δ > Φ, o ujemna warość Φ oznacza, że dla ujemnych (dodanich) warości procesu y w czasie 1 maleją (rosną) warości procesu y w czasie. W przypadku sóp zwrou oznacza o, że po spadkach noowań nasępują większe niż oczekiwane spadki noowań, naomias w przypadku wzrosu noowań nasępują mniejsze niż oczekiwane wzrosy noowań. Warunek () jes warunkiem koniecznym i wysarczającym sacjonarności drugiego rzędu procesu opisanego równaniem I, naomias warunki (1)-() gwaranują ścisłą sacjonarność ego procesu. Spełnienie warunków (1)-() gwaranuje również sacjonarność w średniej dla modeli: II-IV. Teoreyczne własności procesów opisanych równaniami I-VI i spełniających warunki (1)-() można znaleźć w pracach doyczących ej emayki [Appadoo, Thavaneswaran i Singh, V VI
3 Efeky agregacji czasowej szeregów finansowych a modele klasy Sign RCA ; Aue, 004; Górka, 007; Thavaneswaran, Appadoo i Becor, 006; Thavaneswaran i Appadoo, 006]. Reszy modelu RCA mogą być opisane poprzez model GARCH [Thavaneswaran, Peiris i Appadoo, 008; Thavaneswaran, Appadoo i Ghahramani, 009]. Wówczas orzymujemy model RCA(1)-GARCH(p,q) opisany równaniami V, gdzie z ~ N( 0, σ z ), α 0 > 0, α i 0 oraz β j 0. Wprowadzenie, do modelu RCA-GARCH, funkcji znaku daje model opisany równaniem VI [Thavaneswaran, Appadoo i Ghahramani, 009], naomias resrykcje zapewniające dodanią warość wariancji warunkowej ego modelu są nasępujące: z ~ N( 0, σ z ), α 0 > 0, α i 0, β j 0, Φ α0.. Dane Przedmioem badań było 41 szeregów czasowych będących procenowymi logarymicznymi sopami zwrou z 8 indeksów oraz 33 spółek giełdowych noowanych na GWP w Warszawie. Przeanalizowane zosały dane dzienne, ygodniowe oraz miesięczne 3 z okresu od 30 lisopada 1998 roku do 4 lisopada 008 roku, co w sumie dało dla każdego szeregu 118 danych miesięcznych, 493 danych ygodniowych oraz 490 danych dziennych. W pierwszej kolejności obliczone zosały podsawowe saysyki (parz abela ) oraz wybrane esy. Analizując wyniki saysyk opisowych można zauważyć, że w większości przypadków wraz z agregacją: rośnie, co do modułu, warość średniej, rośnie warość odchylenia sandardowego, maleje warość kurozy. Tabela. Podsawowe charakerysyki rozkładów procenowych sóp zwrou Spółka/Indeks średnia odchylenie s, d m d m ALMA 0,080 0,383 1,611 3,04 6,98 15,00 AMICA -0,07-0,144-0,593,51 6,33 13,5 BANKBPH -0,054-0,86-1,93 4,64 10,74,34 BRE 0,036 0,19 0,665,40 5,88 1,56 BUDIMEX 0,057 0,63 1,155,45 5,91 11,5 BZWBK 0,051 0,6 0,997,33 5,39 10,5 DEBICA -0,011-0,071-0,6 1,90 4,70 10,15 EFEKT 0,003-0,00-0,066 3,09 6,94 13,63 ELBUDOWA 0,06 0,31 1,48,31 5,40 10,99 GRAJEWO 0,038 0,138 0,45,98 6,44 1,6 HANDLOWY 0,005 0,01 0,013 1,91 4,83 9,6 INDYKPOL -0,001-0,037-0,144 3,71 6,45 13,93 INGBSK 0,035 0,163 0,661 1,79 4,9 8,83 IRENA 0,009 0,050 0,14,88 6,9 11,38 Obserwowane dane z każdego osaniego dnia noowań w ygodniu. 3 Dane z każdego osaniego dnia noowań w miesiącu.
4 38 Joanna Górka JUTRZENKA 0,036 0,14 0,58,63 6,70 13,0 KABLE 0,017 0,073 0,343 3,75 8,71 0,51 KREDYTB -0,004-0,00-0,09,01 4,84 9,65 KROSNO -0,011-0,087-0,363,57 5,73 1,17 MIESZKO -0,05-0,141-0,61 3,9 8,11 14,30 MILLENNIUM 0,000 0,053 0,168 3,09 7,8 16,00 MOSTALEXP -0,013-0,08-0,549 3,59 8,40 18,68 MOSTALWAR 0,050 0,0 0,853,70 6,66 15,64 MOSTALZAB -0,045-0,74-1,185 3,74 9,1 1,45 OPTIMUS -0,150-0,783-3,75 4,56 10,56 1,79 PEKAO 0,050 0,4 0,884,0 5,15 8,70 PROCHNIK -0,115-0,601 -,553 5,15 9,60 3,18 RAFAKO -0,016-0,088-0,34 3,44 7,87 17,89 STALEXP -0,10-0,543 -,91 4,09 9,31 17,79 SWARZEDZ -0,08-0,436-1,695 3,86 8,34 18,07 SYGNITY -0,031-0,189-0,80,85 7,36 13,49 TPSA 0,010 0,045 0,146,9 5,33 10,79 VISTULA 0,059 0,90 1,07 3,15 7,49 14,90 WIG 0,037 0,178 0,676 1,40 3,44 7,5 WIG0 0,01 0,093 0,37 1,66 4,00 8,04 WIG-BANKI 0,053 0,67 1,016 1,59 3,90 7,95 WIG-BUDOW 0,059 0,84 1,13 1,50 3,81 8,1 WIG-INFO -0,006-0,047-0,38,06 4,94 11,3 WIG-PL 0,037 0,178 0,674 1,41 3,44 7,7 WIG-SPOZYW 0,007 0,034 0,16 1,3 3,0 7,48 WIG-TELKOM 0,000-0,008-0,074,17 5,1 10,63 ZYWIEC 0,009 0,040 0,137 1,65 3,59 6,88 Spółka/Indeks skośność kuroza d m d m ALMA 0,39 0,517 0,443 6,00 6,34 3,9 AMICA 0,187 0,700 0,34 8,9 1,85 4,13 BANKBPH -34,715-16,453-8, ,58 330,35 79,51 BRE -0,194-0,398-1,070 6,48 6,51 5,71 BUDIMEX 0,440 0,644 0,3 7,65 8,81 3,3 BZWBK 0,033-0,110-0,475 4,74 5,59 3,16 DEBICA -0,188-0,461-1,190 9,73 10,49 8,98 EFEKT 0,307 0,86-0,33 8,33 5,91 4,34 ELBUDOWA 0,47 0,33 0,19 6,9 5,57 4,40 GRAJEWO -1,8-0,046-0,936 5,54 14,73 7,44 HANDLOWY -0,57-0,553-0,083 1,38 8,94 5,59 INDYKPOL -0,438 0,666 0,917 9,13 6,50 5,73 INGBSK 0,190-0,88-0,585 8,00 6,80 3,94 IRENA 0,496-0,036-0,13 9,8 8,83 6,10 JUTRZENKA 0,466 0,350-0,36 11,13 10,50 4,56 KABLE 3,48 1,763,19 63,79 14,46 1,33 KREDYTB -0,406 0,064-0,683 11,60 6,49 4,55 KROSNO -1,71-1,761-1,81 39,45 1,07 9,13 MIESZKO -8,604-5,775 -,050 68,19 94,48 17,97 MILLENNIUM 0,395 0,380 1,449 11,74 7,50 13,14
5 Efeky agregacji czasowej szeregów finansowych a modele klasy Sign RCA 383 MOSTALEXP 0,79 0,538 0,35 11,37 6,9 8,15 MOSTALWAR -0,369 0,378-1,078 9,33 6,99 10,56 MOSTALZAB 0,046-0,190-1,11 11,30 8,73 9,99 OPTIMUS -3,73 -,08 0,065 95,15 7,8 10,87 PEKAO 0,139 0,816-0,303 4,93 11,8 4,1 PROCHNIK 0,609 1,57,110 9,9 11,78 1,7 RAFAKO -16,570-5,945 -, ,48 88,61 4,56 STALEXP 0,710-0,005 0,113 10,85 7,77 3,59 SWARZEDZ 0,444-0,63 0,85 14,66 7,40 5,69 SYGNITY 0,347 0,635-0,047 9,16 8,97 4,86 TPSA 0,3 0,551 0,514 4,61 5,86 5,38 VISTULA 0,900 1,590 0,539 13,88 18,99 5,05 WIG -0,76 0,05-0,600 5,77 6,84 4,10 WIG0-0,14 0,341-0,77 5, 7,18 3,5 WIG-BANKI -0,089-0,16-0,999 6,01 7,54 5,08 WIG-BUDOW -0,040 0,119-0,073 5,71 4,89 3,35 WIG-INFO 0,0 0,304 0,9 5,65 5,04 4,46 WIG-PL -0,7 0,063-0,58 5,7 6,71 4,01 WIG-SPOZYW -0,40-0,335 0,034 9,0 5,91 4,8 WIG-TELKOM 0,071 0,36 0,96 4,60 5,19 4,56 ZYWIEC 0,356 1,3 0,357 8,3 10,65 5,37 [gdzie: d - dane dzienne, - dane ygodniowe, m - dane miesięczne.] Źródło: obliczenia własne. W przypadku warości momenu rzeciego, nie można wyciągnąć jednoznacznych wniosków. Podobnie jes w przypadku esu na auokorelację rzędu pierwszego (es Boxa-Ljunga), gdzie dla danych dziennych i ygodniowych liczba szeregów charakeryzujących się isoną 4 auokorelacją jes podobna (8 dla danych miesięcznych i 9 dla danych ygodniowych), naomias dla danych dziennych 7 sóp zwrou cen akcji spółek charakeryzowało się isoną auokorelacją. Niemniej jednak z faku, że np. dla danych miesięcznych wysępowała auokorelacja nie musi wynikać, że dla danych ygodniowych czy dziennych eż musi wysępować auokorelacja i odwronie. Tylko dla sóp zwrou cen akcji Jurzenki oraz WIGu-Budowlanego dla wszyskich poziomów agregacji wysępowała auokorelacja. Analiza wyników esów Bery-Jarque i Engla, pozwala sformułować ylko bardzo ogólne wnioski: wraz ze wzrosem agregacji maleje liczba sóp zwrou charakeryzujących się efekem ARCH, przy czym wnioski wynikające z analizy danych jednego sopnia agregacji nie muszą znaleźć powierdzenia w wynikach dla danych innego sopnia agregacji, sopy zwrou o wysokiej częsoliwości nie charakeryzują się rozkładem normalnym, naomias wśród sóp zwrou o niskiej częsoliwości (dane miesięczne) można wskazać sopy zwrou posiadające rozkład normalny (choć nie jes o częsy przypadek). 4 Przy zadanym 5% poziomie isoności.
6 384 Joanna Górka Dalszą analizę przeprowadzono dla wszyskich szeregów czasowych sóp zwrou, gdyż modele klasy RCA wysępują również wówczas, gdy nie wysępuje auokorelacja szeregu czasowego [Gorka, 009]. 3. Wyniki badań Paramery srukuralne oraz paramery srukury sochasycznej poszczególnych modeli z klasy Sign RCA zosały oszacowane meodą największej wiarygodności z wykorzysaniem auorskich kodów źródłowych napisanych w programie Gauss 6.0. W dalszych badaniach przyjęo założenie, że dany model wysępuje, jeżeli jego paramery są saysycznie isone (dla 5% lub 10% poziomu isoności). W abeli 3 przedsawiono liczbę uzyskanych modeli z klasy Sing RCA oraz model AR dla danych o różnym sopniu agregacji. Tabela 3. Liczba uzyskanych modeli z klasy Sign RCA dla procenowych sóp zwrou Model 5% poziom isoności 10% poziom isoności d m d m AR(1) RCA(1) Sign RCA(1) RCA(1)-MA(1) Sign RCA(1)-MA(1) RCA(1)-GARCH(1,1) 5 5 Sign RCA(1)-GARCH(1,1) 1 1 [gdzie: d - dane dzienne, - dane ygodniowe, m - dane miesięczne.] Źródło: obliczenia własne. Modelem, kóry najczęściej wysępuje dla danych miesięcznych jes model RCA-MA (w ponad 50% szeregach). Można go zidenyfikować częściej niż model AR oraz model RCA (kóry wysępuje w około 5% przypadkach). Z kolei, modele Sing RCA i Sign RCA dla 5% poziomu isoności nie wysępują, a dla 10% poziomu isoności wysępuje ylko jeden model Sign RCA. Zmiana agregacji czasowej z danych z miesięcznych na ygodniowe nie powoduje znaczących różnic w liczbie idenyfikowanych modeli (mogą naomias zmieniać się szeregi, dla kórych dany yp modelu jes idenyfikowany). Naomias dla danych dziennych znacznie wzrasa liczba idenyfikowanych modeli AR, RCA oraz RCA-GARCH. Wyjąek sanowi model RCA-MA, kóry jes rzadziej idenyfikowany niż w przypadku danych ygodniowych czy miesięcznych. Modele Sing RCA oraz Sign RCA-GARCH prakycznie prawie nie były idenyfikowane. W abelach 4-5 przedsawione zosały oceny paramerów modeli RCA oraz RCA-MA dla wybranych spółek/indeksów. Wybrano e spółki/indeksy, dla kórych en sam model wysępował dla danych o różnym sopniu agregacji.
7 Efeky agregacji czasowej szeregów finansowych a modele klasy Sign RCA 385 Tabela 4. Modele RCA dla wybranych indeksów WIG-BUDOW WIG-SPOZYW d m d m φ 0,131 0,133 0,37 0,119 0,186 0,45 S ( φ ) 0,04 0,053 0,099 0,06 0,059 0,119 σ ε 1,799 1,441 60,744 1,300 6,835 45,575 σ δ 0,199 0,135 0,065 0,91 0,357 0,184 ln L -4480, ,43-409, ,8-144,88-398,75 Q(3) 4,810 5,784,989 19,371*,78 3,400 ARCH(3) 73,649* 11,911* 3,689 90,960* 4,364* 5,418 AIC 8966,66 70,86 85,8 899,64 495,76 803,50 BIC 8984,1 715,46 834, ,10 508,36 811,81 [gdzie: d - dane dzienne, - dane ygodniowe, m - dane miesięczne; * - odrzucenie H0 na korzyść H1; lnl - logarym funkcji wiarygodności; Q(3) - saysyka esu Boxa-Ljunga rzędu 3; ARCH(3) - saysyka esu Engla rzędu 3; AIC oraz BIC - kryeria informacyjne odpowiednio Akaike i Schwarza.] Źródło: obliczenia własne. Tabela 5. Modele RCA-MA dla wybranych spółek MIESZKO WIG-BANKI ZYWIEC m m d m φ 0,788-0,849 0,955-0,653 0,545-0,940 0,88 S ( φ ) 0,319 0,310 0,03 0,35 0,136 0,014 0,160 θ -0,800 0,763-0,944 0,639-0,587 0,971-0,87 S ( θ ) 0,305 0,357 0,05 0,31 0,135 0,017 0,01 σ ε 3,881 66,539 10,878 56,798 1,835 10,874 46,776 σ δ 1,946 1,311 0,14 0,111 0,371 0,165 0,000 lnl -1671,45-463,9-133,9-407, , ,16-390,97 Q(3) 19,401 3,60 0,19 1,599 1,843 4,499 1,019 ARCH(3) 4,780 0, ,838 3, ,868*,936 0,737 AIC 3350,91 934,57 673,83 83,79 984,90 64,33 789,94 BIC 3367,71 945,65 690,63 834, ,18 659,13 801,0 [gdzie: d - dane dzienne, - dane ygodniowe, m - dane miesięczne; * - odrzucenie H0 na korzyść H1; lnl - logarym funkcji wiarygodności; Q(3) - saysyka esu Boxa-Ljunga rzędu 3; ARCH(3) - saysyka esu Engla rzędu 3; AIC oraz BIC - kryeria informacyjne odpowiednio Akaike i Schwarza.] Źródło: obliczenia własne. Zakończenie W pracy, do idenyfikacji modeli z klasy Sign RCA GARCH, wykorzysano 41 procenowych sóp zwrou o 3 różnych sopniach agregacji. Orzymane wyniki pozwalają na sformułowanie nasępujących wniosków:
8 386 Joanna Górka 1. Wraz ze wzrosem sopnia agregacji czasowej danych, liczba idenyfikowanych modeli RCA oraz wariancja parameru maleje, naomias ocena parameru φ rośnie.. Modelem najczęściej idenyfikowanym, dla danych miesięcznych, jes model RCA-MA, zaś liczba ego ypu modeli maleje wraz ze wzrosem częsoliwości danych. 3. Oceny paramerów dla modelu RCA-MA przyjmują rożne znaki i różne warości dla różnych sopni agregacji czasowej i nie można w ym przypadku mówić o jakiejś ogólnej endencji. 4. Modele RCA-GARCH wysępują głównie dla danych dziennych. Ocena parameru φ w ych modelach jes liczbą bliską zeru, zn. co do modułu prawie zawsze mniejsza od 0,1. 5. Modele z funkcją znaku wysępują rzadko, przy czym wysępują częściej dla danych niezagregowanych (szczególnie model Sign RCA-MA). Może o oznaczać, że w analizowanych szeregach nie wysąpiła asymeryczna reakcja sóp zwrou na informacje pochodzące z rynku. 6. Własności saysyczne modeli są lepsze dla danych charakeryzujący się wyższym sopniem agregacji. 7. W 8 przypadkach, dla danych o różnym sopniu agregacji czasowej, nie wysępował model AR a wysąpił model RCA. Zaem wysępowanie modelu AR nie deerminuje wysępowania modelu RCA i odwronie [Gorka, 009]. Niemniej jednak zjawisko o nie jes zby częse. Lieraura 1. Appadoo S.S., Thavaneswaran A., Singh J. (006), RCA models wih correlaed errors Applied Mahemaics Leers 19, Aue A. (004), Srong approximaion for RCA(1) ime series wih applicaions, Saisics & Probabiliy Leers 68, Bollerslev T. (1986), Generalized auoregressive condiional heeroscedasiciy, Journal of Economerics, 31, Engle R. F. (198), Auoregressive condiional heeroscedasiciy wih esimaes of he variance of Unied Kingdom inflaion, Economerica, 50, Górka, J. (007), Opisu kurozy rozkładów za pomocą wybranych modeli z funkcją znaku, w: Z. Zielinski (red.), Dynamiczne modele ekonomeryczne, Toruń, Wydawnicwo UMK. 6. Górka, J. (009), Własności prognosyczne modeli RCA-MA, RCA- GARCH oraz Sign RCA, złożone do druku. 7. Nicholls D.F., Quinn B.G. (198), Random Coefficien Auoregressive Models: An Inroducion, in: Lecure Noes in Saisics, vol. 11, Springer, New York. 8. Thavaneswaran A., Appadoo S. (006), Properies of a new family of volailiy sing models, Compuers and Mahemaics wih Applicaions 5,
9 Efeky agregacji czasowej szeregów finansowych a modele klasy Sign RCA Thavaneswaran A., Appadoo S., Becor C. (006), Recen developmens in volailiy modeling and applicaion, Journal of Applied Mahemaics and Decision Sciences, Thavaneswaran A., Peiris S., Appadoo S. (008), Random coefficien volailiy models, Saisics & Probabiliy Leers 78, Thavaneswaran, S., Appadoo, S., i Ghahramani, M. (009), RCA models wih GARCH innovaions, Applied Mahemaics Leers, Sreszczenie W arykule zbadano efek agregacji czasowej, modeli klasy Sign RCA, dla danych finansowych. Do ego celu wykorzysano wszyskie szeregi czasowe cen akcji spółek noowanych 30 lisopada 1998 oraz noowanych do dnia 4 lisopada 008 roku na GWP w Warszawie. Dla orzymanych szeregów procenowych sóp zwrou, o 3 różnych sopniach agregacji, meodą największej wiarygodności oszacowane zosały oceny paramerów modeli klasy Sign RCA. Orzymane wyniki pokazują, że sopień agregacji ma wpływ nie ylko na warość oceny parameru φ, ale również na liczbę idenyfikowanych modeli z klasy Sing RCA. Ponado przeprowadzone badanie wskazuje, że w badanym okresie, nie wysępowała asymeryczna reakcja sóp zwrou na informacje pochodzące z rynku. Powierdzone zosały eż wcześniejsze wyniki badań auorki, iż wysępowanie modelu AR nie deerminuje wysępowania modelu RCA i odwronie. Effecs of ime aggregaion in sock prices and a family Sign RCA models In his paper, effecs of ime aggregaion in sock prices for family Sign RCA models were presened. To his end, all daily prices of shares from he Warsaw Sock Exchange for period from 30 November 005 o 4 November 009 were used. All model parameers from family Sign RCA models were esimaed using maximum likelihood (MLE). We concluded ha he ime aggregaion has influence boh he value of φ parameer and quaniy of Sign RCA models. We concluded ha, for his dae, an asymmeric reacion of changes in reurns o good or bad news was no occurred.
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 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 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 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 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 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 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 szczegółowoEKONOMIA XL NAUKI HUMANISTYCZNO-SPOŁECZNE ZESZYT 391 TORUŃ Joanna Górka WŁASNOŚCI PROGNOSTYCZNE MODELI KLASY RCA *
ACTA UNIVERSITATIS NICOLAI COPERNICI EKONOMIA XL NAUKI HUMANISTYCZNO-SPOŁECZNE ZESZYT 391 TORUŃ 2009 Uniwersytet Mikołaja Kopernika w Toruniu Katedra Ekonometrii i Statystyki Joanna Górka WŁASNOŚCI PROGNOSTYCZNE
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 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 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 szczegółowoAnaliza rynku projekt
Analiza rynku projek A. Układ projeku 1. Srona yułowa Tema Auor 2. Spis reści 3. Treść projeku 1 B. Treść projeku 1. Wsęp Po co? Na co? Dlaczego? Dlaczego robię badania? Jakimi meodami? Dla Kogo o jes
Bardziej szczegółowoEFEKT DNIA TYGODNIA NA GIEŁDZIE PAPIERÓW WARTOŚCIOWYCH W WARSZAWIE WSTĘP
Joanna Landmesser Kaedra Ekonomerii i Informayki SGGW e-mail: jgwiazda@mors.sggw.waw.pl EFEKT DNIA TYGODNIA NA GIEŁDZIE PAPIERÓW WARTOŚCIOWYCH W WARSZAWIE Sreszczenie: W pracy zbadano wysępowanie efeku
Bardziej szczegółowoMagdalena 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 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 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 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 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 szczegółowoOcena efektywności procedury Congruent Specyfication dla małych prób
243 Zeszyy Naukowe Wyższej Szkoły Bankowej we Wrocławiu Nr 20/2011 Wyższa Szkoła Bankowa w Toruniu Ocena efekywności procedury Congruen Specyficaion dla małych prób Sreszczenie. Procedura specyfikacji
Bardziej 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 szczegółowoElżbieta Szulc Uniwersytet Mikołaja Kopernika w Toruniu. Modelowanie zależności między przestrzennoczasowymi procesami ekonomicznymi
DYNAMICZNE MODELE EKONOMETRYCZNE X Ogólnopolskie Seminarium Naukowe, 4 6 września 007 w Toruniu Kaedra Ekonomerii i Saysyk Uniwersye Mikołaja Kopernika w Toruniu Uniwersye Mikołaja Kopernika w Toruniu
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 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 szczegółowoZESZYTY NAUKOWE UNIWERSYTETU SZCZECIŃSKIEGO NR 768 FINANSE, RYNKI FINANSOWE, UBEZPIECZENIA NR 63 2013
ZESZYTY NAUKOWE UNIWERSYTETU SZCZECIŃSKIEGO NR 768 FINANSE, RYNKI FINANSOWE, UBEZPIECZENIA NR 63 2013 MAŁGORZATA BOŁTUĆ Uniwersye Ekonomiczny we Wrocławiu ZALEŻNOŚĆ POMIĘDZY RYNKIEM SWAPÓW KREDYTOWYCH
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 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 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 szczegółowoUMK 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 szczegółowoJacek Kwiatkowski Magdalena Osińska. Procesy zawierające stochastyczne pierwiastki jednostkowe identyfikacja i zastosowanie.
DYNAMICZNE MODELE EKONOMETRYCZNE Jacek Kwiakowski Magdalena Osińska Uniwersye Mikołaja Kopernika Procesy zawierające sochasyczne pierwiaski jednoskowe idenyfikacja i zasosowanie.. Wsęp Większość lieraury
Bardziej 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 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 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 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 szczegółowoOddziaływanie 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 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 szczegółowoSYMULACYJNA ANALIZA PRODUKCJI ENERGII ELEKTRYCZNEJ I CIEPŁA Z ODNAWIALNYCH NOŚNIKÓW W POLSCE
SYMULACYJNA ANALIZA PRODUKCJI ENERGII ELEKTRYCZNEJ I CIEPŁA Z ODNAWIALNYCH NOŚNIKÓW W POLSCE Janusz Sowiński, Rober Tomaszewski, Arur Wacharczyk Insyu Elekroenergeyki Poliechnika Częsochowska Aky prawne
Bardziej szczegółowoPIOTR FISZEDER, JACEK KWIATKOWSKI Katedra Ekonometrii i Statystyki
PIOTR FISZEDER, JACEK KWIATKOWSKI Kaedra Ekonomerii i Saysyki DYNAMICZNA ANALIZA ZALEŻNOŚCI POMIĘDZY OCZEKIWANĄ STOPĄ ZWROTU A WARUNKOWĄ WARIANCJĄ Sreszczenie: W badaniu zasosowano modele GARCHM ze sałym
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 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 szczegółowo1. Szereg niesezonowy 1.1. Opis szeregu
kwaralnych z la 2000-217 z la 2010-2017.. Szereg sezonowy ma charaker danych model z klasy ARIMA/SARIMA i model eksrapolacyjny oraz d prognoz z ych modeli. 1. Szereg niesezonowy 1.1. Opis szeregu Analizowany
Bardziej 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 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 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 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 szczegółowoZASTOSOWANIE TESTU PERRONA DO BADANIA PUNKTÓW ZWROTNYCH INDEKSÓW GIEŁDOWYCH: WIG, WIG20, MIDWIG I TECHWIG
Doroa Wikowska, Anna Gasek Kaedra Ekonomerii i Informayki SGGW dwikowska@mors.sggw.waw.pl ZASTOSOWANIE TESTU PERRONA DO BADANIA PUNKTÓW ZWROTNYC INDEKSÓW GIEŁDOWYC: WIG, WIG2, MIDWIG I TECWIG Sreszczenie:
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 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 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 szczegółowoMAKROEKONOMIA 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 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 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 szczegółowoMetody analizy i prognozowania szeregów czasowych
Meody analizy i prognozowania szeregów czasowych Wsęp 1. Modele szeregów czasowych 2. Modele ARMA i procedura Boxa-Jenkinsa 3. Modele rendów deerminisycznych i sochasycznych 4. Meody dekompozycji szeregów
Bardziej szczegółowoPROGNOZOWANIE ZUŻYCIA CIEPŁEJ I ZIMNEJ WODY W SPÓŁDZIELCZYCH ZASOBACH MIESZKANIOWYCH
STUDIA I PRACE WYDZIAŁU NAUK EKONOMICZNYCH I ZARZĄDZANIA NR 15 Barbara Baóg Iwona Foryś PROGNOZOWANIE ZUŻYCIA CIEPŁEJ I ZIMNEJ WODY W SPÓŁDZIELCZYCH ZASOBACH MIESZKANIOWYCH Wsęp Koszy dosarczenia wody
Bardziej 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 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 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 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 szczegółowoŹRÓDŁA FLUKTUACJI REALNEGO EFEKTYWNEGO KURSU EUR/ PLN
METODY ILOŚCIOWE W BADANIACH EKONOMICZNYCH Tom XII/, 0, sr. 389 398 ŹRÓDŁA FLUKTUACJI REALNEGO EFEKTYWNEGO KURSU EUR/ PLN Adam Waszkowski Kaedra Ekonomiki Rolnicwa i Międzynarodowych Sosunków Gospodarczych
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 szczegółowoKomputerowa 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 szczegółowoANALIZA 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 szczegółowoBayesowskie porównanie modeli STUR i GARCH w finansowych szeregach czasowych 1
Jacek Kwiakowski Uniwersye Mikołaja Kopernika w Toruniu Bayesowskie porównanie modeli STUR i GARCH w finansowych szeregach czasowych 1 WSTĘP Powszechnie wiadomo, że podsawowymi własnościami procesów finansowych
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 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 szczegółowoO 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 szczegółowoROCZNIKI INŻYNIERII BUDOWLANEJ ZESZYT 7/2007 Komisja Inżynierii Budowlanej Oddział Polskiej Akademii Nauk w Katowicach
ROZNIKI INŻYNIERII BUDOWLANEJ ZESZYT 7/007 Komisja Inżynierii Budowlanej Oddział Polskiej Akademii Nauk w Kaowicach WYZNAZANIE PARAMETRÓW FUNKJI PEŁZANIA DREWNA W UJĘIU LOSOWYM * Kamil PAWLIK Poliechnika
Bardziej 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 szczegółowoMAKROEKONOMIA 2. Wykład 3. Dynamiczny model DAD/DAS, część 2. Dagmara Mycielska Joanna Siwińska - Gorzelak
MAKROEKONOMIA 2 Wykład 3. Dynamiczny model DAD/DAS, część 2 Dagmara Mycielska Joanna Siwińska - Gorzelak 2 Plan wykładu Zakłócenia w modelu DAD/DAS: Wzros produkcji poencjalnej; Zakłócenie podażowe o sile
Bardziej szczegółowoWitold Orzeszko Uniwersytet Mikołaja Kopernika w Toruniu. Własności procesów STUR w świetle metod z teorii chaosu 1
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 w Toruniu
Bardziej szczegółowoMAKROEKONOMIA 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 szczegółowoEKONOMIA XL NAUKI HUMANISTYCZNO-SPOŁECZNE ZESZYT 391 TORUŃ Tomasz Zdanowicz TESTOWANIE SYMETRYCZNOŚCI ROZKŁADU WARUNKOWEGO
ACTA UNIVERSITATIS NICOLAI COPERNICI EKONOMIA XL NAUKI HUMANISTYCZNO-SPOŁECZNE ZESZYT 391 TORUŃ 2009 Uniwersytet Mikołaja Kopernika w Toruniu Katedra Ekonometrii i Statystyki Tomasz Zdanowicz TESTOWANIE
Bardziej szczegółowoMODELE AUTOREGRESYJNE JAKO INSTRUMENT ZARZĄDZANIA ZAPASAMI NA PRZYKŁADZIE ELEKTROWNI CIEPLNEJ
Agaa MESJASZ-LECH * MODELE AUTOREGRESYJNE JAKO INSTRUMENT ZARZĄDZANIA ZAPASAMI NA PRZYKŁADZIE ELEKTROWNI CIEPLNEJ Sreszczenie W arykule przedsawiono wyniki analizy ekonomerycznej miesięcznych warości w
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 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 szczegółowoKONTROLA JAKOŚCI ŻELIWA AUSTENITYCZNEGO METODĄ ATD
50/ Archives of Foundry, Year 001, Volume 1, 1 (/) Archiwum Odlewnicwa, Rok 001, Rocznik 1, Nr 1 (/) PAN Kaowice PL ISSN 164-5308 KONTROLA JAKOŚCI ŻLIWA AUSTNITYCZNGO MTODĄ ATD R. WŁADYSIAK 1 Kaedra Sysemów
Bardziej szczegółowoSTOPIEŃ AGREGACJI PRZESTRZENNEJ A ZMIENNOŚĆ SZEREGÓW CZASOWYCH CEN SUROWCÓW ROLNYCH
METODY ILOŚCIOWE W BADANIACH EKONOMICZNYCH Tom XII/, 011, sr. 180 190 STOPIEŃ AGREGACJI PRZESTRZENNEJ A ZMIENNOŚĆ SZEREGÓW CZASOWYCH CEN SUROWCÓW ROLNYCH Mariusz Hamulczuk Kaedra Ekonomiki Rolnicwa i Międzynarodowych
Bardziej szczegółowoTESTOWANIE STABILNOŚCI PARAMETRÓW WIELOCZYNNIKOWYCH MODELI MARKET TIMING Z OPÓŹNIONĄ ZMIENNĄ RYNKOWĄ 1
METODY ILOŚCIOWE W BADANIACH EKONOMICZNYCH Tom XII/, 011, sr. 59 69 TESTOWANIE STABILNOŚCI PARAMETRÓW WIELOCZYNNIKOWYCH MODELI MARKET TIMING Z OPÓŹNIONĄ ZMIENNĄ RYNKOWĄ 1 Joanna Olbryś Wydział Informayki,
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 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 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 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 szczegółowoWYKORZYSTANIE STATISTICA DATA MINER DO PROGNOZOWANIA W KRAJOWYM DEPOZYCIE PAPIERÓW WARTOŚCIOWYCH
SaSof Polska, el. 12 428 43 00, 601 41 41 51, info@sasof.pl, www.sasof.pl WYKORZYSTANIE STATISTICA DATA MINER DO PROGNOZOWANIA W KRAJOWYM DEPOZYCIE PAPIERÓW WARTOŚCIOWYCH Joanna Maych, Krajowy Depozy Papierów
Bardziej 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 szczegółowoPROGNOZOWANIE BRAKUJĄCYCH DANYCH DLA SZEREGÓW O WYSOKIEJ CZĘSTOTLIWOŚCI OCZYSZCZONYCH Z SEZONOWOŚCI
Sudia Ekonomiczne. Zeszyy Naukowe Uniwersyeu Ekonomicznego w Kaowicach ISSN 2083-8611 Nr 289 2016 Maria Szmuksa-Zawadzka Zachodniopomorski Uniwersye Technologiczny w Szczecinie Sudium Maemayki Jan Zawadzki
Bardziej szczegółowoEliza Buszkowska * DYNAMIKA PRZEPŁYWÓW INWESTYCJI POMIĘDZY GIEŁDAMI
ACTA UNIVERSITATIS NICOLAI COPERNICI DOI: hp://dx.doi.org/10.12775/aunc_econ.2014.017 EKONOMIA XLV nr 2 (2014) 275 288 Pierwsza wersja złożona 26 czerwca 2014 ISSN Końcowa wersja zaakcepowana 20 grudnia
Bardziej szczegółowoPUNKTOWA I PRZEDZIAŁOWA PREDYKCJA PRZEWOZÓW PASAŻERÓW W ŻEGLUDZE PROMOWEJ NA BAŁTYKU W LATACH 2008 2010
STUDIA I PRACE WYDZIAŁU NAUK EKONOMICZNYCH I ZARZĄDZANIA NR 15 Chrisian Lis PUNKTOWA I PRZEDZIAŁOWA PREDYKCJA PRZEWOZÓW PASAŻERÓW W ŻEGLUDZE PROMOWEJ NA BAŁTYKU W LATACH 2008 2010 Wprowadzenie Przedmioem
Bardziej szczegółowoZALEŻNOŚCI POMIĘDZY KURSAMI WALUT ŚRODKOWOEUROPEJSKICH W OKRESIE KRYZYSU 2008 *
PRZEGLĄD STATYSTYCZNY R. LVII ZESZYT 1 2010 AGATA KLIBER, PAWEŁ KLIBER ZALEŻNOŚCI POMIĘDZY KURSAMI WALUT ŚRODKOWOEUROPEJSKICH W OKRESIE KRYZYSU 2008 * 1. WSTĘP Celem niniejszego badania było zbadanie zależności
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 szczegółowoAnaliza stabilności parametrów hybrydowych modeli market-timing polskich funduszy inwestycyjnych 1
Joanna Olbryś * Analiza sabilności paramerów hybrydowych modeli marke-iming polskich funduszy inwesycyjnych 1 Wsęp Hybrydowe czeroczynnikowe modele marke-iming funduszy inwesycyjnych akcji polskich zosały
Bardziej szczegółowoMAKROEKONOMIA 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 szczegółowoDobór przekroju żyły powrotnej w kablach elektroenergetycznych
Dobór przekroju żyły powronej w kablach elekroenergeycznych Franciszek pyra, ZPBE Energopomiar Elekryka, Gliwice Marian Urbańczyk, Insyu Fizyki Poliechnika Śląska, Gliwice. Wsęp Zagadnienie poprawnego
Bardziej szczegółowoAnaliza stabilności parametrów hybrydowych modeli market-timing polskich funduszy inwestycyjnych 1
Joanna Olbryś * Analiza sabilności paramerów hybrydowych modeli marke-iming polskich funduszy inwesycyjnych Wsęp Hybrydowe czeroczynnikowe modele marke-iming funduszy inwesycyjnych akcji polskich zosały
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 szczegółowo1.1. Bezpośrednie transformowanie napięć przemiennych
Rozdział Wprowadzenie.. Bezpośrednie ransformowanie napięć przemiennych Bezpośrednie ransformowanie napięć przemiennych jes formą zmiany paramerów wielkości fizycznych charakeryzujących energię elekryczną
Bardziej szczegółowoCzy prowadzona polityka pieniężna jest skuteczna? Jaki ma wpływ na procesy
Dobromił Serwa Reakcje rynków finansowych na szoki w poliyce pieniężnej.. Wsęp Czy prowadzona poliyka pieniężna jes skueczna? Jaki ma wpływ na procesy ekonomiczne zachodzące w kraju? Czy jes ona równie
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 szczegółowoANNA GÓRSKA MONIKA KRAWIEC Szkoła Główna Gospodarstwa Wiejskiego w Warszawie
ZESZYTY NAUKOWE UNIWERSYTETU SZCZECIŃSKIEGO NR 768 FINANSE, RYNKI FINANSOWE, UBEZPIECZENIA NR 63 013 ANNA GÓRSKA MONIKA KRAWIEC Szkoła Główna Gospodarswa Wiejskiego w Warszawie BADANIE EFEKTYWNOŚCI INFORMACYJNEJ
Bardziej szczegółowoSTATYSTYCZNA 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 szczegółowoE 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 szczegółowoKRZYSZTOF 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 szczegółowoKobiety w przedsiębiorstwach usługowych prognozy nieliniowe
Pior Srożek * Kobiey w przedsiębiorswach usługowych prognozy nieliniowe Wsęp W dzisiejszym świecie procesy społeczno-gospodarcze zachodzą bardzo dynamicznie. W związku z ym bardzo zmienił się sereoypowy
Bardziej szczegółowo