Preferencje help
Widoczny [Schowaj] Abstrakt
Liczba wyników

Znaleziono wyników: 4

Liczba wyników na stronie
first rewind previous Strona / 1 next fast forward last
Wyniki wyszukiwania
help Sortuj według:

help Ogranicz wyniki do:
first rewind previous Strona / 1 next fast forward last
PL
Zarządzanie ryzykiem to pojęcie bardzo ogólne. Może dotyczyć różnych ryzyk, może odnosić się do różnych metod ograniczających ryzyko. Coraz więcej, często stosuje się ten termin do określenia tylko pewnej wybranej metody lub etapu procesu zarządzania ryzykiem, np. zabezpieczenia portfela kontraktów instrumentami pochodnymi (derywatami) czy zabezpieczenia majątku trwałego spółki poprzez wykupienie ubezpieczenia.
PL
W pracy zastosowano liniowy model AR do stworzenia prognoz cen z rynków energii elektrycznej Kalifornii (CalPX) i Skandynawii (Nord Pool). Następnie zaproponowano metody umożliwiające zwiększenie dokładności tego typu prognoz - poprzez wykorzystanie preprocessingu (zmniejszającego wpływ skoków procesu w okresie kalibracji) oraz dwustanowego modelu nieliniowego TAR.
EN
In this paper we assess the short-term forecasting power of different time series models in two electricity spot markets - CalPX and Nord Pool. In particular we pay attention to the possibility of improving the accuracy of forecasts either by applying the preprocessing or by using nonlinear time series model - TAR.
PL
Poddano analizie dwa statystyczne podejścia do prognozowania zapotrzebowania na energię elektryczną. W obu modelowano zapotrzebowanie jako sumę dwóch komponent - deterministycznej (reprezentującej sezonowości) oraz stochastycznej (reprezentującej szum). Różnią się one jednak zastosowaną techniką usuwania sezonowości. W modelu A używa się różnicowania, natomiast w modelu B wykorzystuje niedawno zaproponowaną technikę sezonowej zmienności. W obu modelach komponenta stochastyczna opisywana jest szeregiem ARMA. Modele są testowane na procesie zapotrzebowania (system-wide load) z rynku kalifornijskiego i porównywane z oficjalną prognozą operatora (California System Operator, CAISO). Okazuje się, że w przypadku wolnego rynku, na którym większość transakcji jest dokonywana na giełdzie, model prosty, nie korzystający z informacji o zmiennych zewnętrznych, potrafi lepiej opisać proces zapotrzebowania niż model operatora systemu.
EN
In this paper two statistical approaches to load forecasting are analyzed. In both of them electricity load as a sum of two components - a deterministic one (representing load seasonal character) and a stochastic (representing noise) is modeled. They differ in the choice of the reduction method of load seasonal character. Model A utilizes differentiating, while Model Buses recently developed seasonal volatility technique. In both models the stochastic component is described by ARMA time series. Models are tested with use of time series process of system-wide loads from the California power market and compared with the official forecast of the California System Operator (CAISO). It turns out that in the presence of an exchange driven deregulated market a simple model, that does not incorporate external variables, is capable to model electricity load better than CAISO.
EN
Due to the well-known fact that market returns are not normally distributed, we use generalized hyperbolic distributions for pricing options in a randomized discrete-time setup. The obtained formulas can be used for pricing options on stock indexes, currencies and futures contracts. We test them on options written on the Nikkei 225 index futures and conclude that a proper calibration scheme could give us an advantage in the financial market.
first rewind previous Strona / 1 next fast forward last
JavaScript jest wyłączony w Twojej przeglądarce internetowej. Włącz go, a następnie odśwież stronę, aby móc w pełni z niej korzystać.