Wyniki wyszukiwania - BazTech

1

Prognoza wybranych wskaźników motoryzacji w Polsce w 2014 roku

Purczyński J., Bednarz-Okrzyńska K.

TTS Technika Transportu Szynowego

|

2015

|

R. 22, nr 12

1254--1257, CD

PL

W artykule wykonano prognozę wskaźnika motoryzacji (liczba samochodów osobowych przypadających na 1000 mieszkańców) oraz prognozę liczby samochodów ciężarowych i liczby motocykli. Wykorzystano trendy nieliniowe oraz funkcję logistyczną. Wykazano, że wyniki uzyskane dla funkcji logistycznej pokrywają się rezultatami optymalnego trendu nieliniowego.

EN

In the paper the forecast of vehicle motorization index (number of registered motor vehicles per 1000 people) as well as the forecasts of the truck number and motorbike number were carried out. Nonlinear trends and logistic function were used. It was shown that the results obtained for the logistic function were the same as the results for the optimum nonlinear trend.

2

Wpływ interwału czasowego pomiaru stóp zwrotu na wartość parametrów rozkładu Gaussa modelującego empiryczny rozkład stóp zwrotu wybranych spółek wchodzących w skład indeksu WIG20

Bednarz-Okrzyńska K.

Logistyka

|

2015

|

nr 3

283--291, CD 1

PL

Cel - W pracy wyznaczono parametry rozkładu Gaussa (wartość przeciętna x oraz odchylenie standardowe σ ) modelującego empiryczny rozkład stóp zwrotu wybranych spółek wchodzących w skład indeksu WIG20. Obliczenia wykonano dla zwykłej oraz logarytmicznej stopy zwrotu. Celem pracy było określenie związków zachodzących pomiędzy wartością przeciętną wyznaczoną dla trzech interwałów czasowych pomiaru stóp zwrotu: dzienne, tygodniowe oraz miesięczne. Metodologia badania - W wyniku zastosowania metod matematycznych wyznaczono postać analityczną pomiędzy wartością x dla danych dziennych i danych miesięcznych. Badania statystyczne polegały na weryfikacji zależności teoretycznych dla empirycznych stóp zwrotu wybranych spółek wchodzących w skład indeksu WIG20. Wynik - W wyniku stwierdzono, że na podstawie wartości parametru x wyznaczonego dla logarytmicznej miesięcznej stopy zwrotu można, z dużą dokładnością, oszacować wartość tego parametru dla logarytmicznej, dziennej stopy zwrotu.

EN

Purpose - In the paper, parameters of the Gaussian distribution (mean x and standard deviation σ ), modeling an empirical return rate distribution of selected WIG20 companies, were determined. The calculations were carried out for both normal and logarithmic return rates, where the following three time intervals of return rate measurements were included: daily, weekly and monthly. Design/Methodology/approach – As a result of applying mathematical methods, an analytic form between the value of x for daily and monthly data was determined. Statistical research consisted in verifying theoretical dependencies for empirical return rate distributions of selected WIG20 companies. Findings – As the result of the research, it was shown that on the basis of the value of parameter x determined for a logarithmic monthly rate of return, one can, with high accuracy, estimate the value of this parameter for a logarithmic daily rate of return.

3

Modelowanie rozkładu stóp zwrotu spółek sektora paliwowego wchodzących w skład indeksu WIG20

Purczyński J., Bednarz-Okrzyńska K.

Logistyka

|

2014

|

nr 3

5364--5373

PL

W pracy rozpatrzono ryzyko inwestycji w akcje spółek sektora paliwowego wchodzących w skład indeksu WIG20: Grupa Lotos S. A., Polskie Górnictwo Naftowe i Gazownictwo (PGNiG) oraz Polski Koncern Naftowy ORLEN S. A. (PKNORLEN). W celu określenia ryzyka inwestycji w akcje wykonano modelowanie rozkładu empirycznych stóp zwrotu wymienionych spółek z wykorzystaniem rozkładu Gaussa i rozkładu Laplace`a. Przydatność wymienionych rozkładów była weryfikowana za pomocą testu zgodności chi-kwadrat. Obliczenia wykonano dla danych: dziennych, tygodniowych oraz miesięcznych odnoszących się do kolejnych lat: 2010, 2011, 2012. Na podstawie modelu Sharpe`a wyznaczono wartość współczynnika β oraz ryzyko akcji (ryzyko: rynku, specyficzne, całkowite). Wyznaczając miary zagrożenia wykonano mapę ryzyko-dochód oraz obliczono prawdopodobieństwo straty. Zwrócono uwagę na dużą różnicę wartości prawdopodobieństwa straty wyznaczonego dla danych dziennych i danych miesięcznych. Należy zauważyć, że w przypadku rozkładu Laplace`a prawdopodobieństwo straty wyraża się prostym wzorem analitycznym.

XX

In the paper the risk of investment in the stocks of the WIG20 fuel sector companies: Grupa Lotos S.A. - Lotos Group, Polskie Górnictwo Naftowe i Gazownictwo (PGNiG) - Polish Petroleum and Gas Mining, and Polski Koncern Naftowy ORLEN S.A. (PKNORLEN) - Polish oil and gas company. In order to determine the risk of investment in the stocks, the modeling of distribution of empirical return rates on the aforementioned companies was carried out using the Gaussian and Laplace distributions. The applicability of these distributions was verified by means of the chi-square test. Calculations were made for the following data: daily, weekly and monthly data concerning the following years: 2010, 2011, 2012. Based on the Sharpe’s model, the value of β coefficient and stock risks (market specific and systematic risks) was determined. Having determined risk measurements, the risk-benefit map was created and the probability of loss was calculated. It was noticed that there was a substantial difference between the values of loss probability determined for the daily and monthly data. It should also be noticed that in the case of the Laplace distribution, the probability of loss is given by a simple analytical formula.

4

Aproksymacja rozkładu stóp zwrotu spółek sektora kopalnianego wchodzących w skład indeksu WIG20

Bednarz-Okrzyńska K, Purczyński J.

Logistyka

|

2014

|

nr 6

1819-1828

PL

W pracy rozpatrzono ryzyko inwestycji w akcje spółek sektora kopalnianego wchodzących w skład indeksu WIG20: Jastrzębska Spółka Węglowa (JSW), KGHM Polska Miedź (KGHM), Lubelski Węgiel (BOGDANKA). W celu określenia ryzyka inwestycji w akcje wykonano aproksymację rozkładu empirycznych stóp zwrotu wymienionych spółek z wykorzystaniem rozkładu Gaussa i rozkładu Laplace`a. Przydatność wymienionych rozkładów była weryfikowana za pomocą testu zgodności chi-kwadrat. Obliczenia wykonano dla danych: dziennych, tygodniowych oraz miesięcznych odnoszących się do kolejnych lat: 2010, 2011, 2012. Na podstawie modelu Sharpe`a wyznaczono wartość współczynnika β oraz ryzyko akcji (ryzyko: rynku, specyficzne, całkowite). Wyznaczając miary zagrożenia wykonano mapę ryzyko-dochód oraz obliczono prawdopodobieństwo straty. Zwrócono uwagę na dużą różnicę wartości prawdopodobieństwa straty wyznaczonego dla danych dziennych i danych miesięcznych.

EN

In the paper the risk of investment in the stocks of the WIG20 mine sector companies: Jastrzębska Spółka Węglowa (JSW) KGHM Polska Miedź (KGHM) and Lubelski Węgiel (BOGDANKA) was considered. In order to determine the risk of investment in stocks, the approximation of distribution of empirical return rates on the aforementioned companies was carried out using the Gaussian and Laplace distributions. The applicability of these distributions was verified by means of the chi-square test. Calculations were made for the following data: daily, weekly and monthly data concerning the following years: 2010, 2011, 2012. Based on the Sharpe’s model, the value of β coefficient and stock risks (systematic, unsystematic and total risks) was determined. Having determined risk measurements, the risk-benefit map was created and the probability of loss was calculated. It was noticed that there was a substantial difference between the values of loss probability determined for the daily and monthly data.