kk Flashcards

1
Q

Reszta jednorównaniowego liniowego modelu ekonometrycznego
A. To różnica między wartością empiryczną i teoretyczną zmiennej objaśnianej
B. Mówi, o ile przeciętnie różnią się wartości empiryczne i teoretyczne modelu
C. Informuje o dokładności estymacji
D. Żadna z powyższych

A

A. To różnica między wartością empiryczną i teoretyczną zmiennej objaśnianej

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
2
Q

Zwykły współczynnik determinacji R-kwadrat
A. Przyjmuje wartości z przedziału od 0-4
B. Nie jest miarą unormowaną
C. Jest niemalejącą funkcją liczby zmiennych objaśniających
D. Określa, jaka część zmienności zmiennej objaśnianej jest wyjaśniana poza modelem

A

c

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
3
Q

Statystyka testowa w teście Durbina-Watsona
A. Przyjmuje wartości z przedziału od 0 do 1
B. Przyjmuje wartości z przedziału od 0 do 2
C. Przyjmuje wartości z przedziału od 0 do 4
D. Nie jest unormowana

A

c

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
4
Q

Kryteria informacyjne
A. Tym lepiej świadczą o modelu, im przyjmują wartość mniejszą
B. Mówią jaka część zmienności zmiennej objaśnianej jest wyjaśniana przez model
C. Nakładają na model karę za zbyt małą liczbę zmiennych objaśniających
D. Każda z powyższych

A

a

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
5
Q

Skorygowany współczynnik determinacji R-kwadrat
A. Tym lepiej świadczy o modelu, im przyjmuje wartość mniejszą
B. Może przyjmować wartości ujemne
C. Przyjmuje wartości nie mniejsze niż zwykły współczynnik determinacji
D. Żadna z powyższych

A

b

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
6
Q
Dokładność estymacji parametrów strukturalnych JLME uznajemy za zadowalającą, gdy średnie względne błędy szacunku parametrów są 
A.	poniżej 50% 
B.	powyżej 50% 
C.	wyższe od współczynnika determinacji 
D.	niższe od statystyki Durbina-Watsona
A

a

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
7
Q

Własność efektywności estymatora MNK
A. oznacza że ma on najmniejszą wariancję w klasie estymatorów liniowych i nieobciążonych
B. oznacza że ma on największą wariancję w klasie estymatorów liniowych i nieobciążonych
C. oznacza że jego wartość oczekiwana jest równa parametrowi
D. żadna z powyższych

A

a

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
8
Q

Założenia MNK o rzędzie macierzy obserwacji na zmiennych objaśniających jest konieczne, aby:
A. estymatory parametrów były nieobciążone
B. estymatory parametrów były efektywne
C. estymatory parametrów były zgodne
D. model był zidentyfikowany

A

d

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
9
Q

Proces białego szumu cechuje m.in. stała w czasie zerowa wartość oczekiwana

A

p

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
10
Q

Proces błądzenia losowego cechuje stała w czasie wariancja

A

f

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
11
Q

Proces stochastyczny słabo stacjonarny musi cechować m.in. stała w czasie wariancja.

A

p

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
12
Q

W teście Dickeya-Fullera statystyka testowa ma rozkład t-Student

A

f

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
13
Q

Proces białego szumu cechuje m.in. brak autokorelacji

A

p

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
14
Q

Występowanie relacji kointegrującej badamy, gdy szeregi są zintegrowane w tym, samym stopniu

A

p

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
15
Q

Zależność między szeregami zintegrowanym w stopniu pierwszym. jest relacją kointegrującą, gdy ich kombinacja liniowa jest szeregiem niestacjonarnym

A

f

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
16
Q

Szeregi skointegrowane wykazują wspólny trend stochastyczny

A

p

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
17
Q

Proces stochastyczny słabo stacjonarny musi cechować m.in. stała w czasie wartość oczekiwana

A

p

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
18
Q
Proces słabo stacjonarny 
A.	Nie wykazuje trendu 
B.	Ma zmienną w czasie wariancję 
C.	Cechuje trwały charakter wpływu szoku 
D.	Żadna z powyższych
A

a

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
19
Q
Proces błądzenia losowego: 
A.	Cechuje trend stochastyczny 
B.	Jest procesem niestacjonarnym 
C.	Ma tendencję powrotu do średniej 
D.	Ma stałą wariancję 
E.	Żadna z powyższych
A

a

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
20
Q

Proces trendostacjonarny
A. Staje się stacjonarny po usunięciu trendu deterministycznego
B. Staje się stacjonarny po usunięciu trendu stochastycznego
C. Ma stałą w czasie wartość oczekiwaną
D. Żadna powyższych

A

a

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
21
Q
Rozszerzony test Dickey'a-Fullera stosujemy, gdy składnik losowy w równaniu testowym testu Dickey'a-Fullera 
A.	Wykazuje heteroskedastyczność 
B.	Nie ma rozkładu normalnego 
C.	Wykazuje autokorelację 
D.	Żadna z powyższych
A

c

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
22
Q

Zmienność instrumentu finansowego rozumiemy jako odchylenie standardowe logarytmicznej stopy zwrotu z tego instrumentu wyrażone w skali roku

A

p

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
23
Q

Rozkłady stóp zwrotu z akcji są platykurtyczne

A

f

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
24
Q

Im wyższa częstotliwość pomiaru stóp zwrotu z akcji, tym większe rozbieżności między rozkładem tych stóp a rozkładem normalnym

A

p

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
25
Q

Założenie o normalności rozkładu jest bliższe prostej stopie zwrotu niż logarytmicznej stopie zwrotu z akcji

A

f

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
26
Q

Rozkład stóp zwrotu z pewnej akcji jest leptokurtyczny. Kurtoza tego rozkładu przyjmuje więc wartość większą niż 3.

A

p

27
Q

Jeśli zwroty cechują grube ogony, to na wykresie kwanty-kwantyl dla tych zwrotów dolne kwantyle są mniejsze, a górne kwantyle są większe niż kwantyle rozkładu normalnego

A

p

28
Q

Model ARIMA, to model ARMA dla szeregu zintegrowanego

A

p

29
Q

Po poprawnymi dopasowaniu do szeregu y modelu ARMA(p,q) reszty modelu powinny być białym szumem

A

p

30
Q

Proces AR(p) jest zawsze słabo stacjonarny.

A

f

31
Q

Proces AR(p) jest zawsze odwracalny

A

f

32
Q

Proces MA(q) jest zawsze słabo stacjonarny

A

p

33
Q

W przypadku procesu autoregresyjnego rzędu p
A. funkcja autokorelacji przyjmuje wartość zero dla rzędów opóźnień s większych od p
B. funkcja autokorelacji cząstkowej przyjmuje wartość zero dla rzędów opoźnień s większych od p
C. funkcja autokorelacji cząstkowej maleje geometrycznie do zera co do wartości bezwzględnej
D. żadna z powyższych

A

b

34
Q

W przypadku procesu średniej ruchomej rzędu q
A. funkcja autokorelacji przyjmuje wartość zero dla rzędów opóźnień s większych od q
B. funkcja autokorelacji cząstkowej przyjmuje wartość zero dla rzędów opoźnień s większych od
C. funkcja autokorelacji maleje geometrycznie do zera co do wartości bezwzględnej
D. żadna z powyższych

A

a

35
Q

Jeśli dla słabo stacjonarnego szeregu y wartość funkcji autokorelacji maleje geometrycznie do zera co do wartości bezwzględnej, zaś funkcja autokorelacji cząstkowej przyjmuje wartość zero dla rzędów opóźnień większych niż 2, to
A. Szereg y jest generowany przez proces AR(2)
B. Szereg y jest generowany przez proces MA(2)
C. Szereg y jest generowany przez proces ARMA(2,2)

A

a

36
Q

Jeśli dla słabo stacjonarnego szeregu y wartość funkcji autokorelacji cząstkowej maleje geometrycznie do zera co do wartości bezwzględnej, zaś funkcja aułokorelacji przyjmuje wartość zero dla rzędów opóźnień większych niż 3, to
A. Szereg y jest generowany przez proces AR(3)
B. Szereg y jest generowany przez proces MA(3)
C. Szereg y jest generowany przez proces ARMA(3,3)

A

b

37
Q

Test McLeoda-Li służy weryfikacji hipotezy o braku efektu ARCH

A

p

38
Q

W modelu ARCH(1) warunkowa wariancja w okresie t zależy od kwadratu szoku w okresie t

A

f

39
Q

Symetryczne modele GARCH umożliwiają odwzorowanie efektu grupowania się zmienności

A

p

40
Q

Symetryczne modele GARCH umożliwiają odwzorowanie efektu dźwigni

A

f

41
Q

Efekt dźwigni polega na tym, że zmienność silniej reaguje na szoki ujemne niż dodatnie tej samej wielkości

A

p

42
Q

Model GJR-GARCH pozwala na odwzorowanie efektu dźwigni.

A

p

43
Q

Krzywa wpływu informacji (news impact curve, NIC) pozwala na graficzną prezentację reakcji warunkowej wariancji na szoki dodatnie i ujemne.

A

p

44
Q

Wiadomo, że 5-procentowa jednodniowa wartość zagrożona wynosi 150 tys. zł. Oznacza to, że z prawdopodobieństwem 0,05 strata na jednodniowym statycznym portfelu nie przekroczy 150 tys. zł.

A

F

45
Q

Wiadomo, że dzienna stopa zwrotu z portfela ma rozkład t-Studenta o 5 stopniach swobody z wartością oczekiwaną 0% i odchyleniem standardowym 1%. Wiadomo również, że kwanty) rzędu 0,99 rozkładu t-Studenta (niestandaryzowanego) wynosi 3,3649. 1-procentowa jednodniowa wartość zagrożona dla tego portfela wyrażona procentowo wynosi więc 3,3649%.

A

F

46
Q

W teście liczby przekroczeń Kupca sukces rozumiany jest jako strata na portfelu większa od wartości zagrożonej

A

P

47
Q

W analizie zdarzeń model rynkowy można wykorzystać do prognozowania normalnych stóp zwrotu w oknie zdarzenia

A

P

48
Q

W analizie zdarzeń okno estymacyjne obejmuje okres po oknie zdarzenia

A

F

49
Q

W analizie zdarzeń weryfikujemy hipotezę o zerowej wartości oczekiwanej normalnej stopy zwrotu

A

F

50
Q

W analizie zdarzeń skumulowana anormalna stopa zwrotu to suma anormalnych stóp zwrotu z okna zdarzenia

A

P

51
Q

W pewnym okresie należącym do okna zdarzenia stopa zwrotu z badanej akcji wyniosła 2%, zaś normalna stopa zwrotu w tym okresie 1,5%. Oznacza to, że nadzwyczajna stopa zwrotu w tym okresie była równa 0,005

A

P

52
Q
Weryfikując w ramach analizy zdarzeń hipotezę o braku wpływu podziału akcji pewnej firmy na jej wartość, otrzymano skumulowaną anormalną stopę zwrotu równą 77 i jej wariancję równą 563. Oznacza to, że w teście służącym weryfikacji tej hipotezy statystyka testowa przyjmuje ,wartość 
A.	7,31 
B.	3,25
C.	0,14
D.	Żadna z powyższych
A

B

53
Q

W teorii portfelowej Markowitza granica efektywna, to część zbioru dopuszczalnego, do której należą te portfele, które mają niższe ryzyko od wszystkich innych portfeli o tej samej oczekiwanej stopie zwrotu (wyższej od oczekiwanej stopy zwrotu portfela o minimalnym ryzyku)

A

P

54
Q

W teorii portfelowej Markowitza granica efektywna, to część zbioru dopuszczalnego, do której należą te portfele, które mają wyższą oczekiwaną stopę zwrotu od wszystkich innych portfeli o tym samym ryzyku

A

P

55
Q
Wiadomo, że stopa zwrotu z instrumentu wolnego od ryzyka wynosi 1%, oczekiwana stopa zwrotu z portfela rynkowego 4%, zaś odchylenie standardowe stopy zwrotu z portfela rynkowego 0,02. Cena jednostki ryzyka wynosi więc 
A.	0,02   
B.	0,03 
C.	1,5
D.	Żadna z powyższych
A

C

56
Q

W teorii portfelowej inwestor konstruujący portfel składający się z instrumentu wolnego od ryzyka i portfela akcji, powinien jako portfel akcji wybrać portfel o minimalnym ryzyku

A

F

57
Q

W modelu Sharpe’a składnik losowy reprezentuje efekt działania czynników niezwiązanych ze wskaźnikiem rynku

A

P

58
Q

Linia charakterystyczna akcji w modelu Sharpe’a uzależnia stopę zwrotu z danej akcji od stopy zwrotu z portfela o minimalnym ryzyku

A

F

59
Q

Współczynnik beta akcji jest miarą jej ryzyka specyficznego

A

F

60
Q

Wiadomo, że stopa zwrotu z instrumentu wolnego od ryzyka wynosi 1%, zaś oczekiwana stopa zwrotu z portfela rynkowego 4%. Wyraz wolny linii rynku papierów wartościowych w modelu CAPM powinien być więc równy 0,01

A

P

61
Q

Wiadomo, że stopa zwrotu z instrumentu wolnego od ryzyka wynosi 2%, zaś oczekiwana stopa zwrotu z portfela rynkowego 6%. Współczynnik kierunkowy linii rynku papierów wartościowych w modelu CAPM powinien być więc równy 0,04

A

P

62
Q

Zgodnie z modelem CAPM oczekiwana stopa zwrotu z akcji zależy liniowo od ryzyka całkowitego tej akcji mierzonego odchyleniem standardowym jej stopy zwrotu

A

F

63
Q

W metodzie EWMA wagi przypisane obserwacjom maleją wykładniczo wraz z upływem czasu.

A

P