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
Założenie o normalności rozkładu jest bliższe prostej stopie zwrotu niż logarytmicznej stopie zwrotu z akcji
f
26
Rozkład stóp zwrotu z pewnej akcji jest leptokurtyczny. Kurtoza tego rozkładu przyjmuje więc wartość większą niż 3.
p
27
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
p
28
Model ARIMA, to model ARMA dla szeregu zintegrowanego
p
29
Po poprawnymi dopasowaniu do szeregu y modelu ARMA(p,q) reszty modelu powinny być białym szumem
p
30
Proces AR(p) jest zawsze słabo stacjonarny.
f
31
Proces AR(p) jest zawsze odwracalny
f
32
Proces MA(q) jest zawsze słabo stacjonarny
p
33
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
b
34
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
35
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
36
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)
b
37
Test McLeoda-Li służy weryfikacji hipotezy o braku efektu ARCH
p
38
W modelu ARCH(1) warunkowa wariancja w okresie t zależy od kwadratu szoku w okresie t
f
39
Symetryczne modele GARCH umożliwiają odwzorowanie efektu grupowania się zmienności
p
40
Symetryczne modele GARCH umożliwiają odwzorowanie efektu dźwigni
f
41
Efekt dźwigni polega na tym, że zmienność silniej reaguje na szoki ujemne niż dodatnie tej samej wielkości
p
42
Model GJR-GARCH pozwala na odwzorowanie efektu dźwigni.
p
43
Krzywa wpływu informacji (news impact curve, NIC) pozwala na graficzną prezentację reakcji warunkowej wariancji na szoki dodatnie i ujemne.
p
44
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.
F
45
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%.
F
46
W teście liczby przekroczeń Kupca sukces rozumiany jest jako strata na portfelu większa od wartości zagrożonej
P
47
W analizie zdarzeń model rynkowy można wykorzystać do prognozowania normalnych stóp zwrotu w oknie zdarzenia
P
48
W analizie zdarzeń okno estymacyjne obejmuje okres po oknie zdarzenia
F
49
W analizie zdarzeń weryfikujemy hipotezę o zerowej wartości oczekiwanej normalnej stopy zwrotu
F
50
W analizie zdarzeń skumulowana anormalna stopa zwrotu to suma anormalnych stóp zwrotu z okna zdarzenia
P
51
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
P
52
``` 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 ```
B
53
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)
P
54
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
P
55
``` 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 ```
C
56
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
F
57
W modelu Sharpe'a składnik losowy reprezentuje efekt działania czynników niezwiązanych ze wskaźnikiem rynku
P
58
Linia charakterystyczna akcji w modelu Sharpe'a uzależnia stopę zwrotu z danej akcji od stopy zwrotu z portfela o minimalnym ryzyku
F
59
Współczynnik beta akcji jest miarą jej ryzyka specyficznego
F
60
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
P
61
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
P
62
Zgodnie z modelem CAPM oczekiwana stopa zwrotu z akcji zależy liniowo od ryzyka całkowitego tej akcji mierzonego odchyleniem standardowym jej stopy zwrotu
F
63
W metodzie EWMA wagi przypisane obserwacjom maleją wykładniczo wraz z upływem czasu.
P