Novokeynesiánský DSGE model
|
|
- Stanislav Matoušek
- před 5 lety
- Počet zobrazení:
Transkript
1 Novokeynesiánský DSGE model české otevřené ekonomiky Osvald Vašíček Ekonomicko správní fakulta Masarykova univerzita Lipová a, Brno Výzkum je řešen za podpory grantu GAČR č. /5/7 a projektu MŠMT výzkumná centra M5.
2 Struktura příspěvku: Model Systém rovnic Řešení Odhad Data Výsledky odhadu Odezvy modelu Předpověd Závěr
3 Model Novokeynesiánský DSGE model s mikroekonomickými základy koncept NOEM (New Open Economy Macroeconomics) representativní agenti: domácnosti, firmy, centrální banka, zahraníčí Reprezentativní domácnosti domáctnost maximalizuje svůj užitek: E t t= β t ( (Ct hc t ) σ σ ) N+ϕ + ϕ s ohledem na jeho intertemporární omezení ( ) Dt+ P t C t + E t D t + W t N t R t log linearizace optimalizačních podmínek prvního řádu: w t p t = ϕn t + σ h (c t hc t ) c t hc t = E t (c t+ hc t ) h σ (r t E t π t+ ) () zákon jedné ceny nemusí platití bez odchylek, odchylka ceny: směnné relace (terms of trade): podmínka nekryté úrokové parity: ψ t = [q t + ( α)s t ] () s t = π F,t π H,t (3) E t q t+ = {(r t E t π t+ ) (r t E t π t+)} + ǫ q t () podmínka současné optimalizace domácností uvnitř ekonomiky a v zahraničí: c t hc t = y t hy t h σ q t (5)
4 Reprezentativní firma monopolisticky konkurující firma optimalizuje chování: maximalizace zisku produkční funkce firmy: Y t = A t N t, kde A t je technologický pokrok představovaný AR() procesem: s mezními náklady: mc t = w t p H,t a t = a t = ρ a a t + ǫ a t () σ h (c t hc t ) + ϕy t + αs t ( + ϕ)a t (7) ceny jsou strnulé a firmy je nastavují dle Calvova efektu, výsledkem je chování, které představuje Novokeynesiánská Phillipsova křivka (NKPC): π H,t = β( θ H )E t π H,t+ + θ H π H,t + λ H mc t (8) analogický je vztah pro importovanou inflaci: π F,t = β( θ F )E t π H,t+ + θ F π F,t + λ F ψ t (9) celková inflace zahrnuje vliv jak domácí tak i zahraniční inflace: π t = ( α)π H,t + απ F,t () Centrální banka cílování inflace monetární politika je představována modifikovaným Taylorovým pravidlem: r t = ρ r r t + ( ρ r )(φ π t + φ y t ) + ǫ r t () 3
5 Zahraniční sektor domácí ekonomika je modelována jako malá otevřená ekonomika zahraniční sektor je exogenní: yt = λ yt + ǫ y t () rt E t πt+ = ρ r (rt πt ) + ǫ r t (3) Dolpněk podmínka rovnováhy trhu zboží: y t = ( α)αηs t + ( α)c t + αηψ t + αy t () Parametry model má parametrů a 8 dalších parametrů představuje směrodatné odchylky šoků (σ a,σ s,σ q,σ πh,σ πf,σ r,σ y,σ r ) Parametr Č. rovnice Interpretace α, 7,, otevřenost ekonomiky β 8, 9 diskontní faktor h, 5, 7 setrvačnost ve spotřebě σ, 5, 7 převrácená elast. mezičasové subst. ve spotřebě η elast. subst. mezi domácím a zahraničním zbožím ϕ 7 převrácená elast. nabídky práce θ H 8 část domácích firem neměnící cenu θ F 9 část firem neměnící cenu importujícícího zboží φ citlivost úrokové sazby na inflaci φ citlivost úrokové sazby na výkon ekonomiky ρ r váha pohledu vzad u monetárního pravidla ρ r 3 setrvačnost vývoje zahraniční reálné úrokové sazby ρ a setrvačnost vývoje technologií λ setrvačnost vývoje zahraničního produktu Platí, že λ H = ( βθh)( θh) ( βθf )( θf ) θ H a λ F = θ F ve vztazích (8) a (9).
6 Systém rovnic log linearizovaný model byl získán přeskupením rovnic () () systém je doplněn exogeními domácími a zahraničními šoky ψ t = [q t + ( α)s t ] (5) s t = π F,t π H,t + ǫ s t () E t q t+ = {(r t E t π t+ ) (r t E t π t+)} + ǫ q t (7) π t = ( α)π H,t + απ F,t (8) π F,t = β( θ F )E t π H,t+ + θ F π F,t + λ F ψ t + ǫ π F t (9) π H,t = β( θ H )E t π H,t+ + θ H π H,t + λ H mc t + ǫ π H t () mc t = σ h (c t hc t ) + ϕy t + αs t ( + ϕ)a t () a t = ρ a a t + ǫ a t () c t hc t = E t (c t+ hc t ) h σ (r t E t π t+ ) (3) c t hc t = y t hy t h σ q t () y t = ( α)αηs t + ( α)c t + αηψ t + αy t (5) r t = ρ r r t + ( ρ r )(φ π t + φ y t ) + ǫ r t () y t = λ y t + ǫ y t (7) r t E t π t+ = ρ r (r t π t ) + ǫ r t (8) 5
7 Řešení model: rovnic pro endogení proměnné a 3 rovnice pro exogenní procesy (viz. (), (7) a (8)) log linearizovaný model byl přepsán na model racionálních očekávání (LRE system ) = Ax t + Bx t + Cy t + Dz t (9) = FE t (x t+ ) + Bx t + HE t (x t )+ + Jy t+ + Ky t + LE t (z t+ ) + Mz t (3) E t (z t+ ) = Nz t + E t (ǫ t+ ) (3) E t (ǫ t+ ) = (3) kde x t je endogenní vektor stavu, y t endogenní vektor nepozorovaných proměnných a z t je vektor exogení stochastické proměnné a šoků: x t = { y t, q t, r t, π t, π F,t, r t, y t } y t = { ψ t, s t, c t, mc t, π H,t } z t = { a t, ǫ s t, ǫ q t, ǫ π H t, ǫ π F t, ǫ r t, ǫ y t, ǫ r t } matice systému jsou A 3 7, B 3 7, C 3 5, D 3 8, F 7, G 7, H 3 7, J 5, K 5, L 8 a N 8 řešením modelu LRE (9) (3) získáme rekurzivní pravidlo všeobecné rovnováhy 3 (GE) vyjádřené stavovým modelem x t = Px t + Qz t (33) y t = Ry t + Sz t (3) rovnováha popsaná maticemi P, Q, R a S je stabilní LRE system: systém lineárních racionálních očekávání 3 Podrobněji Uhlig, H.: A toolkit for analyzing nonlinear dynamic stochastic models easily. 995, Discussion paper, Federal Reserve Bank of Minneapolis.
8 Odhad Bayesiánská metoda odhadu parametrů nalezení největší posteriorní hustoty pravděpodobnosti parametrů obecně: všechny poznatky (inference) o parametru θ jsou obsaženy v posteriorním rozložení uplatnění principu věrohodnosti pro i tý dílčí (partikulární) model platí Bayesův vztah: p(θ Y T,i) = L(Y T θ,i)p(θ i) L(Y T θ,i)p(θ i)dθ kde: p(θ i) je priorní hustota pravděpodobnosti L(Y θ,i) je podmínka věrohodnosti (ML) cíl: najít i tý model, který maximalizuje posteriorní pravděpodobnost p(θ Y,i) ekonomický model má následující stavovou reprezentaci: kde: S t+ = Γ S t + Γ w t+ (35) Y t = ΛS t + v t (3) S t = {x t,y t } je vektor stavů z rovnic (33) a (3) Y t je vektor pozorovaných proměnných Γ a Γ jsou matice funkcí tzv. vnitřních modelových parametrů stavové rovnice (35) představující dynamické jádro modelu Λ je matice, která definuje vztah mezi pozorovanými proměnými a stavy w t je vektor šoků (inovací) je vektor chyb měření rovnice výstupu v t předpoklad o vektorech stochastických proměnných: w t N(, Ξ) v t N(, Υ) 7
9 funkce věrohodnostni (ML): [ logl(y T Θ) = T Nlogπ + log Ω t t + kde: t Θ = { Γ, Γ, Λ, Ξ, Υ } Ω t t = Λ Σ t t Λ + Υ T t v tω t t v t ] (37) Σ t t = Γ Σ t t Γ + Γ ΞΓ S N(Ŝ, Σ ) je zadaná počáteční podmínka stavů, věrohodnostní funkce (37) je řešena Kalmanůvým filtrem hledáme i tý partikulární model, pro který je výraz L(Y T θ,i)p(θ i)dθ konstantní, k tomu je třeba kvantifikovat posteriorní hustotu posteriorní hustota: kvantifikujme posteriorní hustotu jako proporční konstantu: p(θ Y T ) L(Y T θ)p(θ) posteriorní hustota p(θ Y T ) sumarizuje informace obsažené ve funkci věrohodnosti L(Y T θ), vážené apriorní hustotou p(θ) výhoda: apriorní hustota může přinést poznatky (inference), které nejsou obsaženy v pozorovaných datech (Y T ) pro posloupnost vzorků {θ j } N platí: dle zákona velkých čísel: {θ j } N p(θ Y T ) E θ (g(θ) Y T ) = N kde g(.) je vhodně zvolená funkce N g(θ j ) posloupnost posteriorních vzorků {θ j } N je představována Markovským řetězcem, který je generován metodou Monte Carlo (MCMC) Markovský řetězec (MC) je generován algoritmem Random Walk Metropolis Hasting j= 8
10 Použitá data data: I.Q 995 IV.Q 5 model je tzv. gapový všechna data krom směnných relací (s t ) jsou zadána jako odchylky jednotlivých veličin od jejich dlouhodobého rovnovážného vývoje (gapy) mezera celkové inflace je odchylka od vývoje inflačního cíle popis použitých dat: y t : mezera makroekonomické produktivity domácího reálného HDP, tj. odchylka produktivity reálného HDP na zaměstnanou osobu od vývoje produktivity rovnovážného výstupu π t : mezera celkové inflace, tj. odchylka anualizované inflace domácího indexu spotřebitelských cen (CPI) od vývoje inflačního cíle π F,t : mezera importované inflace, tj. odchylka anualizované inflace importovaných cen od vývoje jejího dlouhodobého trendu r t : mezera nominální úrokové sazby, tj. odchylka domácí jednoroční mezibankovní úrokové sazby od jejího rovnovážného vývoje q t : mezera reálného směnného kurzu, tj. odchylka od jeho rovnovážného vývoje s t : směnné relace (Competitive Price Index) jsou podíl logaritmu zahraničního CPI a logaritmu domácího CPI bez zahrnutí vlivu importního deflátoru y t : mezera produktivity výkonu zahraniční ekonomiky v Německu, tj. odchylka zahraniční makroekonomické produktivity reálného HDP (na zaměstnanou osobu) od vývoje produktivity rovnovážného vývoje r t : mezera zahraniční reálné úrokové sazby, tj. odchylka jednoroční úrokové sazby od jejího rovnovážného vývoje 9
11 Výsledky odhadu Markovův řetězec (MC) obsahuje generovaných vzorků parametry α a β byly fixovány: α =. β =.99 posteriorní odhady parametrů, šoků a jejich intervalů spolehlivosti: Odhadovaný Apriorní Posteriorní 95% posteriorní parametr střední hodnota median interval h ;.98 σ ;.393 η...398;.5 ϕ ;.95 θ H.5..89;.75 θ F ;.583 φ ;.7393 φ.5..;. ρ r ;.78 ρ r ;.87 ρ a ;.5 λ ;.89 σ a ;.879.;.9 σ s ; 5..7; 8. σ q ;.93.9; 5.97 σ πh ; ; σ πf ; ; 9.8 σ r ;.3.37;.38 σ y ; ;.7 σ r ;.3.37;.538
12 h σ η φ θ H θ F φ φ ρ r ρ rst ρ a λ Priorní a posteriorní marginální hustoty parametrů
13 Odhadnuté strukturální charakteristiky posteriorní hustota pravděpodobnosti odhadu parametrů je podstatně špičatější než priorní relativně vysoký stupeň setrvačnosti ve spotřebě nízká míra substituce mezi domácím a zahraničním zbožím relativně nízká elasticita nabídky práce průměrná doba cenových dohod: 3 čtvrtletí pro domácí firmy čtvrtletí pro importéry relativně vysoká setrvačnost v používaných technologiích modifikované Taylorovo pravidlo: r t =.78 r t + (.78)(.53 π t +. y t ) + ǫ r t Odezvy modelu a předpověd
14 domestic inflation inflation interest rate consumption terms of trade output Funkce impulzní odezvy na jednotkový šok inflace
15 π Date ( = Q ) R Date ( = Q ) Date ( = Q ) r y y * Date ( = Q ) z Date ( = Q ) Předpověd inflace, nominální a reálné úrokové míry, mezery výstupu a reálného směnného kurzu
16 P( y y * >= % ) P( y y * <= % ) Probability. Probability Date ( = Q ) Date ( = Q ) Pravděpodobnost výstupu % nad a pod střední předpovědí
17 Závěr špičatější posteriorní hustoty pravděpodobnosti než priorní hustoty (snížená entropie informace) odhad parametrů odráží základní charakteristiky české ekonomiky dobře kvantifikovavané parametry a míra neurčitosti modelu Použitá literatura Gali, J., Monacelli, T.: Monetary Policy and Exchange Rate Volatility in a Small Open Economy. 5, Review of Economic Studies. Liu, P.: A Small New Keynesian Model of the New Zealand Economy. 5, Working paper, Reserve Bank of New Zealand and The Australian National University. Liu, P.: A Small New Keynesian Model of the New Zealand Economy., Working paper, The Australian National University. Lubik, T., Schorfheide, F.: Do Central Banks Respond to Exchange Rate Movements? A Structural Investigation. 3, Economics Working Paper Archive 55, Department of Economics, The Johns Hopkins University.
Dynamické stochastické modely všeobecné rovnováhy s trhem práce
Dynamické stochastické modely všeobecné rovnováhy s trhem práce Daniel Němec Katedra ekonomie, Ekonomicko-správní fakulta Masarykova univerzita Brno, Česká republika ESF MU (Brno) DSGE modely s trhem práce
Více1 Odvození poptávkové křivky
Odvození poptávkové křivky Optimalizační chování domácností (maximalizace užitku) vzhledem k rozpočtovému omezení. Nejprve odvodíme deterministický model, který potom rozšíříme o stochastické prvky. Odvozené
VíceZáklady ekonometrie. XI. Vektorové autoregresní modely. Základy ekonometrie (ZAEK) XI. VAR modely Podzim / 28
Základy ekonometrie XI. Vektorové autoregresní modely Základy ekonometrie (ZAEK) XI. VAR modely Podzim 2015 1 / 28 Obsah tématu 1 Prognózování s VAR modely 2 Vektorové modely korekce chyb (VECM) 3 Impulzní
VíceFrikce pracovního trhu
12. listopadu 2010 Literatura Mandelman, F. S. - Zanetti F.: Technical Handbook - No. 1.: Estimating general equilibrium models: an application with labour market frictions Centre for Central Banking Studies,
VícePRO KURZ 5EN101 EKONOMIE 1
PODROBNÝ OBSAH A HARMONOGRAM PŘEDNÁŠEK PRO ZIMNÍ SEMESTR 2016/17 PRO KURZ 5EN101 EKONOMIE 1 PŘEDNÁŠEJÍCÍ: DOC. ING. ZDENĚK CHYTIL, CSC. ING. MICHAL MIRVALD, PH.D. 1. PŘEDNÁŠKA - 20. 9. 2016 Úvod charakteristika
VícePRO KURZ 5EN100 EKONOMIE 1
PODROBNÝ OBSAH A HARMONOGRAM PŘEDNÁŠEK PRO LETNÍ SEMESTR 2012/13 PRO KURZ 5EN100 EKONOMIE 1 PŘEDNÁŠEJÍCÍ: DOC. ING. ZDENĚK CHYTIL, CSC. 1. PŘEDNÁŠKA - 21. 2. a 22. 2. 2013 Úvod charakteristika kurzu, požadavky,
VíceStatistika a spolehlivost v lékařství Charakteristiky spolehlivosti prvků I
Statistika a spolehlivost v lékařství Charakteristiky spolehlivosti prvků I Příklad Tahová síla papíru používaného pro výrobu potravinových sáčků je důležitá charakteristika kvality. Je známo, že síla
VíceUkazatel právní nejistoty v daňové oblasti
Příloha 1: Ukazatel právní nejistoty v daňové oblasti Tabulka 1: Daňové y (nejistota) Tabulka 2: Daňové y (nejistota) Tabulka 3: Daňové y (nejistota) u daně z příjmu fyzických osob u daně z příjmu právnických
VíceMATEMATICKÁ STATISTIKA. Katedra matematiky a didaktiky matematiky Technická univerzita v Liberci
MATEMATICKÁ STATISTIKA Dana Černá http://www.fp.tul.cz/kmd/ Katedra matematiky a didaktiky matematiky Technická univerzita v Liberci Matematická statistika Matematická statistika se zabývá matematickým
VíceZáklady ekonometrie. X. Regrese s časovými řadami. Základy ekonometrie (ZAEK) X. Regrese s časovými řadami Podzim / 47
Základy ekonometrie X. Regrese s časovými řadami Základy ekonometrie (ZAEK) X. Regrese s časovými řadami Podzim 2015 1 / 47 Obsah tématu 1 ADL model 2 Regrese se stacionárními řadami 3 Regrese s řadami
VíceOdhad stavu matematického modelu křižovatek
Odhad stavu matematického modelu křižovatek Miroslav Šimandl, Miroslav Flídr a Jindřich Duník Katedra kybernetiky & Výzkumné centrum Data-Algoritmy-Rozhodování Fakulta aplikovaných věd Západočeská univerzita
VícePRO KURZ 5EN101 EKONOMIE 1. Poptávka spotřebitele a vyrovnání mezních užitků kardinalistický přístup
OBSAH A HARMONOGRAM PŘEDNÁŠEK PRO LETNÍ SEMESTR 2015/16 PRO KURZ 5EN101 EKONOMIE 1 PŘEDNÁŠEJÍCÍ: ING. MICHAL MIRVALD, PH.D. 1. PŘEDNÁŠKA - 16. 02. 2016 Úvod charakteristika kurzu, požadavky, informace
Více4. Aplikace matematiky v ekonomii
4. Aplikace matematiky v ekonomii 1 Lineární algebra Soustavy 1) Na základě statistických údajů se zjistilo, že závislost množství statku z poptávaného v průběhu jednoho týdne lze popsat vztahem q d =
Víceoddělení Inteligentní Datové Analýzy (IDA)
Vytěžování dat Filip Železný Katedra počítačů oddělení Inteligentní Datové Analýzy (IDA) 22. září 2014 Filip Železný (ČVUT) Vytěžování dat 22. září 2014 1 / 25 Odhad rozdělení Úloha: Vstup: data D = {
VícePRAVDĚPODOBNOST A STATISTIKA. Bayesovské odhady
PRAVDĚPODOBNOST A STATISTIKA Bayesovské odhady Bayesovské odhady - úvod Klasický bayesovský přístup: Klasický přístup je založen na opakování pokusech sledujeme rekvenci nastoupení zvolených jevů Bayesovský
VíceMakroekonomická prognóza. ČNB a její odlišnosti od prognóz jiných institucí
Makroekonomická prognóza ČNB a její odlišnosti od prognóz jiných institucí (pro předmp edmět t 5HP 502 NárodohospodN rodohospodářské rozhodování) Ing. Pavel Řežábek, Ph.D. člen bankovní rady a vrchní ředitel
VíceEkonomie II. Trh práce, nezaměstnanost a Phillipsova křivka Část II.
Ekonomie II Trh práce, nezaměstnanost a Phillipsova křivka Část II. Operační program Vzdělávání pro konkurenceschopnost Název projektu: Inovace magisterského studijního programu Fakulty vojenského leadershipu
VíceKrátkodobá rovnováha na trhu peněz
Makroekonomická analýza přednáška 9 1 Krátkodobá rovnováha na trhu peněz Funkce poptávky po penězích Poptávka po penězích je úměrná cenové hladině (poptávka po penězích je poptávka po reálných penězích).
Více4EK201 Matematické modelování. 11. Ekonometrie
4EK201 Matematické modelování 11. Ekonometrie 11. Ekonometrie Ekonometrie Interdisciplinární vědní disciplína Zkoumá vztahy mezi ekonomickými veličinami Mikroekonomickými i makroekonomickými Ekonomie ekonomické
Více4EK211 Základy ekonometrie
4EK11 Základy ekonometrie Autokorelace Cvičení 5 Zuzana Dlouhá Gauss-Markovy předpoklady Náhodná složka: Gauss-Markovy předpoklady 1. E(u) = náhodné vlivy se vzájemně vynulují. E(uu T ) = σ I n konečný
VíceCENOVÁ KONVERGENCE K EU: Poznatky z mezinárodního srovnání
CENOVÁ KONVERGENCE K EU: Poznatky z mezinárodního srovnání Martin Čihák (MMF) Tomáš Holub (ČNB) Seminář MF ČR Smilovice, 2. prosince 2003 Osnova Základní poznatky z 1999 ICP (vývoj cenové hladiny a reálného
VíceINFLACE A NEZAMĚSTNANOST
INFLACE A NEZAMĚSTNANOST Úvod Hypotéza zda-li existuje vztah mezi mírou inflace a nezaměstnaností (trade off) Negativní korelace veličin? Růst inflace pokles nezaměstnanosti a naopak Phillipsova křivka
VíceApriorní rozdělení. Jan Kracík.
Apriorní rozdělení Jan Kracík jan.kracik@vsb.cz Apriorní rozdělení Apriorní rozdělení (spolu s modelem) reprezentuje informaci o neznámém parametru θ, která je dostupná předem, tj. bez informace z dat.
Více4. OTEVŘENÁ EKONOMIKA. slide 1
4. OTEVŘENÁ EKONOMIKA slide 1 Obsahem přednášky jsou účetní identity pro otevřenou ekonomiku model malé otevřené ekonomiky co znamená malá jak jsou determinovány čisté exporty a měnové kurzy jak hospodářská
VíceOdhady - Sdružené rozdělení pravděpodobnosti
Odhady - Sdružené rozdělení pravděpodobnosti 4. listopadu 203 Kdybych chtěl znát maximum informací o náhodné veličině, musel bych znát všechny hodnoty, které mohou padnout, a jejich pravděpodobnosti. Tedy
VíceOdhad parametrů N(µ, σ 2 )
Odhad parametrů N(µ, σ 2 ) Mějme statistický soubor x 1, x 2,, x n modelovaný jako realizaci náhodného výběru z normálního rozdělení N(µ, σ 2 ) s neznámými parametry µ a σ. Jaký je maximální věrohodný
Více1 Jednoduchý makroekonomický model
MAMO podzim 2015 Přednáška 2 Lit: W-MT, ch1 K-QM, ch 3 1 Jednoduchý makroekonomický model Reprezentativní firma, reprezentativní domácnost optimalizace (maximalizace cílové funkce vzhledem k rozpočtovému
VíceModifikace IS-MP-IA modelu pro českou ekonomiku #
Modifikace IS-MP-IA modelu pro českou ekonomiku # Roman Hušek Radka Švarcová Úvod Obsahem článku je specifikace, odhad a aplikace jednoduchého modelu, vhodného k popisu a anticipaci hospodářského vývoje,
VíceČasové řady, typy trendových funkcí a odhady trendů
Časové řady, typy trendových funkcí a odhady trendů Jiří Neubauer Katedra ekonometrie FVL UO Brno kancelář 69a, tel 973 442029 email:jirineubauer@unobcz Jiří Neubauer (Katedra ekonometrie UO Brno) Časové
VíceČasové řady, typy trendových funkcí a odhady trendů
Statistika II Katedra ekonometrie FVL UO Brno kancelář 69a, tel 973 442029 email:jirineubauer@unobcz Stochastický proces Posloupnost náhodných veličin {Y t, t = 0, ±1, ±2 } se nazývá stochastický proces
VíceNeparametrické odhady podmíněné rizikové funkce
Ústav matematiky a statistiky Přírodovědecká fakulta Masarykova univerzita Finanční matematika v praxi III a Matematické modely a aplikace 3.-6. září 2013 Obsah 1 Analýza přežití Funkce přežití a riziková
VíceObsah. Inflace. Inflace Měření, typy, příčiny inflace Phillipsovakřivka Dopady, protiinflační politika Řízení inflace v ČR.
Obsah Inflace Měření, typy, příčiny inflace Phillipsovakřivka Dopady, protiinflační politika Řízení inflace v ČR Def: P prům. úroveň cen určitého souboru statků v běžném období ve srovnáním se zákl. období
VíceHISTORIE INFLAČNÍHO CÍLOVÁNÍ V ČESKÉ REPUBLICE OPTIKOU DYNAMICKÉHO MODELU VŠEOBECNÉ ROVNOVÁHY
VYHODNOCENÍ PLNĚNÍ INFLAČNÍCH CÍLŮ ČNB V LETECH 998 7. ÚVOD HISTORIE INFLAČNÍHO CÍLOVÁNÍ V ČESKÉ REPUBLICE OPTIKOU DYNAMICKÉHO MODELU VŠEOBECNÉ ROVNOVÁHY JAREK HURNÍK ONDRA KAMENÍK JAN VLČEK Režim inflačního
VíceKMS cvičení 6. Ondřej Marek
KMS cvičení 6 Ondřej Marek NETLUMENÝ ODDAJNÝ SYSTÉM S DOF analytické řešení k k Systém se stupni volnosti popisují pohybové rovnice: x m m x m x + k + k x k x = m x k x + k x = k x m x k x x m k x x m
VíceOdhad parametrů N(µ, σ 2 )
Odhad parametrů N(µ, σ 2 ) Mějme statistický soubor x 1, x 2,, x n modelovaný jako realizaci náhodného výběru z normálního rozdělení N(µ, σ 2 ) s neznámými parametry µ a σ. Jaký je maximální věrohodný
VíceObsah. Kvalifikovaný pohled na ekonomii českýma očima... IX. Předmluva autora k šestému vydání... XI
Obsah Kvalifikovaný pohled na ekonomii českýma očima........................ IX Předmluva autora k šestému vydání.................................... XI 1. Člověk v tržním systému.............................................
Více5 Porovnání s předchozím Konvergenčním programem a analýza citlivosti
Porovnání s předchozím Konvergenčním programem a analýza citlivosti. POROVNÁNÍ S PŘEDCHOZÍM MAKROEKONOMICKÝM SCÉNÁŘEM Rozdíly makroekonomických scénářů současného podzimního Konvergenčního programu (CP)
VíceOtázky ke státní závěrečné zkoušce
Otázky ke státní závěrečné zkoušce obor Ekonometrie a operační výzkum a) Diskrétní modely, Simulace, Nelineární programování. b) Teorie rozhodování, Teorie her. c) Ekonometrie. Otázka č. 1 a) Úlohy konvexního
VíceAVDAT Klasický lineární model, metoda nejmenších
AVDAT Klasický lineární model, metoda nejmenších čtverců Josef Tvrdík Katedra informatiky Přírodovědecká fakulta Ostravská univerzita Lineární model y i = β 0 + β 1 x i1 + + β k x ik + ε i (1) kde y i
VíceRovnovážné modely v teorii portfolia
3. září 2013, Podlesí Obsah Portfolio a jeho charakteristiky Definice portfolia Výnosnost a riziko aktiv Výnosnost a riziko portfolia Klasická teorie portfolia Markowitzův model Tobinův model CAPM - model
VíceRegresní analýza 1. Regresní analýza
Regresní analýza 1 1 Regresní funkce Regresní analýza Důležitou statistickou úlohou je hledání a zkoumání závislostí proměnných, jejichž hodnoty získáme při realizaci experimentů Vzhledem k jejich náhodnému
VíceCíl: seznámení s pojetím peněz v ekonomické teorii a s fungováním trhu peněz. Peníze jako prostředek směny, zúčtovací jednotka a uchovatel hodnoty.
Vysoká škola finanční a správní, o. p. s. Akademický rok 2007/08, letní semestr Kombinované studium Předmět: Makroekonomie (Bc.) Metodický list č. 3 7) Peníze a trh peněz 8) Otevřená ekonomika 9) Hospodářské
VíceSRE 03 - Statistické rozpoznávání
SRE 03 - Statistické rozpoznávání vzorů II Lukáš Burget ÚPGM FIT VUT Brno, burget@fit.vutbr.cz FIT VUT Brno SRE 03 - Statistické rozpoznávání vzorů II Lukáš Burget, ÚPGM FIT VUT Brno, 2006/07 1/29 Opakování
Více5 Porovnání s předchozím Konvergenčním programem a analýza citlivosti
5 Porovnání s předchozím Konvergenčním programem a analýza citlivosti 5.1 Porovnání s předchozím makroekonomickým scénářem Rozdíly makroekonomických scénářů současného a loňského programu vyplývají z následujících
VíceBayesovské metody. Mnohorozměrná analýza dat
Mnohorozměrná analýza dat Podmíněná pravděpodobnost Definice: Uvažujme náhodné jevy A a B takové, že P(B) > 0. Podmíněnou pravěpodobností jevu A za podmínky, že nastal jev B, nazýváme podíl P(A B) P(A
VícePhilipsova křivka Definice a tvary Philipsovy křivky Phillipsova křivka byla objevena v roce 1958 novozélandským ekonomem A. W.
Philipsova křivka Definice a tvary Philipsovy křivky Phillipsova křivka byla objevena v roce 1958 novozélandským ekonomem A. W. Phillipsem, který zkoumal vztah mezi mírou nezaměstnanosti a růstem nominálních
VíceCvičení č. 4, 5 MAE 1. Pokud vycházíme ze speciální formy produkční funkce, můžeme rovnici pro tempo růstu potenciální produktu vyjádřit následovně
Ekonomický růst Pokud vycházíme ze speciální formy produkční funkce, můžeme rovnici pro tempo růstu potenciální produktu vyjádřit následovně ΔY/Y = (1 α) x ΔL/L + α x ΔK/K + ΔA/A, kde ΔY/Y.. tempo růstu
VíceFunkce jedné proměnné
Funkce jedné proměnné Příklad - V následujících příkladech v případě a) pro funkce dané rovnicí zjistěte zda jsou rostoucí klesající nebo konstantní vypočítejte průsečíky grafu s osami souřadnic a graf
VíceInflace. Jak lze měřit míru inflace Příčiny inflace Nepříznivé dopady inflace Míra inflace a míra nezaměstnanosti Vývoj inflace v ČR
Inflace Jak lze měřit míru inflace Příčiny inflace Nepříznivé dopady inflace Míra inflace a míra nezaměstnanosti Vývoj inflace v ČR Co je to inflace? Inflace není v původním význam růst cen. Inflace je
VíceMATEMATICKÁ STATISTIKA - XP01MST
MATEMATICKÁ STATISTIKA - XP01MST 1. Úvod. Matematická statistika (statistics) se zabývá vyšetřováním zákonitostí, které v sobě obsahují prvek náhody. Zpracováním hodnot, které jsou výstupem sledovaného
VíceMakroekonomie I. Dvousektorová ekonomika. Téma. Opakování. Praktický příklad. Řešení. Řešení Dvousektorová ekonomika opakování Inflace
Téma Makroekonomie I Dvousektorová ekonomika opakování Inflace Ing. Jaroslav ŠETEK, Ph.D. Katedra ekonomiky Opakování Dvousektorová ekonomika Praktický příklad Dvousektorová ekonomika je charakterizována
VíceStavový model a Kalmanův filtr
Stavový model a Kalmanův filtr 2 prosince 23 Stav je veličina, kterou neznáme, ale chtěli bychom znát Dozvídáme se o ní zprostředkovaně prostřednictvím výstupů Příkladem může býapř nějaký zašuměný signál,
VíceFunkce poptávky (lineární) Funkce nabídky. Křížová elasticita poptávky. Rovnovážné množství. Rovnovážná cena. Přebytek spotřebitele.
Vzorce optávka a nabídka a b Funkce poptávky (lineární) m + n Funkce nabídky D * Cenová elasticita poptávky bodová + D + D * Důchodová elasticita poptávky * Cenová elasticita poptávky intervalová A B CD
Více2. setkání. Peníze, inflace, nezaměstnanost
2. setkání Peníze, inflace, nezaměstnanost PENÍZE OBSAH Funkce peněz Historie peněz Soudobý bankovní systém a regulace banky Nabídka peněz Podstata nabídky peněz a peněžní agregáty Celkové množství peněz,
VíceCharakterizace rozdělení
Charakterizace rozdělení Momenty f(x) f(x) f(x) μ >μ 1 σ 1 σ >σ 1 g 1 g σ μ 1 μ x μ x x N K MK = x f( x) dx 1 M K = x N CK = ( x M ) f( x) dx ( xi M 1 C = 1 K 1) N i= 1 K i K N i= 1 K μ = E ( X ) = xf
VíceInflace. Inflace. You created this PDF from an application that is not licensed to print to novapdf printer (http://www.novapdf.com) Měření inflace
Inflace P prům. úroveň cen určitého souboru statků v běžném období ve srovnáním se zákl. období 2015 Spotřební koš (svetr, čokoláda, rum) ČR = 1000 P = 1 2016 Spotřební koš (svetr, čokoláda, rum) ČR =
VíceVšeobecná rovnováha 1 Statistický pohled
Makroekonomická analýza přednáška 4 1 Všeobecná rovnováha 1 Statistický pohled Předpoklady Úspory (resp.spotřeba) a investice (resp.kapitál), kterými jsme se zabývali v minulých lekcích, jsou spolu s technologickým
VíceMezinárodní ekonomie. Kurzová politika Peníze, úrokové sazby a směnné kurzy
Mezinárodní ekonomie Kurzová politika Peníze, úrokové sazby a směnné kurzy 1. Směnné kurzy a devizové trhy 13. kapitola Krugman Obstfeld Základní problémy Směnný kurz umožňuje převést ceny v různých zemích
VíceMKI Funkce f(z) má singularitu v bodě 0. a) Stanovte oblast, ve které konverguje hlavní část Laurentova rozvoje funkce f(z) v bodě 0.
MKI -00 Funkce f(z) má singularitu v bodě 0. a) Stanovte oblast, ve které konverguje hlavní část Laurentova rozvoje funkce f(z) v bodě 0. V jakém rozmezí se může pohybovat poloměr konvergence regulární
VíceÚvod do analýzy časových řad
Přednáška STATISTIKA II - EKONOMETRIE Katedra ekonometrie FEM UO Brno kancelář 69a, tel. 973 442029 email:jiri.neubauer@unob.cz Posloupnost náhodných veličin {Y t, t = 0, ±1, ±2... } se nazývá stochastický
VíceMarkov Chain Monte Carlo. Jan Kracík.
Markov Chain Monte Carlo Jan Kracík jan.kracik@vsb.cz Princip Monte Carlo integrace Cílem je (přibližný) výpočet integrálu I(g) = E f [g(x)] = g(x)f (x)dx. (1) Umíme-li generovat nezávislé vzorky x (1),
Více2.. E K E ONOMI M C I KÁ K R OV O NOV O Á V H Á A H slide 0
2. EKONOMICKÁ ROVNOVÁHA slide 0 Předmětem přednášky je.odpovědět na následující otázky: Kolik se toho v ekonomice vyprodukuje? Kdo obdrží důchody z produkce? Kdo nakoupí celkový výstup? Co vyrovná poptávku
Víceb) β = γ.(b/h) β= 1,2 c) Y = d)y =1700, centrální banka by musela zvýšit nabídku reálných peněžních zůstatků na 625 mld
8. Monetární politika 1. Uzavřená ekonomika s výstupem pod úrovní potenciálního produktu je popsána následujícími charakteristikami: Trh statků: autonomní výdaje jsou ve výši 950 mld., sazba důchodové
Vícedokumentu: Proceedings of 27th International Conference Mathematical Methods in
1. Empirical Estimates in Stochastic Optimization via Distribution Tails Druh výsledku: J - Článek v odborném periodiku, Předkladatel výsledku: Ústav teorie informace a automatizace AV ČR, v. v. i., Dodavatel
VíceINFLACE A NEZAMĚSTNANOST
9. přednáška 23.05.2007 INFLACE A NEZAMĚSTNANOST 9. přednáška I. Inflace II. Nezaměstnanost Ing. A. Ecková,, PhD. 9. přednáška KLÍČOV OVÁ SLOVA Inflace, deflace, desinflace,, cenové indexy, Phillipsova
VíceObsah. KAPITOLA I: Předmět, základní pojmy a metody národohospodářské teorie... 17. KAPITOLA II: Základní principy ekonomického rozhodování..
Obsah Úvodem.................................................. 15 KAPITOLA I: Předmět, základní pojmy a metody národohospodářské teorie.................... 17 1 Předmět a základní pojmy národohospodářské
VíceAktuální makroekonomická prognóza a výhled měnové politiky
Aktuální makroekonomická prognóza a výhled měnové politiky Rozpočet a finanční vize měst a obcí 11. září 14 Praha Autoklub ČR Smetanův sál Petr Král Ředitel odboru měnové politiky a fiskálních analýz Sekce
VíceModel pro simulaci staví na výpočtu hrubého domácího produktu výdajovou metodou:
Model vývoje HDP ČR Definice problému Očekávaný vývoj hrubého domácího produktu jakožto základní makroekonomické veličiny ovlivňuje chování tržních subjektů, které v důsledku očekávání modulují své chování
Vícezprostředkování impulsu dále do ekonomiky Změna chování ekonomických subjektů množství peněz v ekonomice
Měnová politika impuls (změna úrokové sazby) Nominální šoky tlačí na růst celkové cenové hladiny Finanční trhy zprostředkování impulsu dále do ekonomiky Změna chování ekonomických subjektů množství peněz
VíceCíl: seznámení s pojetím peněz v ekonomické teorii a s fungováním trhu peněz. Peníze jako prostředek směny, zúčtovací jednotka a uchovatel hodnoty.
Vysoká škola finanční a správní, o. p. s. Akademický rok 2006/07, letní semestr Kombinované studium Předmět: Makroekonomie (Bc.) Metodický list č. 3 7) Peníze a trh peněz. 8) Otevřená ekonomika 7) Peníze
VíceZdeněk Tůma Česká národní banka
1 Zdeněk Tůma Česká národní banka Přednáška pro VŠE Praha 2. listopadu 2001 2 Úvod: Transmisní kanály Target Overall expectations Asset market: prices, wealth Aggregate Demand Prices Monetary policy Banks:
VíceMěnové kursy, euro a cenová konkurenceschopnost
Měnové kursy, euro a cenová konkurenceschopnost Jan Frait člen bankovní rady ČNB Perspektivy automobilového průmyslu Autosalon Brno, 3.6.2005 Centrální banka a automobilový průmysl? ČNB je institucí, jež
VíceKapitola 11: Lineární diferenciální rovnice 1/15
Kapitola 11: Lineární diferenciální rovnice 1/15 Lineární diferenciální rovnice 2. řádu Definice: Lineární diferenciální rovnice 2-tého řádu je rovnice tvaru kde: y C 2 (I) je hledaná funkce a 0 (x)y +
VíceNáhodné vektory a matice
Náhodné vektory a matice Jiří Militký Katedra textilních materiálů Technická Universita Liberec, Červeně označené slide jsou jen pro doplnění informací a nezkouší se. Symbolika A B Jev jistý S (nastane
VíceÚVOD. Vývoj HDP a inflace jsou korelované veličiny. Vývoj HDP a inflace (cenové hladiny) znázorníme pomocí modelu AD-AS. vývoj inflace (CPI)
AGREGÁTNÍ POPTÁVKA ÚVOD Odvození z modelu IS-LM-BP - fixní cenová hladina Nyní rovnovážná produkce a změny cenové hladiny Jak inflace ovlivňuje velikost produkce a jak produkt ovlivní vývoj inflace Vývoj
VícePřijímací řízení ak. r. 2010/11 Kompletní znění testových otázek - makroekonomie. Správná odpověď je označena tučně.
Přijímací řízení ak. r. 2010/11 Kompletní znění testových otázek - makroekonomie právná odpověď je označena tučně. 1. Jestliže centrální banka nakoupí na otevřeném trhu státní cenné papíry, způsobí tím:
VíceMatematika 2 LS 2012/13. Prezentace vznikla na základě učebního textu, jehož autorem je doc. RNDr. Mirko Rokyta, CSc. J. Stebel Matematika 2
Matematika 2 13. přednáška Obyčejné diferenciální rovnice Jan Stebel Fakulta mechatroniky, informatiky a mezioborových studíı Technická univerzita v Liberci jan.stebel@tul.cz http://bacula.nti.tul.cz/~jan.stebel
VíceMakroekonomická predikce (listopad 2018)
Ministerstvo financí České republiky, Letenská 15, 118 10 Praha 1, +420 257 041 111 Ministerstvo financí Makroekonomická predikce (listopad 2018) David PRUŠVIC Ministerstvo financí České republiky Praha,
VíceLineární algebra : Metrická geometrie
Lineární algebra : Metrická geometrie (16. přednáška) František Štampach, Karel Klouda LS 2013/2014 vytvořeno: 6. května 2014, 10:42 1 2 Úvod Zatím jsme se lineární geometrii věnovali v kapitole o lineárních
VíceMetoda backward výběru proměnných v lineární regresi a její vlastnosti
Metoda backward výběru proměnných v lineární regresi a její vlastnosti Aktuárský seminář, 13. dubna 2018 Milan Bašta 1 / 30 1 Metody výběru proměnných do modelu 2 Monte Carlo simulace, backward metoda
Víceodpovídá jedna a jen jedna hodnota jiných
8. Regresní a korelační analýza Problém: hledání, zkoumání a hodnocení souvislostí, závislostí mezi dvěma a více statistickými znaky (veličinami). Typy závislostí: pevné a volné Pevná závislost každé hodnotě
VíceVlastnosti odhadů ukazatelů způsobilosti
Vlastnosti odhadů ukazatelů způsobilosti Jiří Michálek CQR při Ústavu teorie informace a automatizace AV ČR v Praze Úvod Ve výzkumné zprávě č 06 Odhady koeficientů způsobilosti a jejich vlastnosti viz
VíceInflace. Makroekonomie I. Osnova k teorii inflace. Co již známe? Vymezení podstata inflace. Definice inflace
Makroekonomie I Teorie inflace Praktické příklady Příklady k opakování Inflace Ing. Jaroslav ŠETEK, Ph.D. Katedra ekonomiky Co již známe? Osnova k teorii inflace Deflátor HDP způsob měření inflace Agregátní
VíceModelování volatility v klasickém a bayesovském pojetí
Modelování volatility v klasickém a bayesovském pojetí Daniel Němec Katedra ekonomie, Ekonomicko-správní fakulta Masarykova univerzita ESF MU (Brno) Modely volatility 24.10.2013 1 / 66 Content 1 Volatilita
VíceAgresivita centrálních bank
Agresivita centrálních bank Luboš Komárek Obsah 1. Úvod 2. Vymezení, důvody a důsledky agresivity 3. Teoretické motivy a důvody pro nižší agresivitu 4. Případová studie: Porovnání agresivity ECB a FEDu
Více4. Na obrázku je rozdělovací funkce (hustota pravděpodobnosti) náhodné veličiny X. Jakou hodnotu musí mít parametr k?
A 1. Stanovte pravděpodobnost, že náhodná veličina X nabyde hodnoty menší než 6: P( X 6). Veličina X má rozdělení se střední hodnotou 6 a směrodatnou odchylkou 5: N(6,5). a) 0 b) 1/3 c) ½ 2. Je možné,
VíceSHRNUTÍ ZPRÁVA O INFLACI / II
SHRNUTÍ ZPRÁVA O INFLACI / II 2019 2 SHRNUTÍ I. SHRNUTÍ GRAF I.1 PROGNÓZA CELKOVÉ INFLACE Inflace se letos bude nacházet v horní polovině tolerančního pásma, na horizontu měnové politiky se sníží k 2%
VíceModely stacionárních časových řad
Statistika II Katedra ekonometrie FVL UO Brno kancelář 69a, tel. 973 442029 email:jiri.neubauer@unob.cz Proces bílého šumu Proces {ɛ t} nazveme bílým šumem s nulovou střední hodnotou a rozptylem σ 2 a
VíceAktivní detekce chyb
Fakulta aplikovaných věd, Katedra kybernetiky a Výzkumné centrum Data - Algoritmy - Rozhodování Západočeská univerzita v Plzni Prezentace v rámci odborného semináře Katedry kybernetiky Obsah Motivační
VíceMarkovské metody pro modelování pravděpodobnosti
Markovské metody pro modelování pravděpodobnosti rizikových stavů 1 Markovský řetězec Budeme uvažovat náhodný proces s diskrétním časem (náhodnou posloupnost) X(t), t T {0, 1, 2,... } s konečnou množinou
VíceCíl: analýza další makroekonomické poruchy, jejích příčin a důsledků
Vysoká škola finanční a správní, o. p. s. Akademický rok 2007/08, letní semestr Kombinované studium Předmět: Makroekonomie (Bc.) Metodický list č. 4 10) Nezaměstnanost. 11) Inflace a Phillipsovy křivky
VíceVEKTOROVÉ AUTOREGRESE. APLIKACE V PROGNÓZOVÁNÍ.
VEKTOROVÉ AUTOREGRESE. APLIKACE V PROGNÓZOVÁNÍ. Vektorové autoregrese (VAR se používají tehdy, když chceme zkoumat časové řady dvou či více proměnných. Je sice možné za tím účelem použít dynamické modely
VíceTéma 22. Ondřej Nývlt
Téma 22 Ondřej Nývlt nyvlto1@fel.cvut.cz Náhodná veličina a náhodný vektor. Distribuční funkce, hustota a pravděpodobnostní funkce náhodné veličiny. Střední hodnota a rozptyl náhodné veličiny. Sdružené
VíceNominální konvergence v České republice a její vliv na měnový kurz
Nominální konvergence v České republice a její vliv na měnový kurz Václav Žďárek CES VŠEM, Praha www.cesvsem.cz VI. ročník mezinárodní konference, Možnosti hospodářské politiky pro posílení konkurenceschopnosti
VíceÚvod do ekonomie Týden 11. Tomáš Cahlík
Úvod do ekonomie Týden 11 Tomáš Cahlík Obsah Makroekonomie a hospodářská politika Úvod Agregátní poptávka a Agregátní nabídka Hospodářský cyklus a stabilizační politika Inflace Hospodářská politika na
VíceKRUGMAN, P. R. OBSTFELD, M.
VNĚJŠÍ HOSPODÁŘSKÁ POLITIKA. část Kursová politika Martin Kvizda Katedra ekonomie, č. 60 Konzultační hodiny: středa 4.30 6.00 kvizda@econ.muni.cz Obsah Struktura podle KRUGMAN, P. R. OBSTFELD, M. (003)
VíceMetodický list č. 2. Metodický list pro 2. soustředění kombinovaného Mgr. studia předmětu. Makroekonomie II (Mgr.) LS
Metodický list č. 2 Metodický list pro 2. soustředění kombinovaného Mgr. studia předmětu Makroekonomie II (Mgr.) LS 2008-09 Název tématického celku: Makroekonomie II 2. blok. Tento tématický blok je rozdělen
VíceOdhady Parametrů Lineární Regrese
Odhady Parametrů Lineární Regrese Mgr. Rudolf B. Blažek, Ph.D. prof. RNDr. Roman Kotecký, DrSc. Katedra počítačových systémů Katedra teoretické informatiky Fakulta informačních technologií České vysoké
VíceVNĚJŠÍ HOSPODÁŘSKÁ POLITIKA 2. část
VNĚJŠÍ HOSPODÁŘSKÁ POLITIKA 2. část Kursová politika Martin Kvizda Katedra ekonomie, č. 620 Konzultační hodiny: středa 14.30 16.00 kvizda@econ.muni.cz Obsah Struktura podle KRUGMAN, P. R. OBSTFELD, M.
VíceMakroekonomie B. Marian Lebiedzik Pavel Tuleja Katedra ekonomie
Makroekonomie B Marian Lebiedzik Pavel Tuleja Katedra ekonomie Konzultační hodiny: Středa: 9 00 11 00 hod Čtvrtek: 8 00 10 00 hod Kancelář č. A 234 Podmínky pro splnění předmětu MAKROEKONOMIE B: Úspěšné
Více