Módszertani továbbfejlesztések a gazdasági elemzésekben
|
|
- Géza Mészáros
- 6 évvel ezelőtt
- Látták:
Átírás
1 Gazdálkodás- és Szervezéstudományi Doktori Iskola Budapesti Műszaki és Gazdaságtudományi Egyetem Dülk Marcell Módszertani továbbfejlesztések a gazdasági elemzésekben Tézisfüzet Témavezető: Andor György, PhD Budapest, Magyarország, 2013
2 Tartalomjegyzék I. Bevezetés...1 II. III. Harmonikus közép mint közelítés perióduson belüli pénzáramok diszkontálásához...5 Jelenérték bizonytalan eszközélettartam esetén: a relatív hiba vizsgálata...8 III.1. Folytonos eset...8 III.2. Diszkrét eset...10 IV. Energiahatékonysági projektek tőkeköltsége: a hűtés és fűtés példája...12 V. Hivatkozások...14 VI. Tézispontokhoz tartozó publikációk...15 VII. A szerző egyéb publikációi...15
3 I. Bevezetés A pénzügyek egyik alapkérdése, hogy mennyit is ér egy eszköz. Eszköz (asset) alatt pénzösszegekre való jogosultságot értünk, úgymint pl. egy vállalati részvényt, melynek birtokosa jogosult a vállalat által termelt pénzbeli nyereségre. Az elmúlt évszázad során a jelenérték (present value) fogalma szilárdult meg alapvető értékmérőként, mely egy eszköz által generált jövőbeni várható pénzösszegek diszkontált összegét jelenti az értékelés időpontjára vonatkozóan, beleértve az eszköz megszerzésekor azonnal rendelkezésre álló pénzösszeget is. A pénzösszeg kifejezés helyett leginkább a pénzáram (cash flow) kifejezés használt (a továbbiakban általunk is), mely a vállalatértékelési alapokra utal. Diszkontálásnak (discounting) nevezik az eljárást, mely során egy valamilyen jövőbeni várható pénzáram értékét határozzuk meg az értékelés időpontjára, azaz a jelen időpontra vetítve. Technikailag ez egy diszkontráta alkalmazásával történik, ami a pénzáram időzítéséhez és kockázatához igazodik. Mivel az érték a jövőbeni várható pénzáramok jelenre történő diszkontálásával kerül meghatározásra, az ilyen szemléletben, illetve szabályrendszer szerint készített elemzést diszkontált pénzáramokon alapuló (discounted cash flow, DCF) értékelésnek nevezik. A jelenérték a pénzügyek mind a két fő területének, a befektetéseknek és a vállalati pénzügyeknek is kulcsfogalma. Napjaink vállalati pénzügyi elemzései a részvényesi értékmaximalizálásra irányulnak. Tehát egy vállalat menedzsereinek értékes eszközöket kell megszerezniük, azaz olyan eszközöket, amelyek a részvények értékét növelik. A részvények értékének növeléséhez olyan eszközöket kell felderíteni, amelyek többet érnek, mint amennyiért éppen aktuálisan meg lehetne őket vásárolni. Azt pedig, hogy egy eszköz mennyit ér, a jelenértéke fejezi ki. A jelenérték és az éppen aktuális ár közötti különbséget nettó jelenértéknek (net present value, NPV) nevezik. Általánosságban a befektetések területe a tőkepiaci eszközök árainak viselkedésével foglalkozik, mely árak nyilvánvalóan összefüggenek a tőkepiaci eszközök értékeivel. És ez esetben is, egy eszköz értékét a jelenértéke fejezi ki. Tehát mivel értékezésünk a jelenérték-számítás kérdéseivel foglalkozik, nem korlátozódik csupán a vállalati pénzügyekre, de kétségkívül leginkább ezen a területen, a beruházási döntések kapcsán hasznosíthatók eredményeink, lévén a jelenérték inkább csak egyszerű input, illetve viszonyítási pont a befektetésekben. A jelenérték tankönyvekben általánosan alkalmazott számításához a következő fő elemek szükségesek: 1) egy időintervallum-hossz meghatározása (leggyakrabban egy év), ami a kamatperiódus hossza; 2) az értékelni kívánt eszköz várható gazdasági élettartamának meghatározása a kamatperiódus mértékegységében; 3) az eszköz összes várható pénzáramának becslése periódusonként a várható élettartam minden periódusára, feltételezve, hogy ezek a pénzáramok mind a periódusok végén következnek be; 4) a diszkontráta becslése a kamatperiódusra, mely ráta azonos minden periódusra. Ebben a tankönyvi megközelítésben a jelenérték-számítás technikailag egyszerű, de ennek az egyszerűségnek szokás szerint ára van. Ez a tankönyvi megközelítés a következő hibákat rejtheti magában, úgymint például: a várható pénzáramokkal és a diszkontrátával kapcsolatos becslési hibák; figyelmen kívül hagyása annak, hogy a pénzáramok nem feltétlenül kizárólag a periódusok végén következhetnek be; az eszköz gazdasági élettartamával kapcsolatos bizonytalanság figyelmen kívül hagyása, feltéve persze, hogy az eszközélettartam sztochasztikus. Ezen hibák kiküszöböléséhez elkerülhetetlenül szükséges egy kiterjedtebb matematikai eszköztár, mely viszont a jelenérték-számítást is bonyolultabbá teszi egyúttal. Ebből kifolyóan mindenképp érdemes feltérképezni az említett hibák jellegzetességeit és felmérni, hogy indokolt-e, illetve milyen körülmények fennállása esetén indokolt az egyszerűség bizonyos fokú feláldozása. Kutatásunk a fent felsorolt hibaforrások közül hárommal foglalkozik. Először feloldjuk a feltételezést, miszerint egy kamatperiódus minden pénzárama a periódus végén 1
4 következik be. Másodszor figyelembe vesszük az eszközélettartammal kapcsolatos bizonytalanságot. Harmadszor egy pontosabb becslést igyekszünk tenni a hűtési, illetve fűtési energiahatékonysági projektekhez alkalmazandó diszkontrátára. Megjegyezzük, ezzel a három problémakörrel külön-külön foglalkozunk, a különböző hibák együttes hatásának vizsgálata jövőbeni kutatások témáját képezi. Ahogy a korábbiakban említettük, a tankönyvek azt javasolják, hogy egy eszköz egy kamatperióduson belül jelentkező minden pénzáramát az adott periódus végére toljuk és ennek megfelelően diszkontáljuk őket. Ezt nevezik periódusvégi konvenciónak (end-ofperiod convention). Egy eszköz pénzáramai a valóságban természetesen a kamatperiódus során tetszőleges időpontban következhetnek be, ezért lényeges annak vizsgálata, hogy mekkora hibát véthetünk a jelenérték periódusvégi konvencióval történő közelítése miatt. Emellett kutatásunk célja volt az is, hogy találjunk egy viszonylag egyszerű, könnyen használható formulát, amellyel a periódusvégi jelenértéket korrigálva a hibák csökkenthetők. Kidolgoztunk egy új képletet, melyet harmonikus konvenciónak (harmonic convention) nevezünk, és a periódus-eleji és periódusvégi jelenértékek harmonikus közepén alapul. A periódusvégi konvencióval analóg módon a periódus-eleji konvenció (beginning-of-period convention) a kamatperióduson belüli pénzáramokat a periódus elejére tolja. A relatív hibát (pontosabban annak abszolút értékét) használjuk a hiba mértékeként, mely definíció szerint a közelítő jelenérték osztva a pontos, tényleges jelenértékkel, mínusz 1. Megmutatjuk, hogy a harmonikus konvenció minimalizálja a lehetséges legnagyobb hibát az általános esetben, amikor is az eszköz tényleges pénzáramprofilját (cash flow pattern) figyelmen kívül hagyjuk. Ennek megfelelően az első tézisünk a következő: 1. tézis (Andor és Dülk, 2013): Perióduson belüli pénzáramok jelenértékének közelítése esetén a periódus-eleji és periódusvégi konvencióval számított jelenértékek harmonikus közepe minimalizálja a lehetséges legnagyobb hibát. A harmonikus konvenció definíciója: 1+ i PH = PE 1+ i 2 ahol P H és P E a harmonikus, illetve a periódusvégi jelenérték, és i a diszkrét diszkontráta az adott kamatperiódusra. A hibák vizsgálatát kiterjesztjük konkrét pénzáramprofilok esetére is és összehasonlítjuk a harmonikus konvenció pontosságát a kapcsolódó szakirodalomban ismertetett egyéb konvenciókkal. Ezen konvenciók nevezetesen a periódus-közepi (midperiod convention) és a már említett periódus-eleji konvenció, melyek mind megfogalmazhatók a periódusvégi konvenció korrekciójaként. A periódus-közepi konvenció, ahogy neve is utal rá, a kamatperiódus minden pénzáramát a periódus közepére tolja. Az általunk vizsgált pénzáramprofilok egy periódusra vonatkozóan írják le a pénzáramok alakulását és egyetlen paraméterrel meghatározottak. Ezek a profilok konkrétan a háromszög, PERT és szakaszosan egyenletes (ún. semester estimate ) eloszlásokon alapulnak. Ezek a profilok az életszerű esetek nagy részét lefedik. Azt állapítjuk meg, hogy a harmonikus konvenció, még ha nem is mindig a legpontosabb, az esetek nagy részében elfogadható hibával rendelkezik és ezért egy jó gyakorlati alternatíva. Ezek alapján a második tézisünk: 2. tézis (Andor és Dülk, 2013): A gyakorlatban előforduló pénzáramprofilok esetén a harmonikus konvenció közelítési hibája általában kicsi (kisebb, mint 5%) és kisebb, mint más konvencióké, különösen akkor, ha a pénzáramok többsége a periódus második felébe esik. 2
5 Második kutatásunk a bizonytalan végpontú pénzáramprofillal jellemzett eszközök jelenértékszámításával kapcsolatos matematikai módszerekre irányul. A tankönyvi eljárás a jelenértéknek a várható eszközélettartam szerinti számítása, mely figyelmen kívül hagyja az élettartam valószínűség-eloszlásának egyéb jellemzőit. Ez az eljárás lényegét tekintve ekvivalens azzal, mintha az élettartamot determinisztikusnak tekintenénk. A valóságban viszont pl. egy berendezés élettartama sztochasztikus (vö. megbízhatósági elemzések), ezért ezt a bizonytalanságot be kell építeni a gazdasági elemzésekbe. Az üzleti gazdasági döntésekhez ennek megfelelően a várható jelenértéket és nem pedig a várható élettartam szerinti jelenértéket kell kiszámítani. Megvizsgáljuk részletesen a folytonos exponenciálisan növekvő pénzáramprofilt exponenciális eloszlású végponttal, és ennek diszkrét megfelelőjét, ami a geometrikusan növekvő annuitás geometriai eloszlású végponttal. Bemutatjuk a vonatkozó matematikai módszereket és összefüggéseket a jelenértékek zárt alakban történő megadásához általános végpont-bizonytalanság esetére, illetve kifejezetten az említett esetekre. A lehetséges hibákat is megvizsgáljuk a korábban említett relatív hibát (pontosabban annak abszolút értékét) alkalmazva, mely a hagyományos megközelítés szerinti jelenérték osztva a helyes, várható jelenértékkel, mínusz 1. Megállapítjuk, hogy ha a diszkontráta egyenlő a növekedési ütemmel, akkor a hiba mindig zérus. Ha a növekedési ütem nagyobb, mint a diszkontráta, akkor a hiba elérheti az elméletileg lehetséges maximális 100%-ot. Ha azonban a növekedési ütem kisebb, mint a diszkontráta ami a szokásos esetnek tekinthető, akkor a hiba nem haladhatja meg a 30%-ot. Ez a hibafüggvénynek éppenséggel egy lokális maximumértéke, mely lokális maximum minden várható élettartam esetén létezik. A fő különbség a folytonos és a diszkrét eset között az, hogy ez a lokális maximumérték független a várható élettartamtól és azonosan kb. 30% a folytonos esetben, míg ezzel szemben függ a várható élettartamtól a diszkrét esetben: rövidebb várható élettartam esetén kisebb, de legalább 12,5%. A következő általános szabályt fogalmazzuk meg: egy adott diszkontráta növekedési ütem kombináció esetén minél hosszabb a várható élettartam vagy másképpen: egy adott várható élettartam esetén minél nagyobb a két ráta közötti különbség abszolút értékben annál nagyobb a hiba (abszolút értékben). Azt találjuk, hogy akár csak néhány százalékpontbeli rátakülönbség is számottevő hibához vezethet. Tipikusnak tekinthető 10 és 20 periódusnyi várható élettartamok esetén 2%, illetve 1% rátakülönbség kb. 10%-os hibához vezet, ami nem elhanyagolható. Érdemes tehát figyelmet fordítani a diszkontráták és a növekedési ütemek becslésének pontosságára. A harmadik tézisünkben foglaljuk össze mindezeket: 3. tézis (Andor és Dülk, 2014*): Az eszközélettartammal kapcsolatos bizonytalanság figyelmen kívül hagyása gyakran vezet számottevő (10% feletti) hibához a jelenértékben, de nagyvonalú becslésekhez tűrhető közelítésnek tekinthető, mivel a hiba jellemzően nagyobb sem lehet 30%-nál. Végül kutatásunk harmadik része némileg különbözik a korábbi kettő technikalitásától. Hűtési, illetve fűtési energiahatékonysági projektek tőkeköltségét, azon belül is a releváns kockázatát akarjuk megbecsülni. A tőkepiaci árfolyamok modellje (capital asset pricing model, CAPM) tükrében készítjük az elemzést és empirikus becslést adunk az említett projektek bétájára, ami a releváns kockázatot kifejező paraméter a CAPM-ben. A becslést múltbeli energiaár- és időjárásadatokkal végezzük, mivel ezen két tényező határozza meg alapvetően az energiahatékonysági projektek kockázatát. Ez abból következik, hogy az energiaköltség-megtakarítások teszik ki a projekt (kockázatos) pénzáramainak túlnyomó részét, és az energiaköltség az energia egységárának és a fogyasztott mennyiségnek a szorzata, mely utóbbiról azt feltételezzük, hogy egyedül az időjárás függvénye. Kutatásunk célja, hogy az iparági bétáknál, melyek csak durva közelítésnek tekinthetők, pontosabb 3
6 becslést tegyünk a projekt releváns kockázatára. Azzal a nyilvánvaló problémával szembesülünk, hogy energiahatékonysági projektekre nincsenek releváns múltbeli részvényárfolyam-adatok, melyekből a bétát közvetlenül becsülni tudnánk. Ezért azt a közvetett megközelítést alkalmazzuk, hogy a projekt pénzáramait befolyásoló tényezők (azaz energiaár és időjárás) múltbeli adatsoraiból becslünk, melyek léteznek és hozzáférhetők. Azt a hipotézist vizsgáljuk, miszerint a projektbéta statisztikailag szignifikánsan nem különbözik nullától. Mivel egy eszköz bétája az eszközhozamok és a piaci portfólió hozamok közötti korrelációnak egy szorzatfüggvényeként határozódik meg, a béta nulla, ha ez a korreláció nulla. Mivel, ahogy azt fentebb említettük, az eszközhozamok jelen esetben nem állnak rendelkezésre, páronkénti korrelációkat számítunk a pénzáramok kockázati tényezői és a piaci portfólió hozamok között. Ha ezen páronkénti korrelációk egyike sem különbözik nullától, akkor az eszközhozamok piaci portfólió hozamokkal vett korrelációja sem különbözhet nullától. Esetünkben ez a nulla korrelációnak a következő három tesztjét jelenti: 1) energiaegységár mértéke és piaci portfólió hozamok között; 2) időjárás mértéke és piaci portfólió hozamok között; 3) energia-egységár mértéke és időjárás mértéke között. A kapcsolódó tanulmányokban fellelhető azon megközelítést követjük, mely a tényezőket befektetésként kezeli, így múltbeli százalékos változásaikat számítjuk mértékükként. Tehát az energia egységárával kapcsolatos bizonytalanságot a múltbeli százalékos energiaár-változásokkal ragadjuk meg, az időjárással kapcsolatos bizonytalanságot pedig a fűtési napfokszámok múltbeli százalékos változásával ragadjuk meg. A földgázt és a villamos energiát vizsgáljuk, mint két olyan energiahordozót, amellyel a projekt által takarékoskodhatunk, több európai országban, háztartási és üzleti fogyasztók esetére egyaránt. Egyik esetben sem találunk nullától szignifikánsan különböző korrelációt, tehát a hipotézis, miszerint ezen energiahatékonysági projektek bétája nulla, és következésképp tőkeköltsége a kockázatmentes hozam, nem vethető el. Megjegyezzük, hogy eredményeink korlátozottak abban a tekintetben, hogy nem számszerűsítjük a bétát, amihez viszont szükség lenne egy szilárd elméleti modellre, mely összekapcsolja a pénzáramok és részvényárfolyamok alakulását. Erre egy újabb, egyelőre nem megjelent írásunkban (Andor és Dülk, 2012) teszünk kísérletet, mely a korábbi kapcsolódó tanulmányok eredményeit új megvilágításba helyezi, de egybevág az itt közölt eredményeinkkel. A fentieket az alábbi negyedik tézisünkben foglaljuk össze: 4. tézis (Dülk, 2012a, 2012b): A hipotézis, miszerint a földgázt vagy villamos energiát megtakarító hűtési, ill. fűtési energiahatékonysági projektek tőkeköltsége a kockázatmentes hozam, nem vethető el. Tárgyalásunk hátralévő része három fő fejezetre tagolódik a fent összefoglalt három kutatási iránynak megfelelően. Először bemutatjuk részletesebben a harmonikus konvenciót, mint a periódusvégi konvenció továbbfejlesztését. Utána részleteiben ismertetjük eredményeinket a bizonytalan eszközélettartamra vonatkozóan. Végül a hűtési, ill. fűtési energiahatékonysági projektek tőkeköltség-becslésének főbb elemeit tárgyaljuk. 4
7 II. Harmonikus közép mint közelítés perióduson belüli pénzáramok diszkontálásához A perióduson belüli pénzáram (intraperiod cash flow) egy olyan pénzáram, amely egy adott kamatperióduson belül egy tetszőleges időpontban következik be. Egy több (perióduson belüli) pénzáramból álló eszköz jelenértéke (1. ábra) az (1) szerint adható meg (bizonyításért lásd pl. Fleischer, 1986): P F 2 F 5 F F 3 1 F 4 F Q 0 t 1 1 t 2 t 3 2 t 4 t 5 3 n-1 t Q n 1. ábra: Diszkontálás több pénzáramból álló eszköz esetén. t P= Q q= 1 F q ( + i) t q 1 (1) ahol F egy pénzáram, P a jelenérték, i a diszkrét diszkontráta az adott kamatperiódusra, t pénzáram-időzítés (a kamatperiódus mértékegységében), Q az eszköz pénzáramainak darabszáma, q a pénzáramok és időzítéseik indexe, n pedig a periódusindex az 1. ábrán. Az (1)-ben definiált eljárás meglehetősen fáradságos, főleg ha sok pénzárammal van dolgunk. Ezért érdemes közelítésekkel élni, melyek ugyan nem teljesen pontosak, de egyszerűbbek és könnyebben használhatók. A tipikus megközelítés a jelenérték-számítás olyan egyszerűsítése, hogy egy kamatperiódus minden pénzáramát a periódusnak egy kitüntetett időpontjába vonjuk össze, majd alkalmazzuk (1)-et. A legismertebb és leggyakrabban alkalmazott ilyen módszer az úgynevezett periódusvégi konvenció, mely azzal a feltételezéssel él, hogy egy adott kamatperiódus minden pénzárama a periódus végén következik be, és a következőképp számol: P E = N n= 1 A n ( + i) n 1 (2) ahol az E index a periódusvégi konvencióra utal, N a kamatperiódusok száma az eszköz élettartama során, A n pedig az n-edik periódusbeli pénzáramok összege. Egy szintén ismert módszer, mely hasonlóan az időzítési korrekcióra épül, a periódusközepi konvenció (M indexszel jelölve), amelyben a pénzáramok a periódusok közepére vannak tolva. Ez a módszer az alábbi képlettel dolgozik: P M = N n= 1 A n ( + i) 1 n+ 2 1, ami másként írva P = P 1 i (3) M E + Ahogy a (3) mutatja, a periódus-közepi jelenérték a periódusvégi jelenértékből könnyen megkapható (és fordítva). Egy harmadik módszer, mely nem gyakran használt ugyan, de egy kézenfekvő alternatíva, a periódus-eleji konvenció (B indexszel jelölve), mely szintén kapcsolódik a periódusvégi jelenértékhez: 5
8 P B = N n= 1 A n n+ 1 ( 1 + i), ami másként írva P P ( i) = 1 (4) B E + Ahogy (2)-től (4)-ig látható, ezen közelítések az alábbi általános alakban írhatók fel, melyben a közelítő jelenértéket a leggyakrabban használt periódusvégi jelenérték korrekciójával kapjuk meg: P approx = P k(i), melynek megfelelően k ( i) = E 1, k M ( i) = 1+ i, és k B ( i) = 1+ i (5) E ahol P approx az adott konvenció közelítő jelenértéke, és k(i) az i diszkontrátának egy korrekciós függvénye. Bevezetünk egy új korrekciós függvényt, amely sok tekintetben jobb a fent felsorolt konvencióknál. Ezt harmonikus konvenciónak nevezzük (H indexszel jelölve), mert a periódusvégi és periódus-eleji jelenértékek harmonikus közepét adja: P H 2 =, amiből P 1 P + 1 P E B H 1+ i = PE és 1+ i 2 1+ i k H ( i) = (6) 1+ i 2 A közelítési hiba mérésére a relatív hibát alkalmazzuk, olyan formában, ahogy az Lohmann és Oakford (1984) cikkében definiálva van: Papprox PE k( i) ε = 1, ami tárgyalásunkban ekvivalens azzal, hogy ε = 1 (7) P P actual ahol ε a relatív közelítési hiba, P approx az adott módszernek megfelelő közelítő jelenérték és P actual a valódi pénzáramprofil pontos jelenértéke. Megmutatható, hogy a harmonikus konvenció esetében minimális a lehetséges legnagyobb hiba, más szóval az a legnagyobb közelítési hiba, ami előfordulhat tekintet nélkül a tényleges pénzáramprofilra. A lehetséges legnagyobb hiba definíciója az alábbi: amely a harmonikus konvenció esetében konkrétan actual Papprox Papprox ε max = max 1, 1, (8) PE PB PE kh ( i) PE kh ( i) i i i ε H,max = max 1, 1 = max, = (9) PE PE (1+ i) 2+ i 2+ i 2+ i A periódusvégi, -közepi és -eleji konvenciókra ennek a hibának a számítása megtalálható Lohmann és Oakford (1984) cikkében. A 2. ábra illusztrálja a lehetséges legnagyobb hibákat a diszkontráta függvényében. Az eredmények azt mutatják, hogy meglehetősen érdemes a periódusvégi jelenértéket korrigálni a harmonikus konvenció szerint, jóllehet, a harmonikus korrekció csak kicsivel jobb, mint a periódus-közepi, a szélsőséges esetekben is. A (7)-ben definiált relatív hiba elemzését elvégezzük számos konkrét pénzáramprofil esetére is. Ezen profilok egyik csoportja a PERT-eloszláson alapul, mellyel egy perióduson belül írjuk le a pénzáramokat, és csúcsa (c-vel jelölve) változtatható. Könnyen kezelhető nomogramokat (kétdimenziós diagramokat) készítünk az egyes módszerek közelítési hibáinak illusztrálására, és preferencia-tartomány diagramokat is előállítunk, melyekből látható, hogy milyen paraméterkombináció esetén melyik módszer a legjobb választás a többivel szemben (lásd a 3. ábrát szemléltetésként a PERT-jellegű profilok esetére). 6
9 2. ábra: A periódus-eleji (B), -végi (E), -közepi (M) és a harmonikus (H) konvenció lehetséges legnagyobb hibájának összehasonlítása. 3. ábra: PERT-jellegű pénzáramprofilok (bal felső), közelítési hibák a periódusvégi (bal alsó) és a harmonikus (jobb felső) konvencióra, preferencia-tartományok PERT-jellegű profilokra (jobb alsó, a hullámos vonalak jelölik, hogy a harmonikus módszer mikor a legjobb). Elemzésünk alapján megállapítjuk, hogy kis diszkontrátákra (kb. 7% alatt) mindegy, hogy melyik módszert alkalmazzuk, vagy másként mondva mindegy, hogy a periódusvégi jelenértéket korrigáljuk-e. Mindazonáltal a harmonikus javasolt, hiszen az ő lehetséges legnagyobb hibája minimális. 7% feletti ráták esetén, ha a pénzáramok többsége a periódus első felében következik be, akkor a periódus-közepi javasolt, viszont ha a periódus második felében, akkor a harmonikus közelítést javasolt alkalmazni. A harmonikus és a periódusközepi konvenciók hibája alig néha haladja meg a 10%-ot. A nomogramok segítségével egyébként a közel pontos jelenértéket is meg tudjuk határozni a közelítő jelenértékek korrekciójával. Megjegyezzük, hogy periódusonként eltérő pénzáramprofilok esetén is támaszkodhatunk az egyperiódusos eredményekre, pl. bizonyos szempontból megegyező periódusok csoportosításával, majd a csoportok külön kezelésével. 7
10 III. Jelenérték bizonytalan eszközélettartam esetén: a relatív hiba vizsgálata Ahogy az a kapcsolódó tankönyvekben (pl. Park és Sharp-Bette, 1990) ki van fejtve, a jelenérték-számítás tipikusan kétféle formában történik: diszkrét pénzáramok diszkontálása diszkrét diszkontrátával, vagy folytonos pénzáramok diszkontálása folytonos diszkontrátával. Az ezekhez tartozó képletekben lényegében minden változó (pl. pénzáramok, diszkontráták, eszközélettartamok) bizonytalanok lehetnek, azaz valószínűségi változók lehetnek. Ebből kifolyóan az értékelés és a beruházási döntés a várható jelenértéken kell, hogy alapuljon (lásd pl. Park és Sharp-Bette, 1990; Tufekci és Young, 1987 és a benne lévő hivatkozásokban). Bár a tankönyvek általában utalnak ezen változók esetleges sztochasztikus jellegére, a számítások egyszerűsítése végett a változók várható értékeit helyettesítik be a jelenérték-formulába, ahelyett, hogy a teljes kifejezés várható értékét vennék. Ez nyilvánvaló hibaforrás, amely hibás jelenértékhez és esetleg téves beruházási döntéshez vezet. Itt mi most egy eszköz élettartamának, pontosabban pénzáramprofilja végpontjának (N-nel, ill. T-vel jelöljük) bizonytalanságához köthető hibával foglalkozunk. Feltételezzük, hogy a diszkontráták nem sztochasztikusak, és hogy a pénzáramok sztochasztikusan függetlenek az eszköz élettartamától. (Ezen utóbbi feltételezésből kifolyóan, jelölési takarékosságból elhagyjuk a várható érték külön jelölését a pénzáramoknál, tehát F önmagában várható pénzáramot jelöl.) A hiba természetesen függ a pénzáramprofiltól és az élettartam valószínűség-eloszlásától. Mi a következő eseteket vizsgáljuk: diszkrét geometrikusan növekvő annuitás geometriai eloszlású élettartammal és folytonos exponenciálisan növekvő pénzáramprofil exponenciális eloszlással. Feltételezzük, hogy a növekedési ütemek nem sztochasztikusak. A relatív hibát elemezzük, melyet a következőképp definiálunk: Pˆ ε = 1 (10) E P ( ) ahol ε a relatív hibát, Pˆ a konvencionális, tankönyvi megközelítés, azaz a várható élettartam szerinti jelenértéket, E(P) pedig a helyes, várható jelenértéket jelöli. Mi vagyunk az elsők, akik a relatív hibát vizsgálják, amit a számítási hibát jobban jellemző mutatónak vélünk az abszolút hibával, azaz Pˆ E(P)-vel szemben, mely utóbbit Chen és Manes (1986) vizsgálta. A relatív hiba használatával olyan új megállapításokat tudunk tenni, melyeket az abszolút hiba használatával nem tudnánk, mert az a tényleges forint összegekben van értelmezve. Kiterjesztjük a vizsgálatot a diszkontráták és növekedési ütemek negatív tartományára, továbbá a diszkrét és folytonos eset alapos összehasonlítását is elvégezzük. III.1. Folytonos eset A hagyományos eljárással egy folytonos exponenciálisan növekvő pénzáramprofil jelenértéke a következőképp számítódik (pl. Remer et al., 1984): ( r j) E( T) ( e ) C Pˆ = 1 (11) r j ahol j folytonos növekedési ütem, r folytonos diszkontráta, C konstans pénzáram-paraméter, E(T) az eszköz élettartamának, T-nek a várható értéke, e a természetes logaritmus alapja. A helyes számítás ezzel szemben behelyettesítve az exponenciális eloszlás momentum-generáló függvényét a várható jelenérték zárt alakban történő megadásához az alábbi (lásd pl. Zinn et al., 1977): 8
11 E C r j ( r j) ( P) = E e T C θ ( ) ( r j) = ( ) 1 (12) r j 1+ θ r j ahol λ az exponenciális eloszlás paramétere, és θ az exponenciális eloszlás várható értékét jelöli, azaz az eszköz várható élettartamát (azaz E(T) = θ), mely az eloszlás paraméteréhez a következő összefüggéssel kapcsolódik: θ = 1λ. Megvizsgálva a momentum-generáló függvény létezéséhez szükséges konvergenciakritériumot azt találjuk, hogy pozitív várható élettartamot feltételezve a θ(r j) > 1 feltételnek teljesülnie kell E(P) létezéséhez, máskülönben E(P) =. (Ha θ nulla, akkor E(P) szintén nulla, és a relatív hiba nincs értelmezve nullával való osztás miatt.) Megjegyezzük, hogy a hiba iránya, azaz alul- vagy felülbecslés, T eloszlásától függetlenül meghatározható a Jensen-egyenlőtlenség segítségével. Továbbá, mivel C egy konstans, Pˆ = E(P) akkor és csak akkor áll fenn, ha r = j. Megjegyezzük, hogy a helyes, várható jelenérték közelíthető Taylorsorral is. (11)-et (12)-vel elosztva és 1-et levonva megkapjuk a relatív hibát, amely kifejezhető az alábbi módon egyetlen változó függvényeként, ha bevezetjük az x = θ(r j) változót: ( 1 ) 1 1 e x + 1 = ε (13) x Elemezve a (13)-ban megadott hibafüggvény abszolút értékét azt találjuk, hogy lokális maximuma van. Deriválva (13)-at x szerint, majd nullára megoldva egyetlen valós gyököt kapunk az x 1,79 helyen, ahol ε 29,84%. Mivel a hiba abszolút értékét nézzük, a globális maximum 100%. A negatív tartományban megfigyelhető, hogy a hiba nagyon érzékeny x-re. Az x változó összetételét vizsgálva és tudva, hogy mivel θ pozitív x pozitív akkor és csak akkor, ha r > j, és x negatív akkor és csak akkor, ha r < j, az eredmények a következőképp értelmezhetők. Ha a diszkontráta nagyobb, mint a növekedési ütem, akkor a hiba nem haladhatja meg a 30%-ot, de ez a maximum bármely θ várható élettartam esetén elérhető, mivel számtalan (egész pontosan végtelen sok) olyan r j kombináció létezik, melyre a szélsőérték-feltétel teljesül. Ha a diszkontráta kisebb, mint a növekedési ütem, akkor a hiba felső határa 100%, mely szintén, az előbbi okból kifolyóan, bármely várható élettartam esetén elérhető. Ha a két ráta egyenlő, a hiba zérus, ahogy arra korábban rámutattunk. A 4. ábra néhány várható élettartam esetére megmutatja a hibafüggvényt és bemutat egy nomogramot a θ = 5 esetre, mely a különféle rátakombinációk esetén jelentkező hibákat szemlélteti. 4. ábra: A relatív hiba abszolút értéke a δ = r j rátakülönbség függvényében θ = 2 (folytonos), 5 (szaggatott), 10 (pontozott) és 20 (szürke) várható élettartamokra (balra); a relatív hiba nagysága θ = 5 várható élettartamra, sötétebb színek nagyobb hibát jelölnek (jobbra). 9
12 Megfigyelhető, hogy a hiba könnyen meghaladhatja a 10%-ot, ami jelentősnek mondható, ráadásul ennek bekövetkeztéhez a rátakülönbségnek elég néhány százalékpontnak lennie. Például θ = 10-re a 2% és 2% rátakülönbségekhez tartozó hiba 8,8%, ill. 11,4%. Viszont θ = 20-ra az 1% és 1% rátakülönbségek adnak ugyanekkora hibákat. III.2. Diszkrét eset A hagyományos eljárással egy diszkrét geometrikusan növekvő annuitás jelenértéke a következőképp számítódik (pl. Remer et al., 1984): ( N) E F + g Pˆ 1 1 = 1 (14) i g 1+ i ahol g diszkrét növekedési ütem, i diszkrét diszkontráta, F 1 pénzáram-paraméter, E(N) pedig az eszközélettartam N várható értéke. A helyes számítás ezzel szemben behelyettesítve a geometriai eloszlás (valószínűségi) generátorfüggvényét a várható jelenérték zárt alakban történő megadásához az alábbi (lásd pl. Gerchak és Åstebro, 2000): E ( P) N F 1 1+ g F1 = 1 = E 1 (15) + i g 1+ i g i g 1 1+ η( i g) ahol α a geometriai eloszlás paramétere és η jelöli a geometriai eloszlás várható értékét, azaz az eszköz várható élettartamát (azaz E(N) = η), mely az eloszlás paraméteréhez a következő összefüggéssel kapcsolódik: η = 1α. Valójában kétféle változata van a geometriai eloszlásnak mi a pozitív egészekre értelmezett változatot használjuk, tehát az eszköz élettartama nem lehet nulla (lásd Gerchak és Åstebro, 2000). Megvizsgálva a generátorfüggvény hatványsorának konvergencia-kritériumát azt 1+ g η találjuk kihasználva, hogy a várható élettartam pozitív, hogy a < feltételnek 1+ i η 1 teljesülnie kell E(P) létezéséhez, máskülönben E(P) =. Feltételezzük, hogy mind g, mind pedig i nagyobb, mint 1, ezért az abszolútérték-jel elhagyható, hiszen a hányados mindig pozitív. Megjegyezzük, hogy η nem lehet nulla, mivel az élettartamot legalább egy periódus hosszúnak feltételezzük. A hiba iránya, azaz alul- vagy felülbecslés, N eloszlásától függetlenül meghatározható a Jensen-egyenlőtlenség segítségével. Továbbá, a folytonos esethez hasonlóan, Pˆ = E(P) akkor és csak akkor áll fenn, ha i = g. A helyes, várható jelenérték most is közelíthető Taylor-sorral. (14)-et (15)-tel elosztva és 1-et levonva megkapjuk a relatív hibát, mely legjobb esetben is legalább két változó függvényeként írható fel az alábbi formában (hosszas átalakítgatás után) az y = (1 + g)/(1 + i) helyettesítés elvégzésével: ε = η 1 ( 1 y ) η 1 y A fent elmondottakból következik, hogy ha y η/(η 1), akkor mivel E(P) végtelen a hiba 100%, és ha y = 1, ami akkor áll fenn, ha i = g, akkor a hiba zérus. Megjegyezzük, (16) 10
13 hogy η = 1 esetben a hiba mindig zérus (ez esetben egy degenerált eloszlással van dolgunk a folytonos eset θ = 0 esetéhez hasonlóan). Az 5. ábra mutatja a (16)-ban felírt kétváltozós hibafüggvény abszolút értékét néhány η értékre és szintén bemutat egy nomogramot az η = 5 esetre a hiba súlyosságát illusztrálandó különféle rátakombinációkra. Most is a hiba abszolút értékét vesszük a nagyság kifejezésére. 5. ábra: A relatív hiba abszolút értéke az y = (1 + g)/(1 + i) változó függvényében η = 2 (folytonos), 5 (szaggatott), 10 (pontozott) és 20 (szürke) várható élettartamokra (balra); a relatív hiba nagysága η = 5 várható élettartamra, sötétebb színek nagyobb hibát jelölnek (jobbra). Ahogy az 5. ábra is mutatja, minden η-ra y < 1 esetben a relatív hibának van egy lokális maximuma, melynek értéke η-tól függ. Mivel a hiba abszolút értékét nézzük, a globális maximum 100% bármely η-ra. Abban a tartományban, ahol y > 1, a hiba nagyon érzékeny y-ra. Ezek a megfigyelések szorosan egybecsengenek a folytonos esettel, azzal a különbséggel, hogy a diszkrét esetben a lokális maximumérték η-val változik. A fő jellegzetességek mindenesetre megegyeznek, azaz, egy adott várható élettartam feltétele mellett a diszkrét és folytonos hibák azonosan viselkednek. Ez megerősítést nyer az y változó összetételének közelebbi vizsgálatával. Ha y < 1, ami akkor és csak akkor áll fenn, ha i > g, akkor létezik egy lokális hibamaximum. A hiba nagyon érzékeny y > 1 értékekre, ami akkor és csak akkor áll fenn, ha i < g. A hiba zérus, ha y = 1, ami akkor és csak akkor áll fenn, ha i = g. (Feltételezéseink nem engedik meg, hogy y egyenlő legyen 0-val.) A fő különbség a diszkrét és folytonos eset között az, hogy a diszkrét esetben a lokális hibamaximum értéke nem ugyanaz minden várható élettartamra, míg a folytonos esetben ugyanaz volt. Például, 5 periódusnyi várható élettartam esetén a lokális hibamaximum értéke kb. 22%, a folytonos eset kb. 30%-ával szemben. Az 5. ábra azt is mutatja, hogy a lokális maximum helye és értéke egyaránt növekvő függvényei η-nak (ez a parciális deriváltak vizsgálatával ellenőrizhető is). Azaz, legkisebbek η = 2 esetben, amikor is a lokális hibamaximum értéke 12,5% az y = 0,5 helyen, és legnagyobbak végtelenhez közeli η esetén. Például η = esetben a lokális hibamaximum értéke 29,8%, ami ugyanaz a maximumérték, amit a folytonos esetben megállapítottunk, és az y = 0,998 helyen áll elő. Intuitív, hogy a lokális hibamaximum legnagyobb lehetséges értéke a diszkrét esetben megegyezzen a folytonos esetbelivel, hiszen a végtelen szemszögéből a diszkrét periódusok hossza végtelenül kicsi, azaz a diszkrét eset folytonosnak tűnik. Ezért megállapíthatjuk, hogy a hiba a diszkrét esetben nem haladhatja meg a 30%-ot, ha i > g. Végül, de nem utolsósorban fontos észrevenni, hogy mivel i és g jellemzően kicsik (azaz közel nullák), az y hányados közel analóg módon viselkedik az i g rátakülönbséggel. Összefoglalásként a folytonos esethez nagyon hasonló következtetéseket vonhatunk le. Ha a diszkontráta nagyobb, mint a növekedési ütem, akkor a hiba nem haladhatja meg a 30%- 11
14 ot, de egy legalább 12,5%-os maximum elérhető bármely η várható élettartamra (kivéve az 1 periódust), mivel számtalan olyan i g kombináció létezik (egész pontosan végtelen sok, mert i és g valós számok is lehetnek), melyre a szélsőérték-feltétel teljesül. Ha a diszkontráta kisebb, mint a növekedési ütem, akkor a hiba felső határa 100%, mely bármely várható élettartam esetén elérhető. Ha a két ráta egyenlő, a hiba zérus, ahogy arra korábban rámutattunk. IV. Energiahatékonysági projektek tőkeköltsége: a hűtés és fűtés példája Az energia-megtakarítás egy tipikus lehetséges területe a hűtés és fűtés. A fűtési célú energiafelhasználás a háztartások energiafelhasználásának jellemzően kb. 70%-át teszi ki az EU-ban (Odyssee-Mure project, 2009). A hűtési célú felhasználás részaránya elhanyagolható, kevesebb, mint 1% (Atanasiu és Bertoldi, 2007). A témával foglalkozó tanulmányok jelentős energia-megtakarítási lehetőségeket látnak a hűtési/fűtési területen mind a lakossági, mind pedig az üzleti szektorban világszerte (pl. Novikova és Ürge-Vorsatz, 2008). Az elemzést most is a DCF keretek között végezzük, a tőkeköltség-becslésre fókuszálva. A tőkeköltség a projektek (releváns) kockázatához igazodik, mely kockázat a projekt pénzáramai bizonytalanságából fakad. Az energiahatékonysági projektek releváns pénzáramai közül az energiaköltségekben jelentkező megtakarítás a legmeghatározóbb a projekt kockázata szempontjából, a többi pénzáram vagy biztosnak, vagy elhanyagolhatónak tekinthető. Az energiaköltség-megtakarítás egyrészről a felhasznált energia mennyiségétől függ, ami pedig az időjárás függvénye, esetünkben konkrétan a külső hőmérsékleté. Másrészről a megtakarítás függ az energia egységárától, amely időben jelentősen ingadozhat. Mi földgáz és villamos energia végfelhasználói árakat vizsgálunk háztartásokra és üzleti fogyasztókra is. Hangsúlyozzuk, hogy végfelhasználói árakat kell tekinteni, mert ezt az árat fizetik ténylegesen a fogyasztók, és nem pedig pl. az árutőzsdei árat. Kétségtelen, hogy a tényleges végfelhasználó árak eltérhetnek fogyasztónként, ezért mi átlagos jellemző árakkal dolgozunk, amelyek a fogyasztók egy reprezentatív csoportjára vonatkoznak, az Eurostat által gyűjtve. Egy projekt tőkeköltsége (r alt ) a CAPM-ben a következőképp adódik: r alt f project ( E( r r ) = r + β ) (17) ahol r f a kockázatmentes hozam, E(r M ) a piaci portfólió várható hozama, és β project a projekt releváns kockázati paramétere. A pénzügyi gyakorlatban nagyjából egyetértés van r f és E(r M ) értékeit illetően, melyek éves és reálértelemben kb. 2%-nak, illetve 8%-nak tekinthetők (Andor és Tóth, 2009). Így tehát lényegében a projektbéta az egyetlen paraméter, melyet meg kell határoznunk a tőkeköltséghez. Matematikailag a projektbéta a következőképp írható fel: σ ( rproject ) β project = k project, M, a releváns kockázat: σ ( rproject ) relevant = β projectσ ( rm ) (18) σ ( r ) M ahol r hozamot, σ(.) szórást, k pedig korrelációs együtthatót jelöl. A bétát alkotó paraméterek, elméletben, jövővel kapcsolatos várakozásokat tükröznek, de a gyakorlatban az értékpapírok bétáit múltbeli adatokból számítják azzal a feltételezéssel, hogy a múlt jó előrejelzője a jövőnek. Egy tőzsdei vállalat bétájának számítása viszonylag egyszerű feladat, mert általában rendelkezésre áll a múltbeli részvényhozamoknak egy elegendően hosszú idősora. Projektekkel, ezzel szemben, nem kereskednek nyilvánosan, M f 12
15 emiatt nincsenek is hozzájuk részvényárfolyam-adatok, amelyekből hozamokat, és így bétát lehetne számolni. A pénzügyi gyakorlatban egy projekt bétáját leginkább úgy becslik, hogy az adott projekthez hasonló kockázatú tőzsdei vállalatok bétáinak átlagát veszik, ami tipikusan a projekthez hasonló iparág(ak) vállalatait jelenti. Esetünkben eszerint energiaipari vállalatok átlagos bétáját kellene használnunk, vagy szűkebben véve villamos energiával vagy földgázzal kapcsolatos vállalatokét. Esetünkben ez a megközelítés, úgy véljük, csak durva becslésként fogadható el, mivel az energiacégek jobban ki vannak téve olyan kockázatoknak, amiknek a projektünk kevésbé (pl. emberi erőforrások, beszállítók, más erőforrások árai részéről), illetve kevésbé érintettek olyan kockázatok által, amik projektünket erősebben érintik (pl. szabályozottságból fakadó védelem vagy kormányzati támogatás okán). A (18) képlet korrelációs együtthatójára koncentrálunk és megvizsgáljuk, hogy statisztikailag szignifikánsan különbözik-e nullától. (Ha a korrelációs együttható nulla, a projektbéta is nulla.) A projektre vonatkozó múltbeli hozamadatok hiánya miatt, a befektetésekkel analóg módon, múltbeli hozamokat (azaz százalékos változásokat periódusról periódusra) nézünk a releváns bizonytalansági források valamilyen mértékén. Ez a megközelítés számos kapcsolódó tanulmányban fellelhető, pl. Metcalf (1994), Awerbuch és Deehan (1995), Bolinger et al. (2006) cikkében. Állítható, hogy ha semelyik két kockázati tényező (beleértve a piaci portfólió hozamokat is) között sincs korreláció, akkor a projekt egészére vonatkozó korrelációnak is nullának kell lenni. Esetünkben ehhez három korrelációs vizsgálat szükséges: földgáz-/villanyfogyasztás és piaci portfólió között, földgáz-/villanyár és piaci portfólió között, valamint földgáz-/villanyfogyasztás és földgáz-/villanyár között. Mivel a fogyasztásokról sincs múltbeli adat, viszont a hőmérsékletről van, ezért azt a feltételezést tesszük, hogy az energiafelhasználást egyedül az időjárás határozza meg. Értelemszerűnek tűnik, hogy a pénzügyi folyamatok nincsenek hatással a külső hőmérsékletre, és fordítva, az időjárás egy adott országban nincs hatással a világgazdaságra. Így itt korrelálatlanságot feltételezhetünk számítások nélkül. Az energiaárak és a piaci portfólió közötti korreláció méréséhez az MSCI World Indexet, mint a globális piaci portfólió közelítését, használjuk amerikai dollárban. A végfelhasználói árak az Eurostat adatbázisból származnak, mely adatbázis féléves árakat tartalmaz. Az adatgyűjtési módszer 2007-ben megváltozott, ezért a konzisztencia érdekében a időszakkal dolgozunk. Háztartások esetében a Dc csoport villanyárát, ill. a D3 csoport földgázárát vesszük euróban, minden adóval együtt. Üzleti fogyasztók esetében az Ie csoport villanyárát, ill. az I3-1 csoport földgázárát vesszük euróban, ÁFA nélkül. A következő kilenc ország szerepel az elemzésben: Németország, Franciaország, Egyesült Királyság, Olaszország, Belgium, Spanyolország, Luxemburg, Hollandia és Magyarország. Az árakat amerikai dollárra váltjuk át és reál loghozamokat számítunk belőlük az ártényező mértékeként. Ahogy említettük, a hűtés az energiafogyasztásnak csak elhanyagolható részét teszi ki. Így a hűtés iránti igény megváltozása nem valószínű, hogy bármi hatással lenne az energiaárakra. Az árak nyilván nincsenek hatással az időjárásra, így a hűtés esetében korrelálatlanságot feltételezhetünk számítások nélkül. A fűtés viszont a fogyasztás egy tekintélyes részéért felel. Ezért megvizsgáljuk, hogy van-e esetleg értelmes korreláció a földgáz- vagy villanyárak és az idő hűvössége között. A fűtési napfokszámokat használjuk a fűtés iránti igény proxyjaként, melyre adatokat szintén az Eurostat adatbázisából szerzünk (ADD kódszámmal jelölve) és itt is log-differenciákat számítunk belőlük az időjárási tényező mértékeként. Nem találunk a földgáz-/villanyárak, az időjárás és a piaci portfólió között statisztikailag szignifikáns korrelációt. Következésképp a hipotézis, miszerint a hűtési/fűtési energiahatékonysági projektek bétája nulla, nem vethető el sem háztartások, sem üzleti fogyasztók esetén. 13
16 V. Hivatkozások 1 Andor G, Tóth T, Vállalati pénzügyi elemzések APV-módszerrel, Typotex, Budapest, Atanasiu B, Bertoldi P, Electricity consumption and efficiency trends in the enlarged European Union Status report 2006, European Commission Directorate-General, Joint Research Centre, Institute for Environment and Sustainability, 2007, elérhető: 3 Awerbuch S, Deehan W, Do consumers discount the future correctly? A marketbased valuation of residential fuel switching, Energy Policy 23 (1995), no. 1, Bolinger M, Wiser R, Golove W, Accounting for fuel price risk when comparing renewable to gas-fired generation: the role of forward natural gas prices, Energy Policy 34 (2006), no. 6, Chen K C W, Manes R P, A note on bias in capital budgeting introduced by stochastic life, The Engineering Economist 31 (1986), no. 2, Fleischer G A, Discounting an intraperiod cash flow, The Engineering Economist 32 (1986), no. 1, Gerchak Y, Åstebro T, Calculating the expectation and variance of the present value for a random profit stream of uncertain duration, The Engineering Economist 45 (2000), no. 4, Lohmann J R, Oakford R V, Errors in present worth evaluations attributable to the end-of-year and mid-year cash flow conventions, The Engineering Economist 29 (1984), no. 4, Metcalf G E, Economics and rational conservation policy, Energy Policy 22 (1994), no. 10, Novikova A, Ürge-Vorsatz D, Potentials and costs of carbon dioxide mitigation in the world s buildings, Energy Policy 36 (2008), no. 2, Odyssee-Mure project, Energy efficiency trends and policies in the EU27 Results of the Odyssee-Mure project, Paris, 2009, elérhető: 12 Park C S, Sharp-Bette G P, Advanced engineering economics, John Wiley & Sons, New York, NY, Remer D S, Tu J C, Carson D E, Ganiy S A, The state of the art of present worth analysis of cash flow distributions, Engineering Costs and Production Economics 7 (1984), no. 4, Tufekci S, Young D B, Moments of the present worths of general probabilistic cash flows under random timing, The Engineering Economist 32 (1987), no. 4, Zinn C D, Lesso W G, Motazed B, A probabilistic approach to risk analysis in capital investment projects, The Engineering Economist 22 (1977), no. 4,
17 VI. Tézispontokhoz tartozó publikációk 1. és 2. tézis: Andor G, Dülk M, Harmonic mean as an approximation for discounting intraperiod cash flows, The Engineering Economist 58 (2013), no. 1, tézis: Andor G, Dülk M, Present value under uncertain asset life: an evaluation of relative error, Periodica Polytechnica Social and Management Sciences, közlésre elfogadva, várható megjelenés 2014-ben (ezt jelöli a * a szövegben). 4. tézis: Dülk M, Cost of capital of energy efficiency projects: The case of space heating and cooling, Periodica Polytechnica Social and Management Sciences 20 (2012a), no. 1, Dülk M, Energiahatékonysági projektek gazdasági elemzése, Energiagazdálkodás 53 (2012b), no. 3, VII. A szerző egyéb publikációi 1 Andor G, Dülk M, Cost of capital estimation for energy efficiency projects through a cash flow beta approach, kézirat (nem megjelent), Pénzügyek Tanszék, Budapesti Műszaki és Gazdaságtudományi Egyetem, Budapest, Magyarország, Bírálat alatt az Energy Policy c. folyóiratban. 2 Andor G, Dülk M, Approximations for discounting intraperiod cash flows, In: Proceedings of the PhD Workshop organized by the BME Doctoral School in Business and Management in the framework of TÁMOP-4.2.2/B-10/ , Budapest, Magyarország, Nyomtatott megjelenés folyamatban. 3 Dülk M, Energiahatékonysági projektek gazdasági elemzése, In: Gróf Gyula (szerk.) Fenntartható energetika: Kutatási eredmények a gazdaság és a társadalom szolgálatában Energiahatékonyság, energiatakarékosság, Budapest, Magyarország, , Budapesti Műszaki és Gazdaságtudományi Egyetem, Budapest, Magyarország, Paper 14, Dülk M, Klímaberendezés-beruházások műszaki modellezése, Energiagazdálkodás 51 (2010), no. 6, Dülk M, ifj. Jászay T, Megtakarítási lehetőségek vizsgálata a magyar háztartások energiafelhasználásában, Magyar Energetika 17 (2010), no. 3,
PERIÓDUSON BELÜLI PÉNZÁRAMOK JELENÉRTÉKE
BUDAPESTI MŰSZAKI ÉS GAZDASÁGTUDOMÁNYI EGYETEM Gazdaság- és Társadalomtudományi Kar Üzleti Tudományok Intézet Pénzügyek Tanszék Dr. Andor György Dr. Dülk Marcell PERIÓDUSON BELÜLI PÉNZÁRAMOK JELENÉRTÉKE
Diverzifikáció Markowitz-modell MAD modell CAPM modell 2017/ Szegedi Tudományegyetem Informatikai Intézet
Operációkutatás I. 2017/2018-2. Szegedi Tudományegyetem Informatikai Intézet Számítógépes Optimalizálás Tanszék 11. Előadás Portfólió probléma Portfólió probléma Portfólió probléma Adott részvények (kötvények,tevékenységek,
Vállalkozási finanszírozás kollokvium
Harsányi János Főiskola Gazdaságtudományok tanszék Vállalkozási finanszírozás kollokvium E Név: soport: Tagozat: Elért pont: Érdemjegy: Javította: 43 50 pont jeles 35 42 pont jó 27 34 pont közepes 19 26
A pénz időértéke. Vállalati pénzügyek III.-IV. előadások. A pénz időértéke (Time Value of Money)
Vállalati pénzügyek III.-IV. előadások A pénz időértéke A pénz időértéke (Time Value of Money) Egységnyi mai pénz értékesebb, mint egységnyi jövőbeli pénz. A mai pénz befektethető, kamatot eredményez A
FEGYVERNEKI SÁNDOR, Valószínűség-sZÁMÍTÁs És MATEMATIKAI
FEGYVERNEKI SÁNDOR, Valószínűség-sZÁMÍTÁs És MATEMATIKAI statisztika 3 III. VÉLETLEN VEKTOROK 1. A KÉTDIMENZIÓs VÉLETLEN VEKTOR Definíció: Az leképezést (kétdimenziós) véletlen vektornak nevezzük, ha Definíció:
Vállalati pénzügyek előadás Beruházási döntések
Vállalati pénzügyek 1 5-6. előadás Beruházási döntések Beruházás Tárgyi eszközök beszerzésére, létesítésére fordított tőkekiadás Hosszú élettartamú eszközök keletkezése A beruházások jellemzői A beruházások
Statisztikai következtetések Nemlineáris regresszió Feladatok Vége
[GVMGS11MNC] Gazdaságstatisztika 10. előadás: 9. Regressziószámítás II. Kóczy Á. László koczy.laszlo@kgk.uni-obuda.hu Keleti Károly Gazdasági Kar Vállalkozásmenedzsment Intézet A standard lineáris modell
A mérési eredmény megadása
A mérési eredmény megadása A mérés során kapott értékek eltérnek a mérendő fizikai mennyiség valódi értékétől. Alapvetően kétféle mérési hibát különböztetünk meg: a determinisztikus és a véletlenszerű
VÁLLALKOZÁSOK PÉNZÜGYI ALAPJAI
VÁLLALKOZÁSOK PÉNZÜGYI ALAPJAI Budapest, 2007 Szerző: Illés Ivánné Belső lektor: Dr. Szebellédi István BGF-PSZFK Intézeti Tanszékvezető Főiskolai Docens ISBN 978 963 638 221 6 Kiadja a SALDO Pénzügyi Tanácsadó
Kockázatos pénzügyi eszközök
Kockázatos pénzügyi eszközök Tulassay Zsolt zsolt.tulassay@uni-corvinus.hu Tőkepiaci és vállalati pénzügyek 2006. tavasz Budapesti Corvinus Egyetem 2006. március 1. Motiváció Mi a fő különbség (pénzügyi
A maximum likelihood becslésről
A maximum likelihood becslésről Definíció Parametrikus becsléssel foglalkozunk. Adott egy modell, mellyel elképzeléseink szerint jól leírható a meghatározni kívánt rendszer. (A modell típusának és rendszámának
Matematikai geodéziai számítások 6.
Matematikai geodéziai számítások 6. Lineáris regresszió számítás elektronikus távmérőkre Dr. Bácsatyai, László Matematikai geodéziai számítások 6.: Lineáris regresszió számítás elektronikus távmérőkre
Hipotézis STATISZTIKA. Kétmintás hipotézisek. Munkahipotézis (H a ) Tematika. Tudományos hipotézis. 1. Előadás. Hipotézisvizsgálatok
STATISZTIKA 1. Előadás Hipotézisvizsgálatok Tematika 1. Hipotézis vizsgálatok 2. t-próbák 3. Variancia-analízis 4. A variancia-analízis validálása, erőfüggvény 5. Korreláció számítás 6. Kétváltozós lineáris
április Havi energetikai szakreferensi jelentés FÉNY UTCAI PIAC Kft. részére
Havi energetikai szakreferensi jelentés FÉNY UTCAI PIAC Kft. részére 218 április v1.64 Tartalom Tartalom... 2 Bevezetés... 2 Összesített adatok bemutatása... 4 Energiafogyasztások vizsgálata... 4 Energiafogyasztásokhoz
f(x) vagy f(x) a (x x 0 )-t használjuk. lim melyekre Mivel itt ɛ > 0 tetszőlegesen kicsi, így a a = 0, a = a, ami ellentmondás, bizonyítva
6. FÜGGVÉNYEK HATÁRÉRTÉKE ÉS FOLYTONOSSÁGA 6.1 Függvény határértéke Egy D R halmaz torlódási pontjainak halmazát D -vel fogjuk jelölni. Definíció. Legyen f : D R R és legyen x 0 D (a D halmaz torlódási
Hódmezővásárhelyi Városi Matematikaverseny április 14. A osztályosok feladatainak javítókulcsa
Hódmezővásárhelyi Városi Matematikaverseny 2003. április 14. A 11-12. osztályosok feladatainak javítókulcsa 1. feladat Egy számtani sorozatot az első eleme és különbsége egyértelműen meghatározza, azt
Függvény határérték összefoglalás
Függvény határérték összefoglalás Függvény határértéke: Def: Függvény: egyértékű reláció. (Vagyis minden értelmezési tartománybeli elemhez, egyértelműen rendelünk hozzá egy elemet az értékkészletből. Vagyis
Matematikai geodéziai számítások 6.
Nyugat-magyarországi Egyetem Geoinformatikai Kara Dr. Bácsatyai László Matematikai geodéziai számítások 6. MGS6 modul Lineáris regresszió számítás elektronikus távmérőkre SZÉKESFEHÉRVÁR 2010 Jelen szellemi
Vállalkozási finanszírozás kollokvium
Harsányi János Főiskola Gazdaságtudományok tanszék Vállalkozási finanszírozás kollokvium Név: soport: Tagozat: Elért pont: Érdemjegy: Javította: 47 55 pont jeles 38 46 pont jó 29 37 pont közepes 20 28
Gazdasági Információs Rendszerek
Gazdasági Információs Rendszerek 1. előadás Bánhelyi Balázs Alkalmazott Informatika Tanszék, Szegedi Tudományegyetem 2009 A pénz időértéke Mit jelent a pénz időértéke? Egy forint (dollár, euró, stb.) ma
Társaságok pénzügyei kollokvium
udapesti Gazdasági Főiskola Pénzügyi és Számviteli Főiskolai Kar udapesti Intézet Továbbképzési Osztály Társaságok pénzügyei kollokvium F Név: soport: Tagozat: Elért pont: Érdemjegy: Javította: 55 60 pont
A portfólió elmélet általánosításai és következményei
A portfólió elmélet általánosításai és következményei Általánosan: n kockázatos eszköz allokációja HOZAM: KOCKÁZAT: variancia-kovariancia mátrix segítségével! ) ( ) ( ) / ( ) ( 1 1 1 n s s s p t t t s
Mintavétel fogalmai STATISZTIKA, BIOMETRIA. Mintavételi hiba. Statisztikai adatgyűjtés. Nem véletlenen alapuló kiválasztás
STATISZTIKA, BIOMETRIA. Előadás Mintavétel, mintavételi technikák, adatbázis Mintavétel fogalmai A mintavételt meg kell tervezni A sokaság elemei: X, X X N, lehet véges és végtelen Mintaelemek: x, x x
Biomatematika 12. Szent István Egyetem Állatorvos-tudományi Kar. Fodor János
Szent István Egyetem Állatorvos-tudományi Kar Biomatematikai és Számítástechnikai Tanszék Biomatematika 12. Regresszió- és korrelációanaĺızis Fodor János Copyright c Fodor.Janos@aotk.szie.hu Last Revision
FEGYVERNEKI SÁNDOR, Valószínűség-sZÁMÍTÁs És MATEMATIKAI
FEGYVERNEKI SÁNDOR, Valószínűség-sZÁMÍTÁs És MATEMATIKAI statisztika 8 VIII. REGREssZIÓ 1. A REGREssZIÓs EGYENEs Két valószínűségi változó kapcsolatának leírására az eddigiek alapján vagy egy numerikus
Taylor-polinomok. 1. Alapfeladatok. 2015. április 11. 1. Feladat: Írjuk fel az f(x) = e 2x függvény másodfokú Maclaurinpolinomját!
Taylor-polinomok 205. április.. Alapfeladatok. Feladat: Írjuk fel az fx) = e 2x függvény másodfokú Maclaurinpolinomját! Megoldás: A feladatot kétféle úton is megoldjuk. Az els megoldásban induljunk el
Kettőnél több csoport vizsgálata. Makara B. Gábor
Kettőnél több csoport vizsgálata Makara B. Gábor Három gyógytápszer elemzéséből az alábbi energia tartalom adatok származtak (kilokalória/adag egységben) Három gyógytápszer elemzésébô A B C 30 5 00 10
III. A RÉSZVÉNYEK ÉRTÉKELÉSE (4 óra)
VÁLLALATI PÉNZÜGYEK III. A RÉSZVÉNYEK ÉRTÉKELÉSE (4 óra) Összeállította: Naár János okl. üzemgazdász, okl. közgazdász-tanár Részvény: olyan lejárat nélküli értékpapír, amely a társasági tagnak: 1) az alaptőke
Vállalkozási finanszírozás kollokvium
Harsányi János Főiskola Gazdaságtudományok tanszék Vállalkozási finanszírozás kollokvium Név: soport: Tagozat: Elért pont: Érdemjegy: Javította: 47 55 pont jeles 38 46 pont jó 29 37 pont közepes 20 28
A mérések általános és alapvető metrológiai fogalmai és definíciói. Mérések, mérési eredmények, mérési bizonytalanság. mérés. mérési elv
Mérések, mérési eredmények, mérési bizonytalanság A mérések általános és alapvető metrológiai fogalmai és definíciói mérés Műveletek összessége, amelyek célja egy mennyiség értékének meghatározása. mérési
Biometria az orvosi gyakorlatban. Korrelációszámítás, regresszió
SZDT-08 p. 1/31 Biometria az orvosi gyakorlatban Korrelációszámítás, regresszió Werner Ágnes Villamosmérnöki és Információs Rendszerek Tanszék e-mail: werner.agnes@virt.uni-pannon.hu Korrelációszámítás
BAGME11NNF Munkavédelmi mérnökasszisztens Galla Jánosné, 2011.
BAGME11NNF Munkavédelmi mérnökasszisztens Galla Jánosné, 2011. 1 Mérési hibák súlya és szerepe a mérési eredményben A mérési hibák csoportosítása A hiba rendűsége Mérési bizonytalanság Standard és kiterjesztett
(Independence, dependence, random variables)
Két valószínűségi változó együttes vizsgálata Feltételes eloszlások Két diszkrét változó együttes eloszlása a lehetséges értékpárok és a hozzájuk tartozó valószínűségek (táblázat) Példa: Egy urna 3 fehér,
Vállalkozási finanszírozás kollokvium
Harsányi János Főiskola Gazdálkodási és Menedzsment Intézet Vállalkozási finanszírozás kollokvium G Név: soport: Tagozat: Elért pont: Érdemjegy: Javította: 43 50 pont jeles 35 42 pont jó 27 34 pont közepes
A sorozat fogalma. függvényeket sorozatoknak nevezzük. Amennyiben az értékkészlet. az értékkészlet a komplex számok halmaza, akkor komplex
A sorozat fogalma Definíció. A természetes számok N halmazán értelmezett függvényeket sorozatoknak nevezzük. Amennyiben az értékkészlet a valós számok halmaza, valós számsorozatról beszélünk, mígha az
A vállalati pénzügyi döntések fajtái
A vállalati pénzügyi döntések fajtái Hosszú távú finanszírozási döntések Befektetett eszközök Forgóeszközök Törzsrészvények Elsőbbségi részvények Hosszú lejáratú kötelezettségek Rövid lejáratú kötelezettségek
KÖZLEKEDÉSÜZEMI ÉS KÖZLEKEDÉSGAZDASÁGI TANSZÉK. Prof. Dr. Tánczos Lászlóné 2015
KÖZLEKEDÉSÜZEMI ÉS KÖZLEKEDÉSGAZDASÁGI TANSZÉK Prof. Dr. Tánczos Lászlóné 2015 KÖZLEKEDÉSGAZDASÁGTAN BSc. I. KAMATOS KAMATSZÁMÍTÁS (jövőbeni érték számítása) C t = C 0 * (1 + i) t ahol C t a 0. évben ismert
Mérési hibák 2006.10.04. 1
Mérési hibák 2006.10.04. 1 Mérés jel- és rendszerelméleti modellje Mérési hibák_labor/2 Mérési hibák mérési hiba: a meghatározandó értékre a mérés során kapott eredmény és ideális értéke közötti különbség
Vállalati pénzügyek II. Vállalatértékelés/Értékteremtés és értékrombolás(folytatás)
3-6. Vállalati pénzügyek II. Vállalatértékelés/Értékteremtés és értékrombolás(folytatás) Pénzügyek Tanszék Deliné Pálinkó Éva palinko@finance.bme.hu BME GTK Pénzügyek Tanszék, Pálinkó Éva 1 Bevezetés A
Nagyságrendek. Kiegészítő anyag az Algoritmuselmélet tárgyhoz. Friedl Katalin BME SZIT február 1.
Nagyságrendek Kiegészítő anyag az Algoritmuselmélet tárgyhoz (a Rónyai Ivanyos Szabó: Algoritmusok könyv mellé) Friedl Katalin BME SZIT friedl@cs.bme.hu 018. február 1. Az O, Ω, Θ jelölések Az algoritmusok
A valószínűségszámítás elemei
A valószínűségszámítás elemei Kísérletsorozatban az esemény relatív gyakorisága: k/n, ahol k az esemény bekövetkezésének abszolút gyakorisága, n a kísérletek száma. Pl. Jelenség: kockadobás Megfigyelés:
14 A Black-Scholes-Merton modell. Options, Futures, and Other Derivatives, 8th Edition, Copyright John C. Hull
14 A Black-choles-Merton modell Copyright John C. Hull 01 1 Részvényárak viselkedése (feltevés!) Részvényár: μ: elvárt hozam : volatilitás Egy rövid Δt idő alatt a hozam normális eloszlású véletlen változó:
Szent István Egyetem Gazdasági és Társadalomtudományi Kar Pénzügyi és Számviteli Intézet. Beadandó feladat. Modern vállalati pénzügyek tárgyból
Szent István Egyetem Gazdasági és Társadalomtudományi Kar Pénzügyi és Számviteli Intézet Beadandó feladat Modern vállalati pénzügyek tárgyból az alap levelező képzés Gazdasági agrármérnök V. évf. Pénzügy-számvitel
MÉRÉSI EREDMÉNYEK PONTOSSÁGA, A HIBASZÁMÍTÁS ELEMEI
MÉRÉSI EREDMÉYEK POTOSSÁGA, A HIBASZÁMÍTÁS ELEMEI. A mérési eredmény megadása A mérés során kapott értékek eltérnek a mérendő fizikai mennyiség valódi értékétől. Alapvetően kétféle mérési hibát különböztetünk
Vállalati pénzügyek alapjai. 2.DCF alapú döntések
Vállalati pénzügyek alapjai 2.DCF alapú döntések Deliné Palinkó Éva Pénzügyek Tanszék (palinko@finance.bme.hu) A vállalati pénzügyi döntések alapjai 1) Bevezetés. Vállalati pénzügyi döntések köre.. 2)
BIOMATEMATIKA ELŐADÁS
BIOMATEMATIKA ELŐADÁS 9. Együttes eloszlás, kovarianca, nevezetes eloszlások Debreceni Egyetem, 2015 Dr. Bérczes Attila, Bertók Csanád A diasor tartalma 1 Bevezetés, definíciók Együttes eloszlás Függetlenség
Statisztika - bevezetés Méréselmélet PE MIK MI_BSc VI_BSc 1
Statisztika - bevezetés 00.04.05. Méréselmélet PE MIK MI_BSc VI_BSc Bevezetés Véletlen jelenség fogalma jelenséget okok bizonyos rendszere hozza létre ha mindegyik figyelembe vehető egyértelmű leírás általában
Általánosan, bármilyen mérés annyit jelent, mint meghatározni, hányszor van meg
LMeasurement.tex, March, 00 Mérés Általánosan, bármilyen mérés annyit jelent, mint meghatározni, hányszor van meg a mérendő mennyiségben egy másik, a mérendővel egynemű, önkényesen egységnek választott
Adatok statisztikai értékelésének főbb lehetőségei
Adatok statisztikai értékelésének főbb lehetőségei 1. a. Egy- vagy kétváltozós eset b. Többváltozós eset 2. a. Becslési problémák, hipotézis vizsgálat b. Mintázatelemzés 3. Szint: a. Egyedi b. Populáció
Véletlen jelenség: okok rendszere hozza létre - nem ismerhetjük mind, ezért sztochasztikus.
Valószín ségelméleti és matematikai statisztikai alapfogalmak összefoglalása (Kemény Sándor - Deák András: Mérések tervezése és eredményeik értékelése, kivonat) Véletlen jelenség: okok rendszere hozza
Pontműveletek. Sergyán Szabolcs Óbudai Egyetem Neumann János Informatikai Kar február 20.
Pontműveletek Sergyán Szabolcs sergyan.szabolcs@nik.uni-obuda.hu Óbudai Egyetem Neumann János Informatikai Kar 2012. február 20. Sergyán (OE NIK) Pontműveletek 2012. február 20. 1 / 40 Felhasznált irodalom
Éves energetikai szakreferensi jelentés ECOMISSIO Kft. részére
Éves energetikai szakreferensi jelentés ECOMISSIO Kft. részére 2017 Bevezetés Az Elmű Nyrt szerződés alapján nyújt energetikai szakreferensi szolgáltatás a kötelezett vállalat részére. Ennek keretében
Gauss-Jordan módszer Legkisebb négyzetek módszere, egyenes LNM, polinom LNM, függvény. Lineáris algebra numerikus módszerei
A Gauss-Jordan elimináció, mátrixinvertálás Gauss-Jordan módszer Ugyanazzal a technikával, mint ahogy a k-adik oszlopban az a kk alatti elemeket kinulláztuk, a fölötte lévő elemeket is zérussá lehet tenni.
Alap-ötlet: Karl Friedrich Gauss ( ) valószínűségszámítási háttér: Andrej Markov ( )
Budapesti Műszaki és Gazdaságtudományi Egyetem Gépészmérnöki Kar Hidrodinamikai Rendszerek Tanszék, Budapest, Műegyetem rkp. 3. D ép. 334. Tel: 463-6-80 Fa: 463-30-9 http://www.vizgep.bme.hu Alap-ötlet:
Szélsőérték feladatok megoldása
Szélsőérték feladatok megoldása A z = f (x,y) függvény lokális szélsőértékének meghatározása: A. Szükséges feltétel: f x (x,y) = 0 f y (x,y) = 0 egyenletrendszer megoldása, amire a továbbiakban az x =
A HINKLEY POINT C ATOMERŐMŰ GAZDASÁGI VIZSGÁLATA A RENDELKEZÉSRE ÁLLÓ ADATOK ALAPJÁN
A HINKLEY POINT C ATOMERŐMŰ GAZDASÁGI VIZSGÁLATA A RENDELKEZÉSRE ÁLLÓ ADATOK ALAPJÁN Putti Krisztián, Tóth Zsófia Energetikai mérnök BSc hallgatók putti.krisztian@eszk.rog, toth.zsofia@eszk.org Tehetséges
Least Squares becslés
Least Squares becslés A négyzetes hibafüggvény: i d i ( ) φx i A négyzetes hibafüggvény mellett a minimumot biztosító megoldás W=( d LS becslés A gradiens számítása és nullává tétele eredményeképp A megoldás
KOVÁCS BÉLA, MATEMATIKA II.
KOVÁCS BÉLA, MATEmATIkA II 3 III NUmERIkUS SOROk 1 Alapvető DEFInÍCIÓ ÉS TÉTELEk Végtelen sor Az (1) kifejezést végtelen sornak nevezzük Az számok a végtelen sor tagjai Az, sorozat az (1) végtelen sor
1. A vállalat. 1.1 Termelés
II. RÉSZ 69 1. A vállalat Korábbi fejezetekben már szóba került az, hogy különböző gazdasági szereplők tevékenykednek. Ezek közül az előző részben azt vizsgáltuk meg, hogy egy fogyasztó hogyan hozza meg
Éves energetikai szakreferensi jelentés DIPA Diósgyőri Papírgyár Zrt. részére
Éves energetikai szakreferensi jelentés DIPA Diósgyőri Papírgyár Zrt. részére 2017 Bevezetés Az Elmű Nyrt szerződés alapján nyújt energetikai szakreferensi szolgáltatás a kötelezett vállalat részére. Ennek
STATISZTIKA ELŐADÁS ÁTTEKINTÉSE. Matematikai statisztika. Mi a modell? Binomiális eloszlás sűrűségfüggvény. Binomiális eloszlás
ELŐADÁS ÁTTEKINTÉSE STATISZTIKA 9. Előadás Binomiális eloszlás Egyenletes eloszlás Háromszög eloszlás Normális eloszlás Standard normális eloszlás Normális eloszlás mint modell 2/62 Matematikai statisztika
FEGYVERNEKI SÁNDOR, Valószínűség-sZÁMÍTÁs És MATEMATIKAI
FEGYVERNEKI SÁNDOR, Valószínűség-sZÁMÍTÁs És MATEMATIKAI statisztika 9 IX. ROBUsZTUs statisztika 1. ROBUsZTUssÁG Az eddig kidolgozott módszerek főleg olyanok voltak, amelyek valamilyen értelemben optimálisak,
A beruházási kereslet és a rövid távú árupiaci egyensúly
7. lecke A beruházási kereslet és a rövid távú árupiaci egyensúly A beruházás fogalma, tényadatok. A beruházási kereslet alakulásának elméleti magyarázatai: mikroökonómiai alapok, beruházás-gazdaságossági
1. előadás. Lineáris algebra numerikus módszerei. Hibaszámítás Számábrázolás Kerekítés, levágás Klasszikus hibaanalízis Abszolút hiba Relatív hiba
Hibaforrások Hiba A feladatok megoldása során különféle hibaforrásokkal találkozunk: Modellhiba, amikor a valóságnak egy közelítését használjuk a feladat matematikai alakjának felírásához. (Pl. egy fizikai
Statisztika I. 12. előadás. Előadó: Dr. Ertsey Imre
Statisztika I. 1. előadás Előadó: Dr. Ertsey Imre Regresszió analízis A korrelációs együttható megmutatja a kapcsolat irányát és szorosságát. A kapcsolat vizsgálata során a gyakorlatban ennél messzebb
Modern műszeres analitika szeminárium Néhány egyszerű statisztikai teszt
Modern műszeres analitika szeminárium Néhány egyszerű statisztikai teszt Galbács Gábor KIUGRÓ ADATOK KISZŰRÉSE STATISZTIKAI TESZTEKKEL Dixon Q-tesztje Gyakori feladat az analitikai kémiában, hogy kiugrónak
BIOMATEMATIKA ELŐADÁS
BIOMATEMATIKA ELŐADÁS 3. Hibaszámítás, lineáris regresszió Debreceni Egyetem, 2015 Dr. Bérczes Attila, Bertók Csanád A diasor tartalma 1 Hibaszámítás Hibák fajtái, definíciók Abszolút, relatív, öröklött
Éves energetikai szakreferensi jelentés ORION Elektronikai Kft részére
Éves energetikai szakreferensi jelentés ORION Elektronikai Kft részére 2017 Bevezetés Az Elmű Nyrt szerződés alapján nyújt energetikai szakreferensi szolgáltatás a kötelezett vállalat részére. Ennek keretében
Definíciószerűen az átlagidő a kötvény hátralévő pénzáramlásainak, a pénzáramlás jelenértékével súlyozott átlagos futamideje. A duration képlete:
meg tudjuk mondani, hogy mennyit ér ez a futamidő elején. Az évi 1% különbségeket jelenértékre átszámolva ez kb. 7.4% veszteség, a kötvényünk ára 92,64 lesz. Látható, hogy a hosszabb futamidejű kötvényre
Hipotézis, sejtés STATISZTIKA. Kétmintás hipotézisek. Tudományos hipotézis. Munkahipotézis (H a ) Nullhipotézis (H 0 ) 11. Előadás
STATISZTIKA Hipotézis, sejtés 11. Előadás Hipotézisvizsgálatok, nem paraméteres próbák Tudományos hipotézis Nullhipotézis felállítása (H 0 ): Kétmintás hipotézisek Munkahipotézis (H a ) Nullhipotézis (H
Éves energetikai szakreferensi jelentés Pannontej Zrt-Zala részére
Éves energetikai szakreferensi jelentés Pannontej Zrt-Zala részére 2017 Bevezetés Az Elmű Nyrt szerződés alapján nyújt energetikai szakreferensi szolgáltatás a kötelezett vállalat részére. Ennek keretében
Statisztika elméleti összefoglaló
1 Statisztika elméleti összefoglaló Tel.: 0/453-91-78 1. Tartalomjegyzék 1. Tartalomjegyzék.... Becsléselmélet... 3 3. Intervallumbecslések... 5 4. Hipotézisvizsgálat... 8 5. Regresszió-számítás... 11
Éves energetikai szakreferensi jelentés Redel Elektronika Kft. részére
Éves energetikai szakreferensi jelentés Redel Elektronika Kft. részére 2017 Bevezetés Az Elmű Nyrt szerződés alapján nyújt energetikai szakreferensi szolgáltatás a kötelezett vállalat részére. Ennek keretében
A beruházási kereslet és a rövid távú árupiaci egyensúly
7. lecke A beruházási kereslet és a rövid távú árupiaci egyensúly A beruházás fogalma, tényadatok. A beruházási kereslet alakulásának elméleti magyarázatai: mikroökonómiai alapok, beruházás-gazdaságossági
Éves energetikai szakreferensi jelentés PUHI-TÁRNOK Út- és Hídépítő Kft. részére
Éves energetikai szakreferensi jelentés PUHI-TÁRNOK Út- és Hídépítő Kft. részére 2017 Bevezetés Az Elmű Nyrt szerződés alapján nyújt energetikai szakreferensi szolgáltatás a kötelezett vállalat részére.
Gazdasági matematika II. vizsgadolgozat megoldása, június 10
Gazdasági matematika II. vizsgadolgozat megoldása, 204. június 0 A dolgozatírásnál íróeszközön kívül más segédeszköz nem használható. A dolgozat időtartama: 90 perc. Ha a dolgozat első részéből szerzett
Nagy számok törvényei Statisztikai mintavétel Várható érték becslése. Dr. Berta Miklós Fizika és Kémia Tanszék Széchenyi István Egyetem
agy számok törvényei Statisztikai mintavétel Várható érték becslése Dr. Berta Miklós Fizika és Kémia Tanszék Széchenyi István Egyetem A mérés mint statisztikai mintavétel A méréssel az eloszlásfüggvénnyel
Matematikai alapok és valószínőségszámítás. Statisztikai becslés Statisztikák eloszlása
Matematikai alapok és valószínőségszámítás Statisztikai becslés Statisztikák eloszlása Mintavétel A statisztikában a cél, hogy az érdeklõdés tárgyát képezõ populáció bizonyos paramétereit a populációból
Gazdaságosság, hatékonyság. Katona Ferenc franzkatona@gmail.com
franzkatona@gmail.com A különböző gazdasági egységek rendeltetésük szerinti feladataik végrehajtása érdekében a rendelkezésre álló erőforrások felhasználásával kifejtett céltudatos tevékenysége a gazdálkodás.
Éves energetikai szakreferensi jelentés DIPA Diósgyőri Papírgyár Zrt. részére
Éves energetikai szakreferensi jelentés DIPA Diósgyőri Papírgyár Zrt. részére v1.41 2018 Bevezetés Az Elmű Nyrt. szerződés alapján nyújt energetikai szakreferensi szolgáltatást a kötelezett vállalat részére.
Közgazdaságtan alapjai. Dr. Karajz Sándor Gazdaságelméleti Intézet
Közgazdaságtan alapjai Dr. Karajz Sándor Gazdaságelméleti 4. Előadás Az árupiac és az IS görbe IS-LM rendszer A rövidtávú gazdasági ingadozások modellezésére használt legismertebb modell az úgynevezett
biometria II. foglalkozás előadó: Prof. Dr. Rajkó Róbert Matematikai-statisztikai adatfeldolgozás
Kísérlettervezés - biometria II. foglalkozás előadó: Prof. Dr. Rajkó Róbert Matematikai-statisztikai adatfeldolgozás A matematikai-statisztika feladata tapasztalati adatok feldolgozásával segítséget nyújtani
Árupiac. Munkapiac. Tőkepiac. KF piaca. Pénzpiac. kibocsátás. fogyasztás, beruházás. munkakínálat. munkakereslet. tőkekereslet (tőkekínálat) beruházás
kibocsátás Árupiac fogyasztás, beruházás munkakereslet tőkekereslet (tőkekínálat) Munkapiac Tőkepiac munkakínálat beruházás KF piaca megtakarítás pénzkínálat Pénzpiac pénzkereslet Kaptunk érdekes eredményeket.
y ij = µ + α i + e ij
Elmélet STATISZTIKA 3. Előadás Variancia-analízis Lineáris modellek A magyarázat a függő változó teljes heterogenitásának két részre bontását jelenti. A teljes heterogenitás egyik része az, amelynek okai
4. Az A és B események egymást kizáró eseményeknek vagy idegen (diszjunkt)eseményeknek nevezzük, ha AB=O
1. Mit nevezünk elemi eseménynek és eseménytérnek? A kísérlet lehetséges kimeneteleit elemi eseményeknek nevezzük. Az adott kísélethez tartozó elemi események halmazát eseménytérnek nevezzük, jele: X 2.
2013 ŐSZ. 1. Mutassa be az egymintás z-próba célját, alkalmazásának feltételeit és módszerét!
GAZDASÁGSTATISZTIKA KIDOLGOZOTT ELMÉLETI KÉRDÉSEK A 3. ZH-HOZ 2013 ŐSZ Elméleti kérdések összegzése 1. Mutassa be az egymintás z-próba célját, alkalmazásának feltételeit és módszerét! 2. Mutassa be az
Függvények Megoldások
Függvények Megoldások ) Az ábrán egy ; intervallumon értelmezett függvény grafikonja látható. Válassza ki a felsoroltakból a függvény hozzárendelési szabályát! a) x x b) x x + c) x ( x + ) b) Az x függvény
STATISZTIKA I. Változékonyság (szóródás) A szóródás mutatószámai. Terjedelem. Forgalom terjedelem. Excel függvények. Függvénykategória: Statisztikai
Változékonyság (szóródás) STATISZTIKA I. 5. Előadás Szóródási mutatók A középértékek a sokaság elemeinek értéknagyságbeli különbségeit eltakarhatják. A változékonyság az azonos tulajdonságú, de eltérő
Pénzügytan szigorlat
GF KVIFK Gazdaságtudományi Intézet Pénzügy szakcsoport Pénzügytan szigorlat 8 32 36 pont jeles 27,5 31,5 pont jó 23 27 pont közepes 18,5 22,5 pont elégséges 18 pont elégtelen Név:. Elért pont:. soport:.
Függvények határértéke és folytonosság
Függvények határértéke és folytonosság ) Bizonyítsa be a határérték definíciója alapján, hogy teljesül! + 5 + = Megoldás Heine definíciója alapján): Igazolandó, hogy a függvény értelmezve van a egy környezetében,
A Markowitz modell: kvadratikus programozás
A Markowitz modell: kvadratikus programozás Harry Markowitz 1990-ben kapott Közgazdasági Nobel díjat a portfolió optimalizálási modelljéért. Ld. http://en.wikipedia.org/wiki/harry_markowitz Ennek a legegyszer
Németh László Matematikaverseny, Hódmezővásárhely. 2015. március 30. A 11-12. osztályosok feladatainak javítókulcsa
Németh László Matematikaverseny, Hódmezővásárhely 2015. március 30. A 11-12. osztályosok feladatainak javítókulcsa Feladatok csak szakközépiskolásoknak Sz 1. A C csúcs értelemszerűen az AB oldal felező
= =10% 0,7=7% = 3. =300 á 0,08 0,07
= plowback ratio, visszaforgatási hányad Mennyi lesz ennek a részvénynek az ára? A növekedési lehetőségek jelenértéke = =10% 0,7=7% = = 3 =300 á 0,08 0,07 Az osztalék tehát lecsökkent 10 dollárról 3 dollárra,
Éves energetikai szakreferensi jelentés Váci Távhő Nonprofit Közhasznú Kft részére
Éves energetikai szakreferensi jelentés Váci Távhő Nonprofit Közhasznú Kft részére 2017 Bevezetés Az Elmű Nyrt szerződés alapján nyújt energetikai szakreferensi szolgáltatás a kötelezett vállalat részére.
KOVÁCS BÉLA, MATEMATIKA I.
KOVÁCS BÉLA, MATEmATIkA I. 4 IV. FÜGGVÉNYEk 1. LEkÉPEZÉSEk, függvények Definíció Legyen és két halmaz. Egy függvény -ből -ba egy olyan szabály, amely minden elemhez pontosan egy elemet rendel hozzá. Az
Éves energetikai szakreferensi jelentés Next Ingatlanforgalmazási és Kereskedelmi Kft. részére
Éves energetikai szakreferensi jelentés Next Ingatlanforgalmazási és Kereskedelmi Kft. részére v1.41 2018 Bevezetés Az Elmű Nyrt. szerződés alapján nyújt energetikai szakreferensi szolgáltatást a kötelezett
Vállalkozási finanszírozás kollokvium
Harsányi János Főiskola Gazdaságtudományok tanszék Vállalkozási finanszírozás kollokvium F Név: soport: Tagozat: Elért pont: Érdemjegy: Javította: 43 50 pont jeles 35 42 pont jó 27 34 pont közepes 19 26
STATISZTIKA. A maradék független a kezelés és blokk hatástól. Maradékok leíró statisztikája. 4. A modell érvényességének ellenőrzése
4. A modell érvényességének ellenőrzése STATISZTIKA 4. Előadás Variancia-analízis Lineáris modellek 1. Függetlenség 2. Normális eloszlás 3. Azonos varianciák A maradék független a kezelés és blokk hatástól
Statisztikai módszerek a skálafüggetlen hálózatok
Statisztikai módszerek a skálafüggetlen hálózatok vizsgálatára Gyenge Ádám1 1 Budapesti Műszaki és Gazdaságtudományi Egyetem Villamosmérnöki és Informatikai Kar Számítástudományi és Információelméleti
Vállalati pénzügyek alapjai. Befektetési döntések - Részvények értékelése
BME Pénzügyek Tanszék Vállalati pénzügyek alapjai Befektetési döntések - Részvények értékelése Előadó: Deliné Pálinkó Éva Részvény A részvény jellemzői Részvényt, részvénytársaságok alapításakor vagy alaptőke