Wyniki wyszukiwania - BazTech

1

Wpływ efektu stycznia na WIG20

Karaszkiewicz B., Staniec I.

Zeszyty Naukowe. Organizacja i Zarządzanie / Politechnika Łódzka

|

2017

|

z. 67

87--96

PL

Celem badania jest zweryfikowanie wpływu efektu stycznia na instrumenty notowane na Giełdzie Papierów Wartościowych w Warszawie. Do przeprowadzenia badania obliczono średnie miesięczne stopy zwrotu spółek wchodzących w skład indeksu WIG20 za okres od stycznia 2007 do grudnia 2015 roku. Obliczenia przeprowadzono na podstawie dziennych notowań, wykorzystując zwykłą stopę zwrotu. Z przeprowadzonego badania wynika, że od roku 2007 efekt stycznia wystąpił na giełdzie jeden raz w roku 2012. Wyniki mogą mieć praktycznie zastosowanie w podejmowaniu decyzji inwestycyjnych.

EN

The aim of the study is to verify the impact of the January effect on the instruments on the Stock Exchange in Warsaw. To carry out the study calculated the average monthly returns of companies included in index WIG20 for the period from January 2007 to December 2015. The calculations were based on daily quotations of selected indices, using a simple rate of return. A study shows that since 2007, the January effect has occurred in the stock market, once in 2012. Conclusions from the analysis of the results can be practically applied in making investment decisions.

2

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

Bednarz-Okrzyńska K, Purczyński J.

Logistyka

|

2014

|

nr 6

1819-1828

PL

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

EN

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

3

Strategia inwestowania na kontraktach terminowych na WIG20 oparta na koncepcji Saidenberga

Wiliński A.

Metody Informatyki Stosowanej

|

2009

|

nr 2 (19)

169-176

PL

Celem pracy jest przetestowanie na danych historycznych pewnej, istotnie zmodyfikowanej przez autora, koncepcji zaprezentowanej przez amerykańskiego eksperta rynków finansowych Richarda Saidenberga podczas wywiadu z innym znanym praktykiem giełdowym Joe Krutsingerem, opublikowanego w pracy tego ostatniego [10]. Koncepcja ta należy do grupy tzw. prostych reguł analizy technicznej, wyekstrahowanych spośród powtarzalnych wzorców w szeregach czasowych instrumentów finansowych. Najczęściej do reguł tych zalicza się grupy lub sekwencje warunków wykorzystujących rozmaite wskaźniki oparte na średnich kroczących, różnicach średnich, ich pierwszych pochodnych, odchyleniach standardowych (np. związanych z istotną w niniejszej pracy wstęgą Bollingera) czy punktach zwrotnych (pivot points). Friesen, Weller i Dunham [8] twierdzą, że metody te były przez wiele lat lekceważone przez środowisko akademickie pomimo częstego stosowania ich przez praktyków giełdowych. Cai B., Cai C. i Keasey [3] zauważyli skuteczność zarówno predykcyjną jak i inwestycyjną najprostszych reguł opartych na różnicach średnich kroczących i ich pochodnych, a także poziomach zmiany kierunku ruchu ceny (punktach zwrotnych). Tian, Wan i Guo [17] stwierdzili efektywność niektórych prostych reguł na jednych rynkach i całkowitą ich nieprzydatność na innych. Rozróżniali pod tym względem rynki dojrzałe i rosnące (np. amerykański i w szczególności w opozycji do niego – rynek chiński). Do przekonanych zwolenników prostych reguł należą także tacy badacze jak Brock i Lakonishok [2], LeBaron [2,11], Gencay [9], czy też wielu wybitnych praktyków takich jak najważniejszy w niniejszej pracy – Richard Saidenberg, Joe Krutsinger, Larry Williams, Joseph DiNapoli czy Michael Connor [10].

EN

The paper presents a trading strategy, tested using historical data, aimed at trading WTG20- based futures, inspired by a concept proposed by Richard Saidenberg. The strategy is based on simple technical analysis rules, can be also treated as a pattern recognition method. A primary goal consists in finding a pattern allowing for detecting a reversal point, basing on the lagged Bollinger band. The strategy has been verified using several years long time series of WIG 20-based futures quotes. Satisfactory results were obtained, considering prediction accuracy and practical usability.