Wyniki wyszukiwania - BazTech

Ograniczanie wyników

Znaleziono wyników: 2

Liczba wyników na stronie

Wyniki wyszukiwania

Wyszukiwano:
w słowach kluczowych: model Sharpe'a

Sortuj według:

Ogranicz wyniki do:

Gold mining stocks – an investor’s perspective

Baranowski Mikołaj, Pera Krystian

Gospodarka Surowcami Mineralnymi

2023

T. 39, z. 2

125--143

In this article, gold is analyzed from an investment perspective as an asset that allows you to increase your wealth. The analysis is twofold. First, it is about examining to what extent changes in gold prices in the world markets translate into changes in the prices of shares of companies that extract gold. Second, it was checked whether there is a financial leverage effect, which in this case means that changes in the price of shares of gold mining companies are greater than changes in the price of gold itself. Methodically, the Sharpe model was used and two basic parameters of the model were estimated, i.e. the intercept (alpha), and the beta coefficient as a measure of systematic risk, for the gold market and the equity market of gold mining companies and ETFs based on these companies. The research carried out in accordance with the logic of the Sharpe model shows that the obtained value of the alpha parameter for the stock market was positive, while for the gold market it was negative. At the same time, higher levels of this parameter are beneficial to the investor, which means that an advantage of the stock market over the gold market exists. In turn, the estimated beta for the stock market is much lower than for the gold market. The systematic risk level for stocks is 0.45, and for the gold market it is 1.98, which is a significant difference. The stocks of gold mining companies can be classified as defensive against the stock market (the rate of return of the gold mine stock is insensitive to market movements) and aggressive against the gold market (the rate of return of the gold mine shares reacts more strongly than the movement in the price of gold).

W niniejszym artykule złoto jest przedmiotem analizy z inwestycyjnej perspektywy, jako walor pozwalający pomnażać kapitał. Przy czym analiza jest dwojakiego rodzaju. Po pierwsze, chodzi o zbadanie, na ile zmiana cen złota na rynkach światowych przekłada się na zmiany cen akcji spółek, które złoto wydobywają. Po drugie, jeśli taki związek istnieje, to sprawdzono czy występuje efekt dźwigni finansowej, polegającej w tym przypadku na tym, że zmiany cen akcji spółek wydobywających złoto są większe od zmian cen samego złota. Metodycznie posłużono się ideą modelu Sharpe’a i oszacowano dwa podstawowe parametry modelu, czyli poziom wyrazu wolnego alfa, oraz współczynnik beta, jako miara ryzyka systematycznego każdorazowo dla rynku złota oraz rynku akcji spółek wydobywających złoto oraz funduszy ETF bazujących na tych spółkach. Z przeprowadzonych badań zgodnie z logiką modelu Sharpe’a wynika, że uzyskana wartość parametru alfa dla rynku akcji była dodatnia, natomiast dla rynku złota ujemna. Przy czym wyższe poziomy tego parametru są korzystne dla inwestora, co oznacza przewagę rynku akcji nad rynkiem złota. Z kolei oszacowany współczynnik beta dla rynku akcji jest zdecydowanie niższy niż dla rynku złota. Dla akcji poziom ryzyka systematycznego wynosi 0,45, a dla rynku złota 1,98, co jest różnicą istotną. Akcje spółek wydobywających złoto można zaklasyfikować jako defensywne względem rynku akcji (stopa zwrotu akcji kopalni złota jest mało wrażliwa na zmiany rynkowe) oraz agresywne względem rynku złota (stopa zwrotu akcji kopalni złota reaguje silniej niż zmiana ceny złota).

Wykorzystanie sieci neuronowych i analizy portfelowej w prognozowaniu kursów akcji na giełdzie papierów wartościowych

Stochel P.

Computer Science

2000

Vol. 2

53-80

Artykuł obejmuje swoim zakresem wykorzystanie sieci neuronowych do wspomagania procesu decyzyjnego na rynku kapitałowym. Autor podjął się wykazania skuteczności przyjętych rozwiązań w polskich realiach charakteryzujących się odmiennymi uwarunkowaniami w stosunku do rynków państw wyżej rozwiniętych. Celem pracy było również wykazanie, że sieci neuronowe stanowią bardzo elastyczne narzędzie pozwalające na dostosowanie się do wymagań inwestora, a zarazem na zredukowanie wymagań w stosunku do jego doświadczenia. Artykuł opiera się na własnych badaniach autora, które wykonał modelując za pomocą programu symulującego działanie sieci neuronowych. Przyjęte rozwiązania jako punkt wyjścia wykorzystują portfel akcji wyliczony w oparciu o teorię portfelową Markowitza i model Sharpa. Zgodnie z przyjętymi tezami tak utworzony portfel modyfikowany jest przez sieć neuronową w celu optymalizacji kryterium, jakim jest maksymalizacja zysku tak modyfikowanego portfela. Przedstawiono dokładną genezę przyjętego wektora wyjściowego i struktury sieci. Umożliwia to czytelnikowi przeprowadzenie własnych badań i ustosunkowanie się do zastosowanych wielkości. Pokazano rezultaty badań opartych na rzeczywistych danych giełdowych z wykorzystaniem jednowyjściowych sieci przewidujących cenę jednej spółki - Agrosu, a także sieci przewidujących pożądaną strukturę całego portfela. Przebadano wpływ struktury sieci, parametrów uczenia, wektora wejściowego (zarówno pod względem ilości wejść, jak i okresu czasu, z jakiego były pobierane). Wskazano również na zależności występujące między wymienionymi wyżej czynnikami, np. między wektorem wejściowym i strukturą sieci. Wydaje się, iż udowodniono, że mało rozpowszechnione metody wykorzystujące sieci neuronowe mogą stanowić konkurencyjne narzędzie w stosunku do innych metod optymalizacyjnych.

The article presents the use of neural networks in decision making process on the capital market. The author tried to show the efficiency of established solution in Polish reality which features different conditions in comparison with the markets of higher developed countries. The aim of the paper was to prove that neural networks are flexible tools which on one hand might be adjusted to investor's requirements and on the other, can reduce equirements to his experience. The article is based on the author's own research carried out by modelling neural network operation with a simulation program. The established solutions are input which employs stocks portfolio computed on the basis of Markowitz portfolio theory and Sharpe's model. According to the established propositions, the portfolio created in such a way is modified by neutral network in order to optimise a criterion which maximises the income of such a modified portfolio. A detailed genesis of the established input vector and network structure are presented. It allows the reader to carry out his own research and create his own attitude towards applied values. The research results based on a real stock market database with the use of one-output networks predicting the price of a single company - Agros as well as networks predicting the desirable structure of the whole portfolio are presented. The effect of the network structure learning parameters, input vector (not only as to the input quantity but also as to period of time they were collected) was examined. The dependence between the factors mentioned above such as input vector and network structure were discussed. It seems that the presented paper has proved that some not widely spread methods with neural networks can become a competitive tool to optimisation methods.