Wyniki wyszukiwania - BazTech

1

Modelowanie rozkładu stóp zwrotu spółek sektora paliwowego wchodzących w skład indeksu WIG20

Purczyński J., Bednarz-Okrzyńska K.

Logistyka

|

2014

|

nr 3

5364--5373

PL

W pracy rozpatrzono ryzyko inwestycji w akcje spółek sektora paliwowego wchodzących w skład indeksu WIG20: Grupa Lotos S. A., Polskie Górnictwo Naftowe i Gazownictwo (PGNiG) oraz Polski Koncern Naftowy ORLEN S. A. (PKNORLEN). W celu określenia ryzyka inwestycji w akcje wykonano modelowanie 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. Należy zauważyć, że w przypadku rozkładu Laplace`a prawdopodobieństwo straty wyraża się prostym wzorem analitycznym.

XX

In the paper the risk of investment in the stocks of the WIG20 fuel sector companies: Grupa Lotos S.A. - Lotos Group, Polskie Górnictwo Naftowe i Gazownictwo (PGNiG) - Polish Petroleum and Gas Mining, and Polski Koncern Naftowy ORLEN S.A. (PKNORLEN) - Polish oil and gas company. In order to determine the risk of investment in the stocks, the modeling 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 (market specific and systematic 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. It should also be noticed that in the case of the Laplace distribution, the probability of loss is given by a simple analytical formula.

2

The structure of contemporaneous price-volume relationships in financial markets

Gurgul H., Syrek R.

Managerial Economics

|

2013

|

nr 14

39--60

EN

The main goal of this paper is an examination of the interdependence stuctures of stock returns, volatility and trading volumes of companies listed on the CAC40 and FTSE100. The authors establish that the mean values of respective measures are different on the markets under study. In general, they are larger for equities from CAC40 than from FTSE100. The Mixture of Distributions Hypothesis with long memory is rejected for about 70 % of stocks from both markets. Additionally fractional cointegration was tested. The lack of fractional cointegration, suggests a rejection of the last variant of MDH in all cases, i.e. the time series under study do not exhibit common long-run dependence. The analyzed time series are not driven by a common information arrival process with long memory. Correlation between volatility and trading volume is present for all the stocks of companies from these markets. The mixtures of rotated copulas and Kendall correlation coefficient allowed the checking of extreme return-volume dependence structures. The empirical results reflect significant dependencies between high volatility and high trading volume. In general, the dependence structures of stock returns and trading volume are different. In the case of CAC40 companies high trading volume is not correlated as frequently with high stock returns as with low stock returns. For companies listed on the FTSE100 high stock returns are mostly related with high trading volume.

PL

Głównym celem artykułu jest znalezienie zależności pomiędzy stopami zwrotu, ich zmiennością oraz wielkością obrotów dla spółek należących do indeksów CAC40 i FTSE100. Autorzy ustalili, że średnie miary zależności na obu badanych rynkach różnią się istotnie. Przeważnie są one większe w przypadku spółek notowanych w indeksie CAC40 aniżeli w przypadku spółek z indeksu FTSE100. Badania empiryczne dają podstawę do odrzucenia ok. 70% akcji z obu rynków hipotezy o mieszance rozkładów (MDH) w przypadku dla wszystkich szeregów czasowych w wersji z długą pamięcią. Dodatkowo przetestowano istnienie kointegracji ułamkowej pomiędzy badanymi chrakterystykami akcji. Stwierdzono brak istotnej statystycznie kointegracji ułamkowej, co sugeruje konieczność odrzucenia ostatniego wariantu MDH odnośnie do badanych szeregów czasowych we wszystkich przypadkach. Świadczy to o tym, że nie wykazują one wzajemnej zależności długoterminowej. Tak więc analizowane szeregi czasowe nie są generowane przez wspólny proces napływu informacji z długą pamięcią. Występuje korelacja pomiędzy zmiennością stóp zwrotu a wielkością obrotów akcji wszystkich spółek z rozważanych rynków. Badania pozwoliły na ustalenie, że mieszanka obróconych kopuł oraz współczynnik korelacji Kendalla umożliwiły sprawdzenie zależności pomiędzy ekstremalnymi stopami zwrotu i ekstremalną wielkością obrotów. Wyniki empiryczne odzwierciedlają istotne zależności pomiędzy wysoką zmiennością stop zwrotu i wysoką wielkością obrotów. Jednak struktury zależności w przypadku poszczególnych spółek różnią się istotnie. W przypadku spółek z CAC40 wysokie wielkości obrotów akcjami nie są tak często skorelowane z wysokimi stopami zwrotu jak z niskimi. Natomiast w przypadku FTSE100 wysokie stopy zwrotu są przeważnie skorelowane z wysokimi wielkościami obrotów.

3

Linear versus nonlinear causality for DAX companies

Gurgul H., Lach Ł.

Badania Operacyjne i Decyzje

|

2009

|

nr 3

27-46

EN

This study provides empirical evidence of the joint dynamics between stock returns and trading volume using stock data for DAX companies. Our research confirms the hypothesis that traditional linear causality tests often fail to detect some kinds of nonlinear relations, while nonlinear tests do not. In many cases, the test results obtained by use of empirical data and simulation confirm a bidirectional causal relationship, while linear tests did not detect such causality at all.

PL

W badaniach empirycznych, prezentowanych w literaturze a dotyczących zależności pomiędzy wielkością obrotów, stopami zwrotu i ich zmiennością, jest o wiele mniej wyników dotyczących przyczynowości nieliniowej niż liniowej. Naszą pracę wyróżnia spośród innych prac przede wszystkim to, że w artykule są przedstawione nie tylko wyniki z zakresu przyczynowości liniowej, ale i nieliniowej. Stosując testy przyczynowości liniowej i nieliniowej dla giełdy frankfurckiej zbadano, czy znajomość wielkości obrotów może być pomocna w prognozowaniu stóp zwrotu i ich zmienności. Badanie przeprowadzono w trzech wersjach: dla wielkości obrotów z usuniętym trendem, dla oczekiwanej wielkości obrotów i nieoczekiwanej wielkości obrotów. Badania, przeprowadzone zarówno za pomocą testu przyczynowości liniowej, jak i nieliniowej, potwierdzają istnienie przyczynowości od oczekiwanej wielkości obrotów do stóp zwrotu i ich zmienności. Drugim empirycznie stwierdzonym interesującym faktem jest równoczesne występowanie statystycznie istotnej zależności w odwrotnym kierunku. Natomiast w przypadku uwzględnienia w badaniach nieoczekiwanej wielkości obrotów przyczynowości są słabe, a w większości nieistotne statystycznie. Jednakże w przypadku tej wersji wielkości obrotów test nieliniowy wykrywa więcej istotnych wypadków niż test liniowy. W pracy, w celu porównania poprawności wskazań liniowych i nieliniowych testów przyczynowości, przeprowadzono też badania symulacyjne na bazie sześciu wybranych modeli nieliniowych.

4

Polish stock market and some foreign markets : dependence analysis by copulas

Gurgul H., Mestel R., Syrek R.

Badania Operacyjne i Decyzje

|

2008

|

nr 2

17-35

EN

In the financial literature there is much less evidence of a contemporaneous or dynamic (causal) relationship between trading volume and stock returns and return volatility from the emerging stock markets than from the developed capital markets. It has been observed that market crashes and financial crises often happen in different countries during about the same time period, even if the dependency measured by correlation is very low between these markets. Researchers have raised the question of different dependence structure between markets with the same (pairwise) correlations. These dependence structures could increase or decrease the diversification benefit compared to the normal distribution assumption. Applying copulas (which reflect dependence structure) the authors examined whether trading volume, stock return and return volatility are pairwise dependent. It results from our investigations that there exists also a close pairwise relationship between these variables on WSE and between Polish stock returns and the returns of foreign stock market indexes. A similar significant relationship concerns trading volumes. In addition, stock returns (returns volatility) of the Austrian and especially of the German stock market influence Polish trading volume. The lack of significant DJIA impact on the trading volume on WSE on the same day is probably caused by the fact that changes of DJIA lead changes on the European stock markets. Future investigations should be concerned with the stability over time of the relations between domestic and foreign stock market variables taking into account more recent data and more advanced technique based on copulas models with Markov regime switching mechanism.

PL

W literaturze finansowej zajmowano się w znacznie mniejszym stopniu związkami między wielkością obrotów, stopami zwrotu i ich wariancją warunkową w przypadku rynków „wschodzących” niż w przypadku rozwiniętych rynków kapitałowych. Obserwuje się, że mimo nieistotnej lub słabej korelacji między różnymi rynkami finansowymi, dochodzi na nich do niekiedy bardzo poważnych kryzysów dokładnie w tym samym czasie. Można stąd wysnuć hipotezę, że prawdopodobnie zależności w tzw. ogonach rozkładów stóp zwrotu, zwłaszcza w lewym ogonie (ang. left tail) są znacznie silniejsze niż można by wnioskować z wartości globalnych współczynników korelacji. W ostatnich latach coraz powszechniej stosuje się więc alternatywne miary, uwzględniające strukturę zależności między zmiennymi finansowymi, przede wszystkim kopule. Stosując teorię kopul, autorzy tej pracy wykazali związek pomiędzy wielkościami stóp zwrotu oraz ich zmiennością (ang. volatility) a wielkościami obrotów na rynku krajowym. Poza ustaleniem związków między obrotami, stopami zwrotu i ich zmiennością na rynku krajowym wykazano także związek stóp zwrotu, ich zmienności i wielkości obrotów na rynkach zagranicznych z tymi samymi wielkościami z Warszawskiej Giełdy Papierów Wartościowych (indeks WIG). Wykazano, że stopy zwrotu i ich zmienność na austriackim, a szczególnie niemieckim rynku akcji mają wpływ na wielkość obrotów na GPW w Warszawie. Brak takiego wpływu ze strony stóp zwrotu indeksu DJIA może być wytłumaczony tym, że zmiany tego indeksu poprzedzają zmiany indeksów europejskich. Przyszłe badania powinny się skupić na stabilności w czasie istniejących związków przez wykorzystanie dłuższych szeregów czasowych, z uwzględnieniem najnowszych danych oraz bardziej zaawansowanej techniki łączącej kopule oraz modele przełącznikowe typu Markowa.