Cyfroteka.pl

klikaj i czytaj online

Cyfro
Czytomierz
00134 006342 14085056 na godz. na dobę w sumie
Determinanty zmian współzależności wybranych giełd papierów wartościowych. Analiza relacji GPW w Warszawie z giełdami na świecie - ebook/pdf
Determinanty zmian współzależności wybranych giełd papierów wartościowych. Analiza relacji GPW w Warszawie z giełdami na świecie - ebook/pdf
Autor: Liczba stron: 224
Wydawca: Wydawnictwo Uniwersytetu Łódzkiego Język publikacji: polski
ISBN: 978-83-8142-357-1 Data wydania:
Lektor:
Kategoria: ebooki >> poradniki >> giełda i inwestycje
Porównaj ceny (książka, ebook (-19%), audiobook).

W publikacji zaprezentowano modelowanie powiązań między indeksami wybranych giełd papierów wartościowych. Omawiane zagadnienia można zaklasyfikować do kilku wątków tematycznych. Pierwszy obejmuje pogrupowanie giełd na świecie pod względem ich podobieństwa w relacjach z innymi giełdami w celu wskazania miejsca Giełdy Papierów Wartościowych w Warszawie na tle innych giełd tego typu. Drugi ukazuje potencjalne determinanty zmian poziomu współzależności wybranych giełd. Natomiast trzeci wątek badań koncentruje się na teoretycznych własnościach zastosowanych narzędzi statystycznych. Zagadnienie dotyczące roli wskaźników finansowych oraz makroekonomicznych w dynamice struktury powiązań warszawskiej Giełdy Papierów Wartościowych z innymi giełdami na świecie było rzadko poruszane w literaturze przedmiotu, więc celem tej monografii jest próba częściowego wypełnienia tej luki.

Znajdź podobne książki Ostatnio czytane w tej kategorii

Darmowy fragment publikacji:

Anna Czapkiewicz – Akademia Górniczo-Hutnicza im. Stanisława Staszica Wydział Zarządzania, Samodzielna Pracownia Zastosowań Matematyki w Ekonomii 30-067 Kraków, ul. Gramatyka 10 RECENZENCI Piotr Fiszeder, Konrad Furmańczyk REDAKTOR INICJUJĄCY Monika Borowczyk REDAKTOR Andrzej Choczewski SKŁAD I ŁAMANIE Marek Karkula KOREKTA TECHNICZNA Leonora Gralka PROJEKT OKŁADKI Katarzyna Turkowska Zdjęcie wykorzystane na okładce: © Depositphotos.com/Rawpixel Wydrukowano z gotowych materiałów dostarczonych do Wydawnictwa UŁ © Copyright by Anna Czapkiewicz, Łódź 2018 © Copyright for this edition by Uniwersytet Łódzki, Łódź 2018 Wydane przez Wydawnictwo Uniwersytetu Łódzkiego Wydanie I. W.08630.18.0.M Ark. druk. 14,0 ISBN 978-83-8142-356-4 e-ISBN 978-83-8142-357-1 Wydawnictwo Uniwersytetu Łódzkiego 90-131 Łódź, ul. Lindleya 8 www.wydawnictwo.uni.lodz.pl e-mail: ksiegarnia@uni.lodz.pl tel. (42) 665 58 63 Spis tre´sci Podzi˛ekowania . Wst˛ep . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 1. Podstawowe poj˛ecia dotycz ˛ace rynku finansowego . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 1.1. Klasyfikacja rynku finansowego . 1.2. Giełda papierów warto´sciowych . Cz˛e´s´c I. Własno´sci stosowanych narz˛edzi ekonometrycznych 2. Wybrane modele jednowymiarowych szeregów czasowych . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 2.1. Model GARCH . 2.2. Rozkłady sko´sne . . 2.3. Rozszerzenia modelu GARCH . 2.4. Weryfikacja modelu . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 3. Kopule w modelowaniu struktury powi ˛aza´n pomi˛edzy szeregami czasowymi . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 3.1. Poj˛ecie kopuli . 3.2. Miary współzale˙zno´sci . . . . . . . . . . . . . . . . . . 3.3. Przegl ˛ad i charakterystyka wybranych kopul . . . . . . . . . . . . 3.4. Model Copula-GARCH i estymacja jego parametrów . . . . . . . 3.5. Weryfikacja modelu Copula-GARCH . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 7 9 19 19 23 29 30 31 34 36 39 39 42 45 52 54 5 4. Dynamiczne modele wielowymiarowe . . . . . . . . . . . . . . . . . 4.1. Wielowymiarowe modele GARCH . . . . . . . . . . . . . . . . . 4.2. Ukryty Model Markowa . . . . . . . . . . . . . . . . . . . 4.3. Ukryty Model Markowa z mechanizmem TVPMS . . . . . . . . . 4.4. Efektywno´s´c estymatorów ML w Ukrytych Modelach Markowa . . . . . . . . . . . . . . . . . . . . 4.5. Test porównania modeli . 4.6. Modyfikacja klasycznego testu . . . . . . . . . . . . . . . . . . . . . . . . . . . Cz˛e´s´c II. Badanie empiryczne 5. Weryfikacja struktury powi ˛aza´n wybranych giełd papierów warto´sciowych . . . . . . . . . . . . . . . . . . . 5.1. Grupowanie indeksów giełdowych . . . . . . . . . . . . . . . . . 5.2. Analiza zmian jednoczesnych oraz efektów zara˙zania . . . . . 57 57 62 76 80 84 87 97 98 na wybranych giełdach . . . . . . . . . . . . . . . . . . . 112 5.3. Analiza zmiany struktury powi ˛aza´n GPW z innymi giełdami . . . . 135 . . . . 6. Determinanty zmian jednoczesnych na wybranych giełdach . . . . . . . . papierów warto´sciowych . . . . . . . . . . . . . . . . . . . 141 . 6.1. Zmienno´s´c implikowana . . . . . . . . . . . . . . . . . . . 146 6.2. Stopa procentowa LIBOR oraz TED spread . . . . . . . . . . . . . 157 6.3. Rentowno´s´c 10-letnich obligacji . . . . . . . . . . . . . . . . . . . 166 6.4. Ceny kontraktów terminowych na wybrane surowce . . . . . . . . 174 6.5. Rola innych czynników makroekonomicznych w strukturze powi ˛aza´n giełd . Zako´nczenie . . Bibliografia . . . . . Notka o Autorze . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 182 . . . . . . . . . . . . . . . . . . 199 . . . . . . . . . . . . . . . . . . 209 . . . . . . . . . . . . . . . . . . 223 6 Podzi˛ekowania Bardzo dzi˛ekuj˛e dr. hab. Antoniemu Dawidowiczowi z Instytutu Matematyki UJ za inspiracje naukowe i wsparcie na kolejnych etapach mojej pracy naukowej. Pragn˛e te˙z wyrazi´c swoj ˛a wdzi˛eczno´s´c prof. Janowi Sztaudyngerowi za ˙zyczli- wo´s´c i uwagi merytoryczne udzielone w czasie spotka´n seminaryjnych w Katedrze Ekonometrii Uniwersytetu Łódzkiego. Dzi˛ekuj˛e równie˙z Recenzentom monografii za komentarze, które pozwoliły nada´c ostateczny kształt tej monografii. Bardzo dzi˛ekuj˛e prof. Henrykowi Gurgulowi, kierownikowi Samodzielnej Pracowni Za- stosowa´n Matematyki w Ekonomii na Wydziale Zarz ˛adzania AGH za stworzenie warunków do efektywnej pracy. Dzi˛ekuj˛e moim kole˙zankom i kolegom z Pra- cowni, a w szczególno´sci mgr. Arturowi Machno i dr. Tomaszowi Wójtowiczowi za komentarze, burzliwe spory i twórcze dyskusje. Chciałabym równie˙z wyrazi´c wdzi˛eczno´s´c mojemu m˛e˙zowi Ma´ckowi, za ogromne wsparcie, du˙z ˛a cierpliwo´s´c i wyrozumiało´s´c. Dzi˛ekuj˛e te˙z prof. Przemysławowi Grzegorzewskiemu z PW za wszystkie uwagi krytyczne oraz dr. hab. Markowi Karkuli za pomoc w przygoto- waniu ostatecznej formy ksi ˛a˙zki. 7 Wst˛ep W krajach z gospodark ˛a rynkow ˛a i rozwini˛et ˛a giełd ˛a papierów warto´sciowych wyst˛epuj ˛a mechanizmy, które zapewniaj ˛a obustronne zwi ˛azki koniunktury giełdowej z koniunktur ˛a gospodarcz ˛a. Dobrze funkcjonuj ˛acy rynek kapitałowy sprawia, ˙ze ´srodki pieni˛e˙zne trafiaj ˛a do tych przedsi˛ebiorstw, w których s ˛a one efektywnie alokowane. Wzrost cen papierów warto´sciowych przyczynia si˛e do obni˙zenia kosztu pozyskania kapitału na giełdzie, a to z kolei wpływa na mo˙z- liwo´s´c zwi˛ekszenia inwestycji spółek, a tym samym na popraw˛e koniunktury gospo- darczej. Równie˙z wzrost warto´sci akcji przyczynia si˛e do wy˙zszej oceny zdolno´sci kredytowej kredytobiorców, a zatem mo˙ze stymulowa´c nasilenie si˛e inwestycji, co po dłu˙zszym czasie mo˙ze korzystnie wpłyn ˛a´c na tempo wzrostu gospodarczego. Natomiast pogorszenie si˛e sytuacji na giełdzie wpływa negatywnie na koniunktur˛e gospodarcz ˛a z powodu zwi˛ekszenia si˛e kosztów pozyskania kapitału, co z kolei poci ˛aga za sob ˛a zmniejszenie inwestycji (Fundowicz i Wy˙znikiewicz 2006). W literaturze finansowej jest wiele prac po´swi˛econych roli wska´zników za- równo finansowych jak i makroekonomicznych w kształtowaniu si˛e cen akcji na giełdzie papierów warto´sciowych. Wpływ informacji na ceny papierów warto´scio- wych był badany przez Gurgula (2006). Rapach i in. (2005), wykorzystuj ˛ac dane z kilku giełd rozwini˛etych, wykazali, ˙ze równie˙z stopy procentowe maj ˛a znacze- nie dla zmiany warto´sci indeksów giełdowych. Henry (2009), badaj ˛ac zwi ˛azek mi˛edzy stop ˛a zwrotu z inwestycji na giełdzie brytyjskiej a krótkoterminowymi stopami procentowymi, tak˙ze zauwa˙zył, ˙ze wydarzenia na rynku pieni˛e˙znym wpły- waj ˛a na zachowanie si˛e kursów akcji. Chen (2009) pokazał, ˙ze dla prognozy złej koniunktury na giełdzie USA istotna jest informacja o warto´sciach zmiennych ma- kroekonomicznych, takich jak: stopa procentowa, stopa inflacji, zasoby pieni˛e˙zne, 9 ł ˛aczna produkcja, stopa bezrobocia i dług federalny. Nasseh i Strauss (2000) wyka- zali istnienie zale˙zno´sci długoterminowych pomi˛edzy cenami akcji a zmiennymi makroekonomicznymi w sze´sciu du˙zych krajach europejskich. Doszli do wnio- sku, ˙ze dla cen akcji maj ˛a znaczenie takie czynniki, jak: produkcja, oczekiwania biznesowe, stopy procentowe i inflacja. Dla danych z USA istnienie zale˙zno´sci długoterminowych pomi˛edzy cenami akcji, produkcj ˛a przemysłow ˛a, realnymi kur- sami walutowymi, stopami procentowymi i inflacj ˛a w USA zauwa˙zył Kim (2003). Relacja mi˛edzy wska´znikami makroekonomicznymi a indeksami giełdowymi była równie˙z badana w wybranych krajach Europy ´Srodkowej i Wschodniej, mi˛edzy innymi przez Hanousek i in. (2009), Barbic i Condic-Jurkic (2011). W Polsce tak˙ze były prowadzone takie analizy. Do czynników kształtuj ˛acych ceny kursów papierów warto´sciowych notowanych na GPW w Warszawie Milo (2000) zaliczył: wzrost gospodarczy, inflacj˛e, deficyt bud˙zetowy, wska´znik bez- robocia i poziom dochodów społecze´nstwa. Analiz˛e długookresowej zale˙zno´sci pomi˛edzy indeksem giełdowym i wzrostem gospodarczym przedstawiła Rubaszek (2004). Zwi ˛azek pomi˛edzy zmianami cen akcji i nast˛epuj ˛acymi po nich zmianami produkcji lub warto´sci PKB rozwa˙zał Łon (2006) w swojej monografii. Relacj˛e pomi˛edzy cenami akcji a koniunktur ˛a gospodarcz ˛a w warunkach polskich badał Brzeszczy´nski i in. (2009). Fiszeder i Rowi´nski (2012) analizowali zale˙zno´s´c długo- okresow ˛a pomi˛edzy cenami akcji a wska´znikami makroekonomicznymi, takimi jak: warto´s´c PKB, poziom inflacji, poda˙z pieni ˛adza oraz warto´s´c indeksu surowcowego. Czapkiewicz i Stachowicz (2016) zbadały relacj˛e długookresow ˛a pomi˛edzy indek- sem giełdowym WIG, kursem EUR/PLN, wska´znikiem inflacji CPI oraz eksportu. Na zachowanie si˛e giełd na ´swiecie du˙zy wpływ ma globalizacja, której efek- tem s ˛a silne powi ˛azania pomi˛edzy ró˙znymi gał˛eziami gospodarki, w tym tak˙ze rynkami kapitałowymi. Do negatywnych jej aspektów nale˙zy przede wszystkim to, ˙ze kryzysy gospodarcze i finansowe przestały mie´c lokalny charakter (Borcuch 2009). Globalizacja rynków, ze wzgl˛edu na przenoszenie si˛e negatywnych nastro- jów (które w tym wypadku rozumiemy jako gwałtowne i trwaj ˛ace przez dłu˙zszy czas załamanie si˛e kursów akcji) mo˙ze by´c czynnikiem utrudniaj ˛acym nie tylko dywersyfikacj˛e ryzyka1, ale równie˙z ocen˛e rzeczywistego stanu rynku kapitało- wego w danym kraju. Zatem analiza kondycji samej giełdy nie mo˙ze by´c prowa- dzona bez zbadania jej relacji z wiod ˛acymi giełdami na ´swiecie. 1 Korzy´sci z mi˛edzynarodowej dywersyfikacji portfela podkre´slił ju˙z Grubel (1968). 10 Mi˛edzy innymi problemy dotycz ˛ace współzale˙zno´sci giełd, klasyfikacji ryn- ków finansowych, zmian jednoczesnych na giełdach (comovement) czy zara˙zanie giełd (contagion) jest szczególne ch˛etnie podejmowany w badaniach empirycz- nych w ostatnich dwudziestu latach. Sam ˛a „współzale˙zno´s´c” giełd mo˙zna rozu- mie´c dwojako. Jeden nurt bada´n obejmuje bowiem analiz˛e współzale˙zno´sci giełd wyra˙zan ˛a poprzez korelacj˛e, kowariancj˛e lub inn ˛a struktur˛e wzajemnych powi ˛a- za´n krótkookresowych wyznaczan ˛a na podstawie stóp zwrotu głównych indeksów giełdowych. Ten w ˛atek b˛edzie kontynuowany w monografii. Natomiast drugi nurt bada´n zakłada istnienie czynnika, który oddziałuje na dane giełdy, powoduj ˛ac na nich wspólny trend cen akcji. Do tego nurtu nale˙z ˛a wszelkie badania dotycz ˛ace zale˙zno´sci długookresowych (long-term dependence)2. Klasyfikacji rynków giełdowych dokonuje si˛e ze wzgl˛edu na wybran ˛a ich cech˛e, a jedn ˛a z mo˙zliwo´sci przeprowadzenia takiej klasyfikacji jest analiza skupie´n (cluster analysis). W analizie zmian jednoczesnych na giełdach, zakłada si˛e, ˙ze rynki reaguj ˛a natychmiast na zdarzenia kryzysowe. Natomiast zara˙zanie giełd według Forbesa i Rigobona (2002) jest to „znacz ˛acy wzrost korelacji pomi˛edzy giełdami po szoku w jednym kraju (lub grupie krajów)”. Po ´swiatowym kryzysie finansowym teoretycy i praktycy zacz˛eli zwraca´c wi˛eksz ˛a uwag˛e na szukanie czynników determinuj ˛acych nie tylko zachowanie pojedynczych giełd, ale równie˙z zmiany struktury wzajemnych powi ˛aza´n pomi˛edzy tymi giełdami. Wiedza o istnieniu relacji pomi˛edzy giełd ˛a papierów warto´sciowych a gospodark ˛a sugeruje, by obszar szukania czynników, które mog ˛a determinowa´c zmiany poziomu współzale˙zno´sci giełd obejmował nie tylko sfery zwi ˛azane bezpo´srednio z finansami, ale równie˙z z gospodark ˛a. Na przykład Von Furstenberg i Jeon (1989) analizowali znaczenie stóp procentowych, kursów wymiany walut oraz ceny ropy i złota dla warto´sci współczynnika korelacji pomi˛edzy dziennymi stopami zwrotu indeksów giełdowych USA, Japonii, Wielkiej Brytanii i Niemiec w latach 1986–1988. King, Sentana i Wadhwani (1994), wykorzystuj ˛ac indeksy szesnastu ´swiatowych giełd, doszli do wniosku, ˙ze tylko niewielka cz˛e´s´c zmienno´sci kowariancji pomi˛edzy nimi mo˙ze by´c wyja´sniona poprzez obserwowalne zmienne 2 Temat zale˙zno´sci długookresowych pomi˛edzy rozwijaj ˛acymi si˛e giełdami z Europy ´Srodkowej a rozwini˛etymi rynkami Europy i Stanów Zjednoczonych w swoich pracach poruszali mi˛edzy innymi Voronkova (2004), Syriopoulos (2007), Witowska i in. (2012). Wpływ rozwini˛etych rynków europejskich na wschodz ˛ace rynki CEE pokazali Cerny i Koblas (2005). 11 ekonomiczne. Zmiany w korelacjach mi˛edzy rynkami s ˛a raczej spowodowane zmia- nami nieobserwowalnych zmiennych. Badaj ˛ac wybrane rynki rozwini˛ete, Longin Solnik (1995), na podstawie miesi˛ecznych nadwy˙zkowych stóp zwrotu, obejmuj ˛a- cych okres od 1960 do 1990 roku, stwierdzili, ˙ze korelacja mi˛edzy rynkami wzra- sta wraz ze wzrostem warunkowej zmienno´sci. Informacje o przyszłej zmienno´sci mog ˛a zawiera´c takie zmienne ekonomiczne jak stopa dywidendy i stopy procen- towe. Karolyi i Stulz (1996) badali wpływ ogłosze´n zmiennych makroekonomicz- nych na zmiany korelacji pomi˛edzy stopami zwrotu japo´nskich i ameryka´nskich spółek. Didier i in. (2010) badali czynniki wpływaj ˛ace na korelacj˛e pomi˛edzy indeksami giełdowymi USA i 83 innych krajów w czasie kryzysu 2007–2008 i stwierdzili, ˙ze w tym okresie wa˙zne były tylko czynniki zwi ˛azane bezpo´sred- nio z finansami, podczas gdy wybrane wska´zniki makroekonomiczne nie miały znaczenia w kontek´scie tego kryzysu. Mobarek i in. (2016), badaj ˛ac rynki rozwini˛ete (Australia, Kanada, Francja, Niemcy, Hongkong, Włochy, Japonia, Szwecja, Wielka Brytania i Stany Zjedno- czone) oraz rynki wschodz ˛ace (Argentyna, Brazylia, Chile, Chiny, Indie, Indonezja, Korea, Malezja, Rosja i Południowa Afryka) w okresach kryzysu i poza nimi, za- uwa˙zyli, ˙ze w czasie kryzysu stopa wzrostu PKB, inflacja i stopy procentowe s ˛a istotne dla korelacji rynku rozwijaj ˛acego si˛e z rynkiem rozwini˛etym. Nie wykryli natomiast czynników transmisji kryzysu mi˛edzy rynkami rozwini˛etymi. Wpływ ameryka´nskich doniesie´n o makroekonomicznych danych na relacj˛e pomi˛edzy sto- pami zwrotu, zmienno´sci ˛a i obrotem na trzech europejskich rynkach akcji (we Frankfurcie, w Wiedniu i w Warszawie) były badane w pracy Gurgula, Lacha i Wój- towicza (2016). Gomes i Taamouti (2016) skonstruowali czynniki, które reprezen- tuj ˛a wybrane wska´zniki makroekonomiczne, na podstawie informacji z Google Trends zwi ˛azanych z działalno´sci ˛a gospodarcz ˛a. Nast˛epnie zbadali ich wpływ na powi ˛azania pomi˛edzy giełdami Stanów Zjednoczonych, Francji, Niemiec, Włoch i Hiszpanii. Okazało si˛e, ˙ze nowo skonstruowane zmienne wpływaj ˛a istotnie na ko- wariancj˛e pomi˛edzy stopami zwrotu indeksów analizowanych giełd. Czapkiewicz i in. (2018) zbadali wpływ zmiennych makroekonomicznych, takich jak stopa bez- robocia, indeks CPI, indeks produkcji przemysłowej oraz rentowno´s´c 10-letnich obligacji, na współzale˙zno´s´c giełd z krajów grupy G6. Zagadnienia omawiane w monografii koncentrowa´c si˛e b˛ed ˛a wokół trzech w ˛atków tematycznych. Jeden w ˛atek obejmuje badania maj ˛ace na celu grupowa- nie giełd na ´swiecie pod wzgl˛edem ich podobie´nstwa w powi ˛azaniach z innymi 12 giełdami. Celem jest wskazanie miejsca GPW w Warszawie na tle innych giełd papierów warto´sciowych. Drugi w ˛atek obejmuje cykl bada´n dotycz ˛acych analizy potencjalnych determinantów zmian poziomów współzale˙zno´sci wybranych giełd, kład ˛ac równie˙z nacisk na GPW w Warszawie. Zagadnienie dotycz ˛ace roli wska´zni- ków finansowych oraz makroekonomicznych w dynamice struktury powi ˛aza´n war- szawskiej GPW z innymi giełdami na ´swiecie jest rzadko poruszane w literaturze. Zatem celem tej monografii jest mi˛edzy innymi, próba cz˛e´sciowego wypełnienia tej luki. Natomiast trzeci w ˛atek bada´n koncentruje si˛e na teoretycznych własno´sciach zastosowanych narz˛edzi statystycznych. Na podstawie dwóch pakietów danych dziennych stóp zwrotu głównych indeksów giełdowych na ´swiecie: pochodz ˛acych z okresu 2006–20163 oraz z okresu 1997–2016, postawiono dwie główne hipotezy badawcze oraz dwie hipotezy pomocnicze. Główne hipotezy to: 1. W okresie kryzysu giełdy s ˛a znacznie mocniej ze sob ˛a powi ˛azane ni˙z w ok- resach przed i pokryzysowych. Jednak spo´sród giełd na ´swiecie mo˙zna wyodr˛ebni´c takie grupy giełd, w obr˛ebie których relacje jej elementów z inny- mi giełdami s ˛a niezale˙zne od zmieniaj ˛acej si˛e sytuacji ekonomicznej. Wpływ globalnej koniunktury ekonomicznej na GPW w Warszawie jest najbardziej podobny do analogicznego wpływu na giełdy Grupy Wyszehradzkiej. 2. Czynniki, które maj ˛a istotne znaczenie dla wyja´snienia zmian poziomów współzale˙zno´sci giełd nie s ˛a uniwersalne. Dla rozwini˛etych rynków Europy Zachodniej i USA wi˛eksze znaczenie maj ˛a ogólno´swiatowe wska´zniki finansowe, natomiast dla relacji GPW w Warszawie4 z rynkami rozwini˛etymi Europy Zachodniej – lokalne wska´zniki finansowe i makroekonomiczne. a. Notowania indeksu VIX (oraz VSTOXX) maj ˛a głównie znaczenie dla poziomu współzale˙zno´sci rynków rozwini˛etych. Wraz ze wzrostem tego indeksu wyst˛epuje wzrost poziomu współzale˙zno´sci. b. Notowania stóp procentowych LIBOR oraz TED spread maj ˛a znaczenie dla poziomu współzale˙zno´sci rynków rozwini˛etych. Obni˙zka stóp procentowych LIBOR oraz wzrost warto´sci TED spread skutkuje wzrostem tego poziomu. 3 W monografii b˛edzie wyja´snione, dlaczego taki okres był analizowany. 4 Giełda w Warszawie była długo uznawana jako rozwijaj ˛aca si˛e. W roku 2017 agencja FTSE Russell sklasyfikowała Polsk˛e jako rynek rozwini˛ety. 13 c. Ceny surowców maj ˛a znaczenie dla wyja´snienia zmian poziomów współzale˙zno´sci rynków rozwini˛etych. Wzrost ceny surowca skutkuje wy˙zszym poziomem tej współzale˙zno´sci. d. Rentowno´s´c 10-letnich obligacji rynków rozwini˛etych ma znaczenie dla poziomu współzale˙zno´sci rynku rozwini˛etego z GPW w Warszawie. Wzrost rentowno´sci obligacji kraju z rozwini˛et ˛a gospodark ˛a obni˙za poziom tej współzale˙zno´sci. e. Wielko´sci makroekonomiczne, takie jak inflacja, stopa bezrobocia czy indeks produkcji przemysłowej maj ˛a znaczenie dla relacji GPW w War- szawie z rozwini˛etymi giełdami Europy Zachodniej. Wzrost stopy bez- robocia w Polsce ma odbicie we wzro´scie poziomu współzale˙zno´sci tych giełd. Pozostałe hipotezy badawcze to: 1. Dla relacji GPW w Warszawie z rozwini˛etymi giełdami Europy wy˙zszy po- ziom współzale˙zno´sci dwóch giełd pokrywa si˛e z okresem du˙zej zmienno´sci stóp zwrotu ich indeksów giełdowych. 2. Zmiana struktury powi ˛aza´n GPW w Warszawie z innymi giełdami jest nie tylko zwi ˛azana z okresami hossy i bessy, ale mo˙ze by´c równie˙z wywołana przez inne czynniki. Grupowanie rynków finansowych zostanie przeprowadzone dla 36 indeksów giełdowych pochodz ˛acych z giełd ameryka´nskich, europejskich oraz azjatyckich, bazuj ˛ac na ich dziennych notowaniach z okresu 2006–2016. Szczegółowej analizie poddane zostan ˛a cztery podokresy: (i) przed ´swiatowym kryzysem finansowym: stycze´n 2006 – lipiec 2007, (ii) okres kryzysu: lipiec 2007 – marzec 2009, (iii) okres wychodzenia z kryzysu: marzec 2009 – grudzie´n 2011, (iv) lata 2012–2016. Jako narz˛edzie do grupowania giełd zastosowana b˛edzie analiza skupie´n. W pozostałych badaniach, oprócz giełdy polskiej (GPW w Warszawie), pod uwag˛e zostanie wzi˛eta giełda ameryka´nska (Nowojorska Giełda Papierów Warto- ´sciowych) oraz rozwini˛ete giełdy Europy Zachodniej, takie jak giełda niemiecka (Frankfurcka Giełda Papierów Warto´sciowych), giełda francuska (Giełda Papie- rów Warto´sciowych w Pary˙zu) czy giełda brytyjska (Londy´nska Giełda Papierów Warto´sciowych). W niektórych przypadkach przedstawione zostan ˛a równie˙z wy- niki analiz dla giełdy rosyjskiej (Giełda Papierów Warto´sciowych w Moskwie), która nale˙zy do grupy rynków rozwijaj ˛acych si˛e i która stosunkowo rzadko jest 14 przedmiotem bada´n oraz dla giełdy szwedzkiej (Sztokholmska Giełda Papierów Warto´sciowych), która jest jedn ˛a z giełd formacji OMX5. Oprócz bada´n, które zostan ˛a przeprowadzone w celu weryfikacji hipotez ba- dawczych, b˛ed ˛a równie˙z przedyskutowane zmiany jednoczesne na GPW w War- szawie i innych giełdach oraz zostanie zbadany efekt zara˙zania. Zdecydowana wi˛ekszo´s´c prezentowanych w tej monografii wyników jest oryginalna i nigdzie nie była publikowana. W celu opisania dynamicznych struktur powi ˛aza´n pomi˛edzy giełdami6 opra- cowano metody bazuj ˛ace na wielowymiarowych modelach typu GARCH lub na teorii kopuli (copula). W Polsce wielowymiarowe modele typu ARCH i GARCH wykorzystywali w swoich badaniach mi˛edzy innymi Osiewalski i Pipie´n (2002, 2004), Doman i Doman (2009), Piontek i Papla (2005), Papla (2007), Czapkiewicz i Machno (2013). Wykorzystanie kopuli w praktyce zapocz ˛atkował Embrechts i in. (1999, 2001). Model, w którym jednowymiarowe szeregi czasowe opisywane s ˛a za pomoc ˛a modeli typu GARCH lub jego modyfikacji, natomiast wielowymiarow ˛a struktur˛e powi ˛aza´n uzyskuje sie poprzez zastosowanie kopuli, najcz˛e´sciej jest nazywany krótko modelem „Copula-GARCH”. Dynamik˛e struktur powi ˛aza´n pomi˛edzy pomi˛edzy giełdami mo˙zna uzyska´c stosuj ˛ac dla parametrów modelu Copula- GARCH mechanizm sterowania według ukrytego ła´ncucha Markowa. W praktyce podej´scie to wykorzystali w swoich badaniach mi˛edzy innymi Jondeau i Rockinger (2006), Chollete i in. (2009), Bartram i in. (2007), Kenourgios i in. (2011), Silva Filho i in. (2012) i inni. W Polsce tematyk ˛a kopuli zajmował si˛e mi˛edzy innymi Jaworski i in. (2010). W praktycznych zastosowaniach model Copula-GARCH wykorzystywał mi˛edzy innymi Wanat i in. (2015), Mokrzycka i Pajor (2016). Przeł ˛acznikowe modele Copula-GARCH były tematem monografii Domana (2011) oraz Doman i Doman (2014). Temat ten był równie˙z poruszany w pracach autorki (Czapkiewicz i Majdosz 2014, Czapkiewicz i Jamer 2015). Aby zweryfikowa´c wpływ wybranych czynników na zmiany korelacji pomi˛e- dzy stopami zwrotów wybranych indeksów giełdowych, modelem, który był naj- cz˛e´sciej u˙zywany w tego typu analizach był model DCC-MIDAS, który został 5 W całej monografii nazwy giełd b˛ed ˛a stosowane wymiennie, tj. zamiast pełnej nazwy giełdy b˛edzie podany kraj, z którego dana giełda pochodzi. 6 Dla ustalenia uwagi: struktur˛e powi ˛aza´n pomi˛edzy giełdami b˛edziemy rozumie´c jako wielowy- miarowy rozkład szeregów czasowych utworzonych ze stóp zwrotu indeksów giełdowych. 15 opracowany przez Colacito i in. (2011). Znaczenie czynników oraz ich wpływ na zmiany rozpatrywanej struktury powi ˛aza´n pomi˛edzy giełdami mo˙zna analizowa´c równie˙z wykorzystuj ˛ac przeł ˛acznikowy model Copula-GARCH, w którym mecha- nizm przeł ˛aczania według ukrytego ła´ncucha Markowa bazuje na historycznych notowaniach rozpatrywanego czynnika. Sam ukryty model Markowa o takiej struk- turze (TVPMS) został pierwotnie zaproponowany przez Filardo (1994), a nast˛epnie udoskonalony przez Kima i in. (2008). Model ten stosunkowo rzadko był stosowany w tego typu analizach7. Równie˙z własno´sci statystyczne tego modelu s ˛a jeszcze mało udokumentowane w literaturze ekonometrycznej. Zatem kolejnym celem ba- da´n autorki jest weryfikacja wybranych własno´sci statystycznych tego modelu oraz jego zastosowanie w weryfikacji postawionych hipotez badawczych. W niniejszej monografii głównym narz˛edziem wykorzystywanym do opisu struktury powi ˛aza´n pomi˛edzy giełdami b˛edzie przeł ˛acznikowy model Copula- -GARCH, w którym przeł ˛aczenie jest sterowane według ukrytego ła´ncucha Mar- kowa. W celu weryfikacji wpływu wybranych czynników na zmiany rozpatrywanej struktury powi ˛aza´n mi˛edzy giełdami zostanie u˙zyty przeł ˛acznikowy model Copula- -GARCH z mechanizmem TVPMS. Przedstawione zostan ˛a wyniki, które koncentruj ˛a si˛e wokół trzeciego w ˛atku bada´n. Jego tematyka dotyczy teoretycznych własno´sci zastosowanych narz˛edzi statystycznych modeli ekonometrycznych i testów. Do głównych osi ˛agni˛e´c w tej materii b˛edzie nale˙ze´c: 1. Opracowanie algorytmu EM (expectation-maximization algorithm) słu˙z ˛a- cym do estymacji parametrów przeł ˛acznikowego modelu Copula-GARCH z mechanizmem TVPMS tj. zmienn ˛a w czasie macierz ˛a przej´scia zale˙zn ˛a od obserwowalnych czynników. 2. Uporz ˛adkowanie warunków regularno´sci gwarantuj ˛ace asymptotyczn ˛a nor- malno´s´c estymatora MNW (oraz EM) oraz po˙z ˛adane własno´sci statystyk w te´scie Vuonga. W pracy zostan ˛a szczegółowo opisane dwa algorytmy EM, które bazuj ˛a na podej´sciu przedstawionym w pracach Hamiltona (1990, 1994). Autorski algorytm EM dla modelu z mechanizmem TVPMS, zostanie omówiony w podrozdziale 4.3. 7 Przeł ˛acznikowy model Copula-GARCH z mechanizmem TVPMS zastosował Boudt i in. (2012) do zbadania wpływu indeksów VIX oraz wska´znika Ted spread na zmiany poziomu współza- le˙zno´sci mi˛edzy tygodniowymi stopami zwrotu w bankach holdingowych z siedzib ˛a w Stanach Zjednoczonych. Równie˙z Czapkiewicz i in. (2018) wykorzystali ten model w swoich analizach. 16 Natomiast w podrozdziale 4.4 zwrócona zostanie szczególna uwaga na asympto- tyczne własno´sci uzyskanych estymatorów. Klasycznie zakłada si˛e bowiem, ˙ze zmienne losowe, dla których realizacji tworzymy procedur˛e estymacji nieznanych parametrów s ˛a niezale˙zne o tym samym rozkładzie, którego g˛esto´s´c spełnia odpo- wiednie warunki regularno´sci. To zało˙zenie gwarantuje asymptotyczn ˛a normalno´s´c rozkładu estymatora. Jednak takie warunki regularno´sci, zwłaszcza zało˙zenie o nie- zale˙zno´sci zmiennych losowych, nie s ˛a spełnione dla próby, na podstawie której estymujemy nieznane parametry modeli przeł ˛acznikowych. Niespełnienie wyma- ganych warunków regularno´sci uniemo˙zliwia równie˙z zastosowanie powszechnie u˙zywanych testów słu˙z ˛acych do porównywania dwóch modeli, na przykład testu Vuonga (1989). W prezentowanej pracy zostan ˛a wi˛ec uporz ˛adkowane warunki regularno´sci, które gwarantuj ˛a, i˙z estymator najwi˛ekszej wiarogodno´sci (oraz ME) zastosowany dla estymacji nieznanych parametrów przeł ˛acznikowego modelu Copula-GARCH utrzymuje swoje klasyczne własno´sci. Zaprezentowany tok my´slowy wykorzystuje tez˛e twierdzenia, którego dowód znajduje si˛e we wspólnej pracy Czapkiewicz i Da- widowicz (2018). We wspomnianej pracy zostało wykazane centralne twierdzenie graniczne dla zmiennych losowych, których rozkład jest sterowany ukrytm ła´n- cuchem Markowa ze sko´nczon ˛a liczb ˛a stanów. To twierdzenie dało podstawy do dalszych teoretycznych analiz, które zamieszczone zostały wył ˛acznie w prezento- wanej monografii. Aby zbada´c znaczenie czynnika w zmianach struktury powi ˛aza´n pomi˛edzy giełdami nale˙zy wykona´c test porównuj ˛acy dwa modele: model przeł ˛acznikowy sterowany według ukrytego ła´ncucha Markowa oraz model przeł ˛acznikowy z me- chanizmem TVPMS. Jednym z testów, który ma zastosowanie przy porównywaniu dwóch modeli, zarówno niezagnie˙zd˙zonych, jak i zagnie˙zd˙zonych jest test Vuonga (1989). Jednak˙ze zało˙zenia tego testu s ˛a bardzo restrykcyjne. Pomimo, ˙ze zostały one złagodzone w pracy Riversa, Vuonga (2002), to nadal nie s ˛a spełnione dla modeli przeł ˛acznikowych. Autorka w monografii okre´słi warunki regularno´sci, które s ˛a spełnione dla modeli przeł ˛acznikowych oraz wyka˙ze dla tych warunków słuszno´s´c stosowanych statystyk testu Vuonga (1989), poka˙ze w jaki sposób jest formułowana hipoteza zerowa dla porównywania modeli przeł ˛acznikowych i jakiej korekty wymagaj ˛a odpowiednie statystyki testowe. Monografia składa si˛e z dwóch cz˛e´sci: teoretycznej i praktycznej. Pierwsza cz˛e´s´c ma na celu omówienie warsztatu i metodologii, natomiast wyniki bada´n 17 empirycznych s ˛a tematem cz˛e´sci drugiej. W pierwszym rozdziale została krótko opisana struktura rynku finansowego oraz instrumenty finansowe. Rozdział ten ma charakter wył ˛acznie ilustracyjny i przegl ˛adowy. Celem tego rozdziału jest bo- wiem wprowadzenie poj˛e´c, które b˛ed ˛a u˙zywane w monografii. W rozdziale drugim przedstawiono charakterystyki jednowymiarowych finansowych szeregów czaso- wych oraz sposoby ich modelowania. Rozdział trzeci, w którym zdefiniowano i opi- sano własno´sci kopuli, był podstaw ˛a do sformułowania modelu Copula-GARCH. Rozdział czwarty obejmuje tematyk˛e dotycz ˛ac ˛a dynamicznych modeli współza- le˙zno´sci: wspomniano tylko o wielowymiarowych modelach typu GARCH, nato- miast najwi˛ekszy nacisk był poło˙zony na przeł ˛acznikowe modele Copula-GARCH, w których przeł ˛aczenie jest sterowane według ukrytego ła´ncucha Markowa. Zostały opisane metody konstrukcji modelu, sposoby estymacji jego parametrów oraz scha- rakteryzowano asymptotyczne własno´sci estymatorów metody najwi˛ekszej wia- rogodno´sci i algorytmu EM. Rozdział pi ˛aty zawiera wyniki bada´n empirycznych dotycz ˛acych grupowania rynków. W rozdziale tym przedstawiono równie˙z ana- liz˛e zmian jednoczesnych na GPW w Warszawie i giełdach z Europy Zachodniej, z USA oraz z Rosji. Omówiono równie˙z problem zara˙zania warszawskiej giełdy negatywnym impulsem pochodz ˛acym z USA, Niemiec, Francji, Wielkiej Brytanii oraz Rosji. W rozdziale szóstym, przedstawiono badanie dotycz ˛ace wpływu wybra- nych wska´zników na poziom współzale˙zno´sci pomi˛edzy giełdami. Podsumowanie wyników zawarte jest w zako´nczeniu. 18 1. Podstawowe poj˛ecia dotycz ˛ace rynku finansowego Celem niniejszego rozdziału jest przybli˙zenie wybranych poj˛e´c dotycz ˛acych rynku finansowego, które b˛ed ˛a si˛e pojawia´c w monografii. Sam rynek finansowy jest definiowany najcz˛e´sciej jako miejsce, gdzie doko- nuje si˛e zawarcie transakcji kupna lub sprzeda˙zy towaru, jakim jest instrument finansowy (Banaszczak-Soroka i in. 2014). Przegl ˛ad instrumentów finansowych mo˙zna znale´z´c mi˛edzy innymi w pracach Jajugi (2009), Jajugi i Jajugi (2017), Sopo´cko (2010), Thiela (2010). 1.1. Klasyfikacja rynku finansowego Rynek finansowy mo˙zna podzieli´c na dwa główne segmenty operacyjne: rynek pieni˛e˙zny oraz rynek kapitałowy. Bardziej szczegółowa klasyfikacja rynku finanso- wego uwzgl˛ednia jeszcze dodatkowe segmenty: rynek terminowy, zwany równie˙z rynkiem instrumentów pochodnych, rynek walutowy oraz rynek depozytowo-kre- dytowy. Jednym z kryteriów podziału rynku na sektory jest rodzaj instrumentów finansowych b˛ed ˛acych przedmiotem handlu w danym sektorze. Rynek pieni˛e˙zny to segment rynku finansowego, na którym obraca si˛e instru- mentami finansowymi emitowanymi na okres do 52 tygodni. Podstawow ˛a rol ˛a rynku pieni˛e˙znego jest zapewnienie odpowiedniego poziomu płynno´sci jego uczestnikom. Cechuje go idealna konkurencja, co prowadzi do ustalenia cen walorów w wyniku popytu i poda˙zy. Rynek ten pomaga jednostkom gospodarczym w realizacji zapotrze- bowania na kapitał, umo˙zliwiaj ˛ac im zaci ˛aganie kredytów i po˙zyczek krótkotermino- wych. D˛ebski (2014) podaje, ˙ze ze wzgl˛edu na rodzaj transakcji najwi˛ekszymi seg- mentami tego rynku s ˛a rynek lokat mi˛edzybankowych oraz rynek bonów skarbowych. 19 Rynek lokat mi˛edzybankowych kształtuje si˛e głównie w zale˙zno´sci od wyso- ko´sci nadwy˙zek rezerw banków komercyjnych, które mog ˛a by´c lokowane w walo- rach emitowanych przez bank centralny, skarb pa´nstwa lub by´c po˙zyczane innym bankom z odpowiednim ich oprocentowaniem. W zale˙zno´sci od tego, czy bank komercyjny ma zatem nadwy˙zk˛e czy niedobór wolnych rezerw gotówkowych, mo˙ze wyst ˛api´c w charakterze po˙zyczkodawcy lub po˙zyczkobiorcy. W wyniku równowagi popytu i poda˙zy nadwy˙zek ustala si˛e ich stopa procentowa. W nor- malnych warunkach wysoko´s´c oprocentowania lokat mi˛edzybankowych zale˙zy nie tylko od poziomu ryzyka kontrahenta, ale równie˙z od poziomu bazowych stóp procentowych banku centralnego oraz od wielko´sci popytu na pieni ˛adz i poda˙zy pieni ˛adza. Najbardziej znan ˛a stop ˛a oprocentowania lokat mi˛edzybankowych jest indeks LIBOR (Interbank Offered Rate), który jest referencyjn ˛a wysoko´sci ˛a oprocen- towania depozytów i kredytów na rynku lokat mi˛edzybankowym w Londynie. Stopa LIBOR jest ´sredni ˛a arytmetyczn ˛a stóp procentowych, po jakich najwa˙z- niejsze banki Wielkiej Brytanii s ˛a skłonne po˙zycza´c swoje ´srodki innym ban- kom. W Warszawie natomiast jest ustalany indeks WIBOR (Warsaw Interbank Offered Rate), b˛ed ˛acy referencyjn ˛a wysoko´sci ˛a oprocentowania kredytów na pol- skim rynku mi˛edzybankowym. Jest to ´srednia arytmetyczna stóp procentowych podawana przez banki, które zostały dopuszczone do zawierania transakcji z NBP. Stawki te s ˛a obliczane z godziny 11.00 ka˙zdego dnia roboczego. Drugim wa˙znym segmentem rynku finansowego jest rynek kapitałowy. Ze wzgl˛edu na miejsce emisji i sprzeda˙zy instrumentów finansowych rynek kapitałowy dzielimy na rynek pierwotny oraz na rynek wtórny. Na rynku pierwotnym z propozycj ˛a nabycia instrumentów finansowych wyst˛epuje sam emitent. Na tym rynku emitent spotyka si˛e z inwestorem. Kapitał pozyskany w wyniku emisji powi˛eksza zasoby własne emitenta. Z rynkiem pierwotnym mamy po raz pierwszy do czynienia w momencie zakładania spółki akcyjnej, kiedy to jej zało˙zyciele sami obejmuj ˛a lub proponuj ˛a innym osobom obj˛ecie okre´slonej liczby akcji. Natomiast na rynku wtórnym z propozycj ˛a nabycia instrumentów finanso- wych wyst˛epuje ich wła´sciciel. Po wyemitowaniu i przydziale papierów warto- ´sciowych nowej emisji ich pierwszemu wła´scicielowi, papiery te s ˛a nast˛epnie sprzedawane na rynku przez osoby inne ni˙z emitent. Obrót papierami warto´scio- wymi odbywa si˛e mi˛edzy inwestorami. 20
Pobierz darmowy fragment (pdf)

Gdzie kupić całą publikację:

Determinanty zmian współzależności wybranych giełd papierów wartościowych. Analiza relacji GPW w Warszawie z giełdami na świecie
Autor:

Opinie na temat publikacji:


Inne popularne pozycje z tej kategorii:


Czytaj również:


Prowadzisz stronę lub blog? Wstaw link do fragmentu tej książki i współpracuj z Cyfroteką: