rozdział 12 współczesne determinanty kursów akcji

Edward Radosiński, Leopold Szczurowski, Łukasz Radosiński Współczesne determinanty kursów akcji; [w:]
A. Balcerak, W. Kwaśnicki (red.) Metody symulacyjne w badaniu organizacji i w dydaktyce menedżerskiej. Oficyna
Wydawnicza Politechniki Wrocławskiej, Wrocław 2008, ss. 189-200.
ROZDZIAŁ 12
WSPÓŁCZESNE DETERMINANTY KURSÓW AKCJI
Przedmiotem rozdziału jest ocena analizy technicznej i fundamentalnej jako narzędzia modelowania zmienności kursów akcji. Na tym tle dokonano próby wyizolowania współczesnych determinant kursów akcji. Badano zależność statystyczną między zmianami kursu Dow Jones i WIG. Wskazano kierunki dalszych badań nad współczesnymi determinantami kursów akcji.
Słowa kluczowe: modelowanie, analiza techniczna, analiza fundamentalna
12.1. WPROWADZENIE
W ostatnich latach giełda zmieniła się w sposób na tyle istotny, że miało to wpływ
na sposób podejmowania decyzji o zakupie lub sprzedaży akcji, a tym samym na metodykę i znaczenie analizy fundamentalnej i technicznej. Podstawowym wyróżnikiem
zmian na rynkach giełdowych jest ich globalizacja na bazie technologii internetowych.
Obecnie, dzięki Internetowi inwestorzy mają natychmiastowy dostęp do każdej
istotnej informacji rynkowej, jak również mogą swobodnie, także w trybie natychmiastowym, za pośrednictwem maklerskich platform internetowych, inwestować swe
kapitały praktycznie na każdej, z liczących się w skali światowej, giełdzie papierów
wartościowych. Jak każda usługa świadczona przez Internet handel akcjami stał się
praktycznie dostępny dla każdego użytkownika sieci. W efekcie liczba aktywnych
uczestników rynków giełdowych w skali kraju jest liczona w milionach, a w skali
świata – w miliardach. W konsekwencji nastąpiły zmiany w przebiegu procesów
przygotowania decyzji inwestorów (zaniechanie wykonywania niektórych faz,
uproszczenia metodyczne, etc.).
12.2. CZYM (NIE) KIERUJE SIĘ DROBNY INWESTOR?
To umasowienie rynku giełdowego spowodowało, co jest oczywiste, jego
pauperyzację. Przeciętny tzw. drobny inwestor nie ma wystarczającej wiedzy ekono-
190
Część II. Konceptualizacje i aplikacje
micznej, ani nawet ochoty, aby przed podjęciem decyzji o zakupie akcji przeprowadzać skomplikowane analizy fundamentalne czy techniczne. Podstawową przesłanką,
jaką kieruje się ten typ inwestorów jest wynik obserwacji trendu głównych indeksów
giełdowych – jeśli rosną, to decyzja: „kupuj”, jeśli spadają, to decyzja: „sprzedaj”.
Taka taktyka podejmowania decyzji giełdowych przez miliony drobnych inwestorów
internetowych skutkuje bardzo długimi okresami hossy, gdy inwestorzy wykupując
wzajemnie od siebie akcje podbijają ich ceny i podtrzymują w ten sposób trend wzrostowy indeksów. W pewnym momencie, gdy przypadkowo zbiegnie się kilka niepomyślnych zdarzeń polityczno-ekonomicznych o znaczeniu globalnym, bańka spekulacyjna pęka i rozpoczyna się równie długi okres bessy na światowych rynkach giełdowych.
Jeśli na współczesnych rynkach giełdowych królem jest trend, to królową (która de
facto rządzi królem) jest największy system ekonomiczny świata, czyli gospodarka
Stanów Zjednoczonych Ameryki wraz z jej giełdami. W warunkach globalnego dostępu do informacji rynkowej giełda nowojorska wyznacza trend główny na światowym rynku akcji, za którym podążają trendy pozostałych giełd światowych, w tym
giełda polska. Przykładowo, jeśli zostanie opublikowana informacja o istotnym wzroście inflacji w USA, wówczas wśród inwestorów rośnie nadzieja, że bank centralny
podniesie bazowe stopy procentowe celem podwyższenia kosztu kredytu
i zmniejszenia tym samym podaży pieniądza. Podwyżka stóp procentowych zwiększa
atrakcyjność bonów skarbowych, w efekcie, na podstawie wyników nowej kalkulacji
„stopa zwrotu – ryzyko”, inwestorzy są skłonni podjąć decyzję o sprzedaży części
akcji, aby uwolnione w ten sposób fundusze przeznaczyć na zakup bardziej opłacalnych bonów skarbowych. Antycypując tego typu zachowanie, duzi inwestorzy, którzy
zwykle jako pierwsi mają dostęp do tego typu informacji (zgodnie z giełdowym porzekadłem „Giełda wie zawsze jako pierwsza!”), podejmują decyzję o sprzedaży
swoich akcji, dając tym samym impuls spadkowy na giełdzie nowojorskiej. Wystąpienie tego impulsu jest natychmiast zauważalne przez miliony internautów, którzy na
całym świecie śledzą ustawicznie aktualną sytuację na giełdach światowych przede
wszystkim poprzez obserwację indeksów giełdowych. Pod wpływem tego impulsu
przynajmniej część z nich, a przy umasowieniu handlu są to miliony inwestorów na
całym świecie, podejmuje także decyzję o sprzedaży. To zmasowana reakcja drobnych
inwestorów powoduje, że w ślad za giełdą nowojorską następuje spadek indeksów
także na giełdach regionalnych, w tym na giełdzie polskiej. Na zachowanie się
drobnego inwestora wpływa także pewne psychologiczne oddziaływanie środków masowego przekazu i przyjmowana przez nie hierarchia ważności informacji z giełdy.
O ile otwarcie giełdy nowojorskiej jest zawsze wiadomością dnia, to wyniki konkretnych spółek są podawane tylko w specjalistycznych serwisach ekonomicznych, do
których drobny inwestor nie zawsze chce zaglądać.
To że drobni inwestorzy biorą pod uwagę trend indeksów, a nie aktualną kondycję
ekonomiczną kupowanej spółki wynika nie tylko z niechęci do przeprowadzania
Rozdział 12. Współczesne determinanty kursów akcji
191
skomplikowanych analiz, ale jest także konsekwencją polityki dywidendowej prowadzonej od lat przez spółki notowane na polskiej giełdzie. Większość z tych spółek albo
nie płaci dywidendy w ogóle, albo płaci tak mało, że stopa zwrotu akcji jest niższa od
stopy zwrotu z obligacji, mimo że ryzyko inwestowania w akcje jest zdecydowanie
wyższe. Spółki nie płacą dywidendy, gdyż zakładają, że nabywcy ich akcji liczą
przede wszystkim na zyski kapitałowe, natomiast pomijają w swych kalkulacjach
ewentualne zyski w formie dywidendy. Jeżeli dla uczestników rynku papierów
wartościowych liczą się tylko zyski kapitałowe, to konsekwencją tego jest skupienie
uwagi, zgodnie z tym co zostało powiedziane wcześniej, na obserwacji trendu akcji
spółki, który dla większości spółek jest pochodną trendu indeksu głównego. Jeśli
dywidenda ma znaczenie marginalne, to dane spółek o ich kondycji ekonomicznej
także są informacją podrzędną, co w sposób istotny wpływa na znaczenie analizy
fundamentalnej jako sposobu wypracowywania decyzji giełdowych.
12.3. PRZYCZYNA-SKUTEK CZY SKUTEK-PRZYCZYNA?
W efekcie kurs giełdowy typowego polskiego banku mniej zależy od jego wyników kwartalnych, a często bardziej od, nieraz marginalnych, informacji o kondycji
amerykańskiej gospodarki. Innymi słowy w ostatnich latach obserwuje się istotne
oderwanie kursu akcji danej spółki, czyli jej wyceny rynkowej, od jej wyceny ekonomicznej przeprowadzonej na przykład za pomocą metod analizy fundamentalnej.
Jedynie zdecydowanie złe lub zdecydowanie dobre widoczne „gołym okiem” wyniki ekonomiczne danej spółki mogą spowodować, iż trend kursu jej akcji będzie
przeciwstawny w stosunku do trendu wytyczonego przez główne indeksy giełdowe,
jak WIG czy WIG 20. To ścisłe uzależnienie trendów wskaźników giełd regionalnych
od giełdy nowojorskiej powoduje, że nastąpiło swoiste odwrócenie relacji pomiędzy
indeksem a kursami akcji składającymi się na ten indeks. To nie kursy akcji wchodzących w skład indeksu giełd regionalnych wpływają na wartość tego indeksu, lecz na
odwrót - spodziewany spadek indeksu powoduje wyprzedaż akcji i spadek ich kursów
Poczynione powyżej uwagi mają charakter dyskusyjny. Niemniej zanim wejdzie
się w gąszcze klasycznych założeń analizy fundamentalnej i technicznej należy zwrócić uwagę, że w ciągu ostatnich lat na giełdzie zaszły na tyle istotne zmiany, że bez
wątpienia miały one wpływ na sposoby oceny sytuacji rynkowej przez inwestorów
i na tej podstawie podejmowanie decyzji o zakupie bądź sprzedaży akcji. Zilustrował
to znakomicie Leszek Baj [2008]: „W piątek początek sesji w Warszawie można było
przewidzieć. Fatalna czwartkowa sesja w Ameryce (indeksy poszły w dół o 2-2,4
proc.) sprawiła, że nienajlepsze nastroje zapanowały na wszystkich ważniejszych
parkietach świata … Indeksy [w Warszawie] rozpoczęły się na minusie - WIG20 tracił
1,3 %, najszerszy WIG spadał o 1.1 % ... Ale po południu stał się cud. Amerykański
Część II. Konceptualizacje i aplikacje
192
Departament Handlu podał, że zamówienia na dobra trwałe w fabrykach w USA
w czerwcu rosły w najszybszym tempie od czterech miesięcy. Dodatkowo okazało się,
że sprzedaż domów w czerwcu spadła, ale nie tak bardzo, jak sądzili analitycy…
Dobrą wiadomość poczuła i warszawska giełda, bo około 14.30 indeks najważniejszych spółek giełdowych WIG 20 momentalnie zaczął rosnąć”.
12.4. WSTĘPNA ANALIZA ZALEŻNOŚCI INDEKSÓW
Przeprowadzone rozważania zmierzają nieuchronnie do sformułowania dwóch hipotez badawczych. Pierwszej, że istnieje istotna zależność między wartościami indeksu WIG a wartościami indeksu Dow Jones (DJ)1, oraz w związku z tym, drugiej,
że przebiegi szeregów czasowych obu indeksów są do siebie podobne. Wstępna analiza obejmie uzasadnienie sensowności dowodzenia drugiej hipotezy i dowodzenie
pierwszej hipotezy za pomocą badania korelacji między indeksami WIG a DJ.
Szczególnie druga hipoteza jest atrakcyjna poznawczo i utylitarnie. Każdy inwestor marzy przecież o odkryciu liczbowej zależności między przyczyną (wzrost DJ)
a skutkiem (wzrost WIG). Dowodzenie wymagałoby rozległych badań statystycznych
wykorzystujących metody, techniki i narzędzia szczegółowych statystyk opisowych,
przewidzianych do badań regresji2 i analiz podobieństwa szeregów czasowych3. Zanim zaczniemy ponosić związane z tym nakłady warto uruchomić zdrowy rozsądek
i wstępnie ocenić sensowność takich badań.
Bardzo pomocna w badaniach – nie tylko statystycznych - jest wizualizacja problemu.4 Stanisz [2000] wręcz uważa, że analizę związków między badanymi cechami
rozpoczyna się zawsze od sporządzenia wykresu. Oczywiście wcześniej trzeba pozyskać wiarygodne dane, a następnie poddać je zabiegom technicznym takim, jak: digitalizacja, czyszczenie danych, obsługa brakujących danych, przekształcanie danych
(normalizacja, standaryzacja), etc.5 W opisywanych analizach wykorzystano6 dane
historyczne z Giełdy Papierów Wartościowych w Warszawie oraz Giełdy Nowojorskiej za okres od 30 maja 2006 roku do 3 września 2008 roku:
__________
1
Jeden z najważniejszych i najstarszych działających indeksów akcji spółek notowanych na Giełdzie
Papierów Wartościowych w Nowym Jorku (Dow Jones Industrial Average – DJIA). Został skonstruowany przez Ch. Dowa i E. Jonesa. Składa się on z około 30 największych amerykańskich przedsiębiorstw.
2
Np. [Pawłowski 1981], [Sobczyk 2007].
3
Zobacz [Otnes, Enochson 1978].
4
Porównaj [Radosiński 2001]
5
Więcej zobacz np. [Larose 2006, ss. 26-39].
6
Szeregi czasowe indeksów są dostępne pod adresem: http://www.ioz.pwr.wroc.pl/pracownicy/
szczurowski/sssg/2008/ Wig_i_DJ_2006-08.pdf .
Rozdział 12. Współczesne determinanty kursów akcji
{{WIGt }, {DJt }};
193
t ∈{d1,..., dn }; d1 = 2006− 05 − 30;..., dn = 2008− 09 − 03
(12.1)
W tabeli 12.1. przedstawiono ogólną charakterystykę tych danych źródłowych,
obejmujących 582 sesje (n=582) odbyte w ciągu niepełnych trzech lat historii notowań
indeksów. Zaprezentowane w pozycjach od 3. do 6. wartości parametrów statystyk
opisowych indeksów notowań (średnia i odchylenie standardowe) obliczono dla
wartości kursów zamknięcia sesji. Wartości te tylko w ograniczonym sensie (odchylenie standardowe) mogą okazać się pomocne w analizie falsyfikującej. Wybrane
fragmenty szeregów czasowych wykorzystano do zobrazowania problemu.
Tabela 12.1. Charakterystyka danych źródłowych
Przedmiot
Lata
Łącznie
2006
1
Granice segmentu danych
2
Liczba sesji
3
Średni kurs zamknięcia indeksu WIG
4
Odchylenie standardowe dla indeksu WIG
5
Średni kurs zamknięcia indeksu DJ
6
Odchylenie standardowe dla indeksu DJ
30.05.29.12.
30.05.06-03.09.08
2007
03.01.31.12.
2008
02.01.03.09.
582
151
257
174
51 333,18
45 077,00
59 073,21
45 365,57
8 021,49
4 112,01
4 324,11
3 802,93
12 468,15
11 610,47
13 176,30
12 171,48
852,00
532,34
523,14
552,93
Opracowanie własne
Etap wstępnej wizualizacji problemu podzielono na fazę wzrokowego badania
sensowności analiz podobieństwa szeregów czasowych indeksów WIG i DJ oraz
wstępną wzrokową analizę związku korelacyjnego między badanymi indeksami (wykres rozrzutu - scatterplot).
Wykres (rys. 12.1) ułatwiający wzrokowe zbadanie sensowności przeprowadzenia
analiz podobieństwa szeregów czasowych indeksów WIG i DJ wykonano na „surowych danych” za okres od 3.09.2007 do 3.09.2008. W celu zapewnienia tej samej
skali wartości dla szeregów czasowych wykonano normowanie przestrzeni ich wartości zapewniające start obu śledzonych indeksów w dniu 3.09.2007 r. z tego samego
miejsca w układzie współrzędnych. Zastosowano następujący wzór1:
znorm - DJ t =
WIG 2007-09-03
⋅ DJ t
DJ 2007-09-03
(12.2)
Nawet pobieżne porównanie szeregu czasowego znormalizowanego indeksu DJ
z odpowiadającym mu przebiegiem indeksu WIG za okres kwiecień – sierpień 2008
__________
1
Wartość współczynnika normującego w tym przypadku wynosiła 4,56743.
194
Część II. Konceptualizacje i aplikacje
Rys. 12.1. Notowania WIG i znormalizowanego DJ w okresie 04/08-08/08.
Opracowanie własne
Rys. 12.2. Wykres rozrzutu indeksu WIG względem indeksu DJ w 2007 r.
Opracowanie własne
(rys. 12.1.) wskazuje na sensowność falsyfikowania hipotezy o „podobieństwie segmentu wartości indeksu WIG do segmentu wartości indeksu DJ”. Przebiegi indeksów
wydają się być prawie identyczne.
Wykres rozrzutu używany w kolejnym etapie analizy (zobacz rys. 12.2.) – jest podstawą wstępnej, wzrokowej oceny zależności między badanymi zmiennymi, a nawet
ułatwia określenie siły i rodzaju zależności (por. [Stanisz 2000]). Przyjmijmy, że
analiza związana jest z badaniem dwóch zmiennych WIG i DJ w 2007 roku. Wartości
Rozdział 12. Współczesne determinanty kursów akcji
195
tych zmiennych w próbie n-elementowej (n=2571) są zestawione w postaci dwóch
szeregów szczegółowych, tak jak we wzorze 12.1, z tym, że t ∈ [2007-01-03; 200712-31]. W prostokątnym układzie współrzędnych na osi odciętych zaznaczamy
wartości DJ, a na osi rzędnych - wartości WIG. Punkty odpowiadające poszczególnym
wartościom indeksów dla tych samych sesji tworzą korelacyjny wykres rozrzutu.
Gdyby zaznaczone punkty leżały dokładnie na linii prostej – czego nie dowodzi rys.
12.2. - wówczas moglibyśmy mówić o pełnej korelacji między WIG a DJ. Rys. 12.2.
wskazuje raczej na silną korelację badanych indeksów giełdowych. Wynika to
z kształtu w jaki ułożyły się punkty opisujące sesje. Figura składa się z wielu punktów
leżących mniej więcej wzdłuż linii prostej, a jednocześnie odnosi się wrażenie, jakby
punkty te równocześnie się poruszały – taki efekt obrazuje właśnie silne skorelowanie.
Brak korelacji byłby odwzorowany w postaci bezkształtnej chmury punktów. Można
także z dużą dozą pewności przyjąć, że WIG i DJ są skorelowane dodatnio, ponieważ
- jak widać na rys. 12.2. - wzrostowi DJ odpowiada wzrost wartości WIG.
Rysunki 12.1. i 12.2. jakościowo, wizualizacyjnie wspierają hipotezę o statystycznej zależności między WIG a DJ. Mają one z pewnością większą „wartość dowodową” niż – wcześniej omówione i wsparte logiką - spekulacje słowne2. Warto przy
tym zauważyć, że przedstawione „dowody wizualizacyjne” skonstruowano na danych
bez uwzględnienia 1-dniowego wyprzedzenia w czasie notowań DJ w stosunku do
notowań WIG wynikającego z różnych stref czasowych. Zabieg 1-dniowego przesunięcia względem siebie wartości szeregów czasowych WIG i DJ musi być wykonany
w statystycznym dowodzeniu korelacji między nimi.
Ostatnim omówionym w tej pracy badaniem jest wstępna analiza związku statystycznego między indeksem WIG a DJ. Wstępna analiza oznacza, że zbadana zostanie
zależność – wyłącznie za pomocą dyskusji wartości współczynnika korelacji – między
indeksem WIG a DJ:
∑ (WIG
n
r=
i
− WIG)(DJ i − DJ)
i =1
∑ (WIG
n
i =1
∑ (DJ
(12.3)
n
i
− WIG)
2
i
− DJ)
2
i =1
gdzie:
r – współczynnik korelacji,
WIGi – wartość indeksu WIG na zamknięcie i-tej sesji,
__________
1
Rozmiar próby równa się liczbie sesji w 2007 r.
Większość zjawisk na świecie pozostaje w jakichś związkach, a nieprecyzyjne słowa, takie jak:
więcej, mało, przeważnie, często, etc., niewiele wnoszą do warstwy dowodzenia. Twierdzenie: "rak płuc
jest powiązany z paleniem papierosów" oznacza, że statystycznie osoba paląca więcej papierosów, ma
większą szansę zachorować na raka. To nieprecyzyjne twierdzenie można uzupełnić (i wzmocnić) np.
analizą korelacji między intensywnością zgonów na raka płuc, a liczbą wypalanych dziennie papierosów.
2
Część II. Konceptualizacje i aplikacje
196
DJi – wartość indeksu DJ na zamknięcie i-tej sesji,
n – liczba sesji,
- średnia wartość indeksu WIG dla n sesji,
WIG
- średnia wartość indeksu DJ dla n sesji.
DJ
Interpretacja związku statystycznego między indeksem DJ a indeksem WIG oznacza, że określonym wartościom indeksu DJ odpowiadają określone średnie wartości
WIG. Teoretycznie można by obliczyć, jak zmieni się - średnio - wartość indeksu
WIG w zależności od wartości indeksu DJ (tzw. określanie siły i kierunku zależności).
Takie obliczenia muszą być poprzedzone analizą merytoryczną uzasadniającą występowanie związku1.
Tabela 12.2. zawiera literaturową2 interpretację skali siły korelacji w zależności od
wartości współczynnika r. Na jej podstawie można – po obliczeniu wartości r - precyzyjniej rozpoznać korelację między indeksami WIG i DJ.
Tabela 12.2. Skala siły korelacji w zależności od współczynnika korelacji
LP
Współczynnik korelacji
Siła korelacji
1
r=0
brak korelacji
2
0 < r < 0,1
nikła
3
0,1 =< r < 0,3
słaba
4
0,3 =< r < 0,5
przeciętna
5
0,5 =< r < 0,7
wysoka
6
0,7 =< r < 0,9
bardzo wysoka
7
0,9 =< r < 1
prawie pełna
8
r=1
pełna
Na podstawie [Sobczak 2008], [Stanisz 2000]
W tabeli 12.3. i na rysunku 12.3. przedstawiono obliczone wartości współczynnika
korelacji dla indeksów WIG i DJ. Obliczenia przeprowadzono za pomocą arkusza
kalkulacyjnego dla kompletnych serii danych indeksów opisanych w tabeli 12.1.
w rozbiciu na lata 2006, 2007 i 2008 oraz w zależności od założonego - wyrażonego
w dniach - opóźnienia reakcji (τ) inwestorów Giełdy Warszawskiej na zmianę wartości DJ na Giełdzie Nowojorskiej. Wprowadzenie opóźnienia τ oznacza, że do obliczeń wartości współczynnika r (zobacz wzór 12.3) w miejsce szeregu wartości in__________
1
Np. Stanisz [2000] powołuje znane z literatury badania na danym obszarze geograficznym zależności (nawet istotnej statystycznie) między liczbą zajętych gniazd bocianich a liczbą urodzeń. Liczbowe
stwierdzenie występowania zależności nie zawsze oznacza występowanie związku przyczynowo-skutkowego. Na współwystępowanie zjawisk może wpływać np. trzecie zjawisko.
2
Zobacz np. [Sobczak 2008], [Stanisz 2000].
Rozdział 12. Współczesne determinanty kursów akcji
197
deksu WIGi (dla i=1, ..., n) będzie wzięty szereg wartości WIGτ,i (dla i=1, ..., nτ) uzyskanych według formuły:
∀
WIGτ ,i = WIG i +τ ; nτ = n − τ
τ <n
(12.4)
i =1,...,nτ
Tabela 12.3. Współczynniki korelacji indeksu WIG z DJ)
LP
Indeks
τ
Łącznie
[dzień]
[Wig_ALL]
Seria wyników
[Wig_2006]
[Wig_2007]
[Wig_2008]
1
WIG
0
0,9093
0,9052
0,8991
0,8278
2
WIG
1
0,9065
0,9064
0,8937
0,8309
3
WIG
2
0,9003
0,9038
0,8837
0,8142
4
WIG
3
0,8941
0,8996
0,8745
0,7965
Opracowanie własne
Analizując
wyniki
zawarte w tabeli 12.3.
z uwzględnieniem klas
siły korelacji z tabeli
12.2. można stwierdzić,
że dla wszystkich przebadanych opóźnień (τ=0,
1, 2, 3) indeksy WIG
i DJ są bardzo wysoko
lub prawie w pełni skorelowane (aż 37,5%
obliczonych współczynników). Tym samym nie
można odrzucić hipotezy
o występowaniu istotnej
zależności między wartościami indeksu WIG
a wartościami indeksu
Rys. 12.3. Korelacja indeksów WIG i DJ w latach 2006 – 2008
DJ.
w zależności od opóźnienia reakcji inwestorów
Szczegółowe badanie
Opracowanie własne
serii danych pokazanych
na rysunku 12.3. prowadzi do trzech wniosków. Po pierwsze, maksymalne skorelowanie indeksów następuje przy braku opóźnienia (dla τ=0) lub jednodniowym opóźnieniu
198
Część II. Konceptualizacje i aplikacje
(dla τ=1). Oznacza to, że inwestorzy Giełdy Warszawskiej reagują szybko i przede
wszystkim na zmiany nowojorskiego indeksu DJ.
Drugi wniosek dotyczy tej samej grupy analiz i prowadzi do podobnej interpretacji. Dla większych opóźnień (τ=2 i τ=3) wartości współczynników korelacji maleją.
Czyli, jak można było oczekiwać, siła oddziaływania zmian DJ na inwestycje składające się na wartość indeksu WIG spada już po dwóch dobach. Wstępnie potwierdzałoby to wcześniej sformułowane przypuszczenie, że inwestorzy – zwłaszcza tzw.
drobni – nie stosują narzędzi wspomagających decyzje (np. analizy technicznej).
Trzecia konstatacja jest związana ze współczynnikami korelacji dla 2008 roku.
Wprawdzie pozostają one w grupie bardzo wysokiej korelacji, ale jednak różnią się od
pozostałych od 7,6% (dla τ=1) do 12,9% (dla τ=3). Pewnym wytłumaczeniem jest
fakt, że w 2008 roku giełdy światowe opanowała bessa, którą rządzą inne - niż podczas hossy - mechanizmy podejmowania decyzji, zwłaszcza wśród tzw. dużych inwestorów.
12.5. PODSUMOWANIE
Rozważania przeprowadzone w części opisowej pracy, wprawdzie spekulatywnie,
ale logicznie, uzasadniają tezę, że jedną z istotnych determinant kształtowania się
kursów akcji na Warszawskiej Giełdzie Papierów Wartościowych jest śledzenie przez
inwestorów kursów akcji notowanych na Giełdzie w Nowym Jorku, a zwłaszcza indeksu Dow Jones. Wprawdzie opisane w części obliczeniowej pracy dowody nie
przesądzają hipotezy o podobieństwie przebiegu wartości segmentu indeksu WIG do
segmentu wartości indeksu DJ, ale też go nie falsyfikują. Natomiast obliczona bardzo
wysoka i prawie pełna korelacja badanych zmiennych czyni falsyfikowaną hipotezę
bardzo prawdopodobną. Osiągnięte wyniki nie są zamkniętym etapem badawczym.
Badania rozszerzające, uzupełniające i uszczegółowiające opisane analizy mogłyby
dotyczyć takich zagadnień, jak:
• Analizy podobieństwa innych indeksów np. WIG20, którego interpretacja
składu bardziej „pasuje” do Dow Jonesa.
• Przygotowania kompletnych za lata 2006-2008 i bardziej wiarygodnych szeregów czasowych do analiz. Przeprowadzenie ich digitalizacji, czyszczenia, obsługi brakujących danych oraz niezbędne ich przekształcania (normalizacja,
standaryzacja).
• Głębszego badania korelacji indeksów w warunkach hossy i bessy. Wymagałoby to pozyskania danych nie tylko zagregowanych (o łącznej wartości wzrostu/spadku indeksu), ale także niezagregowanych, pokazujących strukturę podziału wartości indeksów przypadających na dużych i drobnych inwestorów.
Rozdział 12. Współczesne determinanty kursów akcji
199
•
Rozszerzenia zakresu badania korelacji w związku z opóźnieniami np.
z uwzględnieniem opóźnień godzinowych.
• Analizy porównawczej skutków istotnych zdarzeń o zasięgu światowym i ich
wpływu na zmiany wartości badanych indeksów.
• Korelacje z kursami innych giełd.
• Rozszerzenia wykorzystania w procedurze badawczej technik wizualizacyjnych1 ułatwiających wstępne, poglądowe analizy szeregów czasowych, np. porównawczy opis przebiegu bezwzględnych znormalizowanych wartości szeregów czasowych badanych indeksów, ale także analizę porównawczą wskaźników procentowych dynamiki.
• Rozszerzenie zakresu stosowanych - w analizach podobieństwa szeregów
czasowych2- metod3, technik i narzędzi statystycznych, zwłaszcza analiz regresji.
Perspektywicznie można uznać, że wyniki planowane i już osiągnięte pozwolą na
opracowanie nowej metodologii analizy technicznej i fundamentalnej. Metodologia ta
będzie uwzględniała determinanty wskazane w niniejszym rozdziale.
LITERATURA
BAJ L. 2008. W piątek na GPW: od depresji do euforii, Gazeta Wyborcza, 26-27. lipca 2008.
CZEKAŁ M. 1998. Analiza fundamentalna i techniczna. Wydawnictwo Akademii
Ekonomicznej im. Oskara Langego, Wrocław.
DUDYCZ H. 1998. Wizualizacja danych jako narzędzie wspomagania zarządzania
przedsiębiorstwem. Wydawnictwo Akademii Ekonomicznej im. Oskara Langego we
Wrocławiu, Wrocław.
JAGIELNICKI A. 2007. Inwestycje giełdowe: Jak grać i wygrywać. Wydawnictwo "Helion", Gliwice cop.
KLEIN P.J. 1999. Wstęp do analizy papierów wartościowych., Liber, Warszawa.
LAROSE D.T. 2006. Odkrywanie wiedzy z danych. Wprowadzenie do eksploracji danych. Wydawnictwo Naukowe PWN, Warszawa.
OTNES R.K, ENOCHSON L. 1978. Analiza numeryczna szeregów czasowych. Wydawnictwo
Naukowo-Techniczne, Warszawa.
PAWŁOWSKI Z. 1981. Statystyka matematyczna. Państwowe Wydawnictwo Naukowe, Warszawa.
RADOSIŃSKI E. 2001. Systemy informatyczne w dynamicznej analizie decyzyjnej. WN PWN,
Warszawa-Wrocław.
SEI-KOLASA M.., ZIELIŃSKA A. 2004. Excel w statystyce. Materiały do ćwiczeń. Wydawnictwo
Akademii Ekonomicznej im. Oskara Langego we Wrocławiu, Wrocław.
__________
1
Zobacz np. [Dudycz 1998].
Zobacz [Otnes i Enochson 1978].
3
Np. [Pawłowski 1981], [Sobczyk 2007].
2
200
Część II. Konceptualizacje i aplikacje
SOBCZYK M. 2007. Statystyka. Wydawnictwo Naukowe PWN, Warszawa, ss.32-59, 220-257.
STANISZ A. 2000. Podstawy statystyki dla prowadzących badania naukowe. Analiza korelacji.
Medycyna
Praktyczna,
nr
10,
2000
(http://www.mp.pl/artykuly/index.php?aid=10898&_tc=
570A7E72BB0D4A3A9422B214A62B7200 ; 19.09.2008).