Efektywność inwestowania na przykładzie spółek giełdowych z
Transkrypt
Efektywność inwestowania na przykładzie spółek giełdowych z
Zarz¹dzanie i Finanse Journal of Management and Finance Vol. 13, No. 3/1/2015 Adrianna Mastalerz-Kodzis* Ewa Poœpiech** Adrianna Mastalerz-Kodzis, Ewa Poœpiech Efektywnoœæ inwestowania na przyk³adzie spó³ek gie³dowych z sektora energetycznego, paliwowego i surowcowego Efektywnoœæ inwestowania na przyk³adzie spó³ek gie³dowych… Wstêp Proces decyzyjny zwi¹zany z wyborem optymalnego portfela inwestycyjnego jest z³o¿ony i zale¿ny od wielu czynników ekonomicznych. Efektywnoœæ podjêtych decyzji zale¿y miêdzy innymi od odpowiedniego doboru zastosowanych metod badawczych i od dynamicznie i stochastycznie zmieniaj¹cej siê sytuacji na rynku kapita³owym. W literaturze naukowej mo¿na znaleŸæ wiele ró¿nych modeli optymalizacyjnych mog¹cych znaleŸæ zastosowanie w konstruowaniu strategii inwestycyjnych, w doborze walorów i ustalaniu ich udzia³ów w portfelach inwestycyjnych [G¹siorkiewicz, 2011; Go³êbiowski, T³acza³a 2009; JóŸwicki, 2011; Przekota, Szczepañska-Przekota, 2008; Tarczyñski, 2002]. Jednak¿e ka¿da decyzja inwestycyjna jest zale¿na miêdzy innymi od specyfiki rynku, na którym siê inwestuje, od mo¿liwoœci wyboru strategii oraz zbioru rozwa¿anych walorów wchodz¹cych w sk³ad portfela. Rynek efektywny (wg Louisa Bacheliera i Eugene Famy) to taki, na którym cena waloru odzwierciedla wszystkie dostêpne informacje na temat tego waloru. Jednak¿e w analizowanych modelach oprócz szeregu cen bêd¹ analizowane tak¿e historyczne wartoœci wybranych wskaŸników fundamentalnych, aby w portfelach optymalnych znalaz³y siê spó³ki o silnych fundamentach [Tarczyñski, 2002]. Celem zaprezentowanych w artykule badañ jest wskazanie efektywnych portfeli inwestycyjnych oraz ustalenie rankingu walorów o silnych fundamentach za pomoc¹ metod analizy fundamentalnej na przyk³adzie spó³ek wchodz¹cych w sk³ad wybranych indeksów sektorowych. Za pomoc¹ metod wielowymiarowej analizy porównawczej skonstruowano * Dr, Katedra Matematyki, Wydzia³ Zarz¹dzania, Uniwersytet Ekonomiczny w Katowicach, ul. 1 Maja 50, 40-287 Katowice, [email protected] ** Dr in¿., Katedra Matematyki, Wydzia³ Zarz¹dzania, Uniwersytet Ekonomiczny w Ka- towicach, ul. 1 Maja 50, 40-287 Katowice, [email protected] 96 Adrianna Mastalerz-Kodzis, Ewa Poœpiech dwa mierniki syntetyczne, a nastêpnie rozwi¹zano zadania optymalizacyjne okreœlaj¹ce efektywnoœæ otrzymanych rozwi¹zañ. 1. Metodyka badañ 1.1. Elementy analizy fundamentalnej Analiza fundamentalna koncentruje siê na emitencie papieru wartoœciowego oraz jego otoczeniu ekonomicznym. Bada kondycjê finansow¹ emitenta, perspektywy rozwoju i odpowiada na pytanie, czy warto zainwestowaæ w jego papiery wartoœciowe [G¹siorkiewicz, 2011; Go³êbiowski, T³acza³a, 2009; Micherda, 2004]. Celem analizy jest wybór waloru gie³dowego o najwiêkszym zysku w przysz³oœci. Istnieje wiele ró¿nych wskaŸników fundamentalnych. W niniejszym opracowaniu wybrano nastêpuj¹ce: 1. WskaŸnik rentownoœci aktywów (Return on Assets) – ROA: (Zysk netto / aktywa ogó³em) × 100%. WskaŸnik ROA informuje, jak efektywnie firma zarz¹dza swoim maj¹tkiem. Im wy¿szy poziom rentownoœci aktywów, tym lepsza sytuacja finansowa firmy. 2. Stopa zwrotu z kapita³u w³asnego (Return on Equity) – ROE: (Zysk netto / kapita³ w³asny) × 100%. WskaŸnik ROE okreœla wielkoœæ zysku netto przypadaj¹cego na jednostkê zainwestowanego kapita³u. Im wartoœæ tego wskaŸnika jest wy¿sza, tym korzystniejsza jest sytuacja finansowa firmy. 3. WskaŸnik ceny rynkowej akcji do wartoœci ksiêgowej na akcjê P/BV (Price/Book Value): (Cena gie³dowa akcji / wartoœæ ksiêgowa akcji). WskaŸnik P/BV informuje, ile razy wartoœæ spó³ki na rynku jest wiêksza (mniejsza) od jej wartoœci ksiêgowej. 4. WskaŸnik ceny akcji w stosunku do bie¿¹cych zysków P/E (Price Earning Ratio): (Cena rynkowa akcji / zysk na 1 akcjê). Wielkoœæ P/E okreœla, ile razy wartoœæ rynkowa firmy przewy¿sza wartoœæ wypracowanego w ci¹gu roku zysku. Za pomoc¹ wskaŸników analizy fundamentalnej mo¿na charakteryzowaæ dzia³alnoœæ przedsiêbiorstwa. Pozwalaj¹ one zidentyfikowaæ mocne i s³abe strony funkcjonowania przedsiêbiorstwa, dostarczaj¹ informacji o zagro¿eniach i szansach w jego dzia³alnoœci. Na podstawie mierników Efektywnoœæ inwestowania na przyk³adzie spó³ek gie³dowych… 97 analizy fundamentalnej mo¿na konstruowaæ strategie inwestycyjne [Tarczyñski, 2002; JóŸwicki, 2011; Przekota, Szczepañska-Przekota, 2008]. 1.2. Wielowymiarowa analiza porównawcza (WAP). Konstrukcja mierników syntetycznych WAP umo¿liwia analizê kilku zmiennych opisuj¹cych badane zjawisko. Mo¿na porównaæ ró¿ne obiekty (np. ceny akcji, wartoœci indeksów), które s¹ opisywane przez wiele cech. Na podstawie macierzy danych opisuj¹cych obiekty mo¿na konstruowaæ mierniki syntetyczne [Giri, 2004; Rencher, 2002; Ostasiewicz, 1999; Panek, 2009]. 1.2.1. Taksonomiczny miernik wzorcowy Dla n obiektów opisanych za pomoc¹ m wskaŸników skonstruowano macierz danych pierwotnych X = [x ij ]n´m (1) Zamieniono destymulanty na stymulanty, znormalizowano zmienne. Do normalizacji wykorzystano standaryzacjê wartoœci dokonywan¹ wg wzoru: x ij – x j (2) y ij = sj gdzie x j to œrednia arytmetyczna cechy j, zaœ s j jest odchyleniem standardowym cechy j. Uzyskano macierz: Y = [y ij ]n´m (3) W macierzy zmiennych (3) dla ka¿dej zmiennej wybrano wartoœæ najwiêksz¹ – zestaw tak dobranych danych stanowi wzorzec y oj . Nastêpnie obliczono odleg³oœæ ka¿dego obiektu od wzorca wg wzoru Euklidesa: m di = S (y ij – y oj )2 j =1 m (4) Im mniejsza wartoœæ d i , tym mniejsza odleg³oœæ obiektu od wzorca. Zmienna d i jest nieunormowana. Przekszta³cono j¹, wykorzystuj¹c wzór: d (5) y i =1 – i d0 gdzie: y i – taksonomiczny miernik rozwoju dla i-tego obiektu, 98 Adrianna Mastalerz-Kodzis, Ewa Poœpiech d i – odleg³oœæ i-tego obiektu od wzorca, d 0 – norma zapewniaj¹ca ¿e wartoœci zmiennej y i bêd¹ z przedzia³u [0, 1], (np. d 0 = d + 2 s d ), d – œrednia arytmetyczna d i oraz s d – odchylenie standardowe d i . Wiêksza wartoœæ zmiennej y i informuje o wy¿szej pozycji w rankingu. 1.2.2. Bezwzorcowa miara syntetyczna W niniejszej pracy do oceny walorów wykorzystano tak¿e miarê bezwzorcow¹ wyznaczan¹ zgodnie ze wzorem: n BMSi = S a j y ij j =1 (6) gdzie wartoœci y ij s¹ elementami macierzy (3), wartoœci a j to wagi przypisane poszczególnym cechom. Im wiêksza wartoœæ miary BMSi , tym wy¿sza pozycja w rankingu – spó³ka atrakcyjniejsza dla inwestora. 1.3. Postaæ modelu optymalizacyjnego W analizach empirycznych pos³u¿ono siê modelem optymalizacyjnym postaci: n n i =1 i =1 Funkcja celu: f = S y i x i ® max lub f = S BMSi x i ® max (7) Dla zadanych warunków ograniczaj¹cych: n S Ri x i ³ R i =1 n S s i (R)x i £ s(R) i =1 n S xi =1 i =1 x i ³ 0 i = 1, ¼, n , n Î N, gdzie: x i to udzia³ i-tej spó³ki w portfelu, Ri – stopa zwrotu dla i-tej spó³ki, s i (R) – odchylenie standardowe stopy zwrotu, R, s(R) – wartoœci œrednie dla wszystkich badanych spó³ek. Dodano tak¿e warunki dotycz¹ce maksymalnego udzia³u walorów w portfelach optymalnych. W poszczególnych modelach przyjêto dodatkowe warunki ograniczaj¹ce, odpowiednio udzia³ akcji nie wiêkszy od: 0,5; 0,4; 0,3; 0,2 i 0,1. 99 Efektywnoœæ inwestowania na przyk³adzie spó³ek gie³dowych… 2. Badania empiryczne W pracy analizowano dane dotycz¹ce spó³ek notowanych na GPW w Warszawie i nale¿¹ce do nastêpuj¹cych indeksów sektorowych: WIG energia, WIG paliwa i WIG surowce. W tablicy 1 podano sk³ad indeksów sektorowych na dzieñ 30.04.2015. Tablica 1. Sk³ad i procentowy udzia³ spó³ek w portfelach wybranych indeksów sektorowych WIG energia WIG paliwa WIG surowce PGE 50,826 PKNOrlen 59,559 KGHM 81,707 TauronPE 15,784 PGNiG 30,079 Bogdanka 14,385 Energia 15,584 Lotos 7,529 JSW 3,876 Enea 10,832 MOL 2,063 CoalEnerg 0,032 CEZ 2,674 Duon 0,478 Zepak 1,851 Serinus 0,294 Kogenera 1,305 Exillon 0,000 PEP 0,864 Interaolt 0,232 Bêdzin 0,049 ród³o: Opracowanie w³asne. W sk³ad portfeli wchodzi kilka spó³ek, jednak znacz¹ce udzia³y (powy¿ej 10%) dla sektora energia maj¹ tylko cztery spó³ki, a dla sektora paliwa i surowce po dwie. Kurs zamkniêcia analizowanych indeksów w okresie 01.01.2012–30.04.2015 przedstawiono na rysunku 1. Wykresy indeksów ró¿ni¹ siê miêdzy sob¹, nie istnieje silna dodatnia zale¿noœæ miêdzy wartoœciami kursów zamkniêcia wybranych indeksów. Dla ww. walorów gie³dowych obliczono na podstawie sprawozdañ finansowych wybrane charakterystyki analizy fundamentalnej za lata 2012–2014 oraz wartoœci R i s (R) za rok 2014. W dalszych analizach nie uwzglêdniono spó³ki Exillon ze wzglêdu na brak kompletnych danych. Bior¹c pod uwagê wybrane cztery wskaŸniki analizy fundamentalnej dla spó³ek, obliczono wartoœci miar zgodnie ze wzorami (5) i (6), miarê bezwzorcow¹ obliczono dla równych wag wskaŸników. Wartoœci miar nie uwzglêdniaj¹ wielkoœci R i s (R) dla spó³ek. Wyniki obliczeñ wraz z rankingami zawiera tablica 2. 100 Adrianna Mastalerz-Kodzis, Ewa Poœpiech Rysunek 1. Wykres indeksów WIG energia, WIG paliwa i WIG surowce w okresie 01.01.2012–30.04.2015 ród³o: Opracowanie w³asne. Tablica 2. WskaŸniki miar wzorcowej i bezwzorcowej wraz z rankingami Spó³ka PGE TauronPE Energa Enea CEZ Zepak Kogenera PEP Interaolt Bêdzin PKNOrlen PGNiG Lotos MOL Duon Serinus KGHM Bogdanka JSW CoalEnerg yi 0,416 0,398 0,427 0,413 0,408 0,364 0,354 0,355 0,329 0,470 0,372 0,422 0,216 0,071 0,428 0,045 0,425 0,425 0,278 0,309 ród³o: Opracowanie w³asne. Ranking wg y i BMSi 7 10 2 8 9 12 14 13 15 1 11 6 18 19 3 20 4 5 17 16 0,199 0,188 0,194 0,229 0,270 0,072 -0,158 -0,106 -0,018 0,487 0,070 0,196 –0,326 –1,108 0,236 –1,125 0,218 0,152 –0,117 0,446 Ranking wg BMSi 7 10 9 5 3 12 17 15 14 1 13 8 18 19 4 20 6 11 16 2 Efektywnoœæ inwestowania na przyk³adzie spó³ek gie³dowych… 101 Uporz¹dkowania (rankingi) walorów zgodnie z miar¹ wzorcow¹ i zmodyfikowan¹ bezwzorcow¹ ró¿ni¹ siê miêdzy sob¹. Wspó³czynnik korelacji rang Spearmana pomiêdzy pozycjami spó³ek wynosi 0,73, co œwiadczy o znacz¹cej zale¿noœci pomiêdzy rankingami. Wed³ug miary wzorcowej najatrakcyjniejsze dla decydenta chc¹cego inwestowaæ w walory s¹ spó³ki: Bêdzin, Energa, Duon, KGHM, Bogdanka, zaœ przekszta³cona miara BMS jako najlepsze z punktu widzenia inwestowania wy³oni³a: Bêdzin, Coalenerg, CEZ, Duon, Enea. Jako najmniej atrakcyjne dla inwestora w obydwu miarach uznano spó³ki: Serinus, MOL, Lotos. W tablicy 3 pokazano rozwi¹zania zadañ (7), czyli udzia³y walorów w portfelach, dla funkcji celu zale¿nej od wzorcowej miary taksonomicznej. Im bardziej zdywersyfikowany portfel, tym wartoœæ funkcji celu jest mniejsza. Oczywiœcie, modele oprócz wartoœci miar taksonomicznych uwzglêdniaj¹ tak¿e wielkoœci R i s (R) dla spó³ek. Nastêpnie obliczono efektywnoœæ otrzymanych portfeli dla cen zamkniêcia akcji w dniach 05.01.2015 oraz 30.04.2015. Uzyskane roczne stopy zwrotu na poziomie 0,313–0,565 (czteromiesiêczne 0,104–0,188) œwiadcz¹ o bardzo wysokiej efektywnoœci uzyskanych rozwi¹zañ optymalnych. Wœród rozwa¿anych modeli najatrakcyjniejszy dla inwestora okaza³ siê portfel z dodatkowym warunkiem ograniczaj¹cym x i £ 0 ,3, dla którego roczna stopa zwrotu wynios³a 56,5%. Jest to portfel cechuj¹cy siê bardzo wysok¹ efektywnoœci¹, ale tak¿e znacznym ryzykiem zwi¹zanym z inwestowaniem na gie³dzie. Bardziej bezpieczne metody inwestowania, na przyk³ad lokaty bankowe, w pierwszym kwartale 2015 roku by³y oprocentowane oko³o 2,5–4% rocznie (w zale¿noœci od banku). Analogicznie, tablica 4 zawiera rozwi¹zania zadañ optymalizacyjnych dla funkcji celu zale¿nej od miary bezwzorcowej. Efektywnoœæ uzyskanych portfeli jest tak¿e bardzo wysoka, na poziomie 0,366–0,440 rocznej stopy zwrotu. Spoœród analizowanych modeli z tablicy 4 najatrakcyjniejszy dla inwestora jest portfel z dodatkowym warunkiem ograniczaj¹cym x i £ 0 ,4 , którego roczna stopa zwrotu wynosi 44%. W ka¿dym z rozwi¹zañ optymalnych niezerowe udzia³y posiadaj¹ spó³ki Bêdzin i CEZ. Porównuj¹c rozwi¹zania z tablic 3 i 4, mo¿na tak¿e wskazaæ spó³ki niewchodz¹ce w sk³ad portfeli optymalnych niezale¿nie od funkcji celu. To spó³ki z zerowym udzia³em w obu tablicach. 102 Adrianna Mastalerz-Kodzis, Ewa Poœpiech Tablica 3. Rozwi¹zania zadañ optymalizacyjnych dla funkcji celu zale¿nej od yi , udzia³y xi spó³ek w portfelach. Efektywnoœæ uzyskanych rozwi¹zañ Spó³ka x i £ 0,5 x i £ 0,4 0,002 0 0 0 0 0,1 0 0 0 0 0 0,1 0,998 0,5 0,4 0,3 0,2 0,1 Enea 0 0 0 0 0 0,1 CEZ 0 0 0 0 0 0,1 Zepak 0 0 0 0 0 0 Kogenera 0 0 0 0 0 0 PEP 0 0 0 0 0 0 Interaolt 0 0 0 0 0 0 Bêdzin 0 0,454 0,4 0,3 0,2 0,1 PKNOrlen 0 0 0 0 0 0 PGNiG 0 0 0 0 0 0,1 Lotos 0 0 0 0 0 0 MOL 0 0 0 0 0 0 Duon 0 0 0,084 0,263 0,2 0,1 Serinus 0 0 0 0 0 0 KGHM 0 0 0 0 0,2 0,1 Bogdanka 0 0,046 0,116 0,137 0,2 0,1 JSW 0 0 0 0 0 0 CoalEnerg 0 0 0 0 0 0 Stopa zwrotu portfela w okresie 5.1.2015–30.4.2015 0,104 0,177 0,173 0,188 0,163 0,146 Roczna stopa zwrotu portfela 0,313 0,532 0,519 0,565 0,490 0,439 PGE xi £ 1 TauronPE Energa x i £ 0,3 x i £ 0,2 x i £ 0,1 ród³o: Opracowanie w³asne. Z przeprowadzonych analiz mo¿na wywnioskowaæ: 1. Zastosowanie wybranej miary WAP oraz zmodyfikowanej miary BMS pozwala na wy³onienie spó³ek najatrakcyjniejszych dla inwestora przy uwzglêdnieniu wy³¹cznie wskaŸników fundamentalnych. 2. Portfele optymalne uzyskane poprzez rozwi¹zanie modeli (7) cechuj¹ siê znacz¹c¹ efektywnoœci¹ mierzon¹ roczn¹ stop¹ zysku. Efektywnoœæ inwestowania na przyk³adzie spó³ek gie³dowych… 103 3. Dla portfela uwzglêdniaj¹cego miarê WAP uzyskano maksymaln¹, roczn¹ stopê zwrotu równ¹ 0,565, inwestuj¹c w spó³ki: Energa, Bêdzin, Duon, Bogdanka. 4. Dla miary BMS model optymalizacyjny wskaza³ spó³ki: Energa, CEZ, Bêdzin, które pozwoli³y na osi¹gniêcie rocznej stopy zysku na poziomie 0,44. 5. Inwestowanie w spó³ki z sektorów energetycznego, paliwowego i surowcowego daje zdywersyfikowane portfele z trzech sektorów o wysokiej stopie zysku. Tablica 4. Rozwi¹zania zadañ optymalizacyjnych dla funkcji celu zale¿nej od BMSi , udzia³y xi spó³ek w portfelach. Efektywnoœæ uzyskanych rozwi¹zañ Spó³ka xi £ 1 x i £ 0,5 x i £ 0,4 x i £ 0,3 x i £ 0,2 x i £ 0,1 PGE 0 0 0 0 0 0,1 TauronPE 0 0 0 0 0 0,1 Energa 0 0,127 0,210 0 0,141 0,1 0 0,653 0 0,5 0 0,4 0,3 0,3 0,2 0,2 0,1 0,1 0 0 0 0 0 0 Kogenera 0 0 0 0 0 0 PEP 0 0 0 0 0 0 0 0,347 0 0,373 0 0,390 0 0,3 0 0,2 0 0,1 PKNOrlen 0 0 0 0 0 0 PGNiG 0 0 0 0 0 0,1 Lotos 0 0 0 0 0 0 MOL Duon 0 0 0 0 0 0 0 0 0 0 0 0,1 Serinus 0 0 0 0 0 0 KGHM 0 0 0 0,091 0,2 0,1 Bogdanka 0 0 0 0 0 0,021 JSW CoalEnerg 0 0 0 0 0 0 0 0,009 0 0,059 0 0,079 Stopa zwrotu portfela w okresie 5.1.2015–30.4.2015 0,122 0,137 0,147 0,118 0,113 0,141 Roczna stopa zwrotu portfela 0,366 0,411 0,440 0,354 0,338 0,424 Enea CEZ Zepak Interaolt Bêdzin ród³o: Opracowanie w³asne. 104 Adrianna Mastalerz-Kodzis, Ewa Poœpiech Zakoñczenie W artykule pokazano, ¿e inwestowanie w sektorach energetycznym, paliwowym i surowcowym w badanym okresie daje wysokie stopy zysku, zatem jest atrakcyjne dla inwestora. W celu wyboru strategii inwestycyjnej decydent mo¿e pos³u¿yæ siê zaproponowan¹ w pracy metodyk¹, wymaga to jednak dok³adnej analizy danych historycznych (wskaŸników fundamentalnych i historycznych cen gie³dowych). Rynek gie³dowy zmienia siê w sposób dynamiczny i stochastyczny, zatem zawsze nale¿y braæ pod uwagê ryzyko zwi¹zane z podejmowaniem decyzji inwestycyjnych. Portfele optymalne, w których sk³ad wchodz¹ spó³ki z trzech wybranych sektorów, cechuj¹ siê wysok¹ efektywnoœci¹. Mo¿na zatem stwierdziæ, ¿e spó³ki z sektora energetycznego, paliwowego i surowcowego s¹ atrakcyjne dla inwestora. Literatura 1. G¹siorkiewicz L. (2011), Analiza ekonomiczno-finansowa przedsiêbiorstw, Oficyna Wydawnicza Politechniki Warszawskiej, Warszawa. 2. Giri C. N. (2004), Multivariate Statistical Analysis, USA Marcel Dekker. 3. Go³êbiowski G., T³acza³a A. (2009), Analiza finansowa w teorii i w praktyce, Difin, Warszawa. 4. JóŸwicki R. (2011), Strategie inwestycyjne, CeDeWu, Warszawa. 5. Micherda B. (2004), Wspó³czesna analiza finansowa, Zakamycze, Kraków. 6. Ostasiewicz W. (red.) (1999), Statystyczne metody analizy danych, Wydawnictwo AE we Wroc³awiu, Wroc³aw. 7. Panek T. (2009), Statystyczne metody wielowymiarowej analizy porównawczej, SGH, Warszawa. 8. Przekota G., Szczepañska-Przekota A. (2008), Analiza empiryczna efektywnoœci polskiego rynku akcji, Oœrodek Analiz Statystycznych, Warszawa. 9. Rencher A. C. (2002), Methods of Multivariate Analysis, John Wiley & Sons, New York. 10. Tarczyñski W. (2002), Fundamentalny portfel papierów wartoœciowych, Polskie Wydawnictwo Ekonomiczne, Warszawa. 11. www.gpw.pl, dostêp dnia 30.04.2015, 5.05.2015. 12. www.infostrefa.pl, dostêp dnia 30.04.2015, 5.05.2015. 13. www.bankier.pl, dostêp dnia 30.04.2015, 5.05.2015. Efektywnoœæ inwestowania na przyk³adzie spó³ek gie³dowych… 105 Streszczenie Celem artyku³u by³o zbadanie efektywnoœci inwestowania na GPW w Warszawie na przyk³adzie spó³ek wchodz¹cych w sk³ad indeksów sektorowych: WIG energia, WIG paliwa i WIG surowce. Za pomoc¹ wybranych metod wielowymiarowej analizy porównawczej skonstruowano mierniki syntetyczne (wzorcowy i bezwzorcowy), a nastêpnie rozwi¹zano zadania optymalizacyjne okreœlaj¹ce efektywnoœæ badanych metod inwestycyjnych. Inwestowanie w sektorach energetycznym, paliwowym i surowcowym daje wysokie stopy zysku, zatem jest atrakcyjne dla inwestora. Niezbêdna jest jednak dog³êbna analiza danych historycznych, zarówno fundamentalnych, jak i historycznych cen gie³dowych w celu wyboru walorów najbardziej atrakcyjnych, bezpiecznych i zyskownych. Inwestor ma do wyboru wiele ró¿nych strategii inwestycyjnych, w szczególnoœci mo¿e pos³u¿yæ siê metodologi¹ WAP, miarami taksonomicznymi i miar¹ bezwzorcow¹. Zastosowanie ww. miar daje porównywalne stopy zysku. S³owa kluczowe wielowymiarowa analiza porównawcza, analiza fundamentalna, portfel inwestycyjny, strategie inwestycyjne, efektywnoœæ inwestowania Investment Efficiency on the Example of Stock Companies of Energy, Oil&Gas Industry and Basic Materials Industry Sectors (Summary) The aim of the paper was to analyze the efficiency of investing on Warsaw Stock Exchange on the example of joint-stock companies which are included in the following market indices: WIG-energy, WIG-oil&gas and WIG-basic materials. By means of multivariate comparative analysis two synthetic measures for selected companies were constructed: taxonomic module one and non-module one. Besides, optimization problems were solved which analyzed the efficiency of selected investment methods. The research showed that both applied methods gave comparable results and investing in considered sectors brought high profit rates, therefore the sectors are attractive to the investors. However, precise analyses of historical fundamental data and historical share prices of the companies should be made to achieve such good results. Keywords multivariate comparative analysis, fundamental analysis, securities portfolio, investment strategies, investment efficiency