Modelowanie równowagi cenowej na Giełdzie Papierów
Transkrypt
Modelowanie równowagi cenowej na Giełdzie Papierów
Stanisław Urbański* Modelowanie równowagi cenowej na Giełdzie Papierów Wartościowych w Warszawie w okresach przed i po wejściu Polski do Unii Europejskiej Wstęp Praca niniejsza stanowi kontynuację badań dotyczących wyceny akcji notowanych na Giełdzie Papierów Wartościowych w Warszawie (GPW), w latach 1995-2005, prowadzonych przez Urbańskiego [2007, 2008, 2011]. Obecna praca dotyczy zmian stóp zwrotu akcji w okresie 1996-2010. Wycena papierów wartościowych sprowadza się do określenia: a) struktury i wartości ryzyka systematycznego oraz b) stopy zwrotu, jakiej oczekuje rynek, jako skutek założonej zmiany ryzyka 1. Prace dotyczące wyceny papierów wartościowych notowanych na GPW w Warszawie w szerokim zakresie sprowadzały się do testowania klasycznej postaci CAPM oraz teorii APT. Przykładem mogą być prace: Jajugi [2000], Bołta i Miłobędzkiego [2002], Osińskiej i Stempińskiej (2003), lub Fiszedera (2009). Próby testowania modelu Famy i Frencha podjęły się również Czopkiewicz i Skalna [2010]. Model wyceny powinien generować wieloczynnikowo-efektywne portfele. Jednak użyteczność proponowanej procedury polegać powinna nie tylko na dokładności oszacowania jego parametrów. Bardziej zasadnym wydaje się poznanie zmian tych parametrów, które określałyby konkretne wskazania dla inwestorów i zarządzających portfelem papierów wartościowych. Model zaproponowany przez Famę i Frencha [FF, 1993] dobrze opisuje stopy zwrotu na amerykańskim rynku akcji i obligacji. Zmienne objaśniające tego modelu zależą od kapitalizacji spółki, KAP, relacji wartości księgowej do rynkowej, BV/MV i rynkowej stopy zwrotu RM. Jednak w kolejnej swojej pracy FF[1995] stwierdzają, że podstawowym czynnikiem determinującym stopy zwrotu jest struktura zysków przedsiębiorstwa. Przypuszczać więc można, że model wyceny bazujący na czynnikach zależnych od struktury zysków pozwoli na pełniejszy opis stóp zwrotu, pozwalający uzupełnić wytyczne inwestycyjne wynikające z modelu FF. Celem niniejszej pracy jest opracowanie takich rekomendacji i wytycznych dla zarządzających inwestycjami portfelowymi na rynku polskim. Celem dodatkowym jest zbadanie czy rekomendacje te są różne w okresach przed i po wejściu Polski do Unii Europejskiej (UE). * Dr inż., Katedra Ekonomii, Finansów i Zarządzania Środowiskiem, Wydział Zarządzania, Akademia Górniczo-Hutnicza, [email protected] 1 Patrz np. Dimson i Mussavian (1999). Stanisław Urbański 296 Aby zrealizować postawiony cel pracy wykorzystuje model FF oraz proponuje jego modyfikacje. Czynniki proponowanej modyfikacji modelu FF definiuje wykorzystując wyniki prac FF[1995, 1996]. Proponowane modyfikacje modelu FF przedstawione są jako zagregowany model dwu- i trójczynnikowy. Rozdział 1 omawia teoretyczną procedurę proponowanego modelu zagregowanego. W rozdziale 2 przedstawiono dyskretyzację badanych aplikacji wyceny. W rozdziałach 3 i 4 omówiona została równowaga cenowa w świetle zagregowanego modelu dwu- i trójczynnikowego, a w rozdziale 5 równowaga w świetle modelu FF. 1. Proponowany model teoretyczny Wartości stóp zwrotu z akcji zapisać można zgodnie z macierzowym równaniem regresji liniowej (1) (1) r Gb e , gdzie r jest wektorem stóp zwrotu badanych portfeli, G zagregowanym wskaźnikiem, stanowiącym macierz zagregowanych zmiennych objaśniających, b wektorem współczynników regresji oraz e wektorem składników losowych. Zmienne objaśniające proponowanego modelu zagregowanego konstruowane są na podstawie rynkowej stopy zwrotu RM, wartości funkcjonału FUN, przedstawionego zależnością (2) oraz funkcji LICZ i MIAN stanowiącymi odpowiednio licznik i mianownik FUN. W konfrontacji z pracami FF[1993, 1995, 1996] przyjęto, że FUN stanowić może dobrą charakterystykę determinującą zmiany stóp zwrotu: nor(ROE) * nor(AP)* nor(AZO) * nor(AZN) FUN , (2) nor(MV/E) * nor(MV/BV) gdzie i ROE F1 ; AP F2 S( Qt ) t 1 i S( nQt ) i ; AZO F3 t 1 F4 t 1 i ZN(nQt ) t 1 i ZO(nQt ) ; AZN t 1 (3) i ZN(Qt ) ZO(Qt ) , MV/E F5 ; MV/BV F6 t 1 Funkcje Fj (j=1,…,6) transformowano do obszarów unormowanych o granicach <aj ; bj>, zgodnie z zależnością (4): F j c j * F jmin . nor(Fj ) a j (b j a j ) * (4) d j * F jmax c j * F jmin e j Modelowanie równowagi cenowej na Giełdzie … 297 W zależnościach (2-4) odpowiednie oznaczenia zdefiniowano następująco: ROE - stopa zwrotu z kapitału własnego; i i i t 1 t 1 t 1 S( Qt ), ZO(Qt ), ZN(Qt ) - skumulowana od początku roku wartość odpowiednio: przychodów netto ze sprzedaży, zysku operacyjnego i zysku netto na koniec „i” kwartału; i i i t 1 t 1 t 1 S( nQt ), ZO(nQt ), ZN(nQt ) - średnia, skumulowana od początku roku, wartość odpowiednio: przychodów netto ze sprzedaży, zysku operacyjnego i zysku netto na koniec „i” kwartału w 3 ostatnich latach; MV/E,MV/BV - stosunek aktualnej ceny akcji do sumy zysków netto z czterech ostatnich kwartałów na jedną akcje oraz stosunek aktualnej ceny akcji do średniej wartości księgowej na jedną akcję z czterech ostatnich kwartałów; a j , b j , c j , d j , e j - parametry wariacyjne2. Szersza interpretacja ekonomiczna FUN, LICZ i MIAN przedstawiona została w pracy Urbańskiego (2011). Zmienną objaśnianą przyjęto jako nadwyżkę nad stopą wolną od ryzyka z badanych portfeli. Zmienne objaśniające modelu (1) określone dla okresu t zdefiniowano zależnością (5)3: x1t RMO1t ; x2t RMO 2 t ; x3t HMLFt ; x4t HMLLt ; x5t LMHMt , (5) gdzie RMO1t jest nadwyżką stopy zwrotu z portfela rynkowego nad stopą wolną od ryzyka nieskorelowaną z HMLF, RMO2t jest nadwyżką stopy zwrotu z portfela rynkowego nieskorelowaną z HMLL i LMHM, stopę zwrotu z portfela rynkowego, RM określano na podstawie wartości indeksu WIG, stopę wolną od ryzyka, RF założono jako rentowność 91 dniowych bonów skarbowych, HMLFt jest różnicą między stopą zwrotu z portfela o największej i najmniejszej wartości FUNt, HMLLt jest różnicą między stopą zwrotu z portfela o największej i najmniejszej wartości LICZt, LMHMt jest różnicą między stopą zwrotu z portfela o najmniejszej i największej wartości MIANt. Wartości FUN, LICZ i MIAN określane są dla wszystkich analizowanych walorów na początek każdego okresu inwestycyjnego. Okresy inwestycyjne odpowiadać muszą analizowanym okresom sprawozdawczym; nie mogą być więc krótsze od okresów kwartalnych oraz nie mogą na siebie zachodzić. 2. Dane i dyskretyzacja modelu Badania dotyczące zmian stóp zwrotu akcji dokonano na podstawie walorów notowanych w latach 1995–2010 na rynku podstawowym GPW w Warszawie, za wyjątkiem spółek charakteryzujących się ujemną wartością księgową, wykazaną w sprawozdaniu finansowym za ostatni okres sprawozdawczy. Badany okres podzielony został na dwa podokresy: 1996-2005 oraz 2005-2010, 2 W niniejszym opracowaniu arbitralnie przyjęto aj=1, bj=2, cj=1, dj=1, ej=0, co skutkowało transformacją funkcji Fj (j=1,…,6) do przedziałów <1;2>. 3 Różne składowe wektora zmiennych niezależnych dobierane były dla wybranych aplikacji wyceny. 298 Stanisław Urbański odpowiadające okresowi poprzedzającemu uczestnictwo Polski w UE oraz okresowi uczestnictwa Polski w UE. Dane dotyczące niezbędnych wyników fundamentalnych, badanych spółek, pochodzą z bazy danych „Spółki Giełdowe” opracowanej przez Notoria Serwis Sp. z o.o. Dane dotyczące notowań giełdowych, badanych walorów, otrzymano z Działu Produktów Informacyjnych Giełdy Papierów Wartościowych w Warszawie. Analizie poddano kwartalne stopy zwrotu hipotetycznych inwestycji portfelowych dokonywanych w dniu, w którym spółki zobowiązane były do publikacji kwartalnych sprawozdań finansowych. Zmienne objaśniające (5) przyporządkowane zostały portfelom, w które zgrupowane zostały spółki. Badane walory, w przypadku modelu zagregowanego, dzielone były na kwintylowe portfele budowane na podstawie wartości FUN, LICZ i MIAN. Przy testowaniu modelu FF walory dzielone były na kwintylowe portfele budowane na podstawie kapitalizacji, KAP oraz BV/MV. Wartości FUN, LICZ, MIAN, KAP i BV/MV, dla portfeli obliczano jako średnie arytmetyczne wartości tych funkcji z poszczególnych walorów wchodzących do portfela. Stopy zwrotu z poszczególnych portfeli obliczano zakładając udziały w portfelu ważone kapitalizacjami rynkowymi. W tablicy 1 przedstawiono liczbę spółek wchodzących w skład budowanych portfeli na koniec wybranych okresów. Tablica 1. Liczba spółek badanych portfeli na koniec wybranych okresów a IQ1996 IQ2005 IVQ2008 IVQ2009 Portfel 1 11 33 56 53 2 11 33 56 53 3 11 33 56 53 4 11 33 56 53 Portfel 5 13 35 55 55 a Badania dotyczyły walorów notowanych na rynku podstawowym GPW w Warszawie, za wyjątkiem spółek charakteryzujących się ujemną wartością księgową, wykazaną w sprawozdaniu finansowym za ostatni okres sprawozdawczy. Źródło: opracowanie własne. Maksymalne wartości modułów współczynników korelacji między jednocześnie stosowanymi zmiennymi objaśniającymi, modelu zagregowanego wynoszą 0,23 - dla całej badanej próby, 0,38 - dla podokresu pierwszego i 0,57 dla podokresu drugiego oraz odpowiednio 0,46, 0,55 i 0,43 dla modelu FF. Moduły współczynników korelacji między zmienną objaśnianą, a zmiennymi objaśniającymi zawierają się w przedziale od 0,08 do 0,92. Korelacja pomiędzy RMt-RFt i LMHMt oraz pomiędzy RMt-RFt i HMLt przyjmuje dość duże wartości (odpowiednio 0,38 - w pierwszym i 0,44 - w drugim podokresie). Korelacja pomiędzy RMt-RFt i HMLFt jest mniejsza i wynosi 0,18 - w drugim podokresie. W celu eliminacji efektu powtarzania informacji dokonano ortogonalizacji czynnika rynkowego względem pozostałych zmiennych objaśniających, dla każdej badanej aplikacji wyceny, we wszystkich trzech testowanych okresach. Modelowanie równowagi cenowej na Giełdzie … 299 Zmienna objaśniana i zmienne objaśniające poddane zostały badaniom stacjonarności stosując testy Dickey-Fullera [1979]. Podstawowy test DickeyFullera wykazał brak pierwiastków jednostkowych w każdym przypadku. Testy dyskretnych aplikacji wyceny dotyczyły oszacowania wartości parametrów regresji (bet), reprezentujących ryzyko systematyczne związane z przyjętymi czynnikami. Analizie poddane zostały regresje szeregów czasowych, dla badanych portfeli. Do szacowania bet zastosowano uogólnioną metodę najmniejszych kwadratów (UMNK) według procedury Praisa-Winstena. 3. Równowaga w świetle proponowanego modelu dwuczynnikowego W celu testowania proponowanej aplikacji wyceny zbudowano model statystyczny w postaci regresji (6), a wartości współczynników regresji, dla badanych portfeli, dla całej badanej próby i drugiego podokresu zamieszczono odpowiednio w tablicach 2 i 34. rit RFt i i ,HMLF HMLFt i ,MO1 RMO1t eit ; t 1,...,n ;i=1,…,15, (6) Tablica 2. Wartości współczynników regresji (6), określonych metodą UMNK z zastosowaniem procedury Praisa-Winstena, dla portfeli budowanych ze względu na FUNi, LICZi i MIANi w okresie 1996-2010 a GRS =1,50; p-wartość=0,152 p-wartość i,HMLF p-wartość i,MO1 p-wartość R2, % Portfele budowane na FUN, metoda UMNK MIN,FUN1t 0,01 0,589 -0,80 0,000 1,12 0,000 87,97 2) FUN2t -0,01 0,409 -0,59 0,000 0,88 0,000 79,69 3) FUN3t -0,02 0,040 0,09 0,353 0,83 0,000 79,42 4) FUN4t -0,02 0,066 0,30 0,001 0,97 0,000 86,21 MAX,FUN5t 0,01 0,187 0,31 0,003 1,03 0,000 85,32 Portfele budowane na LICZ, metoda UMNK MIN,LICZ1t 0,01 0,516 -0,75 0,000 1,11 0,000 79,52 2) LICZ2t -0,01 0,626 -0,51 0,000 0,82 0,000 68,92 3) LICZ3t -0,02 0,047 0,05 0,609 0,75 0,000 74,76 4) LICZ4t -0,01 0,242 0,21 0,014 1,07 0,000 89,42 MAX,LICZ5t 0,00 0,800 0,30 0,004 1,03 0,000 84,63 Portfele budowane na MIAN, metoda UMNK MIN,MIAN1t 0,03 0,019 0,10 0,406 0,89 0,000 74,28 2) MIAN2t -0,01 0,497 0,24 0,039 1,00 0,000 79,10 3) MIAN3t -0,02 0,035 0,17 0,113 0,87 0,000 78,51 4) MIAN4t -0,01 0,557 -0,23 0,064 0,97 0,000 76,88 MAX,MIAN5t 0,02 0,235 -0,57 0,000 1,17 0,000 82,39 a RMO1t jest ortogonalnym czynnikiem rynkowym nie skorelowanym z HMLF. HMLF t jest różnicą średniej arytmetycznej stóp zwrotu z portfeli o wysokich wartościach FUN (FUN 5t i FUN4t) i średniej arytmetycznej stóp zwrotu z portfeli o niskich wartościach FUN (FUN1t i FUN2t), dla portfeli formowanych na podstawie FUN. GRS - statystyka Gibbonsa, Rossa i Shankena (1989). Portfele formowano spośród spółek o dodatnim kapitale własnym. 56 okresów kwartalnych. Źródło: opracowanie własne. Portfel 4 i Współczynniki regresji, dla pierwszego podokresu przedstawione zostały przez Urbańskiego [2011]. 300 Stanisław Urbański Tablica 3. Wartości współczynników regresji (6), określonych metodą UMNK z zastosowaniem procedury Praisa-Winstena, dla portfeli budowanych ze względu na FUNi, LICZi i MIANi w okresie 2005-2010 a GRS=2,3; p-wartość=0,267 pPortfel p-wartość i,HMLF R2, % i i,MO1 p-wartość wartość Portfele budowane na FUN, metoda GLS MIN,FUN1t 0,00 0,783 -1,15 0,000 1,03 0,000 90,11 2) FUN2t 0,00 0,781 -1,24 0,000 0,92 0,000 89,49 3) FUN3t -0,01 0,149 -0,35 0,016 0,68 0,000 89,91 4) FUN4t 0,00 0,717 -0,05 0,738 1,04 0,000 91,97 MAX,FUN5t 0,00 0,815 -0,33 0,029 0,92 0,000 91,04 Portfele budowane na LICZ, metoda GLS MIN,LICZ1t 0,01 0,741 -1,28 0,000 0,94 0,000 87,08 2) LICZ2t -0,02 0,180 -0,44 0,004 1,04 0,000 93,12 3) LICZ3t -0,01 0,541 -0,24 0,085 0,70 0,000 88,14 4) LICZ4t -0,00 0,815 -0,19 22,17 1,10 0,000 89,84 MAX,LICZ5t 0,00 0,865 -0,41 0,010 0,92 0,000 90,52 Portfele budowane na MIAN, metoda GLS MIN,MIAN1t 0,02 0,101 -0,13 0,328 0,99 0,000 91,60 2) MIAN2t -0,03 0,192 0,07 0,774 1,20 0,000 82,83 3) MIAN3t -0,01 0,379 -0,35 0,021 0,86 0,000 88,02 4) MIAN4t 0,01 0,484 -0,69 0,005 0,70 0,000 71,73 MAX,MIAN5t 0,02 0,321 -1,81 0,000 0,98 0,000 92,01 a Oznaczenia RMO1t, HMLFt i GRS patrz Tab. 2. Portfele formowano spośród spółek o dodatnim kapitale własnym. 20 okresów kwartalnych. Źródło: opracowanie własne. Zmienną zależną powyższej regresji są nadwyżki stóp zwrotu z portfeli formowanych na FUN, LICZ i MIAN. Zmiennymi niezależnymi są zortogonalizowany czynnik rynkowy RMO1t oraz czynnik HMLFt. Przekrojowe zmiany i,HMLF dla całej badanej próby i pierwszego podokresu (1996-2005) są podobne. W przypadku całej próby i,HMLF są przesunięte w kierunku ujemnych wartości, a w drugim badanym podokresie (2005-2010) zachowuja charakter zmian lecz przyjmują ujemne wartości dla wszystkich kwintyli. Dla portfeli budowanych na FUN i LICZ (w trzech badanych okresach) współczynniki i,HMLF przyjmują wysokie ujemne wartości dla najmniejszych kwintyli, monotonicznie zmieniając się w kierunku wartości dodatnich – dla rosnących kwintyli. Dodatnie i,HMLF wskazują, że dla rynku charakteryzującego się rosnącą wartością HMLF inwestycje długie w portfele o wysokich FUN i LICZ wykazują rosnące stopy zwrotu. Innymi słowy, inwestycje w spółki o najwyższej dodatniej dynamice zmian wyników finansowych i jednocześnie stosunkowo wysokich wartościach BV/MV i E/MV powinny okazywać się tym bardziej rentowne, im rynek charakteryzuje się większą wartością wskaźnika HMLF. Dla portfeli budowanych na MIAN (w trzech badanych okresach) i,HMLF przyjmują wysokie ujemne wartości dla największych kwintyli, monotonicznie Modelowanie równowagi cenowej na Giełdzie … 301 zmieniając się w kierunku wartości dodatnich – dla malejących kwintyli. Oznacza to, że inwestycje w spółki o niskich wartościach BV/MV i E/MV (spółki o potencjale wzrostu) powinny dawać tym wyższe stopy zwrotu, im niższą wartością wskaźnika HMLF charakteryzuje się rynek. Inwestycje w spółki o wysokich wartościach BV/MV i E/MV (spółki o potencjale wartości) powinny dawać tym wyższe stopy zwrotu, im rynek charakteryzuje się większą wartością wskaźnika HMLF. Wartości statystyki GRS i korespondujące z nimi p-wartości>0,152 wskazują, że model generuje portfele wieloczynnikowo efektywne. 4. Równowaga w świetle proponowanego modelu trójczynnikowego W celu testowania proponowanego modelu trójczynnikowego zbudowano model statystyczny w postaci regresji (7). rit RFt i i ,HMLL HMLLt i ,LMHM LMHM (7) i ,MO 2 RMO 2 t eit ; t 1,..., n; i 1,...,15 Zmienną zależną powyższej regresji są nadwyżki stóp zwrotu z portfeli formowanych na FUN, LICZ i MIAN. Zmiennymi niezależnymi są zortogonalizowany czynnik rynkowy RMO2t oraz czynniki HMLLt i LMHMt. Przekrojowe zmiany i,HMLL oraz i,LMHM dla całej badanej próby i pierwszego podokresu są podobne5. W przypadku całej próby i,HMLL są przesunięte w kierunku ujemnych wartości, a i,LMHM w kierunku wartości dodatnich. W drugim badanym podokresie dla większości kwintyli i,HMLL przyjmują wartości ujemne, a i,LMHM dodatnie. Charakter zmian bet w tym podokresie jest niejednoznaczny. Powodem tego może być zbyt mała ilość obserwacji. Dla portfeli budowanych na FUN i LICZ (dla całej próby i pierwszego podokresu) współczynniki i,HMLL przyjmują wysokie ujemne wartości dla najmniejszych kwintyli, monotonicznie zmieniając się w kierunku wartości dodatnich – dla rosnących kwintyli. Współczynniki i,LMHM przyjmują ujemne wartości dla wszystkich kwintyli. Dla portfeli budowanych na MIAN, we wszystkich okresach i,LMHM maleją monotonicznie z dodatnich wartości dla najniższych kwintyli do ujemnych wartości dla kwintyli najwyższych. i,HMLL dla całej próby i w pierwszym podokresie przyjmują wartości dodatnie, a w drugim podokresie wartości ujemne, dla wszystkich kwintyli. Inwestycje długie w spółki o wysokich wartościach FUN i LICZ (dla całej próby i pierwszego podokresu) dają wzrost stóp zwrotu w przypadku wzrostu HMLL i spadku LMHM. Inwestycje w spółki o niskich wartościach FUN i LICZ (dla całej próby i pierwszego podokresu) charakteryzują się wzrostem stóp zwrotu w przypadku spadku HMLL i LMHM. 5 Wartości współczynników regresji (7) w trzech badanych okresach mogą być udostępnione przez autora. 302 Stanisław Urbański Dla całej próby i pierwszego podokresu inwestycje długie w spółki o wysokich wartościach MIAN (niskie BV/MV i E/MV) dają wzrost stóp zwrotu w przypadku wzrostu HMLL i spadku LMHM, a inwestycje w spółki o niskich wartościach MIAN dają wzrost stóp zwrotu dla rynku wykazującego wzrost zarówno HMLL i LMHM. Wartości statystyki GRS i korespondujące z nimi wartości p >0,0784 wskazują, że model generuje portfele wieloczynnikowo efektywne. 5. Równowaga w świetle modelu Famy i Frencha W celu testowania modelu FF zbudowano model statystyczny w postaci regresji (8), a wartości współczynników regresji, dla badanych portfeli, dla całej próby i drugiego podokresu zamieszczono odpowiednio w tablicach 4 i 56. rit RFt i i,HML HML t i ,SMB SMB t (8) i ,MOF RMOFt eit ; t 1,..., n; i 1,...,10 Zmienną zależną powyższej regresji są nadwyżki stóp zwrotu z portfeli formowanych na BV/MV i KAP. Zmiennymi niezależnymi są zortogonalizowany czynnik rynkowy RMOFt oraz czynniki Famy i Frencha: HMLt i SMBt. Charakter zmian parametrów beta we wszystkich badanych okresach jest podobny. Współczynniki stojące przy HML, w drugim podokresie są przesunięte w kierunku wartości ujemnych, a współczynniki stojące przy SMB w kierunku wartości dodatnich. Zmiany stóp zwrotu, zależne od HML (dla portfeli budowanych na BV/MV) i zależnych od SMB (dla portfeli budowanych na KAP), w trzech badanych okresach są podobne do zmian zachodzących na rynku amerykańskim, stwierdzonych przez FF [1993, 24-25, Tab. 6]. Zmiany stóp zwrotu, zależne od SMB (dla portfeli budowanych na BV/MV) i zależnych od HML (dla portfeli budowanych na KAP) są trudniejsze do interpretacji ze względu na niemożliwość formowania portfeli w dwóch kierunkach. Badania pokazują, że wzrostowi HML towarzyszy wzrost stóp zwrotu portfeli o potencjale wartości (duże BV/MV)7 i spadek stóp zwrotu portfeli o potencjale wzrostu (małe BV/MV). W pierwszym badanym podokresie, portfele o małej kapitalizacji wykazują rosnące stopy zwrotu, a portfele o dużej kapitalizacji stopy malejące, przy rosnących wartościach czynnika SMB. W drugim podokresie wzrostowi SMB towarzyszy wzrost stóp zwrotu, którego gradient rośnie w kierunku malejących kwintyli KAP. Wartości statystyki GRS i korespondujące z nimi p-wartości>0,381 wskazują, że model generuje portfele wieloczynnikowo efektywne. 6 7 Patrz przypis 4. Nie zostało to wykazane w drugim podokresie. Modelowanie równowagi cenowej na Giełdzie … 303 Tablica 4. Wartości współczynników regresji (8), określonych metodą UMNK z zastosowaniem procedury Praisa-Winstena, dla portfeli budowanych ze względu na BV/MVi i KAPi w okresie 1996-2010 a GRS=1,10; p-wartość=0,381 pppPortfel αi βi,HML p-wart. βi,SMB βi,MOF R2, % wart. wart. wart. Portfele budowane na BV/MV, metoda UMNK MIN,(BV/MV)1t -0,02 0,008 -0,39 0,000 0,18 0,015 1,00 0,000 88,12 2) (BV/MV)2t -0,01 0,544 -0,51 0,000 0,30 0,000 0,89 0,000 82,62 3) (BV/MV)3t 0,01 0,326 -0,24 0,007 0,24 0,016 1,08 0,000 81,24 4) (BV/MV)4t -0,01 0,476 0,44 0,000 -0,17 0,191 0,87 0,000 63,52 MAX,(BV/MV)5t -0,02 0,301 0,66 0,000 0,65 0,000 0,99 0,000 75,40 Portfele budowane na KAP, metoda UMNK MIN,KAP1t 0,00 0,679 -0,56 0,000 1,56 0,000 1,11 0,000 91,69 2) KAP2t -0,02 0,088 0,04 0,585 1,06 0,000 0,97 0,000 89,10 3) KAP3t 0,00 0,671 -0,39 0,000 0,78 0,000 1,07 0,000 83,62 4) KAP4t -0,01 0,124 -0,24 0,002 0,60 0,000 1,09 0,000 87,31 MAX,KAP5t 0,00 0,814 -0,30 0,000 0,03 0,451 0,99 0,000 94,89 a RMOFt jest ortogonalnym czynnikiem rynkowym nie skorelowanym z HML i SMB. KAPi jest kapitalizacją portfela i. BV/MVi jest relacją wartości księgowej do rynkowej portfela i. HML i SMB są czynnikami FF. GRS patrz Tab. 2. Portfele formowano spośród spółek o dodatnim kapitale własnym. 56 okresów kwartalnych. Źródło: opracowanie własne. Tablica 5. Wartości współczynników regresji (8), określonych metodą UMNK z zastosowaniem procedury Praisa-Winstena, dla portfeli budowanych ze względu na BV/MVi i KAPi w okresie 2005-2010 a Portfel MIN,(BV/MV)1t 2) (BV/MV)2t 3) (BV/MV)3t 4) (BV/MV)4t MAX,(BV/MV) GRS=0,43, p-wartość=0,891 Ppαi βi,HML p-wart. βi,SMB βi,MOF wart. wart. Portfele budowane na BV/MV, metoda UMNK -0,01 0,531 -0,97 0,000 0,69 0,000 0,73 0,02 0,358 -1,08 0,000 0,52 0,002 1,06 -0,01 0,522 -0,21 0,191 0,85 0,000 1,10 0,00 0,821 0,15 0,420 0,45 0,009 0,89 0,01 0,733 -0,07 0,759 0,81 0,000 0,89 pwart. R2, % 0,000 0,000 0,000 0,000 0,000 94,68 89,14 91,48 79,17 77,41 5t Portfele budowane na KAP, metoda UMNK MIN,KAP1t 0,00 0,915 -0,29 0,052 2,14 0,000 0,98 2) KAP2t -0,02 0,154 -0,35 0,010 1,70 0,000 0,99 3) KAP3t -0,01 0,511 -0,47 0,013 1,46 0,000 0,98 4) KAP4t -0,02 0,128 -0,21 0,127 1,37 0,000 1,03 MAX,KAP5t 0,00 0,489 -0,49 0,000 0,47 0,000 0,92 a RMOFt, HML, SMB, KAPi, BV/MVi i GRS patrz Tab. 4. Portfele formowano dodatnim kapitale własnym. 20 okresów kwartalnych. Źródło: opracowanie własne. 0,000 96,54 0,000 95,81 0,000 89,95 0,000 95,37 0,000 98,18 spośród spółek o Zakończenie W pracy przedstawiony został zagregowany, dwu- i trójczynnikowy model wyceny akcji. Czynniki proponowanego modelu uwzględniają strukturę wyników finansowych spółek, czego efektem jest opis stóp zwrotu pozwalający uzu- 304 Stanisław Urbański pełnić wytyczne inwestycyjne uzyskane na podstawie modelu FF. Modelowanie równowagi cenowej pozwoliło na określenie składowych ryzyka systematycznego dla całej badanej próby (1996-2010), dla okresu poprzedzającego wejście Polski do UE (1996-2005) oraz w okresie uczestnictwa Polski w UE (20052010). Uzyskane wyniki na podstawie proponowanego modelu zagregowanego porównane zostały z wynikami symulacji stóp zwrotu w oparciu o model FF. Wszystkie badane aplikacje wyceny, w trzech badanych okresach, generują portfele wieloczynnikowo efektywne. Uzyskane wyniki wskazują, że charakter zmian badanych składowych ryzyka systematycznego w okresach przed i po wejściu Polski do UE jest podobny. Stwierdzić jednak należy, że w przypadku modelu zagregowanego wyniki dla pierwszego podokresu oraz całej próby są bardziej jednoznaczne w porównaniu z wynikami podokresu drugiego. Przypuszczać można, że przyczyny tego mogą być następujące: 1) zbyt mała liczba obserwacji, 2) w latach 2005-2010 zaobserwowano dużą liczbę akcji spekulacyjnych, charakteryzujących się ujemnymi zyskami w badanym okresie historycznym, bardzo wysokimi wskaźnikami MV/BV>50, a jednocześnie wysokimi stopami zwrotu, co może podważać wyniki badań FF [1995]. Wobec powyższych spostrzeżeń wydaje się, że dalsze badania dotyczyć powinny zwiększenia liczby obserwacji, w podokresie po wejściu Polski do UE oraz testowania modelu zagregowanego z wyłączeniem akcji spekulacyjnych. Na podstawie przeprowadzonych symulacji stóp zwrotu wyciągnąć można następujące wskazania dotyczące inwestycji w akcje notowane na GPW w Warszawie: 1. Na podstawie proponowanego modelu zagregowanego: - inwestycje długie w portfele o najwyższych wartościach FUN lub LICZ dają rosnące stopy zwrotu jeśli rynek wykazuje wzrost HMLL (lub HMLF) i spadek LMHD, - inwestycje długie w portfele o najniższych wartościach FUN lub LICZ dają rosnące stopy zwrotu jeśli rynek wykazuje spadek HMLL (lub HMLF) oraz spadek LMHD, - inwestycje długie w portfele o najwyższych wartościach MIAN dają rosnące stopy zwrotu jeśli rynek wykazuje wzrost HMLL i spadek LMHD (lub HMLF), - inwestycje długie w portfele o najniższych wartościach MIAN dają rosnące stopy zwrotu jeśli rynek wykazuje wzrost HMLL (lub HMLF) oraz LMHM. 2. Na podstawie modelu Famy i Frencha: - dla rynku wykazującego wzrost HML, inwestycje długie w portfele o wysokich wartościach BV/MV dają rosnące stopy zwrotu, a w portfele o niskich wartościach BV/MV malejące stopy zwrotu, - inwestycje długie w portfele o małej kapitalizacji dają rosnące stopy zwrotu dla rynku wykazującego wzrost SMB. Modelowanie równowagi cenowej na Giełdzie … 305 Literatura 1. Bołt T.W., Miłobędzki P. (2002), Weryfikacja modelu CAPM dla giełdy warszawskiej, Prace Naukowe Akademii Ekonomicznej we Wrocławiu, nr 952, 89-95. 2. Czapkiewicz A., Skalna I. (2010), The CAPM and the Fama-French Models in Warsaw Stock Exchange, Przegląd Statystyczny, 57, 4, 128-141. 3. Dickey D.A., Fuller W.A. (1979), Distribution of the Estimators for Autoregressive Time Series with a Unit Root, Journal of the American Statistical Association, 74, 366, 427-431. 4. Dimson E., Mussavian M. (1999), Three Centuries of Asset Pricing, Journal of Banking and Finance, 23, 1745-1769. 5. Fama E.F., French K.R. (1993), Common Risk Factors in the Returns on Stock and Bonds, Journal of Financial Economics, 33, 1, 3-56. 6. Fama E.F., French K.R. (1995), Size and Book-to-Market Factors in Earnings and Returns, Journal of Finance, 50, 1, 131-155. 7. Fama E.F., French K.R. (1996), Multifactor Explanations of Asset Pricing Anomalies, Journal of Finance, 51, 1, 55-84. 8. Fiszeder P. (2009), Modele klasy GARCH w empirycznych badaniach finansowych, Wydawnictwo Naukowe Uniwersytetu Mikołaja Kopernika, Toruń. 9. Gibbons M.R., Ross S.A., Shanken J. (1989), A Test of the Efficiency of a Given Portfolio, Econometrica, 57, 5, 1121-1152. 10. Jajuga K. (2000), Metody ekonometryczne i statystyczne w analizie rynku kapitałowego, Wydawnictwo Akademii Ekonomicznej, Wrocław. 11. Osińska M., Stempińska J. (2003), Zmienność parametru beta w modelu Sharpe’a a horyzont czasowy inwestycji, Nasz Rynek Kapitałowy, nr 9, 129-136. 12. Urbański S. (2007), Time-Cross-Section Factors of Rates of Return Changes on Warsaw Stock Exchange, Przegląd Statystyczny, 54, 2, 94121. 13. Urbański S. (2008), Stopy zwrotu akcji GPW w Warszawie a wskaźniki oceny rynkowej, Ekonomista, nr 6, 817-836. 14. Urbański S. (2011), Modelowanie równowagi na rynku kapitałowym – weryfikacja empiryczna na przykładzie akcji notowanych na Giełdzie Papierów Wartościowych w Warszawie, Prace Naukowe Uniwersytetu Ekonomicznego w Katowicach, Katowice. Streszczenie W pracy przedstawiono możliwości wyceny akcji notowanych na Giełdzie Papierów Wartościowych w Warszawie w okresach przed i po wejściu Polski do Unii Europejskiej. Badane aplikacje wyceny to zagregowany model dwu- i trójczynnikowy, prezentowany w poprzednich pracach autora oraz model Famy-Frencha. Przeprowadzone badania dotyczą określenia wartości i struktury składowych ryzyka systematycznego badanych walorów w latach 1996-2010. Proponowany model zagregowany bazuje na 306 Stanisław Urbański czynnikach uwzględniających strukturę wyników finansowych spółek, co pozwolić powinno uzupełnić wytyczne inwestycyjne wynikające z modelu Famy-Frencha. Za cel pracy przyjęto opracowanie takich wytycznych i zbadanie czy są one różne w badanych okresach. Wyniki badań pokazują, że symulowane stopy zwrotu oraz składowe ryzyka systematycznego wykazują podobne zmiany przed i po wejściu Polski do UE. Przeprowadzone testy wykazały, że zarówno model Famy-Frencha jak i proponowany model zagregowany, we wszystkich badanych okresach generują portfele wieloczynnikowo efektywne. Modeling of price equilibrium on Warsaw Stocks Exchange in the periods before and after Poland’s admission to the EU (Summary) This paper shows the possibility of pricing of stocks listed on Warsaw Stock Exchange in the periods before and after Poland’s admission to the EU. The author tests the Fama-French model and his own two- and three-factor pricing applications. The results show that distributions of returns and systematic risk components are similar in the tested periods.