Stock index as a leading boom indicator
Transkrypt
Stock index as a leading boom indicator
Zeszyty Naukowe UNIWERSYTETU PRZYRODNICZO-HUMANISTYCZNEGO w SIEDLCACH Nr 95 Seria: Administracja i Zarz dzanie 2012 dr Grzegorz Przekota dr Agnieszka Lisowska Politechnika Koszali ska Indeks gie dowy jako wska!nik wyprzedzaj"cy koniunktur# Stock index as a leading boom indicator Streszczenie: W pracy poruszono problem wska ników wyprzedzaj!cych koniunktur". Zweryfikowano hipotez" o wyprzedzeniu zmian PKB przez indeks gie#dowy. Dane empiryczne obejmuj! Produkt Krajowy Brutto Polski oraz indeks gie#dowy WIG w okresie od pierwszego kwarta#u 1995 do pierwszego kwarta#u 2012. Badana hipoteza zosta#a zweryfikowana pozytywnie. Okazuje si", i$ indeks gie#dowy WIG mo$e by% uznany za wska nik wyprzedzaj!cy PKB, przy czym wyprzedzenie punktów zwrotnych wynosi &rednio oko#o 3 kwarta#y. S owa kluczowe: wska!nik wyprzedzaj"cy, przyczynowo#$, dekompozycja szeregu czasowego, Produkt Krajowy Brutto, indeks gie%dowy Abstract: This paper addresses the issue of leading prosperity indicators. The authors verified the hypothesis of advancing GDP changes by the stock market index. Empirical data included gross domestic product and the Polish WIG index in the period from the first quarter of 1995 to the first quarter of 2012. The studied hypothesis was verified. It turned out that the WIG index can be considered to be a leading indicator of GDP, with the anticipation of turning points at an average of about 3 quarters. Key words: leading indicator, causality, time series decomposition, Gross Domestic Product, stock index Wst#p Wska!niki wyprzedzaj"ce koniunktur& s" wa'nymi instrumentami pozwalaj"cymi na kszta%towanie polityki gospodarczej kraju. W praktyce najlepsze by%yby wska!niki wyprzedzaj"ce koniunktur& o wiele miesi&cy albo nawet lat. Istnia%by wówczas odpowiednio d%ugi czas na przeciwdzia%anie ewentualnym niekorzystnym zmianom lub te' absorpcj& zmian korzystnych. Jednak w praktyce najwi&cej wska!ników to wska!niki wyprzedzaj"ce koniunktur& o kilka miesi&cy. Mo'na je podzieli$ na trzy grupy: 1. Wykonywane na podstawie bada ankietowych. 2. Wybrane wielko#ci makroekonomiczne. 3. Wska!niki z rynku finansowego. 322 G. Przekota, A. Lisowska Wska!niki wykonywane na podstawie bada ankietowych s" najbardziej popularne. Badania przeprowadzane s" na wybranych grupach, najcz&#ciej konsumentach lub przedsi&biorcach. Reprezentantom tych grup zadaje si& pytania dotycz"ce ich oczekiwa w przysz%o#ci. Skuteczno#$ tych wska!ników jest tym wi&ksza im lepiej badana próba b&dzie odzwierciedla$ populacj&. W drugiej grupie wska!ników znajduj" si& pewne wielko#ci, które w sposób istotny wp%ywaj" na decyzje konsumentów i przedsi&biorców, a przez to w konsekwecji na stan koniunktury gospodarczej. W zwi"zku z tym, i' musi up%yn"$ pewien czas, zamin rynek zaakceptuje now" warto#$ takiej wielko#ci, mo'na traktowa$ je jako wyprzedzaj"ce. W tej grupie znajduj" si& przede wszystkim wielko#ci wp%ywaj"ce na poziom popytu konsumpcyjnego i inwestycyjnego, a wi&c stopa procentowa, wielko#$ poda'y pieni"dza, stopa podatkowa itp. Trzecia grupa wska!ników to wska!niki z rynku finansowego, a w#ród nich w szczególno#ci dwa uznaje si& jako dobre prognostyki nadchodz"cej koniunktury, s" to: ró'nice pomi&dzy krótkoi d%ugoterminowymi stopami procentowymi oraz indeksy gie%dowe. Cel pracy i zakres danych Celem prowadzonych bada jest okre#lenie powi"zania indeksu gie%dowego WIG z poziomem PKB. Wysuni&to przypuszczenie, i' indeks gie%dowy WIG mo'e by$ traktowany jako wska!nik wyprzedzaj"cy dla poziomu PKB. Szczegó%owe badania maj" wskaza$, jaki jest czas wyprzedzenia punktów zwrotnych koniunktury PKB przez punkty zwrotne koniunktury gie%dowej mierzonej indeksem gie%dowych WIG. Zakres danych obejmuje szeregi czasowe danych kwartalnych PKB i WIG za okres pierwszy kwarta% 1995 – pierwszy kwarta% 2012. Wykresy tych szeregów znajduj" si& na rysunku 1. 70 000 WIG (pkt) 500 000 PKB (mln z ) 450 000 60 000 400 000 50 000 350 000 40 000 300 000 250 000 30 000 200 000 150 000 20 000 WIG 10 000 2012 50 000 2011 2010 2009 2008 2007 2006 2005 2004 2003 2002 2001 2000 1999 1998 1997 1996 1995 0 100 000 PKB 0 Rysunek 1. Szeregi czasowe PKB i WIG w latach 1995-2012, dane kwartalne (ród%o: G%ówny Urz"d Statystyczny, Gie%da Papierów Warto#ciowych w Warszawie. Seria: Administracja i Zarz dzanie (22)2012 ZN nr 95 Indeks gie!dowy jako wska"nik wyprzedzaj cy koniunktur# 323 Przebiegi szeregów czasowych PKB i WIG ró'ni" si& znacznie. W przypadku tego pierwszego mamy do czynienia z systematycznym wzrostem warto#ci z wyra!nymi odchyleniami sezonowymi. Natomiast warto#ci indeksu gie%dowego WIG podlegaj" znacznie wi&kszym wahaniom, a ponadto wyodr&bni$ mo'na kilka faz, charakteryzuj"cych si& trendem wzrostowym, spadkowym lub bocznym o ró'nej d%ugo#ci. Potwierdzeniem wi&kszej zmienno#ci warto#ci szeregu czasowego WIG od zmienno#ci warto#ci szeregu czasowego PKB s" wyznaczone wspó%czynniki zmienno#ci, które wynios%y odpowiednio 55,7% i 38,7%. Uwagi dotycz"ce modelowania zale$no%ci Najprostsze metody analizy powi"za pomi&dzy warto#ciami szeregów czasowych bazuj" na obliczaniu wspó%czynników korelacji. Technicznie s" one najprostsze, ale z uwagi na pewne cechy szeregów czasowych (niestacjonarno#$, heteroscedastyczno#$) mog" dawa$ ma%o wiarygodne wyniki. W zwi"zku z tym w pracy skorzystano z koncepcji przyczynowo#ci. Przyj&to tutaj definicj& przyczynowo#ci Wienera-Grangera: „x jest przyczyn" (w sensie Grangera) y, co zapisujemy jako x y, je#li bie'"ce warto#ci y mo'na wyprognozowa$ z wi&ksz" dok%adno#ci" przez przesz%e warto#ci x, ni' w inny sposób, przy zasadzie caeteris paribus”1. Przyczynowo#$ sprowadza si& do odpowiedzi na pytanie, czy x mo'e zosta$ wyeliminowane z tej cz&#ci modelu, która opisuje y.2 Hipoteza zerowa dla modelu: # x t % a 01 $ a1.11 x t &1 $ ... $ a1.1k x t & k $ a1.21 y t &1 $ ... $ a1.2 k y t & k $ e1t (1) " ! y t % a 02 $ a 2.11 x t &1 $ ... $ a 2.1k x t & k $ a 2.21 y t &1 $ ... $ a 2.2 k y t & k $ e 2t gdzie k oznacza liczb& opó!nie , ma posta$ H 0 : a 2.11 % ... % a 2.1k % 0 . Sprawdzianem hipotezy jest statystyka LR postaci: ' LR % 2 log ) R & log ) U ( , (2) gdzie * jest estymatorem macierzy kowariancji dla nieograniczonego (U) i ograniczonego (R) modelu. Wiarygodno#$ wyników badania przyczynowo#ci zale'y od stopnia integracji szeregów czasowych. Dla szeregów niestacjonarnych maleje ich wiarygodno#$. Ocen& integracji przeprowadzono przy u'yciu testu Phillipsa-Perrona. Kolejny etap bada polega% na okre#leniu punktów zwrotnych w badanych szeregach czasowych. Procedur& okre#lenia punktów zwrotnych cykli koniunkturalnych zaczerpni&to z pracy G. Moorea i V. Zarnowitza3, a obli- 1 W. Charemza, D. Deadman, Nowa ekonometria, Polskie Wydawnictwo Ekonomiczne, Warszawa 1997, s. 195. 2 M. Pesaran, B. Pesaran, Working with Microfit 4.0, Oxford University Press, Oxford 1997, s. 131. 3 G. Moore i V. Zarnowitz, The Development and Role of the National Bureau’s Business Cycle Chronologies, NBER, 1987. ZN nr 95 Seria: Administracja i Zarz dzanie (22)2012 324 G. Przekota, A. Lisowska czenia wykonano w programie EViews. Kolejne przekszta%cenia szeregów czasowych obejmowa%y takie etapy jak: 1. Wykonanie korekty sezonowej przy u'yciu metody TRAMO/SEATS. 2. Podzia% szeregu czasowego na sk%adnik d%ugookresowy oraz warto#$ rezydualn", zawieraj"c" w sobie czynnik cykliczny oraz nieregularny przy u'yciu filtru Hodricka-Prescotta (HP). 3. Wyg%adzanie maj"ce na celu eliminacj& czynników zak%ócaj"cych faktyczn" posta$ cyklu koniunkturalnego. 4. Wykrywanie punktów zwrotnych szeregów czasowych. Podstawowym zadaniem po wykonaniu tej procedury jest okre#lenie ró'nicy czasowej pomi&dzy otrzymanymi punktami zwrotnymi. Ocena integracji i przyczynowo%ci W tabeli 1 przedstawiono wyniki testów integracji szeregów czasowych PKB i WIG. Uzyskane rezultaty wskazuj", i' poziomy badanych zmiennych s" szeregami niestacjonarnymi, natomiast szeregi pierwszych ró'nic s" szeregami stacjonarnymi. Hipoteza o niestacjonarno#ci dla pierwszych ró'nic odrzucona zosta%a przy poziomie istotno#ci poni'ej 0,00005, co oznacza, 'e badane szeregi czasowe s" zintegrowane w stopniu 1. Tabela 1. Testy integracji szeregów czasowych PKB i WIG Obserwacje Szereg Pierwsze przyrosty statystyka P-P poziom p statystyka P-P poziom p PKB 2,9615 0,9991 -12,4906 0,0000 WIG 0,0042 0,6806 -5,4226 0,0000 (ród%o: obliczenia w%asne. Wyniki badania przyczynowo#ci Grangera wskazuj", i' mo'liwe jest zwi&kszenie precyzji prognozowania poziomu PKB je#li do modelu w%"czy si& jedno opó!nienie indeksu gie%dowego WIG (tabela 2). Sytuacja taka mo'e oznacza$, i' indeks gie%dowy WIG mo'e s%u'y$ jako wska!nik wyprzedzaj"cy dla warto#ci PKB, jednak wymaga to dalszych bardziej szczegó%owych bada . Jednym z rozwi"za jest dekompozycja szeregów czasowych i porównywanie punktów zwrotnych, w%a#nie takie podej#cie zastosowano w pracy. Seria: Administracja i Zarz dzanie (22)2012 ZN nr 95 Indeks gie!dowy jako wska"nik wyprzedzaj cy koniunktur# 325 Tabela 2. Testy przyczynowo#ci Grangera Przyczynowo%& PKB Liczba opó!nie' Obserwacje Pierwsze przyrosty statystyka F poziom p statystyka F poziom p 0,6867 0,4103 0,2535 0,6164 4,3795 0,0403 0,2462 0,6214 2,0700 0,1348 0,5707 0,5681 1,6360 0,2031 0,7081 0,4966 WIG 1 WIG PKB PKB WIG 2 WIG PKB (ród%o: obliczenia w%asne. Analiza zmian cyklicznych Procedur& poszukiwania punktów zwartych cykli koniunkturalnych szeregów czasowych PKB i WIG rozpocz&to od eliminacji waha sezonowych, w tym celu wykorzystano procedur& TRAMO/SEATS. Wyniki badania zamieszczono na rysunkach 2 i 3. Wynikiem tego przekszta%cenia s" wyg%adzone szeregi czasowe. W szeregach tych brak jest ju' sk%adnika sezonowego, co w szczególno#ci widoczne jest w przypadku szeregu czasowego PKB. 500 000 PKB (mln z ) 450 000 400 000 350 000 300 000 250 000 200 000 150 000 PKB 100 000 PKB wyg adzony 50 000 69 65 61 57 53 49 45 41 37 33 29 25 21 17 13 9 5 1 0 Rysunek 2. Wyg%adzony szereg czasowy PKB )ród%o: wykonanie w%asne na podstawie danych zamieszczonych na rysunku 1. ZN nr 95 Seria: Administracja i Zarz dzanie (22)2012 326 G. Przekota, A. Lisowska 70 000 WIG (pkt) 60 000 50 000 40 000 30 000 20 000 WIG 10 000 WIG wyg adzony 69 65 61 57 53 49 45 41 37 33 29 25 21 17 13 9 5 1 0 Rysunek 3. Wyg%adzony szereg czasowy WIG (ród%o: wykonanie w%asne na podstawie danych zamieszczonych na rysunku 1. Kolejnym etapem bada by%a dekompozycja wyg%adzonych szeregów czasowych na trend i odchylenia wyg%adzonych szeregów czasowych od trendu. Wyniki tej procedury zamieszczono na rysunkach 4 i 5. Zauwa'ona wcze#niej wi&ksza zmienno#$ notowa WIG ni' PKB powoduje wi&ksz" zmienno#$ odchyle od trendu, a mniej regularny przebieg szeregu czasowego WIG ni' PKB mniej regularny przebieg odchyle od trendu oraz wyra!nie wi&ksze ró'nice w odchyleniach. PKB (mln z ) 450 000 odchylenia od trendu (mln z ) 400 000 10 000 8 000 6 000 350 000 4 000 300 000 2 000 250 000 0 200 000 -2 000 150 000 -4 000 100 000 -6 000 PKB wyg adzony odchylenia od trendu 50 000 PKB trend -8 000 69 65 61 57 53 49 45 41 37 33 29 25 21 17 13 9 5 -10 000 1 0 Rysunek 4. Dekompozycja Hodricka-Prescotta wyg%adzonego szeregu czasowego PKB (ród%o: wykonanie w%asne na podstawie danych zamieszczonych na rysunku 2. Seria: Administracja i Zarz dzanie (22)2012 ZN nr 95 Indeks gie!dowy jako wska"nik wyprzedzaj cy koniunktur# 70 000 327 WIG (pkt) odchylenia od trendu (pkt) 25 000 20 000 60 000 15 000 50 000 10 000 40 000 5 000 0 30 000 -5 000 20 000 -10 000 -15 000 10 000 WIG wyg adzony odchylenia od trendu WIG trend -20 000 -25 000 69 65 61 57 53 49 45 41 37 33 29 25 21 17 9 13 5 1 0 Rysunek 5. Dekompozycja Hodricka-Prescotta wyg%adzonego szeregu czasowego WIG (ród%o: wykonanie w%asne na podstawie danych zamieszczonych na rysunku 3. Z uwagi na ró'n" jednostk& pomiarow" (PKB – mln z%, WIG – pkt) oraz ró'ny zakres warto#ci odchyle , wyszukiwane punktów zwrotnych cykli koniunkturalnych tych szeregów przeprowadzono na zestandaryzowanych szeregach czasowych odchyle od trendu. Standaryzowane odchylenia od trendu dla szeregów czasowych PKB i WIG zamieszczono na rysunku 6. 4 3 2 1 69 65 61 57 53 49 45 41 37 33 29 25 21 17 13 9 5 1 0 -1 -2 PKB -3 WIG -4 Rysunek 6. Standaryzowane odchylenia od trendu dla szeregów czasowych PKB i WIG (ród%o: wykonanie w%asne na podstawie danych zamieszczonych na rysunku 4 i 5. Na rysunku 6 wyra!nie widoczne jest wyprzedzenie punktów zwrotnych cykli koniunkturalnych PKB przez punkty zwrotne cykli koniunktural- ZN nr 95 Seria: Administracja i Zarz dzanie (22)2012 328 G. Przekota, A. Lisowska nych WIG. W tabeli 3 zebrano informacje na temat punktów zwrotnych oraz d%ugo#ci wyprzedzenia. Tabela 3. Numery kolejnych punktów zwrotnych WIG 10 21 37 50 65 Górny punkt zwrotny PKB wyprzedzenie 14 4 23 2 40 3 53 3 68 3 WIG 1 16 33 41 57 Dolny punkt zwrotny PKB wyprzedzenie 5 4 17 1 35 2 45 4 61 4 (ród%o: wykonanie w%asne na podstawie oblicze zawartych na rysunku 6. Przeprowadzone obliczenia wskazuj", i' #rednie wyprzedzenie punktów zwrotnych cykli koniunkturalnych PKB przez punkty zwrotne cykli koniunkturalnych WIG wynosi 3 jednostki, co jest równoznaczne trzem kwarta%om. Podsumowanie Przeprowadzone w pracy badania wskaza%y, i' indeks gie%dowy WIG mo'e by$ traktowany jako wska!nik wyprzedzaj"cy Produktu Krajowego Brutto Polski. Punkty zwrotne cykli gie%dowych wyprzedzaj" o oko%o 3 kwarta%y punkty zwrotne cykli koniunkturalnych. Warto zauwa'y$ jednak, i' nie jest to wyprzedzenie sta%e w czasie, gdy' jest to od jednego do czterech kwarta%ów. Szczegó%owe wyliczenia pokazuj", i' wyprzedzenia dla górnych punktów zwrotnych, a wi&c prognozuj"cych s%absz" koniunktur& s" bardziej stabilne ni' dla dolnych punktów zwrotnych prognozuj"cych popraw& koniunktury. Wyprzedzenia dla dolnych punktów zwrotnych a' trzy razy wynios%y 4 kwarta%y, a dla górnych punktów zwrotnych trzy razy 3 kwarta%y, co oznacza$ tak'e mo'e, i' w badanym okresie czasu gospodarka by%a w #redniookresowym trendzie wzrostowym i okresy poprawy koniunktury trwa%y d%u'ej ni' okresy spowolnienia gospodarczego. Bibliografia Charemza W., Deadman D., Nowa ekonometria, Polskie Wydawnictwo Ekonomiczne, Warszawa 1997. Moore G., Zarnowitz V., The Development and Role of the National Bureau’s Business Cycle Chronologies, NBER, 1987. Pesaran M., Pesaran B., Working with Microfit 4.0, Oxford University Press, Oxford 1997. Seria: Administracja i Zarz dzanie (22)2012 ZN nr 95