Analiza stabilności parametrów hybrydowych modeli market
Transkrypt
Analiza stabilności parametrów hybrydowych modeli market
Joanna Olbryś* Analiza stabilności parametrów hybrydowych modeli market-timing polskich funduszy inwestycyjnych1 Wstęp Hybrydowe czteroczynnikowe modele market-timing funduszy inwestycyjnych akcji polskich zostały przedstawione w pracy [Olbryś, 2010d]. Celem pracy [Olbryś, 2011a] była konstrukcja portfela naśladującego WML, reprezentującego czynnik momentum na polskim rynku oraz analiza istotności wpływu tego czynnika jako zmiennej niezależnej w modelach market-timing grupy funduszy inwestycyjnych w okresie styczeń 2003-grudzień 2010. Otrzymano wynik negatywny, czyli brak istotnego wpływu czynnika WML na stopy zwrotu z portfeli funduszy. Wynik ten różni się od wniosków Carharta [1997] dla rynku amerykańskiego, stąd kolejnym etapem badań jest analiza stabilności parametrów uzyskanych modeli ekonometrycznych w celu potwierdzenia interpretacji oraz własności modeli. Wykorzystano uniwersalne testy stabilności parametrów modeli budowanych w oparciu o szeregi czasowe, z nieznanym punktem zwrotnym. 1. Hybrydowe modele market-timing 1.1. Konstrukcja czynników Famy i Frencha na polskim rynku W artykule z 1993 r. Fama i French przedstawili trójczynnikowy model równowagi cenowej akcji, w którym jako zmienne objaśniające zaproponowali: nadwyżkę rynkowej stopy zwrotu nad wolną od ryzyka stopą zwrotu, czynnik SMB (Small-minus-Big), skonstruowany głównie w oparciu o wartość rynkową MV, oraz HML (High-minus-Low) – czynnik skonstruowany głównie w oparciu o wartość wskaźnika BV/MV. Czynniki SMB oraz HML, nazwane portfelami naśladującymi (mimicking portfolios), uwzględniały zaobserwowaną wcześniej znaczącą wartość informacyjną wskaźnika BV/MV. W literaturze znajdujemy różnorodne zastosowania portfeli naśladujących SMB i HML. Przykładem mogą być wieloczynnikowe modele wspomagające ocenę umiejętności menadżerów funduszy inwestycyjnych w zakresie stosowania techniki market-timing, w których czynniki Famy i Frencha występują jako dodatkowe zmienne objaśniające [Bollen, Busse, 2001]. Czynniki SMB i HML na polskim rynku zostały skonstruowane w pracy [Olbryś, 2010a], z wykorzystaniem procedury zaproponowanej przez Famę i Frencha [1993], następnie dokonano aktualizacji bazy danych na potrzeby pracy [Olbryś, 2011a]2. Wykonano cykliczne sortowanie 60 * dr, Wydział Informatyki, Politechnika Białostocka, [email protected] Praca naukowa finansowana ze środków na naukę w latach 2009-2011 jako projekt badawczy własny Nr N N113 173237 2 Szczegóły konstrukcji czynników SMB i HML przedstawione zostały w pracach [Olbryś, 2010a] oraz [Olbryś, 2010c]. 1 248 Joanna Olbryś spółek z utworzonej bazy według wartości wskaźników MV oraz BV/MV odpowiednio w ostatnich dniach roboczych czerwca, w latach 2002 - 2010. Spółki posortowane według wartości rynkowej MV na 1 akcję były następnie dzielone, na podstawie wartości mediany, na dwie grupy: spółki duże (B–Big) oraz spółki małe (S–Small). Spółki posortowane według wartości wskaźnika BV/MV były dzielone, na podstawie wartości percentyli 30% i 70%, na trzy grupy: spółki o wysokich wartościach wskaźnika BV/MV (grupa H– High), spółki o średnich wartościach wskaźnika BV/MV (grupa M–Medium) oraz spółki o niskich wartościach wskaźnika BV/MV (grupa L–Low). W kolejnym kroku procedury odbywał się podział spółek na sześć rozłącznych grup: BH, BM, BL, SH, SM, SL. Do każdej z grup wchodziły te spółki, które spełniały oba warunki jednocześnie, czyli np. do grupy BH spółki duże, o wysokiej wartości wskaźnika BV/MV. Otrzymano w ten sposób po sześć, ważonych wartościami rynkowymi, portfeli pomocniczych w każdym roku. Ostatnim krokiem procedury było utworzenie portfeli naśladujących SMB i HML oraz wyznaczenie ich dziennych stóp zwrotu w okresie 2.01.2003 r. – 31.12.2010 r. według wzorów: 1 (1) RSMB ( RSH RSM RSL RBH RBM RBL ) 3 1 (2) RHML ( RBH RSH RBL RSL ) 2 1.2. Konstrukcja czynnika momentum na polskim rynku Strategie momentum polegają na możliwości osiągania przez inwestorów ponadprzeciętnych zysków dzięki nabywaniu tych akcji, których ceny w ostatnim okresie znacząco zyskały na wartości (Winners) oraz krótkiej sprzedaży tych, których ceny w największym stopniu zmniejszyły się (Losers). Jegadeesh i Titman [1993] stwierdzili występowanie efektu momentum na amerykańskim rynku akcji w latach 1965-1989. Carhart [1997] zaproponował konstrukcję czteroczynnikowego modelu wyjaśniającego kształtowanie się stóp zwrotu z portfeli funduszy inwestycyjnych, w którym, oprócz czynników SMB i HML, uwzględnił efekt momentum, zidentyfikowany przez Jegadeesha i Titmana. Rouwenhorst [1998] testował efekt momentum w 12 krajach europejskich w latach 1980-1995 i uzyskał wyniki w większości zgodne z wynikami Jegadeesha i Titmana. Z kolei, analizując polski rynek, Buczek [2005] stwierdził występowanie efektu momentum na Warszawskiej Giełdzie Papierów Wartościowych w latach 2001 – 2004. Możliwość inwestowania z wykorzystaniem strategii momentum na WGPW analizowali również Gajdka i Brzeszczyński [2008]. W celu wprowadzenia zmiennej momentum do hybrydowych, wieloczynnikowych modeli market–timing oraz zbadania istotności wpływu tej zmiennej na stopy zwrotu z portfeli funduszy inwestycyjnych, dokonano konstrukcji nowej zmiennej objaśniającej WML (Winners-minus-Losers), reprezentującej czynnik momentum na polskim rynku. Czynnik WML został skonstruowany z wykorzystaniem procedury przedstawionej przez Carharta [1997]. W pierwszej Analiza stabilności parametrów hybrydowych modeli … 249 kolejności dokonano selekcji spółek giełdowych, które uwzględniono w bazie danych, na podstawie następujących kryteriów [Olbryś, 2011a]: 1. spółka była notowana na GPW w Warszawie co najmniej od 31 grudnia 2001r., 2. dane dzienne spółki miały możliwe do uzupełnienia luki; luki uzupełniono poprzez wykorzystanie średniej arytmetycznej sąsiednich notowań. Do bazy danych utworzonej zgodnie z warunkami 1- 2 weszło ostatecznie 71 spółek. W celu konstrukcji wartości indeksu WML obliczono 11-miesięczne, opóźnione o 1 miesiąc stopy zwrotu. Obliczenia wykonano na koniec każdego miesiąca, od 31.12.2002 r. do 31.12.2010 r., wykorzystując dane dzienne. W następnej kolejności dokonano sortowania spółek według wartości 11miesięcznej, opóźnionej stopy zwrotu, w ostatnim dniu roboczym każdego miesiąca. Łącznie wykonano sortowanie 96 razy. Spółki posortowane według wartości 11-miesięcznej, opóźnionej stopy zwrotu były dzielone na trzy grupy: spółki, dla których wartość 11-miesięcznej, opóźnionej stopy zwrotu była nie mniejsza od percentyla 70% (grupa W-Winners); w skład tej grupy weszły 22 spółki o najwyższych wartościach 11-miesięcznej, opóźnionej stopy zwrotu; spółki, dla których wartość 11-miesięcznej, opóźnionej stopy zwrotu była mniejsza od percentyla 70%, ale nie mniejsza od percentyla 30%; ta grupa spółek nie brała udziału w tworzeniu wartości indeksu WML; spółki, dla których wartość 11-miesięcznej, opóźnionej stopy zwrotu była mniejsza od percentyla 30% (grupa L–Losers); w skład tej grupy weszły 22 spółki o najniższych wartościach 11-miesięcznej, opóźnionej stopy zwrotu. Ostatnim krokiem procedury było utworzenie portfela WML jako różnicy średnich ważonych stóp zwrotu spółek z grup W i L oraz wyznaczenie dziennych stóp zwrotu z tego portfela w okresie 2.01.2003 r. – 31.12.2010 r., ze wzoru: 1 (3) RWML ( RW RL ) 22 1.3. Wartość dodana Goetzmana-Ingresolla-Ivkoviča jako efekt perfekcyjnego stosowania techniki market-timing Goetzmann, Ingersoll i Ivkovič [2000] analizowali problem stosowania w klasycznych modelach market-timing danych miesięcznych w przypadku zarządzających, którzy codziennie (lub częściej niż raz w miesiącu) podejmują decyzje związane ze stosowaniem tej techniki. Zaproponowali odpowiednią modyfikację klasycznego modelu Henrikssona-Mertona – test G-I-I, polegającą na wprowadzeniu do modelu market-timing nowej zmiennej objaśniającej PM,t w miejsce zmiennej objaśniającej yM,t = max{0, – rM,t} [Henriksson, Merton 1981]. Wartość dodana PM ,t w miesiącu t, będąca efektem perfekcyjnego stosowania techniki market-timing przez zarządzającego portfelem, wyraża się wzorem [Goetzmann, Ingersoll, Ivkovič, 2000, s. 262]: 250 Joanna Olbryś N PM ,t max{1 RM , ;1 RF , } 1 RM ,t 1 (4) gdzie: N - liczba dni roboczych w miesiącu t, τ = 1, 2, …, N; Do oszacowania wartości zmiennej objaśniającej PM,t (4) użyto dziennych oraz miesięcznych stóp zwrotu z portfela rynkowego (RM,t), jak również wartości dziennej wolnej od ryzyka stopy zwrotu (RF,t). Konstrukcję zmiennej niezależnej PM,t na polskim rynku wykonano w pracy [Olbryś, 2011b]. 1.4. Wieloczynnikowy hybrydowy model market-timing W pracy [Olbryś, 2010d] przedstawiono hybrydowy model czteroczynnikowy jako modyfikację modeli trójczynnikowych T-M-FF oraz H-M-FF [Olbryś, 2010a], zawierającą nową zmienną objaśniającą PM,t (4), będącą wartością dodaną w miesiącu t, która zastąpiła zmienne reprezentujące w danym modelu efekt perfekcyjnego stosowania strategii market-timing przez zarządzającego funduszem, czyli: 2 kwadrat rynkowej zmiennej objaśniającej (rM,t) w modelu T-M-FF [Treynor, Mazuy, 1966], zmienną yM,t = max{0, – rM,t} w modelu H-M-FF [Henriksson, Merton, 1981]. W rezultacie otrzymano model postaci [Olbryś, 2010d]: rP,t P P rM ,t 1P rSMB,t 2 P rHML,t P PM ,t P,t (5) gdzie: rP,t = RP,t – RF,t jest nadwyżką zwykłej stopy zwrotu z portfela P nad wolną od ryzyka stopą zwrotu w okresie t, rM,t = RM,t – RF,t jest nadwyżką zwykłej stopy zwrotu z portfela rynkowego M nad wolną od ryzyka stopą zwrotu w okresie t, rSMB,t = RSMB,t – RF,t jest nadwyżką zwykłej stopy zwrotu z portfela naśladującego SMB nad wolną od ryzyka stopą zwrotu w okresie t, rHML,t = RHML,t – RF,t jest nadwyżką zwykłej stopy zwrotu z portfela naśladującego HML nad wolną od ryzyka stopą zwrotu w okresie t, PM,t jest wartością dodaną, określoną wzorem (4), αP jest miarą umiejętności zarządzającego portfelem P w zakresie selektywności aktywów (współczynnik alfa [Jensen, 1968]), βP jest miarą ryzyka systematycznego portfela P, γP jest miarą umiejętności zarządzającego portfelem P w zakresie stosowania techniki market-timing, δ1P jest miarą wrażliwości stopy zwrotu z portfela P na zmiany stopy zwrotu portfela SMB, δ2P jest miarą wrażliwości stopy zwrotu z portfela P na zmiany stopy zwrotu portfela HML, εP,t jest składnikiem losowym, spełniającym następujące standardowe założenia modelu CAPM: E ( P,t ) 0; E ( P,t P,t 1 ) 0 . Analiza stabilności parametrów hybrydowych modeli … 251 Hybrydowy, pięcioczynnikowy model market-timing został skonstruowany w pracy [Olbryś, 2011a], jako rozszerzenie modelu (5) o dodatkową zmienną objaśniającą - portfel naśladujący WML (3), reprezentujący czynnik momentum na polskim rynku. Hybrydowy model pięcioczynnikowy ma zatem postać: rP,t P P rM ,t 1P rSMB,t 2 P rHML,t 3P rWML,t P PM ,t P,t (6) gdzie: rWML,t = RWML,t – RF,t jest nadwyżką zwykłej stopy zwrotu z portfela naśladującego WML nad wolną od ryzyka stopą zwrotu w okresie t, δ3P jest miarą wrażliwości stopy zwrotu z portfela P na zmiany stopy zwrotu portfela WML, pozostałe oznaczenia jak we wzorze (5). Zbadano stacjonarność procesów rM,t, rSMB,t, rHML,t, rWML,t oraz PM,t na podstawie rozszerzonego testu Dickeya-Fullera (ADF) i odrzucono we wszystkich przypadkach hipotezę o istnieniu pierwiastków jednostkowych. Obecnie celem badań jest analiza stabilności parametrów hybrydowych, pięcioczynnikowych modeli market-timing OFI akcji polskich, w okresie 2.01.2003 r. – 31.12.2010 r., z wykorzystaniem wybranych testów stabilności parametrów modelu ekonometrycznego. 2. Testowanie stabilności parametrów modelu ekonometrycznego Szacując model regresji wielorakiej przyjmujemy, że parametry są stałe (stabilne) w okresie estymacji oraz predykcji, jeśli wykorzystujemy model w celach prognostycznych [Maddala, 2008]. Do weryfikacji hipotezy o stabilności parametrów w literaturze najczęściej proponuje się cztery typy testów [Kennedy, 2003, s. 114]: Testy oparte na analizie wariancji (np. tzw. test Chowa, test QLR), Testy predykcyjne (np. predykcyjny test Chowa), Testy oparte o reszty rekursywne (CUSUM, CUSUMSQ), Testy oparte na rekursywnej estymacji parametrów. 2.1. Test CUSUM (1975) Autorami testu stabilności parametrów modelu ekonometrycznego, opartego o tzw. reszty rekursywne - CUSUM (CUmulated SUM of Residuals) są Brown, Durbin i Evans [1975]. Test CUSUM można stosować do analizy stabilności modeli zbudowanych w oparciu o szeregi czasowe, gdy nie znamy momentu zmiany strukturalnej (czyli tzw. punktu zwrotnego) i nie zakładamy, że ona wystąpi [Greene, 2003, s. 134-143]. Zatem jest on bardziej uniwersalny niż np. predykcyjny test Chowa, którego realizacja wymaga wskazania momentu czasowego – punktu zwrotnego, w którym nastąpiła zmiana strukturalna procesu [Kufel, 2007, s. 110]. Załóżmy, że estymowany model regresji ma postać [Brown, Durbin, Evans, 1975, s. 150-151]: (7) yt xtT t t , t 1,, T gdzie: yt jest obserwacją zmiennej zależnej w okresie t, Joanna Olbryś 252 xt jest kolumnowym wektorem obserwacji k zmiennych niezależnych w okresie t; pierwsza zmienna niezależna x1t jest równa 1 dla każdego t, jeśli model zawiera wyraz wolny, βt jest kolumnowym wektorem parametrów w okresie t, εt jest składnikiem losowym w okresie t; przyjmujemy, że składniki losowe mają rozkład normalny ze średnią zero i wariancją σt2, t=1, …, T. Testowana hipoteza zerowa ma postać: (8) H 0 : 1 2 T ; 12 22 T2 2 Reszta rekursywna o numerze t jest błędem predykcji wartości zmiennej zależnej y t , gdy estymacja modelu odbywa się z wykorzystaniem (t-1) obserwacji [Greene, 2003, s. 135]: (9) e t y t x tT b t 1 gdzie bt 1 jest wektorem współczynników. Wariancja reszty rekursywnej jest równa: 2pt 2 [1 xtT ( X tT1 X t 1 ) 1 xt ] (10) gdzie X tT1 [ x1 , x2 ,, xt 1 ] , t=k + 1, …, T. Przeskalowaną resztę rekursywną, czyli stosunek reszty rekursywnej et do obciążenia prognozy w okresie t oznaczamy przez wt i obliczamy ze wzoru: wt et (11) 1 xtT ( X tT1 X t 1 ) 1 xt Test CUSUM tworzony jest na podstawie prób od (k + 1) do T. Test ten oparty jest na wykresie skumulowanych sum przeskalowanych reszt rekursywnych postaci [Greene, 2003, s. 135]: 1 j t (12) Wt w j s j k 1 gdzie: T 1 s2 ( w j w) 2 jest wariancją przeskalowanych reszt rekursywT k 1 j k 1 nych, s s 2 ; T 1 w w j jest średnią arytmetyczną przeskalowanych reszt rekursywT k j k 1 nych, wyznaczonych ze wzoru (11). Idea testu polega na wyznaczeniu pary prostych leżących symetrycznie poniżej i ponad prostą E(Wt) = 0 tak, aby prawdopodobieństwo przekroczenia jednej lub obu linii wynosiło , gdzie jest wymaganym poziomem istotności. Jeśli suma reszt rekursywnych, określona wzorem (12), przekracza na wykresie górną lub dolną linię krytyczną, to można wnioskować o wystąpieniu punktu Analiza stabilności parametrów hybrydowych modeli … 253 zwrotnego w danym momencie. Oznacza to odrzucenie hipotezy zerowej (8), czyli model nie jest stabilny w badanym okresie. Linie krytyczne są to dwie proste łączące punkty o współrzędnych: (k ; a T k ) i (T ; 3a T k ) , odpowiednio, gdzie a jest parametrem, którego wartość uzależniona jest od ustalonego poziomu istotności . Najczęściej używane w praktyce pary wartości a oraz to [Brown, Durbin, Evans, 1975, s. 153-154]: ( = 0,01; a = 1,143), ( = 0,05; a = 0,948) oraz ( = 0,10; a = 0,850). 2.2. Test Harveya-Colliera (1977) W literaturze przedmiotu testowanie stabilności parametrów modelu w oparciu o reszty rekursywne występuje też pod nazwą testu Harveya-Colliera [Kufel, 2007, s. 113]. Często jest on identyfikowany z testem CUSUM. Wynika to prawdopodobnie z faktu, że Harvey i Collier przyczynili się do rozpowszechnienia tego testu poprzez wykorzystanie go to badania nieliniowości w modelach ekonometrycznych [Harvey, Collier, 1977]. Model ekonometryczny jest stabilny, jeżeli statystyka w , wyznaczona ze wzoru (11), ma rozkład nor2 malny o średniej zero i wariancji . Wartość statystyki testowej t wyT k 1 znacza się ze wzoru [Kufel, 2007, s. 113]: w (13) t T k 1 s gdzie oznaczenia jak we wzorze (12). Jeśli empiryczny poziom istotności p statystyki testowej t jest mniejszy niż nominalny poziom istotności , to należy odrzucić hipotezę zerową o stabilności parametrów modelu. Jeśli natomiast p > α, to nie ma podstaw do odrzucenia hipotezy zerowej, czyli parametry modelu można uznać za stabilne. 2.3. Test CUSUMSQ (1975) W pracy z 1975 r. Brown, Durbin i Evans zaproponowali również drugi test, oparty na analizie kwadratów reszt rekursywnych, tzw. test CUSUMSQ (CUmulated SUM of SQuares Residuals). Test ten jest podobny do testu CUSUM, ale wykres tworzą skumulowane sumy kwadratów przeskalowanych reszt rekursywnych. CUSUMSQ można traktować jako test uzupełniający do CUSUM, szczególnie w przypadku, gdy brak stabilności modelu ma charakter bardziej przypadkowy, niż systematyczny [Brown, Durbin, Evans, 1975, s. 154]. 2.4. Test QLR (1958, 1960) Badanie stabilności parametrów modelu można zrealizować za pomocą uniwersalnego testu ilorazu wiarygodności QLR (Quandt Likelihood Ratio). Test ten można stosować do analizy stabilności modeli zbudowanych w oparciu o szeregi czasowe, gdy nie znamy momentu wystąpienia załamania strukturalnego, ale zakładamy, że ono nastąpi [Quandt, 1992]. Test działa prawidłowo, gdy daty punktów krytycznych są stosunkowo odległe od końców przedziału czasowego próby statystycznej, czyli bierzemy pod uwagę 70% środkowych 254 Joanna Olbryś obserwacji. Szczegółowy opis testu można znaleźć m.in. w pozycji [Kufel, 2007, s. 111-112]. 3. Charakterystyka danych i wyniki empiryczne Wyniki estymacji modeli (6) dla 15 OFI akcji polskich, na podstawie szeregów nadwyżek stóp zwrotu zmiennej objaśnianej i zmiennych objaśniających, z wykorzystaniem estymatorów odpornych Neweya-Westa (HAC), przedstawia Tablica 1. Obserwujemy wysoki stopień dopasowania modeli do danych empirycznych, mierzony skorygowanym współczynnikiem determinacji R 2 . Jak zwykle w przypadku modeli market-timing, zauważamy istotność wpływu zmiennej niezależnej reprezentującej portfel rynkowy (dodatnie wartości estymatora ˆ P ) [Olbryś, 2010a-d; 2011a]. Stwierdzamy wyraźną istotność statystyczną wpływu czynnika SMB na wartości stopy zwrotu z portfeli funduszy (oszacowania parametru ˆ1P ). Czynnik SMB reprezentuje średnią miesięczną rozpiętość stóp zwrotu pomiędzy spółkami o niskiej i wysokiej wartości rynkowej MV. Analizując z kolei wartości estymatorów ˆ2 P , nie stwierdzamy istotnego wpływu czynnika HML, którego wartości informują o średniej miesięcznej rozpiętości stóp zwrotu pomiędzy spółkami o potencjale wartości (wysokie BV/MV) oraz spółkami o potencjale wzrostu (niskie BV/MV), co jest zgodne z wynikami wcześniejszych prac [Olbryś, 2010d]. Nowe obserwacje dotyczą wartości ocen parametru ˆ3 P przy zmiennej WML, reprezentującej czynnik momentum w weryfikowanych modelach. Wpływ tej zmiennej na stopy zwrotu z portfeli OFI akcji polskich okazał się nieistotny statystycznie. Ostatnią ze zmiennych objaśniających w modelu hybrydowym (6) jest wartość dodana PM,t, będąca efektem perfekcyjnego stosowania techniki market-timing przez zarządzającego portfelem. Wartości oszacowań parametru ˆP informują zatem o poziomie umiejętności zarządzającego w zakresie stosowania techniki market-timing. Ujemna oraz istotna statystycznie wartość estymatora tego parametru może oznaczać negatywny wpływ stosowania tej techniki na wartość stopy zwrotu z portfela funduszu. Efekt ten obserwujemy w przypadku 11 z 15 badanych funduszy. W celu potwierdzenia wyników estymacji, weryfikacji oraz interpretacji dokonano testowania stabilności parametrów otrzymanych modeli ekonometrycznych w okresie 2.01.2003 r. – 31.12.2010 r., z wykorzystaniem uniwersalnych testów CUSUM oraz CUSUMSQ. Jak było wcześniej wspomniane, testy te można stosować, gdy nie jest znany moment wystąpienia tzw. punktu zwrotnego i nie zakładamy nawet, że taki punkt zwrotny wystąpi. Z taką sytuacją mamy do czynienia w przypadku hybrydowych modeli market-timing, budowanych w oparciu o szeregi czasowe z nieznanym punktem zwrotnym. Wykresy testów CUSUM i CUSUMSQ wybranych funduszy akcji polskich prezentuje Rysunek 1. Ze względu na ograniczoną objętość artykułu pozostałe wykresy są dostępne na życzenie. Na podstawie testu CUSUM dla żadnego z funduszy nie odrzucono Analiza stabilności parametrów hybrydowych modeli … 255 hipotezy zerowej (8), co potwierdziło stabilność parametrów wszystkich modeli. Analizując jednak wykresy testu CUSUMSQ stwierdzono, że w przypadku trzech funduszy: Millennium, Novo oraz PKO mogły wystąpić pozorne wskazania momentów załamań strukturalnych, nie potwierdzone ani na wykresach testu CUSUM, ani testami Harveya-Colliera i QLR (Tablica 2). Na podstawie wyników w Tablicy 2. stwierdzamy, że p 0,01 w przypadku funduszu ING Parasol FIO Subfundusz Akcji, natomiast dla pozostałych funduszy p 0,10 , co oznacza, że test Harveya-Colliera wskazuje stabilności parametrów wszystkich uzyskanych modeli. Tablica 1. Hybrydowe modele market-timing (6) (styczeń 2003 – grudzień 2010) Fundusz akcji 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 Arka BZ WBK FIO Subfundusz Arka BZ WBK Akcji Aviva Investors FIO Subfundusz Aviva Investors Polskich Akcji BPH FIO Parasolowy BPH Subfundusz Akcji ING Parasol FIO ING Subfundusz Akcji Investor Top 25 Małych Spółek FIO (d. DWS Top 25) Investor Akcji Dużych Spółek FIO (d. DWS ADS) Investor Akcji FIO (d. DWS Plus) Legg Mason Akcji FIO Millennium FIO Subfundusz Akcji Novo FIO Subfundusz Novo Akcji Pioneer FIO Subfundusz Pioneer Akcji Polskich PKO Akcji – FIO PZU FIO Parasolowy Subfundusz PZU Akcji Krakowiak Skarbiec FIO Subfundusz Akcji Skarbiec – Akcja UniFundusze FIO Subfundusz UniKorona Akcje ˆP ˆ2 P ˆ3 P ˆP 1,407** -0,543 -0,127*** 0,93 0,021*** 0,828*** 1,691*** 0,684 -0,410 -0,102*** 0,96 0,009** 0,776*** 0,935*** -0,003 0,216 -0,050* 0,95 0,001 0,855*** 0,711 0,359 0,002 0,95 0,058*** 0,633*** 7,817*** 2,92*** 0,554 -0,163*** 0,89 0,001 -0,381 -0,080*** 0,94 0,016*** 0,724*** 1,312*** 0,275 0,021 -0,111*** 0,94 0,014** 0,770*** 0,703 -0,353 1,193 -0,059* 0,93 0,010** 0,726*** 1,427** 0,011 -0,278 -0,075** 0,92 0,005 0,796*** 1,094*** 0,188 -0,959 -0,064 0,93 -0,006 0,970*** 0,367 0,476 -1,337 -0,023 0,96 0,165 -0,190 -0,198*** 0,94 0,015*** 0,727*** 1,328*** 0,734** -0,079 -0,095*** 0,94 0,013** 0,701*** 1,288** 0,012 -0,751 -0,092*** 0,92 0,007 0,822*** 0,889** -0,046 0,392 -0,014 0,94 ̂ P ˆ1P 0,025*** 0.830*** 1,490** 0,791*** -0,578 0,021*** 0,683*** 1,128** -0,255 -0,226 R2 Źródło: opracowanie własne (z wykorzystaniem pakietu Gretl 1.8.5) Parametry istotnie różniące się od zera są oznaczone: * istotność na poziomie 0,1; ** istotność na poziomie 0,05; ***istotność na poziomie 0,01. Tablica 2. przedstawia również wyniki testu QLR w postaci maksymalnej wartości statystyki F (6,84) dla każdego z modeli. 1-procentowa wartość kry- Joanna Olbryś 256 tyczna tego testu wynosi 4,12. Jeśli wyznaczona wartość statystyki F przekracza wartość krytyczną, to oznacza możliwość wystąpienia załamania strukturalnego w danym momencie [Kufel, 2007, s. 112]. Fakt przekroczenia wartości krytycznej obserwujemy w przypadku 5 spośród 15 funduszy (Aviva, BPH, Investor, Legg Mason oraz PZU), ale nie są to jednak te same fundusze, dla których test CUSUMSQ wskazał ewentualne momenty wystąpienia punktów zwrotnych. Wykresy testów CUSUM i CUSUMSQ wymienionych funduszy przedstawia Rysunek 1. Rysunek 1. Wykresy testów CUSUM i CUSUMSQ modeli market-timing wybranych funduszy akcji polskich w okresie 2.01.2003 r. – 31.12.2010 r. Aviva - wykres testu CUSUM Aviva - wykres testu CUSUMSQ BPH - wykres testu CUSUM BPH - wykres testu CUSUMSQ Investor - wykres testu CUSUM Investor - wykres testu CUSUMSQ Legg Mason - wykres testu CUSUM Legg Mason - wykres testu CUSUMSQ Analiza stabilności parametrów hybrydowych modeli … Millennium - wykres testu CUSUM Millennium - wykres testu CUSUMSQ Novo - wykres testu CUSUM Novo - wykres testu CUSUMSQ PKO - wykres testu CUSUM PKO - wykres testu CUSUMSQ 257 PZU - wykres testu CUSUM PZU - wykres testu CUSUMSQ Źródło: opracowanie własne (z wykorzystaniem pakietu Gretl 1.8.5) Tablica 3 zawiera podsumowanie wyników wszystkich zastosowanych testów stabilności parametrów modeli ekonometrycznych w przypadku hybrydowych modeli market-timing OFI akcji polskich w okresie styczeń 2003grudzień 2010. 258 Joanna Olbryś Tablica 2. Wartości statystyk testów stabilności Harveya-Colliera oraz QLR hybrydowych modeli market-timing (styczeń 2003 – grudzień 2010) Statystyka Fundusz akcji Test QLR Harveya-Colliera p (nazwa skrócona) Max F wzór (13) 1 Subfundusz Arka BZ WBK Akcji -1,260 0,2109 2,864 Subfundusz Aviva Investors Pol2 -0,579 0,5641 6,602 skich Akcji 3 BPH Subfundusz Akcji 1,373 0,1733 8,740 4 ING Subfundusz Akcji -2,017 0,0467 1,327 5 Investor Top 25 Małych Spółek FIO -1,496 0,1381 3,506 6 Investor Akcji Dużych Spółek FIO 0,389 0,6980 3,738 7 Investor Akcji FIO -0,329 0,7425 11,540 8 Legg Mason Akcji FIO 1,589 0,1157 7,542 9 Millennium FIO Subfundusz Akcji 1,106 0,2717 3,934 10 Novo FIO Subfundusz Novo Akcji 0,389 0,6980 3,935 11 Subfundusz Pioneer Akcji Polskich -1,342 0,1831 3,197 12 PKO Akcji – FIO -0,904 0,3685 3,532 13 Subfundusz PZU Akcji Krakowiak 1,166 0,2466 4,682 14 Subfundusz Akcji Skarbiec – Akcja -0,020 0,9838 2,430 15 Subfundusz UniKorona Akcje -0,054 0,9568 1,609 Źródło: opracowanie własne (z wykorzystaniem pakietu Gretl 1.8.5) Tablica 3. Podsumowanie wyników testów stabilności hybrydowych modeli market-timing (styczeń 2003 – grudzień 2010) Test Test Test Test Fundusz akcji CUSUM CUSUMSQ H-C QLR 1 Subfundusz Arka BZ WBK Akcji + + + + 2 Subfundusz Aviva Investors Polskich Akcji + + + 3 BPH Subfundusz Akcji + + + 4 ING Subfundusz Akcji + + + + 5 Investor Top 25 Małych Spółek FIO + + + + 6 Investor Akcji Dużych Spółek FIO + + + + 7 Investor Akcji FIO + + + 8 Legg Mason Akcji FIO + + + 9 Millennium FIO Subfundusz Akcji + + + 10 Novo FIO Subfundusz Novo Akcji + + + 11 Subfundusz Pioneer Akcji Polskich + + + + 12 PKO Akcji – FIO + + + 13 Subfundusz PZU Akcji Krakowiak + + + 14 Subfundusz Akcji Skarbiec – Akcja + + + + 15 Subfundusz UniKorona Akcje + + + + + brak podstaw do odrzucenia hipotezy zerowej o stabilności parametrów modelu Źródło: opracowanie własne Analiza stabilności parametrów hybrydowych modeli … 259 Zakończenie Wybrane uniwersalne testy stabilności parametrów modeli ekonometrycznych wykazały brak podstaw do odrzucenia hipotezy zerowej o stabilności parametrów hybrydowych modeli market-timing polskich OFI akcji w badanym, ośmioletnim okresie styczeń 2003 - grudzień 2010. Potwierdza to zasadność przedstawionych własności statystycznych oraz interpretacji parametrów otrzymanych modeli, w szczególności dotyczących wyraźnej istotności statystycznej wpływu czynnika SMB oraz braku istotnego wpływu średnich miesięcznych wartości zmiennych objaśniających HML i WML na wartość miesięcznej stopy zwrotu z portfeli wybranych funduszy, jak również istotnie ujemnych wartości parametru reprezentującego umiejętności zarządzającego w zakresie stosowania techniki market-timing. Literatura 1. Bollen N. P. B., Busse J. A. (2001), On the timing ability of mutual fund managers, “The Journal of Finance”, Vol. 56, No. 3, s. 1075-1094. 2. Brown R. L., Durbin J., Evans J. M. (1975), Techniques for testing the constancy of regression relationships over time , “Journal of Royal Statistical Society”, Vol. 37, No. 2, s. 149-192. 3. Buczek B.S. (2005), Efektywność informacyjna rynków akcji. Teoria a rzeczywistość, SGH w Warszawie – Oficyna Wydawnicza. 4. Carhart M.M. (1997), On persistence in mutual fund performance. “The Journal of Finance”, Vol. 52, No. 1, s. 57-82. 5. Fama E., (1972), Components of investment performance, “The Journal of Finance”, Vol. 27, No. 2, s. 551-567. 6. Fama E.F., French K.R. (1993) Common risk factors in the returns on stocks and bonds. “Journal of Financial Economics”, Vol. 33, s. 3-56. 7. Gajdka J., Brzeszczyński J. (2008), Efektywność strategii inwestycyjnych opartych na autoregresji miesięcznych stop zwrotu z indeksu WIG20. „Studia i Prace Wydziału Nauk Ekonomicznych i Zarządzania Uniwersytetu Szczecińskiego”, Nr 9, s. 221-234. 8. Goetzmann W.N., Ingersoll J. Jr., Ivkovič Z. (2000), Monthly Measurement of Daily Timers. “Journal of Financial and Quantitative Analysis”, Vol. 35, No. 3, s. 257-290. 9. Greene W. H. (2003), Econometric Analysis, Wyd. 5, Prentice Hall, New Jersey. 10. Harvey A.C., Collier P. (1977), Testing for functional misspecification in regression analysis, “Journal of Econometrics”, Vol. 6, No. 1, s. 103-119. 11. Henriksson R., Merton R. (1981), On market timing and investment performance. II. Statistical procedures for evaluating forecasting skills, “Journal of Business”, Vol. 54, No. 4, s. 513-533. 12. Jegadeesh N., Titman S. (1993), Returns to buying winners and selling losers: implications for stock market efficiency. “The Journal of Finance”, Vol. 48, No. 1, s. 65-91. 260 Joanna Olbryś 13. Jensen M. (1968), The performance of mutual funds in the period 19451964. “The Journal of Finance”, Vol. 23, s. 389-416. 14. Kennedy P. (2003), A Guide to Econometrics, Wyd. 5, MIT Press. 15. Kufel T. (2007), Ekonometria. Rozwiązywanie problemów z wykorzystaniem programu Gretl. PWN, Warszawa. 16. Maddala G.S. (2008), Ekonometria, PWN, Warszawa. 17. Merton R. (1981), On market timing and investment performance. I. An equilibrium theory of value for market forecasts, “Journal of Business”, Vol. 54, No. 3, s. 363-406. 18. Olbryś J. (2011a), Wieloczynnikowe hybrydowe modele market-timing polskich funduszy inwestycyjnych, „Studia Ekonomiczne –Zeszyty Naukowe”, Wydawnictwo UE w Katowicach, w druku. 19. Olbryś J. (2011b), Codzienne decyzje, miesięczna analiza efektów – problem oceny umiejętności stosowania strategii market-timing przez zarządzających portfelami funduszy inwestycyjnych, [w:] A.S. Barczak, S. Barczak (red.) „Metody matematyczne, ekonometryczne i komputerowe w finansach i ubezpieczeniach 2009”, Wydawnictwo UE w Katowicach, str. 173-183. 20. Olbryś J. (2010a), Three-factor market-timing models with Fama and French’s spread variables. “Operations Research and Decisions”, No. 2, s. 91-106. 21. Olbryś J. (2010b), Orthogonalized factors in market-timing models of Polish equity funds. “Metody Ilościowe w Badaniach Ekonomicznych”, Vol. 11, No. 1, s. 128-138. 22. Olbryś J. (2010c), Czynniki Famy i Frencha w wieloczynnikowych modelach market-timing polskich funduszy inwestycyjnych. „Zeszyty Naukowe Uniwersytetu Szczecińskiego. Finanse, Rynki Finansowe, Ubezpieczenia”, nr 29, s. 33-48. 23. Olbryś J. (2010d), Ocena efektywności zarządzania portfelem funduszu inwestycyjnego z wykorzystaniem wybranych wieloczynnikowych modeli market-timing. „Optimum. Studia Ekonomiczne”, nr 4(48), str. 44-61. 24. Quandt R. E. (1992), The collected essays of Richard E. Quandt, Edward Elgar Publishing Company. 25. Treynor J., Mazuy K. (1966), Can mutual funds outguess the market?, “Harvard Business Review”, Vol. 44, s. 131-136. Streszczenie Wieloczynnikowe modele hybrydowe wspomagają ocenę umiejętności menadżerów funduszy inwestycyjnych w zakresie stosowania techniki market-timing. Zmiennymi niezależnymi w tych modelach są m.in. czynniki Famy i Frencha [1993] oraz Carharta [1997], którzy zaproponowali nowe zmienne objaśniające SMB, HML oraz WML, nazwane portfelami naśladującymi. Wymienione czynniki, jak również modele hybrydowe zostały już skonstruowane na polskim rynku przez Autorkę pracy. Celem utworzenia modeli hybrydowych jest zastąpienie zmodyfikowanych modeli Treynora- Analiza stabilności parametrów hybrydowych modeli … 261 Mazuya oraz Henrikssona-Mertona jednym modelem poprzez zastosowanie nowej zmiennej objaśniającej, tzw. wartości dodanej, będącej efektem perfekcyjnego stosowania techniki market-timing przez zarządzającego portfelem [Goetzmann, Ingersoll, Ivkovič, 2000]. Obecnie celem badań jest analiza stabilności parametrów uzyskanych modeli hybrydowych, w celu potwierdzenia wyników estymacji i weryfikacji. Badanie obejmuje grupę 15 OFI akcji polskich w okresie styczeń 2003 – grudzień 2010. Testing for the stability of the parameters in hybrid market-timing models of Polish mutual funds (Summary) Hybrid multifactor market-timing models support for the evaluation of funds’ managers abilities. Multifactor models with Fama and French’s [1993] spread variables SMB and HML, the Carhart’s [1997] momentum factor WML and the additional factor that proxies for the monthly payoffs of a successful market timer [Goetzmann, Ingersoll, Ivkovič, 2000] have been proposed in [Olbryś, 2011a]. The size (SMB) and bookto-market (HML) mimicking portfolios have been constructed in [Olbryś, 2010a]. The main goal of this paper is to test for the stability of the parameters in hybrid markettiming models of Polish mutual funds for the period Jan 2003-Dec 2010.