numer 9/2015 - studia oeconomica posnaniensia

Transkrypt

STUDIA OECONOMICA POSNANIENSIA
2015, vol. 3, no. 9
2300-5254
STUDIA OECONOMICA
POSNANIENSIA
2015, vol. 3, no. 9
Rada Naukowa
Jean-Claude Andreani, ESCP Europe – Paryż; Wojciech Florkowski, University of Georgia – Griffin;
Piotr Lis, Coventry University – Coventry; Paul Ryan, The National University of Ireland – Galway
Komitet Redakcyjny
Aleksandra Gaweł (redaktor naczelna), Ewa Jerzyk, Sławomir Kalinowski, Jacek Łuczak,
Kamilla Marchewka-Bartkowiak, Elżbieta Rychłowska-Musiał
STUDIA OECONOMICA POSNANIENSIA – miesięcznik naukowy publikujący w języku polskim
i angielskim artykuły z zakresu ekonomii, finansów, towaroznawstwa i zarządzania.
Powstał z przekształcenia czasopisma Zeszyty Naukowe. Uniwersytet Ekonomiczny w Poznaniu
i jest jego kontynuacją (ostatni numer Zeszytów Naukowych UEP – 249).
Zachęcamy do zgłaszania artykułów do publikacji w miesięczniku STUDIA
OECONOMICA POSNANIENSIA wydawanym przez Uniwersytet Ekonomiczny
w Poznaniu. SOEP ukazują się od 2013 roku jako kontynuacja czasopisma Zeszyty
Naukowe. Uniwersytet Ekonomiczny w Poznaniu.
W SOEP są publikowane artykuły z zakresu ekonomii, finansów, zarządzania
i towaroznawstwa w języku polskim i w językach kongresowych. Podstawą do
przyjęcia artykułów zgłoszonych do publikacji są recenzje wykonywane w systemie tzw. ślepej recenzji, w którym autorzy i recenzenci nie znają swojej t ożsamości.
SOEP są wydawane jako numery ogólne albo numery tematyczne.
Artykuły można nadsyłać do redakcji miesięcznika na adres e-mailowy: [email protected].
Wszystkie artykuły są poddawane podwójnej „ślepej recenzji”. Więcej informacji na stronie
internetowej czasopisma: www.soep.ue.poznan.pl.
Do przesyłania artykułów zachęcamy przedstawicieli środowisk ekonomicznych
zarówno z Uniwersytetu Ekonomicznego w Poznaniu, jak i z krajowych i zagranicznych ośrodków badawczych.
Redaktor prowadzący
Wiesław Łuczyński
Artykuły można zgłaszać e-mailem na adres redakcji:
[email protected].
Redaktor statystyczny
Krzysztof Szwarc
Redaktorzy językowi
Ewa Jaros, Owen Easteal
Redaktor techniczny
Ewa Jaros
Projekt graficzny
Izabela Jasiczak
Wersja pierwotna – papierowa
© Copyright by Uniwersytet Ekonomiczny w Poznaniu
Poznań 2015
ISSN 2300-5254
WYDAWNICTWO UNIWERSYTETU EKONOMICZNEGO W POZNANIU
ul. Powstańców Wielkopolskich 16, 61–895 Poznań
tel. 61 854 31 54, 61 854 31 55, faks 61 854 31 59
Druk: Zakład Graficzny Uniwersytetu Ekonomicznego w Poznaniu
ul. Towarowa 53, 61-896 Poznań
Nakład: 150 egz.
Więcej informacji na stronie internetowej czasopisma:
http://soep.ue.poznan.pl/index.php/pl/autorzy/wskazowki-dla-autorow.
2015, vol. 3, no. 9
Spis treści
Wprowadzenie (Wiesław Łuczyński)....................................................................................
3
ARTYKUŁY
Jacek Krawiec
Metody prognozowania kryzysów zadłużenia: przegląd literatury..................................
5
Zastosowanie analizy widma wzajemnego w badaniu dynamiki indeksu giełdowego
DAX...........................................................................................................................................
19
Konrad Sobański
Internacjonalizacja finansowa gospodarek Europy Środkowo-Wschodniej w latach
2003–2013................................................................................................................................
57
Paweł Niszczota
Personality distance and economic activity.........................................................................
75
Piotr Wybieralski
Partycypacyjna strategia zabezpieczająca przed ryzykiem kursowym na pozagiełdowym rynku walutowym..........................................................................................................
94
RECENZJE I REKOMENDACJE
Małgorzata Słodowa-Hełpa
Ryszard Kata, Magdalena Cyrek, Małgorzata Wosiek, Tomasz Potocki, Władysława
Jastrzębska, Strefa euro. Między sceptycyzmem a realizmem, Wydawnictwo CeDeWu
Sp. z o.o. na zlecenie Uniwersytetu Rzeszowskiego, Warszawa 2015................................
111
2015, vol. 3, no. 9
DOI: 10.18559/SOEP.2015.9.0
WPROWADZENIE
Zeszyt tematyczny Studia Oeconomica Posnaniensia dotyczy modyfikacji
finansów międzynarodowych w dobie globalizacji i jest zbiorem publikacji
pracowników Katedry Finansów Międzynarodowych Wydziału Gospodarki Międzynarodowej Uniwersytetu Ekonomicznego w Poznaniu oraz osób
współpracujących z Katedrą (doktorantów). Zamieszczone w zeszycie publikacje można podzielić na dwie części. Pierwsze dwa artykuły dotyczą zagadnień procesów warunkujących podejmowanie decyzji na rynkach finansowych: prognozowania kryzysów, wahań cyklicznych i internacjonalizacji
finansowej gospodarek. Kolejne dwa artykuły podnoszą problemy współzależności międzynarodowych relacji interpersonalnych i gospodarczych oraz
partycypacyjnych strategii zabezpieczających przed ryzykiem kursowym.
Tematyka finansów międzynarodowych w warunkach praktycznie nieskończonej mobilności kapitału, szybkości gromadzenia, przepływu i przetwarzania informacji powinna zainteresować nie tylko osoby prowadzące
badania w obszarze teorii ekonomii, finansów i międzynarodowych stosunków gospodarczych, ale także studentów i praktyków życia gospodarczego. Wyniki badań empirycznych i dociekań intelektualnych zawarte w prezentowanym zbiorze mogą zainspirować pogłębione studia i prace badawcze
w obszarze finansów międzynarodowych. Natomiast artykuły przeglądowe,
relacjonujące literaturę przedmiotu mogą stać się cennym materiałem dydaktycznym
2015, vol. 3, no. 9
DOI: 10.18559/SOEP.2015.9.1
Jacek Krawiec
Uniwersytet Ekonomiczny w Poznaniu, Wydział Gospodarki Międzynarodowej,
Katedra Finansów Międzynarodowych
[email protected]
METODY PROGNOZOWANIA KRYZYSÓW
ZADŁUŻENIA: PRZEGLĄD LITERATURY
Streszczenie: Częstość i siła oddziaływania kryzysów zadłużenia stwarza potrzebę
opracowania modelu, za pomocą którego możliwe będzie prognozowanie tego rodzaju zdarzeń. W literaturze przedmiotu wypracowano dwa rodzaje modeli. Są to modele parametryczne i nieparametryczne. Ich wspólna nazwa to systemy wczesnego
ostrzegania. Mimo względnej popularności tematu w literaturze wciąż wybuchające
kryzysy sugerują, że żaden z opracowanych modeli nie jest wystarczająco dobry lub
jego użycie nie jest na tyle rozpowszechnione, aby pozwolić na uniknięcie kolejnych
kryzysów. Niniejszy artykuł stanowi przegląd dotychczasowych osiągnięć w dziedzinie
systemów wczesnego ostrzegania przed kryzysami zadłużenia i stanowi próbę odpowiedzi na pytanie, które z modeli są najbardziej skuteczne i jakie zmienne są najczęściej wybierane do modeli.
Słowa kluczowe: kryzys zadłużenia, system wczesnego ostrzegania, kryzys finansowy,
prognozowanie kryzysu zadłużenia.
Klasyfikacja JEL: F34, G01, F37.
PREDICTING SOVEREIGN DEBT CRISES: LITERATURE
REVIEW
Abstract: The frequency and the impact power of sovereign debt crises create a need to
develop a model which could be used to predict such events. The literature has developed
two types of model: parametric and non-parametric. Their common name is the early
warning systems. Despite the relative popularity of this subject recent crises suggest that
none of the developed models is sufficiently effective, or its use not widespread enough
to avoid further crises. This article provides an overview of the achievements in the field
6
Jacek Krawiec
of early warning systems and tries to answer the question which of the models are most
effective and which variables are most commonly used in the models.
Keywords: Sovereign debt crises, Early warning Systems, Financial crises, Sovereign debt
crises prediction
Wstęp
Kryzysy finansowe wstrząsają gospodarkami od stuleci. Kryzys ostatnich
lat dowodzi, że nawet kraje o wysoko rozwiniętych gospodarkach nie są
w tym względzie bezpieczne. Jednym z podstawowych rodzajów kryzysów finansowych są kryzysy zadłużenia. Mimo że zdarzenia tego typu są
zjawiskiem stosunkowo rzadkim, to skala ich oddziaływania na gospodarki
zarówno lokalne, jak i regionalne, a w skrajnych przypadkach również na
gospodarkę globalną, jest tak duża, że są one obiektem intensywnych prac
badaczy z całego świata. Podstawowym celem, który stawiają sobie badacze
jest odpowiedź na pytanie: Czy istnieje możliwość przewidywania kryzysów tego typu?
Wyniki wielu badań sugerują, że odpowiedź na tak postawione pytanie
jest twierdząca. Wielokrotnie podejmowane próby predykcji kryzysu wskazują, że nie jest to zdarzenie czysto losowe, a odpowiednio skonstruowane
modele ekonometryczne pozwalają na szacowanie wystąpienia zawirowań
w sytuacji gospodarczej badanych gospodarek. Mimo że wyniki badań
napawają optymizmem, nadal dochodzi do wybuchów kryzysów zadłużenia. Fakt ten sugeruje, że dotąd opracowane modele nie są wystarczająco
dobre lub ich praktyczne zastosowanie nie jest rozpowszechnione na tyle,
aby można było uniknąć kryzysu. Modele ekonometryczne pozwalające
na oszacowanie ryzyka kryzysu lub generujące sygnały ostrzegające przed
kryzysem noszą nazwę systemów wczesnego ostrzegania (SWO). Celem niniejszego artykułu jest przegląd dostępnych metod prognozowania kryzysów zadłużenia, zestawienie ich wyników oraz odpowiedź na pytanie jakie
zmienne są najczęściej wybierane do SWO.
1. Definicja kryzysu zadłużenia
Jednym z podstawowych elementów każdego systemu wczesnego ostrzegania powinna być spójna definicja kryzysu zadłużenia. Nie jest możliwe
stworzenie efektywnego modelu, jeżeli cel jego działania nie jest wystar-
Metody prognozowania kryzysów zadłużenia: przegląd literatury7
czająco zdefiniowany. Z tego powodu większość badaczy zajmujących się
problematyką systemów wczesnego ostrzegania przedstawia własną definicję kryzysu zadłużenia. Efektem takiego zabiegu jest stosunkowo duża
różnorodność proponowanych definicji, a w związku z tym również wysoka zmienność wyników opracowywanych modeli. W niniejszym rozdziale
przedstawione zostaną najpopularniejsze ujęcia definiowania kryzysów zadłużenia.
1.1. Kryzys zadłużenia jako odmowa regulacji zobowiązań
Definicja kryzysu zadłużenia jako zdarzenia polegającego na odmowie regulacji zobowiązań kraju (default) jest definicją najwęższą z prezentowanych w tej części artykułu. Część badaczy uznaje za początek kryzysu zadłużenia moment, w którym kraj nie dokonuje wykupu wyemitowanych
wcześniej obligacji lub nie spłaca odsetek od długu.
Znaczny odsetek badaczy używa ocen ratingowych dostarczanych przez
międzynarodowe agencje ratingowe jako wskaźnika obrazującego wystąpienie kryzysu. Jedną z takich agencji jest Standard & Poor’s. Agencja ta
definiuje default jako niewywiązanie się kraju z płatności raty kapitałowej
lub odsetkowej w terminie określonym w warunkach emisji długu. W przypadku gdy państwo emitowało obligacje lub inne papiery dłużne w lokalnej
lub zagranicznej walucie default definiowany jest jako odmowa spłaty długu w terminie albo zamiana dotychczasowego długu na dług emitowany na
mniej preferencyjnych warunkach. W przypadku gdy dług emitowany był
w lokalnej walucie, jako niewywiązanie się ze zobowiązań postrzegana jest
również zamiana waluty rozliczenia według kursu niezapewniającego ekwiwalentności. W ten sam sposób postrzegane są próby negocjacji dotyczące
zmiany warunków spłaty długu na mniej korzystne [Standard and Poor’s
2010]. Z podobnej definicji kryzysu zadłużenia korzystają m.in. Fuertes
i Kalotychou [2007], Fioramanti [2006], Manesse, Roubini, Schimmelpfennig [2003], Manasse, Roubini [2005] oraz Balteanu, Erce i Fernandez
[2012]. Tę samą definicję wykorzystali Reinhart, Rogoff i Savastano [2003],
pozwoliło im to na identyfikację 36 z 53 okresów kryzysu zadłużenia w krajach rozwijających się w latach 1970–2001. Oceny ratingowe Standard and
Poor’s są więc miarą jakości kredytowej kraju, którą można podzielić na
dwa segmenty: zdolność do spłaty zobowiązań i wolę spłaty zobowiązań
[Jedidi 2013]. Zdolność do spłaty jest miarą ilościową, określa stabilność
makroekonomiczną kraju, która wpływa na zdolność gromadzenia zasobów służących do spłaty zobowiązań. Drugi element oceny ratingowej to
8
Jacek Krawiec
wola spłaty zobowiązań, jest to zmienna niemierzalna. Wola kraju do spłaty zobowiązań jest efektem kalkulacji potencjalnych kosztów wynikających
z braku spłaty oraz oszczędzonych dzięki temu środków1.
1.2. Kryzys zadłużenia jako powstanie zaległości płatniczych
Część badaczy stwierdza, że oceny ratingowe nie są dobrym źródłem informacji o ryzyku wystąpienia kryzysu zadłużenia i proponują autorskie warunki klasyfikacji kraju jako znajdującego się w kryzysie. Jednym z najpoważniejszych zarzutów wobec agencji ratingowych jest argument mówiący,
że oceny ratingowe w pewnym stopniu nie uwzględniają ryzyko wystąpienia
kryzysu [Jedidi 2013]. Jako symptom początku kryzysu niektórzy postrzegają powstanie zaległości w płatnościach zobowiązań. Peter [2002] uznaje
kraj za znajdujący się w kryzysie, jeżeli spełnione są następujące warunki:
1)wzrost łącznej wartości zaległości przekracza 2% wartości długu zagranicznego;
2)łączna wartość długu, którego warunki spłaty zostały zmienione, przekracza 2,5% łącznej wartości długu.
Zaproponowane wartości progowe wynikają bezpośrednio z analizy
statystycznej zestawu danych dostępnych dla autora. Założenia te nie są
spójne z propozycjami innych badaczy. Detragiache i Spilimbergo [2001]
zaproponowali próg pierwszego warunku w wysokości 5% długu zagranicznego. Dodatkowo za oznakę kryzysu uważają oni także restrukturyzację długu. Tym samym możliwe jest uwzględnienie krajów, które próbują
uniknąć niewypłacalności, zmieniając warunki spłaty długu, mimo że nie
mają jeszcze zaległości płatniczych. De Paoli, Hoggarth i Saporta [2009]
argumentują, że zaległości płatnicze należy rozdzielić na dwa rodzaje: zaległości w płatności rat kapitałowych (wykupie obligacji) i zaległości w spłacie odsetek. Ustalają oni progi na poziomie odpowiednio 15% i 5% długu zagranicznego.
1.3. Kryzys zadłużenia jako zaciągnięcie pożyczki
z Międzynarodowego Funduszu Walutowego
Kolejnym obszarem zainteresowania badaczy są pożyczki udzielane przez
Międzynarodowy Fundusz Walutowy (IMF). Argumentują oni, że często kraje unikają oficjalnego ogłoszenia niewypłacalności dzięki pomocy
1
Koszty kryzysu zadłużenia nie są przedmiotem niniejszej pracy. Szerzej na temat piszą m.in. Gennaioli, Martin i Rossi [2013] oraz Borensztein i Panizza [2008].
uzyskanej z IMF. Manasse, Roubini i Schimmelpfennig [2003] uznają, że
kraj znajduje się w kryzysie zadłużenia, jeżeli (poza spełnieniem warunków z podpunktu 1.1) uzyska pomoc z IMF przekraczającą 100% wartości
wniesionych przez niego środków do Funduszu. Podobny warunek uznają
Ciarlone i Trebeshi [2006]. Kraay i Nehru [2004] proponują dużo bardziej
restrykcyjny warunek – uznają kraj za znajdujący się w kryzysie, jeżeli pomoc z IMF przekracza 50% wniesionych środków. Próg w wysokości 125%
proponują natomiast Hajivassiliou [1989 i 1994] oraz Eckaus i in. [1985].
Podsumowanie
Większość badaczy uznaje za warunek konieczny zdefiniowania kraju jako
znajdującego się w kryzysie zaprzestanie spłacania zobowiązań. Najczęściej
jako zastępstwo wobec tego wskaźnika stosuje się oceny ratingowe przygotowywane przez odpowiednie agencje (Standard and Poor’s, Moody’s). Ich
działalność w tym zakresie polega na stałym monitorowaniu wydarzeń w ocenianych krajach i uwzględnianiu każdego wydarzenia związanego z długiem
państwa. Przyjęcie ocen agencji ratingowych niesie jednak dwa problemy. Po
pierwsze, nie wszystkie kraje podlegają ocenie ratingowej, nie jest więc możliwe posługiwanie się tym wskaźnikiem dla każdej badanej gospodarki. Po
drugie, nie wszyscy badacze odnoszą się pozytywnie do pracy agencji, próbując zastąpić ich oceny własnymi. Część badaczy uważa również, że istnieje
więcej koniecznych warunków, m.in. powstanie zaległości w spłacie zobowiązań czy pomoc uzyskana z Międzynarodowego Funduszu Walutowego.
2. Prognozowanie kryzysu zadłużenia
Z różnorodności definicji przyjmowanych przez badaczy i zaprezentowanych w poprzednim rozdziale wynika wysoka zmienność wyników poszczególnych systemów wczesnego ostrzegania. Kolejnymi cechami, które
wpływają na jakość wyników, są rodzaj przyjętej metody klasyfikacji oraz
wybrany zestaw zmiennych objaśniających. Podstawowy podział stosowanych modeli to podział na modele parametryczne i nieparametryczne [Fioramanti 2006].
2.1. Parametryczne techniki klasyfikacji
Zastosowanie parametrycznych technik klasyfikacji wymaga opracowania
modelu ekonometrycznego. Dalszy podział technik parametrycznych za-
10
Jacek Krawiec
leżny jest od rodzaju stosowanego modelu. Każda z tego rodzaju technik
wskazuje na matematyczne zależności między zbiorem zmiennych wyjaśniających a zmienną wyjaśnianą.
2.1.1 Analiza dyskryminacyjna
Jedną z pierwszych prób stworzenia modelu zdolnego do prognozowania
kryzysów zadłużenia podjęli Frank i Cline [1971]. Zastosowali oni analizę
dyskryminacyjną do klasyfikacji krajów jako znajdujących się w kryzysie,
a następnie do prognozowania kryzysu. Ze względu na stosunkowo niewielką bazę danych, którą dysponowali, ocena efektów ich pracy jest wysoce utrudniona. Frank i Cline mieli do dyspozycji jedynie 145 obserwacji,
z których 13 to obserwacje zaklasyfikowane jako kryzys. Autorzy wykorzystali w swoim badaniu osiem zmiennych wyjaśniających:
1) stosunek kosztu obsługi długu do eksportu,
2) stop wzrostu eksportu,
3) zmienność eksportu2,
4) odsetek importu koniecznego3,
5)PNB per capita,
6) spłata rat zadłużenia (wykup obligacji),
7) stosunek importu do PNB,
8) stosunek importu do rezerw walutowych.
Autorzy uznali, że jedynie trzy zmienne są istotne statystycznie na poziomie ufności 5%. Były to zmienne o numerach 1), 6) i 8). W badaniu wykorzystano funkcje liniową i kwadratową, odpowiednio dla dwóch i trzech
zmiennych wyjaśniających. Funkcja kwadratowa pozwalała na osiągnięcie
lepszych rezultatów. Ostatecznie zastosowany model był stosunkowo skuteczny. Mimo to pojawił się jeden błąd klasyfikacyjny pierwszego rodzaju4
oraz 21 błędów drugiego rodzaju5. Poprawność klasyfikacji wyniosła więc
niespełna 85%. Należy jednak podkreślić, że Frank i Cline nie sprawdzali skuteczności modelu na danych, których nie używali wcześniej do konstrukcji modelu.
Mierzona jako odchylenie bezwzględne od 8-letniego trendu
Udział importu, z którego kraj nie może natychmiast zrezygnować – klasyfikacja odbywała się według ocen autorów, jako import konieczny uznane zostały m.in. półprodukty,
kapitał i podstawowe produkty żywnościowe.
4
Mimo wystąpienia kryzysu zakwalifikował kraj jako bezpieczny.
5
Klasyfikacja kraju jako znajdującego się w kryzysie mimo niewystąpienia kryzysu.
2
3
2.1.2. Modele regresji logistycznej
Modele regresji logistycznej należą do najbardziej popularnych metod prognozowania kryzysów zadłużenia. Wielu autorów, prowadząc badania nad
systemami wczesnego ostrzegania, wykorzystuje modele regresji logistycznej w połączeniu z innego rodzaju modelami. Analiza literatury wskazuje,
że modele regresji logistycznej są obecnie podstawowym narzędziem prognozowania kryzysów.
Pierwszym omawianym przykładem zastosowania tej techniki jest praca
autorstwa M. Petera [2002]. W swoich modelach wykorzystał on 11 zmiennych, wśród nich:
1) bilans obrotów bieżących jako % PKB,
2) wartość długu w stosunku do PNB i eksportu,
3) zagregowane zaległości odsetkowe,
4) stosunek podaży pieniądza do wielkości rezerw,
5) zadłużenie sektora prywatnego (jako % PKB),
6) inflacja CPI,
7) odchylenie kursu walutowego od długookresowego trendu,
8) zmienność PNB per capita,
9) indeks ryzyka politycznego6,
10) realne oprocentowanie kredytów,
11)historia kryzysów (wartość równa 1, jeśli kryzys wystąpił w ciągu ostatnich trzech lat, w przeciwnym razie 0).
Za najbardziej istotne statystycznie uznane zostały zmienne nr 10. i 11.
W próbie uczącej7 najlepszy z zaproponowanych przez Petera modeli osiągnął ponad 92% skuteczności dopasowania. Jednocześnie model wskazał 5,28% błędów pierwszego rodzaju i 12,1% błędów drugiego rodzaju.
W próbie testowej8 wyniki były znacznie gorsze. Skuteczność dopasowania
wyniosła 86%, a błędy pierwszego i drugiego rodzaju stanowiły odpowiednio 16,1% i 12,5%.
Zdecydowanie gorsze wyniki osiągnęli Manasse i in. [2003]. W ich
pracy zastosowano model logitowy oraz jedną z technik nieparametrycznych. Wyniki modelu logitowego okazały się znacząco gorsze niż wyniki
prezentowane przez Petera, mimo że Manasse i in. Zaproponowali użycie
12 zmiennych, wśród nich:
Obliczany jako suma sześciu wskaźników publikowanych przez PRS Group.
Zestaw danych, którego użyto do stworzenia modelu.
8
Zestaw „nowych” danych dla modelu służący sprawdzeniu zdolności predykcyjnych
modelu.
6
7
12
Jacek Krawiec
1) dług zagraniczny jako % PKB,
2) dług krótkoterminowy,
3) odsetki od długu krótkoterminowego (jako % PKB),
4) koszt obsługi długu (jako % PKB),
5) bilans obrotów bieżących (jako % PKB),
6) otwartość gospodarki (suma eksportu i importu),
7) rentowność amerykańskich bonów skarbowych,
8) realny wzrost PKB,
9) zmienność inflacji,
10)zmienna binarna dla wysokiej inflacji (1 jeżeli inflacja jest wyższa niż
50%),
11) rok z wyborami prezydenckimi,
12) indeks wolności gospodarczej,
13) historia kryzysów.
Również w tym badaniu największą zdolność predykcji wykazała zmienna nr 13. Mimo podobnego zestawu zmiennych wyniki modelu opracowane przez Manasse i in. były zdecydowanie gorsze niż wyniki modelu Petera. Prawidłowo zakwalifikował jedynie 74% danych, generując przy tym
6% fałszywych sygnałów (błąd drugiego rodzaju). Powyższe wyniki model
osiągnął na zbiorze uczącym.
Podobne założenia przyjęli Ciarlone i Trebeshi [2006]. Autorzy zastosowali mniejszą liczbę zmiennych. Spośród 28 początkowo zidentyfikowanych zmiennych, znaczących okazało się osiem. Ograniczenie liczby
zmiennych wpłynęło negatywnie na wyniki modelu. Zidentyfikowanymi
zmiennymi były:
1) wartość długu zagranicznego (jako % eksportu),
2) wskaźnik wartości funduszy federalnych USA,
3) odsetki od długu zagranicznego (jako % rezerw),
5) udział długu krótkoterminowego w długu zagranicznym ogółem,
6) prywatne przepływy kapitałowe (jako % PKB),
7) roczna stopa inflacji,
8) rezerwy (jako % długu).
Ciarlone i Trebeshi przeprowadzili testy na dwóch zbiorach danych.
Na zbiorze uczącym model osiągnął skuteczność dopasowania na poziomie 71%, popełniając przy tym 34% błędów drugiego rodzaju. Co ciekawe, lepsze rezultaty dały próby na zbiorze testowym, model osiągnął jakość
dopasowania na poziomie 70%, błędy drugiego rodzaju stanowiły jednak
jedynie 20% wszystkich wygenerowanych przez model sygnałów. Stosunko-
wo słaba jakość wyników prezentowanych przez Ciarlone i Trebeshi może
wynikać z braku zaangażowania zmiennej prezentującej liczbę lat od poprzedniego kryzysu zadłużenia. W innych modelach logitowych zmienna
ta wykazywała dużą istotność statystyczną.
2.1.3. Sztuczne sieci neuronowe
Sztuczne sieci neuronowe są szczególnym przypadkiem modeli ekonometrycznych. Ich architektura oparta jest na symulacji działania ludzkiego mózgu. Sieci składają się z pojedynczych neuronów, połączeń między
nimi i odpowiednich funkcji aktywacji. Od stopnia skomplikowania sieci
zależy dokładność modeli na nich opartych. Kolejną właściwością sztucznych sieci neuronowych jest ich zdolność do odwzorowania każdej funkcji opartej na danych rzeczywistych. Zdolność ta wynika bezpośrednio
z twierdzenia o uniwersalnej aproksymacji [Csaji 2001]. Dzięki temu sieci
neuronowe znajdują zastosowanie w poszukiwaniu nieznanych zależności
między zmiennymi.
Sztuczne sieci neuronowe zostały wykorzystane do predykcji kryzysów zadłużenia przez Fioramantiego [2006]. W swoich badaniach wykorzystał on 34 zmienne o charakterze makroekonomicznym. Większość z nich
związana była z poziomem zadłużenia. Zmienne wykorzystane przez Fioramantiego to:
1) stopa wzrostu PKB,
2) stopa wzrostu PNB,
3) stopa inflacji,
4) zmiana podaży pieniądza,
5) krótkoterminowa stopa procentowa,
6) oprocentowanie bonów skarbowych USA,
7)przewartościowanie,
8) termin wykupu obligacji,
9) okres prolongaty długu,
10) dyskonto obligacji,
11) otwartość gospodarki,
12) bilans handlowy,
13) deficyt budżetowy,
14) dług zagraniczny (jako % PNB),
15) dług zagraniczny (jako % eksportu),
16) dług zagraniczny (jako % rezerw),
17) krótkoterminowy dług zagraniczny (jako % PNB),
14
Jacek Krawiec
18) dług krótkoterminowy (jako % eksportu),
19) dług krótkoterminowy (jako % rezerw),
20) dług krótkoterminowy (jako % długu),
21) odsetki od długu (jako % eksportu),
22) odsetki od długu (jako % rezerw),
23) odsetki od długu krótkoterminowego (jako % eksportu),
24) odsetki od długu krótkoterminowego (jako % rezerw),
25) obsługa długu (jako % eksportu),
26) obsługa długu (jako % rezerw),
27) obsługa długu krótkoterminowego (jako % eksportu),
28) obsługa długu krótkoterminowego (jako % rezerw),
29) bilans obrotów bieżących (jako % PNB),
30) bilans obrotów bieżących (jako % rezerw),
31)bilans obrotów bieżących (jako % prywatnych przepływów kapitałowych),
32)bilans obrotów bieżących (jako % bezpośrednich inwestycji zagranicznych),
33) kurs walutowy,
34) stopa procentowa.
W dalszej kolejności skonstruowana została sztuczna sieć neuronowa
składająca się z trzech warstw neuronów. W warstwie ukrytej sieć ma trzy
neurony. Użyto logistycznej funkcji aktywacji. Tak skonstruowany model
uzyskał bardzo dobre wyniki. W danych pochodzących ze zbioru uczącego model wykazał jakość klasyfikacji na poziomie 89%, osiągając niespełna
15% błędów pierwszego rodzaju i 7,23% błędów drugiego rodzaju. Na zbiorze testowym sieć wykazała jeszcze większą skuteczność. Łącznie poprawnie sklasyfikowała 93,5% przypadków. Błąd pierwszego rodzaju popełniony
został w 8,7% przypadków, natomiast drugiego rodzaju w 4,21%. Tak wysokie wyniki pozwalają przypuszczać, że możliwości predykcyjne sieci oraz
ich zdolność do klasyfikacji danych binarnych są bardzo wysokie.
2.2. Nieparametryczne techniki klasyfikacji
Nieparametryczne techniki klasyfikacji polegają na podziale zbioru obserwacji według wartości jednego z czynników na takie podzbiory, w których
znajdzie się najwięcej przypadków z danych klas. Dopasowanie odbywa się
iteracyjnie do momentu osiągnięcia odpowiedniej jakości podziału. Zastosowanie technik nieparametrycznych nie wymaga konstruowania modelu ekonometrycznego.
2.2.1. Analiza skupień
Metoda analizy skupień polega na takim podziale zbioru danych, aby
podzbiory były maksymalnie homogeniczne wewnętrznie i jednocześnie
maksymalnie różniły się między sobą. Fuertes i Kalotychou [2007] wykorzystali w swoich rozważaniach jedną z metod analizy skupień – metodę
k-średnich. Metoda ta polega na podziale zbiorowości na z góry założoną
liczbę klas (k), a następnie poprawę dopasowania podziału poprzez przenoszenie elementów między klasami. Wybrali oni tę metodę ze względu
na stosunkowo łatwy proces obliczeń względem innych metod analizy skupień. Skuteczność przeprowadzonej w ten sposób analizy okazała się jednak
bardzo niska. Ogólna skuteczność dopasowania wyniosła 57%. Błąd pierwszego rodzaju powstał w 38,28% przypadków, natomiast drugiego rodzaju
w 47,69% przypadków.
2.2.2. Drzewa klasyfikacyjne i regresyjne
Drzewa klasyfikacyjne i regresyjne są techniką klasyfikacyjną używaną do
odkrywania nieliniowych zależności i interakcji między zmiennymi w zestawach danych o dużej liczbie potencjalnych zmiennych wyjaśniających
[Mannase, Roubini, Schimmelpfennig 2003]. Są one najbardziej zaawansowaną metodą z rodziny drzew decyzyjnych. Drzewo jest graficznym modelem powstałym w wyniku podziału zbioru obserwacji na N rozłącznych
podzbiorów. Celem budowy modelu jest uzyskanie podzbiorów maksymalnie jednorodnych z punktu widzenia zmiennej zależnej [Łapczyński 2003].
Rodzinę drzew CART (classification and regression trees) zastosowali
w swoich badaniach Mannase i in. [2003]. Autorzy użyli tej metody w połączeniu z tradycyjnymi modelami regresji logistycznej. W swojej analizie
podzielili bazę danych według 9 zmiennych wyjaśniających:
1) dług zagraniczny (jako % PKB),
2) dług krótkoterminowy,
3) dług zagraniczny (jako % przychodów budżetu),
5)inflacja,
6) oprocentowanie bonów skarbowych USA,
7) przewartościowanie i zmienność kursu walutowego,
8) zapotrzebowanie na finansowanie względem rezerw,
9) liczba lat do kolejnych wyborów prezydenckich.
Mannase i in. dokonali podziału bazy danych na 14 podzbiorów maksymalnie jednorodnych pod względem wartości zmiennej wyjaśnianej (wy-
16
Jacek Krawiec
stąpienia kryzysu zadłużenia). Dzięki przeprowadzonemu w ten sposób
podziałowi udało się poprawnie zidentyfikować 93,9% okresów kryzysu
zadłużenia. Okresy bezpieczne zostały zidentyfikowane poprawnie jedynie w niespełna 80%. Oznacza to ogólną skuteczność modelu na poziomie
86,9%, 6,1% błędów pierwszego rodzaju i 20,1% błędów drugiego rodzaju.
Analiza prezentowanych systemów wczesnego ostrzegania wskazuje, że
wyższą skutecznością cechują się modele parametryczne. Elementem podstawowym dla jakości modelu jest odpowiedni dobór zmiennych. Większość badaczy kładła nacisk na zmienne związane ze stopniem zadłużenia
gospodarki oraz zmienne będące pochodnymi długu, takie jak koszty jego
obsługi oraz powstanie ewentualnych zaległości płatniczych. Zmienną, która w wielu badaniach określana była jako najbardziej znacząca, okazała się
zmienna opisująca historię zadłużenia. Wskazanie tej zmiennej sugeruje,
że w znacznej części powstające kryzysy miały charakter długookresowy.
Powstanie kryzysu w okresie t znacząco zwiększa prawdopodobieństwo
powstania kryzysu w okresie t+1. Ta prosta zależność wpływa na pożądaną architekturę systemów wczesnego ostrzegania. Ich celem powinno być
przewidywanie punktów zwrotnych kryzysu – momentu wybuchu kryzysu
i momentu wyjścia z kryzysu.
Zakończenie
Liczba kryzysów zadłużenia wybuchających w ostatnich dekadach skłoniła
badaczy do opracowania modeli ekonometrycznych, których głównym zadaniem jest generowanie sygnałów wyprzedzających i ostrzegających przed
kryzysem zadłużenia. Mimo że wyniki opisanych badań sugerują, że odpowiedź na pytanie postawione we wstępie jest twierdząca, nadal wybuchające kryzysy każą przypuszczać, że ich prognoza nie zawsze jest skuteczna.
Dodatkowo niektórzy badacze wskazują, że kryzysy zadłużenia i innego
rodzaju kryzysy finansowe są stałym elementem historii ludzkości. Mimo
stosunkowo dużej częstości nie nauczono się ich przewidywać, a przede
wszystkimi unikać [Reinhart i Rogoff 2009].
Analiza rodzaju zmiennych dobieranych do modeli proponowanych
przez omawianych badaczy wskazuje, że największą popularnością cieszą
się zmienne o charakterze makroekonomicznym. W dalszej kolejności badacze proponują wykorzystywanie zmiennych obrazujących sytuację polityczną w kraju. Zaskakująca jest stosunkowo duża rzadkość stosowania
zmiennej opisującej liczbę lat, które minęły od ostatniego kryzysu. Więk-
szość badaczy, którzy zdecydowali się na wykorzystanie tego typu zmiennej argumentuje, że ma ona jedną z największych zdolności wyjaśniania
zmiennej zależnej. Z grupy zmiennych makroekonomicznych najczęściej
dobierane zmienne dotyczyły zadłużenia kraju i kosztów jego obsługi. Wybór ten nie dziwi ze względu na próbę prognozowania zmiennej zależnej,
jaką jest wystąpienie kryzysu zadłużenia.
Mimo że zdecydowanie najpopularniejszymi metodami budowy modeli
ekonometrycznych były odmiany regresji logistycznej, to nie charakteryzują się one najwyższą skutecznością. W grupie omawianych modeli największą skuteczność wykazał model oparty na sztucznych sieciach neuronowych zaproponowany przez Fioramantiego [2006]. Ogólna skuteczność
modelu wyniosła ponad 93%. Mimo optymistycznych wyników sztuczne
sieci neuronowe nie są popularnym narzędziem badań w kontekście przewidywania kryzysów zadłużenia, co może wskazywać dalsze pole rozwoju
badań w tym zakresie.
Bibliografia
Balteanu, L., Erce, A., Fernandez, L., 2012, Bank Crises and Sovereign Defaults: Exploring the Links, Bank of Spain Working Paper.
Borensztein, E., Panizza, U., 2008, The Costs of Sovereign Default, IMF Working Paper, WP/08/238.
Ciarlone, A., Trebeshi, G., 2006, A Multinominal Approach to Early Warning System
for Debt Crises, Bank of Italy Working Paper.
Csaji, B., 2001, Approximation with Artificial Neural Networks, Faculty of Sciences,
Etvs Lornd University.
De Paoli, B., Hoggarth, G., Saporta, V., 2009, Output Costs of Sovereign Crises: some
Empirical Estimates, Bank of England Working Paper, no. 29.
Detragiache, E. Spilimbergo, A., 2001, Crises and Liquidity: Evidence and Interpretation, IMF Working Paper, no. 202.
Eckaus, R., Feder, G., Hajivassiliou, V., MacFadden, D., O’Connell, S., 1985, Is There
a Life After Debt? An Econometric Analysis of Credit Worthiness of Developing
Countries, World Bank Working Paper, no. 202.
Fioramanti, M., 2006, Predicting Sovereign Debt Crises Using Artificial Neural Networks: a Comparative Approach, ISAE Working Paper, no. 72.
Frank, R., Cline, W., 1971, Measurement of Debt Servicing Capacity: an Application of
Discriminant Analysis, Journal of International Economics, no. 1.
18
Jacek Krawiec
Fuertes, A., Kalotychou, E., 2007, Optimal Design of Early Warning Systems for Sovereign Debt Crises, International Journal of Forecasting, no. 23.
Gennaioli, N., Martin, A., Rossi, S., 2013, Sovereign Default, Domestic Banks, and
Financial Institutions, Working Paper, CREI.
Hajivassiliou, V., 1989, Do the Secondary Markets Believe in Life after Debts, Cowles
Foundation Discussion Paper.
Hajivassiliou, V., 1994, A Simulation Estimation Analysis of the External Debt Crises
of Developing Countries, Journal of Applied Econometrics, no. 131.
Jedidi, O., 2013, Predicting Sovereign Debt Crises: a Panel Data Approach Using Composite Indices, University of Rennes.
Łapczyński, M., 2003, Drzewa klasyfikacyjne w badaniach satysfakcji i lojalności
klientów, StatSoft Polska.
Kreay, A., Nehru, V., 2004, When in External Debet Sustainable?, World Bank Policy
Research Working Paper, no. 3200.
Manasse, P., Roubini, N., 2005, „Rules of Thumb” for Sovereign Debt Crises, IMF
Working Paper, no. 05/42.
Manasse, P., Roubini, N., Schimmelpfennig, A., 2003, Predicting Sovereign Debt Crises, IMF Working Paper, no. 72.
Peter, M., 2002, Estimating Default Probabilities of Emerging Market Sovereigns: a New Look at a Non-So-New Literature, HEI Working Paper, no. 06/2002.
Reinhart, C., Rogoff, K., 2009, This Time is Different: Eight Centuries of Financial
Folly, Priinceton University Press.
Reinhart, C., Rogoff, K., Savastano, A., 2003, Debt Intolerance, IMF Working Paper,
no. 74.
Standard and Poor’s, 2010, Sovereign Defaults and Rating Transition Data 2010 Update, Standard and Poor’s Sovereign Ratings.
2015, vol. 3, no. 9
DOI: 10.18559/SOEP.2015.9.2
Uniwersytet Ekonomiczny Poznań, Katedra Finansów Międzynarodowych
[email protected]
ZASTOSOWANIE ANALIZY WIDMA
WZAJEMNEGO W BADANIU DYNAMIKI
INDEKSU GIEŁDOWEGO DAX
Streszczenie: Kwadrat koherencji zmiennych niezależnych oraz dynamiki indeksu giełdowego DAX dla niskich częstotliwości przyjmuje mniejsze wartości niż dla częstotliwości wysokich.
Widmo fazowe DAX i dynamiki bezrobocia wykazuje liniową i dodatnią zależność
dla niskich częstotliwości (dla których obserwujemy duże wartości kwadratu koherencji). Sugeruje to, że zmiany długich fal dynamiki bezrobocia wyprzedzają odpowiednie zmiany w dynamice indeksu giełdowego DAX. Natomiast w przypadku widma
fazowego DAX i cen dóbr przemysłowych zależność liniowa jest ujemna, co wskazuje
na opóźnienie zmian cen dóbr przemysłowych względem zmian indeksu giełdowego DAX.
Przeprowadzona analiza widma wzajemnego wykazała, że w badanym okresie dynamika indeksu giełdowego DAX koreluje z dynamiką wybranych procesów gospodarczych
w różnych częstościach cyklu koniunkturalnego. Można zatem mówić o przejawach
skorelowanych zachowań cyklicznych. Na szczególne pokreślenie zasługuje wyjawienie zróżnicowanych przesunięć fazowych oraz wzmocnienia zarówno w niskich, jak
i w wysokich częstościach wahań cyklicznych badanych szeregów czasowych w gospodarce niemieckiej. Analiza widma wzajemnego może być zatem efektywnym narzędziem
wspomagającym konstruowanie barometrów koniunktury, polityki stabilizacji czy ożywienia koniunktury gospodarczej.
Słowa kluczowe: analiza widma wzajemnego, gęstość widmowa, gęstość kospektralna, gęstość kwadraturowa, kwadrat koherencji, amplituda mieszana, widmo fazowe,
wzmocnienie.
Klasyfikacja JEL: C22, E32.
20
APPLYING CROSS-SPECTRAL ANALYSIS IN RESEARCH
ON THE DYNAMICS OF THE DAX SHARE INDEX
Abstract: The squared coherency of independent variables and dynamics of the DAX
share index for low frequencies assumes considerably lower values than for high frequencies.
The phase spectrum (phase shift) of the DAX share index and unemployment demonstrate the linear and positive relationship for low frequencies (where we observe considerable values for the squared coherency). It would suggest that long term changes
in unemployment lead to appropriate changes in the dynamics of DAX share index.
However in case of the DAX spectrum and the prices of industrial goods the linear relationship is negative which suggests a lag in changes in prices of industrial goods in relation to changes in the DAX share index.
The cross-spectral research carried out shows that in the period analysed the dynamics
of a DAX share index are correlated with the dynamics of selected economic processes
in different frequencies of the trade cycle. It is then possible to talk about the symptoms
of correlated cyclical behaviour. On examining a period of time in the German economy
diversified phase spectrums and gains in low as well as in high frequencies of cyclical
fluctuations were revealed and deserves special mention. Therefore cross-spectral analysis can be an effective tool supporting the process of the construction of barometers of
economic activity and the policy of stabilization or economic recovery.
Key words: cross-spectral analysis, spectral density, cross-density, quadrature density,
squared coherency, cross-amplitude, phase spectrum (phase shift), gain.
Wstęp
Oszacowanie widma procesu stochastycznego na podstawie danych szeregu
czasowego nazywa się analizą widmową (spektralną). Punktem wyjścia tej
analizy jest periodogram, który wskazuje wagę reprezentacji częstotliwościowej poszczególnych fal w empirycznym szeregu czasowym. Periodogram został po raz pierwszy wprowadzony przez A. Schuster w 1898 roku
w celu wyjawienia, ukrytej w meteorologicznych szeregach czasowych, periodyczności [1898]. Właściwa funkcja gęstości widmowej sprowadza się
w istocie do procedury wygładzania periodogramu.
Analiza widmowa (spektralna, spectral analysis) służy poznaniu struktury harmonicznej szeregów czasowych. Polega ona na dekompozycji
szeregu czasowego na kilka funkcji sinus i cosinus o różnych okresach.
Termin „widmo”, „spektrum” przejęte zostało przez ekonomię z chemii: przepuszczenie białego światła słonecznego przez pryzmat pozwala
odseparować składniki cykliczne o różnych okresach. W wyniku otrzy-
Zastosowanie analizy widma wzajemnego w badaniu dynamiki indeksu21
mujemy spektrum kolorów składających się światło słoneczne. Dzięki
temu można zidentyfikować pierwiastki będące źródłami światła gwiazd.
Identyfikując podstawowe składniki cykliczne światła gwiazd można ustalić skład materii gwiezdnej. Analiza widma szeregu czasowego jest swoistym „pryzmatem”, przez który „przepuszczany” jest dany szereg w celu
ustalenia jego okresowości, amplitudy i ich wkładu w dynamikę szeregu.
Dzięki takiej analizie odkryć można w danym szeregu czasowym kilka
cyklów o różnych okresach i amplitudach, o różnym wkładzie w ogólną
dynamikę szeregu. Ich połączenie w jeden szereg nadaje jemu cechy „białego” szumu o płaskim widmie1.
Analiza widma wzajemnego (analiza cross-spektralna) jest w istocie połączoną i jednoczesną analizą widma dwóch szeregów. Celem jej
jest ustalenie związków i zależności (korelacji, kowariancji, koincydencji) występujących pomiędzy dwoma szeregami dla tych samych częstotliwości. Aktywność gospodarcza może oddziaływać na oceny stanu
obecnej (diagnozy) i przyszłej (prognozy) koniunktury gospodarczej
w przemyśle i w budownictwie, także na koniunkturę giełdową [Fouet
1981, s. 13–14]. Na indeksy giełdowe będą oddziaływać dane makroekonomiczne dotyczące sprzedaży, zatrudnienia, bezrobocia, eksportu,
importu, cen. Jeśli tak, to gdybyśmy poddali szereg dynamiki indeksu
giełdowego DAX, diagnozy i prognozy w przemyśle i w budownictwie
analizie widma wzajemnego łącznie z danymi produkcji wybranych gałęzi, zatrudnienia, bezrobocia, wielkości sprzedaży, cen, handlu zagranicznego, to moglibyśmy zweryfikować, czy ogólna aktywność gospodarcza
rzeczywiście koreluje z aktywnością wymienionych obszarów gospodarczych w określonych częstościach cyklu koniunkturalnego, czy w badanym obszarze można mówić o przejawach skoordynowanych (skorelowanych) zachowań cyklicznych.
xt 
Proces dwuwymiarowy   , t ∈ N traktujemy jako stacjonarny, je yt 
żeli każda jego składowa jest jednowymiarowym procesem stacjonarnym,
tzn.
cov
=
(xs , ys+ j ) cov (xt , yt + j ) ∀ (s, t , j) .
Funkcję
autokowa-
riancji stacjonarnego dwuwymiarowgo procesu Γ(j) definiujemy jako
Analizie widmowej poświęcone są klasyczne już prace Blackman i Tukey [1959];
Granger i Hatanaka [1964]; Jenkins i Watts [1968]; Brigham [1974]; Koopmans [1974]; Brillinger [1975]; Bloomfield [1976]; Childers [1978]; Pristley [1981]; Elliot i Rao [1982]; Thomson [1982]; Kesler [1986]; Talaga i Zieliński [1986]; Marple [1987]; Kay [1988]; Shumway
1988; Wei 1989; Cohen 1995; Naidu 1996; Stoica i Moses 1997].
1
22
γ xx ( j ) γ xy ( j )
Γ ( j) = 
 , gdzie γxx(j) = cov(xt,xt – j), γyy(j) = cov(yt,yt – j),
γ yx ( j ) γ yy ( j )
γxy(j) = cov(xt,yt – j), γyx(j) = cov(yt,xt – j).
Jeżeli
∞
∑
j =−∞
γ xx ( j ) ,
∞
∑
j =−∞
γ yy ( j ) ,
∞
∑
j =−∞
γ xy ( j ) ,
∞
∑
j =−∞
γ yx ( j ) < ∞, wów-
 f xx (ω ) f xy (ω ) 1 ∞ −iω j
czas =
funkcję f (ω) =

∑ e Γ ( j ) nazywać
 f yx (ω ) f yy (ω ) 2π j =−∞
będziemy widmem (spektrum) lub funkcją gęstości widmowej (spektralnej) procesu dwuwymiarowego. Elementy przekątnej
1 ∞
1 ∞
−iω j , f (ω )
=
γ
j
e
(
)
xx
yy
∑
∑ γ yy ( j )e−iω j funkcji f(w) to
2π j =−∞
2π j =−∞
właśnie gęstość widmowa jednowymiarowego procesu xt i yt, t∈N. Natof xx (ω )
miast funkcje f xy (ω ) =
1
2π
∞
∑ γ xy ( j )e−iω j i f yx (ω ) =
j =−∞
1
2π
∞
∑ γ yx ( j )e−iω j
j =−∞
to funkcje wzajemnej gęstości widmowej (cross spectral density).
Widmo procesu jednowymiarowego fxx lub fyy można przeformułować
na model strukturalny. Zdekomponowanie szeregu wyjściowego jako sumy
funkcji składowych sinus i cosinus z różnymi częstościami sprowadzałaby się
w tym modelu do problemu regresji wielorakiej. W modelu tym zmienną objaśnianą jest wyjściowy szereg czasowy, a zmiennymi objaśniającymi są funkcje sinusoidalne dla wszelkich możliwych częstotliwości. Analiza widmowa
ustali zależność wzajemną funkcji sinusoidalnych (sinus i cosinus) z różnymi
częstościami oraz empirycznymi danymi wyjściowymi. W sytuacji wysokiej
korelacji (wysokich współczynników korelacji dla sinusa lub cosinusa) można przypuszczać występowanie wyraźnej okresowości w danej częstości.
Widmo wzajemne fxy można zapisać we współrzędnych kartezjańskich:
=
f xy (ω)
1
=
2π
∞
∑
j =−∞
1 ∞
=
∑ γ xy ( j) e−iω j
2π j =−∞
cos (ω j) γ xy ( j) − i
1
2π
∞
∑
j =−∞
= cxy (ω) − iqxy (ω) .
sin (ω j) γ xy ( j) =
Funkcje rzeczywiste cxy(w) oraz qxy(w) to, odpowiednio, gęstość kospektralna i gęstość kwadraturowa. Można też, odwrotnie, zamiast współrzędnych kartezjańskich użyć współrzędnych biegunowych: liczby zespolone
opisuje układ współrzędnych, w których oś odciętych zawiera liczby rzeczywiste, a oś rzędnych – liczby urojone. Liczby zespolone mogą być przedstawione jako punkty takiej dwuwymiarowej płaszczyzny. Możemy zapisać,
że f xy (ω) = Rxy eiϕ xy (ω ), gdzie Rxy(w) ≥ 0 oraz –p < fxy(w) < p. Funkcja rze-
czywista Rxy(w) oraz fxy(w) to, odpowiednio, amplituda mieszana (amplitude
spectrum lub gain) i przesunięcie fazowe (widmo fazowe, kąt fazowy, phase
spectrum). Kowariancję xt i yt można obliczyć jako całkę funkcji gęstości
kospektralnej. Kospektrum w częstości w wskazuje, jaka część kowariancji jest „odpowiedzialna” za wahania o częstotliwości w. Kospektrum może
przyjmować wartości dodatnie w pewnych częstościach i wartości ujemne w innych. Amplituda widma mierzy siłę liniowej zależności szeregów
xt i yt w poszczególnych częstotliwościach. Miarą danej zależności jest
funkcja kwadraturowa koherencji (gęstość kwadraturowa, squared co
2
f xy (ω ) ^ 2
Rxy
2 ω
ρ xy
, przy czym
=
herence function):
( ) =
f xx (ω) f yy (ω ) f xx (ω) f yy (ω )
2 ω = ρ 2 (ω ).
ρ xy
( ) yx
Widmo fazowe (phase spectrum) ustala, czy i na ile xt, t∈N poprzedza
lub jest opóźnione względem yt, t∈N, dla różnych częstotliwości. Jeżeli dane procesy nie są wzajemnie skorelowane, tzn. gdy γ xy ( j)= 0 ∀j , to
1 ∞ −iω j
=
f xy (ω) =
∑ e γ xy ( j) 0.
2π j =−∞
Ważnym elementem w analizie widma wzajemnego jest wzmocnienie
yt (zmienna zależna) względem xt (zmienna niezależna) i, odwrotnie, xt
względem yt.
1. Metody badawcze
We wstępnym „wybielaniu” danych miesięcznych (prewhitening, 543
danych styczeń 1969 – marzec 2013, liczonych jako miesiąc do analogicznego miesiąca roku poprzedniego, poza danymi Ifo-Institut diagnozy i prognozy koniunktury w przemyśle i w budownictwie), 23 szeregów czasowych Niemiec – w celu usunięcia z danych oryginalnych
24
składowej trendu stochastycznego – wykorzystano filtr Hodricka-Prescotta (w programie Gretl 1.9.91cvs, GNU, regression, econometric i time-se
ries library). Uzyskane dane poddano procedurze standaryzacji w programie Statistica2. Standaryzacja polegała na zamianie wartości wybranych
zmiennych przez ich tzw. wartości standaryzowane obliczane jako: wartość standaryzowana = (wartość zmiennej – średnia)/odchylenie standardowe. Następnie w badaniu stacjonarności zestandaryzowanych danych wykorzystano w programie Gretl procedurę testu Dickey-Pantula
autorstwa U. Rodriguez Ramirez3. Dane poddano także rozszerzenemu
testowi R/S (Hurst) (range scale analysis,) na istnienie pamięci krótotrwałej (short-range memory). Odrzucenie hipotezy zerowej oznaczało
przyjęcie hipotezy alternatywnej o występowaniu w testowanym szeregu
pamięci długookresowej (long-range memory). Zmodyfikowany test R/S
A.W. Lo zastosował D. Ventosa-Santaulária (ModRS-test) w programie
Gretl [Lo 1991].
Częstym przypadkiem jest „przeciekanie” wariancji właściwej określonej
częstotliwości do częstotliwości sąsiadujących z daną. Tak jest, ponieważ
żadna z częstotliwości wynikających z obliczeń funkcji gęstości widmowej
nie „trafia” dokładnie w daną częstotliwość. Periodogram może wykazywać
duże wartości dla dwóch sąsiednich częstotliwości, podczas gdy w danych
empirycznych występuje jedna silna funkcja sinus albo cosinus o częstości
znajdującej się pomiędzy tamtymi, co jest rezultatem liczby danych szeregu
i liczby obliczeń funkcji gęstości widmowej. W literaturze przedmiotu zaleca się trzy metody podejścia do problemu przeciekania:
1)przez odpowiednie wydłużenie lub skrócenie szeregu czasowego;
2)przez temperowanie [McCoy, Walden i Percival 1998; Mitra i Kaiser
1993; Percival i Constantine 2005; Percival i Walden 1993; Riedel i Sidorenko 1995; Thomson 1982; Walden 1989] szeregu, co pozwoliłoby
zredukować przeciekanie;
3)przez wygładzanie periodogramu.
StatSoft, Inc. [2011]. STATISTICA (data analysis software system), version 10. www.
statsoft.com.
3
Choć stochastyczne własności wielu ekonomicznych szeregów czasowych zostały
w literaturze wystarczająco dobrze opisane jako procesy zintegrowane w stopniu pierwszym
I(1), niektóre szeregi lepiej traktować jako procesy I(2). Rozważając problem testowania na
istnienie podwójnego pierwiastka jednostkowego, D. Dickey i S.G.Pantula zaproponowali
procedurę testowania, przyjmując dla hipotezy zerowej możliwie największą liczbę pierwiastków jednostkowych, następnie obniżając ją przy każdym kolejnym odrzuceniu hipotezy zerowej [Dickey i Pantula 1987; Pantula 1989].
2
W pracy, aby zredukować przeciekanie, zastosowano przed analizą
widmową procedurę temperowania oraz wygładzania periodogramu. Procedura temperowania to transformacja szeregu poprzedzająca właściwą
analizę widmową. Transformacja ta została uzasadniona przez P. Bloomfielda [1976, s. 80–94]. Określona część danych (proporcja p, przyjęliśmy
p = 15%) z początku oraz z końca szeregu została pomnożona przez następujące wagi:
wt = {1 – cos[p × (t – 0,5)/m]}/2 wt = {1 – cos[p × (N – t + 0,5)/m]}/2 (0 ≤ t ≤ m – 1)
(N – m ≤ t ≤ N – 1)
gdzie m ustala się tak, aby 2 × m/N równało się p/N%. W naszym przypadku m = 41 (N = 542, liczba danych powinna być parzysta).
Analizując rzeczywiste dane, zazwyczaj nie dążymy do jak najdokładniejszego zidentyfikowania częstotliwości poszczególnych funkcji sinus lub
cosinus. Z uwagi na silne wahania losowe zderzamy się raczej z problemem
nadmiaru chaotycznych „szczytów” periodogramu. W takim przypadku
staramy się wyróżnić przedziały bliskich częstotliwości mających względnie
duży udział w ogólnej wariancji badanego szeregu. Osiąga się to, stosując
wygładzenie periodogramu ważoną średnią ruchomą. Okno takiej średniej
o szerokości m powinno być liczbą nieparzystą. W pracy zastosowano okno
widmowe E. Parzena [1961] (zauważmy, że p = (m – 1)/2), w którym wagi
średniej ruchomej dla poszczególnych częstości periodogramu obliczane
są jako:
wj = 1 – 6 × (j/p)2 + 6 × (j/p)3, (0 ≤ j ≤ 0,5 × p)
(0,5 × p < j ≤ p)
wj = 2 × (1 – j/p)3,
(j > p).
wj = 0,
Funkcje wagowe przyporządkują maksymalną wagę obserwacji znajdującej
się w środku okna i malejące stopniowo wagi obserwacjom bardziej odległym od środka. (Zauważmy, że moduł szeregów czasowych w programie
Statistica wystandaryzuje wagi tak, aby się sumowały do 1).
Badaniu poddane zostały następujące szeregi czasowe gospodarki niemieckiej (okres = P, liczba danych = D, poza danymi koniunkturalnymi
dane przedstawione zostały jako indeksy łańcuchowe: analogicznie do miesiąca roku poprzedniego):
26
Tabela 1. Wybrane miesięczne szeregi czasowe gospodarki niemieckiej (1969–
2014)
L.p.
1
Szereg czasowy
Indeks giełdowy DAX
P
D
1969–2014
543
Symbol
dax
2
Wydobycie węgla kamiennego
1969–2013
543
coal
3
Produkcja stali
1969–2013
543
steel
4
Produkcja cementu
1969–2013
543
cement
5
Produkcja energii elektrycznej
1969–2013
543
electri
6
Produkcja samochodów osobowych
1969–2013
543
cars
7
Produkcja przemysłowa ogółem
1969–2013
543
prod
8
Produkcja dóbr inwestycyjnych
1969–2013
543
inv
9
Produkcja surowców
1969–2013
543
row
10
Produkcja dóbr konsumpcyjnych
1969–2013
543
consum
11
Obroty przemysłu (nominalnie)
1969–2013
543
turn_n
12
Obroty przemysłu (realnie)
1969–2013
543
turn_r
13
Dynamika cen dóbr przemysłowych
1969–2013
543
cen_dyn
14
Wolne miejsca pracy
1969–2013
543
vacan
15
Zatrudnienie w przemyśle
1969–2013
543
employ
16
Bezrobocie ogółem
1969–2013
543
unemploy
17
Eksport
1969–2013
543
export
18
Import
1969–2013
543
import
19
Prognoza koniunktury w przemyśle
1969–2013
543
pr_prz
20
Diagnoza koniunktury w przemyśle
1969–2013
543
d_prz
21
Prognoza cen dóbr przemysłowych
1969–2013
543
pr_cen
22
Prognoza koniunktury w budownictwie
1969–2013
543
pr_bud
23
Diagnoza koniunktury w budownictwie
1969–2013
543
d_bud
Dane uzyskane zostały z miesięcznika Statistisches Bundesamt Wirtschaft
und Statistik oraz z publikacji testów koniunktury w przemyśle i budownictwie Ifo-Institut für Wirtschaftsforschung w Monachium.
2. Badania empiryczne
Wyniki uzyskane w module Gretl DFP (double unit root) wskazują (z 1-procentowym prawdopodobieństwem popełnienia błędu) na stacjonarność
wszystkich badanych szeregów czasowych:
? DFP(hp_dax)
Model 1: OLS, using observations 1969:03-2014:03 (T = 541)
Dependent variable: y1
coefficient std. error t-ratio p-value
-------------------------------------------------y2 -0.774735 0.0419624 -18.46 2.30e-059 ***
Mean dependent var -0.000733 S.D. dependent var
Sum squared resid 50.45503 S.E. of regression
R-squared 0.386968 Adjusted R-squared
F(1, 540) 340.8674 P-value(F) Log-likelihood -125.9286 Akaike criterion Schwarz criterion 258.1507 Hannan-Quinn rho 0.006147 Durbin-Watson 0.390403
0.305672
0.386968
2.30e-59
253.8573
255.5363
1.985809
==============================================
double unit root Test
==============================================
Null Hypothesis: two unit roots, y~I(2)
Test Statistic = -18.4626
p-value = 2.85916e-037
--------------------------------------------------
Wyniki zmodyfikowanej analizy przeskalowanego zakresu Lo [1991]
uzyskane w module ModRS-test programu Gretl pozwalają na odrzucenie
(z 1-procentowym prawdopodobieństwem popełnienia błędu) hipotezy zerowej o występowaniu we wszystkich badanych szeregach czasowych pamięci krótkookresowej na rzecz hipotezy alternatywnej o istnieniu pamięci długookresowej:
? ModRS_test(hp_dax, 8, 1)
------------------------------------------------Lo’s(1991) Modified R/S (Hurst) Test
------------------------------------------------Null hypothesis: short-range memory
Alternative hypothesis: long-range memory
------------------------------------------------Note: this function uses the built-in function
lrvar to compute the long-run variance (lrvar)
-------------------------------------------------
28
Lo’s modified R/S statistic: 0.28108
------------------------------------------------Critical values: 0.721 and 2.098
Ho rejected at 1 percent
-------------------------------------------------
Gęstość widmowa dynamiki indeksu giełdowego DAX (zmiennej zależnej) wskazuje na dominację cyklu 42-, 25- i 8-miesięcznego cyklu. Istotność
częstotliwości szczytów widma badanych szeregów czasowych potwierdza
test na istotność częstości periodogramu w programie Gretl zaproponowany przez T. Stryjkowskiego [2013, s. 147].
1.
7
6
5
4
3
2
1
0
543
22,62
11,55
7,76
5,84
4,68
3,91
3,35
2,94
2,61
2,35
2,14
2.
Rysunek 1–2. Gęstość widmowa (wykres 1) i istotne częstości periodogramu
(wykres 2) indeksu giełdowego DAX (dax, styczeń 1969 – marzec 2014)
3.
4.
2
1,5
1
0,5
543
22,62
11,55
7,76
5,84
4,68
3,91
3,35
2,94
2,61
2,35
2,14
0
5.
[29]
543
22,62
11,55
7,76
5,84
4,68
3,91
3,35
2,94
2,61
2,35
2,14
6.
8.
543
22,62
11,55
7,76
5,84
4,68
3,91
3,35
2,94
2,61
2,35
2,14
30
2,5
2
1,5
1
0,5
0
7.
2
1,5
1
0,5
0
[30]
9.
10.
5
4
3
2
1
543
22,62
11,55
7,76
5,84
4,68
3,91
3,35
2,94
2,61
2,35
2,14
0
11.
[31]
543
22,62
11,55
7,76
5,84
4,68
3,91
3,35
2,94
2,61
2,35
2,14
12.
14.
543
22,62
11,55
7,76
5,84
4,68
3,91
3,35
2,94
2,61
2,35
2,14
32
1,5
1
0,5
0
13.
4
3
2
1
0
[32]
15.
16.
2
1,5
1
0,5
543
22,62
11,55
7,76
5,84
4,68
3,91
3,35
2,94
2,61
2,35
2,14
0
17.
[33]
34
18.
5
4
3
2
1
543
22,62
11,55
7,76
5,84
4,68
3,91
3,35
2,94
2,61
2,35
2,14
0
19.
20.
8
6
4
2
543
22,62
11,55
7,76
5,84
4,68
3,91
3,35
2,94
2,61
2,35
2,14
0
Rysunek 3–20. Gęstości widmowe (numer nieparzysty) i istotne częstości periodogramu (numer parzysty) zmiennych niezależnych (okno widmowe Parzena,
szerokość okna = 13 miesięcy)
[34]
Gęstości widmowe i test na istotność częstotliwości wybranych zmiennych
niezależnych kształtowały się następująco:
Kwadrat koherencji zmiennych niezależnych oraz dynamiki indeksu
giełdowego DAX dla niskich częstotliwości przyjmuje mniejsze wartości
niż dla częstotliwości wysokich (rysunek 21–22).
21.
22.
Rysunek 21–22. Kwadrat koherencji DAX (zmienna zależna) oraz dynamiki
cen dóbr przemysłowych i bezrobocia w Niemczech (dane miesięczne styczeń
1969 – marzec 2014)
36
Kwadrat koherencji danych wstępnie wygładzonych (procedura temperowania, usunięcie średniej i trendu oraz przekształcenie Fouriera z oknem
Parzena o szerokości 27 obserwacji) również wykazuje różnice koherencji
zmiennych zależnych i niezależnych dla niskich i wysokich częstotliwości
(rysunek 23–24).
Gęstości kospektralne zmiennej zależnej DAX oraz wybranych zmiennych niezależnych kształtowały się, jak przedstawia rysunek 25–36.
Wygładzając liczby zespolone składające się na widmo wzajemne, można uzyskać, odpowiednio, gęstość mieszaną i gęstość kwadraturową. Wartość pierwiastka sumy kwadratów gęstości kwadraturowej oraz gęstości
mieszanej nosi nazwę amplitudy mieszanej. Interpretuje się ją jako kowariancję analogicznych składników okresowych w obu badanych szeregach
[Internetowy podręcznik statystyki, http://www.statsoft.pl/textbook/stathome_stat].
Amplituda mieszana DAX oraz eksportu, importu, wydobycia węgla, produkcji energii elektrycznej (i pozostałych zmiennych niezależnych) wskazuje na względnie wysoką kowariancję w niskich częstotliwościach (w porównaniu z kowariancją dla częstości wysokich).
Widmo fazowe DAX oraz exportu Niemiec wykazuje liniową i przeważnie
dodatnią zależność dla niskich częstotliwości oraz raczej ujemne zależności
dla częstości wysokich (w obu wypadkach obserwujemy duże wartości kwadratu koherencji). Sugeruje to, że zmiany (względnie) długich fal w eksporcie
wyprzedzają odpowiednie zmiany w dynamice indeksu giełdowego DAX. I,
odwrotnie, wahania krótkookresowe eksportu poprzedzane są przez krótkookresowe zmiany indeksu giełdowego DAX. Natomiast widmo fazowe DAX
oraz importu Niemiec wykazuje liniową i ujemną zależność dla niskich częstotliwości oraz dodatnie zależności liniowe dla częstotliwości wysokich. Sugeruje to, że zmiany długich fal w imporcie poprzedzane są przez odpowiednie
zmiany w dynamice indeksu giełdowego DAX. Natomiast wahania krótkookresowe importu wyprzedzają krótkookresowe zmiany indeksu giełdowego
DAX. Tak wyraźne różnice w opóźnieniach-wyprzedzeniach nie występują
w odniesieniu do danych realnych: produkcji przemysłowej, produkcji samochodów, wydobycia węgla, produkcji stali, produkcji energii elektrycznej.
Ważnym uzupełnieniem widma fazowego są wskaźniki wzmocnienia
zmiennej zależnej względem zmiennych niezależnych i, odwrotnie, zmiennych niezależnych względem zmiennej zależnej w określonych częstototliwościach.
Wskaźniki wzmocnienia badanych szeregów czasowych przyjmują z reguły wysokie wartości w wysokich częstościach indeksu DAX względem
23.
24.
Rysunek 23–24. Kwadrat koherencji DAX (zmienna zależna) oraz dynamiki
cen dóbr przemysłowych i bezrobocia w Niemczech (dane miesięczne styczeń
1969 – marzec 2014, okno Parzena o szerokości 27 miesięcy, dane wstępnie wygładzone)
[37]
38
25.
26.
[38]
27.
28.
[39]
40
29.
30.
[40]
31.
32.
[41]
42
33.
34.
[42]
35.
36.
Rysunek 25–36. Gęstości kospektralne DAX (zmienna zależna) oraz zmiennych
niezależnych (dane miesięczne styczeń 1969 – marzec 2014)
[43]
44
37.
38.
Rysunek 37–38. Gęstości kwadraturowe DAX (zmienna zależna) oraz dynamiki
eksportu i importu Niemiec (dane miesięczne styczeń 1969 – marzec 2014)
[44]
39.
40.
Rysunek 39–40 Gęstości kwadraturowe DAX (zmienna zależna) oraz dynamiki
wydobycia węgla kamiennego i produkcji energii elektrycznej Niemiec (dane
miesięczne styczeń 1969 – marzec 2014)
[45]
46
41.
42.
Rysunek 41–42. Amplituda mieszana DAX (zmienna zależna) oraz eksportu
i importu Niemiec (dane miesięczne styczeń 1969 – marzec 2014)
[46]
43.
44.
Rysunek 43–44 Amplituda mieszana DAX (zmienna zależna) oraz produkcji węgla i energii elektrycznej Niemiec (dane miesięczne styczeń 1969 – marzec 2014)
[47]
48
45.
46.
Rysunek 45–46 Widmo fazowe DAX (zmienna zależna) oraz dynamiki exportu
i importu w Niemczech (dane miesięczne styczeń 1969 – marzec 2014)
[48]
47.
48.
Rysunek 47–48. Widmo fazowe DAX (zmienna zależna) oraz dynamiki wydobycia węgla i produkcji energii elektrycznej w Niemczech (dane miesięczne styczeń 1969 – marzec 2014)
[49]
50
49.
50.
Rysunek 49–50 Wzmocnienie DAX względem bezrobocia (wykres 49) i bezrobocia względem DAX (wykres 50)
[50]
51.
52.
Rysunek 51–52. Wzmocnienie DAX względem cen dóbr przemysłowych (wykres 51) i cen dóbr przemysłowych względem DAX (wykres 52)
[51]
52
53.
54.
Rysunek 53–54. Wzmocnienie DAX względem produkcji energii elektrycznej
(wykres 53) i produkcji energii elektrycznej względem DAX (wykres 54)
[52]
55.
56.
Rysunek 55–56. Wzmocnienie DAX względem produkcji cementu (wykres
55) i produkcji cementu względem DAX (wykres 56)
[53]
54
większości zmiennych niezależnych i w niskich częstościach zmiennych
niezależnych względem indeksu DAX.
Przeprowadzona analiza widma wzajemnego wykazała, że w badanym
okresie dynamika indeksu giełdowego DAX jest skorelowana z dynamiką
wybranych obszarów gospodarczych w różnych częstościach cyklu koniunkturalnego. Można zatem mówić o przejawach skorelowanych zachowań cyklicznych. Na szczególne pokreślenie zasługuje wyjawienie zróżnicowanych przesunięć fazowych oraz wzmocnienia zarówno w niskich, jak
i w wysokich częstościach wahań cyklicznych badanych szeregów czasowych w gospodarce niemieckiej. Analiza widma wzajemnego może być
zatem efektywnym narzędziem wspomagającym konstruowanie barometrów koniunktury, polityki stabilizacji czy ożywienia koniunktury gospodarczej.
Bibliografia
Baillie, R.T., 1996, Long Memory Processes and Fractional Integration in Economet
rics, Journal of Econometrics, no. 73, s. 5–59.
Banerjee, A., Urga, G., 2004, Modelling Structural Breaks, Long Memory and Stock
Market Volatility: an Overview, http://www.cass.city.ac.uk/cea/index.html [data
dostępu: 17.08.2014].
Beran, J., 1994, Statistics for Long Memory Processes, Chapman and Hall, New York.
Blackman, R.B., Tukey, J.W., 1959, The Measurement of Power Spectra from the Point
of View of Communication Engineering, Dover, New York.
Bloomfield, P., 1976, Fourier Analysis of Time Series: an Introduction, Wiley,
New York.
Brigham, E.O., 1974, The Fast Fourier Transform, Prentice-Hall, Englewood Cliffs,
New Jersey.
Brillinger, D.R., 1975, Time Series: Data Analysis and Theory, Holt, Rinehart & Winston, New York.
Childers, D.G. (ed.), 1978, Modern Spectrum Analysis, IEEE Press, New York.
Cohen, L., 1995, Time-frequency Analysis, Prentice Hall, Englewood Cliffs, New Jersey.
Davidson, J., Terasvirta, T.T., (eds.), 2002, Long Memory and Nonlinear Time Series,
Journal of Econometrics, no. 110, iss. 2, s. 105–437.
Deo, R., Hsieh, M., Hurvich, C.M., 2005, Tracing the Source of Long Memory in Vola
tility, http://129.3.20.41/eps/em/papers/0501/0501005.pdf, s. 1–38 [dostęp:
25.08.2014].
Dickey, D., Pantula, S., 1987, Determining the Order of Differencing in Autoregressive
Processes, Journal of Business and Economic Statistics, no. 15, s. 455–461.
Elliott, D.F., Rao, K.R., 1982, Fast Transforms: Algorithms, Analyses, Applications,
Academic Press, New York.
Fouet, M., 1981, Analyser la conjoncture, Hatier, Paris.
Geweke, J., Porter-Hudak, S., 1983, The Estimation and Application of Long Memory
Time Series Models, Journal of Time Series Analysis, no. 4, s. 221–228.
Hurst, H.E., 1951, Long-term Storage of Reservoirs, Transactions of the American Society of Civil Engineers, no. 116, s. 770–799.
Jenkins, G.M., Watts, D.G., 1968, Spectral Analysis and Its Applications, Holden-Day,
San Francisco.
Kay, S.M., 1988, Modern Spectral Estimation, Theory and Application, Prentice Hall,
Englewood Cliffs, New Jersey.
Kesler, S.B., (ed.), 1986, Modem Spectrum Analysis II, IEEE Press, New York.
Koopmans, L.H., 1974, The Spectral Analysis of Time Series, Academic Press, New York.
Lo, A.W., 1991, Long-term Memory in Stock Market Prices, Econometrica, no. 59(5),
s. 1279–1313.
Łuczyński, W., 1998, Analiza dynamiki procesów gospodarczych Niemiec w latach
1949–1996, Wydawnictwo Akademii Ekonomicznej w Poznaniu, Poznań.
Łuczyński, W., 2007, Estymacja mocy gęstości spektralnej za pomocą algorytmu cy
frowej analizy widmowej MUSIC, w: Schroeder, J., Stępień, B. (red.), Handel
i finanse międzynarodowe w warunkach globalizacji, Wydawnictwo Akademii
Ekonomicznej w Poznaniu, Poznań, s. 137–148.
Łuczyński, W., 2007, The Long Memory Dynamics of the Market Quotations of Select
ed Stock Companies and Warsaw Stock Index, Poznań University of Economics
Review, vol. 7, no. 1, s. 21–55.
Łuczyński, W., 1998, Zastosowania analizy harmonicznej i spektralnej oraz analizy
przeskalowanego zakresu w badaniu realnych cykli koniunkturalnych, Ekonomista, nr 5–6, s. 629–647.
Marple, L., 1987, Digital Spectral Analysis with Applications, Prentice Hall, Englewood Cliffs, New Jersey, NJ.
Mitra, S.K., Kaiser, J., 1993, Handbook for Digital Signal Processing, John Wiley and
Sons, Inc., New York.
Naidu, P.S., 1996, Modern Spectrum Analysis of Time Series, CRC Press, Boca Raton,
FL.
Pantula, S.G., 1989, Testing for Unit Roots in Time Series Data, Econometric Theory,
vol. 5, no. 2, s. 256–271.
Parzen, E., 1961, Mathematical Considerations in the Estimation of Spectra, Technometrics, vol. 3, no. 2, s. 167–190.
Percival, D.B., Constantine, W.L.B., 2005, Exact Simulation of Gaussian Time Series
from Nonparametric Spectral Estimates with Application to Bootstrapping, Journal of Computational and Graphical Statistics, accepted for publication.
56
Percival, D.B., Walden, A., 1993, Spectral Analysis for Physical Applications: Mul
titaper and Conventional Univariate Techniques, Cambridge University Press,
Cambridge.
Priestley, M.B., 1981, Spectral Analysis and Time Series, Academic Press, New York.
Rinne, H., Specht, K., 2002, Zeitreihen. Statistische Modellierung, Schätzung und
Prognose, Verlag Franz Vahlen, München.
Robinson, P.M., 2003, Long Memory Time Series, w: Robinson, P.M. (ed.), Time Se
ries with Long Memory, Oxford University Press, Oxford.
Riedel, K.S., Sidorenko, A., 1995, Minimum Bias Multiple Taper Spectral Estimation,
IEEE Transactions on Signal Processing, no. 43, s. 188–195.
Schuster, A., 1898, On the Investigation of Hidden Periodicities with Application to
a Supposed 26-day Period of Meteorological Phenomena, Terr. Mag. Atmos. Elect.,
no. 3, s. 13–41.
Shumway, R.H., 1988, Applied Statistical Time Series Analysis, Prentice Hall, Englewood Cliffs, NJ.
Stock, J.H., Watson, M.W., 1998, Business Cycle Fluctuations in US Macroeconomic
Time Series, NBER Working Paper Series, no. 6528.
Stoica, P., Moses, R.L., 1997, Introduction to Spectral Analysis, Prentice-Hall, Upper Saddle River, New Jersey.
Stryjkowski, T., 2013, Implementacja testu na istotność poszczególnych częstości perio
dogramu w programie GRETL, w: Kośko, M. (red.), Metody i zastosowania ekono
metrii współczesnej, Wydawnictwo Uczelniane WSIiE TWP, Olsztyn, s. 145–158.
Syczewska, E.M., 2002, Analiza relacji długookresowych: estymacja i weryfikacja,
Szkoła Główna Handlowa w Warszawie, Warszawa.
Talaga, L., Zieliński, Z., 1986, Analiza spektralna w modelowaniu ekonometrycznym,
PWN, Warszawa.
Thomson, D.J., 1982, Spectrum Estimation and Harmonic Analysis, Proceedings of
the IEEE, no. 72(9), s. 1055–1096.
Walden, A.T., 1989, Accurate Approximation of a 0th Order Discrete Prolate Sphe
roidal Sequence for Filtering and Data Tapering, Signal Processing, no. 18,
s. 341–348.
Wei, W.W., 1989, Time Series Analysis: Univariate and Multivariate Methods, Addison-Wesley, New York.
Weron, A., Weron, R., 1998, Inżynieria finansowa. Wycena instrumentów pochod
nych. Symulacje komputerowe. Statystyka rynku, WNT, Warszawa.
Zieliński, T.P., 2007, Cyfrowe przetwarzanie sygnałów. Od teorii do zastosowań,
WKiŁ, Warszawa.
2015, vol. 3, no. 9
DOI: 10.18559/SOEP.2015.9.3
Konrad Sobański
[email protected]
INTERNACJONALIZACJA FINANSOWA
GOSPODAREK EUROPY ŚRODKOWO-WSCHODNIEJ W LATACH 2003–20131
Streszczenie: Celem artykułu jest ocena zakresu i tempa finansowej internacjonalizacji czterech największych gospodarek Europy Środkowo-Wschodniej (EŚW), tj. Polski,
Czech, Węgier i Rumunii, oraz określenie jej geograficznego kierunku w latach 2003–2013.
W okresie tym umiędzynarodowienie finansowe gospodarek EŚW zwiększyło się. W ramach przeprowadzonej analizy empirycznej zaobserwowano, że tempo międzynarodowej
integracji finansowej gospodarek EŚW w badanym okresie, mierzonej aktywami i pasywami zagranicznymi, było większe niż tempo wzrostu gospodarczego w tych krajach. Doprowadziło to do istotnego wzrostu udziału aktywów i pasywów zagranicznych w PKB
poszczególnych gospodarek. Co więcej, pogłębiała się ujemna międzynarodowa pozycja
inwestycyjna netto w związku ze zdecydowaną przewagą napływu kapitału zagranicznego
do regionu EŚW nad inwestycjami odpływającymi. Zjawiska te potwierdzają tzw. hipotezę faz rozwoju oraz model neoklasyczny w teorii ekonomii. Kierunek międzynarodowej
integracji finansowej krajów EŚW w latach 2003–2013 był determinowany głównie bliskością geograficzno-polityczną i członkostwem w Unii Europejskiej, choć nie w takim
samym stopniu dla wszystkich rodzajów przepływów finansowych. Znaczenie dystansu
geograficzno-politycznego kraju gospodarza do kraju goszczącego było mniejsze w przypadku krótkoterminowych przepływów kapitałowych (portfelowych, zwłaszcza na rynku
akcji) niż w przypadku przepływów długoterminowych.
Słowa kluczowe: finanse międzynarodowe, internacjonalizacja, międzynarodowa pozycja inwestycyjna, Europa Środkowo-Wschodnia.
Klasyfikacja JEL: F21, F36, F41, F65, G15.
1
Artykuł powstał w ramach projektu badawczego N N112 3774 40 pt. Znaczenie zjawiska globalnej nierównowagi dla gospodarek Europy Środkowo-Wschodniej, sfinansowanego ze środków Narodowego Centrum Nauki.
58
Konrad Sobański
FINANCIAL INTERNATIONALISATION OF CENTRAL AND EASTERN EUROPEAN ECONOMIES IN THE YEARS 2003–2013
Abstract: The aim of this paper is to evaluate the scope, geographic patterns and dynamics of the financial internationalisation in the four largest Central Eastern European (CEE) economies; i.e. Poland, the Czech Republic, Hungary and Romania in the years
2003–2013. In the period analysed the financial internationalisation of CEE countries
increased. Empirical investigation revealed that the dynamics of financial internationalisation was much larger than the economic growth of the countries analysed. As a result
the share of foreign assets and liabilities in GDP increased significantly. Moreover the
net international investment position deteriorated due to positive net capital inflows,
which is in accordance with the stages of development hypothesis and the neoclassical model. The direction of the international financial integration for CEE economies
in the period analysed was primarily determined by their geographical and political
proximity to the European Union, but not to the same extent for all types of international financial flows. The importance of geo-political distance to the host country was
lower for short-term international investment (portfolio flows, especially in the stock
market) than for long-term foreign flows.
Key words: international finance, internationalisation, international investment position, Central and Eastern European economies.
Wstęp
Jednym z przejawów transformacji ustrojowej krajów Europy Środkowo-Wschodniej (EŚW) w ostatnim ćwierćwieczu były geograficzna reorientacja gospodarcza, otwarcie ich gospodarek i stopniowe zwiększenia powiązań z zachodnimi krajami rozwiniętymi. W okresie tym szczególnie
istotnym wydarzeniem w kontekście umiędzynarodowienia gospodarek
wydaje się być akcesja krajów Europy Środkowo-Wschodniej do Unii
Europejskiej (w latach 2004–2007). Wraz z akcesją do UE kraje EŚW
stały się częścią jednolitego obszaru gospodarczego ze swobodnym przepływem dóbr, kapitału i osób. Członkostwo w międzynarodowym ugrupowaniu polityczno-gospodarczym, takim jak Unia Europejska sprzyja
dalszej integracji gospodarczej z pozostałymi członkami danego ugrupowania.
Międzynarodowa integracja gospodarcza postępuje w dwóch wymiarach: w sferze realnej i finansowej. Zasadniczo strumienie finansowe odzwierciedlają transakcje gospodarki realnej, choć we współczesnym świecie
istotne znaczenie mają również operacje stricte finansowe niemające roli służebnej wobec operacji gospodarki realnej, np. spekulacyjne wykorzystanie
Internacjonalizacja finansowa gospodarek Europy Środkowo-Wschodniej59
instrumentów pochodnych. Transakcje finansowe gospodarki z sektorem
zewnętrznym można sklasyfikować w kilku kategoriach tj.: inwestycjach
bezpośrednich, transakcjach portfelowych, derywatach oraz pozostałych
inwestycjach o charakterze dłużnym. Transakcje te mają odmienną naturę
i wywołują odmienne konsekwencje dla gospodarki goszczącej.
W czasie dekady następującej po akcesji do UE umiędzynarodowienie
finansowe gospodarek EŚW zwiększyło się, a internacjonalizacja przebiegała głównie w kierunku gospodarek członkowskich UE. Celem artykułu
jest ocena zakresu i tempa finansowej internacjonalizacji wybranych krajów EŚW oraz określenie jej geograficznego kierunku w latach 2003–20132.
W ramach przeprowadzonej analizy empirycznej zweryfikowano:
–– czy kierunek internacjonalizacji finansowej krajów EŚW w latach
2003–2013 był głównie determinowany bliskością geograficzno-polityczną i członkostwem w Unii Europejskiej,
–– czy znacznie dystansu geograficzno-politycznego kraju gospodarza od
kraju goszczącego było jednakowe dla poszczególnych rodzajów przepływów kapitałowych.
W artykule przedstawiono wyniki analizy wybranych mierników procesu finansowego umiędzynarodowienia gospodarek, opisujące strumienie
i zasoby finansowe w sektorze zewnętrznym, dla wybranych krajów Europy
Środkowo-Wschodniej w okresie od końca 2003 roku do końca 2013 roku.
W pierwszej części artykułu omówiono aktywa i pasywa zagraniczne oraz
międzynarodową pozycję inwestycyjną netto. W kolejnej części przeanalizowano geograficzną strukturę aktywów i pasywów zagranicznych dla poszczególnych rodzajów zasobów finansowych. Badaną grupę tworzą cztery
największe według kryterium produktu krajowego brutto3 gospodarki regionu: Polska, Czechy, Węgry i Rumunia.
Internacjonalizacja finansowa gospodarki (międzynarodowa integracja finansowa gospodarki) to proces umiędzynarodowienia gospodarki w sferze finansowej (tworzenia relacji finansowych pomiędzy rezydentami a nierezydentami gospodarki). Miernikiem stopnia
zaawansowania internacjonalizacji finansowej, wykorzystanym w niniejszym artykule, jest
relacja sumy aktywów i pasywów zagranicznych gospodarki do jej PKB. Miernik ten został
wykorzystany przez Lane & Milesi-Ferretti [2007, s. 530].
3
PKB w cenach rynkowych w 2013 r. wyniósł w Polsce 389,7 mld EUR; w Czechach
149,5 mld EUR; na Węgrzech 142,2 mld EUR, a w Rumunii 98,0 mld EUR (dane Eurostat).
2
60
Konrad Sobański
1. Internacjonalizacja finansowa gospodarek
Europy Środkowo-Wschodniej
Jednym z efektów postępującej globalizacji we współczesnym świecie są
rosnące współzależności pomiędzy poszczególnymi gospodarkami. Przejawem globalizacji finansowej są zmiany aktywów i pasywów zagranicznych
poszczególnych gospodarek reprezentujące skumulowane przepływy kapitałowe pomiędzy nimi. Relatywny wzrost „sumy bilansowej” w zestawieniu
aktywów i pasywów zagranicznych danej gospodarki świadczy o zwiększeniu jej uzależnienia od decyzji inwestorów zagranicznych oraz sytuacji gospodarczej w innych krajach.
Ostatnia dekada to okres istotnego wzrostu stopnia internacjonalizacji
gospodarek EŚW mierzonej skumulowanym przepływem kapitału zagranicznego. W okresie tym obroty kapitałowe bilansu płatniczego w krajach
EŚW były w pełni zliberalizowane po zniesieniu restrykcji dewizowych
w związku z członkostwem w OECD i/lub ubieganiem się o członkostwo
w UE [Árvai 2005]4.
We wszystkich analizowanych gospodarkach regionu EŚW suma aktywów i pasywów zagranicznych regionu istotnie wzrosła w okresie od końca
2003 roku do końca 2013 roku. Największy wzrost relacji sumy aktywów i pasywów zagranicznych do PKB wystąpił na Węgrzech (o 364,1 p.p. do poziomu 518,4% na koniec 2013 roku)5. W przypadku pozostałych krajów wskaźnik ten zmienił się również w sposób istotny: w Czechach wzrósł o 127,1
p.p. do poziomu 252,2%, w Polsce o 82,2 p.p. do poziomu 165,8%, a w Rumunii o 58,3 p.p. do poziomu 139,0%. Ogólnoświatowy kryzys finansowy
i gospodarczy zapoczątkowany w 2008 roku wpłynął jedynie na okresowe
fluktuacje analizowanego wskaźnika (przy pierwszej i drugiej odsłonie kryzysu). Kanałem wpływu były głównie ceny aktywów finansowych i kursy
Należy zauważyć, że w analizowanym okresie w żadnym z badanych krajów EŚW na
zaawansowanie procesu internacjonalizacji finansowej nie oddziaływały restrykcje dewizowe.
5
Należy podkreślić, że wzrost aktywów i pasywów zagranicznych na Węgrzech od
2006 roku wynika w części ze zmiany metodyki prezentacji danych na temat spółek specjalnego przeznaczenia (SPEs) pełniących tzw. pasywne funkcje finansowania (pass-through
companies). Począwszy od stycznia 2006 roku przepływy i salda związane z tymi podmiotami działającymi off-shore są prezentowane w statystykach na bazie brutto (powiększają
jednocześnie obroty debetowe i kredytowe) zgodnie ze standardami międzynarodowymi. Do
końca 2005 roku były prezentowane jedynie wielkości netto. W związku z tym porównywalność danych dla Węgier za lata 2006-2013 z danymi za lata wcześniejsze jest ograniczona
[MNB 2014a].
4
walutowe – ich znacząca zmiana doprowadziła do zmiany poziomu wyceny
aktywów i pasywów zagranicznych na koniec 2008 i 2011 roku.
Wraz ze wzrostem stopnia internacjonalizacji pogłębiała się ujemna
międzynarodowa pozycja inwestycyjna netto poszczególnych gospodarek
EŚW. Wynikało to ze znacznie większego napływu kapitału zagranicznego do krajów EŚW niż inwestycji rezydentów za granicą w badanym
okresie. Ujemna międzynarodowa pozycja inwestycyjna netto w relacji do
PKB pogłębiła się w Polsce i Rumunii ponad dwukrotnie (odpowiednio
do poziomu 73,7% i 64,3%), a w Czechach blisko trzykrotnie (do poziomu 54,9%). W przypadku Węgier stopa ujemnej międzynarodowej pozycji netto po okresie istotnego wzrostu (do 125,3% na koniec 2009 roku),
zmniejszyła się do 79,1% (najwyższego poziomu w analizowanej grupie
w 2013 r.). Tendencje widoczne na Węgrzech od 2010 roku determinowane
były głównie relatywnie szybkim wzrostem PKB i spłatą części zadłużenia
zagranicznego, głównie przez sektor rządowy oraz instytucje finansowe
oraz wycofaniem przez nierezydentów depozytów z węgierskiego sektora
bankowego [MNB 2014b, s. 3, 40].
Poziom oraz struktura aktywów i pasywów zagranicznych determinują przyszłe salda na rachunku obrotów bieżących. Bezpośrednim kanałem
wpływu są dochody zagraniczne netto gospodarki wynikające z sald inwestycji i zobowiązań zagranicznych. Inwestycje zagraniczne determinują
również saldo bilansu handlowego pośrednio, poprzez wpływ na zdolności
wytwórcze i międzynarodową konkurencyjność gospodarki. W celu ustabilizowania relacji międzynarodowej pozycji inwestycyjnej netto konieczne jest zrównoważenie transakcji na rachunku bieżącym bilansu płatniczego. Chociaż trudno określić poziom bezpiecznej przewagi zobowiązań
nad aktywami zagranicznymi, to uzasadnione wydaje się twierdzenie, że
gospodarka nie może w nieskończoność jej powiększać. W przypadku gospodarek EŚW, w których obserwuje się ujemną międzynarodową pozycję
inwestycję netto implikującą ujemne saldo na rachunku dochodów, w celu
zrównoważenia bilansu bieżącego i ustabilizowania stopy pozycji inwestycyjnej netto6 konieczne jest wygenerowanie nadwyżki handlowej i szybki
wzrost gospodarczy.
W strukturze przepływów kapitałowych wyróżnia się trzy podstawowe
grupy: zagraniczne inwestycje bezpośrednie (ZIB), portfelowe i pozostałe7.
To jest pozycji inwestycyjnej liczonej w relacji do PKB.
Czwartą grupą przepływów są derywaty. Mają one zazwyczaj mniejsze znaczenie
w kształtowaniu międzynarodowej pozycji inwestycyjnej niż pozostałe trzy rodzaje przepływów, które są przedmiotem analizy w niniejszej pracy.
6
7
62
Konrad Sobański
0%
180%
165,8%
Polska
160%
158,2%
140%
127,3%
120%
100%
–36,1%
164,3%
147,3%
164,1%
149,6%
–20%
135,7%
106,1%
–30%
104,3%
–40%
–42,1%
–45,0%
–50,8%
80% 83,6%
60%
–50%
–60,6%
–61,5%
40%
–66,4%
20%
–66,8%
aktywa i pasywa zagraniczne (oś lewa)
pozycja międzynarodowa netto (oś prawa)
0%
–10%
–60%
–69,4%
–71,4%
–73,7%
–70%
–80%
2003 2004 2005 2006 2007 2008 2009 2010 2011 2012 2013
280%
0%
Czechy
260%
252,2%
240%
–10%
220%
200%
180%
160%
140%
120%
100%
80%
60%
40%
20%
0%
–18,3%
225,0%
220,8%
216,7%
204,6% 202,5%
237,6%
–20%
–26,2%
166,4%
–30%
–30,2%
143,5% 143,5%
–37,1%
–40%
125,1%
–49,7%
–51,3%
–60,0%
–54,9%
–57,1%
–61,7%
–50%
–60%
–61,3%
2003 2004 2005 2006 2007 2008 2009 2010 2011 2012 2013
–70%
700%
0%
Węgry
640,5%
600%
598,8%
549,1%
500%
400%
537,5%
518,4%
527,7%
–79,1%
–94,5%
–88,2%
–89,5%
200%
–80%
–86,5%
–100%
–105,6%
196,5%
–112,0%
192,7% –101,9%
154,3%
–105,9%
100%
–125,3%
0%
–40%
–60%
405,0%
–74,9%
300%
562,8%
–20%
–120%
–140%
2003 2004 2005 2006 2007 2008 2009 2010 2011 2012 2013
160%
0%
Rumunia
140%
148,0%
141,9%
108,5%
–27,6%
–27,7%
110,5%
100%
–29,5%
102,5%
80,7% 93,0%
90,3%
–39,3%
80%
–46,4%
–47,6%
60%
152,1%
–10%
139,0%
136,2%
120%
40%
20%
0%
–20%
–30%
–40%
–50%
–60,6%
–64,8%
–64,2%
–64,3%
–70,9%
–60%
–70%
–80%
2003 2004 2005 2006 2007 2008 2009 2010 2011 2012 2013
Rysunek 1. Internacjonalizacja finansowa gospodarek EŚW w latach 2003–2013
Źródło: Na podstawie danych Międzynarodowego Funduszu Walutowego (International Financial Statistics, Balance of Payments Statistics), danych OECD, danych ISI Emerging Markets (CEIC Data) [data
dostępu: 3–12.05.2014]
Uwagi: Wykresy prezentują relację sumy aktywów i pasywów zagranicznych do PKB (oś lewa) oraz
relację międzynarodowej pozycji inwestycyjnej netto do PKB (oś prawa)
64
Konrad Sobański
Kryterium rozróżniającym te trzy grupy jest charakter zaangażowania inwestora zagranicznego na rynku lokalnym (w dwóch wymiarach: horyzontu inwestycyjnego i praw własności), który determinuje ryzyko finansowe
i charakter dochodów z inwestycji.
Inwestorzy bezpośredni angażują się długoterminowo, a ich interes ekonomiczny jest w dużym stopniu skorelowany z interesem gospodarki goszczącej. Dlatego finansowanie gospodarki i deficytu obrotów bieżących przez
ZIB nierezydentów jest uznawane za najbezpieczniejszy sposób finansowania zewnętrznego. W literaturze wskazuje się na relatywnie silną korelację (współczynnik na poziomie +0,5) pomiędzy napływem brutto kapitału
udziałowego a deficytem obrotów bieżących do gospodarek wschodzących8
[Lane i Milesi-Ferretti 2006, s. 7]. Oznacza to, że napływ ZIB umożliwia
powiększenie ujemnego salda rachunku bieżącego.
2. Zagraniczne inwestycje bezpośrednie w gospodarkach
EŚW – geograficzne kierunki internacjonalizacji finansowej
Zagraniczne inwestycje bezpośrednie (ZIB) miały największe znaczenie wśród
przepływów kapitałowych w procesie internacjonalizacji finansowej gospodarek EŚW w analizowanym okresie. Analizując dynamikę międzynarodowej
pozycji inwestycyjnej w okresie od końca 2003 do końca 2013 roku, można
dostrzec, że około połowa przyrostu pasywów zagranicznych sumarycznie dla
regionu EŚW wynikała z ZIB9. W przypadku poszczególnych krajów udział
ZIB w przyroście pasywów zagranicznych wyniósł: 3/4 na Węgrzech, ponad
połowę w Czechach i około 45% w Polsce i Rumunii. W strukturze skumulowanego napływu kapitału zagranicznego (w pasywach zagranicznych) na
koniec 2013 roku udział ZIB przekroczył 40% w Polsce i Rumunii, natomiast
w Czechach wyniósł blisko 55%, a na Węgrzech prawie 70%10.
W przypadku aktywów zagranicznych również sumarycznie około połowa przyrostu ich wartości była związana z bezpośrednimi inwestycjami
Korelacja ta jest słaba w krajach rozwiniętych [Lane i Milesi-Ferretti 2006, s. 7].
Wzrost pasywów zagranicznych czterech analizowanych krajów w okresie od końca
2003 do końca 2013 roku, wyniósł 1 106,1 mld USD, z czego na ZIB przypada 612,6 mld
USD. Na koniec 2013 roku skumulowane ZIB w czterech gospodarkach regionu wyniosły
784,4 mld USD.
10
W przypadku obliczeń dotyczących zmiany i struktury rodzajowej inwestycji zagranicznych wykorzystano dane Międzynarodowego Funduszu Walutowego (International Financial Statistics i Balance of Payments Statistics).
8
9
rezydentów EŚW za granicą11. Jednakże udział inwestycji bezpośrednich
w przyroście aktywów był dość zróżnicowany pomiędzy poszczególnymi
krajami: podczas gdy na Węgrzech przekroczył 80%, w Polsce był bliski
40%, tj. dwukrotnie większy niż w Czechach, a w Rumunii znalazł się na
poziomie marginalnym. Efektem zróżnicowanego przyrostu inwestycji
bezpośrednich w całym analizowanym okresie jest zróżnicowane znaczenie ZIB w aktywach zagranicznych w poszczególnych krajach na koniec
2013 roku (na Węgrzech blisko 3/4(12), w przypadku Polski 30%, w Czechach blisko 15%, a w Rumunii nieco ponad 3%).
Internacjonalizacja krajów EŚW w formie zagranicznych inwestycji bezpośrednich dokonywała się głównie w obrębie Unii Europejskiej. Podmioty
z krajów członkowskich były odpowiedzialne we wszystkich analizowanych
krajach EŚW za napływ więcej niż 75% ZIB13. Szczególnie istotny był przepływ ZIB z bardziej rozwiniętych krajów członkowskich, tj. Niemiec czy
Austrii, a także Holandii i Luksemburga (te dwa ostatnie państwa są krajami macierzystymi ZIB w związku z relatywnie korzystnymi przepisami
podatkowymi, które skłaniają przedsiębiorców do lokowania tam spółek
holdingowych w celu optymalizacji podatkowej w ramach grup kapitałowych). Pomimo wysokiego potencjału gospodarczego Wielkiej Brytanii
znaczenie brytyjskich ZIB w EŚW jest relatywnie niewielkie (w większości krajów mniejsze niż napływ ZIB z nowych krajów członkowskich). Aktywność inwestorów bezpośrednich spoza UE (w tym Chin, Rosji i Stanów Zjednoczonych) w krajach EŚW była relatywnie niewielka, co wskazuje
na silną ujemną korelację między dystansem geograficznym a wielkością
napływu ZIB do regionu EŚW. Jedynie w przypadku Węgier blisko 10-procentowy udział mieli inwestorzy z centrów finansowych offshore (co po raz
kolejny dowodzi powszechności wykorzystania zagranicznych spółek specjalnego przeznaczenia jako instrumentu optymalizacji podatkowej na Węgrzech). Warto podkreślić, że w przypadku Polski zaobserwowano większą
11
Wzrost aktywów zagranicznych czterech analizowanych krajów w okresie od końca
2003 do końca 2013 roku wyniósł 608,9 mld USD, z czego na ZIB przypada 315,4 mld USD.
Skumulowane ZIB rezydentów czterech analizowanych krajów EŚW na koniec 2013 roku
wyniosły 331,6 mld USD.
12
Tak duże znaczenie inwestycji bezpośrednich rezydentów Węgier za granicą wynika z wykorzystania spółek specjalnego przeznaczenia w celu optymalizacji podatkowej
[MNB 2014a].
13
W przypadku obliczeń dotyczących struktury geograficznej ZIB wykorzystano dane
Eurostat. Ze względu na brak danych w bazie Eurostat za 2013 rok przy analizie kierunku
geograficznego umiędzynarodowienia finansowego gospodarek wykorzystano dane na temat ZIB na koniec 2012 roku.
66
Konrad Sobański
Tabela 1. Geograficzna struktura zagranicznych inwestycji bezpośrednich w krajach EŚW na koniec 2012 roku (w %)
Region/kraj pochodzenia inwestora
zagranicznego
Unia Europejska (27), w tym:
Niemcy
Francja
Wielka Brytania
Holandia
Luxemburg
Austria
nowi członkowie UE (12)
pozostałe UE
EFTA
Europa poza UE i EFTA, w tym:
Rosja
Stany Zjednoczone
Azja, w tym:
Chiny
Pozostałe kraje, w tym centra
finansowe offshore
Polska
Czechy
Węgry
Rumunia
87,7
15,1
12,3
4,2
14,7
10,2
3,4
4,7
23,1
3,5
2,3
0,3
4,6
1,5
0,1
87,4
14,1
5,0
2,1
29,1
5,9
13,0
9,2
9,0
4,6
0,5
0,4
3,4
2,4
0,0
76,6
24,9
4,3
3,6
12,1
13,6
11,5
2,4
4,2
4,7
–0,1
–0,1
2,5
2,7
0,1
88,6
11,0
8,9
1,7
22,4
2,3
18,5
8,6
15,2
4,3
1,2
0,1
3,1
1,5
0,1
0,4
1,7
13,6
1,3
Źródło: Obliczenia własne na podstawie danych Eurostat [data dostępu: 4.05.2014].
Uwaga: Struktura pasywów z tytułu ZIB (stan ZIB) według kraju pochodzenia inwestora zagranicznego.
Ze względu na brak danych Eurostat na koniec 2013 roku wykorzystano dane na koniec 2012 roku.
W bazie Eurostat dla niektórych krajów i okresów (np. Rosja na koniec 2012 roku) salda inwestycji podane są jako kwoty ujemne. Można domniemywać, że ujemne kwoty wynikają m.in. z efektu wyceny
związanego z korygowaniem danych z okresu na okres.
dywersyfikację geograficznego pochodzenia ZIB niż w pozostałych krajach
regionu EŚW.
Struktura lokalizacji ZIB rezydentów EŚW była zdecydowanie bardziej
zróżnicowana pomiędzy krajami niż w przypadku inwestycji napływających. Rezydenci Polski i Czech ulokowali swoje inwestycje bezpośrednie
głównie w krajach Unii Europejskiej, przy czym relatywny duży udział
Holandii i Luksemburga wskazuje na wykorzystanie ZIB do optymalizacji podatkowej przez polskie i czeskie podmioty. Z kolei rezydenci Węgier i Rumunii większą część swoich inwestycji bezpośrednich ulokowali
poza UE: w przypadku Węgier blisko 30% w centrach finansowych offshore,
a w przypadku Rumunii blisko 1/3 (z relatywnie niewielkiej kwoty ogółem) w krajach azjatyckich.
Tabela 2. Geograficzna struktura zagranicznych inwestycji bezpośrednich rezydentów krajów EŚW na koniec 2012 roku (w %)
Region/kraj goszczący
Polska
Czechy
Węgry
Rumunia
77,3
95,8
39,6
45,0
Niemcy
4,5
2,2
0,3
1,3
Francja
2,4
0,8
0,1
–0,2
10,1
0,9
0,2
0,1
7,4
50,2
1,7
0,3
21,8
0,6
6,4
.
Wielka Brytania
Holandia
Luxemburg
Austria
pozostałe UE
0,8
0,1
0,3
0,7
22,6
33,9
16,5
38,6
7,7
7,1
14,1
4,2
10,4
0,5
6,7
0,6
5,7
1,9
18,4
21,1
2,5
1,3
2,3
0,2
Stany Zjednoczone
3,5
0,3
1,4
0,1
Azja, w tym:
2,2
1,3
4,5
31,4
0,3
0,2
0,1
0,0
0,9
0,2
29,4
1,8
EFTA
Rosja
Chiny
Pozostałe kraje, w tym centra
finansowe offshore
Źródło: Obliczenia własne na podstawie danych Eurostat [data dostępu: 4.05.2014].
Uwaga: Struktura aktywów z tytułu ZIB (stan ZIB) według kraju goszczącego inwestora z danej gospodarki EŚW.
Ze względu na brak danych Eurostat na koniec 2013 roku wykorzystano dane na koniec 2012 roku.
3. Inwestycje portfelowe w gospodarkach EŚW –
geograficzne kierunki internacjonalizacji finansowej
Przepływy kapitału portfelowego znalazły się na trzecim miejscu w rankingu inwestycji międzynarodowych odpowiedzialnych za pogłębianie
internacjonalizacji finansowej gospodarek EŚW w analizowanym okresie. Na koniec 2013 roku wycena zagranicznych inwestycji portfelowych
w krajach EŚW wyniosła 315,1 mld USD, natomiast wycena zagranicznych aktywów portfelowych rezydentów regionu EŚW przekroczyła
54,1 mld USD.
W okresie od końca 2003 do końca 2013 roku ponad jedna piąta przyrostu pasywów zagranicznych sumarycznie dla regionu EŚW wynikała z na-
68
Konrad Sobański
pływu zagranicznego kapitału portfelowego14. W poszczególnych gospodarkach udział inwestycji portfelowych w przyroście pasywów zagranicznych
był zróżnicowany: wyniósł ponad 30% w Polsce, blisko jedną czwartą
w Czechach i około jedną dziesiątą w pozostałych krajach. W strukturze
skumulowanego napływu kapitału zagranicznego (pasywach zagranicznych) na koniec 2013 roku udział inwestycji portfelowych był w Polsce bliski 30%, a dla pozostałych krajów wahał się w przedziale 10–20%.
Po stronie aktywów zagranicznych znaczenie inwestycji portfelowych było
zdecydowanie mniejsze niż w przypadku pasywów15. W żadnym z analizowanych krajów udział aktywów portfelowych w przyroście wartości aktywów zagranicznych w badanej dekadzie nie był większy niż 13%. W efekcie udział
inwestycji portfelowych w aktywach zagranicznych na koniec 2013 roku
w Czechach wyniósł 16,5%, a w pozostałych krajach był niższy niż 7%.
Skorelowanie przepływów kapitału portfelowego z odległością geograficzną kraju macierzystego inwestora zagranicznego było zdecydowanie słabsze niż w przypadku ZIB. W napływie kapitału portfelowego do
gospodarek EŚW istotny udział mieli również inwestorzy spoza Unii Europejskiej. Szczególnie duże było znaczenie inwestorów ze Stanów Zjednoczonych w przypadku inwestycji portfelowych na rynku papierów udziałowych. W Czechach i Rumunii podmioty spoza UE posiadały ponad
połowę wszystkich pasywów zagranicznych z tytułu udziałowych inwestycji
portfelowych. W Polsce i na Węgrzech wskaźnik ten wynosił, odpowiednio,
37,5% i 33,9%16.
W przypadku inwestycji w dłużne papiery wartościowe znaczenie inwestorów spoza UE było nieco mniejsze niż w przypadku inwestycji na rynku
akcji. W Polsce inwestorzy zagraniczni spoza UE (głównie amerykańscy
i japońscy) utrzymywali w połowie 2013 roku blisko jedną trzecią polskich
obligacji uplasowanych wśród inwestorów zagranicznych. W przypadku
Węgier i Rumunii udział ten wynosił około jednej piątej, a w Czechach
nieco mniej niż jednej dziesiątej.
Wzrost pasywów zagranicznych z tytułu inwestycji portfelowych czterech analizowanych krajów w okresie od końca 2003 do końca 2013 roku wyniósł 239,7 mld USD.
15
Wzrost aktywów zagranicznych z tytułu inwestycji portfelowych czterech analizowanych krajów w okresie od końca 2003 do końca 2013 roku wyniósł 35,5 mld USD.
16
W przypadku obliczeń dotyczących struktury geograficznej inwestycji portfelowych
wykorzystano dane Międzynarodowego Funduszu Walutowego – Coordinated Portfolio Investment Survey. Ze względu na brak danych w bazie CPIS na koniec 2013 roku do analizy
kierunków geograficznych umiędzynarodowienia finansowego gospodarek wykorzystano
dane na temat inwestycji portfelowych na połowę 2013 roku.
14
Tabela 3. Geograficzna struktura zagranicznych inwestycji portfelowych w papiery udziałowe w krajach EŚW w połowie 2013 roku (w %)
Region/kraj pochodzenia inwestora zagranicznego
Niemcy
Francja
Wielka Brytania
Holandia
Luxemburg
Austria
pozostałe UE
EFTA
Rosja
Stany Zjednoczone
Azja, w tym:
Chiny
Pozostałe kraje, w tym centra finansowe
offshore
Polska
Czechy
Węgry
62,5
17,8
7,3
12,8
3,4
10,5
1,2
2,3
7,2
0,0
0,0
0,0
33,3
1,6
0,0
49,4
2,4
1,6
9,9
2,5
11,4
1,5
13,5
6,6
1,2
0,0
0,0
44,6
2,3
0,0
66,1
11,5
7,1
11,6
6,4
11,9
2,3
10,2
5,1
1,2
0,0
0,0
30,0
0,9
0,0
Rumunia
49,8
0,9
1,0
11,9
0,1
20,0
1,8
6,8
7,3
0,1
0,0
0,0
50,0
0,1
0,0
2,6
2,5
1,8
0,0
Źródło: Obliczenia własne na podstawie danych Międzynarodowego Funduszu Walutowego (CPIS – Coordinated Portfolio Investment Survey [data dostępu: 4.05.2014]).
Uwaga: Struktura pasywów z tytułu udziałowych inwestycji portfelowych (stan) według kraju pochodzenia inwestora zagranicznego.
Spośród inwestorów portfelowych z Unii Europejskiej największe znaczenie mieli ci z Wielkiej Brytanii, Luksemburga, a także Niemiec. Zaskakujący jest niewielki udział inwestorów austriackich na rynku akcji
krajów EŚW (Węgier i Czech), w kontekście kooperacji giełd papierów wartościowych z tych państw (w ramach CEE Stock Exchange Group powstałej
w 2009 roku). Warto podkreślić, że na rynku akcji w Czechach i na Węgrzech istotne jest również zaangażowanie inwestorów portfelowych z nowych krajów członkowskich UE.
70
Konrad Sobański
Tabela 4. Geograficzna struktura zagranicznych inwestycji portfelowych w papiery dłużne w krajach EŚW w połowie 2013 roku (w %)
zagranicznego
Polska
Czechy
Węgry
Rumunia
67,3
90,5
78,5
83,0
Niemcy
18,2
24,3
9,7
10,3
Francja
5,2
10,0
1,4
1,4
Wielka Brytania
4,3
11,8
28,2
6,2
Holandia
3,9
7,0
3,5
5,6
16,1
8,7
20,9
24,9
Austria
6,8
11,3
6,8
17,0
2,2
5,3
2,1
8,6
10,6
12,1
5,9
9,0
EFTA
3,4
3,2
0,6
0,9
0,0
0,0
0,2
0,0
0,0
0,0
0,2
0,0
19,0
2,9
18,7
15,1
7,7
3,3
1,5
0,8
0,0
0,0
0,0
0,0
2,6
0,1
0,5
0,2
Luxemburg
pozostałe UE
Rosja
Stany Zjednoczone
Azja, w tym:
Chiny
Pozostałe kraje, w tym centra finansowe
offshore
Źródło: Obliczenia własne na podstawie danych Międzynarodowego Funduszu Walutowego (CPIS – Coordinated Portfolio Investment Survey [data dostępu: 4.05.2014]).
Uwaga: Struktura pasywów z tytułu dłużnych inwestycji portfelowych (stan) według kraju pochodzenia
inwestora zagranicznego.
4. Pozostałe inwestycje w gospodarkach EŚW – geograficzne
kierunki internacjonalizacji finansowej
Pozostałe inwestycje znalazły się na drugim miejscu w rankingu przepływów międzynarodowych odpowiedzialnych za pogłębianie internacjonalizacji finansowej gospodarek EŚW w analizowanym okresie. Na
koniec 2013 roku saldo zagranicznych inwestycji pozostałych w krajach
EŚW wyniosło 367,2 mld USD, natomiast saldo zagranicznych aktywów z tytułu pozostałych inwestycji rezydentów regionu EŚW przekroczyło 127,8 mld USD.
W okresie od końca 2003 do końca 2013 roku ponad jedna piąta
przyrostu pasywów zagranicznych sumarycznie dla regionu EŚW wynikała z napływu inwestycji pozostałych17. W przypadku poszczególnych
krajów udział inwestycji pozostałych w przyroście pasywów zagranicznych wyniósł: blisko 45% w Rumunii (było to najważniejsze źródło napływu kapitału zagranicznego w tym kraju), blisko jedną piątą w Polsce
i Czechach i około jedną dziesiątą na Węgrzech. W strukturze skumulowanego napływu kapitału zagranicznego (w pasywach zagranicznych) na
koniec 2013 roku udział inwestycji pozostałych był w Rumunii bliski
45%, w Polsce i Czechach wynosił około jedną czwartą, a na Węgrzech
był bliski 15%.
Po stronie aktywów zagranicznych znaczenie inwestycji pozostałych
było mniejsze niż w przypadku pasywów18. Jednocześnie widać było duże
zróżnicowanie znaczenia pozostałych inwestycji pomiędzy poszczególnymi krajami. Największy udział w przyroście aktywów zagranicznych
inwestycje tego typu miały w Czechach (blisko 37%), a najmniejsze na
Węgrzech (niespełna 4%). W pozostałych krajach udział ten wahał się
w przedziale 10–20%. W efekcie zróżnicowanego napływu zagranicznych przepływów kredytowych udział inwestycji pozostałych w saldzie
aktywów zagranicznych na koniec 2013 roku był również zróżnicowany pomiędzy poszczególnymi krajami: w Czechach wyniósł blisko jedną
trzecią, na Węgrzech nieco ponad 7%, a w pozostałych krajach nie przekroczył 22%.
Internacjonalizacja krajów EŚW w formie napływu inwestycji dłużnych
przebiegała głównie w obrębie krajów europejskich. W przypadku Czech,
Węgier i Rumunii najistotniejszym inwestorem zagranicznym (z udziałem
około jednej trzeciej) były podmioty austriackie, a w przypadku Polski –
rezydenci Niemiec (z udziałem jedna piąta). Aktywność inwestorów spoza
Europy w krajach EŚW była relatywnie niewielka. Jedynie w przypadku
Węgier udział zagranicznego kapitału pożyczkowego spoza Europy zbliżył
się do 9% (były to głównie inwestycje ze Stanów Zjednoczonych). Bliskość
geograficzna i powiązania kapitałowe w sektorze bankowym są głównym
czynnikiem determinującym napływ kapitału pożyczkowego do gospodarek EŚW.
Wzrost pasywów zagranicznych z tytułu pozostałych inwestycji czterech analizowanych krajów w okresie od końca 2003 do końca 2013 roku wyniósł 241,0 mld USD.
18
Wzrost aktywów zagranicznych z tytułu pozostałych inwestycji czterech analizowanych krajów w okresie od końca 2003 do końca 2013 roku wyniósł 73,7 mld USD.
17
72
Konrad Sobański
Tabela 5. Geograficzna struktura zagranicznych zobowiązań krajów EŚW wobec
banków raportujących BIS na koniec 2013 roku (w %)
zagranicznego
Polska
Czechy
Węgry
Rumunia
93,4
97,0
91,4
97,3
Niemcy
20,1
4,8
13,9
2,1
Francja
8,2
20,0
0,0
0,0
Kraje europejskie, w tym:
Wielka Brytania
Holandia
Grecja
Austria
2,7
2,5
1,6
0,8
13,7
2,0
3,7
7,9
0,1
0,0
0,2
17,5
7,5
32,5
29,3
34,0
41,1
35,2
42,7
35,0
Stany Zjednoczone
4,7
2,5
7,3
2,6
Azja, w tym:
pozostałe kraje europejskie
1,8
0,4
1,2
0,1
Japonia
1,8
0,4
1,2
0,1
Pozostałe kraje
0,1
0,1
0,1
0,0
Źródło: Obliczenia własne na podstawie danych Bank of International Settlements (Consolidated Banking Statistics/Ultimate Risk Basis) [data dostępu: 4.05.2014]).
Uwaga: Ze względu na brak statystyk dotyczących struktury geograficznej pozostałych inwestycji w ujęciu bilansu płatniczego wykorzystano statystyki dotyczące zobowiązań krajów EŚW wobec
banków raportujących BIS. Statystyki BIS według koncepcji Consolidated Banking Statistics/ Ultimate
Risk Basis prezentują należności banków raportujących BIS wobec podmiotów będących rezydentami danego kraju na bazie skonsolidowanej, tj. z perspektywy grupy kapitałowej, w której podmiotem
dominującym jest dany bank raportujący (a więc m.in. z wyłączeniem należności względem ich podmiotów powiązanych będących rezydentami danego kraju). Jest to odmienne ujęcie od prezentowanego
w statystykach bilansu płatniczego [McGuire i Wooldridge 2005, s. 76, 82].
Zakończenie
Akcesja krajów Europy Środkowo-Wschodniej (EŚW) do Unii Europejskiej
była istotnym czynnikiem wpływającym na zaawansowanie internacjonalizacji finansowej gospodarek EŚW. W latach 2003–2013 umiędzynarodowienie finansowe gospodarek EŚW mierzone poziomem aktywów i pasywów zagranicznych istotnie zwiększyło się. W ramach przeprowadzonej
analizy zaobserwowano, że tempo międzynarodowej integracji finansowej
gospodarek EŚW w badanym okresie było większe niż tempo wzrostu gospodarczego w tych krajach. Doprowadziło to do istotnego wzrostu udziału
aktywów i pasywów zagranicznych w PKB poszczególnych gospodarek. Co
więcej, pogłębiała się ujemna międzynarodowa pozycja inwestycyjna netto
w związku ze zdecydowaną przewagą napływu kapitału zagranicznego do
regionu EŚW nad inwestycjami odpływającymi. Zjawiska te potwierdzają tzw. hipotezę faz rozwoju oraz model neoklasyczny w teorii ekonomii,
zgodnie z którymi kapitał przepływa od krajów rozwiniętych do gospodarek rozwijających się, oferujących relatywnie wyższą stopę zwrotu inwestorom zagranicznym [Aristovnik 2007; Chinn i Prasad 2003; Gotz-Kozierkiewicz 2002].
Internacjonalizacja finansowa gospodarek EŚW przebiegała przede
wszystkim za sprawą intensyfikacji relacji gospodarczych rozwijanych
z rezydentami gospodarek członkowskich UE. Kierunek międzynarodowej
integracji finansowej krajów EŚW w latach 2003–2013 był głównie determinowany bliskością geograficzno-polityczną i członkostwem w Unii Europejskiej, choć nie w takim samym stopniu dla wszystkich rodzajów przepływów finansowych. Znaczenie dystansu geograficzno-politycznego kraju
gospodarza do kraju goszczącego jest zróżnicowane dla poszczególnych
rodzajów przepływów kapitałowe – mniejsze w przypadku krótkoterminowych przepływów kapitałowych niż w przypadku przepływów długoterminowych. Internacjonalizacja gospodarek EŚW w obszarze inwestycji
pozostałych oraz ZIB dokonywana była głównie w obrębie Unii Europejskiej. Natomiast skorelowanie przepływów kapitału portfelowego z odległością geograficzną kraju inwestora macierzystego było zdecydowanie słabsze,
zwłaszcza w przypadku inwestycji portfelowych na rynku akcji. W przypadku kapitału portfelowego na rynku papierów udziałowych szczególnie
duże było znaczenie inwestorów ze Stanów Zjednoczonych.
Należy podkreślić, że wzrost internacjonalizacji finansowej niesie ze
sobą korzyści, ale również zwiększa ryzyko finansowe gospodarki. Informacje bilateralne na temat aktywów i pasywów zagranicznych pozwalają
określić bezpośrednie powiązania gospodarcze i mogą być wykorzystane
do oceny potencjalnego wpływu negatywnych tendencji w koniunkturze
gospodarczej innych państw na określoną gospodarkę. Z przeprowadzonej
analizy wynika, że kraje regionu EŚW charakteryzują się w obszarze przepływów kapitałowych największą ekspozycją na zmiany w koniunkturze
i fluktuacje kursów walut gospodarek europejskich, zwłaszcza krajów rozwiniętych UE należących do strefy euro.
74
Konrad Sobański
Bibliografia
Aristovnik, A., 2007, Short- and Medium-term Determinants of Current Account Balances in Middle East and North Africa Countries, William Davidson Institute
Working Paper at the University of Michigan, no. 862, s. 1–22.
Árvai, Z., 2005, Capital Account Liberalization, Capital Flow Patterns, and Policy Responses in the EU’s New Member States, IMF Working Paper, November,
iss. 05/213, s. 1–40.
Chinn, M.D., Prasad, E.S., 2003, Medium-term Determinants of Current Accounts
in Industrial and Developing Countries: an Ampirical Exploration, Journal of International Economics, no. 59(1), s. 47–76.
Gotz-Kozierkiewicz, D., 2002, Deficyt rachunku obrotów bieżących w gospodarce
transformowanej – obiektywne przesłanki a polityka makroekonomiczna, Ekonomista, nr 3, s. 347–378.
Lane, P. R. & Milesi-Ferretti, G. M., 2006, Capital Flows to Central and Eastern Europe, IIIS Discussion Paper, June, 161, s. 1–28.
Lane, P.R., Milesi-Ferretti, G.M., 2007, Europe and Global Imbalances, Economic Policy, vol. 22(51), s. 519–573.
McGuire, P., Wooldridge, P., 2005, The BIS Consolidated Banking Statistics: Structure,
Uses and Recent Enhanacements, BIS Quarterly Reviev, September, s. 73–86.
MNB, 2014a, Methodological notes on the statistical treatment of special purpose entities (SPEs), http://english.mnb.hu/Root/Dokumentumtar/ENMNB/Statisztika/
mnben_modszertanok/fmmodszertan_scv_en.pdf [dostęp: 14.06.2014].
MNB, 2014b, Report on the Balance of Payments, http://english.mnb.hu/Root/Dokumentumtar/ENMNB/Kiadvanyok/report-on-the-balance-of-payments/2014/
Report_on_the_Balance_of_Payments.pdf [dostęp: 14.06.2014].
2015, vol. 3, no. 9
DOI: 10.18559/SOEP.2015.9.4
Paweł Niszczota
Poznań University of Economics, Department of International Finance
[email protected]
PERSONALITY DISTANCE AND ECONOMIC
ACTIVITY
Abstract: Building on the similarity-attraction hypothesis I examine whether differences
in the personalities of inhabitants from interacting countries affect the level of economic activity between them. To do this I investigate whether both aggregated and nonaggregated differences in personality scores of average inhabitants from two countries
have the potential to explain variation in the level of trade, foreign portfolio investment,
mergers and acquisitions, and cross-listings between these countries. Results show that
only the number of cross-listings is negatively and statistically significantly related to
personality distance. I discuss possible reasons for the lack of support (in general) for the
hypothesized relationship.
Keywords: personality traits, personality similarity, similarity-attraction hypothesis, familiarity, cultural distance.
JEL Classification: G2, G15.
DYSTANS OSOBOWOŚCIOWY A AKTYWNOŚĆ EKONOMICZNA
Streszczenie: Na podstawie teorii przyciągania podobieństw badam w pracy, czy różnice
osobowościowe między mieszkańcami różnych państw mają wpływ na skalę aktywności
ekonomicznej między krajami. W tym celu badam, czy zagregowane i niezagregowane
różnice w osobowości przeciętnych mieszkańców dwóch krajów stanowią determinantę
skali handlu, inwestycji portfelowych, fuzji i przejęć, oraz cross-listingu między nimi. Wyniki wskazują, że jedynie liczba operacji cross-listingu ma negatywny i statystycznie istotny związek z dystansem osobowościowym. W artykule przedyskutowano kilka możliwych powodów braku wsparcia (patrząc całościowo) dla przedstawionej hipotezy.
Słowa kluczowe: cechy osobowości, podobieństwo osobowości, teoria przyciągania podobieństw, dystans kulturowy.
76
Paweł Niszczota
Introduction
Financial academics have demonstrated that cultural differences clearly affect decisions made by practitioners and influence international bank loans
[Giannetti and Yafeh 2011], cross-border takeover activity [Ahern, Daminelli and Fracassi 2015], and the choice of cross-listing destinations [Dodd,
Frijns and Gilbert 2013]. The purpose of this study is to test an alternative
proxy for the differences between individuals that engage in some form of
economic activity that could have the potential to constrain or discourage
the level of activity between two countries. More specifically I argue that
differences in the personalities1 of individuals from two countries can affect the perceived attractiveness of a country, in terms of trade, investment
in the country’s securities, takeover targets and as a destination for crosslisting shares.
The majority of studies that focus on personality differences focus
on interpersonal interactions, which stems from the fact that personality
assessments relate to individuals, not cultures. However at this point there
is sufficient evidence to warrant the analysis of personality differences at
the ecological level (i.e. on a cross-cultural or cross-country level). Research (e.g. McCrae and Terracciano [2005]) has shown that each of the
factors that comprise the most widely-accepted model of personality, the
Five-Factor Model, emerge (with some exceptions) regardless of the culture
that is investigated, and that the analysis of differences between-countries
seems, from a theoretical standpoint, equally appropriate as the analysis of
differences within countries (between individuals of a given country).
The study contributes to the literature that focuses on between-country (e.g. Allik and McCrae [2006], Schmitt et al. [2007]) and between-region [Rentfrow, Gosling and Potter 2008] differences in the mean levels
for each personality domain described in the Five-Factor Model, by performing an analysis of possible economic consequences of such variation. Researchers have only recently started to investigate the link between differences in personality and economic outcomes which has been done mostly from
a theoretical perspective (e.g. Borghans et al. [2008], Almlund et al. [2011]).
1
Cattell [1950, p. 2] defines personality as: „that which permits a prediction of what
a person will do in a given situation”. Temporally stable tendencies in the behaviour of individuals are called personality traits [Asendorpf 2009], and are often aggregated in personality factors or domains. For example, one’s assertiveness is a subcomponent of the extraversion factor in the Five-Factor Model (as operationalized in the Revised NEO Personality
Inventory [McCrae and Costa 1992]).
Personality distance and economic activity77
1. Personality differences versus the interaction of economic
agents
1.1. The effect of personality similarity
I consider the argument that differences in personality can affect the level
of economic interaction between two countries as plausible, building on extensive research on the similarity-attraction hypothesis [Byrne 1971], also
known as the similarity effect, which posits that a high level of similarity between the perceiver and the target makes the latter more attractive
(in a broad sense) to the former, and thus makes it much more likely that
they will establish a rapport (decide to interact) or continue to interact in the
future. The major categories of similarity that have been studied are attitudinal similarity, demographic similarity and personality similarity [Finkel
and Baumeister 2010]. The analyses of similarities (and differences) in personalities generally focus on the assortative matching between people that
establish strong emotional bonds i.e. friends (e.g. Izard [1960], Duck and
Craig [1978]) and spouses (e.g. Botwin, Buss and Shackelford [1997], Watson et al. [2004], McCrae et al. [2008]). This research generally shows a link
between personality similarity and the likelihood of establishing a relationship, although it is usually moderate.
There is convincing evidence that – analogously to interpersonal relations – the level of economic activity between countries is also to a certain extent determined by how similar the interacting countries are to one
another. Examples of such similarities are commonalities in language, legal
origin, and religion2. A salient (albeit indirect) manifestation of this point
can be found in Guiso, Sapienza and Zingales [2009], who show that the degree of trust towards inhabitants of another country is – amongst other factors – higher for countries that have a similar (if not common) language
or religion, or a similarly developed economy. Although the personality of
an individual is not as overt a characteristic as the language he speaks or his
physical appearance, it can nonetheless be assessed, even when very little
information is provided [Funder and Colvin 1988]. Thus it seems plausible
that the level of personality convergence between average individuals from
two countries can also play some role in determining the level of economic
interaction between these countries, analogously to the role played by the
2
Although language and legal origin commonality very often work as proxies for the
level of between-country information asymmetry, it would be difficult to argue that they
don’t also have a significant behavioural impact on decision-makers.
78
Paweł Niszczota
previously mentioned factors . Therefore I hypothesize that the level of economic activity (i.e. exchange or degree of access to a foreign market) should
be positively (negatively) related to the convergence (divergence) of personalities of average individuals from the interacting countries.
Although the aforementioned research makes the connection between personality similarity and economic exchange intuitive it is nonetheless necessary to highlight the two possible channels through which
a member of a specific culture can acquire knowledge or model his perception about the personality structure of an average individual from
a foreign country. The first way is to do so directly whilst interacting with
members of another culture, which would, however, require many such interactions to make a reliable assessment. The second possible way of obtaining information on the personality of a mean individual from another culture is through culturally-transmitted stereotypes3. This, in turn, would
in theory require that the stereotypes correspond to the true personalities
of foreigners, but there is some research that suggests that this is not the
case [Terracciano et al. 2005]. However this does not necessarily render the
assessments of the level of similarity inaccurate, as individuals can make
the same sort of bias whilst comparing the stereotypical image of residents
of their own country and residents of a foreign country (which could simultaneously yield congruence in perceived personality characteristics and
incongruence between perceived and actual personality characteristics4).
1.2. Measuring differences in personality
The main focus of this study is to conduct an analysis of the effect of aggregate differences in the personality of individuals from two countries (‘personality distance’), i.e. initially I do not focus on any specific personality
trait. One reason for doing so is based on the observation made by Watson et al. [2004], who reach the conclusion that the matching of couples is
more likely ‘diffuse’ than trait-specific. Note, however, that some researchers criticize the idea of studying aggregate (composite) measures of cultural differences [Shenkar 2001; Dow and Karunaratna 2006], and some of
their concerns might equally apply to differences in personality.
Indirect evidence for a link between national stereotypes and the level of economic
activity is provided in Hwang [2011], who demonstrates a correlation between the ‘likeability’ of citizens from a foreign country and demand for securities from that country.
4
A discussion on the evidence of a different effect of actual and perceived similarity
can be found in Montoya, Horton and Kirchner [2008].
3
It should be noted that whilst an aggregate (composite) personality difference is a more ‘complete measure’ – just as differences in national culture
are usually aggregated, and take the form of cultural distance – it can be
expected that differences on each of the personality traits under investigation can contribute independently to the creation of barriers that would
mitigate economic activity between two countries. As extant research suggests it is also possible that people might be more accurate when assessing certain ‘visible’ personality traits, and be less accurate when judging
others [Funder 1995]. For example, Terracciano et al. [2005] demonstrate
a significant divergence between the perceived (as measured by national
stereotypes) and actual (as measured by the mean scores obtained in each
country) level of agreeableness of inhabitants from another culture. Thus to
complement the analysis, I also study each personality dimension separately.
2. Data and methodology
2.1. Personality distance
To assess personality distance (the aggregated difference between personalities) between inhabitants of two countries I use the data provided by McCrae and Terracciano [2005]. This study provides – for a wide range of cultures – mean levels on each of the five factors from the Five-Factor Model
of personality. The five factors – often referred to as the ‘Big Five’ – are: neuroticism, extraversion, openness to experience, agreeableness and conscientiousness. The first two factors – which relate to one’s emotional stability
and sociability, respectively – are well known dimensions of personality
that appear in virtually every model of personality. The remainder of factors relate (amongst other characteristics) to how imaginative (openness to
experience), kind (agreeableness), and responsible (conscientiousness) one
is [McCrae and John 1992]. Estimates are obtained through the observerrating Revised NEO Personality Inventory (NEO-PI-R).
I construct the personality distance (or dissimilarity) of average individuals from two countries to mirror the measure investigated in Allik and
McCrae [2004]. Thus the personality distance between country i and country j is defined as the weighted Euclidean distance, or:
(S − S )2 
fi
fj 
, (1)
PDij = ∑ 


Var
S
(
)
f
f =1 

5
80
Paweł Niszczota
where Sfi and Sfj are the scores of the interacting countries on the f-th personality trait, and Var(Sf) is the variation of mean scores on this trait across
countries. Note that this measure differs from the cultural distance measure
proposed in Kogut and Singh [1988], in which instead of taking the square
root of the sum the authors take the arithmetic average of each ‘component’.
2.2. Trade
Data on bilateral trade is sourced from the Directions of Trade database
provided by the International Monetary Fund (IMF). Trade is defined as
the log value of the geometric average of the value of exports and imports
reported by each partner (in year t):
1

Tijt = log  Ei × E j × I i × I j  4  . (2)




I use bilateral trade data from 1995 to 2012.
2.3. Foreign portfolio investment
I use the Coordinated Portfolio Investment Survey dataset in which the
IMF provides annual data on the end-of-year bilateral holdings in equity.
For each year t, the value (in USD) of the security holdings from country
j in the portfolios of investors from country i ( wijt ) is compared to the
weight that corresponds to the International CAPM model ( wijt* , which
is the ratio of the market value of securities from country j to the market
value of securities from all countries)5:
 wijt 
FPI ijt = log  *  . (3)
 wijt 


I compute the relative level of portfolio investment separately for equity
and debt securities. The bilateral holdings data is from 2001 to 2012.
5
A more detailed description of how this variable is computed can be found in Beugelsdijk and Frijns [2010].
2.4. Mergers and acquisitions
Data on cross-border mergers and acquisitions (M&As) is sourced from
DealWatch. I consider only cross-border M&A deals in which the country
of origin of the buyer and seller are specified. I use data on all deals made
between 2003 and 2012 that meet this condition. The dependent variable is
the logged USD-value of the M&A deals between each country-pair [Ahern,
Daminelli and Fracassi 2015].
2.5. Cross-listings
Information on the number of cross-listings between countries is sourced
from the dataset provided by Sarkissian and Schill [2004]. The dependent
variable is defined as the log of the sum of the number of cross-listings
between countries and one.
2.6. Control variables
In the study I consider the effect of only a limited set of control variables. The main reason for doing so is to analyse the widest possible number of country-pairs – due to data limitations the addition of a more specific control variable often causes a considerable reduction in the number of
observations. Also some variables have been shown to consistently affect
most forms of economic interaction between countries, which allows us
to construct parsimonious and consistent specifications. I control for the
effect of the core variables in the gravity equation i.e. geographic distance
between countries and the GDP of both countries. Moreover I control
for each country’s wealth by including GDP per capita levels of the interacting countries in the regressions. I also use dummy variables that account
for the commonality of language, religion or origin of the legal system6.
Finally I control for the impact of cultural distance between the interacting
countries, based on the initial four dimensions of national culture proposed
by Hofstede [1980].
2.7. Research methods
Two of the forms of economic activity used in this study concentrate
on cross-sectional data (cross-listings and M&As) and two on panel data
6
The data for almost all the control variables is sourced from datasets provided by
Mayer and Zignano [2011] and the World Bank (World Development Indicators).
82
Paweł Niszczota
(trade and foreign portfolio investment). When using the former I am restricted to the use of the random-effects model, due to the time-invariant
nature of personality traits. In order to insure that the inferences are robust I use heteroscedasticity-consistent standard errors for cross-sectional
data and cluster-robust standard errors for panel data. In regressions based
on panel data I include country fixed effects (for both interacting countries) and time effects.
3. Results
3.1. Mean and extreme personality distance
In Table 1 I report the mean personality distance score for each of the
39 countries studied in this paper7. The mean scores range from a minimum
score of 2.20 (Thailand) to a maximum of 4.11 (Morocco), with an average
score of 2.82. It is worth pointing out that the countries which I investigate
are mainly from Europe and the Asia-Pacific region, with 19 (49% of the
sample) and 12 (31%) of the countries, respectively, being located in these
regions. The mean scores of countries from each region seem to be fairly
equally distributed (with the notable exception of Morocco which is the
only African country in the sample) i.e. there does not seem to be any regional clustering in the scores.
Table 1. Mean personality distance scores
Country
Morocco
Switzerland
Denmark
Germany
Czech Republic
Italy
Mexico
Philippines
Mean personality distance
4.108
3.599
3.588
3.523
3.269
3.267
3.266
3.218
Country
Iran
Indonesia
New Zealand
India
Chile
Austria
Canada
Belgium
2.727
2.721
2.650
2.629
2.615
2.602
2.542
2.510
Although, as I have mentioned earlier, one of the reasons for including a limited
number of control variables in the study is to investigate broader samples, the number of
countries is nonetheless limited, due to availability of data on personality traits and cultural dimensions.
7
cont. Table 1
Country
China
Brazil
Malaysia
Hong Kong
United Kingdom
France
Malta
Argentina
Australia
Estonia
Turkey
Russia
Mean
Median
Standard deviation
3.196
3.182
3.137
3.119
3.048
2.937
2.908
2.886
2.866
2.820
2.785
2.756
2.510
2.468
2.456
2.342
2.321
2.316
2.284
2.269
2.241
2.232
2.199
Country
Slovenia
Portugal
United States
South Korea
Spain
Peru
Slovakia
Poland
Japan
Croatia
Thailand
2.823
2.756
0.451
Notes: This table shows the mean personality distance scores (in descending order) for each country
investigated in the study as defined in equation 1.
Table 2. Extreme personality distance scores
Most significant
Country pair
Switzerland – Morocco
Germany – Morocco
Denmark – Morocco
Czech Republic – Morocco
Chile – Morocco
Denmark – Hong Kong
Morocco – Turkey
Brazil – Morocco
Switzerland – Hong Kong
Austria – Morocco
Brazil – China
Morocco – Malaysia
Brazil – Mexico
Least significant
Personality
distance
5.969
5.866
5.596
5.372
5.205
5.200
5.125
5.050
5.036
5.030
5.011
5.005
4.841
Country pair
Slovakia – Thailand
Peru – Thailand
Australia – New Zealand
New Zealand – United States
Australia – Belgium
South Korea – New Zealand
Brazil – Malta
Estonia – Peru
Spain – India
South Korea – United States
Croatia – Peru
Belgium – New Zealand
Belgium – South Korea
Personality
distance
0.527
0.667
0.747
0.772
0.867
0.885
0.892
0.956
0.980
0.980
1.000
1.005
1.087
84
Paweł Niszczota
cont. Table 2
Most significant
Country pair
Germany – Hong Kong
United Kingdom – Morocco
Switzerland – Estonia
Denmark – Mexico
India – Morocco
Morocco – Philippines
Morocco – Portugal
Least significant
Personality
distance
4.832
4.826
4.737
4.723
4.698
4.688
4.662
Country pair
Australia – United States
Indonesia – Russia
Peru – United States
Croatia – Thailand
Japan – Poland
India – Malaysia
Peru – Slovakia
Personality
distance
1.107
1.122
1.132
1.133
1.145
1.152
1.155
Notes: This table shows the 20 least and most significant personality distance scores as defined in equation 1.
To give the reader more information on the distribution of personality distance, in Table 2 I have listed the 20 most and least significant personality distance scores for the pairs of countries analysed in the study.
Personality distance ranges from 0.53 (the distance between inhabitants of
Slovakia and Thailand) to 5.97 (in the Morocco – Switzerland dyad). Morocco is in 13 of the most significant distance scores which is not surprising given that it has the highest mean personality distance score in the
sample. This corresponds to the results presented in Table 1, low personality distance scores include both intraregional and culturally similar pairings (Australia – New Zealand), interregional yet culturally similar pairings
(New Zealand – United States), interregional and culturally dissimilar pairings (Peru – Thailand), and intraregional yet culturally dissimilar pairings
(South Korea – New Zealand). In other words, based on the average similarity in personalities, a high level of similarity can be obtained regardless of
geographic distance and cultural origins. Note that these patterns contrast
somewhat to those presented in Allik and McCrae [2004], although these
researchers have used self-rating scores, as opposed to the observer-rating
scores from McCrae and Terracciano [2005] that were used in the study.
3.2. Regression results
In Table 3 I explore the link between personality distance and various
forms of economic activity by regressing dependent variables that correspond to these activities on personality distance and all the controls. In order to demonstrate the influence of both countries’ fixed effects, I construct
[85]
Common legal origin
Common religion
Common language
GDP per capita in country 2
GDP in country 2
GDP in country 1
Cultural distance
Geographic distance
Personality distance
Specification
(0.070)
0.416***
(0.056)
0.432***
–0.107
(0.074)
(0.089)
–0.336***
0.385***
(0.234)
0.828***
1.303***
(0.026)
(0.233)
(0.027)
–0.055*
0.325
(0.228)
(0.018)
–0.054*
–0.541**
(0.231)
0.890***
0.467**
(0.018)
(0.017)
(0.019)
0.921***
0.014
0.060***
(0.029)
(0.025)
(0.027)
–1.250***
(0.032)
–0.979***
0.040
0.044
Trade
0.236
(0.151)
0.500***
(0.210)
1.274***
(0.064)
–0.014
(0.086)
1.063***
(0.057)
0.307***
(0.061)
–0.138**
(0.053)
0.207***
(0.065)
–0.795***
(0.081)
0.007
0.176
(0.235)
0.110
(0.205)
0.742***
(1.205)
1.589
(1.652)
2.235
(1.169)
–1.630
(1.658)
–2.859*
(0.043)
0.035
(0.084)
–0.881***
(0.068)
0.050
Foreign equity investments
Table 3. Regression results based on the composite personality distance
0.485**
(0.189)
0.210
(0.362)
–0.036
(0.083)
0.805***
(0.117)
0.634***
(0.071)
0.371***
(0.076)
–0.121
(0.064)
0.136**
(0.088)
–0.901***
(0.102)
0.012
–0.023
(0.266)
0.211
(0.185)
0.142
(2.395)
3.489
(1.954)
2.930
(2.274)
–2.166
(1.947)
–2.803
(0.051)
–0.014
(0.081)
–0.765***
(0.075)
0.212***
Foreign debt investments
0.335
(0.183)
–0.044
(0.276)
0.819**
(0.093)
0.089
(0.089)
–0.018
(0.069)
0.414***
(0.068)
0.586***
(0.064)
0.025
(0.088)
–0.294***
(0.100)
0.155
Mergers &
acquisitions
0.085
(0.063)
0.025
(0.126)
0.676***
(0.037)
0.061
(0.027)
0.061*
(0.033)
0.225***
(0.038)
0.250***
(0.021)
0.030
(0.031)
–0.079**
(0.038)
–0.109***
Cross-listings
YES
Time effects
513.0
0.670
53.9
0.147
YES
NO
(0.137)
6 561
39.8
0.300
YES
YES
(0.111)
Foreign equity investments
48.5
0.159
YES
NO
(0.179)
5 383
41.1
0.340
YES
YES
(0.184)
Foreign debt investments
12.4
0.198
461
NO
NO
(0.191)
Mergers &
acquisitions
35.4
0.390
540
NO
NO
(0.068)
Cross-listings
Notes: This table reports regression results where the form of the dependent variable is indicated in the header (the precise way of computing the dependent
variable can be found in the text). GDP and GDP per capita is either in real terms (for panel data) or for the last year in the dataset (for cross-sectional data). Robust standard errors are shown in parentheses. In all cases, the F-test rejects the null hypothesis (p<0.01), and thus the validity of each model is confirmed.
* Significant coefficient at the 10% level.
** Significant coefficient at the 5% level.
*** Significant coefficient at the 1% level.
0.613
1 514.0
F-statistic
YES
YES
(0.056)
Trade
25 797
Adjusted R2
Number of observations
NO
(0.056)
Country fixed effects
Specification
cont. Table 3
86
Paweł Niszczota
[86]
pairs of specifications that either include or exclude these effects. A general observation from the results presented in Table 3 is that there is very
little evidence for the existence of the hypothesized effect. The results
show that personality distance is statistically significantly related in the anticipated (negative) direction only whilst explaining the number of crosslistings. In other cases personality distance is positively related to economic
activity: in specifications that exclude the fixed effects, the link is mostly
insignificant from a statistical perspective, although once I consider the
country fixed effects, personality distance – surprisingly – seems to be significantly related to foreign debt investments.
As mentioned earlier, it is possible that individuals lack accuracy whilst
assessing less ‘visible’ personality traits, which would in essence mean that
even if there were considerable differences in these traits, they would not
be identified. Moreover it is advisable to investigate to what extent each of
the personality factors contribute to the final effect of personality distance.
Therefore, to complement the analysis, in Table 4 I present the effect of differences between inhabitants of two countries on each of the five personality factors separately – the differences are computed analogously to Ahern,
Table 4. Regression results based on specific personality domains
Specification
Difference in neuroticism
Difference in extraversion
Difference in openness to
experience
–0.063
(0.045)
0.016
(0.039)
Foreign
equity
investments
0.098
(0.107)
0.086
(0.107)
Foreign debt
investments
0.176
(0.128)
0.027
(0.117)
0.058
0.010
–0.002
Trade
Mergers
& acquisitions
Cross-listings
0.267
(0.187)
–0.026
(0.166)
–0.123*
(0.066)
–0.135**
(0.068)
0.281*
–0.039
(0.040)
(0.105)
(0.126)
(0.155)
(0.061)
0.151***
0.081
0.230
–0.161
–0.062
(0.046)
(0.136)
(0.161)
(0.219)
(0.071)
Difference in conscientiousness –0.078** –0.008
–0.016
0.102
–0.047
(0.037)
(0.089)
(0.108)
(0.169)
(0.060)
Geographic distance
–1.250*** –0.879*** –0.744*** –0.300*** –0.081**
(0.029)
(0.084)
(0.081)
(0.090)
(0.031)
Cultural distance
0.015
0.033
0.004
0.028
0.028
(0.017)
(0.043)
(0.052)
(0.066)
(0.023)
Difference in agreeableness
88
Paweł Niszczota
cont. Table 4
Specification
GDP in country 1
GDP in country 2
Common language
Common religion
Common legal origin
ForeForeign
Mergers
Cross-liign debt
equity
& acquTrade
stings
investinvestisitions
ments
ments
0.467*
–2.860
–2.803 0.580*** 0.254***
(0.231)
(1.659)
(1.948)
(0.070)
(0.039)
–0.541*
–1.639
–2.190 0.408*** 0.231***
(0.228)
(1.169)
(2.276)
(0.072)
(0.033)
0.325
2.236
2.929
–0.013
0.061*
(0.233)
(1.653)
(1.956)
(0.090)
(0.027)
1.303***
1.598
3.512
0.091
0.049
(0.234)
(1.206)
(2.398)
(0.093)
(0.039)
0.383*** 0.740***
0.131
0.805** 0.674***
(0.074)
(0.205)
(0.194)
(0.278)
(0.126)
–0.100
0.106
0.211
–0.118
0.010
(0.070)
(0.232)
(0.269)
(0.188)
(0.065)
0.424***
0.195
–0.039
0.329
0.092
(0.056)
(0.118)
(0.189)
(0.193)
(0.069)
Country fixed effects
YES
YES
YES
NO
NO
Time effects
YES
YES
YES
NO
NO
Number of observations
Adjusted R2
25 797
6 561
5 383
461
540
0.671
0.299
0.337
0.196
0.388
F-statistic
495.2
37.5
38.3
9.0
25.5
Notes: This table reports regression results where the form of the dependent variable is indicated in the
header (the precise way of computing each dependent variable can be found in the text). The difference
in the interacting countries’ mean scores on each personality factor from the Five-Factor Model is defined
as log(1+|Δscore|). In all cases, the F-test rejects the null hypothesis (p < 0.01), and thus the validity of
each model is confirmed.
Daminelli and Fracassi [2015], that is I have logged the sum of the absolute
difference of scores and one. A general observation from the analysis of
parameter estimates is that there is little consistency in the results. More
specifically there are no instances when a ‘non-aggregated’ personality distance score would have an effect in the same direction for all of the investigated forms of economic activity and only one instance, where the sign of
all coefficients that relate to the effect of differences on each personality
factor, would be the same. Adding to the first point differences in conscientiousness – although not entirely having the same effect for all forms of
activity – seem nonetheless to support the hypothesis, as for four forms
of economic activity the relationship is negative (albeit significant in only
one case i.e. trade). In relation to the second point the results demonstrate
that each of the non-aggregated personality distance scores have the anticipated effect only when considering the number of cross-listings between countries. Some further observations seem noteworthy. The positive link between personality distance and foreign debt investments that
was demonstrated in Table 3 seems to be driven by the positive effect
of differences in agreeableness and neuroticism, which on their own do
not seem to be significantly related with this form of economic activity.
Finally there are two coefficients that are positive and statistically significant (differences in agreeableness for trade and differences in openness to
experience for mergers and acquisitions). However these variables are not
positively and statistically significantly related to economic activity in any
other instances and thus it would be hard to argue that differences in these
scores between countries are indeed positively related to economic activity
in a general sense8.
4. Discussion
The results that have been presented in Tables 3 and 4 give very weak evidence (at best) for the existence of a negative relationship between personality distance and economic activity. As demonstrated in Table 4, there is no
evidence that the ‘visibility’ of a personality trait seems to be an important
cause of the very weak support for the hypothesis (for cross-listing, the only
personality distance measures that are statistically significant are extraversion and neuroticism, with the former considered a ‘visible’ trait, and the
latter less so [Funder 2012]). In this section I discuss possible reasons I was
unable to demonstrate a consistent link between the investigated variables.
It remains possible that the difficulty of establishing a clear link could be
the result of certain factors at play that were identified by Shenkar [2001],
who has discussed a series of issues related to using cultural distance as
a determinant of international business operations. One of the issues men8
These results are surprising given that individuals are poor in assessing these factors
in others.
90
Paweł Niszczota
tioned in the paper that could also affect the efficacy of personality distance
is the illusion of symmetry. Given that distance is by definition symmetrical I have assumed in the paper that the effect of personality distance is
the same for trade or investment made from China into the Netherlands
and from the Netherlands into China, which does not necessarily have to
be true.
An even more plausible reason for the lack of a salient effect can stem
from the greater difficulty in assessing the personalities of individuals
from other cultures. People are imperfect in assessing their own personalities (the correlations between self-judged and actual scores on factors
from the ‘Big Five’ range from 0.01 to 0.57; the accuracy of judgments falls
when assessing the personality of other people [Furnham 1997; Furnham
and Chamorro-Premuzic 2004]). Judging the personality of individuals
from other countries can be an even more daunting task as the judgment
can be distorted by cultural differences [Triandis and Suh 2002; Hofstede and McCrae 2004]. Also the variation of personality traits is greater within a country than between average inhabitants of different countries
[Schmitt et al. 2007] and thus even if the assessments are not biased by cultural differences, the mean differences could simply not be identified by individuals. Alternatively the propensity to engage in economic activity with
inhabitants from other countries could be determined not by personality
differences, but by national stereotypes, and either these do not correspond
with the mean personality traits or the differences between stereotypes and
true personality characteristics are unsystematic (i.e. home country and
foreign country stereotypes are affected by different biases).
Conclusions
In the present study I have investigated the possible effect of incongruity
in the personalities of individuals from two countries engaging in various
forms of economic activity. The main object of analysis was a composite
personality distance measure which was based on differences in each of the
personality factors from the Five-Factor Model of personality. This analysis
was complemented by a separate investigation of the absolute difference
in each of the five factors. The results show, at best, very weak results, contrary to the predictions derived from the similarity-attraction hypothesis,
which posits that a greater level of similarity (e.g. in personalities) should
increase the attractiveness of interaction. The hypothesized negative re-
lationship between economic activity and personality distance was only
demonstrated when investigating the number of cross-listings and was
not consistently related to trade, foreign portfolio investment, and mergers
and acquisitions.
References
Ahern, K.R., Daminelli, D., Fracassi, C., 2015, Lost in Translation? The Effect of
Cultural Values on Mergers around the World, Journal of Financial Economics,
vol. 117, no. 1, p. 165–189.
Allik, J., McCrae, R.R., 2004, Toward a Geography of Personality Traits: Patterns of
Profiles across 36 Cultures, Journal of Cross-cultural Psychology, vol. 35, no. 1,
pp. 13–28.
Almlund, M., Duckworth, A.L., Heckman, J., Kautz, T., 2011, Personality Psychology
and Economics, in: Hanusek, E., Machin, S., Woessmann, L. (eds.), Handbook of
the Economics of Education, Elsevier, pp. 1–181.
Asendorpf, J.B., 2009, Personality: Traits and Situations, in: Corr, P.J., Matthews, G.
(eds.), The Cambridge Handbook of Personality Psychology, Cambridge Handbooks in Psychology, Cambridge University Press, Cambridge.
Beugelsdijk, S., Frijns, B., 2010, A Cultural Explanation of the Foreign Bias in Interna
tional Asset Allocation, Journal of Banking & Finance, vol. 34, no. 9, pp. 2121–2131.
Borghans, L., Duckworth, A.L., Heckman, J.J., Weel, B. ter, 2008, The Economics
and Psychology of Personality Traits, Journal of Human Resources, vol. 43, no. 4,
pp. 972–1059.
Botwin, M.D., Buss, D.M., Shackelford, T.K., 1997, Personality and Mate Preferenc
es: Five Factors in Mate Selection and Marital Satisfaction, Journal of Personality,
vol. 65, no. 1, pp. 107–136.
Byrne, D.E., 1971, The Attraction Paradigm, Academic Press, New York.
Cattell, R.B., 1950, Personality: a Systematic Theoretical and Factual Study, McGraw-Hill, New York.
Dodd, O., Frijns, B., Gilbert, A., 2013, On the Role of Cultural Distance in the Deci
sion to Cross-list, European Financial Management, forthcoming.
Dow, D., Karunaratna, A., 2006, Developing a Multidimensional Instrument to Mea
sure Psychic Distance Stimuli, Journal of International Business Studies, vol. 37,
no. 5, pp. 578–602.
Duck, S.W., Craig, G., 1978, Personality Similarity and the Development of Friend
ship: a Longitudinal Study, British Journal of Social & Clinical Psychology,
vol. 17, no. 3, pp. 237–242.
92
Paweł Niszczota
Finkel, E.J., Baumeister, R.F., 2010, Attraction and Rejection, in: Baumeister, R.F.,
Finkel, E.J. (eds.), Advanced Social Psychology: the State of the Science. Oxford
University Press, New York, pp. 419–459.
Funder, D.C., 1995, On the Accuracy of Personality Judgment: a Realistic Approach,
Psychological Review, vol. 102, no. 4, pp. 652.
Funder, D.C., 2012, Accurate Personality Judgment, Current Directions in Psychological Science, vol. 21, no. 3, pp. 177–182.
Funder, D.C., Colvin, C.R., 1988, Friends and Strangers: Acquaintanceship, Agree
ment, and the Accuracy of Personality Judgment, Journal of Personality and Social
Psychology, vol. 55, no. 1, pp. 149–158.
Furnham, A., Chamorro-Premuzic, T., 2004, Estimating One’s Own Personality and
Intelligence Scores, British Journal of Psychology, vol. 95, no. 2, pp. 149–160.
Furnham, A.F., 1997, Knowing and Faking One’s Five-factor Personality Score, Journal of Personality Assessment, vol. 69, no. 1, pp. 229–243.
Giannetti, M., Yafeh, Y., 2011, Do Cultural Differences between Contracting Parties
Matter? Evidence from Syndicated Bank Loans, Management Science, vol. 58,
no. 2, pp. 365–383.
Guiso, L., Sapienza, P., Zingales, L., 2009, Cultural Biases in Economic Exchange?,
Quarterly Journal of Economics, vol. 124, no. 3, pp. 1095–1131.
Hofstede, G., McCrae, R.R., 2004, Personality and Culture Revisited: Linking Traits
and Dimensions of Culture, Cross-cultural Research, vol. 38, no. 1, pp. 52–88.
Hofstede, G.H., 1980, Culture’s Consequences, International Differences in Work-re
lated Values, Sage Publications, London.
Hwang, B.-H., 2011, Country-specific Sentiment and Security Prices, Journal of Financial Economics, vol. 100, no. 2, pp. 382–401.
Izard, C., 1960, Personality Similarity and Friendship, The Journal of Abnormal and
Social Psychology, vol. 61, no. 1, pp. 47–51.
Kogut, B., Singh, H., 1988, The Effect of National Culture on the Choice of Entry Mode,
Journal of International Business Studies, vol. 19, no. 3, pp. 411–432.
Mayer, T., Zignago, S., 2011, Notes on CEPII’s Distances Measures: the GeoDist Data
base, CEPII Working Paper 2011-25.
McCrae, R.R., Costa, P.T., 1992, Revised NEO Personality Inventory (NEO PI-R) and
NEO Five-Factor Inventory (NEO-FFI), Psychological Assessment Resources,
Odessa, FL.
McCrae, R.R., John, O.P., 1992, An Introduction to the Five-factor Model and Its Ap
plications, Journal of Personality, vol. 60, no. 2, pp. 175–215.
McCrae, R.R., Martin, T.A., Hrebícková, M., Urbánek, T., Boomsma, D.I., Willemsen, G., Costa, P.T., 2008, Personality Trait Similarity between Spouses in Four Cul
tures, Journal of Personality, vol. 76, no. 5, pp. 1137–1164.
McCrae, R.R., Terracciano, A., 2005, Personality Profiles of Cultures: Aggregate
Personality Traits, Journal of Personality and Social Psychology, vol. 89, no. 3,
pp. 407–425.
Montoya, R.M., Horton, R.S., Kirchner, J., 2008, Is Actual Similarity Necessary for At
traction? A Meta-analysis of Actual and Perceived Similarity, Journal of Social
and Personal Relationships, vol. 25, no. 6, pp. 889–922.
Rentfrow, P.J., Gosling, S.D., Potter, J., 2008, A Theory of the Emergence, Persistence,
and Expression of Geographic Variation in Psychological Characteristics, Perspectives on Psychological Science, vol. 3, no. 5, pp. 339–369.
Sarkissian, S., Schill, M.J., 2004, The Overseas Listing Decision: New Evidence of Proxi
mity Preference, The Review of Financial Studies, vol. 17, no. 3, pp. 769–809.
Schmitt, D.P., Allik, J., McCrae, R.R., Benet Martinez, V., 2007, The Geographic Dis
tribution of Big Five Personality Traits: Patterns and Profiles of Human Self-de
scription Across 56 Nations, Journal of Cross-Cultural Psychology, vol. 38, no. 2,
pp. 173–212.
Shenkar, O., 2001, Cultural Distance Revisited: towards a More Rigorous Conceptual
ization and Measurement of Cultural Differences, Journal of International Business Studies, vol. 32, no. 3, pp. 519–535.
Terracciano, A., Abdel-Khalek, A.M., Adam, N., Adamovova, L., Ahn, C.-K., Ahn,
H.-N., Alansari, B.M., Alcalay, L., Allik, J., Angleitner, A., Avia, A., Ayearst, L.E.,
Barbaranelli, C., Beer, A., Borg-Cunen, M.A., Bratko, D., Brunner-Sciarra, M.,
Budzinski, L., Camart, N., Dahourou, D., De Fruyt, F., de Lima, M.P., del Pilar,
G.E.H., Diener, E., Falzon, R., Fernando, K., Fickova, E., Fischer, R., Flores-Mendoza, C., Ghayur, M.A., Gulgoz, S., Hagberg, B., Halberstadt, J., Halim, M.S., Hrebickova, M., Humrichouse, J., Jensen, H.H., Jocic, D.D., Jonsson, F.H., Khoury,
B., Klinkosz, W., Knezevic, G., Lauri, M.A., Leibovich, N., Martin, T.A., Marusic,
I., Mastor, K.A., Matsumoto, D., McRorie, M., Meshcheriakov, B., Mortensen,
E.L., Munyae, M., Nagy, J., Nakazato, K., Nansubuga, F., Oishi, S., Ojedokun,
A.O., Ostendorf, F., Paulhus, D.L., Pelevin, S., Petot, J.-M., Podobnik, N., Porrata,
J.L., Pramila, V.S., Prentice, G., Realo, A., Reategui, N., Rolland, J.-P., Rossier, J.,
Ruch, W., Rus, V.S., Sanchez-Bernardos, M.L., Schmidt, V., Sciculna-Calleja, S.,
Sekowski, A., Shakespeare-Finch, J., Shimonaka, Y., Simonetti, F., Sineshaw, T.,
Siuta, J., Smith, P.B., Trapnell, P.D., Trobst, K.K., Wang, L., Yik, M., Zupancic, A.,
McCrae, R.R., 2005, National Character Does Not Reflect Mean Personality Trait
Levels in 49 Cultures, Science, vol. 310, no. 5745, pp. 96–100.
Triandis, H.C., Suh, E.M., 2002, Cultural Influences on Personality, Annual Review of
Psychology, vol. 53, no. pp. 133–160.
Watson, D., Klohnen, E.C., Casillas, A., Nus Simms, E., Haig, J., Berry, D.S., 2004,
Match Makers and Deal Breakers: Analyses of Assortative Mating in Newlywed
Couples, Journal of Personality, vol. 72, no. 5, pp. 1029–1068.
2015, vol. 3, no. 9
DOI: 10.18559/SOEP.2015.9.5
Piotr Wybieralski
[email protected]
PARTYCYPACYJNA STRATEGIA
ZABEZPIECZAJĄCA PRZED RYZYKIEM
KURSOWYM NA POZAGIEŁDOWYM
RYNKU WALUTOWYM
Streszczenie: W opracowaniu skoncentrowano się na problematyce mitygowania transakcyjnego ryzyka kursowego w przedsiębiorstwach niefinansowych z wykorzystaniem
walutowych instrumentów pochodnych na rynku pozagiełdowym. W tym kontekście
dokonano porównania wybranego produktu o charakterze elastycznym, umożliwiającym w określonym zakresie partycypację w pozytywnych zmianach na rynku w relacji
do klasycznego kontraktu forward pod kątem poziomu efektywnego kursu zabezpieczenia, profilu ryzyka, stopnia wykorzystania limitu skarbowego, jak również maksymalnej
kwoty ekspozycji w osłonie oraz poziomów kursów granicznych, przy których transakcja
może być awaryjnie zamknięta. Wskazano, iż zastosowanie rozwiązań o charakterze elastycznym jest szczególnie interesującą alternatywą w okresach kryzysowych, cechujących się podwyższoną zmiennością rynkową.
Słowa kluczowe: transakcyjne ryzyko kursowe, strategie osłonowe, zarządzanie ryzykiem kursowym.
Klasyfikacja JEL: F31; G15.
THE APPLICATION OF A SELECTED FLEXIBLE CURRENCY
RISK HEDGING STRATEGY IN THE OTC MARKET
Abstract: The article covers the issues related to the currency risk management process within non-financial companies in the OTC market. The analysis of selected flexible
hedging strategy is presented, taking into account the participation degree in positive
Partycypacyjna strategia zabezpieczająca przed ryzykiem kursowym95
market developments, the effective exchange rates, risk profiles and treasury limit utilization, as well as the amount of currency exposure hedged and margin call scenarios
in which additional collateral is required. It is shown that especially in the highly volatile
markets flexible products may become an interesting solution compared to fixed ones.
Key words: currency risk, hedging strategy, currency risk management.
Wstęp
Zarządzanie transakcyjnym ryzykiem kursowym1 w przedsiębiorstwie
niefinansowym z wykorzystaniem rozmaitych derywatów walutowych2
nierzadko łączy się z koniecznością podejmowania kompromisów pomiędzy ustalonymi celami działalności osłonowej3 oraz aktualnymi możliwościami w zakresie dostępnych instrumentów zabezpieczających
i przydzielonych limitów skarbowych4, jak również determinowane jest
ogólną sytuacją finansową danego podmiotu. Biorąc pod uwagę wachlarz
dostępnych na rynku rozwiązań finansowych, instrumentarium osłonowe jest niezwykle bogate5. Uwzględniając kryterium uczestnictwa w po1
„Ryzyko kursowe o charakterze transakcyjnym występuje w sytuacji, kiedy pomiędzy datą powstania należności (zobowiązania) a datą zrealizowania płatności występuje
odstęp czasu. Skutkiem wykorzystania różnych walut mogą być mniejsze realizowane należności, a także wzrost zobowiązań w przeliczeniu na walutę krajową [Tymoczko 2009,
s. 72]”. Transakcyjne ryzyko kursowe może być rozpatrywane w kontekście niedopasowania
aktywów i pasywów narażonych na ryzyko (perspektywa bilansowa ryzyka), jak również
w przypadku transakcji planowanych, a jeszcze nie zaksięgowanych, w szczególności w okresie dłuższym, aniżeli jeden rok sprawozdawczy (przepływowa perspektywa ryzyka). Szerzej
nt. rodzajów ryzyka kursowego oraz obszarów występowania patrz [Wybieralski 2014,
s. 783].
2
W opracowaniu skoncentrowano się na opisie wybranego produktu mającego na
celu mitygowanie ryzyka kursowego o charakterze transakcyjnym, który należy do grupy
tzw. zewnętrznych technik osłony, czyli implementacji finansowych instrumentów kontraktowych. Podmioty gospodarcze wykorzystują również tzw. wewnętrzne techniki osłony,
które uwzględniają m.in. transfer i podział ryzyka kursowego, jak również kompensatę czy
manewrowanie terminami płatności [Najlepszy 2007, s. 172].
3
Wśród różnych celów działalności osłonowej kluczowe znaczenie mają przede wszystkim aspekty związane z ograniczeniem zmienności przepływów pieniężnych oraz ochroną
kursu budżetowego [szerzej Wybieralski 2014, s. 787].
4
Problematykę wykorzystania limitów skarbowych omówiono w pkt 2 niniejszego opracowania.
5
Przegląd i porównanie wybranych strategii opcyjnych przedstawiono m.in. w [Wybieralski 2008, s .44].
96
Piotr Wybieralski
zytywnych zmianach na rynku, jednocześnie gwarantując określony kurs
wymiany, można wyróżnić transakcje o charakterze elastycznym oraz
nieelastycznym (sztywnym). W takim kontekście klasyczny kontrakt forward zalicza się do rozwiązań o charakterze nieelastycznym, gdyż w momencie jego zawarcia zostaje ustalony stały kurs terminowy nieulegający
jakiejkolwiek zmianie w przyszłości6. Z kolei nabywając opcję walutową
(plain vanilla), dysponuje się prawem do przewalutowania określonej
kwoty waluty w przyszłości po uzgodnionej cenie, mając jednocześnie
możliwość rezygnacji z niego w sprzyjających scenariuszach rynkowych
w dacie zapadalności kontraktu. Jest to zatem rozwiązanie o charakterze elastycznym w aspekcie możliwości partycypacyjnych w pozytywnych
zmianach rynkowych. Zakup opcji walutowej wiąże się jednak z koniecznością zapłacenia tzw. premii opcyjnej najczęściej w momencie zawarcia
transakcji7. Z kolei kontrakt forward jest instrumentem bezkosztowym8,
niemniej jednak wymagającym najczęściej ustanowienia określonego zabezpieczenia.
Celem opracowania jest zwrócenie uwagi na wybraną bezkosztową
strukturę zabezpieczającą przed ryzykiem kursowym o charakterze elastycznym powszechnie określaną jako partycypator. Jest to strategia uwzględniająca wybrane charakterystyki obu podstawowych rozwiązań na rynku
terminowym, czyli wspomnianej transakcji forward (gdyż nie jest obarczona żadnymi dodatkowymi kosztami) oraz opcji walutowej (albowiem
umożliwia w pewnym zakresie uczestnictwo w pozytywnych zmianach na
rynku). Jednakże, podobnie jak w przypadku kontraktu forward, partycypator wymaga ustanowienia zabezpieczenia (najczęściej w postaci wykorzystania odpowiedniej kwoty limitu skarbowego). W opracowaniu przedstawiono elementy składowe strategii partycypator oraz profil jej ryzyka, jak
również przykładową wycenę i modyfikacje. Dodatkowo zaprezentowano
projekcję zapotrzebowania w zakresie kwoty wymaganego zabezpieczenia
6
Jedynie w przypadku przesuwania terminu rozliczenia zawartego kontraktu na wcześniejszy (roll back) lub późniejszy (roll over) kurs terminowy ulega modyfikacji o odpowiednią liczbę tzw. punktów swapowych odzwierciedlających różnicę pomiędzy oprocentowaniem waluty bazowej i kwotowanej.
7
Z tego też względu zakup opcji walutowej nie wymaga organizacji limitu skarbowego,
chyba że uregulowanie premii nastąpi w dacie rozliczenia opcji, wówczas w takiej sytuacji
niezbędne jest ustanowenie zabezpieczenia kontraktu.
8
Produkty określane powszechnie jako „bezkosztowe” lub „zerokosztowe” nie wiążą
się z dodatkowymi opłatami, które towarzyszą np. nabyciu opcji (brak premii). Niemniej
jednak należy pamiętać o kosztach transakcyjnych związanych z występowaniem tzw. spreadu, czyli różnicy pomiędzy ceną kupna i sprzedaży danego instrumentu.
strategii partycypator w relacji do transakcji terminowej forward w różnych
scenariuszach rozwoju kursów rynkowych9.
1. Konstrukcja strategii zabezpieczającej partycypator –
profil ryzyka oraz kursu efektywnego
Partycypator jest instrumentem przeznaczonym dla podmiotów (eksporterów/importerów), zabezpieczających się przed ryzykiem zmiany
kursu walutowego (odpowiednio spadku/wzrostu), niemniej jednak
chcących uczestniczyć w pozytywnych zmianach na rynku (ewentualnym wzroście/spadku kursu walutowego). Najważniejszą zaletą przedmiotowej strategii jest możliwość zabezpieczenia ustalonego poziomu
kursu (minimalnego poziomu dla sprzedaży waluty/maksymalnego poziomu dla zakupu waluty) przy jednoczesnym udziale w korzystnych
zmianach rynkowych.
Rozpatrywana struktura opcyjna może zostać skonstruowana w dwojaki
sposób. W pierwszym wykorzystuje się dwie opcje walutowe z tymi samymi kursami wykonania, a mianowicie opcję kupna (call) i opcję sprzedaży
(put), przy czym w przypadku eksportera opcja put jest kupiona, a opcja
call sprzedana, natomiast w przypadku importera opcja call jest kupiona,
a opcja put sprzedana. Cena realizacji obu opcji jest taka sama i musi być
dostosowana w taki sposób, by premia z wystawionej opcji sfinansowała
premię opcji kupionej. W takich warunkach eksporter (importer) ustala minimalny (maksymalny) poziom gwarantowanego kursu, po którym
sprzedaje (kupuje) walutę w przyszłości na poziomie kursu realizacji opcji
wchodzących w skład strategii. Kwota waluty w opcji nabytej odpowiada
wolumenowi pozycji zabezpieczanej wynikającej z prowadzonej działalności gospodarczej, natomiast kwota opcji wystawionej (call w przypadku
eksportera oraz put w przypadku importera) jest niższa od nominału opcji
zakupionej10, co determinuje stopień uczestnictwa w pozytywnych zmianach na rynku. W konstrukcji z 50% zakresem partycypacji kwota opcji
sprzedanej jest o połowę mniejsza od wolumenu opcji zakupionej. Zakres
partycypacji uzależniony jest od decydenta, niemniej jednak występuje następująca zależność (w przypadku oferty strategii partycypatora w formie
W opracowaniu stosuje się zamiennie określenia strategia, złożenie, rozwiązanie, produkt, transakcja oraz struktura osłonowa.
10
Wystawiona opcja jest „w pieniądzu” (in the money), z kolei nabywana „poza pieniądzem” (out of the money).
9
98
Piotr Wybieralski
bezkosztowej), a mianowicie wraz ze wzrostem partycypacji pogarszany
zostaje gwarantowany kurs przewalutowania (obniżany dla eksportera/
podwyższany dla importera) i odwrotnie – wraz ze zmniejszeniem stopnia
partycypacji w pozytywnych zmianach rynkowych, gwarantowany kurs
przewalutowania staje się coraz bardziej atrakcyjny (wyższy dla eksportera/niższy dla importera). Jest to niewątpliwie kompromis pomiędzy gwarantowanym kursem wyjściowym oraz zakresem partycypacji w sprzyjającym rynku w przypadku rozwiązań o charakterze elastycznym.
Drugi sposób konstrukcji strategii partycypator zakłada zawarcie kontraktu forward oraz nabycie opcji. Łączna kwota waluty w kontrakcie forward oraz opcji odpowiada wolumenowi pozycji zabezpieczanej. W celu
utrzymania strategii w formie bezkosztowej, premia z tytułu nabycia opcji
jest skompensowana poprzez odpowiednie dostosowanie kursu terminowego w transakcji forward (wartość przyszła premii zakupionej opcji jest
uwzględniona w kursie terminowym kontraktu forward). Tym samym kurs
terminowy w tak powstałej strategii jest odpowiednio obniżony (w przypadku eksportera) lub podwyższony (w przypadku importera). Zakres partycypacji w pozytywnych zmianach na rynku uzależniony jest od kwoty
ustalonej w transakcji forward. Jeżeli jest ona na tym samym poziomie, co
w przypadku nominału nabytej opcji, wówczas mamy do czynienia z 50-procentowym zakresem partycypacji. W przypadku zwiększenia (zmniejszenia) stopnia uczestnictwa w pozytywnych zmianach na rynku zmniejsza
(zwiększa) się udział kwoty zaangażowanej w transakcji forward, a zwiększa (zmniejsza) się odpowiednio udział wolumenu waluty obcej w zakupionej opcji. Tym samym wraz ze zwiększeniem (zmniejszeniem) zakresu
partycypacji kurs wyjściowy w strategii jest pogarszany (polepszany), albowiem transakcja forward powinna wygenerować więcej (mniej) środków na
sfinansowanie premii nabytej opcji walutowej.
Biorąc pod uwagę powyżej przedstawione dwa sposoby konstrukcji
strategii partycypator (dwie opcje oraz kontrakt forward + opcja), należy
zauważyć, że oba powinny umożliwić zawarcie przedmiotowej transakcji
przy takich samych (porównywalnych) kosztach transakcyjnych. Wykorzystuje się w tym przypadku relacje parytetowe opcji oraz kontraktu
forward. W przeciwnym wypadku istniałaby możliwość przeprowadzania arbitrażu walutowego z wykorzystaniem obu rodzajów instrumentów pochodnych. Omawiane elementy składowe konstrukcji osłonowej
partycypator wpływają na kurs efektywny oraz profil ryzyka strategii
(rysunek 1).
Partycypator –
sprzedaż waluty
Partycypator –
sprzedaż waluty – P&L
Kurs
rynkowy
Strata
Kurs A
be
zz
ab
e
zp
iec
ze
ni
Zysk
a
Kurs
efektywny
Kurs A
Kurs rynkowy
Poniżej kursu A
Powyżej kursu A
Kurs
rynkowy
Kurs A
Kurs efektywny sprzedaży
Kurs A
Kurs A + (0,5)*(kurs rynkowy – kurs A)
Rysunek 1. Kurs efektywny oraz profil ryzyka w strategii osłonowej partycypator (dla eksportera)
Źródło: Materiały informacyjne Banku BPH
Eksporter wykorzystujący analizowaną strukturę zabezpiecza się na minimalnym ustalonym poziomie (kurs A11), odzwierciedlającym kurs realizacji obu opcji oraz uczestniczy w pozytywnych zmianach na rynku, przy
czym kurs efektywny w przypadku wzrostu kursu rynkowego określony zostaje za pomocą formuły: kurs efektywny = kurs A + [zakres partycypacji
(np. 0,5 w przypadku 50%) × (kurs rynkowy – kurs A)]12. Z kolei w kontekście ryzyka należy zwrócić uwagę na dwa elementy, a mianowicie w przypadku spadku kursu rynkowego w dacie zapadalności kontraktu poniżej poziomu kursu gwarantowanego (kurs A) eksporter zachowuje pełną osłonę oraz
kompensatę transakcji komercyjnej (pod warunkiem że kurs przyjęty do
zaewidencjonowania zabezpieczanej należność eksportowej jest ≤ kursu A).
W przypadku wzrostu kursu rynkowego wycena ujemna transakcji osło11
Kurs A jest określany jako minimalny (w przypadku eksportera) lub maksymalny
(w przypadku importera) gwarantowany kurs wymiany.
12
Kurs efektywny w przypadku uczestnictwa w pozytywnych zmianach na rynku zakłada rozliczenie kwoty ekspozycji zabezpieczanej w pewnej części po cenie ze strategii osłonowej oraz pozostałej części (uzależnionej od zakresu partycypacji) po aktualnym kursie rynkowym.
100
Piotr Wybieralski
nowej partycypator pogłębia się relatywnie w mniejszym zakresie, tym samym strukturę cechuje łagodniejszy profil ryzyka (wraz ze wzrostem zakresu partycypacji ujemna wycena przyrasta w coraz mniejszym stopniu), co
jest szczególnie istotne w kontekście wielkości wymaganego zabezpieczenia
transakcji (szerzej nt. w punkcie 3).
Importer zawierający strategię osłonową partycypator zabezpiecza się
na ustalonym poziomie (maksymalny gwarantowany kurs zakupu waluty – kurs A, patrz rysunek 2) określonym przez cenę wykonania obu elementów składowych złożenia. Jednocześnie w przypadku spadku kursu
rynkowego w dacie zapadalności zachowuje pewną elastyczność, w której
kurs efektywny określony zostaje w sposób następujący, a mianowicie: kurs
efektywny = kurs A – [zakres partycypacji (np. 0,5 w przypadku 50%) ×
(kurs A – kurs rynkowy)].
Partycypator –
sprzedaż waluty
ni
ze
zp
iec
Kurs
rynkowy
Strata
Kurs A
be
zz
ab
e
Zysk
Partycypator –
sprzedaż waluty – P&L
a
Kurs
efektywny
Kurs A
Kurs rynkowy
Poniżej kursu A
Powyżej kursu A
Kurs
rynkowy
Kurs A
Kurs efektywny kupna
Kurs A – (0,5)*( kurs A – kurs rynkowy)
Kurs A
Rysunek 2. Kurs efektywny oraz profil ryzyka w strategii osłonowej partycypator (dla importera)
Źródło: Materiały informacyjne Banku BPH
Z perspektywy profilu ryzyka strategii osłonowej partycypator należy
zwrócić uwagę, że w przypadku wzrostu kursu importer jest w pełni chroniony (negatywne różnice na transakcji komercyjnej są kompensowane
pozytywnym wynikiem zrealizowanym ze strategii zabezpieczającej, pod
warunkiem że kurs przyjęty do zaewidencjonowania zobowiązania handlowego ≥ kurs A). Natomiast wraz ze wzrostem stopnia partycypacji w przypadku spadku kursu rynkowego ujemne przyrosty są coraz mniejsze i tym
samym negatywna wycena transakcji pogłębia się relatywnie w mniejszym zakresie.
2. Mitygowanie ryzyka przedrozliczeniowego
z wykorzystaniem limitów skarbowych
Instytucja finansowa, z którą uzgadniana jest struktura zabezpieczająca (najczęściej bank), ogranicza ryzyko przedrozliczeniowe (związane ze zmianą
wartości danej transakcji wskutek fluktuacji kursu rynkowego w okresie od
daty zawarcia do daty zapadalności kontraktu) najczęściej poprzez przydzielanie tzw. limitów skarbowych13. Wielkość limitu skarbowego oszacowana
jest na podstawie deklaracji danego podmiotu w zakresie przewidywanych
obrotów walutowych oraz rodzaju i tenoru (okresu trwania) planowanych
transakcji zabezpieczających. Z kolei samo zabezpieczenie limitów skarbowych w relacjach z przedsiębiorstwami niefinansowymi ustalane jest przez
pryzmat ich zdolności kredytowej (najczęściej w zakresie finansowania obrotowego) w procesie aplikacji kredytowej. Stąd rodzaj zabezpieczenia dla
limitu skarbowego zbliżony jest do zabezpieczenia ustanowionego dla produktów finansowania obrotowego (w ostateczności wymagane jest wniesienie środków pieniężnych w postaci kaucji).
W momencie zawarcia transakcji osłonowej oszacowane zostaje ryzyko
związane z danym kontraktem, które znajduje odzwierciedlenie w odpowiednim wykorzystaniu przydzielonego limitu skarbowego (LS)14. W tym
kontekście należy zwrócić uwagę, że dwa elementy wpływają na wysokość
obciążenia limitu, a mianowicie: szacowana zmienność do daty zapadalności transakcji oraz jej wycena bieżąca. Pierwszy element zazwyczaj umniejsza wielkość dostępnego LS (z wyjątkiem przeciwstawnie skorelowanych
Szerzej nt ryzyka przedrozliczeniowego oraz rozliczeniowego patrz [Wybieralski
2013a, s. 93]. Kwestia limitów skarbowych regulowana jest przez Uchwałę nr 134/2010 Komisji Nadzoru Finansowego z dnia 5 maja 2010 r. w sprawie wydania Rekomendacji A dotyczącej zarządzania ryzykiem towarzyszącym zawieraniu przez banki transakcji na rynku
instrumentów pochodnych, Dziennik Urzędowy Komisji Nadzoru Finansowego, nr 3, Warszawa 30.06.2010, pozycja 1.6.2.
14
Szerzej nt. szacowania ryzyka przedrozliczeniowego [Wybieralski 2013a, s. 94, 2013b,
s. 89].
13
102
Piotr Wybieralski
pozycji), z kolei wycena bieżąca przyczynia się do zwiększa dostępności
kwoty LS (w przypadku pozytywnej wyceny kontraktu) lub jej zmniejszenia (w przypadku negatywnej wyceny kontraktu). Zawierając transakcję
na rynku pozagiełdowym w ramach limitu skarbowego, należy pamiętać,
że zgodnie z regulaminami transakcji, w sytuacji negatywnej wyceny zawartego kontraktu, przekraczającej wielkość przyznanego limitu skarbowego, bank jest upoważniony do awaryjnego zamknięcia kontraktu, w celu
ograniczenia maksymalnej straty do wysokości ustalonego limitu skarbowego. Rozpoznanie profilu ryzyka instrumentów sztywnych i elastycznych
nabiera więc szczególnego znaczenia w kontekście całego procesu zarzadzania ryzykiem kursowym w firmie. Rozwiązania sztywne (np. kontrakt
forward) oferują zazwyczaj najkorzystniejszą cenę w zabezpieczeniu w porównaniu do rozwiązań elastycznych (np. analizowanej strategii osłonowej
partycypator). Jednak ze względu na możliwość uczestnictwa w pozytywnych zmianach rynkowych, rozwiązania elastyczne charakteryzują się łagodniejszym profilem ryzyka i tym samym wykorzystują mniejsza ilość
przydzielonego limitu skarbowego. Z tego też względu kursy graniczne,
przy których może pojawić się wezwanie do uzupełnienia wymaganego
zabezpieczenia transakcji (lub konieczność awaryjnego jej zamknięcia), są
oddalone w rozwiązaniach elastycznych od analogicznych w rozwiązaniach
sztywnych (przy takiej samej kwocie ekspozycji walutowej w osłonie). Alternatywnie dzięki swej konstrukcji (i łagodniejszemu profilowi ryzyka) udaje
się w produktach elastycznych zabezpieczyć większą ekspozycję walutową
w porównaniu do rozwiązań sztywnych przy zadanej kwocie dostępnego
limitu skarbowego. W sposób istotny determinują one zatem cały proces
zarządzania ryzykiem w przedsiębiorstwie.
3. Wykorzystanie elastycznej strategii osłonowej
partycypator oraz kontraktu forward w celu zabezpieczenia
otwartej pozycji walutowej eksportera
Rozpatrywana jest otwarta w dniu 18.07.2014 roku długa pozycja walutowa (eksportera) wskutek zrealizowania sprzedaży zagranicznej na zasadach kredytu kupieckiego. Planuje się, że środki od kontrahenta w kwocie
1 mln EUR wpłyną na rachunek firmy po upływie jednego miesiąca w dniu
22.08.2014 roku. Firma, dysponując przydzielonym limitem skarbowym
w kwocie 210 tys. PLN, rozważa zawarcie kontraktu forward (pozycja krótka) z kursem terminowym na poziomie 4,1556 lub strategii partycypa-
tor w wariantach 50-procentowym oraz 80-procentowym zakresem uczestnictwa w pozytywnych zmianach na rynku z minimalnym gwarantowanym
kursem wymiany odpowiednio na poziomie 4,1359 oraz 4,108815.
Biorąc pod uwagę kryterium kursu efektywnego w osłonie, należy zauważyć, że wyjściowy jego poziom jest najbardziej atrakcyjny w przypadku rozwiązań nieelastycznych (tabela 1). Kurs zabezpieczenia w przypadku
transakcji forward jest prawie o 0,5% korzystniejszy od startegii „partycypator 50%” oraz o ponad 1,14% korzystniejszy od minimalnego kursu
w strukturze „partycypator 80%”. Stosunkowo niewielka różnica wynika
z krótkiego okresu osłony (1 miesiąc). W przypadku transakcji z bardziej
odległym terminem rozliczenia różnice cenowe byłyby większe (na korzyść
kursu w transakcji forward). Niemniej jednak w przypadku wzrostu kursu
rynkowego EUR/PLN w strategiach elastycznych efektywny kurs przewalutowania ulega podwyższeniu w zależności od stopnia partycypacji w rynku. Jeżeli w dacie zapadlaności kurs rynkowy EUR/PLN ukształtuje się
na poziomie 4,5000, wówczas wymiana w kontrakcie forward nastąpi po
ustalonej cenie 4,1556 natomiast w strategii „partycypator 50%” po 4,3180,
a w strukturze „partycypator 80%” po 4,4218.
Tabela 1. Kurs efektywny w analizowanych transakcjach osłonowych
Kurs
rynkowy
3,0000
4,0000
4,5000
5,0000
kontrakt forward
4,1556
4,1556
4,1556
4,1556
4,1556
Kurs efektywny
partycypator 50%
4,1359
4,1359
4,1359
4,3180
4,5680
partycypator 80%
4,1088
4,1088
4,1088
4,4218
4,8218
W momencie zawierania transakcji forward następuje oszacowanie
wartości ryzykowanej (VaR) na podstawie iloczynu kwoty transakcji oraz
tzw. wagi ryzyka odzwierciedlającej zmienność rynkową w horyzoncie trwania transakcji [Wybieralski 2013a, s. 96]. W tym przypadku ryzyko zostało
ustalone na poziomie 207 tys. PLN (kwota transakcji forward 1 mln EUR
× 5% [zakładana waga ryzyka na 1M na rynku EUR/PLN] × 4,1468 [kurs
spot]). Natomiast dla strategii partycypacyjnej z zakresem 50% ryzyko skalkulowane zostało na poziomie 62 tys. PLN poprzez iloczyn kwoty wysta15
Wycena dokonana 18 lipca 2014 przy kursie spot 4,1468 z wykorzystaniem kalkulatora opcyjnego i założeniem zerowej marży banku.
104
Piotr Wybieralski
wionej opcji (w tym przypadku call z nominałem o połowę niższym od
zakupionej opcji put), jej delty oraz wagi ryzyka (500T EUR × 0,60 [delta opcji call] × 5% × 4,1468 [kurs spot]). Dla wariantu z 80% stopniem
partycypacji ryzyko oszacowane zostało na poziomie 31 tys. PLN, poprzez
kalkulację kwoty wystawionej opcji (200T EUR), jej delty (0,75) oraz wagi
ryzyka (200T EUR × 0,75 × 5% × 4,1468, tabela 2).
Przy założeniu dostępności LS na poziomie 210 tys. PLN zawarcie
transakcji osłonowej zmniejsza jego wielkość, tym samym ogranicza możliwość otwierania dodatkowej ekspozycji na rynku walutowym. Przy czym
wykorzystanie LS w momencie zawarcia transakcji jest największe w przypadku rozwiązań sztywnych, a najmniejsze w przypadku elastycznych.
Limit skarbowy jest zatem wykorzystany w 99% w przypadku zawarcia
kontraktu forward, w 30% w przypadku strategii „partycypator 50%” oraz
w 15% w strukturze „partycypator 80%”. Jeśli wykorzysta się rozwiązania
elastyczne, istnieje możliwość otwarcia zdecydowanie większej kwoty ekspozycji w walucie obcej w transakcji osłonowej przy zadanym poziomie
LS. W „partycypatorze 50%” maksymalny wolumen ekspozycji walutowej
w horyzoncie jednego miesiąca może być 3-krotnie wyższy niż w kontrakcie forward, natomiast w „patycypatorze 80%” ponad 6-krotnie w ramach
tego samego poziomu LS.
Tabela 2. Szacowanie ryzyka oraz wykorzystanie limitu skarbowego (LS) w momencie zawarcia transakcji
Instrument
Kontrakt forward
„Partycypator 50%”
„Partycypator 80%”
Kurs
Składowe
4,1556 Nd.
Long put 1 mln EUR oraz
4,1359 short call 0,5 mln EUR
(delta 0,60)
Long put 1 mln EUR oraz
4,1088 short call 0,2 mln EUR
(delta 0,75)
VaR
Wykorzystanie
LS
207 tys. PLN
99%
62 tys. PLN
30%
31 tys. PLN
15%
Po zawarciu transakcji zarówno w przypadku kontraktu forward, jak
i strategii opcyjnych wykorzystanie limitu skarbowego uwzględnia nie tylko estymację ryzyka (za pomocą metody VaR), lecz również wycenę bieżącą zawartej transakcji, która kształtuje się zgodnie z przedstawionymi
profilami (rysunek 3A–C). W przypadku deprecjacji PLN ujemna wycena
produktów o charakterze elastycznym pogłębia się w sposób łagodniejszy
Rysunek 3 A. Profil ryzyka transakcji
forward z kursem terminowym 4,1556
Rysunek 3 B. Profil ryzyka transakcji
„partycypator 50%” z kursem gwarantowanym 4,1359
Rysunek 3 C. Profil ryzyka transakcji
„partycypator 80%” z kursem gwarantowanym 4,1088
Opracowanie własne z wykorzystaniem kalkulatora
opcyjnego
3,9809
–4,00%
165 tys.
PLN
3,8980
–6,00%
248 tys.
PLN
82 tys.
PLN
–2,00%
4,0639
0
PLN
0,00%
4,1468
– 82 tys.
PLN
+2,00%
4,2297
– 165 tys.
PLN
+4,00%
4,3127
– 210 tys.
PLN
+5,06%
4,3568
–248 tys.
PLN
+6,00%
4,3956
[106]
3,9809
–4,00%
147 tys.
PLN
3,8980
–6,00%
229 tys.
PLN
67 tys.
PLN
–2,00%
4,0639
0
PLN
0,00%
4,1468
– 49 tys.
PLN
+2,00%
4,2297
– 92 tys.
PLN
+4,00%
4,3127
–133 tys.
PLN
+6,00%
4,3956
–175 tys.
PLN
+8,00%
4,4785
3,9809
–4,00%
121 tys.
PLN
3,8980
–6,00%
203 tys.
PLN
46 tys.
PLN
–2,00%
4,0639
0
PLN
0,00%
4,1468
Opracowanie własne z wykorzystaniem kalkulatora opcyjnego.
Kurs spot
Zmiana
kursu spot
Wycena
rynkowa
– 24 tys.
PLN
+2,00%
4,2297
– 41 tys.
PLN
+4,00%
4,3127
–58 tys.
PLN
+6,00%
4,3956
–75 tys.
PLN
+8,00%
4,4785
Tabela 3C. Macierz ryzyka transakcji „partycypator 80%” z kursem gwarantowanym 4,1088
Kurs spot
Zmiana
kursu spot
Wycena
rynkowa
Tabela 3B. Macierz ryzyka transakcji „partycypator 50%” z kursem gwarantowanym 4,1359
Kurs spot
Zmiana
kursu spot
Wycena
rynkowa
Tabela 3A. Macierz ryzyka kontraktu terminowego forward, kurs terminowy 4,1556
–92 tys.
PLN
+10,00%
4,5615
– 210 tys.
PLN
+9,66%
4,5475
–331 tys.
PLN
+8,00%
4,4785
–210 tys.
PLN
+24,24%
5,1517
–217 tys.
PLN
+10,00%
4,5615
–414 tys.
PLN
+10,00%
4,5615
106
Piotr Wybieralski
w porówaniu do transakcji sztywnych (kontraktu forward). Zwiększenie
stopnia partycypacji w elastycznej strukturze osłonowej także przyczynia
się w warunkach wzrostu kursu EUR/PLN do pogłębiania negatywnej wyceny w coraz mniejszym zakresie.
Teoretyczną projekcję wyceny wartości bieżącej kontraktów (do transakcji odwrotnej na pierwotny termin rozliczenia) wskutek fluktuacji kursu
spot tuż po zawarciu transakcji zaprezentowano w macierzy ryzyka (tabela
3A–C).
Wraz ze wzrostem kursu EUR/PLN negatywna wycena kontraktu forward pogłębia się w największym zakresie, natomiast ujemna wycena rozwiązań elastycznych w zdecydowanie mniejszym. Omawiane zależności są
szczególnie istotne z perspektywy wymogów w zakresie kwoty zabezpieczenia transakcji terminowej w trakcie jej trwania w ramach przydzielonego
limitu skarbowego. W tym kontekście szczególnego znaczenia nabiera kwestia rozpoznania poziomów kursów granicznych, przy których negatywna
wycena kontraktów przekroczy wielkość przydzielonego LS. Należy zauważyć, że w przypadku rozwiązań sztywnych ta granica jest zdecydowanie bliżej usytuowana niż w przypadku produktów elastycznych. W anlizowanym
przypadku kurs graniczny dla kontraktu forward jest w granicy 4,3568, czyli
nieco ponad 5% powyżej aktualnego kursu spot. Wówczas bieżąca wycena
rynkowa przekroczy 210 tys. PLN, co skutkuje koniecznością zwiększenia
kwoty zabezpieczenia wymaganego (najcześciej w formie kaucji) lub awaryjnym zamknięciem transakcji i obciążaniem rachunku bieżącego kwotą
negatywnych różnic kursowych. W przypadku strategii „partycypator 50%”
kurs graniczny znajduje się w okolicy 4,5475 (prawie 10% powyżej aktualnego kursu spot), natomiast stuktury „partycypator 80%” kurs graniczny
znajduje się w pobliżu 5,1517 (ponad 24% powyżej aktualnego kursu spot)16.
Zakończenie
Zarządzanie transakcyjnym ryzykiem kursowym z wykorzystaniem derywatów walutowych wymusza nierzadko dokonywanie selekcji odpowiedniego instrumentarium osłonowego, uwzględniając z jednej strony ustalone
przesłanki działalności zabezpieczającej, z drugiej – możliwości finansowe
danego podmiotu przejawiające się m.in. w zakresie dostępnych kwot limi16
Kalkulacja orientacyjna po zawarciu transakcji, uwzględniająca zmianę kursu spot,
punktów swapowych oraz zmienności opcji.
108
Piotr Wybieralski
tów skarbowych na rynku pozagiełdowym. W takim kontekście istotnego
znaczenia nabiera dokładne rozpoznanie poszczególnych instrumentów pochodnych w odniesieniu do profilu ich ryzyka. Wyróżniając instrumenty finansowe na podstawie kryterium możliwego uczestnictwa w pozytywnych
zmianach rynkowych, należy zwrócić szczególną uwagę na produkty o charakterze elastycznym oraz sztywnym, wskazując jednocześnie, iż produkty
nieelastyczne wymagają relatywnie większych kwot niezbędnych zabezpieczeń.
W niniejszym opracowaniu porównano dwie transakcje osłonowe przed
ryzykiem kursowym, a mianowicie klasyczny kontrakt forward oraz strategię partycypacyjną pod kątem poziomu efektywnego kursu zabezpieczenia,
profilu ryzyka, stopnia wykorzystania zabezpieczenia (w postaci przedrozliczeniowego limitu skarbowego), jak również maksymalnej kwoty ekspozycji w osłonie oraz poziomów kursów granicznych, przy których transakcja
może być awaryjnie zamknięta. Zwrócono uwagę, iż poziom gwarantowanego kursu wymiany w transakcji elastycznej z pewnością będzie gorszy
od poziomu kursu terminowego w kontrakcie forward, niemniej jednak
w przypadku pozytywnych zmian rynkowych efektywny kurs wymiany
ulegnie polepszeniu w strategii elastycznej w zakresie odpowiednio uzależnionym od stopnia partycypacji. W przypadku kontraktu forward kurs nie
ulega zmianie. Ze względu na funkcjonalność w zakresie uczestnictwa w pozytywnych zmianach na rynku rozwiązania elastyczne cechuje łagodniejszy
profil ryzyka skutkujący mniejszymi wymogami w zakresie zabezpieczenia
transakcji. Zatem poziom wymaganego zabezpieczenia w ramach limitu
skarbowego dla tej samej kwoty ekspozycji walutowej w transakcji osłonowej będzie zdecydowanie mniejszy w przypadku rozwiązań elastycznych
w porównaniu do sztywnych. Wskazano, że wraz ze zwiększeniem stopnia
partycypacji zmniejsza się zapotrzebowanie na kwotę zabezpieczenia samego kontraktu. Funkcjonalność ta może zostać wykorzystana w dwóch istotnych aspektach. W warunkach ograniczonych wolumenów przyznanych
limitów skarbowych rozwiązania elastyczne umożliwiają zabezpieczenie
większej ekspozycji w porównaniu do rozwiązań sztywnych. Zatem planując zawarcie kilku transakcji w danym okresie warto przeanalizować możliwości finansowe uwzględniając właśnie kwotę przyznanego limitu skarbowego oraz dostępne instrumentarium osłonowe. Z kolei w drugim aspekcie
zwraca się uwagę na określenie poziomu kursów granicznych, przy których
następuje konieczność zwiększenia wymaganego zabezpieczenia transakcji lub awaryjnego jej zamknięcia, skutkującego koniecznością rozliczenia
negatywnych różnic kursowych, co w przypadku problemów płatniczych
może zdecydowanie pogorszyć sytuację finansową firmy. W przypadku rozwiązań elastycznych przedmiotowe kursy graniczne są zazwyczaj bardziej
oddalone (są bezpieczniejsze) od analogicznych w transakcjach sztywnych
(w przypadku zabezpieczenia tej samej kwoty ekspozycji w walucie obcej).
Ze względu na istotne cechy rozwiązań elastycznych należy zwrócić na
nie szczególną uwagę w procesie zarządzania ryzykiem kursowym w warunkach podwyższonej zmienności rynkowej, przede wszystkim w okresach
kryzysowych. W takich okolicznościach zdecydowanie trudniej dokonuje
się estymacji oraz wyceny ryzyka rynkowego. Natomiast wielkość przydzielonego limitu skarbowego jest zazwyczaj niezmienna w danym okresie,
a proces jego podwyższania zwykle długotrwały i uzależniony między innymi od zdolności kredytowej danego podmiotu oraz aktualnych możliwości
samej instytucji finansowej. W takich warunkach przeprowadzenie analizy
scenariuszowej w poszukiwaniu poziomów kursów granicznych nabiera
kluczowego znaczenia w kontekście przygotowania się na różne działania
dostosowawcze uwzględniające m.in. zorganizowanie dodatkowych środków pieniężnych na zwiększenie poziomu wymaganego zabezpieczenia
kontraktów, modyfikację kwot ekspozycji w transakcjach osłonowych, jak
również dopasowanie instrumentarium zabezpieczającego. W takim kontekście warto przyjrzeć się rozmaitym rozwiązaniom o charakterze elastycznym, których zastosowanie nabiera wówczas szczególnego znaczenia.
Bibliografia
Czerwiński, M., 2000, Nowoczesne metody zarządzania ryzykiem finansowym, Departament Rynków Finansowych BRE Bank S.A.
Ernst & Young, 2013, Efektywne zarządzanie ryzykiem rynkowym w przedsiębiorstwie, materiały pokonferencyjne Poznań 15 maja 2013 r.
Jajuga, T., Jajuga, K., 2006, Inwestycje, Wydawnictwo Naukowe PWN, Warszawa.
Jajuga, K., 2007, Zarządzanie ryzykiem, Wydawnictwo Naukowe PWN, Warszawa.
Kalinowski, M., 2007, Zarządzanie ryzykiem walutowym w przedsiębiorstwie, CeDeWu, Warszawa.
Najlepszy, E., 2001, Zarządzanie finansami międzynarodowymi, Zadania z rozwiązaniami T1, PWE, Warszawa.
Najlepszy, E., 2007, Finanse międzynarodowe przedsiębiorstw, PWE, Warszawa.
Okoń, S., Matłoka, M., Kaszkowiak, A., 2009, Zarządzanie ryzykiem walutowym,
Helion, Gliwice.
110
Piotr Wybieralski
Rekomendacja A dotycząca zarządzania ryzykiem towarzyszącym zawieraniu przez
banki transakcji na rynku instrumentów pochodnych, KNF, Warszawa 2010
Tymoczko, I., 2009, Sposoby zabezpieczania się polskich przedsiębiorstw niefinansowych przed ryzykiem kursowym, Bank i Kredyt, nr 40(3), s. 71–92.
Wybieralski, P., 2008 Zastosowanie opcji barierowych w wybranych instrumentach
zabezpieczających ryzyko kursowe, w: Sławińska, M. (red.), Inwestycje i finanse,
Wydawnictwo Akademii Ekonomicznej w Poznaniu, Poznań 2008, s. 44–53.
Wybieralski, P., 2013a, Ekwiwalent ryzyka kredytowego jako syntetyczna miara ryzyka przedrozliczeniowego derywatów walutowych na rynku pozagiełdowym,
w: Bartosik-Purgat, M., Schroeder, J. (red.), Trendy rozwojowe w gospodarce
światowej, Wydawnictwo Uniwersytetu Ekonomicznego w Poznaniu, Poznań
2013, s. 93–103.
Wybieralski, P., 2013b, Wykorzystanie metody Value at Risk (VaR) w procesie zarządzania ryzykiem kursowym z zastosowaniem derywatów walutowych na rynku
pozagiełdowym (OTC), w: Łuczyński, W. (red.), Wybrane problemy nauki, ekonomii, finansów i bankowości, Wydawnictwo Uczelniane Państwowej Wyższej
Szkoły Zawodowej im. Prezydenta Stanisława Wojciechowskiego w Kaliszu, Kalisz, s. 87–99.
Wybieralski, P., 2014, Transakcyjne ryzyko kursowe a cele działalności osłonowej
przedsiębiorstw niefinansowych, Zeszyt Naukowy Uniwersytetu Szczecińskiego, nr 802, Finanse, Rynki Finansowe, Ubezpieczenia – Zarządzanie finansami
w przedsiębiorstwach i jednostkach samorządu terytorialnego, Wydawnictwo
Naukowe Uniwersytetu Szczecińskiego, s. 783–790.
Zając, J., 2002, Polski rynek walutowy w praktyce, K.E.LIBER, Warszawa.
2015, vol. 3, no. 9
DOI: 10.18559/SOEP.2015.9.6
RECENZJE I REKOMENDACJE
Ryszard Kata, Magdalena Cyrek,
Małgorzata Wosiek, Tomasz Potocki,
Władysława Jastrzębska, Strefa euro.
Między sceptycyzmem a realizmem, Wydawnictwo CeDeWu Sp. z o.o. na zlecenie
Uniwersytetu Rzeszowskiego, Warszawa
2015, ss. 210, ISBN 978-83-7556-744-1
W 2015 roku, w ramach programu edukacji ekonomicznej i pro
jek
tu VI edycji studiów podyplomowych
„Mechanizmy funkcjonowania strefy
euro” realizowanego przez pracowników Wydziału Ekonomii Uniwersytetu
Rzeszowskiego we współpracy z Narodowym Bankiem Polskim, ukazała się
monografia pięciu autorów opatrzona
tytułem: Strefa euro. Między sceptycyzmem a realizmem. W jej obrębie, oprócz
wprowadzenia i zakończenia zawierającego syntetyczne wnioski oraz rekomendacje wypływające z przeprowadzonych
badań, znalazło się pięć rozdziałów obejmujących analizę wybranych problemów i wyzwań stojących zarówno przed
krajami tworzącymi obecnie Unię Gospodarczą i Walutową, jak i państwami,
które stoją przed koniecznością wyboru
optymalnej ścieżki integracji ze strefą
euro, w tym Polską. Całość wzbogaca
słowniczek starannie dobranych i zin-
terpretowanych pojęć, co ze względu na
część adresatów tej książki, czyli studentów, praktyków gospodarczych, polityków i pracowników administracji, jest
niewątpliwym jej atutem.
Jak bardzo trafnie podkreślił recenzent rekomendowanej monografii prof.
zw. dr hab. Krzysztof Opolski, „autorzy
ukazują w niej blaski i cienie procesu
integracji walutowej, a ich obiektywna
analiza, opierająca się na rzetelnie zgromadzonym i opracowanym materiale
statystyczno-dokumentowym, dostarcza argumentów zarówno eurosceptykom, jak i euroentuzjastom”.
Jakkolwiek więc plon wydawniczy
związany z podjętą przez autorów problematyką jest wyjątkowo obfity, to już
przytoczone argumenty przemawiają za
rekomendacją tej książki.
Polecam ją z jeszcze kilku ważnych,
jak sądzę, powodów, przede wszystkim
dlatego, że:
–– jest wielopłaszczyznowym ujęciem
pozwalającym czytelnikom nie tylko lepiej zrozumieć mechanizmy
i wyzwania stojące przed strefą euro,
ale także poznać problemy związane
z przygotowaniem do procesu integracji walutowej, niezależnie od terminu ewentualnej akcesji Polski do
tych struktur;
112
Recenzje i rekomendacje
–– ukazuje zarówno aspekty gospodarcze, jak i społeczne integracji
gospodarczo-walutowej, jej uwarunkowania i konsekwencje traktowane
jako wyzwania dla przedsiębiorstw,
instytucji finansowych, władz i administracji samorządowej, a nawet
gospodarstw domowych;
–– autorzy odważnie, nie stroniąc od
własnych przemyśleń, ale i z dużą
wnikliwością, podjęli wiele kontrowersyjnych kwestii, sądów i opinii
stanowiących podstawę bogatych
oraz trafnie sformułowanych wniosków i postulatów;
–– książka jest źródłem inspiracji skłaniających do różnej natury przemyśleń oraz refleksji.
Takie podejście znalazło odbicie
w logicznej strukturze książki, zredagowanej na podstawie bogatych i wnikliwie przeanalizowanych materiałów oraz
właściwie dobranej i wykorzystanej literatury przedmiotu, zarówno krajowej,
jak i zagranicznej.
W rozdziale I, autorstwa Ryszarda
Katy, pt.: Polityka fiskalna UE wobec kryzysu zadłużenia krajów strefy euro ukazane zostały trudne wyzwania związane
z utworzeniem budżetu centralnego UE,
wyrażające się m.in. w konieczności
ustanowienia unii politycznej, związanej
z kolei ze zgodą na: zmniejszenie suwerenności, przejęcie ryzyka za zobowiązania innych członków UGW powstałe
w drodze emisji euroobligacji, utworzenie instytucji zarządzającej budżetem
i ustanowienie skutecznej demokratycznej kontroli nad nią. Autor słusznie
zatem podkreśla, że podstawowym warunkiem pogłębienia integracji fiskalnej
w strefie euro jest wzmocnienie integra-
cji politycznej, w szczególności uniknięcie możliwej utraty konkurencyjności
krajów peryferyjnych.
Rozdział II pt.: Wpływ kryzysu na
zmiany społeczno-ekonomiczne w krajach UE o odmiennym zaawansowaniu
integracji walutowej, napisany przez
Magdalenę Cyrek, ukazuje na podstawie bogatych analiz statystycznych niski poziom konwergencji gospodarczej
i społecznej w ramach strefy euro oraz
wyraźne zróżnicowanie reakcji kryzysowych w pozostałych krajach UE,
uwarunkowane odmiennymi przesłankami pozostawania poza UGW, przede
wszystkim widoczną heterogenicznością gospodarczą krajów strefy euro.
W rozdziale III pt.: Realna konwergencja krajów UE – wyzwania dla pogłębiania procesów integracji Małgorzata
Wosiek koncentruje się na problemach
konwergencji dochodowej i technologicznej wybranych 18 krajów UE w latach 1995–2013, ukazując m.in.: słabnącą dynamikę procesu konwergencji
technologicznej w krajach Europy Środkowo-Wschodniej, związaną głównie
z mechanizmami modernizacji technologicznej opartej na imporcie technologii i dyfuzji innowacji przynoszącymi
wprawdzie efekty krótko- i średnioterminowe, lecz niedającymi gwarancji
kontynuacji procesu w długim okresie.
Autorka przekonująco argumentuje,
że – niezależnie od zdynamizowania
konwergencji dochodowej w tych krajach – wygasające tempo konwergencji
technologicznej rodzi zagrożenie procesu pełnej integracji europejskiej. To
z kolei przemawia za niespiesznym podążaniem Polski w kierunku integracji
walutowej, lecz w takim tempie, aby
Recenzje i rekomendacje113
zniwelować znamiona asymetryczności
procesu integracji europejskiej.
Rozdział IV pt. Wpływ kryzysu finansowego na poziom rozwoju systemu finansowego w Polsce na tle strefy euro i wybranych krajów świata, autorstwa Tomasza
Potockiego, zawiera wieloaspektowe analizy podstawowych mierników rozwoju systemu finansowego w Polsce na
tle wybranych gospodarek UE i świata
i w ten sposób ukazuje ważny problem,
mianowicie znaczenie i wpływ rozwoju
rynków finansowych oraz oferowanych
usług na podejmowane decyzje finansowe gospodarstw domowych. W opinii Autora, choć Polska systematycznie
odrabia dystans mierzony poziomem
rozwoju finansowego w ujęciu jednowymiarowym (wskaźnik relacji między kredytami prywatnymi a wartością PKB), to
jednak jej luka rozwojowa jest nadal wyraźna, a dalsze jej redukowanie wiąże się
z wieloma niebezpieczeństwami związanymi z trafnością indywidualnych decyzji konsumentów i z brakiem ich odpowiedniej edukacji finansowej, zwłaszcza
w warunkach tzw. finansjalizacji, czyli
wpływu instytucji finansowych na rozwój makrogospodarczy, instytucjonalny
i indywidualny w obszarze gospodarstwa domowego.
W rozdziale V pt.: Aktualne wyzwania dla polityki pieniężnej Europejskiego Banku Centralnego a dylematy
akcesji Polski do strefy euro Władysława
Jastrzębska formułuje tezę, że kryzys
finansowy przeniesiony na obszar europejskiej unii walutowej podważył stabilność wspólnego obszaru walutowego
oraz wpłynął na pojawienie się kryzysu
zadłużenia tzw. krajów peryferyjnych.
Autorka słusznie podkreśla, że takie
kraje, jak m.in.: Grecja, Portugalia, Hiszpania czy inne kraje Europy Środkowo-Wschodniej po przystąpieniu do strefy
euro nadmiernie korzystały z taniego
pieniądza, co wprawdzie początkowo
dało pozytywne impulsy gospodarcze,
ale w konsekwencji przyczyniło się do
załamania gospodarczego. W tym kontekście trafnie nawiązuje do polskich
realiów oraz do – jej zdaniem – niewątpliwie przesadzonych, eksponowanych
w niektórych publikacjach, kosztów pozostawania przez Polskę poza strefą
euro i unią bankową polegających na
postrzeganiu jej przez członków strefy
w roli państwa mniej znaczącego i niebiorącego udziału w rozstrzyganiu ważnych problemów gospodarczych UE.
Rozdział kończy wymowne pytanie: Czy
ucieczka z drugiego kręgu integracyjnego nie stałaby się krokiem w przepaść?
Ten, z konieczności, dość ogólny
przegląd głównych problemów monografii ukazuje jej interdyscyplinarny
charakter oraz niewątpliwe walory poznawcze i praktyczne.
Godzi się podkreślić, że treść książki,
zakres i sposób prezentowanych w niej
zagadnień doskonale wpisują się w aktualną debatę, gdy wyzwania stojące przed
Polską stały się przedmiotem wielu niezależnych raportów, analiz i polemik
w środowisku naukowym, politycznym
oraz publicystycznym, gdy z wielką troską i obawami wypowiedziało się już
tyle autorytetów.
Małgorzata Słodowa-Hełpa
Uniwersytet Ekonomiczny w Poznaniu
Katedra Makroekonomii i Badań nad Rozwojem

numer 9/2015 - studia oeconomica posnaniensia

Transkrypt

Podobne dokumenty

psychologiczne polskie

Formularz Diagnostyczny Organizacji Osobowości PODF

Slajd 1

Osobowość – ujęcie systematyczne.

Przeczytaj całość!

Workshop Conference on Personality Disorders

Lider zespołu PR DATA - Związek Firm Public Relations

Łukasz Dominik Kaczmarek - Instytut Psychologii