numer 9/2015 - studia oeconomica posnaniensia
Transkrypt
numer 9/2015 - studia oeconomica posnaniensia
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 Wiesław Łuczyński 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 STUDIA OECONOMICA POSNANIENSIA 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 Wiesław Łuczyński STUDIA OECONOMICA POSNANIENSIA 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]. Metody prognozowania kryzysów zadłużenia: przegląd literatury9 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 Metody prognozowania kryzysów zadłużenia: przegląd literatury11 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), 4) realny wzrost PKB, 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- Metody prognozowania kryzysów zadłużenia: przegląd literatury13 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. Metody prognozowania kryzysów zadłużenia: przegląd literatury15 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), 4) realny wzrost PKB, 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- Metody prognozowania kryzysów zadłużenia: przegląd literatury17 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. STUDIA OECONOMICA POSNANIENSIA 2015, vol. 3, no. 9 DOI: 10.18559/SOEP.2015.9.2 Wiesław Łuczyński 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 Wiesław Łuczyński 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 Wiesław Łuczyński 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) = Zastosowanie analizy widma wzajemnego w badaniu dynamiki indeksu23 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 Wiesław Łuczyński 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 Zastosowanie analizy widma wzajemnego w badaniu dynamiki indeksu25 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 Wiesław Łuczyński 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: Zastosowanie analizy widma wzajemnego w badaniu dynamiki indeksu27 ? 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 Wiesław Łuczyński 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) Zastosowanie analizy widma wzajemnego w badaniu dynamiki indeksu29 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 Wiesław Łuczyński 2,5 2 1,5 1 0,5 0 7. 2 1,5 1 0,5 0 [30] Zastosowanie analizy widma wzajemnego w badaniu dynamiki indeksu31 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 Wiesław Łuczyński 1,5 1 0,5 0 13. 4 3 2 1 0 [32] Zastosowanie analizy widma wzajemnego w badaniu dynamiki indeksu33 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 Wiesław Łuczyński 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] Zastosowanie analizy widma wzajemnego w badaniu dynamiki indeksu35 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 Wiesław Łuczyński 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 Zastosowanie analizy widma wzajemnego w badaniu dynamiki indeksu37 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 Wiesław Łuczyński 25. 26. [38] Zastosowanie analizy widma wzajemnego w badaniu dynamiki indeksu39 27. 28. [39] 40 Wiesław Łuczyński 29. 30. [40] Zastosowanie analizy widma wzajemnego w badaniu dynamiki indeksu41 31. 32. [41] 42 Wiesław Łuczyński 33. 34. [42] Zastosowanie analizy widma wzajemnego w badaniu dynamiki indeksu43 35. 36. Rysunek 25–36. Gęstości kospektralne DAX (zmienna zależna) oraz zmiennych niezależnych (dane miesięczne styczeń 1969 – marzec 2014) [43] 44 Wiesław Łuczyński 37. 38. Rysunek 37–38. Gęstości kwadraturowe DAX (zmienna zależna) oraz dynamiki eksportu i importu Niemiec (dane miesięczne styczeń 1969 – marzec 2014) [44] Zastosowanie analizy widma wzajemnego w badaniu dynamiki indeksu45 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 Wiesław Łuczyński 41. 42. Rysunek 41–42. Amplituda mieszana DAX (zmienna zależna) oraz eksportu i importu Niemiec (dane miesięczne styczeń 1969 – marzec 2014) [46] Zastosowanie analizy widma wzajemnego w badaniu dynamiki indeksu47 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 Wiesław Łuczyński 45. 46. Rysunek 45–46 Widmo fazowe DAX (zmienna zależna) oraz dynamiki exportu i importu w Niemczech (dane miesięczne styczeń 1969 – marzec 2014) [48] Zastosowanie analizy widma wzajemnego w badaniu dynamiki indeksu49 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 Wiesław Łuczyński 49. 50. Rysunek 49–50 Wzmocnienie DAX względem bezrobocia (wykres 49) i bezrobocia względem DAX (wykres 50) [50] Zastosowanie analizy widma wzajemnego w badaniu dynamiki indeksu51 51. 52. Rysunek 51–52. Wzmocnienie DAX względem cen dóbr przemysłowych (wykres 51) i cen dóbr przemysłowych względem DAX (wykres 52) [51] 52 Wiesław Łuczyński 53. 54. Rysunek 53–54. Wzmocnienie DAX względem produkcji energii elektrycznej (wykres 53) i produkcji energii elektrycznej względem DAX (wykres 54) [52] Zastosowanie analizy widma wzajemnego w badaniu dynamiki indeksu53 55. 56. Rysunek 55–56. Wzmocnienie DAX względem produkcji cementu (wykres 55) i produkcji cementu względem DAX (wykres 56) [53] 54 Wiesław Łuczyński 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]. Zastosowanie analizy widma wzajemnego w badaniu dynamiki indeksu55 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 Wiesław Łuczyński 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. STUDIA OECONOMICA POSNANIENSIA 2015, vol. 3, no. 9 DOI: 10.18559/SOEP.2015.9.3 Konrad Sobański Uniwersytet Ekonomiczny w Poznaniu, Wydział Gospodarki Międzynarodowej, Katedra Finansów Międzynarodowych [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 Internacjonalizacja finansowa gospodarek Europy Środkowo-Wschodniej61 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% aktywa i pasywa zagraniczne (oś lewa) pozycja międzynarodowa netto (oś prawa) –54,9% –57,1% –61,7% –50% –60% –61,3% 2003 2004 2005 2006 2007 2008 2009 2010 2011 2012 2013 –70% Internacjonalizacja finansowa gospodarek Europy Środkowo-Wschodniej63 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% aktywa i pasywa zagraniczne (oś lewa) 0% –40% –60% 405,0% –74,9% 300% 562,8% –20% –120% pozycja międzynarodowa netto (oś prawa) –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% aktywa i pasywa zagraniczne (oś lewa) pozycja międzynarodowa netto (oś prawa) –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 Internacjonalizacja finansowa gospodarek Europy Środkowo-Wschodniej65 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. Internacjonalizacja finansowa gospodarek Europy Środkowo-Wschodniej67 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 . Unia Europejska (27), w tym: Wielka Brytania Holandia Luxemburg Austria nowi członkowie UE (12) 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 Europa poza UE i EFTA, w tym: 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 Internacjonalizacja finansowa gospodarek Europy Środkowo-Wschodniej69 Tabela 3. Geograficzna struktura zagranicznych inwestycji portfelowych w papiery udziałowe w krajach EŚW w połowie 2013 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 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 %) Region/kraj pochodzenia inwestora 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 nowi członkowie UE (12) 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 Europa poza UE i EFTA, w tym: 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 Unia Europejska (27), w tym: 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. Internacjonalizacja finansowa gospodarek Europy Środkowo-Wschodniej71 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 %) Region/kraj pochodzenia inwestora 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 Internacjonalizacja finansowa gospodarek Europy Środkowo-Wschodniej73 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]. STUDIA OECONOMICA POSNANIENSIA 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 Personality distance and economic activity79 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]. Personality distance and economic activity81 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 Mean personality distance 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 Personality distance and economic activity83 cont. Table 1 Country China Brazil Malaysia Hong Kong United Kingdom France Malta Argentina Australia Estonia Turkey Russia Mean Median Standard deviation Mean personality distance 3.196 3.182 3.137 3.119 3.048 2.937 2.908 2.886 2.866 2.820 2.785 2.756 Mean personality distance 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 per capita in country 1 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 Personality distance and economic activity85 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] Personality distance and economic activity87 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 GDP per capita in country 1 GDP per capita 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. *** Significant coefficient at the 10% level. *** Significant coefficient at the 5% level. *** Significant coefficient at the 1% level. 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 Personality distance and economic activity89 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- Personality distance and economic activity91 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. Personality distance and economic activity93 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. STUDIA OECONOMICA POSNANIENSIA 2015, vol. 3, no. 9 DOI: 10.18559/SOEP.2015.9.5 Piotr Wybieralski Uniwersytet Ekonomiczny w Poznaniu, Wydział Gospodarki Międzynarodowej, Katedra Finansów Międzynarodowych [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. Partycypacyjna strategia zabezpieczająca przed ryzykiem kursowym97 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). Partycypacyjna strategia zabezpieczająca przed ryzykiem kursowym99 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 Partycypacyjna strategia zabezpieczająca przed ryzykiem kursowym101 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- Partycypacyjna strategia zabezpieczająca przed ryzykiem kursowym103 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 Partycypacyjna strategia zabezpieczająca przed ryzykiem kursowym105 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 Partycypacyjna strategia zabezpieczająca przed ryzykiem kursowym107 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 Partycypacyjna strategia zabezpieczająca przed ryzykiem kursowym109 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. STUDIA OECONOMICA POSNANIENSIA 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