Przejdź do treści
Finanse, Rynki Finansowe, Ubezpieczenia

Wcześniej: Zeszyty Naukowe Uniwersytetu Szczecińskiego. Finanse, Rynki Finansowe, Ubezpieczenia

1/2018 (91)
Google Scholar
Znajdź w Google Scholar (nowa karta)

Związek pomiędzy ryzykiem a efektywnością na polskim rynku funduszy inwestycyjnych akcji według miar z grupy EMC

DOI: 10.18276/frfu.2018.91-30
Cytuj

Pełny tekst jest dostępny

ISSN:2450-7741
eISSN:2300-4460
Autorzy: Monika Mościbrodzka
Uniwersytet Wrocławski
Słowa kluczowe: otwarte fundusze inwestycyjne miary klasyczne ryzyka i efektywności hierarchiczne procedury aglo-meracyjne
Data wydania numeru / monografii:2018
Liczba stron:15 (365-379)
OAI-PMH:Metadane
Klasyfikacja JEL: C38 D53 E44
CC BY-SA Open Access
Kod QR

Abstrakt

Cel – Celem pracy jest zbadanie związku pomiędzy klasycznymi miarami efektywności a ryzykiem funduszy określonym przez alternatywne wskaźniki niepewności jakimi są beta oraz odchylenie stan-dardowe osiąganych stóp zwrotu. Metodologia badania – Badanie to oparto na narzędziach wielowymiarowej analizy porównawczej, ze-stawiając wyniki klasyfikacji funduszy według ryzyka (beta i odchylenie standardowe) oraz efektywno-ści (miary z grupy EMC) i badając zgodność obu podziałów. Wynik – Pokazano, że grupy funduszy podobnych pod względem ryzyka oraz efektywności są grupami jednorodnymi oraz fundusze o podobnym poziomie ryzyka w różnych okresach badawczych osiągały podobne poziomy rentowności Oryginalność/Wartość –Podejście do problemu, wiążące hierarchiczne procedury aglomeracyjne z oce-ną efektywności i badaniem związku ryzyko-efektywność jest rzadko wykorzystywane w tego typu ba-daniach

PDF

Pobierz PDF
Podgląd PDF

Otwórz PDF

Bibliografia (26)
  1. Fama, E.F. (1972). Components of Investment Performance. Journal of Finance, 3, 551–567.
  2. Friend, I., Blume, M. (1970). Measurement of Portfolio Performance under Uncertainty. American Economic Review, 4, 561–575.
  3. Green, P.E., Rao, V.R. (1969). A Note of Proximity Measures and Cluster Analysis. Journal of Marketing Research, 6, 359–364.
  4. Homa, M., Mościbrodzka, M. (2015) Application of multifactorial market-timing models to assess risk and effectiveness of equity-linked insurance funds in Poland. Statistics in Transition, 16, 279–292.
  5. Homa, M., Mościbrodzka, M. (2016a). Application of diagram methods and hierarchical agglomerative procedures to assess the risk of investment funds on the Warsaw Stock Exchange. Nauki o Finansach, 4 (29), 21–34.
  6. Homa, M., Mościbrodzka, M. (2016b). Dynamiczne wersje hybrydowych modeli market timing oraz weryfikacja ich przydatności w ocenie ryzyka i efektywności funduszy inwestycyjnych. Zeszyty Naukowe Uniwersytetu Szczecińskiego. Finanse, Rynki Finansowe, Ubezpieczenia, 1 (79), 73–85.
  7. Israelsen, C.L. (2005). A refinement to the Sharpe ratio and information ratio. Journal of Asset Management, 5, 423–427.
  8. Jensen, M.C. (1968). The Performance of Mutual Funds in Period 1945–1964. Journal of Finance, 5, 389–416.
  9. Karpio, A., Żebrowska-Suchodolska, D. (2015). Badanie stabilności wyników funduszy inwestycyjnych przy użyciu miar efektywności opartych na współczynniku
  10. Sharpe’a. Zeszyty Naukowe Uniwersytetu Szczecińskiego, 862. Finanse, Rynki Finansowe, Ubezpieczenia, 75, 221–231.
  11. Kaufman, L., Rousseeuw, P.J. (1990) Finding Groups in Data: an Introduction to Cluster Analysis. New York: Wiley.
  12. Klemkosky, R.C. (1973). The Bias in Composite Performance Measures. Journal of Financial and Quantitative Analysis, 3, 505–514.
  13. Lintner, J. (1965). The Valuation of Risk Assets and the Selection of Risky Investments in Stock Portfolios and Capital Budgets. Review of Economics and Statistics, 1 (47), 13–37.
  14. Markowitz, H.M. (1952). Portfolio Selection. Journal of Finance, 1 (7), 77–91.
  15. Milligan, G.W., Cooper, M.C. (1985). An examination of procedures for determining the number of clusters in a data set. Psychometrica, 2, 159–179.
  16. Mossin, J. (1969). Security Pricing and Investment Criteria in Competitive Markets. American Economic Review, 5 (59), 749–756.
  17. Panek, T., Zwierzchowski, J. (2013). Statystyczne metody wielowymiarowej analizy porównawczej. Teoria i zastosowania. Warszawa: Oficyna Wydawnicza SGH.
  18. Rand, W.M. (1971). Objective Criteria for the Evaluation of Clustering Methods. Journal of the American Statistical Association, 66, 846–850.
  19. Rousseeuw, P.J. (1987). Silhouettes: a graphical aid to the interpretation and validation of cluster analysis. Journal of Computational and Applied Mathematics, 20, 53–65.
  20. Sharpe, W.F. (1964). Capital Asset Prices: A Theory of Market Equilibrium under Conditions of Risk. Journal of Finance, 19, 425–442.
  21. Sharpe, W.F. (1966). Mutual Fund Performance. Journal of Business, 39, 119–138.
  22. Treynor, J.L. (1965). How to Rate Management of Investment Funds. Harvard Business Review, 1.
  23. Treynor, J.L., Black, F. (1973). How to Use Security Analysis to Improve Portfolio Selection. Journal of Business, 46, 66–85.
  24. Walesiak, M., Gatnar, E. (red.) (2012). Statystyczna analiza danych z wykorzystaniem programu R. Warszawa: Wydawnictwo Naukowe PWN.
  25. Ward, J.H. (1963). Hierarchical Grouping of Optimize an Objective Function. Journal of the American Statistical Association, 58, 236–244.
  26. Wishart, D. (1969). An Algorithm for Hierarchical Classification. Biometrics, 1 (22), 165–170.