Finanse, Rynki Finansowe, Ubezpieczenia

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


ISSN: 2450-7741     eISSN: 2300-4460    OAI    DOI: 10.18276/frfu.2016.79-07
CC BY-SA   Open Access 

Lista wydań / 1/2016 (79)
Głębokość rynku jako jeden z wymiarów płynności Giełdy Papierów Wartościowych w Warszawie SA

Autorzy: Joanna Olbryś

Michał Mursztyn
Słowa kluczowe: wymiary płynności rynku głębokość rynku algorytmy klasyfikacji stron inicjujących transakcje
Data publikacji całości:2016
Liczba stron:12 (101-112)
Cited-by (Crossref) ?:

Abstrakt

Cel – Głównym celem pracy była analiza empiryczna głębokości rynku jako jednego z wymiarów płynności Giełdy Papierów Wartościowych w Warszawie SA. Dodatkowym celem było badanie wrażliwości uzyskanych wyników na wybór okresu, z uwzględnieniem całej próby statystycznej (styczeń 2005–czerwiec 2015) oraz trzech jednakowo licznych podokresów: przed kryzysem, kryzys, po kryzysie. Metodologia badania – Badaniem objęto 53 spółki, w podziale na grupy firm dużych, średnich i małych. Wykorzystano bazę śróddziennych, sekundowych danych transakcyjnych. Z powodu braku dostępu do informacji dotyczących cen i wolumenów zleceń kupna i sprzedaży na giełdzie warszawskiej, zastosowano algorytm klasyfikacji stron transakcji w celu identyfikacji transakcji inicjowanych przez kupujących (buy) i sprzedających (sell). Na podstawie wyników klasyfikacji dokonano aproksymacji wymiaru głębokości rynku poszczególnych papierów wartościowych z wykorzystaniem tzw. order ratio (OR), czyli współczynnika wyrażającego stosunek różnicy pomiędzy wolumenem transakcji sklasyfikowanych jako buy i transakcji sklasyfikowanych jako sell, do skumulowanego wolumenu wszystkich transakcji w danym dniu. Wynik – Zgodnie z literaturą, duże wartości indykatora OR oznaczają małą głębokość rynku danego papieru wartościowego oraz jego niską płynność. Małe wartości tego współczynnika informują o dużej głębokości rynku oraz wysokiej płynności. Najmniejsze wartość indykatora OR stwierdzono w przypadku najbardziej płynnych spółek (np. KGH, OPL, PEO, PKN, PKO). Ponadto, wyniki empiryczne nie ujawniły wyraźnego efektu wielkości spółki oraz wykazały odporność na wybór okresu badania. Oryginalność/wartość – Zgodnie z wiedzą autorów, analogiczne badania nie były dotąd prowadzone na polskim rynku giełdowym.
Pobierz plik

Plik artykułu

Bibliografia

1.Ahn H.-J., Bae K.-H., Chan K. (2001), Limit orders, depth, and volatility: Evidence from the Stock Exchange of Hong Kong, „Journal of Finance” vol. 56, no. 2, s. 767–787.
2.Asquith P., Oman R., Safaya C. (2010), Short sales and trade classification algorithms, „Journal of Financial Markets” vol. 13, no. 1, s. 157–173.
3.Bernstein P. L. (1987), Liquidity, stock markets, and market makers, „Financial Management”, vol. 16, no. 2, s. 54–62.
4.Bekaert G., Harvey C.R., Lundblad C. (2007), Liquidity and expected returns: Lessons from emerging markets, „Review of Financial Studies” vol. 20, no. (6), s. 1783–1831.
5.Chakrabarty B., Li B., Nguyen V., Van Ness P.A. (2007), Trade classification algorithms for electronic communications network trades, „Journal of Banking and Finance” vol. 31, no. 12, s. 3806–3821.
6.Chakrabarty B., Moulton P.C., Shkilko A. (2012), Short sale, long sale, and the Lee-Ready trade classification algorithm revisited, „Journal of Financial Markets” vol. 15, no. 4, s. 467–491.
7.Chan K., Fong W.-M. (2000), Trade size, order imbalance, and the volatility-volume relation, „Journal of Financial Economics” vol. 57, s. 247–273.
8.Chordia T., Roll R., Subrahmanyam A. (2000), Commonality in liquidity, „Journal of Financial Economics” vol. 56, s. 3–28.
9.Chordia T., Roll R., Subrahmanyam A. (2001), Market liquidity and trading activity, „Journal of Finance” vol. 56, no. 2, s. 501–530.
10.Chordia T., Roll R., Subrahmanyam A. (2002), Order imbalance, liquidity, and market returns, „Journal of Financial Economics” vol. 65, s. 111–130.
11.Chordia T., Sarkar A., Subrahmanyam A. (2005), An empirical analysis of stock and bond market liquidity, „The Review of Financial Studies” vol. 18, no. 1, s. 85–129.
12.Doman M. (2011), Mikrostruktura giełd papierów wartościowych, Wydawnictwo Uniwersytetu Ekonomicznego w Poznaniu, Poznań.
13.Dong J., Kempf A., Yadav P.K. (2007), Resiliency, the neglected dimension of market liquidity: Empirical evidence from the New York Stock Exchange, Working Paper, available at SSRN 967262.
14.Ellis K., Michaely R., O’Hara M. (2000), The accuracy of trade classification rules: Evidence from Nasdaq, „Journal of Financial and Quantitative Analysis” vol. 35, no. 4, s. 529–551.
15.Finucane T.J. (2000), A direct test of methods for inferring trade direction from intra-day data, „Journal of Financial and Quantitative Analysis” vol. 35, no. 4, s. 553–576.
16.Foster F.D., Viswanathan S. (1993), Variations in trading volume, return volatility, and trading costs: Evidence on recent price formation models, „Journal of Finance” vol. 48, no. 1, s. 187–211. http://www.bossa.pl.
17.Huberman G., Halka D. (2001), Systematic liquidity, „Journal of Financial Research” vol. 24, no. 2, s. 161–178.
18.Jankowski R., Olbryś J. (2015), Wymiary płynności rynku papierów wartościowych, Zeszyty Naukowe Uniwersytetu Szczecińskiego nr 854, „Finanse, Rynki Finansowe, Ubezpieczenia” nr 73, Wydawnictwo Naukowe Uniwersytetu Szczecińskiego, Szczecin, s. 645–658.
19.Korajczyk R., Sadka R. (2008), Pricing the commonality across alternative measures of liquidity, „Journal of Financial Economics” vol. 87, no. 1, s. 45–72.
20.Kyle A.S. (1985), Continuous auctions and insider trading, „Econometrica” vol. 53, no. 6, s. 1315–1336.
21.Lee C.M.C., Mucklow B., Ready M.J. (1993), Spreads, depths, and the impact of earnings information: An intraday analysis, „The Review of Financial Studies” vol. 6, no. 2, s. 345–374.
22.Lee C.M.C., Ready M.J. (1991), Inferring trade direction from intraday data, „Journal of Finance” vol. 46, no. 2, s. 733–746.
23.Lee C.M.C., Radhakrishna B. (2000), Inferring investor behavior: Evidence from TORQ data, „Journal of Financial Markets” vol. 3, s. 83–111.
24.Lesmond D.A. (2005), Liquidity of emerging markets, „Journal of Financial Economics” vol. 77, no. 2, s. 411–452.
25.Lin W.T., Sun D.S., Tsai S.-C. (2012), Does trading remove or cause friction?, „Emerging Markets Finance & Trade” vol. 48 (Supp. 2), s. 33–53.
26.Lu Y.-C., Wei Y.-C. (2009), Classification of trade direction for an equity market with price limit and order match: Evidence from the Taiwan stock market, „Investment Management and Financial Innovations” vol. 6, no. 3, s. 135–147.
27.Nowak S. (2014), Order imbalance on the Warsaw Stock Exchange 2000–2012, Międzynarodowa Konferencja Inwestycje Finansowe i Ubezpieczenia, Wrocław, 17–19 września.
28.Nowak S., Olbryś J. (2015), Direct evidence of non-trading on the Warsaw Stock Exchange, Wroclaw Conference in Finance. Contemporary Trends and Challenges, Wrocław, 22–24 września.
29.Odders-White E.R. (2000), On the occurrence and consequences of inaccurate trade classification, „Journal of Financial Markets” vol. 3, s. 259–286.
30.Olbryś J. (2013), Zastosowanie wybranych miar płynności aktywów kapitałowych na Giełdzie Papierów Wartościowych w Warszawie S.A., „Zarządzanie i Finanse” nr 11 (3), s. 65–77.
31.Olbryś J. (2014), Wycena aktywów kapitałowych na rynku z zakłóceniami w procesach transakcyjnych, Difin, Warszawa.
32.Olbryś J., Majewska E. (2014a), Identyfikacja okresu kryzysu z wykorzystaniem procedury diagnozowania stanów rynku, Zeszyty Naukowe Uniwersytetu Szczecińskiego nr 802, „Finanse, Rynki Finansowe, Ubezpieczenia” nr 65, s. 699–710.
33.Olbryś J., Majewska E. (2014b), Direct identification of crisis periods on the CEE stock markets: The influence of the 2007 U.S. subprime crisis, „Procedia Economics and Finance” vol. 14, s. 461–470.
34.Olbryś J., Majewska E. (2015), Bear market periods during the 2007–2009 financial crisis: Direct evidence from the Visegrad countries, „Acta Oeconomica” vol. 65, no. 4, s. 547–565.
35.Olbryś J., Mursztyn M. (2015), Comparison of selected trade classification algorithms on the Warsaw Stock Exchange, „Advances in Computer Science Research” vol. 12, s. 37–52.
36.Pagan A.R., Sossounov K.A. (2003), A simple framework for analysing bull and bear markets, „Journal of Applied Econometrics” vol. 18, no. 1, s. 23–46.
37.Peterson M., Sirri E. (2003), Evaluation of the biases in execution costs estimation using trades and quotes data, „Journal of Financial Markets” vol. 6, no. 3, s. 259–280.
38.Piwowar M.S., Wei L. (2003), The sensitivity of effective spread estimates to trade-quote matching algorithms, „Electronic Markets” vol. 16, no. 2, s. 112–129.
39.Ranaldo A. (2001), Intraday market liquidity on the Swiss Stock Exchange, „Swiss Society for Financial Market Research” vol. 15, no. 3, s. 309–327.
40.Sarr A., Lybek T. (2002), Measuring liquidity in financial markets, IMF Working Paper 02/232.
41.Stoll H.R. (2000), Friction, „Journal of Finance” vol. 55, no. 4, s. 1479–1514.
42.Von Wyss R. (2004), Measuring and predicting liquidity in the stock market, Dissertation Nr. 2899, University of St. Gallen.
43.Theissen E. (2001), A test of the accuracy of the Lee/Ready trade classification algorithm, „Journal of International Financial Markets, Institutions and Money” vol. 11, no. 2, s. 147–165.
44.Wong J., Fung L. (2002), Liquidity of the Hong Kong stock market since the Asian financial crisis, Proceedings of the Third Joint Central Bank Research Conference, Bank for International Settlements, Basel, Switzerland, s. 180–211.