Finanse, Rynki Finansowe, Ubezpieczenia
Wcześniej: Zeszyty Naukowe Uniwersytetu Szczecińskiego. Finanse, Rynki Finansowe, Ubezpieczenia
Analiza porównawcza kształtowania się indeksów akcji na świecie po kryzysie finansowym
DOI: 10.18276/frfu.2018.94/2-10
Cytuj
Pełny tekst jest dostępny
| ISSN: | 2450-7741 |
| Autorzy: |
Ryszard
Węgrzyn
Uniwersytet Ekonomiczny w Krakowie |
| Słowa kluczowe: | indeks giełdowy zmienność model GARCH |
| Data wydania numeru / monografii: | 2018 |
| Liczba stron: | 17 (125-141) |
| OAI-PMH: | Metadane |
| Klasyfikacja JEL: | G15 |
Abstrakt
Cel – Po bessie związanej z ostatnim kryzysem finansowym w pierwszych miesiącach 2009 roku można było obserwować odwrócenie trendów i początek kształtowania się długotrwałej hossy. Celem artykułu jest przeprowadzenie i zaprezentowanie analizy porównawczej stóp zwrotu i ryzyka (zmienności stóp zwrotu) wybranych giełdowych indeksów akcji w tym pokryzysowym okresie, zwłaszcza wskazanie różnic dotyczących indeksów akcji z różnych regionów geograficznych i krajów.
Metodologia badania – Indeksy giełdowe przeanalizowano pod kątem długookresowych zmian, podstawowych charakterystyk stóp zwrotu oraz zróżnicowania ich zmienności z zastosowaniem modeli GARCH. W części końcowej dokonano porównania oczekiwanych stóp zwrotu i ryzyka indeksów. Szczegółowej analizie poddano łącznie 15 indeksów.
Wynik – Na podstawie przeprowadzonej analizy dokonano oceny kształtowania się wybranych indeksów giełdowych oraz zwrócono uwagę na występujące różnice w zakresie ich stóp zwrotu i ryzyka.
Oryginalność/wartość – Wyniki badań dają możliwość szerszego spojrzenia na zróżnicowaną sytuację rynku kapitałowego po kryzysie finansowym i mogą być wykorzystane przez inwestorów lokujących środki finansowe na przykład w funduszach indeksowych.
Podgląd PDF
Bibliografia (24)
- Akgiray, V. (1989). Conditional Heteroscedasticity in Time Series of Stock Returns: Evidence and Forecasts. Journal of Business, 62, 55–80.
- Bauwens, L., Hafner, Ch.M., Laurent, S. (2012). Handbook of Volatility Models and Their Applications. Hoboken: J. Wiley & Sons.
- Bollerslev, T. (1986). Generalized Autoregressive Conditional Heteroscedasticity. Journal of Econometrics, 31, 307–327.
- Cumby, R., Figlewski, S., Hasbrouck, J. (1993). Forecasting Volatilities and Correlations with EGARCH Models. Journal of Derivatives, 1, 51–63.
- Doman, M., Doman, R. (2009). Modelowanie zmienności i ryzyka. Metody ekonometrii finansowej. Kraków: Wolters Kluwer.
- Engle, R. (2001). GARCH 101: The Use of ARCH/GARCH Models in Applied Econometrics. The Journal of Economic Perspectives”, 4 (15), 157–168.
- Engle, R.F. (1982). Autoregressive Conditional Heteroscedasticity with Estimates of Variance of UK Inflation. Econometrica, 50, 987–1007.
- Erginbay, U., Eleftherios, T., Yusuf, M. (2014). Modeling Volatility in the Stock Markets using GARCH Models: European Emerging Economies and Turkey. International Journal in Economics and Business Administration, 2 (3), 72–87.
- Farhan, A., Samia, M.U., Raza, A. (2017). Modelling Stock Indexes Volatility of Emerging Markets. Pobrano z: https://www.researchgate.net/publication/319954309.
- Figlewski, S. (1997). Forecasting Volatility. Oxford, UK: Blackwell.
- Fiszeder, P. (2009). Modele klasy GARCH w empirycznych badaniach finansowych. Toruń: Wydawnictwo Naukowe Uniwersytetu Mikołaja Kopernika.
- Fiszeder, P., Orzeszko, W. (2012). Nonparametric Verification of GARCH-Class Models for Selected Polish Exchange Rates and Stock Indices. Czech Journal of Economics and Finance, 5 (62), 430–449.
- Hassan, S.A. (2017). A Time Series Analysis of Major Indexes Using GARCH Model with Regime Shifts. International Journal of Financial Research, 4 (8), 127–133.
- Heynen, R.C, Kat, H.M. (1994). Volatility Prediction: a Comparison of Stochastic Volatility, GARCH(1,1) and EGARCH(1,1) Models. Journal of Derivatives, 2 (2), 50–65.
- Nawrot, W. (2009). Globalny kryzys finansowy XXI wieku. Przyczyny, przebieg, skutki, prognozy. Warszawa: CeDeWu.
- Ng, H.G., McAleer, M.J. (2004). Recursive Modelling of Symmetric and Asymmetric Volatility in the Presence of Extreme Observations. International Journal of Forecasting, 1 (20), 115–129.
- Osiewalski, J., Pajor, A., Pipień, M. (2004). Bayesowskie modelowanie i prognozowanie indeksu WIG z wykorzystaniem procesów GARCH i SV. W: A. Zeliaś (red.), XX Seminarium Ekonometryczne im. Prof. Zbigniewa Pawłowskiego (s. 17–39). Kraków: Akademia Ekonomiczna w Krakowie.
- Osińska, M. (2006). Ekonometria finansowa. Warszawa: PWE.
- Pagan, A.R., Schwert, G.W. (1990). Alternative Models for Conditional Stock Volatility. Journal of Econometrics, 45, 267–290.
- Stawicki, J. (2004). Wykorzystanie łańcuchów Markowa w analizie rynku kapitałowego. Toruń: Uniwersytet Mikołaja Kopernika.
- Taylor, S.J. (1986). Modelling Financial Time Series. Chichester: Wiley.
- Węgrzyn, R. (2010). The Global Financial Crisis versus the Shaping of Stock Market Indices. W: R. Borowiecki, T. Rojek (red.), Challenges for the Contemporary Enterprise under Globalization (s. 23–32). Cracow: Cracow University of Economics.
- Węgrzyn, R. (2013). Zastosowanie wybranych modeli zmienności w analizie ryzyka cen akcji. Zeszyty Naukowe Uniwersytetu Szczecińskiego, 760. Finanse, Rynki Finansowe, Ubezpieczenia, 60, 551–562.
- Wojtyna, A. (red.) (2009). Dostosowania makroekonomiczne i mikroekonomiczne w krajach na średnim poziomie rozwoju po kryzysach finansowych. Warszawa: PWE.

