Finanse, Rynki Finansowe, Ubezpieczenia

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

ISSN: 2450-7741     eISSN: 2300-4460     DOI: 10.18276/frfu.2017.86-21
CC BY-SA   Open Access 

Lista wydań / 2/2017 (86)
Międzysektorowe porównanie stóp zwrotu na GPW w Warszawie za pomocą modeli dla zmiennych jakościowych

Rok wydania:2017
Liczba stron:12 (251-262)
Słowa kluczowe: porównania międzysektorowe stopy zwrotu porządkowe modele logitowe wskaźniki finansowe
Autorzy: Katarzyna Wawrzyniak
Zachodniopomorski Uniwersytet Technologiczny w Szczecinie

Barbara Batóg
Uniwersytet Szczeciński

Abstrakt

Cel – Zaprezentowanie wyników badań dotyczących porównania rocznych stóp zwrotu dla spółek giełdowych z makrosektora Przemysł. Metodologia badania – Narzędziem badawczym były porządkowe modele logitowe. Warianty zmiennej zależnej zdefiniowano na podstawie rozkładów rocznych stóp zwrotu, a zmiennymi objaśniającymi były wybrane wskaźniki charakteryzujące sytuację finansową spółek. Wynik – Porównanie przeprowadzono dla 14 sektorów, a jego efektem końcowym było wskazanie tych sektorów, w których większość spółek charakteryzowała się wysoką roczną stopą zwrotu w powiązaniu z sytuacją finansową mierzoną poziomem wybranych wskaźników finansowych. Oryginalność/Wartość – Badania własne, pozwalające na ocenę relacji między roczna stopą zwrotu a sytuacja finansową spółek
Pobierz plik

Plik artykułu

Bibliografia

1.Arendarski, P. (2011). Wykorzystanie modelu probitowego w procesie alokacji aktywów na międzynarodowych rynkach finansowych w latach 2002–2009. Rozprawa doktorska, Uniwersytet Ekonomiczny w Poznaniu, Poznań.
2.Batóg, B., Wawrzyniak, K. (2013). Funkcja diagnostyczno-prognostyczna porządkowych modeli logitowych kwartalnej stopy zwrotu dla spółek z sektora Budownictwo. Rynki kapitałowe. Skuteczne inwestowanie, Zeszyty Naukowe nr 768, Finanse, Rynki Finansowe, Ubezpieczenia, 63, Szczecin: Wydawnictwo Naukowe US.
3.Batóg, B., Wawrzyniak, K. (2015). Sytuacja ekonomiczno-finansowa a poziom stóp zwrotu spółek giełdowych z wybranego sektora. Rynki kapitałowe. Skuteczne inwestowanie, Zeszyty Naukowe nr 862, Finanse, Rynki Finansowe, Ubezpieczenia, 75, Szczecin: Wydawnictwo Naukowe US.
4.Bieszk-Stolorz, B., Markowicz, I. (2012). Zastosowanie modelu logitowego i modelu regresji Coxa w analizie zmian cen akcji spółek giełdowych w wyniku kryzysu finansowego. Prace Naukowe Uniwersytetu Ekonomicznego we Wrocławiu, Inwestycje finansowe i ubezpieczenia – tendencje światowe a rynek polski, 254, 33–41.
5.Cramer, J.S. (2003). Logit Models from Economics and Other Fields. Cambridge: Cambridge University Press.
6.Gruszczyński, M. (2001). Modele i prognozy zmiennych jakościowych w finansach i bankowości. Warszawa: Oficyna Wydawnicza Szkoły Głównej Handlowej.
7.Gruszczyński, M. (2010). Mikroekonometria. Modele i metody analizy danych indywidualnych. Warszawa: Wolters KluwerPolska Sp. z o.o.
8.Gruszczyński, M. (2012). Empiryczne finanse przedsiębiorstw. Mikroekonometria finansowa. Warszawa: Difin.
9.Kisielińska, J., Waszkowski, A. (2010). Polskie modele do prognozowania bankructwa przedsiębiorstw i ich weryfikacja. Zeszyty Naukowe SGGW w Warszawie. Ekonomika i Organizacja Gospodarki Żywnościowej, 82, 17–31.
10.Kleinbaum, D.G., Klein, M. (2002). Logistic Regression. New York: Springer.
11.Młodak, A. (2006). Analiza taksonomiczna w statystyce regionalnej. Warszawa: Difin.
12.Nowak, E. (1990). Metody taksonomiczne w klasyfikacji obiektów społeczno-gospodarczych. Warszawa: PWE.
13.www.bossa.pl, data dostępu 15.06.2016
14.Piszczek, R. (2009). Zastosowanie modelu logit w modelowaniu upadłości. Prace Naukowe Uniwersytetu Ekonomicznego we Wrocławiu, Ekonometria, Zastosowanie matematyki w ekonomii, 26, 133–148.
15.Pociecha, J., Pawełek, B., Baryła, M., Augustyn, S. (2014). Statystyczne metody prognozowania bankructwa w zmieniającej się koniunkturze gospodarczej, Kraków: Fundacja Uniwersytetu Ekonomicznego w Krakowie.
16.Prusak, B. (2008). Stopy zwrotu z akcji a wskaźniki rynkowe, Ekonomika i Organizacja Przedsiębiorstwa, 2, 53–60.
17.Waszkowski, A. (2013). Wielomianowe modele zagrożenia finansowego przedsiębiorstw. Zarządzanie i Finanse, 11(1), cz. 4, 569–579.