Finanse, Rynki Finansowe, Ubezpieczenia

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

ISSN: 2450-7741     eISSN: 2300-4460     DOI: 10.18276/frfu.2017.86-26
CC BY-SA   Open Access 

Lista wydań / 2/2017 (86)
Badanie zależności pomiędzy funduszami ETF na rynku surowców energetycznych

Autorzy: Blanka Łęt
Uniwersytet Ekonomiczny w Poznaniu
Słowa kluczowe: fundusze ETF ropa naftowa gaz ziemny model DCC-GARCH
Rok wydania:2017
Liczba stron:12 (313-324)
Cited-by (Crossref) ?:

Abstrakt

Cel – Celem artykułu jest analiza siły powiązań pomiędzy instrumentami finansowymi związanymi z sektorem dwóch surowców energetycznych: ropy naftowej i gazu ziemnego. Zweryfikujemy, czy notowania funduszy Exchange Traded Fund podlegają podobnej dynamice, co replikowane benchmarki oraz czy wyznaczona siła powiązań jest stała w czasie. Metodologia badania – Badanie przeprowadzimy wykorzystując wielowymiarowy skorygowany model dynamicznych korelacji warunkowych cDCC-GARCH zaproponowany przez Aielliego (2013), będący modyfikacją modelu DCC-GARCH wprowadzonego przez Engle’a (2002). Wynik – Wśród zbadanych instrumentów najsilniej skorelowane są notowania funduszy replikujących indeksy grupujące akcje spółek z sektora ropy i gazu. Ponadto, silnym powiązaniom podlegają badane fundusze z funduszem replikującym kurs terminowy ropy naftowej West Texas Intermediate. Wartość – Analizowana siła powiązań pomiędzy instrumentami związanymi z rynkiem surowców energetycznych badana jest w kontekście popularnych wśród inwestorów, najbardziej płynnych funduszy ETF. Wartościowa jest kwestia porównania własności statystycznych rozpatrywanych szeregów zwrotów dla funduszy ETF z szeregami zwrotów z oryginalnych benchmarków.
Pobierz plik

Plik artykułu

Bibliografia

1.Aielli, G. (2013), Dynamic Conditional Correlation: on Properties and Estimation, Journal of Business and Economic Statistics, 31, 282-299.
2.Cont, R. (2001), Empirical Properties of Asset Returns: Stylized Facts and Statistical Issues, Quantitative Finance, 1, 223-236.
3.Engle, R.F. (2002), Dynamic Conditional Correlation. A Simple Class of Multivariate GARCH Models, Journal of Business and Economic Statistics, 20, 339-350.
4.Engle, R.F., Sheppard K. (2001), Theoretical and Empirical Properties of Dynamic Conditional Correlation Multivariate GARCH. NBER Working Paper 8554.
5.Miziołek, T. (2013), Pasywne zarządzanie portfelem inwestycyjnym - indeksowe fundusze inwestycyjne i fundusze ETF. Ocena efektywności zarządzania na przykładzie akcyjnych funduszy ETF rynków wschodzących. Łódź: Wydawnictwo Uniwersytetu Łódzkiego.
6.Pelagatti, M., Rondena, S. (2006), Dynamic Conditional Correlation with Elliptical Distributions, Università degli Studi di Milano - Bicocca, Dipartimento di Statistica, Working Paper.
7.Tse, Y. (2000), A Test for Constant Conditional Correlations in a Multivariate GARCH Model. Journal of Econometrics, 98, 107-127.