Finanse, Rynki Finansowe, Ubezpieczenia

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

ISSN: 2450-7741    OAI    DOI: 10.18276/frfu.2018.94/2-10
CC BY-SA   Open Access 

Lista wydań / 4/2018
Analiza porównawcza kształtowania się indeksów akcji na świecie po kryzysie finansowym

Autorzy: Ryszard Węgrzyn
Uniwersytet Ekonomiczny w Krakowie
Słowa kluczowe: indeks giełdowy zmienność model GARCH
Data publikacji całości:2018
Liczba stron:17 (125-141)
Klasyfikacja JEL: G15
Cited-by (Crossref) ?:

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.
Pobierz plik

Plik artykułu

Bibliografia

1.Akgiray, V. (1989). Conditional Heteroscedasticity in Time Series of Stock Returns: Evidence and Forecasts. Journal of Business, 62, 55–80.
2.Bauwens, L., Hafner, Ch.M., Laurent, S. (2012). Handbook of Volatility Models and Their Applications. Hoboken: J. Wiley & Sons.
3.Bollerslev, T. (1986). Generalized Autoregressive Conditional Heteroscedasticity. Journal of Econometrics, 31, 307–327.
4.Cumby, R., Figlewski, S., Hasbrouck, J. (1993). Forecasting Volatilities and Correlations with EGARCH Models. Journal of Derivatives, 1, 51–63.
5.Doman, M., Doman, R. (2009). Modelowanie zmienności i ryzyka. Metody ekonometrii finansowej. Kraków: Wolters Kluwer.
6.Engle, R. (2001). GARCH 101: The Use of ARCH/GARCH Models in Applied Econometrics. The Journal of Economic Perspectives”, 4 (15), 157–168.
7.Engle, R.F. (1982). Autoregressive Conditional Heteroscedasticity with Estimates of Variance of UK Inflation. Econometrica, 50, 987–1007.
8.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.
9.Farhan, A., Samia, M.U., Raza, A. (2017). Modelling Stock Indexes Volatility of Emerging Markets. Pobrano z: https://www.researchgate.net/publication/319954309.
10.Figlewski, S. (1997). Forecasting Volatility. Oxford, UK: Blackwell.
11.Fiszeder, P. (2009). Modele klasy GARCH w empirycznych badaniach finansowych. Toruń: Wydawnictwo Naukowe Uniwersytetu Mikołaja Kopernika.
12.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.
13.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.
14.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.
15.Nawrot, W. (2009). Globalny kryzys finansowy XXI wieku. Przyczyny, przebieg, skutki, prognozy. Warszawa: CeDeWu.
16.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.
17.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.
18.Osińska, M. (2006). Ekonometria finansowa. Warszawa: PWE.
19.Pagan, A.R., Schwert, G.W. (1990). Alternative Models for Conditional Stock Volatility. Journal of Econometrics, 45, 267–290.
20.Stawicki, J. (2004). Wykorzystanie łańcuchów Markowa w analizie rynku kapitałowego. Toruń: Uniwersytet Mikołaja Kopernika.
21.Taylor, S.J. (1986). Modelling Financial Time Series. Chichester: Wiley.
22.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.
23.Węgrzyn, R. (2013). Zastosowanie wybranych modeli zmienności w analizie ryzyka cen akcji. Zeszyty Naukowe Uniwersytetu Szczecińskiego, 760. Finanse, Rynki Finansowe, Ubezpieczenia, 60, 551–562.
24.Wojtyna, A. (red.) (2009). Dostosowania makroekonomiczne i mikroekonomiczne w krajach na średnim poziomie rozwoju po kryzysach finansowych. Warszawa: PWE.