Analiza wymiaru korelacyjnego przy użyciu testów surogatowych w badaniu efektywności rynku kapitałowego w Polsce

• Autorzy: Michał Jakubczyk
• Języki publikacji: PL

Abstrakty

Przedmiotem pracy „Analiza wymiaru korelacyjnego przy użyciu testów surogatowych w badaniu efektywności rynku kapitałowego w Polsce” (M. Jakubczyk) jest mechanizm tworzenia kursów na rynku kapitałowym w Polsce w wyniku ujawniania się preferencje uczestników rynku poprzez składanie na WGPW zlecenia kupna i sprzedaży papierów wartościowych. W tym kontekście analizowany jest problem efektywności rynku: występowanie chaotycznej zależności między zmianami kursów akcji. Jako metodę badania wykorzystano analizę wymiaru korelacyjnego zrekonstruowanego atraktora szeregu czasowego w diagramie fazowym. Wnioskowanie statystyczne umożliwiło zastosowanie testów surogatowych. Okazało się, że na WGPW występuje dynamika chaotyczna (niefektywność rynku). Ponadto, dynamika chaotyczna staje się silniejsza w miarę rozwoju tego rynku. Jest przy tym silniejsza dla stóp zwrotu liczonych w krótkich okresach. (abstrakt oryginalny)

Słowa kluczowe

PL

Rynek kapitałowy; Korelacja; Analiza szeregów czasowych; Efektywność rynku

EN

Capital market; Correlation; Time-series analysis; Market effectiveness

• Czasopismo: Prace Naukowe / Akademia Ekonomiczna w Katowicach
• Rocznik: 2004
• Tom: Modelowanie preferencji a ryzyko '04
• Strony: 231--250

Twórcy

autor

Michał Jakubczyk

• Szkoła Główna Handlowa w Warszawie

Bibliografia

• 1. Arthur W.B. (1989). The Economy and Complexity. W: Lectures in the Sciences of Complexity, 713-740.
• 2. Bachelier L. (1900). Théorie de la speculation. W: Annales Scientifiques de l'Ecole Normale Supérieure, III-17.
• 3. Bollerslev T. et al. (1992). ARCH Modeling in Finance. Journal of Economy, 52.
• 4. Brock W.A. et al. (1991). Nonlinear Dynamics, Chaos, and Instability. Statistical Theory and Economic Evidence, Cambridge.
• 5. Casdagli M. (1991). Chaos and Deterministic Versus Stochastic Non-linear Modeling. Journal of the Royal Statistical Society B, 54, 303-328.
• 6. Cheng Y., Van de Ven A.H. (1996). Learning the Innovation Journey: Order out of Chaos? Organization Science, 7(6), 593-614.
• 7. Dooley K. et al. (1995). TQM, Chaos, and Complexity. Human Systems Management, 14, 1-16.
• 8. Dooley K. (1997). A Complex Adaptive Systems Model of Organizational Change. Nonlinear Dynamics, Psychology, and the Life Sciences, 1(1), 69-97.
• 9. Dooley K.J., Van de Ven A.H. (2000). A Primer on Diagnosing Dynamic Organizational Processes. Minneapolis.
• 10. Dubnicki W., Kłopotowski J., Szapiro T. (1996). Analiza matematyczna. Podręcznik dla ekonomistów. PWN, Warszawa.
• 11. Dusza M. (1999). Rynek kapitałowy w Polsce. Narodziny, pierwsze dziesięciolecie, perspektywy. Warszawa.
• 12. Evertsz CJ.G. (1995). Fractal Geometry of Financial Time Series. Fractals, 3, 609-616.
• 13. Farmer J.D. et. al. (1983). The Dimension of Chaotic Attractors. Physica JD.
• 14. Gleick J. (1996). Chaos. Zysk i S-ka, Poznań.
• 15. Goldstein J. (1994). The Unshackled Organization. Portland.
• 16. Grassberger P., Procaccia I. (1983). Measuring the Strangeness of Strange Attractors. Physica, 9D.
• 17. Guastello S. (1995). Chaos, Catastrophe, and Human Affairs. Mahwah.
• 18. Hsieh DA. (1991). Chaos and Nonlinear Dynamics: Applications to Financial Markets. The Journal of Finance, XLVI, 1839-1877.
• 19. Jakubczyk M. (2001). Dynamika chaotyczna a WGPW. SGH, Warszawa.
• 20. Kudrewicz J. (1996). Fraktale i chaos. WNT, Warszawa.
• 21. Mandelbrot B. (1969). Long-run Linearity, Locally Gaussian Processes, H-Spectra, and Infinite Variances. International Economy Review, 10.
• 22. Mandelbrot B. (1972). Statistical Methodology for Non-periodic Cycles. Annals of Economy and Social Measurement, 1.
• 23. Merton R.C (1969). Lifetime Portfolio Selection under Uncertainty: the Continuous Time Model. Review of Economics and Statistics.
• 24. Mirowski P. (1995). Mandelbrot's Economics After a Quarter Century. Fractals, 3, 581-600.
• 25. Nychka D. et al. (1992). Finding Chaos in Noisy Systems. Journal of the Royal Statistical Society B, 54, 399-426.
• 26. Peitgen H.-O. et al. (1996). Granice chaosu. Fraktale. PWN, Warszawa.
• 27. Peters E.E. (1997). Teoria chaosu a rynki kapitałowe. Nowe spojrzenie na cykle, ceny i ryzyko. WIG-Press, Warszawa.
• 28. Priesmeyer H.R. (1992). Organizations and Chaos. West Port.
• 29. Provenzale A. et al. (1992). Distinguishing Between Low-dimensional Dynamics and Randomness in Measured Time Series. Physica, D, 58, 31-49.
• 30. Schreiber T., Schmitz A. (2000). Surrogate Time Series. Physica, D, 142, 346-382.
• 31. Smith R.L. (1992). Estimating Dimension in Noisy Chaotic Time Series. Journal of the Royal Statistical Society, B, 54-2.
• 32. Socha J. (1998). Rynek, giełda, inwestycje. Warszawa.
• 33. Stutzer M. (1980). Chaotic Dynamics and Bifurcations in a Macro Model. Journal of Economic Dynamics and Control, 2, 353-376.
• 34. Taylor C.C., Taylor S.J. (1991). Estimating the Dimension of a Fractal, w Journal of the Royal Statistical Society, B, 53, 353-364.
• 35. Theiler J. et al. (1992). Testing for Nonlinearity in Time Series: the Method of Surrogate Data. Physica, D, 58, 77-94.
• 36. Valdez-Cepeda R.D., Solano-Herrera E. (1999). Self-affinity of Records of Financial Indexes. Fractals, 7, 427-432.
• 37. Weron A., Weron R. (1998). Inżynieria finansowa. WNT, Warszawa.
• 38. West B.J., Fan X. (1993). Chaos, Noise and Complex Fractal Dimensions. Fractals, 1, 21-28.