Beta zrealizowana jako metoda pomiaru ryzyka systematycznego

• Autorzy: Barbara Będowska-Sójka

Warianty tytułu

Realized Beta as a Measure of Systematic Risk

• Języki publikacji: PL

Abstrakty

Dużym zainteresowaniem, zarówno praktyków jak i teoretyków finansów, cieszą się modele wyceny aktywów finansowych. Z punktu widzenia tych pierwszych istotne jest, aby model był nieskomplikowany, co przekłada się na małą liczbę czynników mających wpływ na kształtowanie cen instrumentów finansowych. Stąd duża popularność modelu wyceny aktywów kapitałowych (ang. capital asset pricing model), zaproponowanego niezależnie przez Sharpe'a (1966) i Lintnera (1965). W modelu CAPM jedynym czynnikiem wpływającym na zwroty z instrumentu jest ryzyko systematyczne, określone przez kowariancję zwrotów z pojedynczego instrumentu ze zwrotami z portfela rynkowego. Taka konstrukcja modelu narażona jest na krytykę. Z jednej strony trudno jednoznacznie określić, co stanowi najlepsze przybliżenie portfela rynkowego. Krytyka Rolla koncentruje się na tym, że nie ma jasności, co do tego, czy wskazana w teorii wielkość (tu: portfel rynkowy) jest dobrze odzwierciedlona w przyjmowanych wielkościach (szeroki indeks giełdowy). Z drugiej strony, w badaniach Famy i Frencha (1992) wykazano, że modele trójczynnikowe lepiej opisują zachowanie stóp zwrotu z akcji na rynkach kapitałowych niż model CAPM. (fragment tekstu)

EN

Beta is a measure of systematic risk of a stock quoted on stock exchange. A large literature over last years reveals consensus that betas are time-varying. Using recently presented framework of realized volatility, one may calculate realized betas. In this paper we compare the realized betas for few stocks from WIG20. These betas are calculated from the data of different frequency (daily and intradaily) and set as monthly betas. The betas, which are calculated from intraday data, are less volatile than these calculated on daily data. We also model the former betas with ARFIMA process with restricted parameter of fractional integration.(original abstract)

Słowa kluczowe

PL

Inwestycje finansowe; Ekonometria; Modele ekonometryczne; Model GARCH; Model ARFIMA; Model wyceny aktywów kapitałowych

EN

Financial investment; Econometrics; Econometric models; GARCH model; Autoregressive fractionally integrated moving average model (ARFIMA); Capital Asset Pricing Model (CAPM)

• Czasopismo: Zeszyty Naukowe Uniwersytetu Szczecińskiego. Finanse, Rynki Finansowe, Ubezpieczenia
• Rocznik: 2010
• Numer: nr 28
• Strony: 193--205

Twórcy

autor

Barbara Będowska-Sójka

• Uniwersytet Ekonomiczny w Poznaniu

Bibliografia

• Alexander C, Market Models, Isma Centre, 2008.
• Andersen T., Bollerslev T., Diebold F., Parametric and nonparametric volatility measurement, in: Handbook of Financial Econometrics, eds. L.P. Hansen, Y. Ait-Sahalia, Amsterdam, North-Holland, 2003.
• Andersen, T., Bollerslev, T., Diebold, F.X., Labys, P., Modeling and Forecasting Realized Volatility, "Econometrica" 2003, vol. 71.
• Andersen, T.G., Bollerslev, T., Answering the skeptics: Yes, standard volatility models do provide accurate forecasts, "International Economic Review" 1998, vol. 39.
• Andersen, T.G., Bollerslev, T., Meddahi, N., Correcting the errors: Volatility forecast evaluation using high-frequency data and realized volatilities, "Econometrica" 2005, vol. 73.
• Będowska-Sójka B., Kliber A., Realized Yolatility versus GARCH and Stochastic Volatility Models- the Polish Financial Markets Case, working paper 2010.
• Bollerslev T., Engle R., Wooldridge J.M., A Capital Asset Pricing Model with Time Varying Covariances, "Journal of Political Economy" 1988, vol. 95(1).
• Campbell J., Lo A. W., McKinlay A.C., The Econometrics of Financial Markets, Princeton University Press, 1997.
• Doman M, Doman R, Modelowanie zmienności i ryzyka, Wolters Kluwer Polska, Kraków 2009.
• Doman R., Prognozowanie zmienności zrealizowanej indeksu WIG20 za pomocą modelu GARCH, "Przegląd Statystyczny" 2003, nr 50(4).
• Fama E., French K., The Cross-Section ofExpected Returns, "Journal of Finance" 1992, vol. 47(2).
• Fiszeder P., Modele klasy GARCH w empirycznych badaniach finansowych. Wydawnictwo Naukowe UMK, Toruń 2009.
• Huang C.F., Litzenberger R.H., Foundations for Financial Economics, North Holland, NewYork l988.
• Laurent, S., Esdmating and Forecasting ARCH Models Using G@RCH 6.0, Timberlake Consultants Ltd 2009, www.timberlake.co.uk.
• Sharpe W., Capital asset prices - A theory of market equilibrium under conditions of risk, "Journal of Finance" 1992, vol. 19.
• Tsay R., Analysis of Financial Time Series, Wiley-Interscience, New York, 2005.
• ---