Wykorzystanie modelu probitowego w procesie alokacji aktywów między indeksy małych i dużych spółek na Warszawskiej Giełdzie Papierów Wartościowych

• Autorzy: Piotr Arendarski

Warianty tytułu

Dynamic Asset Allocation Modelling for Domestic Investments Between Small-Cap and Large-Cap Indexes

• Języki publikacji: PL

Abstrakty

Analizując literaturę tematu można znaleźć wiele opracowań wybitnych naukowców, którzy dowodzą, iż inwestycje w spółki małe w średnim i długim horyzoncie czasowym daje lepszą relację zysku do ryzyka. Tego typu dowody można znaleźć w pracach Capual, Rowley i Sharpe (1993), Arshanapalli, Coggin i Doukas (1998), Fama and French (1998), Bauman (1998) and Reinganum (1999). Jednak w praktyce tak konsekwentna strategia może nie przynieść wymiernych korzyści. Dzieję się to z tego powodu, że w długim okresie czasu spółki mogą ewaluować. Te mniejsze mogą stać się większymi, z drugiej strony większe mogą stać się mniejszymi. W tym celu w wielu pracach naukowych poddano badaniom strategie oparte na aktywnej, rotacyjne alokacji kapitału między spółki małe i spółki duże. Naturalne pytanie się więc nasuwa, jak odchylenie wykorzystać i zająć w odpowiednim czasie odpowiednią pozycję na spreadzie. Badania naukowe Sharpe'a (1993) i Jeffrey (1984) dowodzą, że można znaleźć odpowiednie momenty na rynku aby w pełni wykorzystać odchylenia na spreadzie. W swojej pracy Bauer i Dalhquist (2001) pokazując, że strategia trzymania spółek dużych w portfelu nieznacznie pokonuje strategie rotacyjną między dużymi, a małymi spółkami. Wiele można znaleźć jednak badań, które potwierdzają, że umiejętnie skonstruowane modele taktycznej alokacji aktywów są w stanie pokonać strategie pasywne. Na przykład Arshanapalli, Coggin i Doukas w swojej pracy wskazują, że odchylenia na spreadzie między różnymi indeksami nie mogą być wyjaśniane za pomocą jedynie przeszłych zachowań szeregów czasowych, a powinny być prognozowane za pomocą zmiennych makroekonomicznych. Kao i Shumker (1999) dowodzą, iż użycie krzywej dochodowości, rentowności obligacji czy prognozowanej zmiany produktu narodowego brutto jest skutecznym prognostykiem zachowań spreadu. Podobnie Anderson (1997) jest zdania, że zależności wykrywane w zmianach krzywej dochodowości mogą mieć wpływ na odchylenia między indeksem dużych i małych spółek. Wyżej zaprezentowane metody bazują na wychwytywaniu odchyleń na spreadzie za pomocą modeli opierających się na metodach ilościowych. Z drugiej jednak strony istnieje grupa zwolenników, którzy uważają, że metodami prostszymi i skuteczniejszymi są strategie momentum. Strategie tego typu bazują w większości na autokorelacji stóp zwrotu. Analiza wyników zaprezentowanych choćby w pracach Lo i McKinley (1990) i Jegadeesh i Titman (1993) dowodzą, iż strategie tego typu należy umiejętnie skonstruować zarówno pod względem okresu trwania inwestycji, jak i pod względem odpowiedniego momentu do zawarci transakcji. Autor w tej pracy będzie starał się porównać obie metody wykorzystywane w zaprezentowanym przeglądzie literatury. Dodatkowo zaprezentuje swoje autorskie metody badawcze. Wyselekcjonowanie zbioru zmiennych objaśniających było wynikiem przemyśleń autora dotyczących dotychczasowych analizy pracy naukowych z tejże tematyki oraz własnych analiz. Autor starał się w jak największym stopniu rozbudować zbiór zmiennych objaśniających, gdyż z jego wcześniejszych badań, Arendarski (2009), wynikało, że im więcej istotnych zmiennych w modelu tym lepsze wyniki predykcji. Aby z dużego zbioru zmiennych objaśniających wybrać te istotne, autor zastosuje testy statystyczne w tym celu. (fragment tekstu)

EN

This paper examines whether short-term variation in the spreads between theWig20 and the sWig80 is better predictable and exploitable by means of probit model in relation to passive strategies or momentum style rotation strategy. Asset allocation has become popular in asset management since the stock market crash in 2007. Much research has been done in domestic asset allocation and global asset allocation. However portfolio mix between the Wig20 and the sWig80 is a novel combination for asset allocation. The objective of this study is to develop dynamic asset allocation strategy dealing with such asset mix. A rolling binary probit model is built using the preceding seventy two months of data and is used to forecast the next month's movements of these two indices. This study affirms that an asset allocation strategy can be established to time the market and generate a superior abnormal return on a portfolio investing in these two assets. A prediction model can be built on public information variable. Even with transaction costs, an investor can rely on the signals to make asset allocation between these indices and produce a terminal wealth significantly larger than the passive portfolio invested in either one of the indices alone. (original abstract)

Słowa kluczowe

PL

Model probitowy; Alokacja aktywów; Warszawski Indeks Giełdowy (WIG); Spółki; Giełda papierów wartościowych

EN

Probit model; Asset allocation; Warsaw Stock Exchange Index; Companies; Stock market

• Czasopismo: Przedsiębiorczość i Zarządzanie
• Rocznik: 2010
• Tom: 11
• Numer: z. 9 Dylematy zarządzania. Człowiek - organizacja - otoczenie
• Strony: 133--150

Twórcy

autor

Piotr Arendarski

• University of Southern Denmark, Denmark

Bibliografia

• Anderson H.M. (1997), Transaction Costs and Nonlinear Adjustment Towards Equilibrium in The US Treasury Bill Markets, Oxford Bulletin of Economics and Statistics, Vol. 59.
• Arendarski P. (2009), Wykorzystanie modelu probitowego do prognozowania wzrostu wartości rynkowej polskich przedsiębiorstw z branży spożywczej notowanych na WGPW, IV Konferencja Młodych Uczonych w Krakowie.
• Arshanapalli B.,G., Coggin T. D., Doukas, J. (1998), Multifactor Asset Pricing Analysis of International Value Investment Strategies, Journal of Portfolio Management.
• Bauman W., Conover C., Miller R. (1998), Growth Versus Value And Large Versus Small Cap Stocks In International Markets" Financial Analysts Journal.
• Baur D., Lucey B. (2009), Is Gold a Hedge or a Safe Haven? An Analysis of Stocks, Bonds and Gold, Dublin City University - Business School, Dublin
• Capual C., Rowley I., Sharpe W. (1993), International Value and Growth Stock Returns, Financial Analysts Journal.
• Fama E., French K. (1998), Value versus Growth: The International Evidence, Journal of Finance, American Finance Association, vol. 53(6).
• Jeffrey R. (1984), The Folly of Stock Market Timing, Harvard Business Review.
• Jegadeesh N., Titman S. (1993), Returns to Buying Winners and Selling Losers: Implications for Stock Market Efficiency, "Journal of Finance", Vol. 48, No. 1, s. 65-89.
• Kao D. Schumaker R.D. (1999), Equity Style Timing, Financial Analysts Journal.
• Lo A., MacKinlay C. (1990), Data-Snooping Biases in Tests of Financial Asset Pricing Models, Review of Financial Studies, Oxford University Press for Society for Financial Studies, vol. 3(3), pages 431-67.
• Osińska M. (2008), Ekonometryczna analiza zależności przyczynowych, Wydawnictwo Naukowe Uniwersytetu Mikołaja Kopernika, Toruń.
• Sharpe W., Alexander G. (1990), Investments, Wydanie 4, Englewood: Prentice Hall.