Sektorowe zróżnicowanie efektu interwału akcji spółek z GPW w dobie pandemii COVID-19

• Autorzy: Bartłomiej Lisicki

Warianty tytułu

Sectoral Differentiation of the Interval Effect during the COVID -19 Pandemic - The Case of the WSE

• Języki publikacji: PL

Abstrakty

Głównym celem niniejszego opracowania jest weryfikacja występowania zróżnicowania efektu interwału współczynnika beta (β) akcji spółek notowanych na GPW w Warszawie (GPW) w trakcie trwania pandemii CO VID-19 ze względu na ich przynależność makrosektorową. Współczynniki β obliczono przy zastosowaniu klasycznej metody najmniejszych kwadratów na próbie emitentów zgrupowanych w indeksach: WIG20, mWIG40 oraz sWIG80. Analizując wartości β szacowane na podstawie wskazanych horyzontów czasowych stóp zwrotu w latach pandemii CO VID-19, można dostrzec występowanie efektu interwału β w przypadku spółek z makrosektorów FINANSE oraz PRODUKCJA PRZEMYSŁOWA I BUDOWLANO-MONTAŻOWA. Co ciekawe, branże te w latach przedpandemicznych nie wykazywały istotnych statystycznie różnic między wartościami β. Efekt interwału w latach poprzedzających pandemię CO VID-19 odnotowano z kolei w przypadku spółek z makrosektorów ochrona zdrowia oraz handel i usługi. Bazując na uzyskanych rezultatach badawczych, zaobserwować można wpływ pandemii COVID-19 na sektorowe zróżnicowanie efektu interwału. W latach jej trwania istotność statystyczna różnic w oszacowaniach współczynników β dotyczyła spółek z innych makrosektorów niż w latach ją poprzedzających. (abstrakt oryginalny)

EN

This study primarily aims to verifying whether the interval effect was evident in the beta coefficients (β) of the stock values of the companies listed on the Warsaw Stock Exchange (WSE ) during the CO VID-19 pandemic, and if so, whether this was due to the macrosectoral affiliation of these companies. The β coefficient is calculated using the ordinary least squares method (OLS) on a sample of issuers grouped in the following indices: WIG20, mWIG40 and sWIG80. When the β values are estimated for the above time horizons are analyzed for the CO VID-19 pandemic years, the interval effect is observable for the finance, industrial, construction and assembly production macrosectors. Interestingly, prior to the pandemic, the β values of the stock values in these industries did not significantly differ statistically when the time horizon was changed. The interval effect in the years preceding the CO VID-19 pandemic is recorded for the health care and trade and services macrosectors. The research results show that the CO VID-19 pandemic affected the sectoral differentiation of the interval effect. The statistical significance of the differences in β estimates affected other macrosectors more during the CO VID-19 than it had in the years preceding it. (original abstract)

Słowa kluczowe

PL

Giełda; Akcje; Współczynnik Beta; COVID-19

EN

Stock exchange; Shares; Beta factor; COVID-19

• Czasopismo: Ekonomista
• Rocznik: 2023
• Numer: nr 2
• Strony: 174--194

Twórcy

autor

Bartłomiej Lisicki

• Uniwersytet Ekonomiczny w Katowicach

Bibliografia

• Blume, M. (1975). Betas and their regression tendencies. The Journal of Finance, 30(3), 785-79. https://doi.org/10.1111/j.1540-6261.1975.tb01850.x.
• Brailsford, T., Josev, T. (1997). The impact of the return interval on the estimation of systematic risk. Pacific Basin Finance Journal, 5(3), 357-376. https://doi.org/10.1016/S0927-538X(97)00006-1.
• Brealey, R., Myers, S., Allen, F. (2008). Capital Structure and Agency Issues. Journal of Applied Corporate Finance, 20(4), 49-57. https://doi.org/10.1111/j.1745-6622.2008.00203.x.
• Brooks, R., Faff, R., McKenzie, M. (1998). Time varying Beta Risk of Australian Industry Portfolios: AC omparison of Modelling Techniques. Australian Journal of Management, 23(1), 721-745. https://doi.org/10.1177/031289629802300101.
• Brzeszczyński, J., Gajdka, J., Schabek, T. (2010). Zmienność wartości współczynników beta w czasie na polskim rynku kapitałowym. Prace Naukowe Uniwersytetu Ekonomicznego we Wrocławiu, (117), 44-57.
• Brzeszczyński, J., Gajdka, J., Schabek, T. (2011). The Role of Stock Size and Trading Intensity in the Magnitude of the Interval Effect in Beta Estimation: Empirical Evidence from the Polish Capital Market. Emerging Markets Finance and Trade, 47(1), 28-49. https://doi.org/10.2753/REE 1540-496X470102.
• Cakici, N., Zaremba, A. (2021). Who should be afraid of infections? Pandemic exposure and the cross-section of stock returns. Journal of International Financial Markets Institutions & Money, 72, 1-25. https://doi.org/10.1016/j.intfin.2021.101333.
• Choudhry, T., Lu, L., Peng, K. (2010). Time-varying beta and the Asian financial crisis: Evidence from the Asian industrial sectors. Japan and the World Economy, 22(4), 228-234. https://doi.org/10.1016/j.japwor.2010.06.003.
• Corhay, A. (1992). The intervalling effect bias in beta: A note. Journal of Banking & Finance, 16(1), 61-73. https://doi.org/10.1016/0378-4266(92)90078-E.
• Dadakas, D., Karpetis, Ch., Fassas, A., Varelas, E. (2016). Sectoral Differences in the Choice of the Time Horizon during Estimation of the Unconditional Stock Beta. International Journal of Financial Studies, 4(4). https://doi.org/10.3390/ijfs4040025.
• Damodaran, A. (2012). Estimating Risk Parameters. New York: Stern School of Business.
• Daves, P., Ehrhardt, M., Kunkel, R. (2000). Estimating Systematic Risk: The Choice of Return Interval and Estimation Period. Journal of Financial and Strategic Decisions, 13(1), 7-13.
• Dębski, W., Feder-Sempach, E. (2015). Intervalling Effect on Estimating the Beta Parameter for the Largest Companies on the WSE . Folia Oeconomica Stetinensia, 14(2), 270-286. https://doi.org/10.1515/foli-2015-0018.
• D'Agostino, R. B., Belanger, A., D'Agostino, Jr. R. B. (1990). A suggestion for using powerful and informative tests of normality. American Statistician, 44(4), 316-321. https://doi.org/10.2307/2684359.
• Diacogiannis, G., Makri, P. (2008). Estimating Betas in Thinner Markets: The Case of the Athens Stock Exchange. International Research Journal of Finance and Economics, (13), 1-89.
• Eubank, A., Zumwalt, J. (1979). An Analysis of the Forecast Error Impact of Alternative Beta Adjustment Techniques and Risk Classes. The Journal of Finance, 34(3), 761-776. https://doi.org/10.2307/2327442.
• Feder-Sempach, E. (2017). Efekt interwału w oszacowaniach współczynnika beta na podstawie akcji spółek z indeksu WIG20 I DAX w okresie 2005-2015-Analiza porównawcza. Studia Ekonomiczne. Zeszyty Naukowe Uniwersytetu Ekonomicznego w Katowicach, (325).
• Feder-Sempach, E., Szczepocki, P. (2022). The Bayesian Method in Estimating Polish and German Industry Betas. A C omparative Analysis of the Risk between the Main Economic Sectors from 2001-2020. Comparative Economic Research, Central and Eastern Europe, 25(2), 45-60. https://doi.org/10.18778/1508-2008.25.12.
• Gerald, B. (2018). A Brief Review of Independent, Dependent and One Sample t-test. International Journal of Applied Mathematics and Theoretical Physics, 4(2), 50-54. https://doi.org/10.11648/j.ijamtp.20180402.13.
• Gray, S., Hall, J., Bowman, J., Brailsford, T., Faff, R., Officer, B. (2005). The Performance of Alternative Techniques for Estimating Equity Betas of Australian Firms. Report Prepared for the Energy Networks Association. Pobrane z: htttp://www.qea.org.au/files (dostęp: 04.05.2022).
• Haroon, O., Rizvi, S., Moshin, A., Khan, A., Khattak, M. (2021). Financial Market Risks during the CO VID-19 Pandemic. Emerging Markets Finance and Trade, 57(8), 2407-2414. https://doi.org/10.1080/1540496X.2021.1873765.
• Handa, P., Kothari, S. P., Wasley, C. (1989). The relation between the return interval and betas: Implications for the size effect. Journal of Financial Economics, 23(1), 79-100. https://doi.org/10.1016/0304-405X(89)90006-8.
• Hawawini, G. (1983). Why Beta Shifts as the Return Interval Changes. Financial Analysts Journal, 39(3), 73-77. https://doi.org/10.2469/faj.v39.n3.73.
• Herrera, F., Jimenez, J., Santiago, A. (2022). Forecasting Performance of Different Betas: Mexican Stocks before and during the CO VID-19 Pandemic. Emerging Markets Finance and Trade, 58(9), 3868-3880. https://doi.org/10.1080/1540496X.2022.2073813.
• Hong, K. (2016). Is a Larger Equity Market More Information Efficient? Evidence from Intervalling Effect. Risk Governance & Control: Financial Markets & Institutions, 3(6), 36-44. https://doi.org/10.22495/rcgv6i3art6.
• Hua Cao, K., Woo, Ch. K., Li, Y., Liu, Y. (2022). Covid-19's effect on the alpha and beta of a US stock Exchange Traded Fund, Applied Economics Letters, 29(2), 123-128. https://doi.org/10.1080/13504851.2020.1859447.
• Investing.com (2023). CBOE Volatility Index (VIX), https://pl.investing.com/indices/volatility-s-p-500 (dostęp: 02.02.2023).
• Jacobsen, B., Dannenburg, D. (2003). Volatility Clustering in Monthly Stock Returns. Journal of Empirical Finance, 10(4), 479-50. https://doi.org/10.1016/S0927-5398(02)00071-3.
• Jain, S. (2021). Betas in the time of corona: a conditional CA PM approach using multivariate GARCH model for India. Managerial Finance, 48(2), 243-257. Pozyskano z: https://www.emerald.com/insight/content/doi/10.1108/MF-05-2021-0226/full/ html?skipTracking=true.
• Kornacki, A., Wesołowska-Janczarek, M. (2008). O weryfikowaniu poprawności matematycznych modeli procesów w oparciu o dane empiryczne. Problemy Inżynierii Rolniczej, (3), 5-18.
• Kyun, T. (2015). T test as a parametric statistic. Korean Journal of Anesthesiology, 6(68), 540-546. https://doi.org/10.4097/kjae.2015.68.6.540.
• Liu, Y. (2004). An Empirical Study on Beta Coefficient and its Related Characteristics in Shanghai Stock Market. Management Science, 17.
• Lisicki, B. (2017). Application of Blume Method in Forecasting Risk on the Example of Public Companies Listed on WIG20. Scientific Journal WSFiP, (3), 30-44. https://doi.org/10.19192/wsfip.sj3.2017.2.
• Lisicki, B. (2019). Poziomy współczynnika beta spółek indeksu RES PECT oszacowane w warunkach zróżnicowanego podejścia do stopy zwrotu. Studia Ekonomiczne. Zeszyty Naukowe Uniwersytetu Ekonomicznego w Katowicach, (382), 123-132.
• Lopez Herrera, F., Gonzalez Maiz Jimenez, J., Reyes Santiago, A. (2022). Forecasting Performance of Different Betas: Mexican Stocks before and during the COVID-19 Pandemic. Emerging Markets Finance & Trade, 58(13), 3868-3880. https://doi.org/10.1080/1540496X.2022.2073813.
• MacKinlay, A. (1997). Event Studies in Economics and Finance. Journal of Economic Literature, 35(1), 13-39.
• Neslihanoglu, S. (2021). Linearity extensions of the market model: a case of the top 10 cryptocurrency prices during the pre-CO VID-19 and CO VID-19 periods. Financial Innovation, 7(1), artykuł 38. https://doi.org/10.1186/s40854-021-00247-z.
• Olbryś, J. (2014a). Efekt przedziałowy parametru ryzyka systematycznego na GPW w Warszawie SA . Prace Naukowe Uniwersytetu Ekonomicznego we Wrocławiu, (371), 236-244.
• Olbryś, J. (2014b). Efekt przedziałowy współczynnika determinacji modelu rynku. Optimum. Studia Ekonomiczne, 2(68).
• Oprea, S. (2015). The Interval Effect in Estimating Beta: Empirical Evidence from the Romanian Stock Market. The Review of Finance and Banking, 2(7), 16-25.
• Phan, D., Sharma, S., Narayan, P. (2016). Intraday volatility interaction between the crude oil and equity markets. Journal of International Financial Markets, Institutions and Money, 40, 1-13. https://doi.org/10.1016/j.intfin.2015.07.007.
• Podgórski, K. (2019). Wpływ interwału czasowego stóp zwrotu wykorzystywanych w wyznaczaniu parametrów modelu Sharpe'a na wielkość błędu prognoz otrzymanych za pomocą modelu. Kwartalnik Naukowy Uczelni Vistula, 62(4), 5-16. https://doi.org/10.34765/kn.0419.a01.
• Pogue, G., Solnik, B. (1974). The Market Model Applied to European Common Stocks: Some Empirical Results. Journal of Financial and Quantitative Analysis, 9(6), 917-944. https://doi.org/10.2307/2329728.
• Ramelli, S., Wagner, A. (2020). Feverish Stock Price Reactions to CO VID-19. The Review of Corporate Finance Studies, 9(3), 622-655. https://doi.org/10.1093/rcfs/cfaa012.
• Rizvi, S., Arshad, S. (2018). Understanding time-varying systematic risks in Islamic and conventional sectoral indices. Economic Modelling, 70. https://doi.org/10.1016/j.econmod.2017.10.011.
• Rosenberg, B., Guy, J. (1976). Prediction of the beta from investment fundamentals. Part 1. Financial Analysts Journal, 32, 60-72.
• Rosenberg, B. (1985). Prediction of Common Stock Betas. Journal of Portfolio Management, 11, 9-16.
• Ruiz Estrada M. A., Koutronas E., Lee, M. (2021). Stagpression: the Economic and Financial Impact of the CO VID-19 Pandemic. Contemporary Economics, 15(1). http://dx.doi.org/10.5709/ce.1897-9254.433.
• Rutkowska-Ziarko, A., Pyke, C. (2017). The development of downside accounting beta as a measure of risk. Economics and Business Review EBR, 17(4), 55-65. https://doi.org/10.18559/ebr.2017.4.4.
• Rydzewska, A. (2016). Contemporary nature or stock exchange from the prospective of demutualization process. Oeconomia Copernicana, 7(1), 49-62. https://doi.org/10.12775/OeC.2016.004.
• Sharpe, W. (1963). A Simplified Model for Portfolio Analysis. Management Science, 9(2), 277-293. http://dx.doi.org/10.1287/mnsc.9.2.277.
• Stooq (2022). Historical quotations of companies, https://stooq.pl/ (dostęp: 22-29.04.2022).
• Taleb, N. (2010). The Black Swan: the impact of the highly improbable. Londyn: Penguin.
• Tarczyński, W., Witkowska, D., Kompa, K. (2013). Współczynnik beta. Teoria i praktyka. Warszawa: Pielaszek Research.
• Thakur, S. (2020). Effect of CO VID-19 on Capital Market with Reference to S&P 500. International Journal of Advanced Research, 8(6), 1180-1188. http://dx.doi.org/10.21474/IJAR 01/11203.
• Warsaw Stock Exchange (2020). Historical index portfolios, https://gpwbenchmark.pl/enhistoryczne-portfele (dostęp: 22.04.2022).
• Westerlund, J., Narayan, P. (2015). Testing for predictability in conditionally heteroskedastic stock returns. Journal of Financial Economics, 13(2), 407-415. https://doi.org/10.1093/jjfinec/nbu001.
• Wiśniewska-Kuźma, M. (2020). Impact of the Covid-19 Pandemic on the Market Value of Companies from Polish New Connect Market. Torun Business Review, 19(3), 10-19. https://doi.org/10.19197/tbr.v19i3.324.
• Zhang, D., Hu, M., Ji, Q. (2020). Financial markets under the global pandemic of CO VID-19. Finance Research Letters, 36, artykuł 101528. https://doi.org/10.1016/j.frl.2020.101528.

Identyfikatory

DOI

10.52335/ekon/166247