Wpływ publikacji wyników finansowych przedsiębiorstw na ich wycenę rynkową na przykładzie spółek przemysłu spożywczego notowanych na GPW w Warszawie
|
|
- Natalia Wójcik
- 6 lat temu
- Przeglądów:
Transkrypt
1 #0# Finanse, Rynki Finansowe, Ubezpieczenia nr 5/2017 (89), cz. 2 DOI: /frfu /2-01 s Wpływ publikacji wyników finansowych przedsiębiorstw na ich wycenę rynkową na przykładzie spółek przemysłu spożywczego notowanych na GPW w Warszawie Rafał Balina, Sławomir Juszczyk * Streszczenie: Cel Artykuł dotyczy efektów badań, dotyczących określenia zależności między upublicznieniem wyników finansowych przedsiębiorstw sektora żywnościowego notowanych na Giełdzie Papierów Wartościowych w Warszawie, a cenami ich akcji. Metodologia badania Badania dotyczyły lat W trakcie badań dokonano oceny sytuacji finansowej badanych firm pod względem osiąganych wyników finansowych oraz zmienności wartości sprzedaży. Wykorzystując korelację, regresję i analizę zdarzeń określono wpływ wyników finansowych przedsiębiorstw przemysłu spożywczego notowanych na GPW w Warszawie na ceny akcji badanych spółek. Wynik Na podstawie uzyskanych wyników stwierdzono, że poziom korelacji między badanymi elementami wskazywał na ich istotność w większości przypadków. Co więcej, reakcja rynku na publikację niekorzystnych informacji była na ogół bardziej impulsywna, niż reakcja na pozytywny lub neutralny komunikat. Słowa kluczowe: przemysł spożywczy, analiza zdarzeń, przychody netto, notowania akcji Wprowadzenie Inwestycje na giełdzie w ostatnich latach stały się popularną formą lokowania środków finansowych, jednak wiąże się to z różnymi rodzajami ryzyka i wymaga od inwestorów dużej wiedzy. W obrocie akcjami szczególnie ważne jest zaznajomienie się z czynnikami wpływającymi na ceny akcji spółek. Istnieje wiele takich czynników, nie sposób jednoznacznie powiedzieć, które z nich mają większy, a które mniejszy wpływ na atrakcyjność spółek. Jednak jednym z ważniejszych czynników są zyski netto spółek, które należą do grupy podstawowych informacji dostępnych inwestorom. Inwestorzy giełdowi nie powinni lekceważyć informacji dotyczących wyników ekonomicznych notowanych spółek, gdyż ceny akcji przedsiębiorstwa zależą także od tego, jak uczestnicy rynku odbiorą i zinterpretują te wiadomości. Z założeń analizy fundamentalnej * dr Rafał Balina, Szkoła Główna Gospodarstwa Wiejskiego w Warszawie, Wydział Nauk Ekonomicznych, Katedra Finansów, ul. Nowoursynowska 166, Warszawa, rafal_balina@sggw.pl ; prof. dr hab. Sławomir Juszczyk, Szkoła Główna Gospodarstwa Wiejskiego w Warszawie, Wydział Nauk Ekonomicznych, Katedra Finansów, ul. Nowoursynowska 166, Warszawa, slawomir_juszczyk@sggw.pl.
2 12 Rafał Balina, Sławomir Juszczyk wynika, że powinna istnieć dodatnia korelacja między systematycznym wzrostem zysków spółki, a systematycznym wzrostem cen jej akcji. Jednak ciekawość badawcza sugeruje sprawdzenie tej współzmienności na rynku polskim, gdyż interesujące może być znalezienie odpowiedzi na pytanie, czy na zmienność cen akcji spółek sektora spożywczego bardziej oddziałuje osiągany zysk netto danej spółki, czy np. zmienność ogólnej sytuacji gospodarczej, czego wyrazem może być zmienność na przykład WIG. 1. Założenia metodyczne Celem badań było określenie współzmienności między cenami akcji i wynikami finansowymi wybranych spółek sektora spożywczego notowanych na Giełdzie Papierów Wartościowych w Warszawie w latach Przyjęto m. in. następującą hipotezę: istnieje bardzo silna dodatnia korelacja między zmiennością cen akcji spółek przemysłu spożywczego w latach , a osiąganymi przez nie wynikami finansowymi netto. Badaniem objęto działalność spółek spożywczych notowanych nieprzerwanie na Giełdzie Papierów Wartościowych w Warszawie w latach , w związku z tym badane podmioty były obecne na parkiecie GPW przed 2000 rokiem i prowadziły swoją działalność nieprzerwanie w okresie badawczym tj. do 1 stycznia 2015 roku. Spośród 28 podmiotów przemysłu spożywczego warunek ten spełniło 8 podmiotów. Uwzględniając powyższe założenie przeprowadzone badania koncentrowały się na analizie zmienności kwartalnych wyników finansowych badanych spółek akcyjnych oraz zmienności ich cen akcji. Podstawowym źródłem informacji na temat wpływu wyniku finansowego spółek na ceny ich akcji były publikacje naukowe o tematyce ekonomiczno- finansowej, podręczniki z zakresu statystyki i prognozowania, czasopisma oraz strony internetowe GPW oraz badanych podmiotów. Źródłem kwartalnych sprawozdań finansowych spółek, wykorzystanych do obliczeń była baza danych Dla każdego kwartalnego raportu podjęto próbę ustalenia daty publikacji. Za datę tę przyjęto dzień ogłoszenia w systemie Emitent lub publikacji przez Polską Agencję Prasową. Notowania cen akcji spółek oraz indeksu WIG20 zaczerpnięto z portalu Pierwsza część przeprowadzonych badań opierała się na analizie korelacji oraz regresji kwartalnych wyników finansowych i cen akcji spółek. Dla każdego z analizowanych podmiotów z sektora spożywczego zbadano również współzmienność cen ich akcji i indeksu WIG20. Do oceny siły korelacji posłużono się skalą zaproponowaną przez Starzyńską (Starzyńska, 2009, s. 167). Istotę tych powiązań powinna odzwierciedlać funkcja regresji. Metodą wykorzystywaną do estymacji parametrów strukturalnych modelu jest najczęściej metoda najmniejszych kwadratów (Aczel, 2005, s. 491). Do oceny dopasowania zbudowanego modelu użyto współczynnika determinacji R 2. Kolejna część przeprowadzonych badań koncentrowała się na bezpośrednim wpływie opublikowanego wyniku finansowego analizowanych spółek na zmiany cen akcji, na piętnaście dni przed i po dacie ogłoszenia
3 Wpływ publikacji wyników finansowych przedsiębiorstw na ich wycenę rynkową sprawozdania. Do tego celu wykorzystano metodę analizy zdarzeń (event studies), która pozwala uchwycić efekt badanego zdarzenia. W metodzie tej na początku obliczono anormalne, w tym przypadku zwyżkowe stopy zwrotu oraz prognozy kwartalnych wyników finansowych badanych spółek. Następnie wykorzystując m.in. współczynnik błędu określono próbę, która po oczyszczeniu objęła 141 zdarzeń, które podzielono na trzy grupy. Dla każdej z grup obliczono przeciętne anormalne stopy zwrotu, które były podstawą do dalszych analiz w tym zakresie. 2. Analiza zdarzeń w kontekście finansów behawioralnych Przyjmując tezę o efektywności rynku kapitałowego, należy również przyjąć, że informacje, zdarzenia w sensie ogólnym zostaną odzwierciedlone w cenach akcji spółek. Inwestorzy jednak powinni sobie odpowiedzieć na pytanie, które z tych informacji są kluczowe. Pierwszym etapem badania, które ma na celu oszacowanie wpływu konkretnych zdarzeń na kursy, jest identyfikacja danego zdarzenia (Zielonka, 2006, s ). Należy przez to rozumieć ustalenie daty i okoliczności zajścia zdarzenia. Ponieważ niektóre zależności ujawniają się dopiero po analizie dużej liczby pojedynczych zdarzeń, do badania należy dobrać próbę wielu podobnych informacji i określić ich wpływ na rynek. Autorem prawdopodobnie pierwszej pracy z analizy zdarzeń jest Dolley (1933, s ). Autor ten w 1933 roku, na podstawie próby składającej się z 95 splitów akcji na rynku amerykańskim, stwierdził, że w 57 przypadkach wydarzeniu temu towarzyszył wzrost cen akcji, a spadek jedynie w 26 przypadkach. W następnych latach podobne badania prowadzili Meyers i Bakay (1948, s ), Barker (1956, s ) oraz Ashley (1962, s ). Wspominani autorzy przyczynili się do rozwoju metodyki analizy zdarzeń. Zwrócili uwagę na konieczność zneutralizowania wpływu zdarzeń zakłócających oraz odróżnienia specyficznych zmian danego waloru od ogólnej tendencji rynku. Praca Famy w 1969 roku dała dalszy impuls do rozwoju merytorycznego analizy zdarzeń (Fama, 1969, s. 1 21). Pierwsze prace na temat tej analizy dotyczyły głównie rynków kapitałowych w Stanach Zjednoczonych. Systematyczny rozwój rynków akcji pozwolił na objęcie badaniem zdarzeń dotąd nie występujących. Coraz liczniejsze próby badawcze przyczyniły się do ewolucji metodyki analizy zdarzeń. Zwłaszcza po 1969 roku metodyka tej analizy uległa wyraźnym przeobrażeniom. Zaadaptowano do niej najnowsze, często skomplikowane modele. Wprowadzono je zarówno do części teoretycznej, jak i aplikacyjnej. W 1997 roku Boardman, Vertinsky i Whistler wprowadzili modele typu dyfuzyjnego, które opierają się na równaniach różniczkowych (Boardman, Vertinsky, Whistler, 1997, s ). Rozwijane były także nieparametryczne i parametryczne testy istotności. Systematycznemu ulepszeniu ulegały metody estymacji, w których coraz częściej uwzględnia się specyficzne właściwości stóp zwrotu waloru. W tym kontekście na szczególną uwagę zasługują prace Browna i Wernera z 1985 roku oraz Chandry i in. z 1995 roku. Dla przykładu, Brown i Werner w swojej pracy zauważyli, że moc testów statystycznych spada w dłuższych okresach zdarzeń (Brown, Werner, 1985, s ). Brown,
4 14 Rafał Balina, Sławomir Juszczyk Lockwood i Lummer (1985, s ) sugerują zaś, co jest zbieżne z opinią autora, że okno zdarzenia powinno być dobierane indywidualnie dla każdego przypadku. Sugerują, że powinno się używać metod analitycznych, na których można by oprzeć swój wybór. W podstawowym modelu analizy zdarzeń zmienną endogeniczną najczęściej jest stopa zwrotu. Zmiennymi egzogenicznymi są natomiast kategorie zazwyczaj charakteryzujące spółkę oraz badane i obserwowane wydarzenia wewnętrzne, jak i zewnętrzne. Przede wszystkim można modelować kierunek zmian stóp zwrotu, a nie same stopy. Można także traktować same wydarzenia jako zmienne endogeniczne, zmienna jakościowa jest wtedy naturalną zmienną endogeniczną. W ekonometrii finansowej analiza wydarzeń oznacza badanie wpływu na zmiany cen akcji takich zdarzeń, jak nowe emisje czy informacje o poziomie zysku lub np. dywidendy. Metodą często wykorzystywaną do obliczania anormalnych stóp zwrotu jest model rynkowy (market model). Stosuje się go szczególnie w badaniach, które koncentrują się na okresie do kilkudziesięciu dni wokół badanego zdarzenia. Model ten zakłada, że stopy zwrotu z akcji spółki j generowane są w procesie opisanym następującym równaniem (Sharpe, 1964, s ): R = a +β R + u (1) jt j j mt jt gdzie u jt jest nieskorelowanym elementem resztowym, którego wartość oczekiwana wynosi zero. Równanie (1) dzieli więc stopę zwrotu z akcji spółki j na składnik systemowy, który jest liniowo zależny od stopy zwrotu liczonej z portfela rynkowego, oraz komponent niesystemowy, niezależny od rynku. Przyjmuje się, że skutek zdarzenia specyficznego dla spółki j będzie ujęty w składniku niesystemowym. Prowadzi to do założenia, że informacja dotycząca tego wydarzenia nie wywiera wpływu na rynkową stopę zwrotu. Anormalne stopy zwrotu w okresie okołoogłoszeniowym są wyliczane według następującego wzoru: uˆ = R ( aˆ +β ˆ R ) (2) jt jt j j mt Następnym krokiem badania jest obliczenie dla każdej spółki j skumulowanej anormalnej stopy zwrotu (CAR cumulated abnormal return) w okresie od dnia k do dnia t: CAR t ˆ j, t k u jk t= k = (3) W dalszej kolejności wyliczana jest przeciętna skumulowana anormalna stopa zwrotu. ACAR (average cumulated abnormal return) jest ona średnią arytmetyczną skumulowanych stóp zwrotu CAR wszystkich n analizowanych zdarzeń. n CAR j= 1 j,t k ACAR t k= (4) n
5 Wpływ publikacji wyników finansowych przedsiębiorstw na ich wycenę rynkową Parametry α j oraz β j, pojawiające się w równaniu (2), są szacowane wcześniej poprzez obserwacje relacji, zachodzących między stopami zwrotu z portfela rynkowego oraz stopami zwrotu z akcji spółki j w okresie estymacji. Są oszacowane za pomocą uogólnionej metody najmniejszych kwadratów lub za pomocą zwykłej metody najmniejszych kwadratów, w przypadku tej metody konieczne są założenia o braku autokorelacji składnika resztowego, homoscedastyczności oraz o braku korelacji składnika resztowego z rynkowymi stopami zwrotu. W tego typu badaniach zazwyczaj przyjmuje się również założenie rozkładu normalnego, chociaż nie jest to konieczne, ale ułatwia weryfikację statystycznej istotności uzyskanych wyników. Malatesta (1986, s ) przeprowadził symulację, która wskazała, że obie wyżej zaprezentowane metody dają podobne wyniki. Chandra i Balachandran (1990, s ) wykazali natomiast, że zastosowanie uogólnionej metody najmniejszych kwadratów zwiększa wrażliwość wyników na błędy w specyfikacji modelu. W przeprowadzonych badaniach zdecydowano się na wykorzystanie zwykłej metody najmniejszych kwadratów. Parametry modelu (1) oszacowano, opierając się na stopach zwrotu wykorzystujących kapitalizację ciągłą. Podobne stopy zwrotu stały się podstawą obliczeń anormalnych stóp zwrotu zgodnie z równaniem (2). Stopy zwrotu z waloru j w dniu t zdefiniowano jako: R jt P t = ln Pt -1 gdzie P t oznacza cenę waloru w dniu t, a P t 1 cenę w poprzednim dniu sesyjnym. Za cenę waloru w danym dniu sesyjnym przyjmowano kurs zamknięcia. Stanowi on wysokość wypłacanej dywidendy za poprzedni rok finansowy. O jej wysokość powiększono bieżącą cenę waloru pierwszego dnia, w którym posiadanie akcji już nie uprawniało do wypłaty dywidendy. Tak obliczone stopy zwrotu z badanych spółek przemysłu spożywczego były odnoszone do zachowania portfela rynkowego. Do obliczania zmian wartości tego portfela użyto indeksu WIG. Stopa zwrotu z portfela rynkowego została zdefiniowana następująco: (5) R mt I t = ln It-1 gdzie I t oznacza wartość indeksu w dniu t, a I t 1 oznacza wartość w dniu poprzednim. (6) Mając na uwadze dobór okien estymacji warto podkreślić, że okno estymacji to okres, w którym szacowane są parametry modelu opisującego oczekiwane stopy zwrotu z akcji danej spółki. W okresie obserwacji odpowiednio oszacowany model stanowi podstawę do obliczania anormalnych stóp zwrotu. Podstawowym założeniem badania jest niezmienność parametrów modelu w obu oknach, zarówno estymacji, jak i obserwacji. Ważne jest, aby czas estymacji był niezbyt odległy od okna obserwacji, by kryterium niezmienności parametrów można było uznać za spełnione. Jednakże czas ten powinien być z drugiej strony na tyle oddalony od wydarzenia będącego przedmiotem badania, aby to wydarzenie nie mogło wywierać większego wpływu na kształtowanie się cen akcji. Okres estymacji z reguły
6 16 Rafał Balina, Sławomir Juszczyk jest obierany bezpośrednio przed oknem, tj. okresem obserwacji. W literaturze przedmiotu pojawiają się również propozycje, aby okno estymacji obejmowało zarówno okres przed oknem zdarzenia, jak i następujący po oknie obserwacji (Strong, 1992, s ). 3. Wyniki badań W prowadzonych badaniach przyjęto okres estymacji równy 240 sesji. Zasadniczy okres analizy wynosi natomiast 31 dni sesyjnych (15 przed publikacją kwartalnych wyników finansowych spółki, dzień 0, czyli dzień opublikowania informacji, oraz 15 dni po publikacji informacji). Wąskie okno zdarzenia zmniejsza możliwość wpływu innych czynników na zachowanie się cen waloru. W badaniach dodatkowo zwrócono uwagę na zachowanie się kursów w okresie wokół daty upublicznienia informacji, obliczając ACAR przeciętne skumulowane anormalne stopy zwrotu w krótszych podokresach. Do analizy kwartalnych wyników finansowych spółek przyjęto model zaproponowany w pracy Fostera i in. (Foster, Olsen, Shelvin, 1984, s ). W pierwszej kolejności obliczono współczynniki korelacji dla każdej z badanych spółek uwzględniając różne przesunięcia czasowe. W badaniach przeanalizowano nie tylko wpływ zysku (straty) netto w kwartale t na średnią cenę zamknięcia w kwartale t (taką zależność zaprezentowano w kolumnie zysk netto w kwartale bieżącym ), ale również wpływ na średnią cenę zamknięcia w kwartale t wyników finansowych w następnym kwartale t + 1 (kolumna zysk netto w kwartale następnym ) oraz wpływ zysku (starty) netto w poprzednim kwartale t 1 na średnią cenę zamknięcia w kwartale t (kolumna zysk netto w kwartale poprzednim ). Tabela 1 zawiera również współczynniki korelacji liczone między średnią kwartalną ceną zamknięcia indeksu WIG20, a średnią kwartalną ceną zamknięcia cen akcji badanych spółek. Tabela 1 Wartości współczynnika korelacji między kwartalnymi zyskami netto badanych spółek (i indeksem WIG20) a średnimi kwartalnymi cenami ich akcji w badanych Spółka Zysk netto w kwartale poprzednim a cena zamknięcia akcji Zysk netto w kwartale bieżącym a cena zamknięcia akcji Zysk netto w kwartale następnym a cena zamknięcia akcji Kruszwica 0,138 0,171 0,294 0,747 Vitbo 0,521 0,485 0,368 0,405 Żywiec 0,471 0,473 0,422 0,730 Wawel 0,710 0,726 0,735 0,760 Indykpol 0,153 0,297 0,371 0,856 Colian 0,394 0,272 0,021 0,697 Mieszko 0,343 0,326 0,317 0,421 Pepees 0,307 0,315 0,334 0,972 Źródło: obliczenia własne. WIG20 a cena zamknięcia akcji
7 Wpływ publikacji wyników finansowych przedsiębiorstw na ich wycenę rynkową Z tabeli 1 wynika, że dla większości badanych spółek tj. z wyjątkiem spółki Wawel nie odnotowano silnych współzmienności między średnimi kwartalnymi cenami akcji, a kwartalnymi zyskami netto tychże spółek. W związku z tym można przypuszczać, że wyniki finansowe nie są czynnikiem decydującym o aktualnej cenie akcji danej spółki. Bardziej z bieżącymi cenami akcji skorelowany był wynik finansowy z następnego dopiero (przyszłego) kwartału. Może to oznaczać, że inwestorzy przewidując lepsze wyniki finansowe danej spółki w następnych kwartałach dokonują zakupu jej akcji, dzięki czemu ich cena w bieżącym okresie wzrasta, lub odwrotnie. Można zatem wstępnie uznać, że dla inwestorów ważniejsze są przypuszczenia co do przyszłej kondycji finansowej spółki, niż jej stan aktualny. Znacznie wyższe wartości przyjął współczynnik korelacji liczony między wartością indeksu WIG20, a cenami akcji spółek. Oznacza to, że ogólna tendencja na rynku ma silniejszy wpływ na zmiany cen akcji spółek sektora spożywczego, niż osiągane przez te spółki wyniki finansowe. Tabela 2 Ważniejsze charakterystyki statystyczne wartości współczynnika korelacji badanych spółek między zyskiem netto (i indeksem WIG20) a średnią kwartalną ceną akcji badanych spółek Wyszczególnienie Zysk netto w kwartale poprzednim a cena zamknięcia akcji Zysk netto w kwartale bieżącym a cena zamknięcia akcji Zysk netto w kwartale następnym a cena zamknięcia akcji Wartość maksymalna 0,71 0,73 0,74 0,97 Wartość minimalna 0,34 0,33 0,32 0,40 Mediana 0,35 0,31 0,35 0,74 Średnia arytmetyczna 0,29 0,30 0,28 0,70 Kurtoza 1,62 2,53 1,62 0,38 Odch. Standardowe 0,30 0,29 0,29 0,18 Źródło: obliczenia własne. WIG20 a cena zamknięcia akcji W tabeli 2 zaprezentowano wartości podstawowych charakterystyk statystycznych dla badanych zależności. Rozstęp liczony dla współczynników korelacji między kwartalnym wynikiem finansowym (zysk/strata netto a średnimi kwartalnymi cenami akcji jest większy od 1. Rozstęp natomiast obliczony dla współczynników korelacji między średnimi kwartalnymi wartościami indeksu WIG20, a średnimi kwartalnymi cenami akcji jest mniejszy i wynosi 0,57. Zatem należy zauważyć, że dysproporcja między wartościami współczynnika korelacji dla badanych zależności była niższa w przypadku współzmienności indeksu WIG20 i cen akcji poszczególnych spółek. Średni współczynnik korelacji między indeksem WIG20, a cenami akcji spółek wynosił 0,70. Wskazuje to na istnienie współzmienności między tymi zmiennymi. W przypadku współzmienności wyniku finansowego i cen akcji spółek, wyższa średnia korelacja występowała dla zysku (straty) netto bez przesunięcia czasowego i wynosiła 0,30. Jest to wynik
8 18 Rafał Balina, Sławomir Juszczyk przeciętny, który jednak wskazuje na istnienie wyraźnej, ale niskiej korelacji między osiąganymi wynikami finansowymi przez spółki sektora spożywczego, a cenami ich akcji. Reasumując zmiany wyniku finansowego mają umiarkowany wpływ na zmiany cen akcji spółek sektora spożywczego. Można zatem stwierdzić, iż przyjęta na wstępie hipoteza: istnieje bardzo silna dodatnia korelacja między zmiennością cen akcji spółek przemysłu spożywczego, a osiąganymi wynikami finansowymi potwierdziła się tylko dla przedsiębiorstwa Wawel, gdyż korelacja była znacząca i mieściła się w przedziale od 0,7 do 0,9. W przypadku pozostałych spółek hipoteza ta nie potwierdziła się. W kolejnym etapie badań podjęto próbę ustalenia wpływu kwartalnych wyników finansowych na ceny akcji w okresie około ogłoszeniowym, tzn. kilku sesji przed i kilku sesji po dniu publikacji kwartalnych raportów finansowych. Zasadniczym kryterium doboru spółek do próby była dostępność danych. Badanie zostało przeprowadzone na grupie 8 spółek, losowo wybranych spośród wszystkich spółek przemysłu spożywczego notowanych na Giełdzie Papierów Wartościowych w Warszawie. Założono, że kwartalne wyniki finansowe badanych spółek musiały być dostępne przynajmniej począwszy od I kwartału 2004 roku. Źródłem sprawozdań finansowych była baza danych Dla tej grupy spółek zgromadzono raporty kwartalne za okres od I kwartału 2005 roku do IV kwartału 2014 roku. Dało to w sumie 224 obserwacji. Dla każdej z tych obserwacji podjęto próbę ustalenia precyzyjnej daty opublikowania raportu. Za datę tę przyjęto dzień ogłoszenia w systemie Emitent lub publikacji przez Polską Agencję Prasową. Na początku przeanalizowano zebrane dane i oczyszczono je z przypadków, dla których jednoznacznie nie udało się ustalić daty ogłoszenia raportu. Ostatecznie próba objęła 141 obserwacji. Obserwacje te podzielono na trzy grupy. Pierwsza grupa obejmuje przypadki, gdy wyniki kwartalne są zaskakująco dobre, tzn. gdy współczynnik błędu prognozy był większy od 1. Drugą grupę stanowią przypadki nieodbiegające od oczekiwań, czyli takie, gdy współczynnik błędu prognozy mieścił się w przedziale ( 1; 1). Trzecią grupę stanowią przypadki, gdy kwartalne wyniki finansowe były gorsze od oczekiwanych. Grupie tej przypisano przypadki, dla których współczynnik błędu prognozy FE był mniejszy niż 1, czyli wyniki były gorsze, niż wartość oczekiwana pomniejszona o standardowy błąd szacunku. Według wyżej zaprezentowanej klasyfikacji grupa pierwsza liczy 9 obserwacji, grupa druga 120, a grupa trzecia 12 obserwacji. Statystyki opisowe anormalnych stóp zwrotu z okna zdarzenia (31 sesji) są zostały przedstawione w tabeli 3. Średnia anormalna przekrojowa stopa zwrotu w badanych przypadkach nie różni się istotnie od zera. Największy rozstęp występuje w dniu poprzedzającym publikację informacji t = 13. Duży rozstęp można także zaobserwować w dniu ogłoszenia wyników finansowych spółek t = 0, co może wskazywać na zróżnicowaną reakcję cen badanych walorów na tę informację. W dniu ogłoszenia wyników finansowych odnotowano też największe odchylenie standardowe wynoszące prawie 5%. Obserwacja skośności i kurtozy potwierdzała brak normalności rozkładu.
9 Wpływ publikacji wyników finansowych przedsiębiorstw na ich wycenę rynkową Tabela 3 Statystyki opisowe dla dziennych przekrojowych anormalnych stóp zwrotu wokół daty publikacji kwartalnych wyników finansowych w latach Dzień t Wartość minimalna (%) Wartość maksymalna (%) Średnia (%) Mediana (%) Odchylenie standardowe (%) Skośność Kurtoza 15 7,47 11,49 0,22 0,08 2,38 1,21 5, ,43 19,81 0,10 0,06 2,80 2,97 19, ,18 25,02 0,65 0,03 3,78 3,55 21, ,61 8,92 0,10 0,23 2,82 0,76 7, ,83 16,04 0,03 0,13 2,54 1,54 11, ,74 9,62 0,10 0,13 2,30 0,34 3,86 9 7,50 11,39 0,11 0,01 2,25 0,82 5,94 8 9,09 12,35 0,18 0,02 2,81 0,74 5,32 7 9,17 7,66 0,12 0,14 2,33 0,19 2,44 6 7,94 10,30 0,04 0,04 2,74 0,42 2,69 5 6,36 12,96 0,34 0,00 2,61 1,27 4, ,65 9,15 0,12 0,05 2,46 0,06 4,30 3 7,19 6,3 1 0,00 0,00 2,21 0,09 1,02 2 6,32 8,38 0,45 0,43 2,34 0,18 1, ,09 9,77 0,12 0,09 2,49 0,70 6, ,36 15,81 0,54 0,20 4,74 0,56 1, ,55 13,78 0,20 0,13 3,10 0,85 4,70 2 6,84 7,53 0,37 0,34 2,54 0,39 1,29 3 6,59 10,5 1 0,06 0,14 2,3 1 0,74 3,88 4 7,17 12,71 0,10 0,18 2,74 0,98 3, ,43 9,58 0,04 0,04 2,78 0,02 2,47 6 8,25 8,70 0,16 0,08 2,54 0,11 2,11 7 6,41 9,63 0,28 0,20 2,35 0,55 1,63 8 8,22 6,27 0,15 0,23 2,33 0,45 1,99 9 3,84 19,11 0,49 0,34 2,58 2,96 17, ,27 7,97 0,07 0,04 1,95 0,06 3, ,76 6,93 0,08 0,12 2,09 0,40 1, ,36 8,19 0,04 0,01 2,07 0,50 2, ,76 12,02 0,06 0,22 2,5 1 1,57 5, ,67 6,85 0,00 0,00 2,20 0,25 1, ,59 8,23 0,10 0,11 2,27 0,01 2,15 Źródło: obliczenia własne. Tabela 4 prezentuje przeciętne skumulowane anormalne stopy zwrotu, dla trzech grup, które obejmowały przypadki, gdy zysk netto na jedną akcję w danym kwartale był wyższy, zgodny lub niższy, niż zysk oczekiwany. W tabeli 4 zamieszczono również wyniki testowania średniej zwyżkowej stopy zwrotu dla każdej z grup przy użyciu statystyki t Studenta. Sesję 0 stanowi dzień publikacji kwartalnych wyników finansowych spółki.
10 20 Rafał Balina, Sławomir Juszczyk Tabela 4 Przeciętna anormalna stopa zwrotu (ACAR) oraz skumulowana anormalna stopa zwrotu (CAR) dla ogłoszeń wyników kwartalnych w latach Dzień t I grupa (%) tstat II grupa (%) tstat III grupa (%) tstat 15 0,96 0,48 0,27 0,78 0,47 0, ,30 0,65 0,19 0,55 0,25 0, ,42 0,21 0,71 * 2,02 0,95 0, ,48 0,24 0,02 0,07 1,22 0, ,00 0,00 0,08 0,22 0,34 0, ,16 0,58 0,16 0,46 0,45 0,25 9 0,05 0,03 0,06 0,17 0,68 0,38 8 0,08 0,04 0,20 0,57 0,14 0,08 7 0,71 0,36 0,20 0,57 0,92 0,52 6 0,03 0,01 0,00 0,00 0,11 0,06 5 1,03 0,52 0,55 1,57 1,28 0,72 4 1,39 0,70 0,15 0,44 0,69 0,39 3 0,29 0,15 0,06 0,17 0,02 0,01 2 0,02 0,01 0,53 1,53 0,24 0,13 1 0,60 0,30 0,16 0,45 0,26 0,15 0 1,58 0,80 0,6* 1,72 1,04 0,59 1 0,17 0,08 0,14 0,39 2,59 1,46 2 1,07 0,54 0,43 1,22 0,38 0,21 3 0,34 0,17 0,02 0,07 0,17 0,09 4 0,46 0,23 0,09 0,26 0,03 0,02 5 1,29 0,65 0,05 0,15 0,44 0,25 6 1,05 0,53 0,24 0,70 1,19 0,67 7 0,93 0,47 0,30 0,86 0,26 0,15 8 0,39 0,19 0,17 0,50 0,64 0,36 9 1,08 0,55 0,97 ** 2,80 0,03 0, ,35 0,18 0,04 0,11 0,56 0, ,05 0,53 0,11 0,3 1 0,04 0, ,46 0,23 0,02 0,05 0,95 0, ,97 0,49 0,00 0,01 1,05 0, ,32 0,67 0,11 0,33 0,98 0, ,16 0,08 0,28 0,79 1,05 0,59 CAR 7 44** 3,90 2,02** 8,88 5,89* 3,32 * istotność na poziomie 5%; ** istotność na poziomie 1%. Źródło: obliczenia własne. Można stwierdzić, że dla 9 przypadków kwartalnych wyników finansowych wyższych, niż oczekiwane, przekrojowa średnia zwyżkowa stopa zwrotu (ACAR) w dniu t = 0 wynosiła 1,58% i jest to najwyższa zwyżkowa stopa zwrotu uzyskana w grupie I. W tej grupie statystyka testowa jest nieistotna. Może na to wpływać zbyt mała wielkość próby. W przypadku zysków spółek nieodbiegających od oczekiwań akcjonariuszy (120 obserwacji) średnia
11 Wpływ publikacji wyników finansowych przedsiębiorstw na ich wycenę rynkową zwyżkowa stopa zwrotu w dniu t = 9 wynosiła 0,97 % (istotna na poziomie 1%), 0,6% w dniu t = 0 oraz 0,71% w dniu t = 13 (istotne na poziomie 5%). W pozostałych dniach okna zdarzenia, zwyżkowa stopa zwrotu nieistotnie różniła się od zera. W grupie III liczącej 12 obserwacji również średnia zwyżkowa stopa zwrotu nie różniła się istotnie od zera. Wpływ wyniku finansowego na ceny akcji wyraźniej zaznacza się przy zastosowaniu średnich skumulowanych anormalnych stóp zwrotu CAR. Dla wyższego niż oczekiwany kwartalnego wyniku finansowego średnia skumulowana zwyżkowa stopa zwrotu wynosiła 7,74% i była istotna na poziomie 1%. W przypadku grupy obejmującej zdarzenia, gdy kwartalny wynik finansowy nie różnił się istotnie od oczekiwanego CAR wyniósł 2,02% (istotność na poziomie 1%). W trzeciej ostatniej grupie obejmującej przypadki gorszych, niż oczekiwane wyników finansowych CAR wyniosła 5,89% (istotność na poziomie 5%). W tabeli 5 zaprezentowano przeciętne skumulowane zwyżkowe stopy zwrotu dla krótszych podokresów obserwacji. Wyróżniono je by było możliwe przeprowadzenie bardziej szczegółowej analizy. Dla przykładu sprawdzenie bezpośredniej reakcji rynku na ogłoszenie kwartalnych raportów finansowych wymagało obliczenia przeciętnej skumulowanej zwyżkowej stopy zwrotu dla okresu składającego się z sesji 0 i sesji +1. Przyjęcie takiego okresu obserwacji jest uzasadnione tym, że wiele raportów finansowych jest publikowanych w godzinach popołudniowych i w takich przypadkach reakcja rynku może być widoczna dopiero następnego dnia. Tabela 5 Przeciętna skumulowana anormalna stopa zwrotu dla ogłoszeń wyników kwartalnych w latach w wybranych podokresach obserwacji Okres obserwacji I grupa (%) tstat II grupa (%) tstat III grupa (%) tstat Od 15 do 1 3,84 1,935 2,17** 6,207 5,54* 3,124 Od 1 do 0 0,98 0,494 0,44 1,271 1,30 0,734 Od 0 do +1 1,41 0,712 0,74* 2,115 3,64* 2,050 Od +2 do +5 1,56 0,787 0,41 1,177 0,08 0,043 Od +2 do +10 2,80 1,414 0,90** 2,566 0,14 0,081 Od +2 do +15 3,91 1,969 0,93** 2,676 0,35 0,195 * istotność na poziomie 5%; ** istotność na poziomie 1%. Źródło: obliczenia własne. Analizując wyniki zaprezentowane w tabeli 5 warto zauważyć, że znak zwyżkowych stóp zwrotu odpowiada rodzajowi komunikatu. W grupie I dla wyższych, niż oczekiwane wyników finansowych odnotowano dodatnie zwyżkowe skumulowane stopy zwrotu, w grupie III natomiast zawierającej przypadki gorszego, niż oczekiwany wyniku finansowego, skumulowane anormalne stopy zwrotu były ujemne. W grupie III w okresie od sesji 0 do sesji 1 skumulowana stopa zwrotu wyniosła 3,64 % (istotna na poziomie 5%). Można zatem przypuszczać, że ogłoszenie wyników finansowych gorszych, niż oczekiwane przez
12 22 Rafał Balina, Sławomir Juszczyk inwestorów powoduje nagły spadek cen akcji danej spółki. W kolejnych okresach uzyskane wyniki są nieistotnie różne od zera. W grupie II w dwusesyjnym okresie od 0 do 1 skumulowana anormalna stopa zwrotu wyniosła 0,74%. W kolejnym okresie od 2 do 15 sesji stopa ta wyniosła 0,93%. Wyniki te są istotnie różne od zera. Zdaniem autora może to oznaczać, że brak nieoczekiwanych zmian w poziomie wyniku finansowego nie oddziałuje znacząco na ceny akcji spółek. W grupie I wszystkie uzyskane wyniki są nieistotnie różne od zera, jednak warto zauważyć, że zwyżkowa stopa zwrotu w kolejnych sesjach po ogłoszeniu wyniku systematycznie narasta. Może to być wynikiem wzrostu zainteresowania akcjonariuszy akcjami spółki osiągającej niespodziewanie dobre wyniki. Mając na uwadze przeciętną skumulowaną zwyżkową stopę zwrotu w całym (31 sesyjnym) oknie zdarzenia, warto zauważyć, że część reakcji rynku miała miejsce jeszcze przed ogłoszeniem kwartalnych raportów. W grupie pierwszej w okresie przed publikacją raportu zauważono silny wzrost skumulowanych zwyżkowych stóp zwrotu. Może to być spowodowane ewentualnymi przeciekami informacji o wyższym zysku. Z drugiej strony spółki osiągające wysokie zyski często, aby zachęcić inwestorów do kupna akcji, ogłaszają prognozy swoich wyników finansowych. Dlatego w dniu ogłoszenia kwartalnych raportów finansowych w tej grupie nie ma w rzeczywistości dużego zaskoczenia. Zachowanie skumulowanych anormalnych stóp zwrotu w grupie III jest odmienne, niż w pozostałych grupach. W okresie przed publikacją raportu skumulowane anormalne stopy zwrotu są ujemne, ale nie przekraczają progu 2 procent. Dopiero w dniu ogłoszenia wyniku finansowego gwałtownie spadają. Po tym silnym ruchu ceny utrzymują się na stałym poziomie. Zauważono, że reakcja inwestorów na publikowane informacje nie jest symetryczna. Informacje negatywne, na temat osiągnięcia przez spółkę spożywczą zysku niższego, niż prognozowano, znacznie silniej wpływają na ceny akcji, niż informacje pozytywne, czy neutralne. Według autora przyczyną takiej sytuacji może być wyprzedawanie papierów wartościowych przez inwestorów fundamentalnych, które powoduje znaczny spadek cen waloru. Dużą rolę w ocenie ważności zdarzenia odgrywa wariancja anormalnych stóp zwrotu. Analizę wariancji rozpoczęto od zbadania szeregu czasowego wariancji anormalnych stóp zwrotu w okresie obserwacji. Zaobserwowano, że wariancje w każdej z grup z wyjątkiem grupy I mają tendencję do wzrostu w dniu publikacji raportu finansowego. Wariancje w czasie od sesji 0 w grupie III (oznaczającej wynik finansowy gorszy, niż prognozowany) są znacznie wyższe, niż w innych grupach. Autor interpretuje to jako efekt niepewności inwestorów w związku z publikacją złej informacji. Wariancja zwyżkowych stóp zwrotu w grupie I w całym oknie zdarzenia nie różni się wyraźnie od siebie. Wyniki przeprowadzonych badań potwierdzają wpływ publikowanych przez spółki wyników finansowych na ceny ich akcji. Część reakcji inwestorów zaobserwowano jeszcze przed upublicznieniem kwartalnego raportu finansowego. Jajuga (2007) takie zjawisko nazywa antycypacją. Polega ono na przewidywaniu przyszłych
13 Wpływ publikacji wyników finansowych przedsiębiorstw na ich wycenę rynkową wyników finansowych spółki na podstawie znanych informacji, takich, jak: dane dotyczące gospodarki, sektora, sprawozdania miesięczne itp. W dniu ogłoszenia informacji, jak i na kilka dni po tej dacie odnotowano ruch cen zgodny z charakterem informacji. Dla badanych spółek publikujących wyższe, niż przewidywane wyniki finansowe cena walorów rośnie, a dla spółek publikujących straty bądź wyniki zaskakująco złe, cena akcji wyraźnie spada. Uwagi końcowe Przeprowadzone badania obejmują wybraną grupę przedsiębiorstw z sektora spożywczego, które były w okresie badawczym nieprzerwanie notowane na Giełdzie Papierów Wartościowych w Warszawie. Uzyskane wyniki nie mogą jednak stanowić uogólnień dla wszystkich przedsiębiorstw z branży spożywczej. Niemniej na podstawie przeprowadzonych badań własnych sformułowano następujące wnioski: 1. Większość z badanych spółek spożywczych w latach osiągała dodatnią dynamikę przychodów netto ze sprzedaży. Nie wiązało się to jednak ze stałym wzrostem zysków przedsiębiorstw. Trudna sytuacja gospodarcza oraz wzrost cen surowców przyczyniły się do stagnacji, bądź zmniejszenia osiąganych przez te spółki wyników finansowych. 2. Wyższą korelację między wynikami finansowymi spółek, a cenami ich akcji odnotowano, w przypadku większości spółek, dla zysku netto przesuniętego o jeden kwartał do przodu. Można zatem uznać, że inwestorzy przy podejmowaniu decyzji o zakupie bądź sprzedaży papierów wartościowych w znacznym stopniu kierowali się prognozami przyszłych wyników spółek. 3. Ogłaszany przez spółkę wynik finansowy może istotnie wpłynąć na ceny jej walorów. Analizując wpływ ogłoszeń kwartalnych wyników finansowych badanych spółek na ceny akcji w okresie piętnastu dni przed i piętnastu dni po dacie publikacji, zauważono istnienie zależności między charakterem upublicznionej informacji, a cenami akcji spółek, których ta informacja dotyczy. W przypadku, gdy spółka w danym kwartale osiągnęła wynik finansowy wyższy, niż oczekiwany przez inwestorów, następował wzrost cen jej akcji, a gdy spółka osiągnęła wynik niższy, niż oczekiwany, ceny jej akcji wyraźnie spadały. 4. Reakcja rynku na upublicznienie niekorzystnej informacji jest na ogół bardziej impulsywna, niż reakcja na wiadomość pozytywną czy neutralną. Przyczyną takiej sytuacji może być wyprzedawanie papierów wartościowych przez część inwestorów fundamentalnych, które powoduje spadek cen waloru. Wiadomość o osiągnięciu wyniku finansowego wyższego, niż oczekiwany powoduje mniejsze zmiany cen, ponieważ zostaje ona zauważona przede wszystkim przez inwestorów, którzy na bieżąco monitorują sytuację danej spółki.
14 Powered by TCPDF ( 24 Rafał Balina, Sławomir Juszczyk Literatura Aczel, A.D. (2005). Statystyka w zarządzaniu. Warszawa: Wydawnictwo Naukowe PWN. Ashley, J. (1962). Stock Prices and Changes in Earnings and Dividends: Some Empirical Results. J. Polit. Econ., Feb., 1 (70). Barker, A. (1956). Effective Stock Splits. Harvard Business. Reviev, Jan./Feb. 1 (34). Boardman, A., Vertinsky, I., Whistler, D. (1997). Using Information Diffusion Models to Estimate the Impacts of Regulatory Events on Publicly Traded Firms. Journal of Public Economics, 63. Brown, K.C., Lockwood, L.J., Lummer, S.L. (1985). An Examination Of Event Dependency And Structural Change In Security Pricing Models. Journal of Financial and Quantitative Analysis, 20. Brown, S.J., Werner, J.B. (1985). Using Daily Stock Returns, The Case of Event Studies. Journal of Financial Economics, 14. Chandra, R., Balachandran, B. (1990). A synthesis of alternative testing procedures for event studies. Contemporary Accounting Research, 2 (6). Chechelski, P. (2003). Globalizacja w polskim przemyśle spożywczym. Przemysł Spożywczy, 2. Dolley, J. (1933). Characteristics and Procedure of Common Stock Split-Ups. Harvard Business. Reviev, 11. Fama, E. (1969). The Adjustment of Stock Prices to New Information. Int. Econ.Rev., 1 (10). Foster, G., Olsen, C., Shelvin, T. (1984). Earnings Releases, Anomalies, and the Behavior of Security Returns. The Accounting Review, 4 (59). Malatesta, P. (1986). Measuring Abnormal Performance: The Event Parameter Approach Using Joint Generalized Least Squares. Journal of Financial and Quantitative Analysis, 1 (21). Mayers, J., Bakay, A. (1948). Influence of Stock Split-Ups on Market Price. Harvard Business. Reviev., 26. Rasz, H. (2005). Przemysł spożywczy przed i po integracji z Unią Europejską. Kancelaria Sejmu Biuro Studiów i Ekspertyz, Informacja Sharpe, W. (1964). Capital Asset Prices: A Theory of Market Equilibrium. Journal of Finance, 3 (19). Starzyńska, W. (red.) (2009). Podstawy statystyki. Warszawa: Wydawnictwo Difin. Strong, N. (1992). Modeling Abnormal Returns: A Review Article. Journal of Business Finance and Accounting, 19. Szyszka, A. (2003). Wpływ ogłoszeń kwartalnych raportów finansowych na kursy akcji notowanych na GPW. Poznań: Akademia Ekonomiczna w Poznaniu. Zielonka, P. (2006). Behawioralne aspekty inwestowania na rynku papierów wartościowych. Warszawa: CeDeWu. THE IMPACT OF FINANCIAL STATEMENTS PUBLICATION OF STOCK PRICES OF FOOD INDUSTRY COMPANIES LISTED ON THE WARSAW STOCK EXCHANGE Abstract: Purpose The paper is devoted to the effects of research, concerning the definition of covariance financial results and stock prices of companies on the example of the food sector companies listed on the Warsaw Stock Exchange in the period Findings As part of the research analyzed the financial situation of the companies surveyed in terms of financial performance and the volatility of net sales. Moreover using such account of correlation, regression and analysis of the events examined the impact of financial results for share prices. The highest correlation between the financial performance of companies and the prices of their shares has been, for most companies, the net income offset by one quarter ahead. It can be assumed that investors indeed guided by forecasts of future corporate earnings. Moreover, the market reaction to the publication of the unfavourable information is generally more impulsive than the reaction to positive or neutral message. Keywords: food industry, analysis of events, net income, economic trends, stock prices Cytowanie Balina, R., Juszczyk, S. (2017). Wpływ publikacji wyników finansowych przedsiębiorstw na ich wycenę rynkową na przykładzie spółek przemysłu spożywczego notowanych na GPW w Warszawie. Finanse, Rynki Finansowe, Ubezpieczenia, 5 (89/2), DOI: /frfu /2-01. #1#
Efektywność źródłem bogactwa. Tomasz Słoński Piechowice, r.
Efektywność źródłem bogactwa inwestorów Tomasz Słoński Piechowice, 24.01.2012 r. Plan wystąpienia Teoretyczne podstawy pomiaru efektywności rynku kapitałowego Metodologia badań nad efektywnością rynku
Kondycja ekonomiczna drzewnych spółek giełdowych na tle innych branż
Annals of Warsaw Agricultural University SGGW Forestry and Wood Technology No 56, 25: Kondycja ekonomiczna drzewnych spółek giełdowych na tle innych branż SEBASTIAN SZYMAŃSKI Abstract: Kondycja ekonomiczna
Korekty prognoz finansowych a kształtowanie się kursów akcji na GPW
Adam Szyszka Akademia Ekonomiczna w Poznaniu Katedra Inwestycji i Rynków Kapitałowych Korekty prognoz finansowych a kształtowanie się kursów akcji na GPW 1. Wprowadzenie W poprzednim numerze nrk przedstawiłem
Analiza zdarzeń Event studies
Analiza zdarzeń Event studies Dobromił Serwa akson.sgh.waw.pl/~dserwa/ef.htm Leratura Campbell J., Lo A., MacKinlay A.C.(997) he Econometrics of Financial Markets. Princeton Universy Press, Rozdział 4.
Studium wydarzeń: Reakcja inwestorów na publiczne wezwania do sprzedaży akcji
Studium wydarzeń: Reakcja inwestorów na publiczne wezwania do sprzedaży akcji 1. Wprowadzenie Publiczne wezwania do sprzedaży akcji należą do jednych z bardziej spektakularnych wydarzeń na rynku kapitałowym.
Wpływ ogłoszeń kwartalnych raportów finansowych na kursy akcji notowanych na GPW
Adam Szyszka Akademia Ekonomiczna w Poznaniu Katedra Inwestycji i Rynków Kapitałowych Wpływ ogłoszeń kwartalnych raportów finansowych na kursy akcji notowanych na GPW 1. Wprowadzenie Wyniki finansowe spółek
Analiza porównawcza koniunktury gospodarczej w województwie zachodniopomorskim i w Polsce w ujęciu sektorowym
Jacek Batóg Uniwersytet Szczeciński Analiza porównawcza koniunktury gospodarczej w województwie zachodniopomorskim i w Polsce w ujęciu sektorowym Warunki działania przedsiębiorstw oraz uzyskiwane przez
Szczegółowy program kursu Statystyka z programem Excel (30 godzin lekcyjnych zajęć)
Szczegółowy program kursu Statystyka z programem Excel (30 godzin lekcyjnych zajęć) 1. Populacja generalna a losowa próba, parametr rozkładu cechy a jego ocena z losowej próby, miary opisu statystycznego
Szczegółowy program kursu Statystyka z programem Excel (30 godzin lekcyjnych zajęć)
Szczegółowy program kursu Statystyka z programem Excel (30 godzin lekcyjnych zajęć) 1. Populacja generalna a losowa próba, parametr rozkładu cechy a jego ocena z losowej próby, miary opisu statystycznego
REGRESJA I KORELACJA MODEL REGRESJI LINIOWEJ MODEL REGRESJI WIELORAKIEJ. Analiza regresji i korelacji
Statystyka i opracowanie danych Ćwiczenia 5 Izabela Olejarczyk - Wożeńska AGH, WIMiIP, KISIM REGRESJA I KORELACJA MODEL REGRESJI LINIOWEJ MODEL REGRESJI WIELORAKIEJ MODEL REGRESJI LINIOWEJ Analiza regresji
Korelacja oznacza współwystępowanie, nie oznacza związku przyczynowo-skutkowego
Korelacja oznacza współwystępowanie, nie oznacza związku przyczynowo-skutkowego Współczynnik korelacji opisuje siłę i kierunek związku. Jest miarą symetryczną. Im wyższa korelacja tym lepiej potrafimy
3. Modele tendencji czasowej w prognozowaniu
II Modele tendencji czasowej w prognozowaniu 1 Składniki szeregu czasowego W teorii szeregów czasowych wyróżnia się zwykle następujące składowe szeregu czasowego: a) składowa systematyczna; b) składowa
Prace magisterskie 1. Założenia pracy 2. Budowa portfela
1. Założenia pracy 1 Założeniem niniejszej pracy jest stworzenie portfela inwestycyjnego przy pomocy modelu W.Sharpe a spełniającego następujące warunki: - wybór akcji 8 spółek + 2 papiery dłużne, - inwestycja
Ocena nadzoru właścicielskiego Rating PINK 2010Y
Ocena nadzoru właścicielskiego Rating PINK 2010Y analiza danych na dzień 20 czerwca 2011 roku W tym tygodniu Polski Instytut Nadzoru Korporacyjnego (PINK) postanowił po raz pierwszy opublikować stopy zwrotu
Rozdział 8. Regresja. Definiowanie modelu
Rozdział 8 Regresja Definiowanie modelu Analizę korelacji można traktować jako wstęp do analizy regresji. Jeżeli wykresy rozrzutu oraz wartości współczynników korelacji wskazują na istniejąca współzmienność
Regresja wielokrotna jest metodą statystyczną, w której oceniamy wpływ wielu zmiennych niezależnych (X1, X2, X3,...) na zmienną zależną (Y).
Statystyka i opracowanie danych Ćwiczenia 12 Izabela Olejarczyk - Wożeńska AGH, WIMiIP, KISIM REGRESJA WIELORAKA Regresja wielokrotna jest metodą statystyczną, w której oceniamy wpływ wielu zmiennych niezależnych
Estymacja parametrów modeli liniowych oraz ocena jakości dopasowania modeli do danych empirycznych
Estymacja parametrów modeli liniowych oraz ocena jakości dopasowania modeli do danych empirycznych 3.1. Estymacja parametrów i ocena dopasowania modeli z jedną zmienną 23. Właściciel komisu w celu zbadania
Współczynnik korelacji. Współczynnik korelacji jest miernikiem zależności między dwiema cechami Oznaczenie: ϱ
Współczynnik korelacji Współczynnik korelacji jest miernikiem zależności między dwiema cechami Oznaczenie: ϱ Własności współczynnika korelacji 1. Współczynnik korelacji jest liczbą niemianowaną 2. ϱ 1,
Projekt zaliczeniowy z przedmiotu Statystyka i eksploracja danych (nr 3) Kamil Krzysztof Derkowski
Projekt zaliczeniowy z przedmiotu Statystyka i eksploracja danych (nr 3) Kamil Krzysztof Derkowski Zadanie 1 Eksploracja (EXAMINE) Informacja o analizowanych danych Obserwacje Uwzględnione Wykluczone Ogółem
Etapy modelowania ekonometrycznego
Etapy modelowania ekonometrycznego jest podstawowym narzędziem badawczym, jakim posługuje się ekonometria. Stanowi on matematyczno-statystyczną formę zapisu prawidłowości statystycznej w zakresie rozkładu,
Analiza zależności liniowych
Narzędzie do ustalenia, które zmienne są ważne dla Inwestora Analiza zależności liniowych Identyfikuje siłę i kierunek powiązania pomiędzy zmiennymi Umożliwia wybór zmiennych wpływających na giełdę Ustala
Statystyka w pracy badawczej nauczyciela Wykład 4: Analiza współzależności. dr inż. Walery Susłow walery.suslow@ie.tu.koszalin.pl
Statystyka w pracy badawczej nauczyciela Wykład 4: Analiza współzależności dr inż. Walery Susłow walery.suslow@ie.tu.koszalin.pl Statystyczna teoria korelacji i regresji (1) Jest to dział statystyki zajmujący
Jorge Chan-Lau (2001) Corporate Restructuring in Japan: An Event- Study Analysis IMF Working Paper WP/01/202.
Jorge Chan-Lau (2001) Corporate Restructuring in Japan: An Event- Study Analysis IMF Working Paper WP/01/202. Modelowanie Rynków Finansowych 1 Japoński system bankowo-przemysłowy akcjonariat krzyżowy brak
Wprowadzenie do analizy korelacji i regresji
Statystyka dla jakości produktów i usług Six sigma i inne strategie Wprowadzenie do analizy korelacji i regresji StatSoft Polska Wybrane zagadnienia analizy korelacji Przy analizie zjawisk i procesów stanowiących
Zadanie 1. a) Przeprowadzono test RESET. Czy model ma poprawną formę funkcyjną? 1
Zadanie 1 a) Przeprowadzono test RESET. Czy model ma poprawną formę funkcyjną? 1 b) W naszym przypadku populacja są inżynierowie w Tajlandii. Czy można jednak przypuszczać, że na zarobki kobiet-inżynierów
dr hab. Renata Karkowska 1
dr hab. Renata Karkowska 1 Miary zmienności: obrazują zmiany cen, stóp zwrotu instrumentów finansowych, opierają się na rozproszeniu ich rozkładu, tym samym uśredniają ryzyko: wariancja stopy zwrotu, odchylenie
Wykres 1 EBIT i EBITDA w pierwszym kwartale lat 2010, 2011 i 2012
KOMENTARZ ZARZĄDU NA TEMAT CZYNNIKÓW I ZDARZEŃ KTÓRE MIAŁY WPŁYW NA OSIĄGNIETE WYNIKI FINANSOWE Niniejszy raport prezentuje wybrane dane bilansu oraz rachunku zysków i strat, przepływy pieniężne i wskaźniki
K wartość kapitału zaangażowanego w proces produkcji, w tys. jp.
Sprawdzian 2. Zadanie 1. Za pomocą KMNK oszacowano następującą funkcję produkcji: Gdzie: P wartość produkcji, w tys. jp (jednostek pieniężnych) K wartość kapitału zaangażowanego w proces produkcji, w tys.
... prognozowanie nie jest celem samym w sobie a jedynie narzędziem do celu...
4 Prognozowanie historyczne Prognozowanie - przewidywanie przyszłych zdarzeń w oparciu dane - podstawowy element w podejmowaniu decyzji... prognozowanie nie jest celem samym w sobie a jedynie narzędziem
Cena do wartości księgowej (C/WK, P/BV)
Cena do wartości księgowej (C/WK, P/BV) Wskaźnik cenadowartości księgowej (ang. price to book value ratio) jest bardzo popularnym w analizie fundamentalnej. Informuje on jaką cenę trzeba zapład za 1 złotówkę
Market Multiples Review
Czerwiec 212 Market Multiples Review 2 211 Przemysł materiałów budowlanych Charakterystyka sektora przemysł materiałów budowlanych Zapraszamy Państwa do zapoznania się z raportem Market Multiples Review
Zadanie 1 Zakładając liniową relację między wydatkami na obuwie a dochodem oszacować MNK parametry modelu: y t. X 1 t. Tabela 1.
tel. 44 683 1 55 tel. kom. 64 566 811 e-mail: biuro@wszechwiedza.pl Zadanie 1 Zakładając liniową relację między wydatkami na obuwie a dochodem oszacować MNK parametry modelu: gdzie: y t X t y t = 1 X 1
Market Multiples Review
Sierpień Market Multiples Review Sektor energetyczny Charakterystyka sektora sektor energetyczny Zapraszamy Państwa do zapoznania się z raportem Market Multiples Review na temat kształtowania się mnożników
Market Multiples Review
Listopad 212 Market Multiples Review 2 211 Sektor informatyczny Charakterystyka sektora sektor informatyczny Zapraszamy Państwa do zapoznania się z raportem Market Multiples Review na temat kształtowania
Testowanie hipotez statystycznych związanych ą z szacowaniem i oceną ą modelu ekonometrycznego
Testowanie hipotez statystycznych związanych ą z szacowaniem i oceną ą modelu ekonometrycznego Ze względu na jakość uzyskiwanych ocen parametrów strukturalnych modelu oraz weryfikację modelu, metoda najmniejszych
Metody Ilościowe w Socjologii
Metody Ilościowe w Socjologii wykład 2 i 3 EKONOMETRIA dr inż. Maciej Wolny AGENDA I. Ekonometria podstawowe definicje II. Etapy budowy modelu ekonometrycznego III. Wybrane metody doboru zmiennych do modelu
Regresja wieloraka Ogólny problem obliczeniowy: dopasowanie linii prostej do zbioru punktów. Najprostszy przypadek - jedna zmienna zależna i jedna
Regresja wieloraka Regresja wieloraka Ogólny problem obliczeniowy: dopasowanie linii prostej do zbioru punktów. Najprostszy przypadek - jedna zmienna zależna i jedna zmienna niezależna (można zobrazować
Bank of America Corp.(DE) (BAC) - spółka notowana na giełdzie nowojorskiej (NYSE).
Bank of America Corp.(DE) (BAC) - spółka notowana na giełdzie nowojorskiej (NYSE). Czym zajmuje się firma? Bank of America jeden z największych banków świata. Pod względem wielkości aktywów zajmuje 3.
ANALIZA WRAŻLIWOŚCI CENY OPCJI O UWARUNKOWANEJ PREMII
STUDIA I PRACE WYDZIAŁU NAUK EKONOMICZNYCH I ZARZĄDZANIA NR 31 Ewa Dziawgo Uniwersytet Mikołaja Kopernika w Toruniu ANALIZA WRAŻLIWOŚCI CENY OPCJI O UWARUNKOWANEJ PREMII Streszczenie W artykule przedstawiono
Statystyka i opracowanie danych Podstawy wnioskowania statystycznego. Prawo wielkich liczb. Centralne twierdzenie graniczne. Estymacja i estymatory
Statystyka i opracowanie danych Podstawy wnioskowania statystycznego. Prawo wielkich liczb. Centralne twierdzenie graniczne. Estymacja i estymatory Dr Anna ADRIAN Paw B5, pok 407 adrian@tempus.metal.agh.edu.pl
Analiza współzależności zjawisk
Analiza współzależności zjawisk Informacje ogólne Jednostki tworzące zbiorowość statystyczną charakteryzowane są zazwyczaj za pomocą wielu cech zmiennych, które nierzadko pozostają ze sobą w pewnym związku.
Notowania kontraktów terminowych na pszenicę konsumpcyjną na rynku FOREX jako przykład anomalii rynku kapitałowego
Rafał Balina Katedra Ekonomiki i Organizacji Przedsiębiorstw Szkoła Główna Gospodarstwa Wiejskiego w Warszawie Notowania kontraktów terminowych na pszenicę konsumpcyjną na rynku FOREX jako przykład anomalii
Ebay Inc. (EBAY) - spółka notowana na giełdzie nowojorskiej (NASDAQ).
Ebay Inc. (EBAY) - spółka notowana na giełdzie nowojorskiej (NASDAQ). Czym zajmuje się firma? ebay - portal internetowy prowadzący największy serwis aukcji internetowych na świecie. ebay został założony
Studenckie Koło Naukowe Rynków Kapitałowych
Colgate-Palmolive Co. (CL) - spółka notowana na giełdzie nowojorskiej (NYSE). Czym zajmuje się firma? Colgate-Palmolive jest jednym z wiodących producentów z kategorii zdrowia jamy ustnej, pielęgnacji
Fundusze ETF w Polsce sierpień 2012 r. (Exchange-traded funds in Poland August 2012)
1.8.12 2.8.12.8.12 6.8.12 7.8.12 8.8.12 9.8.12 1.8.12 1.8.12 14.8.12 16.8.12 17.8.12 2.8.12 21.8.12 22.8.12 2.8.12 24.8.12 27.8.12 28.8.12 29.8.12.8.12 1.8.12 28 września 212 r. Fundusze ETF w Polsce sierpień
Modelowanie rynków finansowych
Modelowanie rynków finansowych Jerzy Mycielski WNE UW 5 października 2017 Jerzy Mycielski (WNE UW) Modelowanie rynków finansowych 5 października 2017 1 / 12 Podstawowe elementy teorii 1 racjonalne oczekiwania
Studenckie Koło Naukowe Rynków Kapitałowych Goldman Sachs Group Inc. (GS) - spółka notowana na giełdzie nowojorskiej (NYSE).
Goldman Sachs Group Inc. (GS) - spółka notowana na giełdzie nowojorskiej (NYSE). Goldman Sachs Group Inc. (GS) jedna z największych ogólnoświatowych firm w branży bankowości inwestycyjnej pełniąca profesjonalne
KORELACJE I REGRESJA LINIOWA
KORELACJE I REGRESJA LINIOWA Korelacje i regresja liniowa Analiza korelacji: Badanie, czy pomiędzy dwoma zmiennymi istnieje zależność Obie analizy się wzajemnie przeplatają Analiza regresji: Opisanie modelem
Zadanie 1. Zadanie 2. Zadanie 3
Zadanie 1 Inwestor rozważa nabycie obligacji wieczystej (konsoli), od której będzie otrzymywał na koniec każdego półrocza kupon w wysokości 80 zł. Wymagana przez inwestora stopa zwrotu w terminie do wykupu
Ćwiczenia IV
Ćwiczenia IV - 17.10.2007 1. Spośród podanych macierzy X wskaż te, których nie można wykorzystać do estymacji MNK parametrów modelu ekonometrycznego postaci y = β 0 + β 1 x 1 + β 2 x 2 + ε 2. Na podstawie
2. Założenie niezależności zakłóceń modelu - autokorelacja składnika losowego - test Durbina - Watsona
Sprawdzanie założeń przyjętych o modelu (etap IIIC przyjętego schematu modelowania regresyjnego) 1. Szum 2. Założenie niezależności zakłóceń modelu - autokorelacja składnika losowego - test Durbina - Watsona
Metodologia badań psychologicznych. Wykład 12. Korelacje
Metodologia badań psychologicznych Lucyna Golińska SPOŁECZNA AKADEMIA NAUK Wykład 12. Korelacje Korelacja Korelacja występuje wtedy gdy dwie różne miary dotyczące tych samych osób, zdarzeń lub obiektów
Statystyka od podstaw Janina Jóźwiak, Jarosław Podgórski
Statystyka od podstaw Janina Jóźwiak, Jarosław Podgórski Książka jest nowoczesnym podręcznikiem przeznaczonym dla studentów uczelni i wydziałów ekonomicznych. Wykład podzielono na cztery części. W pierwszej
weryfikacja hipotez dotyczących parametrów populacji (średnia, wariancja)
PODSTAWY STATYSTYKI. Teoria prawdopodobieństwa i elementy kombinatoryki. Zmienne losowe i ich rozkłady 3. Populacje i próby danych, estymacja parametrów 4. Testowanie hipotez 5. Testy parametryczne (na
EKONOMETRIA. Prof. dr hab. Eugeniusz Gatnar.
EKONOMETRIA Prof. dr hab. Eugeniusz Gatnar egatnar@mail.wz.uw.edu.pl Sprawy organizacyjne Wykłady - prezentacja zagadnień dotyczących: budowy i weryfikacji modelu ekonometrycznego, doboru zmiennych, estymacji
Fundusze ETF w Polsce październik 2012 r. (Exchange-traded funds in Poland October 2012)
1.1.12 2.1.12.1.12 4.1.12 5.1.12 8.1.12 9.1.12 1.1.12 11.1.12 12.1.12 15.1.12 16.1.12 17.1.12 18.1.12 19.1.12 22.1.12 2.1.12 24.1.12 25.1.12 26.1.12 29.1.12.1.12 1.1.12 listopada 212 r. Fundusze ETF w
OTWARTE FUNDUSZE EMERYTALNE W POLSCE Struktura funduszy emerytalnych pod względem liczby członków oraz wielkości aktywów
OTWARTE FUNDUSZE EMERYTALNE W POLSCE Struktura funduszy emerytalnych pod względem liczby członków oraz wielkości aktywów Tomasz Gruszczyk Informatyka i Ekonometria I rok, nr indeksu: 156012 Sopot, styczeń
Analiza inwestycji i zarządzanie portfelem SPIS TREŚCI
Analiza inwestycji i zarządzanie portfelem Frank K. Reilly, Keith C. Brown SPIS TREŚCI TOM I Przedmowa do wydania polskiego Przedmowa do wydania amerykańskiego O autorach Ramy książki CZĘŚĆ I. INWESTYCJE
MODELE LINIOWE. Dr Wioleta Drobik
MODELE LINIOWE Dr Wioleta Drobik MODELE LINIOWE Jedna z najstarszych i najpopularniejszych metod modelowania Zależność między zbiorem zmiennych objaśniających, a zmienną ilościową nazywaną zmienną objaśnianą
parametrów strukturalnych modelu = Y zmienna objaśniana, X 1,X 2,,X k zmienne objaśniające, k zmiennych objaśniających,
诲 瞴瞶 瞶 ƭ0 ƭ 瞰 parametrów strukturalnych modelu Y zmienna objaśniana, = + + + + + X 1,X 2,,X k zmienne objaśniające, k zmiennych objaśniających, α 0, α 1, α 2,,α k parametry strukturalne modelu, k+1 parametrów
WIELKA SGH-OWA POWTÓRKA ZE STATYSTYKI REGRESJA LINIOWA
WIELKA SGH-OWA POWTÓRKA ZE STATYSTYKI REGRESJA LINIOWA Powtórka Powtórki Kowiariancja cov xy lub c xy - kierunek zależności Współczynnik korelacji liniowej Pearsona r siła liniowej zależności Istotność
Zeszyty Naukowe nr 13
Zeszyty Naukowe nr 3 POLSKIE TOWARZYSTWO EKONOMICZNE Kraków 202 Janusz Żarnowski Joanna Rutkowska Uniwersytet Ekonomiczny w Krakowie Stopy zwrotu z portfeli sortowanych według współczynnika beta z modelu
Zarządzanie ryzykiem. Opracował: Dr inŝ. Tomasz Zieliński
Zarządzanie ryzykiem Opracował: Dr inŝ. Tomasz Zieliński I. OGÓLNE INFORMACJE O PRZEDMIOCIE Cel przedmiotu: Celem przedmiotu jest zaprezentowanie studentom podstawowych pojęć z zakresu ryzyka w działalności
Bilans płatniczy Polski w III kwartale 2017 r.
Warszawa, dnia 29 grudnia 2017 r. Bilans płatniczy Polski w III kwartale 2017 r. Kwartalny bilans płatniczy został sporządzony przy wykorzystaniu danych miesięcznych i kwartalnych przekazanych przez polskie
ZESZYTY NAUKOWE UNIWERSYTETU SZCZECIŃSKIEGO NR 689 FINANSE, RYNKI FINANSOWE, UBEZPIECZENIA NR 50 2012 ANALIZA WŁASNOŚCI OPCJI SUPERSHARE
ZESZYTY NAUKOWE UNIWERSYTETU SZCZECIŃSKIEGO NR 689 FINANSE, RYNKI FINANSOWE, UBEZPIECZENIA NR 5 212 EWA DZIAWGO ANALIZA WŁASNOŚCI OPCJI SUPERSHARE Wprowadzenie Proces globalizacji rynków finansowych stwarza
Zmienne zależne i niezależne
Analiza kanoniczna Motywacja (1) 2 Często w badaniach spotykamy problemy badawcze, w których szukamy zakresu i kierunku zależności pomiędzy zbiorami zmiennych: { X i Jak oceniać takie 1, X 2,..., X p }
Studenckie Koło Naukowe Rynków Kapitałowych Dell Inc. (DELL) - spółka notowana na giełdzie nowojorskiej (NASDAQ).
Dell Inc. (DELL) - spółka notowana na giełdzie nowojorskiej (NASDAQ). Dell Inc. (DELL) to amerykańska korporacja zajmująca się produkcją komputerów, oraz urządzeń peryferyjnych. Sławę zdobyła przede wszystkim
Analiza regresji - weryfikacja założeń
Medycyna Praktyczna - portal dla lekarzy Analiza regresji - weryfikacja założeń mgr Andrzej Stanisz z Zakładu Biostatystyki i Informatyki Medycznej Collegium Medicum UJ w Krakowie (Kierownik Zakładu: prof.
Analiza współzależności dwóch cech I
Analiza współzależności dwóch cech I Współzależność dwóch cech W tym rozdziale pokażemy metody stosowane dla potrzeb wykrywania zależności lub współzależności między dwiema cechami. W celu wykrycia tych
Ekonometria. Zajęcia
Ekonometria Zajęcia 16.05.2018 Wstęp hipoteza itp. Model gęstości zaludnienia ( model gradientu gęstości ) zakłada, że gęstość zaludnienia zależy od odległości od okręgu centralnego: y t = Ae βx t (1)
e) Oszacuj parametry modelu za pomocą MNK. Zapisz postać modelu po oszacowaniu wraz z błędami szacunku.
Zajęcia 4. Estymacja i weryfikacja modelu model potęgowy Wersja rozszerzona W pliku Funkcja produkcji.xls zostały przygotowane przykładowe dane o produkcji, kapitale i zatrudnieniu dla 27 przedsiębiorstw
Statystyka matematyczna Testowanie hipotez i estymacja parametrów. Wrocław, r
Statystyka matematyczna Testowanie hipotez i estymacja parametrów Wrocław, 18.03.2016r Plan wykładu: 1. Testowanie hipotez 2. Etapy testowania hipotez 3. Błędy 4. Testowanie wielokrotne 5. Estymacja parametrów
Komisja Papierów Wartościowych i Giełd
1 SKRÓCONE SPRAWOZDANIE FINANSOWE 2 3 4 INFORMACJA DODATKOWA DO RAPORTU ZA I KWARTAL 2006 (zgodnie z 91 ust. 4 Rozporządzenia Rozporządzenia Rady Ministrów z dnia 19 października 2005 r. - Dz. U. Nr 209,
1. Klasyfikacja stóp zwrotu 2. Zmienność stóp zwrotu 3. Mierniki ryzyka 4. Mierniki wrażliwości wyceny na ryzyko rynkowe
I Ryzyko i rentowność instrumentów finansowych 1. Klasyfikacja stóp zwrotu 2. Zmienność stóp zwrotu 3. Mierniki ryzyka 4. Mierniki wrażliwości wyceny na ryzyko rynkowe 1 Stopa zwrotu z inwestycji w ujęciu
5. Model sezonowości i autoregresji zmiennej prognozowanej
5. Model sezonowości i autoregresji zmiennej prognozowanej 1. Model Sezonowości kwartalnej i autoregresji zmiennej prognozowanej (rząd istotnej autokorelacji K = 1) Szacowana postać: y = c Q + ρ y, t =
Studenckie Koło Naukowe Rynków Kapitałowych Microsoft Corp. (MSFT) - spółka notowana na giełdzie nowojorskiej (NYSE).
Microsoft Corp. (MSFT) - spółka notowana na giełdzie nowojorskiej (NYSE). Microsoft Corp. (MSFT) jest największą na świecie firmą branży komputerowej. Najbardziej znana jako producent systemów operacyjnych
Projekt zaliczeniowy z Ekonometrii i prognozowania Wyższa Szkoła Bankowa w Toruniu 2017/2018
Projekt zaliczeniowy z Ekonometrii i prognozowania Wyższa Szkoła Bankowa w Toruniu 2017/2018 Nr indeksu... Imię i Nazwisko... Nr grupy ćwiczeniowej... Imię i Nazwisko prowadzącego... 1. Specyfikacja modelu
NAJWAŻNIEJSZE INFORMACJE O PRZEMYŚLE CENTRALNYCH BANKÓW PIENIĘŻNYCH
Wells Fargo & Co. (WFC) - spółka notowana na giełdzie nowojorskiej (NYSE). Wells Fargo & Co. (WFC) jest najbardziej zróżnicowaną firmą w zakresie oferowanych usług finansowych w USA. Główna siedziba banku
Projekt zaliczeniowy z Ekonometrii i prognozowania Wyższa Szkoła Bankowa w Toruniu 2014/2015
Projekt zaliczeniowy z Ekonometrii i prognozowania Wyższa Szkoła Bankowa w Toruniu 2014/2015 Nr indeksu... Imię i Nazwisko... Nr grupy ćwiczeniowej... Imię i Nazwisko prowadzącego... 1. Specyfikacja modelu
Kamila Bednarz-Okrzyńska* Uniwersytet Szczeciński
Studia i Prace WNEiZ US nr 45/1 2016 DOI: 10.18276/sip.2016.45/1-14 Kamila Bednarz-Okrzyńska* Uniwersytet Szczeciński Analiza zależności między wartością współczynnika asymetrii a wartością semiodchylenia
Studenckie Koło Naukowe Rynków Kapitałowych Coca-Cola Co. (KO) - spółka notowana na giełdzie nowojorskiej (NYSE).
Coca-Cola Co. (KO) - spółka notowana na giełdzie nowojorskiej (NYSE). Coca-Cola Co. (KO) - (w USA, Kanadzie, Australii i Wielkiej Brytanii powszechnie znana jako coke) to marka bezalkoholowego napoju gazowanego
TYPY MODELOWYCH STRATEGII INWESTYCYJNYCH
ZAŁĄCZNIK NR 1 DO REGULAMINU TYPY MODELOWYCH STRATEGII INWESTYCYJNYCH W ramach Zarządzania, Towarzystwo oferuje następujące Modelowe Strategie Inwestycyjne: 1. Strategia Obligacji: Cel inwestycyjny: celem
Studenckie Koło Naukowe Rynków Kapitałowych American Express Company (AXP) - spółka notowana na giełdzie nowojorskiej (NYSE).
American Express Company (AXP) - spółka notowana na giełdzie nowojorskiej (NYSE). American Express Company (AXP) to obecnie największa firma świata świadcząca usługi w zakresie finansów. Główna siedziba
Studenckie Koło Naukowe Rynków Kapitałowych Exxon Mobil Corp. (XOM) - spółka notowana na giełdzie nowojorskiej (NYSE).
Exxon Mobil Corp. (XOM) - spółka notowana na giełdzie nowojorskiej (NYSE). Exxon Mobil Corp. (XOM) zajmuje się eksploatacją złóż mineralnych, produkcją, transportem i sprzedażą ropy naftowej i gazu ziemnego.
Studenckie Koło Naukowe Rynków Kapitałowych Citigroup Inc. (C) - spółka notowana na giełdzie nowojorskiej (NYSE).
Citigroup Inc. (C) - spółka notowana na giełdzie nowojorskiej (NYSE). Citigroup Inc. jest amerykańskim holdingiem prowadzącym zdywersyfikowaną działalność w zakresie usług bankowych i finansowych, w szczególności:
Znaczenie zysków księgowych dla bieżącej wyceny akcji spółek giełdowych w Polsce
Znaczenie zysków księgowych dla bieżącej wyceny akcji spółek giełdowych w Polsce 1. Wprowadzenie Karol Marek Klimczak * Badania nad znaczeniem zysków księgowych dla wyceny akcji mają długą historię. Już
Wycena opcji. Dr inż. Bożena Mielczarek
Wycena opcji Dr inż. Bożena Mielczarek Stock Price Wahania ceny akcji Cena jednostki podlega niewielkim wahaniom dziennym (miesięcznym) wykazując jednak stały trend wznoszący. Cena może się doraźnie obniżać,
Weryfikacja hipotez statystycznych, parametryczne testy istotności w populacji
Weryfikacja hipotez statystycznych, parametryczne testy istotności w populacji Dr Joanna Banaś Zakład Badań Systemowych Instytut Sztucznej Inteligencji i Metod Matematycznych Wydział Informatyki Politechniki
Studenckie Koło Naukowe Rynków Kapitałowych
Chevron Corp. (CVX) - spółka notowana na giełdzie nowojorskiej (NYSE). Czym zajmuje się firma? Chevron Corp. (CVX)- jest jedna z największych firm energetycznych na świecie. Główna siedziba znajduje się
KOMENTARZ ZARZĄDU NA TEMAT CZYNNIKÓW I ZDARZEŃ, KTÓRE MIAŁY WPŁYW NA OSIĄGNIETE WYNIKI FINANSOWE
KOMENTARZ ZARZĄDU NA TEMAT CZYNNIKÓW I ZDARZEŃ, KTÓRE MIAŁY WPŁYW NA OSIĄGNIETE WYNIKI FINANSOWE 11 Niniejszy raport prezentuje wybrane dane bilansu oraz rachunku zysków i strat, przepływy pieniężne i
SIGMA KWADRAT. Weryfikacja hipotez statystycznych. Statystyka i demografia CZWARTY LUBELSKI KONKURS STATYSTYCZNO-DEMOGRAFICZNY
SIGMA KWADRAT CZWARTY LUBELSKI KONKURS STATYSTYCZNO-DEMOGRAFICZNY Weryfikacja hipotez statystycznych Statystyka i demografia PROJEKT DOFINANSOWANY ZE ŚRODKÓW NARODOWEGO BANKU POLSKIEGO URZĄD STATYSTYCZNY
Kolokwium ze statystyki matematycznej
Kolokwium ze statystyki matematycznej 28.05.2011 Zadanie 1 Niech X będzie zmienną losową z rozkładu o gęstości dla, gdzie 0 jest nieznanym parametrem. Na podstawie pojedynczej obserwacji weryfikujemy hipotezę
Test wskaźnika C/Z (P/E)
% Test wskaźnika C/Z (P/E) W poprzednim materiale przedstawiliśmy Państwu teoretyczny zarys informacji dotyczący wskaźnika Cena/Zysk. W tym artykule zwrócimy uwagę na praktyczne zastosowania tego wskaźnika,
WSTĘP DO REGRESJI LOGISTYCZNEJ. Dr Wioleta Drobik-Czwarno
WSTĘP DO REGRESJI LOGISTYCZNEJ Dr Wioleta Drobik-Czwarno REGRESJA LOGISTYCZNA Zmienna zależna jest zmienną dychotomiczną (dwustanową) przyjmuje dwie wartości, najczęściej 0 i 1 Zmienną zależną może być:
Narzędzia statystyczne i ekonometryczne. Wykład 1. dr Paweł Baranowski
Narzędzia statystyczne i ekonometryczne Wykład 1 dr Paweł Baranowski Informacje organizacyjne Wydział Ek-Soc, pok. B-109 pawel@baranowski.edu.pl Strona: baranowski.edu.pl (w tym materiały) Konsultacje:
Studenckie Koło Naukowe Rynków Kapitałowych
Microsoft Corp. (MSFT) - spółka notowana na giełdzie nowojorskiej (NASDAQ). Czym zajmuje się firma? Microsoft - na początku XXI wieku jest największą na świecie firmą branży komputerowej. Najbardziej znana
Statystyki: miary opisujące rozkład! np. : średnia, frakcja (procent), odchylenie standardowe, wariancja, mediana itd.
Wnioskowanie statystyczne obejmujące metody pozwalające na uogólnianie wyników z próby na nieznane wartości parametrów oraz szacowanie błędów tego uogólnienia. Przewidujemy nieznaną wartości parametru
Zadania ze statystyki, cz.7 - hipotezy statystyczne, błąd standardowy, testowanie hipotez statystycznych
Zadania ze statystyki, cz.7 - hipotezy statystyczne, błąd standardowy, testowanie hipotez statystycznych Zad. 1 Średnia ocen z semestru letniego w populacji studentów socjologii w roku akademickim 2011/2012
t y x y'y x'x y'x x-x śr (x-x śr)^2
Na podstawie:w.samuelson, S.Marks Ekonomia menedżerska Zadanie 1 W przedsiębiorstwie toczy się dyskusja na temat wpływu reklamy na wielkość. Dział marketingu uważa, że reklama daje wysoce pozytywne efekty,
Cele badania Cel diagnostyczny zbadanie czy spółki o wskaźniku C/WK poniżej/powyżej wartości średniej dla branży przynosiły większą/mniejszą stopę zwr
Badanie statystyczne Wskaźnik C/WK a stopy zwrotu akcji Borys Drajczyk i Adam Rogaliński, Cele badania Cel diagnostyczny zbadanie czy spółki o wskaźniku C/WK poniżej/powyżej wartości średniej dla branży