Eliza Buszkowska * DYNAMIKA PRZEPŁYWÓW INWESTYCJI POMIĘDZY GIEŁDAMI

Transkrypt

1 ACTA UNIVERSITATIS NICOLAI COPERNICI DOI: hp://dx.doi.org/ /aunc_econ EKONOMIA XLV nr 2 (2014) Pierwsza wersja złożona 26 czerwca 2014 ISSN Końcowa wersja zaakcepowana 20 grudnia Eliza Buszkowska * DYNAMIKA PRZEPŁYWÓW INWESTYCJI POMIĘDZY GIEŁDAMI Z a r y s r e ś c i. W pracy sarano się odpowiedzieć na liczne pyania doyczące przepływów inwesycji pomiędzy giełdami. Zasanowiono się, czy giełdy o sysem naczyń połączonych, czy nasępuje ucieczka z jednych giełd i lokowanie środków na innych. Czy w różnych okresach bardziej raciły na giełdzie małe firmy, czy duże i średnie? Badano związki między reakcjami różnych insrumenów finansowych na ę samą informację za pomocą modeli dynamicznych korelacji warunkowych. Sprawdzono, jaka była reakcja na impuls z rynku amerykańskiego w zależności od wielkości spółek na całym świecie. Badanie objęło przede wszyskim okres kryzysu subprime. S ł o w a k l u c z o w e: indeksy giełdowe, zmienność, modele DCC, funkcja odpowiedzi na impuls. K l a s y f i k a c j a J E L: C10. Auorka dziękuje Recenzenowi za uwagi, kóre pozwoliły znacząco podnieść warość arykułu, oraz osobie, kóra chce pozosać anonimowa, za zgodę na wykorzysanie większości pyań posawionych w ej pracy. * Adres do korespondencji: Eliza Buszkowska, Uniwersye im. Adama Mickiewicza w Poznaniu, al. Niepodległości 53, Poznań, eliza_b2@o2.pl. Praca finansowana przez Wydział Prawa i Adminisracji Uniwersyeu im. Adama Mickiewicza w Poznaniu Uniwersye Mikołaja Kopernika. All righs reserved. hp://

2 276 Eliza Buszkowska WSTĘP W ciągu osanich la nasąpił znaczny rozros sysemów finansowych i ich powiązań w skali globalnej. Wzrosło ryzyko inwesycji związane z inwesowaniem na całym świecie, a akże możliwość dywersyfikacji porfela inwesycji (Doman, Doman, 2014). Zmieniła się budowa rynków finansowych. Nasąpiła liberalizacja handlu, posęp echnologiczny, zwłaszcza w przepływie informacji oraz gwałowny rozwój i wzros gospodarczy w największych gospodarkach wschodzących, ( 1 ), (Półkarz, 2013). Do pozyywnych skuków globalizacji sysemu finansowego należy zaliczyć, zgodnie z pozycją ( 1 ), swobodne przepływy kapiału, bardziej odpowiedzialną poliykę fiskalną i pieniężną, a akże powsanie nowych modeli i insrumenów finansowych. Auorzy wskazują eż na negaywy ego zjawiska: ryzykowną nieprzewidywalność zachowań inwesorów, bańki spekulacyjne na międzynarodową skalę i ryzyko zarażenia. Dodakowym negaywnym skukiem globalizacji rynków finansowych mogą być bolesne konsekwencje kryzysów finansowych ze względu na ogromny wzros kapiału w sysemie finansowym i wspomniane zjawisko zarażania. Temaem ego arykułu jes kryzys subprime, kóry miał miejsce w okresie Kryzys en wywołał poważne skuki finansowe i gospodarcze, między innymi osłabienie gospodarek wielu krajów, w ym Chin i USA. Skłonił do dyskusji na ema niewłaściwego zarządzania ryzykiem, porzeby sworzenia lepszych regulacji sysemu finansowego oraz problemu niskiej eyki, spoęgowanej znanym dokumenem Charlesa H. Fergusona z roku 2010 na ema anaomii kryzysu subprime. Należy dobrze poznać charakerysykę ego okresu na rynkach finansowych, żeby móc lepiej zarządzać ryzykiem w przypadku podobnych kaasrof w przyszłości. Dokładnie rzecz ujmując, celem ego arykułu jes odpowiedź na pyania częso nurujące analiyków giełdowych i zadawane na forach inerneowych przez inwesorów giełdowych. Wszyskie e wąpliwości doyczą przede wszyskim specyfiki kryzysu subprime. Auorka wymieni je kolejno. Czy w różnych okresach, w ym podczas kryzysu hipoecznego giełdy świaowe działały jak sysem naczyń połączonych, o znaczy, czy rynek zachowywał się podobnie, czy przeciwnie jedne noowania umacniały się, podczas gdy inne raciły? Jes o problem zbliżony do zagadnienia zarażania rynków (parz R. Karkowska 2 ). Zjawisko o Bank Świaowy definiuje rojako. Jedna z definicji mówi, że z zarażaniem mamy do czynienia, gdy w czasie kryzysu 1 Praca dosępna na sronie hp:// 2 Praca dosępna na sronie: hp://jmf.wzr.pl/pim/2012_2_1_6.pdf.

3 Dynamika przepływów inwesycji pomiędzy giełdami 277 korelacja między gospodarkami jes silniejsza niż w okresie spokoju (P. Dobrzański 3 ). Auorka uwzględni jednak znak współczynnika korelacji, kóry będzie świadczył o podobnym bądź odmiennym zachowaniu się badanych indeksów giełdowych, a nie wyłącznie siłę powiązań, jak o się czyni w przypadku badania zarażania (Burzała, 2013). Kolejne pyania brzmią: czy w czasie kryzysu nasępowała ucieczka z giełdy polskiej na giełdy zagraniczne? Czy w wyróżnionym okresie bardziej raciły na giełdach małe firmy, czy duże i średnie? Czy w czasie kryzysu były zauważalne silniejsze związki między reakcjami różnych insrumenów finansowych na ę samą informację? Jaka była reakcja insrumenów finansowych na impuls z rynku amerykańskiego w zależności od wielkości spółek? W ym arykule między innymi auorka konynuuje podjęą w lieraurze dyskusję nad powiązaniami w okresie kryzysu subprime (Doman, Doman, 2014), ale koncenruje się na korelacjach dla szeregów niesacjonarnych. Sądzi bowiem, że z punku widzenia inwesora współwysępowanie na wykresie może być równie ważne jak zależności przyczynowo-skukowe. Te osanie nie będą brane pod uwagę ze względu na spowodowaną niesacjonarnością wykorzysanych szeregów czasowych możliwość orzymania korelacji pozornych. 1. HIPOTEZY BADAWCZE Auorka sawia hipoezy badawcze, kóre doyczą sformułowanych wcześniej pyań. Pierwsza z nich głosi, że w czasie kryzysu giełdy świaowe działały jak sysem naczyń połączonych, o znaczy rynek międzynarodowy zachowywał się podobnie, gdyż kryzys objął prakycznie cały świa i na wszyskich giełdach dominowały spadki głównych indeksów. Z ego samego powodu nie isniała, zdaniem auorki, ucieczka z giełdy polskiej na giełdy innych krajów, jeżeli za główny wskaźnik całego rynku przyjmie się indeks największych spółek. Auorka sądzi, że w czasie kryzysu bardziej raciły małe firmy niż duże i średnie, gdyż w firmach dużych isnieją bardziej rozbudowane sysemy zarządzania ryzykiem. Z drugiej srony duże spółki są narażone na większe sray bezwzględne, a akże są częściej wybierane przez inwesorów grających na spadki, zaem wydaje się, że powinny bardziej racić na giełdzie w okresach dużych niepokojów. Auorka sawia hipoezę, że w czasie kryzysu nie były zauważalne silniejsze związki między reakcjami różnych insrumenów finansowych na ę samą informację, gdyż jak wiadomo z lieraury, nie isniały w większości isone korelacje warunkowe dla sóp zwrou w ym okresie. Z drugiej srony coraz szybszy przepływ infor- 3 Praca dosępna na sronie: hp://

4 278 Eliza Buszkowska macji pomiędzy rynkami mógł spowodować zwiększenie ych powiązań. Auorka sądzi, że na impuls indeksu DJ najsilniej odpowiedziały spółki należące do indeksów małych spółek, gdyż wydają się mniej sabilne i bardziej wrażliwe na sygnały z rynku niż spółki duże. Powyższe hipoezy zosaną zweryfikowane w oparciu o narzędzia ekonomeryczne. 2. DANE W badaniach wykorzysano dzienne noowania insrumenów finansowych w okresie kryzysu: od 8 sierpnia 2007 do 10 marca 2009 roku oraz w okresie po kryzysie subprime (w czasie kryzysu dłużnego), j. od 11 marca 2009 do 14 czerwca 2013 roku pochodzące z serwisu sooq.pl. Ramy czasowe kryzysu usalono na podsawie analizy 1- i 3-miesięcznych spreadów LIBOR-OIS. Jak wiadomo, spready zachowują się przeciwnie do indeksów giełdowych. W okresie od 8 sierpnia 2007 do 10 marca 2009 roku spready zaczęły rosnąć i en proces skończył się 11 marca 2009 roku, kiedy o zaczęły maleć (Płuciennik, 2013). (Tablice korelacji dla pierwszych różnic wyznaczono dla okresu kryzysu od 14 sierpnia 2007 do 10 marca 2009 roku i okresu po kryzysie od 17 marca 2009 do 14 czerwca 2013 roku). 3. METODYKA BADANIA Hipoezy zweryfikowano na podsawie badań empirycznych, oparych na meodach ekonomerycznych. W analizie empirycznej zasosowano funkcje odpowiedzi na impuls, dynamiczne modele warunkowych korelacji i współczynniki korelacji liniowej dla szeregów czasowych, kóre wykorzysują związki liniowe między endencjami rozwojowymi. Współczynniki korelacji zosały obliczone meodą dla pierwszych różnic, wyrażoną poniższym wzorem: r xy N i2 x xy y N 1 x y gdzie x oznacza pierwszą różnicę w chwili, a x odchylenie sandardowe odpowiedniego szeregu. Wzór en daje dla szeregów czasowych dokładniejsze wyniki niż formuła Pearsona (Augusyniak, 2003). Wykorzysana analiza IRF pozwoliła ocenić reakcję pojedynczej zmiennej na jednoskową zmianę innej zmiennej (Baillie, 2013; Kliber i in., 2012). W analizie impulsowej posłużono się modelami wekorowej auoregresji dla szeregów zwroów logarymicznych. Obok analizy wpływu zaburzeń na sys-,

5 Dynamika przepływów inwesycji pomiędzy giełdami 279 em funkcja odpowiedzi na impuls pozwala zbadać sabilność sysemu. Jeśli warość IRF są zbieżne (impuls wygasa, a nie urzymuje się w nieskończoność), o modelowany sysem jes sabilny i ma sacjonarne zmienne (Kusideł, 1999). Do opisu szeregów zwroów logarymicznych poziomów indeksów giełdowych wykorzysano wprowadzony przez Engle a (2002) model DCC(p,q) model dynamicznej korelacji warunkowej, opisany w wielu pracach (Doman, Doman, 2009; Buszkowska, Płuciennik, 2013), oraz uproszczony NC model Tse i Tsui (1999) przedsawiony na przykład w pracy Minović 4. Model DCC Engle a jes o model dynamicznych korelacji warunkowych, elasyczny, generujący dobre wyniki empiryczne (Doman, Doman, 2009). Ponado wykorzysuje informacje o korelacjach wyznaczonych na wcześniejszych eapach obliczeń, czyli główną ideę modelu GARCH. Auorka króko przedsawi oba wykorzysane modele. Niech r będzie wekorem zwroów, a D macierzą diagonalną z odchyleniem sandardowym na diagonali głównej. Kowariancja warunkowa opisana jes za pomocą poniższego równania: 0, H, H D R D. r / F 1 ~ F Model Tse i Tsui (2002) przedsawiony na przykład w pracy Minović jes szczególnym przypadkiem modelu DCC zmiennych w czasie korelacji warunkowych. Poczyńmy założenia: T 1 ' R ε T ε 1 ε D r, E1 εε ' R, 1 gdzie R jes zmienną w czasie macierzą korelacji. Wedy model Tse i Tsui (2002) opisuje korelację nasępująco: R rˆ k k ˆ R, R r diag k ε ε s s k 1/ 2 ' s 1 k ε ε s s k ' s 1 diag k ε ε s s k 1/ 2 ' s. Modeluje zmienną w czasie korelację warunkową jako średnią ważoną rzech macierzy korelacji. Przeprowadźmy nasępującą dekompozycję macierzy R : 4 Minović J., Modeling Mulivariae Volailiy Processes:Theory and Evidence, hp://sore.ecap.ro/ aricole/385.pdf.

6 280 Eliza Buszkowska R * 1/ 2 * 2 Q Q Q 1/, * Q diagq wedy wykorzysany w pracy model DCC można zapisać nasępująco: Q R p i1 i q ' ε iε i R i Q i R. i1 O paramerach i, j zakładamy, że są skalarne nieujemne i spełniają warunek sacjonarności modelu: p i1 q i j 1. i1 4. WYNIKI EMPIRYCZNE Poniższa abela przedsawia warości współczynnika korelacji liniowej obliczone ze wzoru dla szeregów czasowych w okresie kryzysu subprime. Aby wykluczyć korelacje nonsensowne (pozorne), analizę przeprowadzono dla szeregów zróżnicowanych. Sacjonarność swierdzono na podsawie esu KPSS, w programie GRETL. Jeżeli jednokrone różnicowanie nie spowodowało sacjonarności zasosowano drugie różnice. Wyłuszczonym drukiem zaznaczono warości większe od korelacji obliczonych dla okresu spokoju. Jes ich 53%, bez uwzględnienia elemenów różniących się od pozosałych, zn. drugich różnic dla HSI oraz swig80. Tabela 1. Warości współczynnika korelacji liniowej w okresie kryzysu suprime dwi80 daex ddji ds&p500 dnasdaq ddax dftse dcac40 dnikkei ddhsi dwig80 1 0,66 0,43 0,48 0,47 0,50 0,61 0,59 0,59 0,57 daex 1 0,73 0,78 0,59 0,69 0,93 0,95 0,80 0,66 ddji 1 0,97 0,65 0,53 0,71 0,75 0,63 0,54 ds&p ,66 0,51 0,73 0,77 0,65 0,58 dnasdaq 1 0,80 0,53 0,59 0,56 0,33 ddax 1 0,68 0,74 0,63 0,44 dftse 1 0,93 0,75 0,63 dcac40 1 0,79 0,64 dnikkei 1 0,73 ddhsi 1

7 Dynamika przepływów inwesycji pomiędzy giełdami 281 Tabela 2. Warości współczynnika korelacji liniowej w okresie po kryzysie suprime ddwig80 daex ddji ds&p500 dnasdaq ddax dftse dcac40 dnikkei dhsi ddwig80 1 0,42 0,38 0,40 0,38 0,43 0,43 0,44 0,12 0,23 daex 1 0,71 0,71 0,66 0,90 0,89 0,94 0,39 0,47 ddji 1 0,98 0,88 0,72 0,73 0,73 0,27 0,29 ds&p ,92 0,71 0,73 0,73 0,26 0,32 dnasdaq 1 0,70 0,69 0,68 0,27 0,33 ddax 1 0,88 0,92 0,37 0,44 dftse 1 0,90 0,38 0,49 dcac40 1 0,37 0,45 dnikkei 1 0,57 dhsi 1 Pojawiła się ylko jedna warość nieisona. Nie wysępowały isone ujemne warości współczynnika korelacji. Tabela 3 przedsawia warości współczynnika korelacji liniowej obliczone ze wzoru dla szeregów czasowych w okresie kryzysu subprime dla szeregów noowań. Tabela 3.Warości współczynnika korelacji liniowej w okresie kryzysu suprime WIG80 AEX DJI S&P500 NASDAQ DAX FTSE CAC40 NIKKEI HSI WIG80 1 0,65 0,36 0,48 0,46 0,5 0,60 0,59 0,58 0,56 AEX 1 0,62 0,77 0,59 0,68 0,92 0,94 0,79 0,66 DJI 1 0,81 0,54 0,44 0,59 0,62 0,52 0,45 S&P ,66 0,51 0,72 0,77 0,65 0,57 NASDAQ 1 0,79 0,53 0,57 0,56 0,33 DAX 1 0,67 0,74 0,63 0,44 FTSE 1 0,92 0,74 0,63 CAC40 1 0,79 0,64 NIKKEI 1 0,73 HSI 1 Wyłuszczonym drukiem zaznaczono warości większe od warości współczynnika korelacji obliczonych dla okresu spokoju. Jes ich 65%. Nie było wówczas nieisonych korelacji. Ponieważ nie był spełniony warunek sacjonarności szeregów czasowych, orzymane korelacje mogły być pozorne. Nie można zaem w ym przypadku wnioskować o związkach przyczynowo-skukowych pomiędzy badanymi indeksami giełdowymi. W okresie po kryzysie warości nieisonych było 15%. Zauważa się, że nie wysępowały isone ujemne warości współczynnika korelacji. Zaem nie nasępowała ucieczka z jednych giełd na inne, a raczej była o ucieczka ze wszyskich giełd, być może w bardziej bezpieczne formy inwesowania. Isone warości dodanie w abeli świadczą o ym, że w okre-

8 282 Eliza Buszkowska sie kryzysu giełda była sysemem naczyń połączonych. Traciły na warości wszyskie indeksy giełdowe. Tabela 4. Warości współczynnika korelacji liniowej w okresie po kryzysie WIG80 AEX DJI S&P500 NASDAQ DAX FTSE CAC40 NIKKEI HSI WIG80 1 0,60 0,49 0,49 0,45 0,06 0,58 0,60 0,45 0,33 AEX 1 0,71 0,71 0,59 0,10 0,89 0,94 0,39 0,47 DJI 1 0,97 0,87 0,08 0,72 0,72 0,24 0,29 S&P ,91 0,07 0,72 0,72 0,25 0,31 NASDAQ 1 0,07 0,68 0,68 0,25 0,33 DAX 1 0,09 0,10 0,04 0,43 FTSE 1 0,90 0,37 0,49 CAC40 1 0,36 0,44 NIKKEI 1 0,17 HSI 1 Zapyano, czy w czasie kryzysu były zauważalne silniejsze związki między reakcjami różnych insrumenów finansowych na ę samą informację. Szacowano modele DCC(1,1) Engle a oraz Tse i Tsui dla kombinacji nasępujących szeregów zwroów logarymicznych: AEX, DJI, S&P500, DAX, CAC40, FTSE, NASDAQ100, NIKKEI225, HSI, swig80. Indeks swig80 był bardzo silnie skorelowany z indeksami mwig40 i WIG20, zaem mógł być wybrany jako przedsawiciel. Do wymienionych danych dopasowały się prawidłowo wyłącznie nasępujące dwa modele DCC: Tabela 5. Model DCC z rozkładem normalnym dla HSI oraz NASDAQ w okresie kryzysu HSI i NASDAQ HSI IGARCH(1,1) oszacowania paramerów p-value 1-0, , , NASDAQ IGARCH(1,1) 1 0, , , ,0000 DCC(1,1)- Engla 0, ,0006 0, ,0000

9 Dynamika przepływów inwesycji pomiędzy giełdami 283 Tabela 6. Model TSE i TSUI z rozkładem normalnym dla HSI oraz CAC40, w okresie kryzysu HSI i CAC40 HSI IGARCH(1,1) oszacowania paramerów p-value 1-0, (0,009659) 0, , CAC40 IGARCH(1,1) 1 0, (0,043285) 0, , DCC(1,1) TSE i TSUI 1 0,00906 (0, ) 0, ,99093 (0,027497) 0,0000 Były o jedyne insrumeny finansowe, dla kórych paramery modeli DCC były isone i nie było korelacji w reszach sandaryzowanych i kwadraach resz sandaryzowanych, zaem zweryfikowano je pozyywnie. Jednak nawe dla ych modeli nie był w sposób zadowalający spełniony warunek sacjonarności modelu, gdyż suma paramerów modelu dynamicznych korelacji warunkowych była w przybliżeniu równa jeden. Na podsawie grupy porównywanych modeli wnioskuje się, że w okresie kryzysu subprime nie isniały silne związki między reakcjami wskazanych insrumenów finansowych na ę samą informację. Rysunek 1. Wykres funkcji odpowiedzi na impuls dla pary WIG20 i DJI w okresie kryzysu Zapyano, czy w dwóch różnych okresach małe, średnie i duże spółki reagowały różnie na impuls z rynku amerykańskiego (Miczka i Szulc, 2011). Aby znaleźć na nie odpowiedź, przeprowadzono badanie dla indeksów świaowych nasępujących pańsw: Francji, Hiszpanii, Niemiec, Belgii, Danii,

10 284 Eliza Buszkowska Polski. Dla pozosałych pańsw indeks małych bądź średnich spółek nie isnieje. Rysunek 2. Wykres funkcji odpowiedzi na impuls dla pary swig80 i DJI w okresie po kryzysie Rysunek 3. Wykres funkcji odpowiedzi na impuls dla pary mwig40 i DJI w okresie po kryzysie Okazało się, że na zaburzenie wielkości jednego odchylenia sandardowego w obu okresach najbardziej reagowały duże spółki z indeksu WIG20, co wnioskuje auorka na podsawie większych wahań warości funkcji odpowiedzi na impuls i przyjmowaniu przez nią większych warości co do warości bezwzględnej. Analizując reakcję indeksu rynku amerykańskiego (Przekoa, 2007), wnioskuje się, że najsilniej odpowiedział on na zmienność dużych spółek. Indeksy małych i średnich spółek zareagowały podobnie do siebie. Analogiczną analizę przeprowadzono dla pozosałych wymienionych pańsw dla dużych, średnich i małych spółek. Przykładowe wykresy zamieszczono ylko dla Francji.

11 Dynamika przepływów inwesycji pomiędzy giełdami 285 Rysunek 4. Wykres funkcji odpowiedzi na impuls dla pary CAC40 i DJI w okresie kryzysu Rysunek 5. Wykres funkcji odpowiedzi na impuls dla pary CAC MID 60 i DJI w okresie kryzysu Rysunek 6. Wykres funkcji odpowiedzi na impuls dla pary CAC_small i DJI w okresie kryzys

12 286 Eliza Buszkowska Z wykresów (zamieszczonych i pozosałych analizowanych w ym badaniu) wynika, że na impuls z rynku amerykańskiego najsilniej w pierwszym okresie zareagowały we wszyskich pańswach (dla kórych isniały rozważane rzy indeksy giełdowe) indeksy dużych spółek, na drugim miejscu średnich, a najsłabiej małych. Indeksy małych spółek nie są najsłabiej skorelowane z indeksem DJI. Współczynniki korelacji Pearsona dla wszyskich indeksów były podobne i wynosiły około 0,5. Indeks DJI zareagował odrobinę silniej na impulsy spółek dużych niż średnich i małych. Ponieważ impulsy wygasają w późniejszych okresach, modele wykorzysane w analizie impulsowej (Juselius, 2009) są sabilne i mają sacjonarne zmienne. Na kolejnym eapie badania posawiono pyanie, czy w czasie kryzysu bardziej raciły na warości noowania giełdowe małych firm, dużych, czy eż średnich? Wyniki prezenuje abela 7. Tabela 7. Porównanie wielkości spadków polskich indeksów w okresie kryzysu swig80 WIG20 min 6017,25 max 3917,87 max min 1327,64 Różnica bezwzględna 12839,75 Różnica bezwzględna 2590,23 Różnica względna 2,13 Różnica względna 1,95 mwig40 max 4883,47 min 1228,69 Różnica bezwzględna 3654,78 Różnica względna 2,97 Względnie najmniej na warości sraciły indeksy dużych spółek. Przyczyną ego może być fak, że w dużych spółkach najpełniej zarządza się ryzykiem. Nasępnie uwzględniono indeksy małych, średnich i dużych spółek noowane na świecie z Francji, Hiszpanii, Niemiec, Belgii, Danii, Polski. Dla ej nielicznej grupy spółek uzyskano odpowiedź, że w większości krajów w laach kryzysu względnie najwięcej na warości sraciły małe spółki. Mogło o wynikać z ich większej zmienności w porównaniu do spółek dużych i średnich. W najmniejszej liczbie krajów w okresie względnie najwięcej sracił na warości indeks średnich spółek. To dlaego, że ma on mniejszą zmienność niż pozosałe indeksy. 4. WNIOSKI W arykule udało się zweryfikować wszyskie posawione hipoezy. W okresie kryzysu badane rynki zachowywały się jak sysem naczyń połą-

13 Dynamika przepływów inwesycji pomiędzy giełdami 287 czonych. Wniosek en wynika sąd, że wszyskie korelacje pomiędzy ich indeksami giełdowymi były dodanie, a w grupie 50 warości współczynnika korelacji pojawiła się ylko jedna warość nieisona. Według auorki wysąpił znaczący wzros korelacji w okresie kryzysu pomiędzy noowaniami uwzględnionych indeksów giełdowych, kóry jednak mógł być pozorny. Nie zauważono jednak wzrosu zależności pomiędzy indeksami giełdowymi w czasie kryzysu dla pierwszych przyrosów. To osanie sposrzeżenie jes zgodne z lieraurą. Ze względu na brak zależności ujemnych nie można wnioskować o ucieczkach inwesorów z jednych rynków kapiałowych na inne w badanych okresach. Na zmiany ooczenia w okresie kryzysu subprime najbardziej wrażliwe były małe spółki. Prawdopodobnie wynika o z ich mniejszej sabilności na giełdzie w sosunku do spółek średnich i dużych. Najmniej sraciły względnie na warości indeksy dużych spółek. Przyczyną może być o, że duże spółki pełniej zarządzają ryzykiem. Na podsawie dopasowania dynamicznych modeli korelacji warunkowej wnioskuje się, że podczas kryzysu nie isniały silniejsze związki między reakcjami insrumenów finansowych na ę samą informację. Na impuls z rynku amerykańskiego najsilniej w pierwszych rzech okresach zareagowały we wszyskich pańswach indeksy dużych spółek, mimo że są one bardziej sabilne na rynku niż indeksy małych spółek. Na drugim miejscu były indeksy średnich spółek, a najsłabiej odpowiedziały indeksy małych spółek. Nie wynika o z niskiej korelacji z indeksem rynku amerykańskiego lub mniejszej zmienności indeksów małych i średnich. DJI reagował podobnie na impulsy wszyskich uwzględnionych indeksów, z niewielką przewagą na rzecz indeksów dużych spółek. LITERATURA Augusyniak H. (2003), Saysyka opisowa z elemenami demografii. Przedsiębiorswo Wydawnicze Ars boni e aequi, Poznań. Baillie R. T., Kapeanios G. (2013), Esimaion and inference for impulse response funcions from univariae, srongly persisen processes, The Economeric Journal, 16(3), , DOI: hp://dx.doi.org/ /j x x. Buszkowska E., Płuciennik P. (2013), Wpływ kryzysu subprime na polski rynek kapiałowy, [w:] Kamiński R., Sójka J. (red.), Ekonomiczne i eyczne aspeky kryzysu gospodarczego, PTE, Poznań, Burzała M. (2013), Efeky zarażania wybranych giełd świaowych w czasie, Finanse, Rynki Finansowe, Ubezpieczenia, 6, Dobrzański P. (2010), Transmisja kryzysu amerykańskiego na gospodarki europejskie, hp:// ( ). Doman M., Doman R. (2014), Dynamika zależności na globalnym rynku finansowym, Difin, Warszawa.

14 288 Eliza Buszkowska Doman M., Doman R. (2009), Modelowanie zmienności i ryzyka. Meody ekonomerii finansowej, Wolers Kulwer Polska, Kraków. Engle R. F. (2002), Dynamic Condiional Correlaion: A Simple Class of Mulivariae Generalized Auoregressive Condiional Heeroskedasiciy Models, Journal of Business and Economic Saisics, 20, , DOI: hp://dx.doi.org/ / Foser J. B., Magdoff F. (2009), The grea financial crisis, causes and consequences, Monhly Review Press, New York. Juselius K. (2009), The coinegraed VAR model, mehodology and applicaions, Oxford Universiy Press, Oxford. Kliber A., Kliber P., Płuciennik P. (2012), Zależności pomiędzy sopami procenowymi rynku międzybankowego w Polsce, Przegląd Saysyczny, Kusideł E. (1999), Srukuralne modele VAR i funkcja odpowiedzi na impuls, Dynamiczne Modele Ekonomeryczne, Wydawnicwo UMK, Toruń 1999, Miczka M., Szulc W. (2011), Analiza reakcji na bodźce pomiędzy wybranymi rynkami z wykorzysaniem modelu VAR dla szeregów czasowych cen wyrobów salowych w laach , Prace IMŻ, Minović J. (2005), Modeling Mulivariae Volailiy Processes: Theory and Evidence, hp://sore.ecap.ro/aricole/385.pdf, ( ) Płuciennik P. (2013), The Impac of he World Financial Crisis on he Polish Inerbank Marke: A Swap Spread Approach, Cenral European Journal of Economic Modelling and Economerics, Przekoa G. (2007), Analiza zależności między indeksami rynków akcji na giełdzie polskiej i amerykańskiej, Badania Operacyjne i Decyzje, Półkarz R. (2013), Globalne rynki finansowe. Prakyka funkcjonowania. Wydawnicwo Naukowe PWN, Warszawa. DYNAMIC OF THE MONEY FLOWS BETWEEN STOCK EXCHANGES A b s r a c. In he aricle one ried o answer many quesions abou he money flow beween sock exchanges. One refleced if sock markes are a communicaing vessels sysem, if here succeed an escape from one sock exchange o anoher, if in differen periods more los on he sock markes small, big or medium companies. One searched connecions beween reacions of differen financial insrumens on he same informaion wih use of dynamic condiional correlaions models. One checked how was he reacion on impulse from American marke depending on he quaniy of he exchange company from all he world. K e y w o r d s: sock indexes, volailiy, DCC models, impulse response funcion, crisis.