Influence of financial crisis on Hurst exponent estimates - fractal analysis of selected metals prices



Podobne dokumenty
Metrologia: miary dokładności. dr inż. Paweł Zalewski Akademia Morska w Szczecinie

Zeszyty naukowe nr 9

Struktura czasowa stóp procentowych (term structure of interest rates)

ROZDZIAŁ 5 WPŁYW SYSTEMU OPODATKOWANIA DOCHODU NA EFEKTYWNOŚĆ PROCESU DECYZYJNEGO

BADANIA DOCHODU I RYZYKA INWESTYCJI

WERSJA TESTU A. Komisja Egzaminacyjna dla Aktuariuszy. LX Egzamin dla Aktuariuszy z 28 maja 2012 r. Część I. Matematyka finansowa

Estymacja przedziałowa

KURS STATYSTYKA. Lekcja 3 Parametryczne testy istotności ZADANIE DOMOWE. Strona 1

Matematyka finansowa r. Komisja Egzaminacyjna dla Aktuariuszy. XLVII Egzamin dla Aktuariuszy z 6 października 2008 r.

STATYSTYKA I ANALIZA DANYCH

Trzeba pokazać, że dla każdego c 0 c Mc 0. ) = oraz det( ) det( ) det( ) jest macierzą idempotentną? Proszę odpowiedzieć w

Elementy modelowania matematycznego

WYDZIAŁ ELEKTRYCZNY POLITECHNIKI WARSZAWSKIEJ INSTYTUT ELEKTROENERGETYKI ZAKŁAD ELEKTROWNI I GOSPODARKI ELEKTROENERGETYCZNEJ

1. Wnioskowanie statystyczne. Ponadto mianem statystyki określa się także funkcje zmiennych losowych o

ma rozkład złożony Poissona z oczekiwaną liczbą szkód równą λ i rozkładem wartości pojedynczej szkody takim, że Pr( Y

PODSTAWY OPRACOWANIA WYNIKÓW POMIARÓW Z ELEMENTAMI ANALIZY NIEPEWNOŚCI POMIAROWYCH

Modele tendencji rozwojowej STATYSTYKA OPISOWA. Dr Alina Gleska. Instytut Matematyki WE PP. 18 listopada 2017

3. Regresja liniowa Założenia dotyczące modelu regresji liniowej

Matematyka finansowa r. Komisja Egzaminacyjna dla Aktuariuszy. XLIII Egzamin dla Aktuariuszy z 8 października 2007 r.

Metody analizy długozasięgowej

3. Tworzenie próby, błąd przypadkowy (próbkowania) 5. Błąd standardowy średniej arytmetycznej

MINIMALIZACJA PUSTYCH PRZEBIEGÓW PRZEZ ŚRODKI TRANSPORTU

Miary położenia (tendencji centralnej) to tzw. miary przeciętne charakteryzujące średni lub typowy poziom wartości cechy.

ZAGADNIENIE ESTYMACJI. ESTYMACJA PUNKTOWA I PRZEDZIAŁOWA

Miary rozproszenia. Miary położenia. Wariancja. Średnia. Dla danych indywidualnych: Dla danych indywidualnych: s 2 = 1 n. (x i x) 2. x i.

Charakterystyki liczbowe zmiennych losowych: wartość oczekiwana i wariancja

Model ciągły wyceny opcji Blacka Scholesa - Mertona. Wzór Blacka - Scholesa na wycenę opcji europejskiej.

Miary położenia. Miary rozproszenia. Średnia. Wariancja. Dla danych indywidualnych: Dla danych indywidualnych: s 2 = 1 n. (x i x) 2. x i.

Ćwiczenie nr 14. Porównanie doświadczalnego rozkładu liczby zliczeń w zadanym przedziale czasu z rozkładem Poissona

Statystyka opisowa. () Statystyka opisowa 24 maja / 8

INWESTYCJE MATERIALNE

Kolorowanie Dywanu Sierpińskiego. Andrzej Szablewski, Radosław Peszkowski

1. Metoda zdyskontowanych przyszłych przepływów pieniężnych

Wykład 11 ( ). Przedziały ufności dla średniej

d wymiarowy wektor losowy Niech (Ω, S, P) przestrzeń probabilistyczna Definicja Odwzorowanie X: Ω R nazywamy 1-wymiarowym wektorem

X i. X = 1 n. i=1. wartość tej statystyki nazywana jest wartością średnią empiryczną i oznaczamy ją symbolem x, przy czym x = 1. (X i X) 2.

Fraktale - ciąg g dalszy

Badanie efektu Halla w półprzewodniku typu n

Analiza wyników symulacji i rzeczywistego pomiaru zmian napięcia ładowanego kondensatora

szeregów czasowych. Funkcjonowanie wybranych metod ryzyka inwestycyjnego dla wybranych empirycznych Wprowadzenie do miary ryzyka.

Akademia Młodego Ekonomisty

PERSPECTIVES OF STATISTICAL METHODS IN DESIGN OF TRADING STRATEGIES FOR FINANCIAL MARKETS USING HIERARCHICAL STRUCTURES AND REGULARIZATION

będą niezależnymi zmiennymi losowymi z rozkładu jednostajnego na przedziale ( 0,

ANALIZA SKORELOWANIA WYNIKÓW POMIAROWYCH W OCENACH STANU ZAGROŻEŃ HAŁASOWYCH ŚRODOWISKA

2 n < 2n + 2 n. 2 n = 2. 2 n 2 +3n+2 > 2 0 = 1 = 2. n+2 n 1 n+1 = 2. n+1

MODELE MATEMATYCZNE W UBEZPIECZENIACH. 1. Renty

COLLEGIUM MAZOVIA INNOWACYJNA SZKOŁA WYŻSZA WYDZIAŁ NAUK STOSOWANYCH. Kierunek: Finanse i rachunkowość. Robert Bąkowski Nr albumu: 9871

Jarosław Wróblewski Analiza Matematyczna 1A, zima 2012/13. Ciągi.

STATYSTYKA OPISOWA PODSTAWOWE WZORY

Rachunek prawdopodobieństwa i statystyka W12: Statystyczna analiza danych jakościowych. Dr Anna ADRIAN Paw B5, pok 407 adan@agh.edu.

Ćwiczenia nr 5. TEMATYKA: Regresja liniowa dla prostej i płaszczyzny

Lista 6. Estymacja punktowa

Analiza popytu na alkohol w Polsce z zastosowaniem modelu korekty błędem AIDS

STATYSTYKA OPISOWA PODSTAWOWE WZORY

Fluktuacje cen towarów rolnych w świetle analizy fraktalnej

Wzór Taylora. Matematyka Studium doktoranckie KAE SGH Semestr letni 2008/2009 R. Łochowski

P = 27, 8 27, 9 27 ). Przechodząc do granicy otrzymamy lim P(Y n > Y n+1 ) = P(Z 1 0 > Z 2 X 2 X 1 = 0)π 0 + P(Z 1 1 > Z 2 X 2 X 1 = 1)π 1 +

Metoda analizy hierarchii Saaty ego Ważnym problemem podejmowania decyzji optymalizowanej jest często występująca hierarchiczność zagadnień.

Jarosław Wróblewski Analiza Matematyczna 1A, zima 2014/15. n 4n n 1

L.Kowalski zadania ze statystyki matematycznej-zestaw 3 ZADANIA - ZESTAW 3

I kolokwium z Analizy Matematycznej

Zasada indukcji matematycznej. Dowody indukcyjne.

3. Funkcje elementarne

O liczbach naturalnych, których suma równa się iloczynowi

Materiał pomocniczy dla nauczycieli kształcących w zawodzieb!

O pewnych zastosowaniach rachunku różniczkowego funkcji dwóch zmiennych w ekonomii

1 Układy równań liniowych

Wykład. Inwestycja. Inwestycje. Inwestowanie. Działalność inwestycyjna. Inwestycja

POLITECHNIKA OPOLSKA

Statystyka opisowa - dodatek

Uwarunkowania rozwojowe województw w Polsce analiza statystyczno-ekonometryczna

40:5. 40:5 = υ5 5p 40, 40:5 = p 40.

ZADANIA NA ĆWICZENIA 3 I 4

KADD Metoda najmniejszych kwadratów

FRAKTALE I SAMOPODOBIEŃSTWO

Jarosław Wróblewski Analiza Matematyczna 1, zima 2016/17

System finansowy gospodarki

Analiza zjawisk fraktalnych w finansowych szeregach czasowych *

Strategie finansowe przedsiębiorstwa

Ciągi liczbowe wykład 3

Konspekt lekcji (Kółko matematyczne, kółko przedsiębiorczości)

Matematyka ubezpieczeń majątkowych r. Zadanie 1. Rozważamy proces nadwyżki ubezpieczyciela z czasem dyskretnym postaci: n

STATYSTYCZNA OCENA WYNIKÓW POMIARÓW.

Ćwiczenia rachunkowe TEST ZGODNOŚCI χ 2 PEARSONA ROZKŁAD GAUSSA

a n 7 a jest ciągiem arytmetycznym.

Obligacja i jej cena wewnętrzna

Projekt ze statystyki

Prawdopodobieństwo i statystyka r.

Wokół testu Studenta 1. Wprowadzenie Rozkłady prawdopodobieństwa występujące w testowaniu hipotez dotyczących rozkładów normalnych

Elementy statystyki opisowej Izolda Gorgol wyciąg z prezentacji (wykład I)

( 0) ( 1) U. Wyznaczenie błędów przesunięcia, wzmocnienia i nieliniowości przetwornika C/A ( ) ( )

Czas trwania obligacji (duration)

STATYSTKA I ANALIZA DANYCH LAB II

Matematyka ubezpieczeń majątkowych r.

Fraktale. Definicja ogólna. fraktala. w naturze. Samopodobieństwo. w naturze. Śnieżynka von Kocha

ZARZĄDZANIE FINANSAMI

PODSTAWY BIOSTATYSTYKI ĆWICZENIA

Ćwiczenie 2 ESTYMACJA STATYSTYCZNA

Przykładowe zadania dla poziomu rozszerzonego

Transkrypt:

MPRA Muich Persoal RePEc Archive Ifluece of fiacial crisis o Hurst expoet estimates - fractal aalysis of selected metals prices Rafa l Bu la Uiversity of Ecoomics i Katowice 0 Olie at http://mpra.ub.ui-mueche.de/5970/ MPRA Paper No. 5970, posted 8. November 04 08:56 UTC

Rafał Buła WPŁYW KRYZYSU FINANSOWEGO NA OSZACOWANIA WYKŁADNIKA HURSTA ANALIZA FRAKTALNA CEN WYBRANYCH METALI Słowa kluczowe: Metoda przeskalowaego zasięgu, wykładik Hursta, wymiar fraktaly, kryzys fiasowy. Streszczeie Celem iiejszego artykułu jest wykazaie, że cey wybraych metali otowaych a giełdzie lodyńskiej mają charakter fraktalego błądzeia losowego. W opracowaiu weryfikuje się hipotezę o czaroszumowych własościach stóp zwrotu (częstszym występowaiu zjawiska kotyuacji iż odwracaia tredu). Wykorzystując metodę przeskalowaego zasięgu stworzoą przez Hursta autor potwierdza istieie ok. 4-letiego ieokresowego cyklu w badaych fiasowych szeregach czasowych. Poadto w artykule poddaway oceie jest wpływ światowego kryzysu fiasowego a stabilość uzyskaych oszacowań. Wstęp Począwszy od roku 900, kiedy to Louis Bachelier przedstawił swoją pracę doktorską pt. Théorie de la Spéculatio ekoomiści coraz więcej swojego czasu poświęcali problemowi kształtowaia się ce istrumetów fiasowych, towarów, etc. Efektem szeroko zakrojoych badań było stworzeie wielu kocepcji usiłujących opisać prawa rządzące zachowaiem ce i stóp zwrotu. Do lat sześćdziesiątych XX w. domiowała kocepcja błądzeia losowego (Radom Walk Hypothesis) zakładająca wykorzystaie arytmetyczego ruchu Browa (opisaego przez Bacheliera, Eisteia oraz vo Smoluchowskiego) lub geometryczego ruchu Browa (wprowadzoego przez Samuelsoa oraz Osbore a). Ujawiające się jedak z coraz większą siłą rozbieżości między rzeczywistym a przewidywaym zachowaiem ce zaowocowały powstaiem owych teorii opierających się a zastosowaiu rozkładów α-stabilych, względie rezygacji z założeia o iezależości stóp zwrotu. Wtedy też Beoit Madelbrot stworzył pojęcie fraktala, które astępie zostało wykorzystae przez Edgara Petersa w kocepcji ryku fraktalego (Fractal Market Hypothesis). Bazuje oa a pewej modyfikacji teorii błądzeia losowego hipotezie obciążoego (fraktalego) błądzeia przypadkowego. Metodyka zastosowaa przez Petersa umożliwia określeie zarówo obciążeia, jakim obarczoe jest błądzeie losowe, jak i przeciętej długości istiejącego cyklu ieokresowego. Badaia przeprowadzoe przez tego uczoego wykazały, że zacza liczba zmieych ekoomiczych (m.i. otowaia akcji amerykańskich, wartości ideksu S&P 500, retowości obligacji rządu Staów Zjedoczoych Ameryki Półocej czy wartości ideksów odzwierciedlających poziom produkcji przemysłowej) cechuje się zaczym obciążeiem oraz występowaiem ok. 4-letiego cyklu. Mimo iż w aalizowaym okresie - -

miały miejsce trzy wojy, Wielki Kryzys, dwa szoki aftowe oraz trzy załamaia giełdowe oszacowae miary wskazują a istieie regularości w zachowaiu się tych wielkości. Powstaje zatem pytaie, czy także ie zmiee ie podlegają cykliczości oraz obciążoemu błądzeiu przypadkowemu. Na podstawie dotychczasowych badań moża sformułować hipotezę, iż cey pewych towarów mogą zachowywać się zgodie z opisaym uprzedio schematem. Celem iiejszego opracowaia jest zbadaie, czy otowaia wybraych metali hadlowaych a giełdzie lodyńskiej podlegają prawom opisaym przez Petersa. Poadto w artykule zostaie przeaalizoway wpływ kryzysu fiasowego lat 007 009 a stabilość oszacowań aalizowaych parametrów.. Wprowadzeie Najpopulariejszym modelem opisującym zachowaie stóp zwrotu z rozmaitych aktywów jest model bazujący a geometryczym ruchu Browa opisay stochastyczym rówaiem różiczkowym: ds(t) = μs(t) dt+ σs(t) db(t), () gdzie: { : t 0} S(t) jest procesem stochastyczym odzwierciedlającym ceę istrumetu fiasowego (towaru, etc.), { : t 0} B(t) - procesem stochastyczym azwaym a cześć szkockiego botaika ruchem Browa, µ - parametrem dryfu, zaś σ - parametrem dyfuzji. Proces Browa ma astępujące własości :. B(0) = 0,. Przyrosty procesu są stacjoare i iezależe, 3. Realizacje procesu są fukcjami ciągłymi, 4. Dla dowolego 0 B(t)~ t > zachodzi N0, ( t), czyli proces ma rozkład gaussowski o wartości oczekiwaej rówej zero i wariacji rówej t. Wykorzystując lemat Ito moża rozwiązać powyższe stochastycze rówaie różiczkowe i zaleźć, że: μ - σ t + σb(t) S(t) = S(0) e. Najistotiejszą implikacją wyikającą z uzaia powyższego modelu za prawdziwy jest iezależość logarytmiczych stóp zwrotu. Okazało się jedak, że w rzeczywistości logaryt- () W. Ostasiewicz, Propedeutyka probabilistyki, Wydawictwo Akademii Ekoomiczej im. Oskara Lagego we Wrocławiu, Wrocław 000, s. 69 7. - -

micze stopy zwrotu ie są iezależe. W celu uwzględieia tego faktu zamiast procesu Browa wykorzystao ułamkowy ruch Browa. Ułamkowy ruch Browa { (t): t 0} B H ma podobe własości jak proces Browa, z tym że jego przyrosty ie muszą być iezależe, zaś dla dowolego t > 0 zachodzi B ~ H ( ) H (t) N0, t, czyli proces ma rozkład gaussowski o wartości oczekiwaej rówej zero i wariacji rówej t H, gdzie H ( 0,). Jak widać proces Browa jest szczególym przypadkiem ułamkowego ruchu Browa dla H =. Współczyik H jest azyway współczyi- kiem samopodobieństwa lub wykładikiem Hursta. Kowariacja procesu wyosi EB H (s)b H H > przyrosty procesu są dodatio skore- lowae, a dla H H H ( s + t s t ) (t) =, zatem dla H< ujemie. Stąd dla prawdopodobieństwo kotyuacji iż zmiay tredu, zaś dla H > proces te jest persystety, tj. większe jest H < atypersystety, tj. bar- dziej prawdopodoba jest zmiaa tredu. Co więcej, ułamkowy ruch Browa ma własość cechującą fraktale: jest samopodoby (w sesie statystyczym, dystrybuata zmieej losowej B H (at) jest taka sama jak dystrybuata zmieej losowej a H B(t) dla dowolego a > 0). Twórcą pojęcia fraktala jest Beoit Madelbrot. Stwierdził o, że Fraktal jest zbiorem, dla którego wymiar Hausdorffa Besicovitcha jest większy iż jego wymiar topologiczy. Z kolei defiicja Petersa jest zdecydowaie prostsza: Fraktal jest obiektem, którego części pozostają w pewej relacji do całości 3. Fraktalami będą zatem zbiory samopodobe, złożoe z pomiejszoych kopii samego siebie. Należą do ich m.i. trójkąt Sierpińskiego czy śieżyka Kocha, ale także realizacje wspomiaych uprzedio procesów stochastyczych. Istotą cechą fraktali jest ich wymiar tzw. wymiar fraktaly (D F ). Iformuje o jak bardzo postrzępioy jest day obiekt. Prosta ma wymiar fraktaly rówy, zaś płaszczyza. Wymiar krzywych będzie zatem mieścił sie w przedziale,. Im bardziej będą oe ieregulare, tym będzie o bliższy, zaś dla bardziej regularych bliższy. Dowiedzioo, że wymiar fraktaly ułamkowego ruchu Browa wyosi D F = H. Podsumowując powyższe rozważaia moża stwierdzić, że gdy: B. Madelbrot, The Fractal Geometry of Nature, W. H. Freema ad Compay, New York 983, s. 4 5. 3 E.E. Peters, Chaos ad Order i the Capital Markets, Joh Wiley & Sos, Ic., New York et al. 99, s. 46. - 3 -

. H= 0, 5 to D F =, 5 - mamy wówczas do czyieia z szumem białym, tj. prawdopodobieństwa kotyuacji i zmiay tredu są sobie rówe,. H ( 0,5;) to ( ;,5) D F - mamy wówczas do czyieia z szumem czarym, tj. prawdopodobieństwo kotyuacji tredu jest większe iż prawdopodobieństwo jego zmiay (szereg persystety), 3. H ( 0; 0,5) to (,5; ) D F - mamy wówczas do czyieia z szumem różowym, tj. prawdopodobieństwo zmiay tredu jest większe iż prawdopodobieństwo jego kotyuacji (szereg atypersystety). Większość ekoomiczych szeregów czasowych badaych dotychczas cechowała się persystetością. Aalizy Petersa pokazały, że jedyie zmieość (mierzoa odchyleiem stadardowym) miała charakter szumu różowego (takiego wyiku ależało oczekiwać jak bowiem zaobserwowao krótkie okresy o podwyższoej zmieości szybko przechodzą w krótkie okresy o obiżoej zmieości).. Aaliza przeskalowaego zasięgu Metoda przeskalowaego zasięgu (R/S aalysis) została stworzoa przez hydrologa Harolda Edwia Hursta, który badał przy jej pomocy wylewy Nilu. Badając jak skaluje się zasięg szeregów czasowych umożliwia oa określeie wartości współczyika samopodobieństwa H, azwaego a cześć tego uczoego wykładikiem Hursta. Przebiega oa astępująco:. Dyspoując szeregiem czasowym ce wybraego istrumetu fiasowego o długości N+ tworzymy szereg logarytmiczych stóp zwrotu o długości N: P t r = t l dla Pt t=,,..., N, gdzie r t logarytmicza stopa zwrotu w okresie t, P t cea istrumetu a koiec okresu t.. Dzielimy szereg logarytmiczych stóp zwrotu a m podszeregów o długości, tak by 0 N m<. Dla każdego podszeregu obliczamy wartość średiej logarytmiczej stopy zwrotu t= k + k r = oraz lokale odchyleie stadardowe k r t t= k + k S k = ( rt rk), k =,,..., m. - 4 -

t 3. Tworzymy m owych podszeregów, w te sposób, że + z t = ri r, t t i= + t =,,..., N. Dla każdego k obliczamy zasięg jako R = max ( z ) mi ( z ). 4. Obliczamy średi przeskaloway zasięg jako ( ) = 5. Powtarzamy to postępowaie dla N = 0,,...,. k m t= k +,...,k m k R/S. k= R S k t t= k +,...,k H 6. Poieważ dla daego zachodzi E( (R/S) ) = c, zatem przybliżając ( ) (R/S) otrzymujemy ( ) H c, czyli l( R/S) l ( c) + H l ( ) R/S liiową możemy oszacować H. E (R/S) przez. Stosując regresję Nawet jeżeli baday proces ma charakter białego szumu, to ze względu a wykorzystaie skończoych szeregów czasowych oczekiwaa wartość H jest róża od. Stosując teoretyczą wartość oczekiwaą E ((R/S) ) obliczoą przez Aisa i Lloyda 4 : ( ) i E (R/S) =, (3) i= i π moża obliczyć skorygowae H dodając do współczyik regresji (R/S) E ( ) (R/S) względem l( ) 5. W te właśie sposób postąpioo w iiejszej pracy. Jedocześie ie stosowao uproszczoych wzorów służących do obliczaia E ((R/S) ), ze względu a fakt iż mimo poprawki Petersa mogą oe prowadzić do zaczących błędów 6. W opracowaiu wyko- t 4 J. Stawicki, E.A. Jaiak, I. Müller-Frączek, Różicowaie fraktale szeregów czasowych wykładik Hursta i wymiar fraktaly [w:] Dyamicze modele ekoometrycze: materiały a V Ogólopolskie Semiarium Naukowe, 9- wrześia 997. Towarzystwo Naukowe Orgaizacji i Kierowictwa Dom Orgaizatora, Toruń 997, s. 38. 5 R. Wero, Estimatig log-rage depedece: fiite sample properties ad cofidece itervals, Physica A 00, vol. 3, s. 88. 6 J. Purczyński, Wybrae problemy umerycze stosowaia aalizy R/S, Przegląd Statystyczy 000, r -, s. 8 0. - 5 -

- 6 - rzystao pewe własości fukcji gamma, miaowicie ( ) ( ) p p p = +, ( ) = oraz π =. Ozaczamy = α. Dla + mamy: α α = = + + = + + = +. (4) Z kolei dla = zachodzi π =, a dla = 3 π 3 3 =. Uwzględiając te własości moża wartości ilorazu obliczać w sposób rekurecyjy. Uzyskawszy oszacowaie H ależy określić, czy istieją dostatecze przesłaki pozwalające odrzucić hipotezę, że H=. W tym celu Peters rozważa szereg zmieych o rozkładzie gaussowskim i sugeruje, by hipotezę powyższą odrzucać, gdy N, N H + 7. Podejście to jest często stosowae, choć trzeba zauważyć, że opiera się oo a hipotezie o ormalości badaych zmieych, poieważ w pozostałych przypadkach rozkład H ie jest zay 8. 7 E.E. Peters, Fractal Market Aalysis, Joh Wiley & Sos, Ic., New York et al. 994, s. 7 74. 8 R. Wero, Estimatig... op. cit., s. 88.

Rysuek. Aaliza R/S dla produkcji przemysłowej w Staach Zjedoczoych Ameryki Półocej Źródło: Opracowaie włase a podstawie daych Federal Reserve Bak of St. Louis, http://research.stlouisfed.org/fred [dostęp 6 lutego 0]. Procedura stworzoa przez Hursta umożliwia także wykrycie istieia cykli oraz oszacowaie przeciętej długości jedego cyklu. W tym celu dokoujemy regresji liiowej wykorzystując szereg przeskalowaych zasięgów dla kolejych. Zajdując maksymale H w zależości od możemy określić po upływie jakiego czasu szereg traci pamięć. Przykładowe wyiki przedstawioo dla produkcji przemysłowej w Staach Zjedoczoych Ameryki Półocej (dae miesięcze). Wykorzystując opisaą powyżej procedurę uzyskao przeskalowae zasięgi. Aalizując prezetoway wykres ależy stwierdzić, że długość cyklu wyosi ok. 55 miesięcy, tj. 4,58 roku. Po upływie tego okresu pamięć szeregu zaika. Wykładik Hursta oszacowao a 0,6850, co świadczy o jego persystetości. 3. Wyiki Wykorzystując metodę R/S badaiu poddao szeregi czasowe reprezetujące cey metali otowaych a giełdzie lodyńskiej (Lodo Metal Exchage). Ze względu a długość dostępych szeregów przeaalizowao kształtowaie się ce: alumiium stop (AAC), alumiium (ALC), miedzi (CO), ołowiu (LE), iklu (NI), cyy (TI) i cyku (ZI). W badaiu wykorzystao cey atychmiastowe a zamkięciu sesji w ostatim diu hadlowym każdego miesiąca (dae pochodzą z serwisu stooq.pl). W pierwszej kolejości oszacowao omawiae uprzedio miary dla otowań pochodzących z okresu 0.989 05.007. Następie dokoao - 7 -

obliczeń wykorzystując dae uwzględiające dodatkowo kwotowaia z okresu 06.007 0.0, tj. obejmujące lata ostatiego kryzysu fiasowego 9. Praktyczie w każdym przypadku aaliza R/S pozwoliła a wykrycie pewego cyklu ieokresowego o długości od 3,7 do 4,4 roku. Rezultaty te są spóje z wyikami otrzymaymi dla produkcji przemysłowej w Staach Zjedoczoych Ameryki Półocej oraz wioskami sformułowaymi przez Petersa. Wszystkie badae szeregi czasowe cechują się persystetością mają charakter szumu czarego. Obliczoa wartość wykładika Hursta waha się od 0,5570 dla cyku (kwotowaia 0.989 05.007) do 0,747 dla iklu (kwotowaia 0.989 0.0). Z wyjątkiem cyku i ołowiu (kwotowaia 0.989 05.007) wszystkie oszacowaia wykraczają poza przedział, N + N, co świadczy o istotości uzyskaych rezultatów (w tabeli dolą graicę przedziału ozaczoo jako H d, zaś górą jako H u ). Jedocześie obliczoo wykładik Hursta H S dla szeregów posortowaych w sposób losowy. Jak wyika z daych zawartych w tabeli wartości te są zdecydowaie iższe iż wyjściowe współczyiki samopodobieństwa. Świadczy to o istieiu pamięci procesu, która została uicestwioa przez losowe sortowaie. Wykorzystując wzór D F = H obliczoo także wymiar fraktaly. W każdym aalizowaym przypadku jest o zdecydowaie iższy iż,5, co potwierdza hipotezę głoszącą iż badae szeregi mają charakter persystety. Trzeba także podkreślić, że uwzględieie kwotowań z okresu 06.007 0.0 jedyie w iewielkim stopiu wpłyęło a oszacowae wykładiki Hursta oraz estymowaą długość cyklu. Odmieość wyików uzyskaych dla cyku i ołowiu ależy raczej przypisać wykorzystaiu krótszych szeregów czasowych w przypadku kwotowań 0.989 05.007 iż wpływowi kryzysu fiasowego lat 007 009. 9 W iiejszej pracy przyjęto, że początek kryzysu fiasowego przypada a czerwiec 007 r., tj. miesiąc w którym zaistiało ryzyko iewypłacalości fuduszy iwestycyjych baku Bear Stears zaagażowaych a amerykańskim ryku ieruchomości. - 8 -

Tabela. Wyiki aalizy R/S dla wybraych metali (0.989 05.007) Metal N H H d H u H S D F Długość cyklu Alumiium (stop) 7 0,644 0,438 0,576 0,507,3586 3,58 Alumiium 0 0,5866 0,436 0,5674 0,473,434 4,33 Miedź 0 0,587 0,436 0,5674 0,487,49 3,7 Ołów 0 0,569 0,436 0,5674 0,468,438 - Nikiel 0 0,775 0,436 0,5674 0,54,85 4,5 Cya 4 0,69 0,436 0,5684 0,4884,3709 4,4 Cyk 0 0,5570 0,436 0,5674 0,558,4430 3,83 Źródło: Opracowaie włase a podstawie http://www.stooq.pl [dostęp 6 lutego 0]. Tabela. Wyiki aalizy R/S dla wybraych metali (0.989 0.0) Metal N H H d H u H S D F Długość cyklu Alumiium (stop) 8 0,6553 0,4338 0,566 0,5459,3447 3,75 Alumiium 76 0,5946 0,4398 0,560 0,4984,4054 4,33 Miedź 76 0,5848 0,4398 0,560 0,469,45 3,5 Ołów 76 0,5790 0,4398 0,560 0,4663,40 3,4 Nikiel 76 0,747 0,4398 0,560 0,5386,753 4,33 Cya 70 0,669 0,439 0,5609 0,508,338 4,5 Cyk 76 0,6088 0,4398 0,560 0,456,39 3,83 Źródło: Opracowaie włase a podstawie http://www.stooq.pl [dostęp 6 lutego 0]. - 9 -

Rysuek. Aaliza R/S dla wybraych metali (0.989 05.007) Alumiium (stop) Alumiium Miedź Ołów Nikiel Cya Cyk Źródło: Opracowaie włase a podstawie http://www.stooq.pl [dostęp 6 lutego 0]. - 0 -

Rysuek 3. Aaliza R/S dla wybraych metali (0.989 0.0) Alumiium (stop) Alumiium Miedź Ołów Nikiel Cya Cyk Źródło: Opracowaie włase a podstawie http://www.stooq.pl [dostęp 6 lutego 0]. - -

Zakończeie W iiejszym opracowaiu ukazao przydatość metody przeskalowaego zasięgu do aalizy fiasowych szeregów czasowych. Zaprezetowae w pierwszej części artykułu omówieie aspektów metodyczych aalizy R/S zostało wykorzystae w dalszej części pracy poświęcoej badaiu kształtowaia się ce wybraych metali otowaych a giełdzie lodyńskiej. Metoda ta umożliwiła wykrycie istieia ok. 4-letiego cyklu w badaych szeregach czasowych oraz potwierdziła, iż mają oe charakter czarego szumu (są persystete). Co więcej, oszacowaia wykładika Hursta oraz przeciętej długości cyklu ieokresowego okazały się praktyczie iewrażliwe a występujące w gospodarce światowej zjawiska kryzysowe. Świadczy to o odporości metody Hursta oraz przemawia a korzyść hipotezy, głoszącej iż zacza część fiasowych szeregów czasowych ma charakter obciążoego błądzeia przypadkowego. Wioski te są spóje z uzyskaymi przez Petersa rezultatami dla gospodarki Staów Zjedoczoych Ameryki Półocej. Bibliografia. Jajuga K., Papla D., Teoria chaosu w aalizie fiasowych szeregów czasowych - aspekty teoretycze i badaia empirycze [w:] Dyamicze modele ekoometrycze: materiały a V Ogólopolskie Semiarium Naukowe, 9- wrześia 997. Towarzystwo Naukowe Orgaizacji i Kierowictwa Dom Orgaizatora, Toruń 997.. Madelbrot B., The Fractal Geometry of Nature, W. H. Freema ad Compay, New York 983. 3. Ostasiewicz W., Propedeutyka probabilistyki, Wydawictwo Akademii Ekoomiczej im. Oskara Lagego we Wrocławiu, Wrocław 000. 4. Peters E.E., Chaos ad Order i the Capital Markets, Joh Wiley & Sos, Ic., New York et al. 99. 5. Peters E.E., Fractal Market Aalysis, Joh Wiley & Sos, Ic., New York et al. 994. 6. Purczyński J., Wybrae problemy umerycze stosowaia aalizy R/S, Przegląd Statystyczy 000, r -. 7. Stawicki J., Jaiak E.A., Müller-Frączek I., Różicowaie fraktale szeregów czasowych wykładik Hursta i wymiar fraktaly [w:] Dyamicze modele ekoometrycze: materiały a V Ogólopolskie Semiarium Naukowe, 9- wrześia 997. Towarzystwo Naukowe Orgaizacji i Kierowictwa Dom Orgaizatora, Toruń 997. - -

8. Wero A., Wero R., Iżyieria fiasowa, Wydawictwa Naukowo-Techicze, Warszawa 009. 9. Wero R., Estimatig log-rage depedece: fiite sample properties ad cofidece itervals, Physica A 00, vol. 3. INFLUENCE OF FINANCIAL CRISIS ON HURST EXPONENT ESTIMATES FRACTAL ANALYSIS OF SELECTED METALS PRICES Key words: Rescaled rage aalysis, Hurst expoet, fractal dimesio, fiacial crisis. Summary The mai purpose of this article is to prove that prices of selected metals quoted at Lodo Metal Exchage could be described as biased radom walks. I this paper hypothesis of black oise character of returs is verified (sequeces are observed more frequetly tha reversals). Exploitig Hurst s method of rescaled rage author cofirms that aalyzed fiacial time series are characterized by 4-year operiodic cycle. Moreover ifluece of world fiacial crisis o stability of calculated estimates is assessed. - 3 -