Oddziaływanie procesu informacji na dynamikę cen akcji. Małgorzaa Doman Akademia Ekonomiczna w Poznaniu
Modele mikrosrukury rynku Bageho (97) informed raders próbują wykorzysać swoją przewagę informacyjną i osiągnąć zysk Admai i Pfleiderer (988) wolumen, spread bid/ask, czas rwania ceny, zmienność Copeland i Galai (983), Glosen i Milgram (983) uninformed raders próbują zdobyć niepubliczną informację obserwując proces cen Karpoff (987) informacja zawara w wolumenie obrou Easley i O Hara (987, 994), Blume, Easley i O Hara (994) eoreyczny model uwzględniajacy znaczenie wolumenu O Hara (994) rola animaorów rynku Diamand i Varrecchia (987) no rades, bad news
Pyania Jakie zależności wysępują pomiędzy czasem rwania ceny, olumenem, a zmiennością akcji na GPW w Warszawie? Czy wolumen obrou i duracja mogą być użyeczne w opisie ynamiki cen, zn. czy mogą sanowić proxy dla procesu informacji? Czy wykrye zależności mogą wyjaśnić mechanizm przyswajania nformacji przez uniformed raders? Czy są one jednakowe dla spółek o dużej i małej płynności? Czy można analizując wspomniane zależności ocenić jaki jes udział i ola informed raders w handlu na GPW? Czy zależności na GPW są zgodne z obserwowanymi na wysoko ozwinięych giełdach?
Narzędzia Modele GARCH, ACD i ACV Model VAR zasosowany do badania zależności. (przy bardzo szczególnych założeniach)
θ, θ, K, θ,k uporządkowany ciąg chwil, w kórych pojawiają się kolejne ceny akcji: p, p,, K p d = θ θ duracja = czas rwania ceny E ( d Ω ) = ψ w wolumen obrou po cenie p E ( w Ω ) = ν
Model ACD Engle and Russel 998 d =ψ ξ ξ ~iid (, ) σ ξ rozkład Weibulla z paramerem γ ψ = ω α jd j p q j= j= β ψ j j ω > α j β j
Model ACV Manganelli w =ν η η ~iid (, σ η ) rozkład Weibulla z paramerem γ ν = ω α jw j p q j= j= β ν j j ω > α j β j
Esymacja modeli ACD Logarym funkcji wiarygodności N ln γ d γ ln Γ( ψ γ ) d Γ( ψ = γ ) d γ Esymacja ACV analogicznie
Model ACD(,) d =ψ ξ ξ ~iid (, ) ψ ω αd βψ = σ ξ Model ACV(,) w =ν η η ~iid (, ) σ η = ν ω αw βν
Dane noowania ick by ick okres: od 4 maja 6 r. do 7 kwienia 7 r. AGORA PEKAO ELZAB WANDALEX
Przygoowanie danych Czas mierzony z dokładnością do sekundy. Wolumen obrou ransakcji po ej samej cenie sumowany. Dla ransakcji w ej samej sekundzie po różnych cenach cena jes średnią ważoną wolumenem. Uwzględnienie efeku cykliczności śróddziennej. 6.3 = 9.3 AGORA PEKAO ELZAB WANDALEX Począkowa liczba obserwacji 8487 5945 988 96 Liczba obserwacji po opracowaniu 8745 35374 3868 3374
AGORA 5 PEKAO 5 5 Średnie duracje w 35 godzinach dnia 9.3-..-..-..-3. 3.-4. 4.-5. 5.-6. 6.-6 ELZAB 3 5 WANDALEX 5 5
45 AGORA 4 35 3 PEKAO 5 5 5 9.3-..-..-..-3. 3.-4. 4.-5. 5.-6. 6.-6 ELZAB Średni wolumen obrou 4 w godzinach dnia WANDALEX 8 6 4
.4 AGORA.35.3 PEKAO.5..5..5. 9.3-..-..-..-3. 3.-4. 4.-5. 5.-6. 6.-6. Średnie zwroy bezwzględne w godzinach dnia.8 ELZAB.6.4 WANDALEX...8.6.4..
43 64 85 6 7 48 69 9 3 53 74 95 36 337 358 379 4 4 44 463 484 55 56 547 568 AGORA PEKAO.5.5 -.5 - -.5 3 5 37 49 6 73 85 97 9 33 45 57 69 8 93 5 7 9 4 53 65 77 89 3 33 35 337 349 36 Sopy zwrou odpowiadające czasom rwania ceny. Okres: 8.5.6..5.6. 8. 6. 4. WANDALEX.. ELZAB -. -4. -6.
43 64 85 6 7 48 69 9 3 53 74 95 36 337 358 379 4 4 44 463 484 55 56 547 568 5 5 5 3 35 4 3 5 37 49 6 73 85 97 9 33 45 57 69 8 93 5 7 9 4 53 65 77 89 3 33 35 337 349 36 4 6 8 4 6 Duracje. Okres: 8.5.6..5.6. AGORA PEKAO ELZAB WANDALEX
Wyniki: ACD ψ ω αd βψ = Paramer AGORA PEKAO ELZAB WANDALEX ω α β γ.49 (.4).97 (.85).876 (.).7946 (.).385 (.55).47 (.95).8388 (.39).7979 (.4).5 (.).84 (.74).96 (.68).767 (.99).58 (7.434).477 (46.69).833 (.745).755 (7.5)
47 93 339 485 53 677 733 8369 945 46 57 553 3599 4645 569 6737 7783 889 9875 9 967 33 459 55 65 797 5 5 5 5 5 AGORA - durac ja AGORA - warunkowa oczekiwana duracja
3 5 37 49 5 63 75 87 99 3 5 37 49 53 633 735 837 939 4 43 45 347 449 55 653 755 857 959 36 363 365 3367 3469 357 3673 3775 5 5 5 5 ELZAB -durac ja ELZAB warunkowa oczekiwana duracja
Wyniki: ACV ν ω αw βν = Paramer AGORA PEKAO ELZAB WANDALEX.368.37.33.9 ω (.97) (.46) (.7) (.49).437.48.358.35 α (.54) (.63) (.4) (.38).988.993.95.656 β (.39) (.34) (.65) (.87) γ.5788.56.7599.694 (.5) (.33) (.) (.86)
49 97 345 493 54 689 7337 8385 9433 48 59 577 365 4673 57 6769 787 8865 993 96 9 357 45 553 6 749 GORA olumen i warunkowy oczekiwany wolumen
5 5 5 5 3 5 37 49 5 63 75 87 99 3 5 37 49 53 633 735 837 939 4 43 45 347 449 55 653 755 857 959 6 63 65 367 469 57 673 LZAB olumen i warunkowy oczekiwany wolumen
Ogólny model zależności µ = φ A µ µ τ K B τ µ = ( ψ, ν, σ ) K Aq q B τ = ( d, w, y ) p p uproszczenie: µ = φ Aµ Bτ założenie, że A jes diagonalna
Modelowanie zależności Modelowanie zależności y y c w b b d a r a r = y ε = σ = w d y ρ ρ β σ α ω σ 4 3 = y p w p d p p p ψ ψ 4 3 = y q w q d q q q v ν
Wyniki: modele zależności (liniowy dla sóp zwrou) r = a a r b d b w cy y Paramer a a b b AGORA -.4 -..8 (.89) (.9) (.9) PEKAO -.4583 -.5.. ELZAB (.66) WANDALEX.46 (.57) (.) -.9 (.578) -.36 (.477) (.6) -.388 (.4) -.36 (.) (.6).7 (.56).36 (.93) c.78 (.73).837 (.584).77 (.473)
Wyniki: modele zależności (GARCH) σ = ω α y β σ ρ d ρ w Paramer ω α β ρ ρ.33.546.77 -.6. AGORA (.39) (.5) (.8) (.4) (.4).38.747.74 -..3 PEKAO ELZAB (.38).78 (.643) WANDALEX.34 (.99) (.76).63 (.59).473 (.365) (.57).6368 (.789).7348 (.357) (.3).5 (.8).55 (.48) (.36) -.35 (.46).4 (.89) DF 6.5 8. 5.4 7
6 3 346 46 576 69 76 8 936 5 66 8 396 4 56 64 756 87 986 3 36 33 3346 436 5376 639 746 84 3 4 5 6 7 8 655 39 963 67 37 395 4579 533 5887 654 795 7849 853 957 98 465 9 773 47 38 3735 4389 543 5697 635 75 7659 833 8967 96 75 99 583 37 89 3545 5 5 5 9 37 55 73 9 9 7 45 63 8 99 7 35 53 7 89 7 5 43 6 79 97 5 33 5 69 Zmienność AGORA PEKAO ELZAB WANDALEX
Wyniki: modele zależności (dla oczekiwanej duracji) ψ = p pψ pd p3w p4 y Paramer p p p p 3 p 4 AGORA.499 (.4) PEKAO.5336 (.44) ELZAB.4337 (.64) WANDALEX.45 (.37).339 (.33).339 (.34).39 (.97).38 (.95).9 (.8).78 (.9).74 (.74).454 (.9). (.).7 (.5).4 (.3).3 (.35) -.45 (.8) -.65 (.7).59 (.3)
yniki: modele zależności (dla oczekiwanego wolumenu) v = q qν qd q3w q4 y Paramer q q q q 3 q 4 AGORA.569 (.47) PEKAO.643 (.5) ELZAB.586 (.) WANDALEX.447 (.5).339 (.36).337 (.39).38 (.5).33 (.56).63 (.9).3 (.5).37 (.7).37 (.6).484 (.).534 (.4).6 (.4).358 (.) -.4 (.3) -.34 (.). (.6)
Wąpliwości Założenia modeli. Sacjonarność duracji i wolumenu (po usunięciu cykliczności). Meody agregacji danych. Czy opóźnienie jes właściwe, zwłaszcza w odniesieniu do płynnych spółek?
Wnioski Isony dodani wpływ wolumenu na zmienność ylko dla płynnych spółek. Nie wysępuje zależność odwrona.) Isony ujemny wpływ duracji na zmienność ylko dla płynnych spółek. Nie wysępuje zależność odwrona.) Wysoka persysencja wolumenu zwłaszcza w przypadku dużych spółek (dominacja informed raders). Dynamika oczekiwanego czasu rwania ceny zróżnicowana w zależności od wielkości spółki. Dynamika warunkowego oczekiwanego wolumenu niezależna od płynnośc spółki Orzymane wyniki nieco odbiegają od znanych z giełd amerykańskich. Charaker dynamiki cen akcji zależy od płynności spółek. Duży udział informed raders w ransakcjach na GPW.