Zastosowanie narzędzi analizy technicznej w bezpośrednim i pośrednim inwestowaniu w towary



Podobne dokumenty
ANNA GÓRSKA MONIKA KRAWIEC Szkoła Główna Gospodarstwa Wiejskiego w Warszawie

Analiza i Zarządzanie Portfelem cz. 6 R = Ocena wyników zarządzania portfelem. Pomiar wyników zarządzania portfelem. Dr Katarzyna Kuziak

Ewa Dziawgo Uniwersytet Mikołaja Kopernika w Toruniu. Analiza wrażliwości modelu wyceny opcji złożonych

DYNAMICZNE MODELE EKONOMETRYCZNE

Kombinowanie prognoz. - dlaczego należy kombinować prognozy? - obejmowanie prognoz. - podstawowe metody kombinowania prognoz

ZASTOSOWANIE NARZĘDZI ANALIZY TECHNICZNEJ W INWESTOWANIU NA RYNKACH METALI SZLACHETNYCH

Nie(efektywność) informacyjna giełdowego rynku kontraktów terminowych w Polsce

Studia Ekonomiczne. Zeszyty Naukowe Uniwersytetu Ekonomicznego w Katowicach ISSN Nr

WYCENA KONTRAKTÓW FUTURES, FORWARD I SWAP

ESTYMACJA KRZYWEJ DOCHODOWOŚCI STÓP PROCENTOWYCH DLA POLSKI

hact , 4 haot technice świec japońskich. 4 Na podstawie strony internetowej:

Transakcje insiderów a ceny akcji spółek notowanych na Giełdzie Papierów Wartościowych w Warszawie S.A.

hact , 4 haot technice świec japońskich. 4 Na podstawie strony internetowej:

Analiza metod oceny efektywności inwestycji rzeczowych**

DYNAMICZNE MODELE EKONOMETRYCZNE

WYKORZYSTANIE STATISTICA DATA MINER DO PROGNOZOWANIA W KRAJOWYM DEPOZYCIE PAPIERÓW WARTOŚCIOWYCH

Parytet stóp procentowych a premia za ryzyko na przykładzie kursu EURUSD

RACHUNEK EFEKTYWNOŚCI INWESTYCJI METODY ZŁOŻONE DYNAMICZNE

ANALIZA, PROGNOZOWANIE I SYMULACJA / Ćwiczenia 1

Prognozowanie średniego miesięcznego kursu kupna USD

Analiza rynku projekt

EFEKT DŹWIGNI NA GPW W WARSZAWIE WPROWADZENIE

ZESZYTY NAUKOWE UNIWERSYTETU SZCZECIŃSKIEGO NR 690 FINANSE, RYNKI FINANSOWE, UBEZPIECZENIA NR

MACD wskaźnik trendu

Stała potencjalnego wzrostu w rachunku kapitału ludzkiego

O PEWNYCH KRYTERIACH INWESTOWANIA W OPCJE NA AKCJE

Wykład 3 POLITYKA PIENIĘŻNA POLITYKA FISKALNA

Management Systems in Production Engineering No 4(20), 2015

PROGNOZOWANIE I SYMULACJE. mgr Żaneta Pruska. Ćwiczenia 2 Zadanie 1

OPTYMALIZACJA PORTFELA INWESTYCYJNEGO ZE WZGLĘDU NA MINIMALNY POZIOM TOLERANCJI DLA USTALONEGO VaR

MODELOWANIE FINANSOWYCH SZEREGÓW CZASOWYCH Z WARUNKOWĄ WARIANCJĄ. 1. Wstęp

Matematyka finansowa r. Komisja Egzaminacyjna dla Aktuariuszy. XXXVIII Egzamin dla Aktuariuszy z 20 marca 2006 r.

MAKROEKONOMIA 2. Wykład 3. Dynamiczny model DAD/DAS, część 2. Dagmara Mycielska Joanna Siwińska - Gorzelak

SYMULACYJNA ANALIZA PRODUKCJI ENERGII ELEKTRYCZNEJ I CIEPŁA Z ODNAWIALNYCH NOŚNIKÓW W POLSCE

MAKROEKONOMIA 2. Wykład 3. Dynamiczny model DAD/DAS, część 2. Dagmara Mycielska Joanna Siwińska - Gorzelak

Inwestycje w lokale mieszkalne jako efektywne zabezpieczenie przed inflacją na przykładzie Poznania w latach

Różnica bilansowa dla Operatorów Systemów Dystrybucyjnych na lata (którzy dokonali z dniem 1 lipca 2007 r. rozdzielenia działalności)

Krzysztof Piontek MODELOWANIE ZMIENNOŚCI STÓP PROCENTOWYCH NA PRZYKŁADZIE STOPY WIBOR

METODY STATYSTYCZNE W FINANSACH

EFEKT DNIA TYGODNIA NA GIEŁDZIE PAPIERÓW WARTOŚCIOWYCH W WARSZAWIE WSTĘP

POWIĄZANIA POMIĘDZY KRÓTKOOKRESOWYMI I DŁUGOOKRESOWYMI STOPAMI PROCENTOWYMI W POLSCE

PREDYKCJA KURSU EURO/DOLAR Z WYKORZYSTANIEM PROGNOZ INDEKSU GIEŁDOWEGO: WYBRANE MODELE EKONOMETRYCZNE I PERCEPTRON WIELOWARSTWOWY

DYNAMICZNE MODELE EKONOMETRYCZNE

Politechnika Częstochowska Wydział Inżynierii Mechanicznej i Informatyki. Sprawozdanie #2 z przedmiotu: Prognozowanie w systemach multimedialnych

Zerowe stopy procentowe nie muszą być dobrą odpowiedzią na kryzys Andrzej Rzońca NBP, SGH, FOR

OeconomiA copernicana. Małgorzata Madrak-Grochowska, Mirosława Żurek Uniwersytet Mikołaja Kopernika w Toruniu

OCENA ATRAKCYJNOŚCI INWESTYCYJNEJ AKCJI NA PODSTAWIE CZASU PRZEBYWANIA W OBSZARACH OGRANICZONYCH KRZYWĄ WYKŁADNICZĄ

Oscylator Stochastyczny

WYKORZYSTANIE MIERNIKÓW KREOWANIA WARTOŚCI W RACHUNKU ODPOWIEDZIALNOŚCI

Europejska opcja kupna akcji calloption

PROGNOZOWANIE ZUŻYCIA CIEPŁEJ I ZIMNEJ WODY W SPÓŁDZIELCZYCH ZASOBACH MIESZKANIOWYCH

Krzysztof Piontek Weryfikacja modeli Blacka-Scholesa dla opcji na WIG20

DYNAMICZNE MODELE EKONOMETRYCZNE

EFEKTYWNOŚĆ INWESTYCJI MODERNIZACYJNYCH. dr inż. Robert Stachniewicz

ZASTOSOWANIE TESTU PERRONA DO BADANIA PUNKTÓW ZWROTNYCH INDEKSÓW GIEŁDOWYCH: WIG, WIG20, MIDWIG I TECHWIG

Wyzwania praktyczne w modelowaniu wielowymiarowych procesów GARCH

DYNAMICZNE MODELE EKONOMETRYCZNE

Warunki tworzenia wartości dodanej w przedsiębiorstwie

KONCEPCJA WARTOŚCI ZAGROŻONEJ VaR (VALUE AT RISK)

MODELOWANIE WŁASNOŚCI SZEREGÓW STÓP ZWROTU SKOŚNOŚĆ ROZKŁADÓW

REGULAMIN FUNDUSZU ROZLICZENIOWEGO

KURS EKONOMETRIA. Lekcja 1 Wprowadzenie do modelowania ekonometrycznego ZADANIE DOMOWE. Strona 1

MODELOWANIE KURSÓW WALUTOWYCH NA PRZYKŁADZIE MODELI KURSÓW RÓWNOWAGI ORAZ ZMIENNOŚCI NA RYNKU FOREX

Wskazówki projektowe do obliczania nośności i maksymalnego zanurzenia statku rybackiego na wstępnym etapie projektowania

Jerzy Czesław Ossowski Politechnika Gdańska. Dynamika wzrostu gospodarczego a stopy procentowe w Polsce w latach

Czy prowadzona polityka pieniężna jest skuteczna? Jaki ma wpływ na procesy

Struktura sektorowa finansowania wydatków na B+R w krajach strefy euro

Wykład 6. Badanie dynamiki zjawisk

Ocena płynności wybranymi metodami szacowania osadu 1

ANALIZA TECHNICZNA RYNKÓW FINANSOWYCH

DYNAMICZNE MODELE EKONOMETRYCZNE

MAKROEKONOMIA 2. Wykład 3. Dynamiczny model DAD/DAS, część 2. Dagmara Mycielska Joanna Siwińska - Gorzelak

WSKAŹNIK RUCHU KIERUNKOWEGO (DMI) ŚREDNI INDEKS RUCHU KIERUNKOWEGO (ADX)

Strukturalne podejście w prognozowaniu produktu krajowego brutto w ujęciu regionalnym

PROGNOZOWANIE I SYMULACJE EXCEL 2 PROGNOZOWANIE I SYMULACJE EXCEL AUTOR: ŻANETA PRUSKA

Alicja Ganczarek Akademia Ekonomiczna w Katowicach. Analiza niezależności przekroczeń VaR na wybranym segmencie rynku energii

Analiza efektywności kosztowej w oparciu o wskaźnik dynamicznego kosztu jednostkowego

Identyfikacja wahań koniunkturalnych gospodarki polskiej

STATYSTYCZNY POMIAR EFEKTYWNOŚCI FUNDUSZY INWESTYCYJNYCH OTWARTYCH ZA POMOCĄ EAM (I)

MODELOWANIE STRUKTURY TERMINOWEJ STÓP PROCENTOWYCH WYZWANIE DLA EKONOMETRII

Ocena wpływu zmian poziomu rezerw walutowych na premię za ryzyko kredytowe Polski wykorzystanie metody roszczeń warunkowych

PROGNOZOWANIE. Ćwiczenia 2. mgr Dawid Doliński

Finanse. cov. * i. 1. Premia za ryzyko. 2. Wskaźnik Treynora. 3. Wskaźnik Jensena

Warszawa, dnia 5 czerwca 2017 r. Poz. 13 UCHWAŁA NR 29/2017 ZARZĄDU NARODOWEGO BANKU POLSKIEGO. z dnia 2 czerwca 2017 r.

Ekonomiczny Uniwersytet Dziecięcy

MAKROEKONOMIA 2. Wykład 3. Dynamiczny model DAD/DAS, część 2. Dagmara Mycielska Joanna Siwińska - Gorzelak

Metody badania wpływu zmian kursu walutowego na wskaźnik inflacji

Wyniki inwestycyjne funduszy hedge. Czynniki wpływające na ich interpretację

Nowokeynesowski model gospodarki

Inwestycje. Makroekonomia II Dr hab. Joanna Siwińska-Gorzelak

STATYSTYCZNA WERYFIKACJA MODELU CAPM NA PRZYKŁADZIE POLSKIEGO RYNKU KAPITAŁOWEGO WPROWADZENIE METODOLOGIA TESTOWANIA MODELU

Wykład 6. Badanie dynamiki zjawisk

Dendrochronologia Tworzenie chronologii

Studenckie Koło Naukowe Rynków Kapitałowych Zbieżność i rozbieżność średnich kroczących - MACD (Moving Average Convergence Divergence).

MODELOWANIE EFEKTU DŹWIGNI W FINANSOWYCH SZEREGACH CZASOWYCH

Matematyka ubezpieczeń majątkowych r. ma złożony rozkład Poissona. W tabeli poniżej podano rozkład prawdopodobieństwa ( )

System transakcyjny oparty na średnich ruchomych. ś h = gdzie, C cena danego okresu, n liczba okresów uwzględnianych przy kalkulacji.

ZASTOSOWANIE DRZEW KLASYFIKACYJNYCH DO BADANIA KONDYCJI FINANSOWEJ PRZEDSIĘBIORSTW SEKTORA ROLNO-SPOŻYWCZEGO

O EFEKTACH ZASTOSOWANIA PEWNEJ METODY WYZNACZANIA PROGNOZ JAKOŚCIOWYCH ZMIAN CEN AKCJI W WARUNKACH KRYZYSU FINANSOWEGO 2008 ROKU

Reakcja banków centralnych na kryzys

Transkrypt:

Anna Górska 1 Kaedra Ekonomiki Rolnicwa i Międzynarodowych Sosunków Gospodarczych Szkoła Główna Gospodarswa Wiejskiego Warszawa Zasosowanie narzędzi analizy echnicznej w bezpośrednim i pośrednim inwesowaniu w owary Applicaion of echnical analysis mehods o direc and indirec invesmen in commodiies Synopsis. Inwesowanie w owary może się odbywać na dwa sposoby. Inwesowanie pośrednie polega m.in. na zakupie akcji spółek działających na rynkach owarowych, zaś bezpośrednie na fizycznym zakupie owaru na rynku goówkowym. W inwesowaniu bezpośrednim najmniej kłopoliwe jes inwesowanie na rynkach meali szlachenych. Inwesorzy giełdowi w swoich decyzjach inwesycyjnych posiłkują się narzędziami analizy echnicznej, kórych zasady sosowania są analogiczne w przypadku inwesowania w meale szlachene jak i w akcje spółek. Celem pracy jes zaem wykorzysanie wybranych wskaźników analizy echnicznej do oceny inwesycji bezpośrednich i pośrednich w owary. Analiza opara jes na cenach spo, pochodzących z okresu od marca 29 do końca lipca 211 roku. Na ich podsawie są wyznaczone podsawowe wskaźniki i oscylaory, kóre będą pomocne w wyborze odpowiednich sraegii. Słowa kluczowe: meale szlachene, subindeksy sekorowe, ceny spo, wskaźniki analizy echnicznej. Absrac. Invesing in commodiies can be done wofold. I can be done indirecly, via buying sock of a commodiy-based company or i can be done direcly via purchasing a commodiy in he spo marke. Direc invesing is usually he leas problemaic in he meals marke. Invesors suppor heir decisions using various ools of echnical analysis. They are applied in a similar manner wheher for sock or meals marke. The aim of his paper is o evaluae he direc and indirec invesmens by using a seleced se of echnical analysis indicaors. The analysis covers he period from March 29 o July 211 and is based on spo prices. The basic indicaors and oscillaors are derived in order o deermine he adequae (opimal) sraegy. Keywords: precious meals, secor indices, spo prices, echnical analysis indicaors. Wsęp Każdy kryzys finansowy, w czasie kórego nasępują duże spadki na rynku akcji, powoduje, że inwesorzy kierują się w sronę alernaywnych, bardziej bezpiecznych sposobów inwesowania. Również sysemayczny wzros cen owarów na świaowych rynkach w osanich laach wpływa na zaineresowanie inwesorów ą grupą akywów. Inwesowanie w owary cieszy się dużą popularnością nie ylko wśród inwesorów długoerminowych, ale również wśród spekulanów. Naukowcy wskazują akże na korzyści związane z inwesycjami na rynkach owarowych, wśród kórych największe znaczenie ma efek dywersyfikacji porfela inwesycyjnego. Jes o możliwe dzięki ujemnej korelacji między rynkiem owarowym i rynkami insrumenów finansowych [Górska i Krawiec 1 Dr, e-mail: anna_gorska@sggw.pl. 67

29; Górska i Krawiec 21; Preś 25; Tarczyński i Łuniewska 26]. Co więcej, inwesycje w owary w ciągu osanich kilkudziesięciu la generowały wyższe sopy zwrou niż e uzyskane z radycyjnych walorów finansowych. Towary są bowiem posrzegane jako klasa akywów o charakerze anycyklicznym i na przesrzeni osanich 5 la empo wzrosu cen owarów przewyższało empo wzrosu inflacji [Tomaszewski 29]. Isnieje wiele sposobów inwesowania w owary. Jednym z nich są formy bezpośrednie, kóre polegają na fizycznym zakupie owaru na rynku goówkowym lub zajęciu pozycji w konrakcie forward z fizyczną dosawą owaru. Kolejnym sposobem zaś są formy pośrednie, kóre polegają m.in. na zakupie akcji spółek działających na rynkach owarowych czy zajęciu pozycji w owarowych konrakach fuures lub opcjach rozliczanych goówkowo. Rynek finansowy oferuje szereg możliwości inwesowania pośredniego w owary. Na Giełdzie Papierów Warościowych w Warszawie, oprócz akcji spółek działających na rynkach owarowych, dosępne są subindeksy sekorowe powiązane z owarami. Są o m.in. WIG-spożywczy, WIG-paliwa, WIG-surowce, WIG-energia oraz WIG-chemia. Podczas inwesycji bezpośrednich najmniej kłopoliwe jes inwesowanie na rynkach meali szlachenych, ponieważ surowce e nie wymagają szczególnych warunków przechowywania, w przeciwieńswie do produków rolnych czy surowców energeycznych. Podsawowe meale szlachene, w kóre można inwesować o oo, srebro, playna i pallad. Spośród wymienionych meali największą popularnością cieszy się oo, kóre uważane jes za najbezpieczniejszą lokaę oszczędności. Wielu badaczy koncenruje się ylko na rynku oa [Mayo 1997; Balarie 27; Geman 27; Schofield 27; Borowski 28]. Złoo jes radycyjnie rakowane jako zabezpieczenie przed inflacją. 2 Inwesorzy częso wykorzysują do wspomagania swoich decyzji inwesycyjnych meody analizy echnicznej. Zasady ich sosowania są analogiczne na rynku meali szlachenych jak i w przypadku inwesowania na rynkach akcji. Sąd celem niniejszej pracy jes wykorzysanie wskaźników analizy echnicznej do oceny (oraz porównania) inwesycji na rynkach meali szlachenych oraz akcji spółek związanych z owarami. Maeriał empiryczny oraz meody badawcze Maeriał empiryczny sanowią ceny spo walorów z okresu od marca 29 roku do końca lipca 211 roku. Jes o okres nasępujący bezpośrednio po największym osanim załamaniu na świaowych rynkach, po kórym w kszałowaniu się cen walorów można zauważyć wyraźną endencję wzrosową (por. rys. 1). Analizowane walory o m.in. meale szlachene: oo, srebro, playna i pallad oraz porfele branżowych subindeksów: WIGspożywczy, WIG-paliwa, WIG-chemia, a akże, dodakowo, indeks WIG 2. Pozosałe subindeksy sekorowe powiązane z rynkiem owarowym powsały sosunkowo niedawno 3, dlaego do analizy wybrane zosały pojedyncze spółki mające największy udział w poszczególnych porfelach sekorowych 4. Spółkami ymi są: KGHM (największy udział w WIG-surowców, a akże w WIG 2), Kernel (WIG-spożywczy), PKN Orlen (WIG- 2 Oprócz inwesorów indywidualnych oo kupują eż banki cenralne, dywersyfikując w en sposób rezerwy zdominowane przez dolary i euro. 3 Pierwsze noowania WIG-energia odbyły się 4.1.21 r., naomias WIG-surowce 28.2.211 r. 4 Największy udział w WIG-energia posiada PGE a nasępnie TAURONPE. Obie spółki zadebiuowały na WGPW później niż na począku analizowanego w pracy okresu. 68

paliwa) oraz SYNTHOS (WIG-chemia). Ceny dzienne meali szlachenych pochodzące z rynku londyńskiego (podawane przez serwis www.kico.pl) wyrażone w USD za uncję kruszcu zosały przeliczone na oówki po oficjalnym kursie NBP. Na rysunku 1 przedsawiono kszałowanie się cen oraz sóp zwrou badanych walorów w analizowanym okresie. 1 9 8 7 KERNEL 25 2 15 25 2 KGHM 15 1 6 1 15 5 5 4 5 1 3 2 1 9-3-2 9-9-2 1-3-2 1-9-2 11-3-2-5 -1 5-5 -1 9-3-2 9-9-2 1-3-2 1-9-2 11-3-2 7 PKN Orlen 15 7 SYNTHOS 2 6 5 1 6 5 15 1 4 5 4 5 3 2 3 2 1-5 1-5 9-3-2 9-9-2 1-3-2 1-9-2 11-3-2-1 9-3-2 9-9-2 1-3-2 1-9-2 11-3-2-1 35 WIG 2 8 9 WIG Chemia 1 3 6 8 8 25 2 15 1 5 Kurs zamkniecia Zmiana 9-3-2 9-9-2 1-3-2 1-9-2 11-3-2 4 2-2 -4-6 -8 7 6 6 4 5 2 4 3-2 2-4 1-6 -8 9-3-2 9-9-2 1-3-2 1-9-2 11-3-2 69

4 WIG Paliwa 12 6 WIG Spożywczy 8 35 3 25 2 15 1 5 9-3-2 9-9-2 1-3-2 1-9-2 11-3-2 1 8 6 4 2-2 -4-6 -8 5 4 3 2 1 9-3-2 9-9-2 1-3-2 1-9-2 11-3-2 6 4 2-2 -4-6 5 Złoo 8, 14 Srebro 15, 45 4 35 6, 4, 12 1 1, 5, 3 2, 8, 25, 2-2, 6-5, 15 1 5 9-3-2 9-9-2 1-3-2 1-9-2 11-3-2-4, -6, -8, 4 2 Kurs Zmiana (prawa oś) 9-2-27 9-8-27 1-2-27 1-8-27 11-2-27-1, -15, -2, 6 Playna 8, 3 Pallad 1, 5 6, 4, 25 5, 4 2, 2, 3, 15 2 1 9-3-2 9-9-2 1-3-2 1-9-2 11-3-2-2, -4, -6, -8, -5, 1-1, 5-15, 29-3-2 29-9-2 21-3-2 21-9-2 211-3-2 Rys. 1. Ceny oraz sopy zwrou z walorów w okresie 2.3.29-29.7.211 Fig 1. Prices and raes of reurns on asses in period 2.3.29-29.7.211 Źródło: opracowanie własne. W analizowanym okresie wszyskie badane walory charakeryzowały się dodanimi oczekiwanymi sopami zwrou (zob. abela 1). Najwyższą jej warość osiągnęła spółka SYNTHOS (,46) oraz KGHM (,35). W przypadku meali playna i oo osiągnęła warość najniższą równą odpowiednio,5 i,6. Najwyższą warością odchylenia sandardowego sopy zwrou charakeryzowały się akcje spółki Kernel (2,73). W przypadku akże ej spółki, w analizowanym okresie, zanoowano najwyższą sopę zwrou równą 2,98. Najniższe odchylenie sandardowe zaobserwowano dla playny (1,37) i WIG-spożywczego (1,49) oraz oa (1,49). Uczesnicy rynków finansowych, oprócz analizy podsawowych charakerysyk walorów, do podejmowania decyzji inwesycyjnych wykorzysują narzędzia i meody 7

analizy echnicznej. Analiza echniczna opara jes na założeniu, że wszelkie zjawiska giełdowe wyprzedzają w czasie zjawiska ekonomiczne, a kierunek zmian cen można przewidzieć analizując wykresy cen ych walorów. Analiza a skupia się na skukach, a nie na przyczynach. Zaem, analiyk giełdowy analizując formacje, linie, rendy, ruchy cen, obroy, buduje prognozy, kórych celem jes określenie przysych prawdopodobnych rendów noowań walorów [Tarczyński 1997; Wasendorf i McCaffery 1997; Murphy 1999]. Sudiuje akualne i przese noowania walorów. Analiyk odrzuca dane saysyczne, preferując analizę rendu rynku. Zakłada, że cena rynkowa walorów odzwierciedla nie ylko zróżnicowane opinie analiyków giełdowych, ale akże, zupełnie czasem nieracjonalne, nasroje inwesorów. Tabela 1. Podsawowe charakerysyki analizowanych walorów Table 1. Basic characerisics of specified asses Towar/ Indeks/Spółka Oczekiwana dzienna sopa zwrou, Minimalna sopa zwrou, Maksymalna sopa zwrou, Odchylenie sandardowe sopy zwrou, Złoo,6-6,97 6,24 1,49 Srebro,16-15,92 1,79 2,38 Playna,5-7,2 5,49 1,37 Pallad,22-12,14 7,4 2,8 WIG Spożywczy,19-4,82 7,31 1,49 WIG Paliwa,13-6,75 1,35 1,79 WIG Chemia,27-5,72 8,92 1,61 WIG 2,12-6,21 6,95 1,54 Kernel,27-8,24 2,98 2,73 PKN Orlen,15-8,24 13,73 2,28 KGHM,35-8,76 12,84 2,59 SYNTHOS,46-7,75 15,87 2,57 Źródło: obliczenia własne. Najczęściej wykorzysywanymi narzędziami analizy echnicznej są wskaźniki, kóre, ak jak wykresy, można worzyć dla danych o różnym horyzoncie czasowym. Wskaźniki są maemaycznymi formułami, do obliczenia warości kórych wykorzysywane są dane doyczące zmian cen walorów giełdowych i wolumenu obrou 5. Wynikiem zasosowania akiego algorymu jes prognoza rendu, a akże punków zwronych na rynku [Achelis 1998]. Wskaźniki przedsawiane są na wykresach razem lub osobno z wykresami cen. Odpowiednie położenie na wykresie względem siebie ściśle określonych linii, a akże ich przecięcie generuje sygnał kupna lub sprzedaży, kóry powinien być odzwierciedlony w decyzjach inwesycyjnych. Im szybciej dadzą się odczyać sygnały zmian na rynku, ym większą warość dla inwesora ma wskaźnik 6. 5 Wolumen obrou o łączna liczba papierów warościowych, kóre zmieniły właściciela, liczona dla danego papieru warościowego lub rynku. 6 Sygnał kupna wysępuje wówczas, gdy np. wykres średniej kroczącej przyjmuje formę horyzonalną lub rosnącą i kurs przebija go od dołu, cena waloru spada i równocześnie średnia krocząca rośnie, cena waloru spada gwałownie poniżej średniej. Sygnał sprzedaży wysępuje zaś w przypadku, gdy: kurs waloru przebija od góry 71

Wskaźniki sanowią liczną grupę narzędzi. Można je podzielić m.in. na wskaźniki rendu i oscylaory. Pierwsza grupa o narzędzia służące głównie idenyfikacji rendu. W lieraurze częso można spokać określenie ej grupy jako wskaźniki podążające za rendem. Wynika o z ego, że wskaźniki e są zazwyczaj opóźnione w sosunku do rendu, zn. zmieniają kierunek po jego zmianie. Sprawdzają się one lepiej dla rendów długoi średnioerminowych niż horyzonalnych. Na płaskim rynku dają częso nieprawidłowe sygnały odnośnie punków zwronych. Dla rendów długo- i średnioerminowych wskaźniki e mogą powierdzać rend, ale akże swierdzać dywergencję, kóra jes sygnałem osrzegawczym dla inwesorów. Do ej grupy wskaźników można zaliczyć: średnie ruchome (prosa średnia krocząca, średnia ważona, średnia wykładnicza), MACD (moving average convergence/divergence). Wskaźniki, kóre z większą skuecznością wyłapują punky zwrone o oscylaory. Reagują one jednocześnie lub nawe wyprzedzają zmiany cen. Ich zadaniem jes badanie szybkości ych zmian oraz generowanie sygnałów informujących o krókoerminowych zmianach rendu. Dlaego dobrze sprawdzają się w rendach horyzonalnych, a akże rynkach o dużej zmienności cen. Do ej grupy narzędzi inwesycyjnych można zaliczyć m.in.: wskaźnik impeu (momenum) oraz CCI (Commodiy Channel Index). Wykorzysane w pracy, wyżej wymienione wskaźniki i oscylaory, określone są nasępującymi wzorami [Achelis 1998; Czekaj i in. 21; Murphy 1999; Tarczyński 1997]. Prosa średnia ruchoma (krocząca) (MA, moving average) 7 MA 1 = P i n i= n + 1, gdzie: n jes o liczba elemenów szeregu czasowego, na podsawie kórego liczona jes średnia, o okres, dla kórego liczona jes średnia ( n), P i o cena waloru w chwili i. Ważona średnia ruchoma (WMA, weighed moving average) gdzie: P i jes ceną waloru w chwili i, WMA = i i= n+ 1 w P, i średnią, kóra przybiera posać horyzonalną lub opadającą, cena akcji zwyżkuje i średnia opada, kurs zbliża się od dołu do średniej opadającej i nie przebija jej, kurs waloru gwałownie zwyżkuje powyżej średniej. 7 Isonym elemenem przeprowadzonych analiz jes odpowiedni dobór czasu, dla kórego liczona jes średnia. Średnia zby króka może powodować generowanie dużej liczby sygnałów kupna-sprzedaży, z kórych większość może być fałszywych. Zwiększona liczba sygnałów kupna-sprzedaży jes skukiem ego, że średnia krókoerminowa jes bardziej czuła na zmiany cen i fałszywe sygnały wynikają częso z wahań przypadkowych, a nie ze zmian rendu. Dłuższa średnia wysyła rzadsze, ale za o wiarygodniejsze sygnały. Sposobem na wyeliminowanie mylnych sygnałów jes m.in. meoda opara na dwóch średnich ruchomych: o krószym i dłuższym okresie, a akże nałożenia na średnią filra. W pierwszym przypadku sygnał kupna lub sprzedaży w ym sysemie pojawia się, gdy obie średnie się przeną. Naomias nałożony filr jes swego rodzaju rezerwą, przekroczenie kórej dopiero powoduje wygenerowanie sygnału do wykonania ransakcji. Można wyróżnić dwa rodzaje filrów: czasowy i procenowy. Pierwszy z nich określa liczbę jednosek czasu, kóre musimy przeczekać, aby po wygenerowaniu sygnału przez średnią móc dokonać ransakcji, o ile syuacja na wykresie się nie zmieniła. Drugi z nich określa pewne ramy procenowe, będące swego rodzaju obwiednią, kórej przekroczenie będzie rzeczywisym sygnałem kupna lub sprzedaży. 72

w i jes wagą przypisaną zgodnie z formułą 2i w i = n( n + 1). Wykładnicza średnia ruchoma (EMA, exponenial moving average) EMA ( ) = P EMA 1 α + EMA 1, gdzie: < α <1 jes o zw. paramer wygładzania. Sandardowo przyjmuje się, że α = 2 /( n + 1), gdzie n jes liczbą obserwacji. MACD (moving average convergence/divergence) MACD = EMA EMA, 1 2 gdzie: EMA 1 jes wykładniczą średnią ruchomą z okresu 1 dni, EMA 2 jes wykładniczą średnią ruchomą z okresu 2 dni. Wskaźnik impeu (momenum) M k = P P, k gdzie: P jes ceną waloru w chwili, P -k jes ceną waloru sprzed k chwil (na przykład dni). CCI (Commodiy Channel Index) PT MA CCI =,, 15 MD gdzie: PMin + PMax + PZamk PT = jes kursem ypowym liczonym jako średnia arymeyczna 3 z cen: zamknięcia, minimalnej i maksymalnej na danej sesji, 1 MD = PTi MA i jes odchyleniem kursu ypowego, n i = n + 1 MA jes średnią prosą kroczącą n-okresową. Więcej informacji o wskaźnikach analizy echnicznej i oscylaorach można znaleźć np. w pracy Achelis [1998] i Czekaja i in. [21]. Wyniki badań Do badań prezenowanych w niniejszej pracy zosały przyjęe sandardowe (zn. najczęściej sosowane) paramery [Czekaj i in. 21; Murphy 1999; Tarczyński 1997; Wikowska i in. 28]. 73

Tabela 2. Sopy zwrou uzyskane w wyniku sosowania określonych sraegii inwesycyjnych oparych na wskaźnikach i oscylaorach, Table 2. Raes of reurn obained by he use of invesmen sraegies based on analysed indicaors and oscillaors, Towar, indeks, spółka MA MA z MA z filrem filrem procenowym czasowym 2 MA WMA EMA MACD Momenum CCI Kup i rzymaj Złoo -16,57 5,81 2,77 14,11-22,44-17,49 11,7 5,3 23,97 3,81 Srebro 46,4 85,49 36,37 83,78 16,1 38,94 32,17 72,19 84,25 129,41 Playna -16,15 17,23-1,1-4,98-18, -16,82-7,36 4,31 39,5 28,46 Pallad 9,73 45,63 26,4 83,37 23,26 19,82 68,45 55,91 1,45 223,14 WIG Spożywczy 99,28 129,38 135,24 28,12 11,12 122,75 112,18 55,91 19,53 25,84 WIG Paliwa 35,8 23,49 11,1 16,47 22,57 12,79 17,32 26,5 26,88 16,23 WIG Chemia 164,81 166,2 87,45 71,18 164,19 3,54 12,55 85,27 91,77 381,3 WIG 2 3,27 9,47 8,1-7,27 6,82,5 5,27 12,21 54,37 98,64 Kornel 67,73 75,29 137,8 182,48 74,72 13,79 14,68 82,6 174,82 321,26 PKN Orlen 9, 31,49 21,73 27,1-1,12 8,2 4,81 2,28 94,89 127,9 KGHM 62,37 58,8 116,51 43,6 17,81 146,35 29,69 37,71 188,49 459, SYNTHOS 29,26 236,69 14,59 94,48 367,45 434,8 169,87 3,11 34,87 1269,5 Źródło: obliczenia własne. Oo one: wskaźniki opare na średnich: prosa średnia ruchoma (MA): 1 dni, prosa średnia ruchoma: 1 dni z filrem 2,5 oraz z filrem 3 dni, dwie średnie ruchome (2 MA): 5 i 2 dni, ważona średnia ruchoma (WMA): 1 dni, wykładnicza średnia ruchoma (EMA): 1 dni, MACD: 12, 26, 9, oscylaory: impe (momenum): 1 dni; CCI: 5 dni. Symulowano wyniki gry giełdowej wygenerowane przy zasosowaniu różnych sraegii wykorzysujących wymienione powyżej wskaźniki i oscylaory. Syneyczna miarą wyniku była sopa zwrou ze wszyskich ransakcji przeprowadzanych w okresie 2.3.29 do 29.7.211, dokonanych według ych sraegii. 74

Wyniki ukazujące sopy zwrou uzyskane według przeprowadzonych symulacji dla powyższych wskaźników przedsawiono w abeli 2. W abeli ej, dla porównania, zawaro akże sopy zwrou uzyskane w wyniku zasosowania sraegii pasywnej kup i rzymaj. Na podsawie prezenowanych wyników można zauważyć, że w badanym okresie największy zysk osiągnęli inwesorzy długoerminowi, kórzy zasosowali właśnie sraegię pasywną kup i rzymaj. Najwyższą sopę zwrou uzyskali oni inwesując w akcje spółki SYNTHOS. Zysk wyniósł w ym przypadku aż 1269,5. Naomias najniższą sopę zwrou uzyskali w ym okresie inwesorzy inwesujący w playnę. Zysk wyniósł zaledwie 28,46. Można zaem przypuszczać, że pośrednie czy eż bezpośrednie inwesowanie w owary służy bardziej inwesorom długoerminowym niż krókoerminowym (spekulanom). Biorąc pod uwagę ylko wyniki uzyskane na podsawie wskaźników analizy echnicznej widać, że (przy ak dobranych paramerach) dla rozparywanych walorów nie można wybrać jednej sraegii, kórej zasosowanie dałoby wyższe sopy zwrou od pozosałych. W przypadku jednak aż pięciu na dwanaście rozważanych walorów: oa, playny, palladu, akcji PKN Orlen oraz KGHM zasosowanie oscylaora CCI pozwoliło uzyskać najwyższe zyski. Wyniosły one odpowiednio: 23,97, 39,5, 1,45, 94,89 i 188,49. Dla subindeksu WIG-chemia oraz akcji spółki SYNTHOS najbardziej skueczną sraegią okazała się wykładnicza średnia ruchoma (EMA) przynosząc odpowiednio zyski na poziomie 3,54 i 434,8. Zwykła średnia ruchoma (MA) najwyższy zysk wygenerowała dla WIG-paliwa wynoszący 35,8, naomias z nałożonym filrem czasowym dla WIG-spożywczego równy 135,24, zaś z filrem procenowym dla srebra równy 85,49. Złożenie dwóch średnich ruchomych o różnych horyzonach czasowych wygenerowało najwyższa sopę zwrou w przypadku akcji spółki Kernel (182,48). Ważona średnia ruchoma (WMA), MACD oraz Momenum nie okazały się najlepszym wyborem dla żadnego rozważanego waloru. Ponado WMA dla pięciu walorów wygenerowała najniższe sopy zwrou w porównaniu z pozosałymi. Podsumowanie Na świaowych rynkach inwesorzy mają do wyboru kilka form inwesowania w owary. Począwszy od zakupu owaru na rynku goówkowym bezpośrednio od producena lub od pośrednika, poprzez zakup akcji firm związanych z sekorem owarowym, aż do przyjęcia pozycji w konrakach erminowych i opcjach. Szczególną popularnością cieszą się na świecie od kilku la konraky erminowe i opcje, dla kórych insrumenem bazowym są indeksy owarowe. Niesey w Polsce nie sworzono własnego indeksu owarowego, kóry mógłby sać się insrumenem bazowym dla insrumenów pochodnych. Ogranicza o w sposób znaczny poencjał inwesycyjny. Arakcyjne zaem może okazać się inwesowanie w inne insrumeny powiązane z rynkiem owarowym, a mianowicie w akcje spółek sekora owarowego i meale szlachene. Podsawowym narzędziem większości inwesorów na giełdzie, rynku waluowym, a akże na innych rynkach, jak np. rynki owarowe, jes obok analizy fundamenalnej, analiza echniczna, kóra służy do przewidywania przysych rendów ruchów cen akywów noowanych na giełdach. Inwesowanie wykorzysujące sraegie analizy echnicznej opare na wskaźnikach wymaga dużej znajomości ich budowy, co może pozyywnie wpłynąć na wyniki 75

inwesycyjne graczy giełdowych. Także dużej uwagi powinien wymagać odpowiedni dobór paramerów dla wskaźników, co akże wpływa na rezulay inwesycyjne. Nie jes eż wskazane podejmowanie decyzji na podsawie ylko jednego wskaźnika [Tarczyński 1997]. Jak pokazują wyniki, w przypadku poszczególnych walorów najwyższe zyski uzyskano w rezulacie zasosowania odmiennych wskaźników analizy echnicznej. Bibliografia Achelis S.B. [1998]: Analiza echniczna od A do Z. Oficyna Wydawnicza LT&P, Warszawa. Balarie E. [27]: Commodiies for Every Porfolio. John Wiley&Sons, Hoboken, New Jersey. Borowski K. [28]: Rynek oa i mone. [W:] Inwesycje alernaywne. I. Pruchnickia-Grabias (red.). CeDeWu, Warszawa, ss. 179-196. Czekaj J., Woś M., Żarnowski J. [21]: Efekywność giełdowego rynku akcji w Polsce. Wydawnicwo Naukowe PWN, Warszawa. Geman H. [27]: Commodiies and commodiy derivaives. John Wiley&Sons, New Jersey. Górska A., Krawiec M. [29]: Inwesowanie w owary jako forma dywersyfikacji porfela. Zeszyy Naukowe SGGW seria Problemy Rolnicwa Świaowego. 7 (XXII), ss. 13-2. Górska A., Krawiec M. [21]: Inwesowanie w owary jako forma dywersyfikacji porfela w warunkach odmiennej koniunkury giełdowej. [W:] Rynek Kapiałowy. Finanse, Rynki Finansowe, Ubezpieczenia Nr 28. Zeszyy Naukowe Uniwersyeu Szczecińskiego nr 612, ss. 443-456. Mayo H. B. [1997]: Wsęp do inwesowania. K. E. Liber, Warszawa. Murphy J. J. [1999]: Analiza echniczna rynków finansowych. WIG Press, Warszawa. Schofield N. C. [27]: Commodiy derivaives. John Wiley&Sons, Chicheser, Wes Sussex. Preś J. [25]: Wykorzysanie finansowych insrumenów pochodnych oparych na indeksach HDD/CDD do dywersyfikacji porfela inwesycyjnego. [W:] Inwesycje finansowe i ubezpieczenia endencje świaowe a polski rynek. Prace naukowe AE we Wrocławiu 188,. 2, ss. 166-173. Tarczyński W. [1997]: Rynki kapiałowe. T. 1. Agencja Wydawnicza Place, Warszawa. Tarczyński W., Łuniewska M. [26]: Ograniczanie ryzyka inwesycji na rynku kapiałowym dywersyfikacja ryzyka pionowa i pozioma. [W:] Modelowanie preferencji a ryzyko. T. Trzaskalik (red.). Wydawnicwo Akademii Ekonomicznej w Kaowicach, Kaowice. Tomaszewki J. [29]: Inwesycje na rynkach owarowych jako insrumen dywersyfikacji porfela inwesycyjnego. [W:] Gospodarowanie zasobami finansowymi w rozwoju organizacji. A. Szpli (red.). Wydawnicwo Wyższej Szkoły Ekonomii i Prawa w Kielcach, Kielce. Wasendorf R.R., McCaffery T.A. [1997]: Giełdy owarowe od A do Z. K. E. Liber, Warszawa. Wikowska D., Mauszewska A., Kompa K. [28]: Wprowadzenie do ekonomerii dynamicznej i finansowej. Wydawnicwo SGGW, Warszawa. 76