Autoreferat Załącznik 2 do wniosku o wszczęcie postępowania habilitacyjnego

Anna Czapkiewicz gzrembie@cyf-kr.edu.pl Wydział Zarządzania Akademia Górniczo-Hutnicza im. Stanisława Staszica ul. Gramatyka 10 Autoreferat Załącznik 2 do wniosku o wszczęcie postępowania habilitacyjnego Kraków 2018 1

Spis treści 1 Imię i nazwisko... 3 2 Wykształcenie-posiadane dyplomy i stopnie naukowe... 3 3 Zatrudnienia w jednostkach naukowych... 3 4 Wskazanie osiągnięcia wynikającego z art. 16 ust. 2 ustawy z dnia 14 marca 2003 r. o stopniach naukowych i tytule naukowym oraz o stopniach i tytule w zakresie sztuki (Dz. U. 2016 r. poz. 882 ze zm. w Dz. U. z 2016 r. poz. 1311.):... 3 4.1 Wprowadzenie... 4 4.2 Czapkiewicz A., (2018), Determinanty zmian struktury powiązań pomiędzy giełdami papierów wartościowych. Analiza relacji z GPW w Warszawie... 8 4.3 Czapkiewicz A., Basiura B., (2010), Clustering financial data using Copula-GARCH model in an application for main market stock returns... 15 4.4 Czapkiewicz A., Majdosz P., (2014): Grouping Stock Markets with Time Varying Copula-GARCH Model... 16 4.5 Czapkiewicz A., Jamer P., Landmesser J., (2018): Effects of macroeconomic indicators on financial market interrelationships... 17 4.6 Zaremba A., Czapkiewicz A., (2017): Digesting anomalies in emerging European markets: A comparison of factor pricing models... 17 4.7 Czapkiewicz A., Wójtowicz T., (2014): The four-factor asset pricing model on the Polish stock market... 18 4.8 Podsumowanie... 19 5 Omówienie pozostałych osiągnięć naukowo-badawczych... 20 6 Literatura... 23 2

1 Imię i nazwisko Anna Czapkiewicz 2 Wykształcenie-posiadane dyplomy i stopnie naukowe czerwiec 1990 ukończenie studiów na Uniwersytecie Jagiellońskim w Krakowie na Wydziale Matematyki i Fizyki (kierunek: matematyka). Tytuł pracy magisterskiej, pod kierunkiem dr A.L. Dawidowicza: Testy kombinatoryczne. 2000 uzyskanie tytułu doktora nauk ekonomicznych na Wydziale Ekonomiczno Socjologicznym Uniwersytetu Łódzkiego. Tytuł pracy doktorskiej: Rola komponentów wariancyjnych w estymacji parametrów modeli z błędami w zmiennych objaśniających. Promotorem pracy był dr hab. A.L. Dawidowicz (UJ), recenzentami: prof. Cz. Domański (Uniwersytet Łódzki) oraz prof. A. Zeliaś (Uniwersytet Ekonomiczny w Krakowie). 3 Zatrudnienia w jednostkach naukowych Wrzesień 1990 asystent w Instytucie Matematyki AGH Czerwiec 1992- asystent na Wydziale Zarządzania AGH Październik 2000- wykładowca na Wydziale Zarządzania AGH Październik 2000- adiunkt na Wydziale Zarządzania AGH Od października 2010 - zatrudniona na Wydziale Zarządzania w Samodzielnej Pracowni Zastosowań Matematyki w Ekonomii (prowadzonej przez prof. Henryka Gurgula). 4 Wskazanie osiągnięcia wynikającego z art. 16 ust. 2 ustawy z dnia 14 marca 2003 r. o stopniach naukowych i tytule naukowym oraz o stopniach i tytule w zakresie sztuki (Dz. U. 2016 r. poz. 882 ze zm. w Dz. U. z 2016 r. poz. 1311.): Jako osiągnięcie naukowe przedstawiam monografię oraz cykl publikacji pod wspólnym tytułem: 3

Analiza relacji pomiędzy giełdami papierów wartościowych na świecie ze szczególnym uwzględnieniem GPW w Warszawie Na cykl prac składają się monografia oraz publikacje 1 : 1. Czapkiewicz (2018) [monografia]: Determinanty zmian struktury powiązań pomiędzy giełdami papierów wartościowych. Analiza relacji z GPW w Warszawie. Wydawnictwo Uniwersytetu Łódzkiego., ISBN 978-83-8142-356-4, e-isbn 978-83-8142-357-1. Recenzenci: dr hab. Piotr Fiszeder (Katedra Ekonometrii i Statystyki, Wydział Nauk Ekonomicznych i Zarządzania Uniwersytetu Mikołaja Kopernika w Toruniu) oraz dr hab. Konrad Furmańczyk (Katedra Zastosowań Matematyki, Zakład Ekonomii Matematycznej Szkoły Głównej Gospodarstwa Wiejskiego w Warszawie). 2. Czapkiewicz A., Basiura B., (2010): Clustering financial data using Copula-GARCH model in an application for main market stock returns, Statistics in Transition 11 (1), 25 45 (Pkt. MNiSW: 9). 3. Czapkiewicz A., Majdosz P., (2014): Grouping Stock Markets with Time Varying Copula-GARCH Model, Czech Journal of Economics and Finance 64 (2), 144-152 (Impact Factor 0,420). 4. Czapkiewicz A. Jamer P., Landmesser J., (2018): Effects of macroeconomic indicators on financial market interrelationships, Czech Journal of Economics and Finance 68(3), 168-293 (Impact Factor 0,604). 5. Zaremba A., Czapkiewicz A., (2017): Digesting anomalies in emerging European markets: A comparison of factor pricing models. Emerging Markets Review, 31, 1-15 (Impact Factor 1,871). 6. Czapkiewicz A., Wójtowicz T. (2014): The four-factor asset pricing model on the Polish stock market, Economic Research-Ekonomska Istrazivanja 27 (1), 771-783 (Impact Factor 0,432). 4.1 Wprowadzenie Koniunkturę gospodarczą kraju można analizować z punktu widzenia systemu rynków kapitałowych. Jednak na zachowanie się giełd duży wpływ ma globalizacja, której efektem są 1 Punkty MNiSW oraz impact factor zostały podane z roku, w którym pojawiła się dana publikacja. 4

silne powiązania pomiędzy różnymi gałęziami gospodarki, w tym także rynkami kapitałowymi. Globalizacja rynków, ze względu na przenoszenie się negatywnych nastrojów (rozumianych tutaj jako gwałtowne i trwające przez dłuższy czas załamanie się kursów akcji) może być czynnikiem utrudniającym nie tylko dywersyfikację ryzyka, ale również ocenę rzeczywistego stanu rynku kapitałowego w danym kraju. Dlatego analiza kondycji giełdy w danym kraju nie może być prowadzona bez zbadania jej relacji z wiodącymi giełdami na świecie. Nie więc dziwnego, że problemy dotyczące współzależności giełd 2, klasyfikacji rynków finansowych, zmian jednoczesnych na giełdach (ang. comovement) czy efektów zarażania się rynków (ang. contagion) są szczególnie chętnie podejmowane w badaniach empirycznych w ostatnich dwudziestu latach. Po światowym kryzysie finansowym zarówno teoretycy, jak i praktycy zaczęli zwracać większą uwagę nie tylko na istnienie zmian jednoczesnych i efektów zarażania na międzynarodowych rynkach akcji, ale również na szukanie czynników, które mogą determinować zmiany poziomów współzależności giełd 3. W krajach z gospodarką rynkową i rozwiniętą giełdą papierów wartościowych występują mechanizmy, które zapewniają obustronne związki koniunktury giełdowej z koniunkturą gospodarczą. W literaturze finansowej jest wiele prac poświęconych roli wskaźników zarówno finansowych, jak i makroekonomicznych w kształtowaniu się cen akcji na giełdzie papierów wartościowych 4. Relacja między wskaźnikami makroekonomicznymi a indeksami giełdowymi była również badana w Polsce 5. Wiedza o istnieniu relacji pomiędzy giełdą papierów wartościowych a gospodarką sugeruje, by obszar szukania czynników, które mogą determinować zmiany poziomu współzależności giełd obejmował nie tylko sfery związane bezpośrednio z finansami, ale również sfery związane z gospodarką. Na świecie pojawiło się wiele prac z tej tematyki. Przykładowo King, Sentana i Wadhwani (1994), wykorzystując indeksy szesnastu światowych giełd stwierdzili, że tylko niewielka część zmienności korelacji pomiędzy tymi indeksami może być wyjaśniona poprzez obserwowalne zmienne ekonomiczne. Stąd wniosek, że zmiany 2 Dla ustalenia uwagi: jako współzależność giełd będziemy rozumieć korelację (lub kowariancję) pomiędzy szeregami czasowymi utworzonych ze stóp zwrotu indeksów giełdowych. 3 Dla ustalenia uwagi: jako poziom współzależności giełd będziemy rozumieć warunkową korelację pomiędzy szeregami czasowymi utworzonych ze stóp zwrotu indeksów giełdowych. 4 Między innymi temat ten omawiali Rapach i in. (2005), Henry (2009), Chen (2009), Nasseh i Strauss (2000), Kim (2003), Hanousek i in. (2009), Barbic i Condic-Jurkic (2011). 5 Między innymi temat ten omawiali Milo (2000),Rubaszek (2004), Łon (2006), Brzeszczyński i in. (2009), Fiszeder i Rowiński (2012), Czapkiewicz i Stachowicz (2016). 5

w korelacjach pomiędzy rynkami są raczej spowodowane zmianami nieobserwowalnych zmiennych. Badając wybrane rynki rozwinięte, Longin i Solnik (1995), na podstawie miesięcznych nadwyżkowych stóp zwrotu, obejmujących okres od 1960 do 1990 roku stwierdzili, że korelacja pomiędzy rynkami wzrasta wraz ze wzrostem warunkowej zmienności. Informacje o przyszłej zmienności mogą zawierać takie zmienne ekonomiczne, takie jak stopa dywidendy i stopy procentowe. Von Furstenberg i Jeon (1989) przeanalizowali znaczenie stóp procentowych, kursów wymiany oraz ceny ropy i złota na korelację pomiędzy dziennymi stopami zwrotu indeksów z giełdy USA, Japonii, Wielkiej Brytanii i Niemiec w latach 1986-1988. Didier i in. (2010) przeanalizowali czynniki wpływające na korelację pomiędzy giełdami USA i 83 innych krajów w czasie kryzysu 2007-2008 i stwierdzili, że w tym okresie ważne były tylko czynniki związane bezpośrednio z finansami, podczas gdy wybrane wskaźniki makroekonomiczne nie miały znaczenia w kontekście tego kryzysu. Mobarek i in. (2016) badając wybrane rynki rozwinięte oraz rynki wschodzące w okresach kryzysu i poza nimi zauważyli, że w czasie kryzysu stopa wzrostu PKB, inflacja i stopy procentowe są istotne dla współzależności rynków rozwijających się z rynkami rozwiniętymi. Nie wykryli natomiast czynników transmisji kryzysu pomiędzy rynkami rozwiniętymi. Gomes i Taamouti (2016) skonstruowali czynniki, które reprezentują wybrane wskaźniki makroekonomiczne na podstawie informacji z Google Trends związanych z działalnością gospodarczą. Następnie zbadali ich wpływ na powiązania pomiędzy giełdami Stanów Zjednoczonych, Francji, Niemiec, Włoch i Hiszpanii. Okazało się, że nowo skonstruowane zmienne wpływają istotnie na kowariancję pomiędzy stopami zwrotu indeksów analizowanych giełd. Czapkiewicz i in. (2018) zbadali łączny wpływ zmiennych makroekonomicznych, takich jak stopa bezrobocia, indeks CPI, indeks produkcji przemysłowej oraz rentowność 10 letnich obligacji, na współzależność giełd z krajów grupy G6. Zagadnienie dotyczące roli wskaźników finansowych oraz makroekonomicznych w poziomie współzależności warszawskiej GPW z innymi giełdami na świecie jest stosunkowo mało udokumentowane. Zatem celem badań autorki jest próba pogłębienia wiedzy dotyczącej tego zagadnienia. W celu opisania dynamicznych struktur powiązań 6 pomiędzy indeksami giełdowymi można wykorzystać wielowymiarowe modele typu GARCH lub modele oparte na teorii kopuli 6 Dla ustalenia uwagi: strukturę powiązań będziemy rozumieć jako wielowymiarowy rozkład szeregów czasowymi utworzonych ze stóp zwrotu indeksów giełdowych.. 6

(copula). Wykorzystanie kopuli w praktyce zapoczątkował Embrechts i in. (1999, 2001). Model, w którym jednowymiarowe szeregi czasowe opisywane są za pomocą modelu typu GARCH lub jego modyfikacji, natomiast wielowymiarową strukturę powiązań uzyskuje się poprzez zastosowanie kopuli, najczęściej jest nazywany krótko modelem Copula-GARCH''. Zmiany struktury powiązań pomiędzy rynkami finansowymi można uzyskać stosując dla modelu Copula-GARCH mechanizm sterowania według ukrytego łańcucha Markowa 7. Aby zweryfikować wpływ wybranych czynników na zmiany korelacji pomiędzy stopami zwrotów wybranych indeksów giełdowych, modelem, który był najczęściej używany w tego typu analizach był model DCC-MIDAS, który został opracowany przez Colacito i in. (2011) 8. Znaczenie czynników oraz ich wpływ na zmiany samej struktury powiązań pomiędzy giełdami można analizować również wykorzystując przełącznikowy model Copula-GARCH, w którym mechanizm przełączania według ukrytego łańcucha Markowa bazuje na historycznych notowaniach rozpatrywanego czynnika. Sam ukryty model Markowa o takiej strukturze (TVPMS) został pierwotnie zaproponowany przez Filardo (1994), a następnie udoskonalony przez Kima i in. (2008). Model ten stosunkowo rzadko był stosowany w tego typu analizach. Przełącznikowy model Copula-GARCH z mechanizmem TVPMS zastosował w swoich badaniach, między innymi Boudt (2012). Własności statystyczne modeli przełącznikowych są stosunkowo mało udokumentowane w literaturze ekonometrycznej. Dlatego kolejnym celem badań autorki była weryfikacja wybranych własności statystycznych tego modelu. Wiedza na ten temat pozwoli na zbudowanie zestawu narzędzi statystycznych, które można wykorzystać do badania znaczenia danego czynnika w dynamice struktury powiązań pomiędzy szeregami czasowymi. Omawiany cykl publikacji koncentruje się wokół dwóch wątków tematycznych: praktycznego i teoretycznego. Pierwszy wątek obejmuje badania mające na celu analizę relacji giełd w kilku jej aspektach: grupowaniu giełd pod względem ich podobieństwa w relacjach z innymi giełdami, analizy zmian jednoczesnych na giełdach, problemów zarażania GPW w Warszawie negatywnym impulsem pochodzącym z innej giełdy oraz szukaniu potencjalnych determinantów zmian poziomów współzależności wybranych giełd. W ramach 7 W praktyce podejście to wykorzystali w swoich badaniach między innymi Jondeau i Rockinger (2006), Chollete i in. (2009), Bartram i in. (2007), Kenourgios i in. (2011), Silva Filho i in. (2012). Zastosowaniem modeli Copula-GARCH w praktyce zajmowali się również, między innymi Wanat i in. (2015), Mokrzycka i Pajor (2016). Przełącznikowe modele Copula-GARCH omawiali Doman (2011) oraz Doman i Doman (2014). 8 W pracy Czapkiewicz i in. (2018) pod uwagę był brany inny model, o którym będzie mowa w dalszej części autoreferatu. 7

pierwszego wątku przedyskutowany został również problem wyceny kapitałowej na giełdach Europy Wschodniej. Drugi wątek badań Autorki koncentruje się na teoretycznych własnościach zastosowanych testów statystycznych i modeli ekonometrycznych. 4.2 Czapkiewicz A., (2018), Determinanty zmian struktury powiązań pomiędzy giełdami papierów wartościowych. Analiza relacji z GPW w Warszawie W monografii, w części dotyczącej badań empirycznych, postawiono dwie główne hipotezy badawcze oraz dwie hipotezy pomocnicze. Główne hipotezy to: 1. W okresie kryzysu giełdy są znacznie mocniej ze sobą powiązane niż w okresach przed i pokryzysowych. Jednak spośród giełd na świecie można wyodrębnić takie grupy, w obrębie których relacje jej elementów z innymi giełdami są niezależne od zmieniającej się sytuacji ekonomicznej; Wpływ globalnej koniunktury ekonomicznej na GPW w Warszawie jest najbardziej podobny do jej wpływu na giełdy Grupy Wyszehradzkiej. 2. Czynniki, które mają istotne znaczenie dla wyjaśnienia zmian poziomów współzależności giełd nie są uniwersalne. Dla poziomu współzależności rozwiniętych rynków Europy Zachodniej i USA większe znaczenie mają ogólnoświatowe wskaźniki finansowe, natomiast dla relacji mniejszych rynków 9 (np. GPW w Warszawie) z rynkami rozwiniętymi większe znaczenie mają lokalne wskaźniki finansowe i makroekonomiczne. 2.1 Notowania indeksu VIX (oraz VSTOXX) mają głównie znaczenie dla poziomu współzależności giełd rozwiniętych. Wraz ze wzrostem tego indeksu występuje wzrost poziomu współzależności; 2.2 Notowania stóp procentowych LIBOR oraz TED spread mają znaczenie dla poziomu współzależności giełd rozwiniętych; Obniżka stóp procentowych LIBOR oraz wzrost wartości TED spread skutkuje wzrostem poziomu współzależności giełd; 2.3 Ceny surowców mają znaczenie dla wyjaśnienia zmian poziomów współzależności giełd rozwiniętych. Wzrost ceny surowca skutkuje wyższym poziomem ich współzależności; 2.4 Rentowność dziesięcioletnich obligacji krajów rozwiniętych ma znaczenie dla wyjaśnienia zmian poziomów współzależności ich giełdy z GPW w Warszawie. Wzrost rentowności obligacji obniża poziom współzależności; 9 Giełda w Warszawie była uznawana jako giełda rozwijająca się. W roku 2017 agencja FTSE Russel sklasyfikowała Polskę jako rynek rozwinięty. 8

2.5 Wielkości makroekonomiczne, takie jak inflacja, stopa bezrobocia czy indeks produkcji przemysłowej mają znaczenie dla relacji GPW w Warszawie z rozwiniętymi giełdami Europy Zachodniej. Pozostałe hipotezy badawcze to: 1. Dla relacji GPW w Warszawie z rozwiniętymi giełdami Europy wyższy poziom współzależności dwóch giełd pokrywa się z okresem dużej zmienności stóp zwrotu ich indeksów giełdowych. 2. Zmiana struktury powiązań GPW w Warszawie z innymi giełdami jest nie tylko związana z okresami hossy i bessy. W monografii zaprezentowano wyniki grupowania 36 indeksów giełdowych pochodzących z giełd amerykańskich, europejskich oraz azjatyckich, bazując na ich dziennych notowaniach z okresu 2006-2016 10. Szczegółowej analizie poddano cztery podokresy: (i) przed światowym kryzysem finansowym: styczeń 2006-lipiec 2007, (ii) okres kryzysu: lipiec 2007 - marzec 2009, (iii) okres wychodzenia z kryzysu: marzec 2009 grudzień 2011, (iv) lata 2012-2016. Jako narzędzie do grupowania giełd zastosowano analizę skupień. W analizie wykorzystano metodę Warda (1963), w której użyto miary odległości budowanej w oparciu o warunkowy współczynnik Spearmana uzyskany z przełącznikowego modelu Copula-GARCH. Przeprowadzone badanie potwierdziło przypuszczenie, że w okresie kryzysu rynki są ze sobą silniej związane i bardziej do siebie podobne ze względu na ich relacje z innymi giełdami, niż w okresach przed i pokryzysowych. Przejawia się to w mniejszej liczbie grup uzyskanych za pomocą analizy skupień. Rynki najczęściej grupują się na zasadzie ich położenia geograficznego. W wyniku przeprowadzonej analizy uzyskano pięć głównych klas: 1. rynki z Europy Wschodniej, 2. rynki z Europy Zachodniej, 3. rynki z Ameryki Północnej i Południowej, 4. rynki z Azji oraz 10 Zagadnieniem grupowanai rynków zajmowali się między innymi: Mantegna (1999), Bonanno i in. (2001), Otranto (2004), Caiado i Crato (2007), Bastos i Caiado (2009), Czapkiewicz i Basiura (2010, 2014), Czapkiewicz i Majdosz (2014), Chruściński (2016). 9

5. rynki słabo powiązane z pozostałymi. Ponadto, w każdej klasie można wyodrębnić grupy i podgrupy indeksów giełdowych, które zmieniają się w zależności od analizowanego podokresu. Badanie wykazało istnienie giełd, które bez względu na sytuację panującą na rynkach, są do siebie bardzo podobne. Rezultat ten otrzymano dla rynków z Europy Zachodniej: Holandii, Francji i Niemiec; rynków z Europy Wschodniej: Polski, Czech i Węgier oraz rynków azjatyckich: Indonezji, Malezji, Hongkongu, Korei i Tajwanu. Tym samym teza, że GPW w Warszawie zachowuje się podobnie do giełd Grupy Wyszehradzkiej została poparta. Niezależnie od nastrojów na świecie, Giełda Papierów Wartościowych w Warszawie jest najbardziej podobna do giełdy czeskiej (Praska Giełda Papierów Wartościowych) oraz giełdy węgierskiej (Giełda Papierów Wartościowych w Budapeszcie) 11. Jak już wcześniej wspomniano, kolejnym celem badań była analiza potencjalnych determinantów, które mogą mieć znaczenie w dynamice struktury powiązań pomiędzy wybranymi giełdami. W badaniu wzięto pod uwagę giełdę amerykańską, rozwinięte giełdy Europy Zachodniej (Niemiec, Francji, Wielkiej Brytanii) oraz GPW w Warszawie. W niektórych przypadkach przedstawiono również wyniki analiz dla giełdy szwedzkiej oraz dla giełdy rosyjskiej. Pod uwagę wzięto dzienne stopy zwrotów indeksów giełdowych z okresu 2006-2016. Wszystkie stopy zwrotu indeksów giełdowych skorygowane zostały o zmianę kursu dolara amerykańskiego. Jednym z głównych osiągnięć w tej części badań było częściowe potwierdzenie hipotezy badawczej, iż dla poziomu współzależności rozwiniętych rynków Europy Zachodniej i USA większe znaczenie mają ogólnoświatowe wskaźniki finansowe, natomiast dla relacji mniejszych rynków (np. GPW w Warszawie) z rynkami rozwiniętymi lokalne wskaźniki finansowe i makroekonomiczne. Do globalnych wskaźników finansowych zaliczono: indeks VIX, indeks VSTOXX, dzienne stawki LIBOR USD, wskaźnik TED spread oraz ceny kontraktów na ropę typu Brent i miedź. Natomiast lokalne wskaźniki finansowe i makroekonomiczne to: dzienna i miesięczna rentowność 10-letnich obligacji, miesięczna stopa bezrobocia, inflacja oraz wskaźnik produkcji przemysłowej. Globalne czynniki. Dla wszystkich możliwych par utworzonych ze stóp zwrotu indeksów pochodzących z giełdy rozwiniętej, indeksy zmienności implikowanej istotnie wpływały na 11 W analizie nie uwzględniono giełdy ze Słowacji. 10

warunkowy współczynnik korelacji Spearmana, którym mierzono poziom współzależności giełd. Wraz ze wzrostem wartości indeksu VIX (lub VSTOXX) następował wzrost siły powiązań pomiędzy rynkami 12. Dla relacji giełdy USA z giełdami Europy Zachodniej indeks miał znaczenie tylko w okresie kryzysu, podczas gdy dla relacji pomiędzy rynkami Europy większe znaczenie miał on w okresie spokoju. Natomiast dla GPW w Warszawie, indeks zmienności implikowanej okazał się istotny tylko dla jej poziomu współzależności z giełdą w Londynie (indeks VIX oraz indeks VSTOXX) i, podobnie jak w przypadku relacji pomiędzy rynkami Europy, miał on większe znaczenie w okresie spokoju. Tym samym został wykazany podpunkt 2.1. Badając stawki LIBOR USD (podpunkt 2.2) stwierdzono, że dzienne zmiany tych stóp procentowych mają stosunkowo niewielkie znaczenie dla wzajemnych relacji giełd. Wśród rozwiniętych giełd z Europy Zachodniej udało się wykazać znaczenie wskaźnika LIBOR USD tylko dla relacji giełdy niemieckiej z giełdą w Londynie. Natomiast dla GPW w Warszawie zaobserwowano znaczenie tego wskaźnika zarówno dla jej relacji z giełdą w Londynie jak i dla jej relacji z giełdą w Nowym Jorku. Wynikiem spadku stopy procentowej LIBOR USD był wzrost poziomu współzależności giełd. Jednak wskaźnik miał istotne znaczenie w okresach słabej współzależności giełd. Jeśli pod uwagę został wzięty wskaźnik TED spread, to okazało się, że miał on znaczenie dla większej liczby par rynków rozwiniętych niż w poprzednim przypadku. Wzrost wskaźnika TED spread powodował wzrost poziomu współzależności giełd. Dla relacji giełdy USA z giełdą z Europy Zachodniej indeks ten miał znaczenie tylko w okresie kryzysu, natomiast dla wzajemnych relacji rynków z Europy Zachodniej miał on znaczenie w okresach spokoju. Natomiast nie zauważono znaczenia tego wskaźnika dla relacji z GPW w Warszawie. W celu wykazania kolejnego punktu hipotezy (2.3) testowano wpływ ceny kontraktów terminowych ropy typu Brent oraz miedzi na relacje pomiędzy giełdami. Ceny tych kontraktów miały znaczenie dla relacji giełdy amerykańskiej z giełdami Europy. Zauważono, że niezależnie od stanu, w którym przebywają giełdy, wzrost cen istotnie wpływał na wzrost poziomu współzależności giełdy amerykańskiej zarówno z rozwiniętymi giełdami Europy Zachodniej, jak i z GPW w Warszawie. Dla okresów kryzysu, zaobserwowano również znaczenie cen kontraktów na miedź w relacji giełdy polskiej i giełdy niemieckiej. Wniosek ten jest bardzo naturalny, gdyż jak wiadomo, cena miedzi ma bardzo duże znaczenie dla 12 Pojęcia rynek oraz giełda są traktowane jako synonimy. 11

giełdy polskiej (w której kluczową pozycję zajmuje KGHM spółka mocno uzależniona od sytuacji na rynku miedzi), ponadto Polska jest dużym importerem miedzi do Niemiec. Reasumując, można stwierdzić, że wskaźniki globalne odgrywają dużą rolę we wzajemnych relacjach giełd rozwiniętych, ale jednak wskaźniki te mają również znaczenie dla wybranych relacji z GPW w Warszawie. Lokalne czynniki. Przechodząc teraz do omówienia roli czynników lokalnych, jako kolejny determinant zmian poziomu współzależności pomiędzy giełdami pod uwagę została wzięta dzienna rentowność 10-letnich obligacji. W ten sposób starano się wykazać hipotezę badawczą 2.4. Podsumowując wnioski z tej części badań empirycznych można stwierdzić, że rentowność obligacji ma znaczenie dla wzajemnych relacji GPW w Warszawie z rozwiniętą giełdą w Europie Zachodniej. Wzrost rentowności 10-letnich obligacji obniża poziom współzależności giełd. W czasie kryzysu większe znaczenie ma rentowność obligacji z krajów z rozwiniętą gospodarką, natomiast w czasie spokoju rentowność obligacji z Polski. Warto zaznaczyć, że czynnik ten nie odgrywał znaczącej roli w relacjach rynków rozwiniętych. Kolejne badanie dotyczyło analizy znaczenia danych makroekonomicznych: indeksu cen konsumpcyjnych (CPI), indeksu cen produkcji przemysłowej, stopy bezrobocia oraz rentowności dziesięcioletnich obligacji (o częstotliwości miesięcznej) dla poziomu współzależności giełd. W ten sposób był weryfikowany punkt 2.5. Należy zwrócić uwagę, że częstotliwość danych stóp zwrotu indeksów giełdowych jest dzienna, podczas gdy dane dotyczące wskaźników makroekonomicznych mają częstotliwość miesięczną. Zatem, jeśli rozważane będą dane makroekonomiczne pochodzące z bieżącego miesiąca, to przeanalizowana zostanie tylko zmiana jednoczesna siły powiązań pomiędzy giełdami oraz sytuacją ekonomiczną danego kraju. O wpływie czynników makroekonomicznych na współzależność giełd będziemy mówić wtedy, gdy dane makroekonomiczne zostaną wzięte z poprzedniego miesiąca. W wyniku analizy bieżącej relacji GPW w Warszawie z pozostałymi giełdami uzyskano wniosek, że największe znaczenie ma bieżąca miesięczna rentowność obligacji oraz stopa bezrobocia. Miesięczna rentowność obligacji okazała się istotna dla relacji GPW w Warszawie z giełdą Francji, Niemiec i Wielkiej Brytanii. Wraz ze spadkiem rentowności dziesięcioletnich obligacji krajów rozwiniętych zauważalny był wzrost przeciętnego poziomu współzależności tych giełd. Również wzrost stopy bezrobocia w Polsce miał odbicie 12

w poziomie współzależności GPW w Warszawie z rozwiniętymi giełdami Europy Zachodniej wraz ze wzrostem przyrostu stopy bezrobocia zauważalny był wzrost przeciętnego poziomu współzależności giełd. Istotne dla relacji giełdy niemieckiej z giełdą polską okazały się również oba wskaźniki produkcji: z Polski oraz z Niemiec. W przypadku giełd rozwiniętych, oprócz znaczenia miesięcznej rentowności 10-letnich obligacji (relacja giełdy brytyjskiej z giełdą francuską) nie wykryto znaczenia czynników makroekonomicznych dla ich wzajemnych relacji. Podsumowując wyniki badań, można stwierdzić, że nie da się jednoznacznie zdefiniować obszaru szukania czynników, które wpływają na wzajemne relacje pomiędzy giełdami. Jednoznacznie udało się jedynie stwierdzić, że wskaźnik zmienności implikowanej zdecydowanie bardziej wpływał na powiązania pomiędzy giełdami rozwiniętymi, podczas gdy lokalne wskaźniki makroekonomiczne zdecydowanie bardziej wpływały na relacje GPW w Warszawie z rozwiniętymi giełdami Europy Zachodniej. Przechodzimy teraz do krótkiego omówienia hipotez pomocniczych. W celu weryfikacji hipotezy pomocniczej 1, do modelowania struktury powiązań pomiędzy dziennymi stopami zwrotu indeksów analizowanych giełd, zastosowano przełącznikowy model Copula-GARCH z dwoma stanami, które reprezentują dwa różne poziomy współzależności. Analizując warunkowe prawdopodobieństwa przynależności do jednego z tych dwóch stanów można było zauważyć, że w okresie dużej zmienności stóp zwrotu, wzrastało również prawdopodobieństwo przynależności do stanu dużej korelacji stóp zwrotu. Wynikanie w drugą stronę jednak nie było tak oczywiste. W okresach, kiedy warunkowa korelacja Spearmana była stosunkowo duża, nie zawsze był zauważalny znaczący wzrost warunkowej wariancji stóp zwrotu poszczególnych indeksów giełdowych. W W monografii wykazano również (hipoteza pomocnicza 2), że po roku 2006 nastąpiła zmiana struktury powiązań pomiędzy warszawską giełdą papierów wartościowych a rozwiniętymi giełdami Europy Zachodniej i USA. W badaniu tym analizowany był okres od stycznia 1996 do grudnia 2006. Dla danych z tego okresu zbudowano model przełącznikowy z trzema stanami, który poddano procedurze porównania z modelem przełącznikowym z dwoma stanami. W wyniku przeprowadzonych analiz otrzymano wniosek, że model przełącznikowy, w którym uwzględniono trzeci stan, jest istotnie lepszy niż model z dwoma stanami. Analizując zmiany warunkowych współczynników korelacji Spearmana wyznaczonych dla stóp zwrotu, określających dynamikę poziomu współzależności 13

giełd, zauważono, że istotne przejście ze stanu z bardzo słabą współzależnością do stanów z silniejszymi współzależnościami nastąpiło około roku 2006. Efekt ten można tłumaczyć osiągnięciem przez GPW pewnej dojrzałości w relacjach z innymi giełdami na świecie. Na zakończenie omawiania badań empirycznych przedstawionych w monografii, należy nadmienić o wnioskach dotyczących efektu zarażania GPW w Warszawie negatywnym impulsem powstałym na rozwiniętych giełdach Europy Zachodniej i USA. Okazało się, że gwałtowne zawirowania występujące na europejskich rynkach rozwiniętych są odczuwalne na GPW w Warszawie. Mianowicie, gdy na rynkach tych występowały bardzo silne spadki, którym towarzyszyła bardzo duża zmienność stóp zwrotu, wtedy istotnie wzrastała korelacja pomiędzy stopami zwrotu indeksów giełdowych. Jednak nie każdy negatywny bodziec, który pojawił się na rynku Europy Zachodniej wywoływał zarażenie GPW w Warszawie. Nie odnotowano również istotnego efektu zarażenia GPW w Warszawie silnymi spadkami na giełdzie w USA wywołanymi globalnym kryzysem finansowym. Oprócz badań empirycznych, w monografii przedstawione zostały również wyniki, które koncentrują się wokół rozważań teoretycznych Autorki. Do głównych osiągnięć w tej materii należą: 1. Uporządkowanie warunków regularności gwarantujących asymptotyczną normalność estymatora MNW (oraz EM). 2. Przeprowadzenie dyskusji na temat możliwości stosowania testu Vuonga do porównania dwóch modeli przełącznikowych. 3. Opracowanie algorytmu EM (expectation maximization algorithm) służącego do estymacji parametrów przełącznikowego modelu Copula-GARCH z mechanizmem TVPMS tj., zmienną w czasie macierzą przejścia zależną od obserwowalnych czynników. Klasycznie zakłada się, że zmienne losowe są niezależne o tym samym rozkładzie, którego gęstość spełnia odpowiednie warunki regularności. To założenie wraz z innymi warunkami regularności gwarantuje asymptotyczną normalność rozkładu estymatora metody największej wiarogodności. Warunek niezależności nie jest jednak spełniony dla próby, której realizacje są wykorzystane do estymacji nieznanych parametry modeli przełącznikowych. Niespełnienie warunku niezależności uniemożliwia zastosowanie powszechnie używanych testów służących do porównywania dwóch modeli, na przykład testu Vuonga (1989). 14

Punktem wyjścia do rozważań było zdefiniowanie pojęcia asymptotycznej niezależności. Następnie sformułowane zostało twierdzenie, którego dowód został przedstawiony w Czapkiewicz i Dawidowicz (2108). Twierdzenie to jest twierdzeniem granicznym formułowanym dla ciągu zmiennych losowych asymptotycznie niezależnych. Została wykazana własność, że jeśli łańcuch Markowa jest ergodyczny, to wówczas średnia arytmetyczna zmiennych losowych o rozkładzie sterowanym ukrytym łańcuchem Markowa asymptotycznie (według rozkładu) zmierza do rozkładu normalnego. Twierdzenie to dało podstawy do dalszych teoretycznych analiz, dotyczących zarówno własności estymatorów EM, jak i statystyk w teście Vuonga (1989), które zamieszczone zostały wyłącznie w monografii. Użycie testu Vuonga (1989) jest bardzo przydatne przy weryfikacji znaczenia danych czynników w poziomie współzależności giełd. Test ten bowiem ma zastosowanie przy porównywaniu dwóch modeli zarówno niezagnieżdżonych jak i zagnieżdżonych. Zatem przy pomocy tego testu można zweryfikować dwa modele: model przełącznikowy sterowany według ukrytego łańcucha Markowa oraz model przełącznikowy z mechanizmem TVPMS. Założenia dla stosowana testu Vuonga są bardzo restrykcyjne. Pomimo, że założenia te zostały złagodzone w pracy Riversa, Vuonga (2002), to nadal nie są spełnione dla modeli przełącznikowych. Autorka w monografii wykazała nie tylko słuszność stosowanych statystyk testu Vuonga (1989), ale również pokazała, w jaki sposób jest formułowana hipoteza zerowa dla porównywania modeli przełącznikowych i jakiej korekty wymagają odpowiednie statystyki testowe. Wykorzystując własności modeli przełącznikowych, dowodząc pewne fakty, Autorka zbudowała zestaw narzędzi statystycznych i ekonometrycznych, które można wykorzystać do zbadania znaczenia danego czynnika w dynamice struktury powiązań pomiędzy szeregami czasowymi. 4.3 Czapkiewicz A., Basiura B., (2010), Clustering financial data using Copula- GARCH model in an application for main market stock returns 13 Artykuł ten był wstępem do dalszych badań. Celem tego artykułu było pogrupowanie kilkudziesięciu giełd pochodzących z Europy, Azji i Ameryki. Analizie poddano zarówno rynki rozwinięte jak i rozwijające się. Celem tego badania była, między innymi, ilustracja 13 Mój wkład w powstanie tej pracy polegał na opracowaniu koncepcji pracy oraz przygotowaniu tekstu. Mój udział procentowy szacuję na 50%. Stosowne oświadczenie współautora znajduje się w Załączniku 6 do Wniosku. 15

zachowania się GPW w Warszawie na tle innych rynków finansowych. Na podstawie danych pochodzących z okresu styczeń 2002 do grudnia 2008 podjęto próbę odpowiedzi na pytanie, do jakich rynków finansowych GPW w Warszawie wykazuje największe podobieństwo pod względem ich relacji z innymi giełdami na świecie. Do modelowania zależności pomiędzy szeregami finansowymi, będącymi dziennymi stopami zwrotu badanych rynków zastosowano model Copula-GARCH. W pracy zaproponowano grupowanie 42 szeregów czasowych w oparciu o parametr korelacji uzyskany z modelu Copula-GARCH. Po przeprowadzeniu stosownych analiz okazało się, że najbardziej podobna do giełdy w Warszawie jest giełda w Budapeszcie. Do grupy reprezentowanej przez indeks WIG wchodził również indeks Czech, Rosji oraz Turcji. Pozostałe grupy utworzyły rynki Europy Zachodniej, Ameryki oraz Azji 14. 4.4 Czapkiewicz A., Majdosz P., (2014): Grouping Stock Markets with Time Varying Copula-GARCH Model 15 Mając na uwadze fakt, iż podobieństwo rynków może zmieniać się w czasie, do konstrukcji miary odległości wykorzystano w pracy warunkowy współczynnik korelacji Spearmana uzyskany z przełącznikowego modelu Copula-GARCH. W badaniu rozważono dzienne stopy zwrotu utworzone z notowań indeksów giełdowych z lat 2002-2012 pochodzących z giełd reprezentujących różne regiony świata. Celem pracy było pokazanie zmian w grupowaniu rynków na przestrzeni analizowanych lat. W badaniu empirycznym rozważono okres przed światowym kryzysem finansowym (2007-2009), okres kryzysu i okres po kryzysie. Analizując uzyskane wyniki sformułowano wniosek, że rynki dzielą się na pięć głównych klas: rynki z Europy Wschodniej, rynki z Europy Zachodniej, rynki z Ameryki Północnej i Południowej, rynki azjatyckie oraz rynki słabo powiązane z pozostałymi. Zmiany w grupowaniu odbywają się tylko w obrębie tych głównych klas. Ponadto, podobnie jak w poprzedniej pracy, jednym z wniosków z przeprowadzonego badania jest fakt, że w okresie kryzysu rynki są do siebie bardziej podobne niż w okresie hossy. Przejawiało się to mniejszą liczbą uzyskanych grup uzyskanych w wyniku zastosowania analizy skupień. Ponadto, można było zauważyć, że podobieństwo rynków Polski, Czech i Węgier pod względem ich powiązania z innymi giełdami na świecie, pozostaje bez zmian na przestrzeni 14 Badanie symulacyjne dotyczące skuteczności zastosowanej miary podobieństwa pomiędzy dwoma szeregami czasowymi, która bazujące na współczynniku korelacji będącym parametrem modelu Copula-GARCH zostały przedstawione w pracy Czapkiewicz i Basiura (2013). 15 Mój wkład w powstanie tej pracy polegał na opracowaniu koncepcji pracy oraz przygotowaniu tekstu. Mój udział procentowy szacuję na 60%. Stosowne oświadczenie współautora znajduje się w Załączniku 6 do Wniosku. 16

całego okresu badania. Do tej grupy w pewnych podokresach należał również rynek Turcji oraz Rosji. Zauważmy, że badanie przeprowadzone w monografii dla innego okresu danych potwierdziły tę prawidłowość. 4.5 Czapkiewicz A., Jamer P., Landmesser J., (2018): Effects of macroeconomic indicators on financial market interrelationships 16 Kolejna praca z tematyki dotyczącej struktury powiązań pomiędzy giełdami omawia rolę wskaźników makroekonomicznych w kształtowaniu się wartości warunkowych współczynników korelacji, czyli poziomów współzależności giełd. W pracy został zbadany łączny wpływ: indeksu cen konsumpcyjnych (CPI), indeksu cen produkcji przemysłowej, stopy bezrobocia oraz rentowności dziesięcioletnich obligacji (o częstotliwości miesięcznej) na współzależność giełd grupy G6: Polski, Niemiec, Wielkiej Brytanii, Francji, Włoch oraz Hiszpanii. Ze względu na nierówną częstotliwość analizowanych danych zbadano wpływ wartości zmiennych makroekonomicznych w danym miesiącu na przyszłe zmiany korelacji liniowej pomiędzy stopami zwrotu indeksów giełdowych. Okazało się, że dane makroekonomiczne z danego miesiąca nie miały wpływu na współzależność pomiędzy giełdami w następnym miesiącu. Natomiast istotnie statystyczna okazała się rola czynników makroekonomicznych w zmianach jednoczesnych, tj. dane z aktualnego miesiąca miały istotne znaczenie dla korelacji liniowej pomiędzy stopami zwrotu analizowanych indeksów giełdowych. W wyniku analizy łącznego oddziaływania rozpatrywanych czynników na poziom współzależności GPW znaczenie ma tylko rentowność obligacji oraz stopa bezrobocia. Wraz ze spadkiem rentowności dziesięcioletnich obligacji krajów rozwiniętych zauważalny był wzrost przeciętnego poziomu współzależności tych giełd. Natomiast duża zmiana stopy bezrobocia w Polsce miała odbicie we wzroście poziomu współzależności giełd. 4.6 Zaremba A., Czapkiewicz A., (2017): Digesting anomalies in emerging European markets: A comparison of factor pricing models 17 W pracy przeanalizowano anomalie, które występują w grupie rozwijających się rynków Europy Wschodniej, tj.: Polski, Czech, Węgier Rosji i Turcji. Ponadto zbadano użyteczność 16 Mój wkład w powstanie tej pracy polegał na opracowaniu koncepcji pracy, wykonaniu części badań oraz przygotowaniu tekstu. Mój udział procentowy szacuję na 60%. Stosowne oświadczenie współautora znajduje się w Załączniku 6 do Wniosku. 17 Mój wkład w projekt polegał na opracowaniu koncepcji wyznaczania premii za ryzyka oraz na testowanie poszczególnych modeli wyceny kapitałowej. Mój udział procentowy szacuję na 50%. Stosowne oświadczenie współautora znajduje się w Załączniku 6 do Wniosku. 17

występujących w literaturze 18 modeli wyceny kapitałowej. Porównywane były cztery modele: tradycyjny model CAPM, trójczynnikowy model Famy i Frencha (1993), czteroczynnikowy model Carharta (1997) oraz pięcioczynnikowy model Famy i Frencha (2015). Okazało się, że na rozwijających się giełdach Europy Wschodniej najlepszy był pięcioczynnikowy model Famy i Frencha (2015). Udowodniono również, że wszystkie czynniki ryzyka, z wyjątkiem czynnika CMA (conservative minus aggressive) generują istotną premię za ryzyko. Można przypuszczać, że istnienie współzależności pomiędzy giełdami Europy Wschodniej sprawia, że do wyceny aktywów na tych rynkach jest efektywny inny model wyceny kapitałowej niż, na przykład, na pojedynczej giełdzie. Jak bowiem wykazała Autorka w innych swoich pracach (Czapkiewicz i Wójtowicz (2014), Zaremba, Czapkiewicz i Szczygielski (2018)), jako model do wyceny kapitałowej dla samej GPW w Warszawie najlepiej jest przyjąć czteroczynnikowy model Carharta (1997). W pracy została zastosowana technika obliczania premii za ryzyko, której własności były zbadane symulacyjnie 19. Technika ta bazowała na własnościach estymatorów wyznaczonych Uogólnioną Metodą Momentów, której podstawy teoretyczne opracował Hansen (1982). 4.7 Czapkiewicz A., Wójtowicz T., (2014): The four-factor asset pricing model on the Polish stock market 20 W pracy został poddany szczegółowej dyskusji czteroczynnikowy model wyceny kapitałowej na GPW w Warszawie. Model ten jest bardzo przydatny do wyceny portfeli zbudowanych dla akcji notowanych na GPW w Warszawie. Badaniem objęto miesięczne stopy zwrotów z okresu 2003-2012 21. W badaniu zastosowano autorskie algorytmy, które pozawalają uzyskać ocenę nieznanych parametrów modelu w przypadku uwzględnienia tych założeń, które wymuszają charakterystyki finansowych szeregów czasowych. 18 Analizowane modele wyceny kapitałowej zdefiniowali w swoich pracach Sharpe (1964), Fama, French (1996, 2015), Carhart (1997). 19 Badanie symulacyjne przedstawione zostało w pracy Czapkiewicz A., Skalna I. (2014): Selected Approaches for Testing Asset Pricing Models using Polish Stock market Data, Decision Making in Manufacturing and Services 8(1), 23-38. 20 Mój wkład w powstanie tej pracy szacuję na 50%.. 21 Badanie zostało powtórzone dla danych pochodzących ze znacznie dłuższego okresu. Wyniki znajdują sie w pracy : Zaremba A., Czapkiewicz A., Szczygielski K. (2018): An Application of Factor Pricing Models to the Polish. Emerging Markets Finance and Trade. 18

4.8 Podsumowanie Jako osiągnięcie główne przedstawiono monografię i cykl artykułów pod wspólnym tytułem Analiza relacji pomiędzy giełdami papierów wartościowych na świecie ze szczególnym uwzględnieniem GPW w Warszawie. Omawiana monografia oraz cytowane prace przedstawiają badanie empiryczne dotyczące kilku zasadniczych nurtów takiej analizy, tj.: zmian jednoczesnych na giełdach, grupowaniu giełd, efektów zarażania się giełd oraz szukaniu determinantów zmian poziomów współzależności giełd. Pokazano również, że istniejące powiązania pomiędzy giełdami mają znaczenie dla wyboru odpowiedniego modelu do wyceny kapitałowej akcji notowanych na giełdach. Uzyskane wyniki wnoszą wkład wiedzy na temat współzależności giełd. W czasie kryzysu rynki są ze sobą silniej związane niż w czasach spokoju. Również podobieństwo rynków ze względu na relacje z innymi giełdami zmienia się w czasie. W okresie kryzysu rynki są do siebie bardziej podobne, co skutkuje mniejszą liczbą grup uzyskaną w wyniku przeprowadzenia analizy skupień. Jednak pomimo, że grupowanie rynków zmienia się w czasie, to istnieją takie rynki, dla których wpływ globalnej koniunktury ekonomicznej jest taki sam. Na przykład wpływ globalnej koniunktury ekonomicznej na GPW w Warszawie jest najbardziej podobny do analogicznego wpływu na giełdy Grupy Wyszehradzkiej. Uzyskane wyniki wnoszą wkład wiedzy na temat efektu zarażania GPW w Warszawie. Stosowne analizy ujawniły występowanie zarażenia negatywnym impulsem pojawiającym się na rozwiniętych giełdach Europy Zachodniej. Jednak nie każdy negatywny impuls jest przyczyną istotnej zmiany korelacji pomiędzy stopami zwrotów indeksów tych giełd. Uzyskane wyniki badań wnoszą również istotny wkład wiedzy na temat determinantów zmian poziomów współzależności pomiędzy wybranymi giełdami rozwiniętymi i GPW w Warszawie. Badanie empiryczne wykazało, że czynniki, które mają istotne znaczenie dla wyjaśnienia zmian poziomów współzależności giełd nie są uniwersalne. Pomimo, że brak jest jednoznaczności zdefiniowania obszaru szukania czynników, które wpływają na wzajemne relacje pomiędzy giełdami, to można było zauważyć pewną prawidłowość. Dla poziomu współzależności rozwiniętych rynków Europy Zachodniej i USA większe znaczenie mają wskaźniki zmienności implikowanej (VIX, VSTOXX), natomiast dla relacji GPW w Warszawie z rynkami rozwiniętymi - lokalne wskaźniki finansowe i makroekonomiczne. 19

Uzyskane wyniki badań wnoszą również istotny wkład wiedzy na temat wyboru modelu do wyceny kapitałowej na giełdach Europy Wschodniej. Prawdopodobnie to współzależność pomiędzy giełdami Europy Wschodniej sprawia, iż efektywny model wyceny kapitałowej akcji giełd Europy Wschodniej różni się w praktyce od efektywnego modelu wyceny kapitałowej na GPW w Warszawie. Uzyskane wyniki wnoszą wkład wiedzy na temat teoretycznych własności zastosowanych modeli i testów. Uporządkowano warunki regularności gwarantujące asymptotyczną normalność estymatora metody największej wiarogodności (oraz EM) nieznanych parametrów modeli przełącznikowych. Przedstawiono wynik teoretyczny uzasadniający stosowanie klasycznego testu Vuonga (1989) porównującego dwa modele, który ze względu na niespełnione założenia o niezależności zmiennych losowych nie mógł być stosowany do porównywania modeli przełącznikowych. Został opracowany algorytm EM, który pozwala na oszacowanie nieznanych parametrów modeli przełącznikowych z mechanizmem TVPMS tj., zmienną w czasie macierzą przejścia w łańcuchu Markowa, zależną od obserwowalnych czynników. Istotnym wkładem własnym Autorki było uporządkowanie własności teoretycznych zestawu narzędzi statystycznych, które w praktyce można wykorzystać do zbadania znaczenia danego czynnika w dynamice struktury powiązań pomiędzy szeregami czasowymi. 5 Omówienie pozostałych osiągnięć naukowo-badawczych Inny obszar zainteresowań Autorki koncentrował się na tematyce wyceny kapitałowej akcji na giełdzie i modelach umożliwiających tego typu badania. Poniżej jest przedstawiona lista wybranych prac z tej dziedziny: 1. Czapkiewicz A., Skalna I., (2010a): The Fama-French model for the Polish market, Ekonomia Menedżerska 7, 121 129 (MNiSW 6). 2. Czapkiewicz A., Skalna I., (2010b): The CAPM and Fama-French models in Poland, Przegląd Statystyczny, 128 141 (MNiSW 9). 3. Czapkiewicz A., Skalna I., (2011): Użyteczność stosowania modelu Famy i Frencha w okresach hossy i bessy na rynku akcji GPW w Warszawie, Bank i Kredyt 42(3), 61 80 (MNiSW 8). 20

4. Czapkiewicz A., (2010): The multidimentional weighted ultrastructural model in the cross-section of expected stock returns - Acta Universitatis Lodziensis. Folia Oeconomica 235, 247 262 (MNiSW 6). 5. Czapkiewicz A., Skalna I., (2014): Selected Approaches for Testing Asset Pricing Models using Polish Stock market Data, Decision Making in Manufacturing and Services 8(1), 23-38 (MNISW 10). 6. Zaremba A., Czapkiewicz A., Będowska-Sojka B., (2017): Idiosyncratic Volatility, Returns, and Mispricing: No Real Anomaly in Sight. Finance Research Letters 24, 163-167 (Impact Factor 1, 085). 7. Zaremba A., Czapkiewicz A., Szczygielski J., (2018): An Application of Factor Pricing Models to the Polish. Emerging Markets Finance and Trade (available online) (Impact Factor 0,826). 8. Zaremba A., Karathanasopoulos A., Maydybura A., Czapkiewicz A., Bagheri N., (2018): Dissecting anomalies in Islamic stocks: Integrated or segmented pricing? Pacific-Basin Finance Journal (available online) (Impact Factor 1,603). 9. Czapkiewicz A., Zaremba A., Szczygielski J. (2018): Predicting the Performance of Equity Anomalies in Frontier Emerging Markets: A Markov Switching Model Approach. (accepted 30.11.2018) Economic Research-Ekonomska Istrazivanja, (Impact Factor 1,137). Użyteczność modeli wyceny kapitałowej, które były sygnalizowane w literaturze były testowane na różnych rynkach finansowych. również na GPW w Warszawie. Między innymi, wynikiem badań było stwierdzenie, że model CAPM (Sharpe 1964) oraz model Famy i Frencha (1996) nie są wystarczająco skuteczne dla wyceny aktywów na GPW w Warszawie (Czapkiewicz i Skalna 2010a,b). Jednocześnie pokazano przydatność modelu Famy i Frencha w okresie hossy oraz jego nieprzydatność w okresie kryzysu (Czapkiewicz i Skalna 2011). Badaniem objęto okres od grudnia 2002 do grudnia 2010. Szeroka dyskusja nad efektywnością poszczególnych modeli była tematem artykułu Zaremby, Czapkiewicz i Szczygielskiego (2018), w którym analizowane były dane od roku 2000 do roku 2017. Skutkiem współpracy z ośrodkiem w Dubaju był projekt dotyczący analizy anomalii oraz znanych modeli wyceny kapitałowej dla giełd na Bliskim Wschodzie, na podstawie danych z okresu 1997-2017. Wyniki zostały zaprezentowano w pracy Zaremby i in. (2018). Występujące anomalie na rynkach granicznych były przedyskutowane w pracy Czapkiewicz, Zaremby i Szczygielskiego (2018). 21

W pracy Zaremby, Czapkiewicz, Będowskiej-Sójki (2017) Autorka przedstawiła matematyczny dowód, który obalił istniejące w literaturze przedmiotu przekonanie o istnieniu anomalii związanej z ryzykiem idiosynkratycznym. Empiryczna weryfikacja modeli wyceny kapitałowej napotyka trudności natury teoretycznej. Własności rozpatrywanych szeregów czasowych wymagają konstruowania odpowiednich modeli ekonometrycznych. Zostało zatem wykonane gruntowne badanie symulacyjne porównujące skuteczność wybranych metod estymacji nieznanych parametrów modeli wyceny kapitałowych. Wyniki przeprowadzonej symulacji przedstawione zostały przez Czapkiewicz i Skalną (2014). Na zakończenie rozważań przytoczona zostanie praca Czapkiewicz (2010), w której przedstawiona została nowa koncepcja budowy modelu ekonometrycznego, który może służyć do empirycznej weryfikacji modeli wyceny kapitałowej. Wyniki tego podejścia są zachęcające, ale wymagają jeszcze symulacyjnego zbadania w porównaniu z innymi podejściami do tego problemu, które już figurują w literaturze przedmiotu. Kolejny obszar aktywności naukowej Autorki koncentrował sie na wykorzystaniu statystyki matematycznej w medycynie. Statystyczne opracowanie danych medycznych przedstawione zostało w artykułach: 1. Jurczyszyn A, Czepiel J, Gdula-Argasińska J, Czapkiewicz A, Biesiada G, Dróżdż M, Perucki W, Castillo JJ., (2014): Erythrocyte membrane fatty acids in multiple myeloma patients, Leuk Res. 38 (10), 1260 5 (Impact Factor 2,319). 2. Jurczyszyn A, Czepiel J, Gdula-Argasińska J, Paśko P, Czapkiewicz A, Librowski T, Perucki W, Butrym A, Castillo J, Skotnicki A., (2015): Plasma fatty acid profile in multiple myeloma patients. Leuk Res. 39 (4), 400 5 (Impact Factor 2,319). 3. Gdula-Argasińska J, Czepiel J, Totoń-Żurańska J, Wołkow P, Librowski T, Czapkiewicz A, Perucki W, Woźniakiewicz M, Woźniakiewicz A. (2016): n-3 Fatty acids regulate the inflammatory-state related genes in the lung epithelial cells exposed to polycyclic aromatic hydrocarbons. Pharmacological Reports 68(2), 319 2 (Impact Factor 2,787). 22

Tematyka związana z giełdą leży w obszarze zainteresowań Autorki dopiero od roku 2010, gdy rozpoczęła pracę na Wydziale Zarządzania AGH, w Samodzielnej Pracowni Zastosowań Matematyki w Ekonomii kierowanej przez prof. Henryka Gurgula. Łącznie. w latach 2010-2018 Autorka opublikowała ponad 50 prac, z czego 12 stanowiły artykuły w czasopismach naukowych posiadających współczynnik wpływu Impact Factor. Bardziej szczegółowe zestawienie statystyczne dotyczące wybranego mojego dorobku w tych latach zawiera poniższa tabela. Pozostałe informacje dotyczące dotychczasowej aktywności akademickiej zostały szczegółowo omówione w Załączniku nr 4. Tabela 1. Zestawienie wybranego dorobku publikacyjnego w latach 2010-2018. Liczba publikacji Punkty MNiSW Publikacje anglojęzyczne Monografie - - Artykuły w czasopismach z Impact Factor 12 250 Inne artykuły w czasopismach 15 104 i pracach zbiorowych Publikacje konferencyjne 1 5 Razem publikacje anglojęzyczne 28 344 Publikacje polskojęzyczne Monografie 1 25 Artykuły w czasopismach z Impact Factor - - Inne artykuły w czasopismach 14 98 i pracach zbiorowych Publikacje konferencyjne 6 - Razem publikacje polskojęzyczne 21 123 Razem 49 482 6 Literatura Barbic T., Condic-Jurkic I., ( 2011): Relationship between Macroeconomic Funadamentals and Stock Market Indices in Selected CEE Countries, Ekonomski regled 62, s. 113-133. Bartram S.M, Taylor S.J, Wang Y.H., (2007): The Euro and European Financial Market Dependence, Journal of Banking & Finance 31, s. 1461-1481. Bastos J.A., Caiado J., (2009): Clustering Global Equity Markets with Variance Ratio Tests, CEMAPRE Working paper, no. 0904. 23