Zestaw A
W definicji stacjonarności szeregu czasowego zakłada się m.in. stałość wariancji oczekiwanej P
Test t Studenta stosowany jest przy weryfikacji modelu do badania istotności zmiennych P
Jeśli empiryczny rozkład stóp zwrotu jest silnie skośny, w ekonometrycznych modelach opisujących stopy zwrotu można wykorzystać symetryczny rozkład t Studenta dla składnika losowego F
W modelach regresji liniowej dla szeregów czasowych dziennych stóp zwrotu może niekiedy wystapić autokorelacja składnika losowego. W takim przypadku estymatory parametrów tracą efektywność, a ich średnie błędy szacunku mogą być obciążone P
Szereg dziennych notowań indeksu WIG20 jest przykładem szeregu stacjonarnego F
Szereg zwrotów logarytmicznych z notowań indeksu giełdowego jest zazwyczaj stacjonarny P
Modele ARMA lub ARIMA nadają się do prognozowania zwrotów logarytmicznych z notowań kursów akcji P
Modele Boxa-Jenkinsa zakłada, że maksymalną liczbę opóźnień modelu ARMA można wybrać na podstawie analizy korelogramu zmiennej P
Modele ARMA są wystarczającym narzędziem do modelowania szeregów o zmiennej wariancji F
Testy kointegracji stosuje się m.in. do testowania parytetu siły nabywczej P
Jeżeli wartość dziennej logarytmicznej stopy zwrotu z inwestycji w akcje spółki IBM wyniesie 0,002; to odpowiadająca jej wartość dziennej zwykłej stopy zwrotu ( odpowiadająca tej samej wartości zmiany ceny) wyniesie exp(0,002)-1 P
Zintegrowanie szeregu notowań indeksu SP500 w stopniu wyższym niż 1 może sygnalizować wystapienie bąbla spekulacyjnego na tym rynku P
Oszacowanie zmienności za pomocą modelu Exponentially Weighted Moving Average (dla λ=0,9) może powodować zniekształcenia szacunku wynikające z efektu ghost feature F
W celu otrzymania tygodniowej logarytmicznej stopy zwrotu z kursu walutowego EUR/USD możemy dodać do siebie wartości siedmiu jednodniowych logarytmicznych stóp zwrotu z tego kursu ( odpowiadające kolejnym dniom tygodnia) P
Jeżeli wynik testu Engle'a przeprowadzonego w celu weryfikacji efektu ARCH dla miesięcznych stóp zwrotu z indeksu WIG wyniesie X (p=0,03) to przyjmując poziom istotności 0,01 wnioskujemy, że efekt grupowania zmienności występuje F
Postać funkcyjna modelu ARCH(5) zakłada, że wartość warunkowej wariancji stóp zwrotu zależy od wartości podniesionych do kwadratu nieoczekiwanych stóp zwrotu sprzed 4 okresów ( czyli od `napływu nowej informacji' 4 okresy temu) P
Na wykładzie z ekonometrii finansowej omawialiśmy taką klasę modeli GARCH, w której wartość warunkowej oczekiwanej stopy zwrotu zależy od wartości prognozowanej zmiennościP
Robert Engle oraz Clive Granger zostali uhonorowani nagrodą Nobla w dziedzinie ekonomii w tym samym roku, przy czym Ci obaj naukowcy zajmowali się ekonometrią P
Model GARCH(1,2) w którym składnik losowy ma rozkład GED nie jest niestety w stanie opisać grubych ogonów rozkładu stóp zwrotu, a zatem wynikają z niego wartość VaR zawsze będzie zaniżona F
Jeżeli szereg czasowy stóp zwrotu charakteryzuje się efektem dźwigni (leverage effect), a wartość zmiennej w czasie warunkowej wariancji uzyskano za pomocą modelu GARCH(2,3), to wynikająca z modelu wartość narażona na ryzyko nie będzie systematyczmie zaniżona( po napływie złej informacji) oraz zawyżona ( po napływie dobrej informacji) F
W analizie stóp zwrotu z wybranego instrumentu finansowego przy pomocy metody analizy zdarzeń jeśli nadzwyczajne stopy zwrotu dla pięciu kolejnych dni w oknie zdarzenia wynoszą odpowiednio 2,31%, -1,31%, 5,05%, 1,07% i 1,96% a wariancja nadzwyczajnych stóp zwrotu w oknie estymacji wynosi 0,07, to skumulowana nadzwyczajna stopa zwrotu CAR z tych pięciu dni jest większa niż 10% F
Jeśli obliczona statystyka CAR/σcar =2,36 a wartość krytyczna testu przy poziomie istotności 0,05 wynosi 1,96, to wynik ten interpretujemy jako statystycznie istotny wpłyp zdarzenia na analizowane stopy zwrotu P
W analizie zdarzeń test nieparametryczny dla nadzwyczajnych stóp zwrotu polega na sprawdzeniu, czy liczba obserwacji z dodatnimi nadzwyczajnymi stopami zwrotu jest istotnie różna od liczby obserwacji z ujemnymi nadzwyczajnymi stopami zwrotu P
W analizie zdarzeń przeprowadza się testy statystyczne sprawdzające czy stopy zwrotu są skointegrowane F
Przy wykorzystaniu modeli CAPM do analizy stóp zwrotu z portfelu instrumentów finansowych do oszacowania standardowej formy modelu CAPM wykorzystać można metodę najmniejszych kwadratów, a do warunkowej wersji CAPM - metodę EWMA P
Oszacowania wartości parametru β w różnych momentach w czasie mogą służyć do oceny zmieniającego się ryzyka rynkowego dla analizowanego portfela P
Wersja modelu CAPM zwana `zero-beta CAPM' charakteryzuje sie tym, że zakłada brak możliwości dokonywania transakcji krótkiej sprzedaży F
Jesli wariancja rynkowej stopy zwrotu wynosi 0,5, wariancja stopy zwrotu z analizowanego portfela akcji wynosi 0,9, a kowariancja między rynkową stopą zwrotu i stopą zwrotu z analizowanego portfela akcji wynosi 1,8, to można wyliczyć wartość parametru β w modelu CAPM i jest ona równa 3,6 P
Jeśli spełniona jest słaba forma hipotezy efektywności rynku finansowego, to ... F
Zestaw B
Wśród założeń Kłasycznej Metody Najmniejszych Kwadratów nie występuje założenie o konkretnej postaci rozkładu składnika losowego P
Założenie makroekonomicznie i finansowe, jak zauważył Granger, często cechuje niestacjonarnosć P
Proces błądzenia losowego jest przykładem procesu stacjonarnego F
Jeśli empiryczny rozkład stóp zwrotu jest silnie skośny, w ekonometrycznych modelach opisujących stopy zwrotu można wykorzystać skośny rozkład GED ponieważ dla skośnego rozkładu GED masa prawdopodobieństwa dla ekstremalnie niskich ujemnych wartości stóp zwrotu może byc większa niż dla ekstemalnie wysokich dodatnich stóp zwrotu P
Dla pewnej zmiennej finansowej obliczona wartość statystyki testu Dickeya-Fullera wynosi 2,45, a odpowiadająca tej liczbie stopni swobody wartość krytyczna testu przy poziomie α = 0,05 jest równa -3,78. Oznacza to odrzucenie hipotezy zerowej o braku stacjonarności F
Reszty regresji dwu zmiennych niestacjonarnych, zintegrowanych stopnia 1, okazały się stacjonarne. Oznacza to że wektor MNK dla tej regresji jest wektorem kointegrującym dla tego zestawu zmiennych P
Test t studenta ma rozkład symetryczny wokół zera, zbliżony do rozkładu normalnego P
Dła pewnej zmiennej makroekonomicznej w teście ADF obliczona wartość wyniosła 0,535, a jej empiryczny poziom istotnosci jest równy 0,9994. Oznacza to że badana zmienna jest niestacjonarna P
W modelach regresji liniowej dla szeregów czasowych dziennych stóp zwrotu może niekiedy wystąpić autokorelacja składnika losowego, wtedy estymatory parametrów tracą efektywność, a ich błędy standardowe mogą być obciążone P
Model ARMA wymaga zwykle mniejszej liczby parametrów ( mniejszej łącznej liczby opóźnień) niz model czysto autoregresyjny, opisujący tę samą zmienną z taką samą jakością P
Jeżeli szereg czasowy stóp zwrotu charakteryzyje się efektem dźwignie ( leverage effect), a wartość zmiennej w czasie warunkowej wariancji uzyskano za pomocą modelu GARCH(2,3), to wynikająca z modelu wartość narażona na ryzyko nie będzie systematycznie zaniżona ( po napływie złej informacji) oraz zawyżona ( po napływie dobrej informacji) F
Zintegrowanie szeregu notowań indeksu SP500 w stopniu wyższym niż 1 nie powinno nigdy sygnalizować wystepowania bąbla spekulacyjnego na tym rynku F
Oszacowanie zmienności za pomocą modelu Exponentially Weighted Moving Average ( dla
α = 0,9) nie będzie powodować zniekształcenia szacunku wynikającego z efektu ghost feature P
W celu otrzymania tygodniowej logarytmicznej stopy zwrotu z kursu walutowego EUR/USD możemy pomnozyć wartości siedmiu jednodniowych logarytmicznch stóp zwrotu z tego kursu ( odpowiadające kolejnym dniom tygodnia) F
Jeżeli wynik testu Engle'a przeprowadzonego w celu weryfikacji efektu ARCH dla miesięcznych stóp zwrotu z indeksu WIG wyniesie X (p=0,03) to przyjmując poziom itotności 0,01 wnioskujemy, ze efekt grupowania zmienności nie występuje P
Postać funkcyjna modelu ARCH(3) zakłada, że wartość warunkowej wariancji stóp zwrotu zależy od wartości podniesienych do kwadratu nioeczekiwanych stóp zwrotu sprzed 5 okresów ( czyli od `napływu nowej informacji' 5 okresy temu) F
Na wykładzie z ekonometrii finansowej nie mówiliśmy o takiej klasie modeli GARCH, w której warunkowa wartość oczekiwana stopy zwrotu zależy od wartości prognozowanej zmiennej F
Robert Engle oraz Clive Granger obaj zostali uhonorowani nagrodą Nobla w dziedzinie ekonometrii w różnych latach, przy czym Ci obaj badacze zajmowali się ekonometrią F
Model GARCH(1,2) w którym składnik losowy ma rozkład GED, jest w stanie opisać grube ogony empirycznego rozkładu stóp zwrotu, a zatem wynikająca z niego wartość VaR nie powinna być systematycznie niedoszacowana w porównaniu z wartością VaR wynikającą z rozkładu normalnego P
Jeżeli wartość dziennej logarytmicznej stopy zwrotu z inwestycji w akcje spółki IBM wyniesie 0,003, to odpowiadająca jej wartość dziennej zwykłej stopy zwrotu ( odpowiadająca tej samej wartości zmiany ceny) wyniesie exp(0,003)+1 F
W teście statystycznym sprawdzającym czy autokorelacja stóp zwrotu rzędu pierwszego jest różna od zera statystyka √Tp(1) równa jest 0,08. Tymczasem wartość krytyczna dla testu wynosi 1,96 przy poziomie istotności 0,05. Nie ma podstawy do odrzucenia hipotezy o braku efektywności rynku F
Jeśli spełniona jest słaba forma hipotezy efektywności rynku finansowego to wykorzystanie wiedzy o wielkości spółek giełdowych i ich dotychczasowych wynikach finansowych nie powinno umozliwiać uzyskania nadzwyczajnych zysków P
Jeśli spełniona jest słaba forma hipotezy efektywności rynku finansowego, to statystyka ilorazu wariancji VR(2) dla stóp zwrotu z akcji powinna wskazywać wartość bliską (tzn statystycznie nieistotną różną od) 2 F
W testach sprawdzających ponadprzeciętną jakość prognoz poszczególnych doradców inwestycyjnych lub funduszy inwestycyjnych podstawowym problemem jest jest zakłócenie wyników obliczeń przez efekty nazywane `selection bias' i `survivorship' bias' P
W ekonometrycznym modelu regresji
zaproponowanym przez Blacka, Jensena i Scholesa (1972) szacowana jest miara `beta' ryzyka systematycznego z portfela przy pomocy metody najmniejszych kwadratów i przy użyciu danych w postaci szeregów czasowych PFama i MacBeth (1973) zaproponowali szacowanie parametrów modelu
do testowania przyczynowości między miarą ryzyka systematycznego Sei oraz miarą rysyka niesystymatycznego βi FJeśli wariancja rynkowej stopy zwrotu wynosi 0,5, wariancja stopy zwrotu z analizowanego portfela akcji wynosi 0,9, a kowariancja między rynkową stopą zwrotu i stopą zwrotu z analizowanego portfela akcji wynosi 1,8, to można wyliczyc wartośc... P
Zestaw C
Jednym z warunków podawanych w definicji stacjonarności jest warunek stałości wartości oczekiwanej badanego szeregu P
Jeśli budujemy model regresji liniowej dla zmiennych niestacjonarnych, ryzykujemy że otrzymana regresja będzie tzw regresją pozorną, chyba że analizowane zmienne są związane relacją stabilnej równowagi długookresowej P
Ciąg dziennych notowań zamknięcia indeksu DAX jest typowym przykładem stacjonarności szeregu F
Zwroty z kursów akcji cechuje stałość wartości oczekiwanej P
Zmienne finansowe, takie jak zwroty logarytmiczne, często mają rozkłady różniące się od rozkładu normalnego P
Dla przyrostów pewnej zmiennej, cechującej się trendem wzrostowym, otrzymano wartość statystyki testu ADF równą -3,485 (p=0,0409). Oznacza to, że badana zmienna jest przyrostostacjonarna P
Testy kointegracji mogą być stosowane m.in. do testowania parametru siły nabywczej P
Wybór liczby opóźnień w modelu ARMA(p,q) jest dokonywany na podstawie testowania normalności rozkładu składnika losowego tego modelu F
Jeśli empiryczny rozkład stóp zwrotu jest silnie skośny, w ekonometrycznych modelach opisujących stopy zwrotu można wykorzystać rozkład GED (ponieważ dla rozkładu GED masa prawdopodobieństwa dla ekstremalnie niśkich stóp zwrotu jest zawsze większa niż dla ekstremalnie wysokich stóp zwrotu) F
W modelach regresji liniowej dla szeregów czasowych dziennych stóp zwrotu może wystąpić heteroskedastyczność składnika losowego, zatem estymatory parametrów tracą efektywność, a ich średnie błędy szacunku mogą być obciążone P
W celu otrzymania miesięcznej logarytmicznej stopy zwrotu z kursu walutowego EUR/PLN możemy dodać do siebie wartości jednodniowych logarytmicznych stóp zwrotu z tego kursu odpowiadające kolejnym dniom rozważanego miesiąca P
Jeśli logarytm ceny akcji w momencie t wynosie 12, logarytm ceny akcji w momencie t-1 wynosi 12,2 oraz logarytm ceny akcji w momencie t-2 wynosi 11,9, to jednodniowa zwykła stopa zwrotu z inwestycji w te akcje w momencie t-1 jest równa exp(0,3)-1 P
Oszacowanie zmienności za pomocą modelu GARCH, gdzie składnik losowy ma rozkład normalny, może powodować zniekształcenia szacunku wynikające z efektu ghost feature F
Zintegrowanie szeregu notowań indeksu WIG w stopniu wyższym niż 1 może sygnalizować wystapienie bąbla spekulacyjnego na tym rynku P
Na wykładzie z ekonometrii finansowej omawialiśmy taka klasę modeli GARCH, w której wartość warunkowej oczekiwanej stopy zwrotu zależy od wartośći prognozowanej zmiennościP
Postać funkcyjna modelu ARCH(3) zakłada, że wartość warunkowej wariancji stóp zwrotu zależy od wartości podniesionych do kwadratu nieoczekiwanych stóp zwrotu sprzed 3 okresów ( czyli od ` napływu nowej informacji' 3 okresy temu) P
Jeżeli wynik testu Engle'a przeprowadzonego w celu weryfikacji efektu ARCH dla tygodniowych stóp zwrotu z indeksu WIG wyniesie X(p=0,0002), to wnioskujemy, że efekt grupowania zmienności nie wystepuje F
Robert Engle i Clive Granger zostali uhonorowani nagrodą Nobla w dziedzinie ekonometrii w tym samym roku, przy czym tylko jeden z tych badaczy zajmował?? się ekonometrią F
Jeżeli szereg czasowy stóp zwrotu charakteryzuje się efektem dźwigni (leverage effect), a wartość zmiennej w czasie warunkowej wariancji uzyskano za pomocą modelu GARCH(2,3), to wynikająca z modelu wartość narażona na ryzyko nie będzie systematyczmie zaniżona po napływie złej informacji na rynek oraz zawyżona po napływie dobrej informacji F
Model GARCH(2,2), w którym składnik losowy ma rozkład ... w stanie opisać .. ogonów rozkładu stóp zwrotu ... z niego wartość straty wynikająca z VaR zawsze będzie zaniżona F
W analizie stóp zwrotu z wybranych instrumentów finansowych przy pomocy metody analizy zdarzeń statystyka CAR służy do wyliczenia skumulowanego wpływu?? analizowanego zdarzenia na stopy zwrotu z instrumentów finansowych np akcji, kursów walutowych, obligacji P
Jeśli w metodzie analizy zdarzeń w nieparametrycznym ... liczba obserwacji dodatnich nadzwyczajnych stóp zwrotu.. obserwacji w oknie zdarzeń, a wartość krytyczna testu... wynosi 1,96 to wynik ten interpretujemy jako statystycznie .. na analizowane stopy zwrotu P
Jeśli nadzwyczajne stopy zwrotu dla pięciu kolejnych dni w oknie zdarzenia wynoszą odpowiednio 2,31%, -0,31%, 1,05%, 0,07% i 0,96% a wariancja nadzwyczajnych stóp zwrotu w oknie estymacji wynosi 0,07, to skumulowana nadzwyczajna stopa zwrotu CAR z tych pięciu dni jest większa niż 10% F
Typowe `zdarzenia' w analizie zdarzeń to wpływy dywidend ... finansowych przez spółki oraz ogłaszenia danych .. P
Do oszacowania standardowej formy modelu CAPM wykorzystać można metodę najmniejszych kwadratów, a do warunkowej wersji CAPM - metodę EWMA P
Wersja modelu zwana ` zero-beta CAPM' charakteryzuje się tym, że zakłada brak mozliwości dokonywania transakcji krótkiej sprzedaży F
Jeśli w dniu t rynkowa stopa zwrotu wyniosła 1 .. analizowanego portfela akcji wynisła 0 .. na dzień t wyniosła 1, a kowariancja między rynkową... analizowanego portfela w dniu t wyniosła.. (zakładając wartośc parametru λ = 0,94) mozna ... na dzień t+1 i wynosi ona 0,15 F
Osacowana wartość parametru β w ... do oceny zmieniajacego się ryzyka rynkowego .. P
Jeśli spełniona jest słaba forma hipotezy efektywności rynku finansowego to wykorzystanie wiedzy o wielkości spółek giełdowych i ich dotychczasowych wynikach finansowych nie powinno umozliwiać uzyskania nadzwyczajnych zysków P
Zestaw D
Jednym z warunków podawanych w definicji stacjonarności jest warunek stałości wartości oczekiwanej badanego szergu P
Jeśli budujemy model regresji liniowej dla zmiennych niestacjonarnych, ryzykujemy że otrzymana regresja będzie tzw regresją pozorną, chyba że analizowane zmienne są związane relacją stabilnej równowagi długookresowej P
Ciąg dziennych notowań zamknięcia indeksu DAX jest typowym przykładem stacjonarności szeregu czasowego F
Zwroty z kursów akcji cechuje stałość wartości oczekiwanej P
Zmienne finansowe, takie jak zwroty logarytmiczne, często mają rozkłady różniące się od rozkładu normalnego P
Dla przyrostów pewnej zmiennej, cechującej się trendem wzrostowym, otzymano wartość statystyki ADF równą -3,485(p=0,0409). Oznacza to, że badana zmienna jest przyrostostacjonarna P
Testy kointegracji mogą być stosowane m.in. do testowania parytetu siły nabywczej P
Wybór liczby opóżnień w modelu ARMA(p,q) jest dokonywany na podstawie testowania normalności rozkładu składnika losowego tego modelu F
Jeśli empirzyczny rozkład stóp zwrotu jest silnie skośny, w ekonometrycznych modelach opisujących stopy zwrotu można wykorzystać rozkład GED ( ponieważ dla rozkładu GED masa prawdopodobieństwa dla ekstremalnie niskich stóp zwrotu jest zawsze większa niż dla ekstremalnie wysokich stóp zwrotu) F
W modelach regresji liniowej dla szeregów czasowych dzinnych stóp zwrotu może wystąpić heteroskedastyczność składnika losowego, zatem estymatory parametrów tracą efektywność, a ich średnie błędy szacunku mogą być obniżone P
W celu otrzymania miesięcznej logarytmicznej stopy zwrotu z kursu walutowego EUR/PLN możemy pomnożyć wartość jednodniowych logarytmicznych stóp zwrotu z tego kursu odpowiadające kolejnym dniom rozważanego miesiąca F
Jeżeli wynik testu Engle'a przeprowadzonego w celu weryfikacji efektu ARCH dla tygodniowych stóp zwrotu z indeksu WIG wyniesie X(p=0,8), to wnioskujemy, że efekt grupowania zmienności nie występuje P
Oszacowanie zmienności za pomocą modelu Equally Weighted Moving Average może powodować zniekształcenia szacunku wynikające z efektu ghost feature P
Zintegrowanie szeregu notowań indeksu FTSE w stopniu wyższym niż 1 może sygnalizować wystąpienie bąbla spekulacyjnego na tym rynku P
Na wykładzie z ekonometrii finansowej omawialiśmy taką klasę modeli GARCH, w których stopień zintegrowania zmienności jest wyższy niż 1 F
Postać funkcyjna modelu GARCH(1,1) zakłada, że wartość warunkowej wariancji stóp zwrotu zależy od wartości podniesionych do kwadratu nieczekiwanych stóp zwrotu sprzed 3 okresów ( z uwagi na reprezentację ARCH(beskonieczność) tego modelu) P
Jeśli logarytm ceny akcji w momencie t wynosi 12, logarytm ceny akcji w momencie t-1 wynosi 12,2 oraz logarytm ceny akcji w momencie t-2 wynosi 11,9, to jednodniowa zwykła stopa zwrotu z inwestycji w te akcje w momencie t-1 jest równa exp(0,3)+1 F
Robert Engle oraz Clive Granger zostali uhonorowani nagrodą Nobla w dziedzienie ekonometrii w tym samym roku, przy czym tylko Robert Engle zajmował się ekonometrią F
Jeżeli szereg czasowy stóp zwrotu charakteryzuje się efektem dżwigni (leverage effect), a wartość zmiennej w czasie warunkowej wariancji uzskano za pomocą modelu GARCH(1,2) to wynikająca z modelu wartość staraty otrzymanej na podstawie VaR może być systematycznie zaniżana po napływie złej informacji na rynek oraz systematycznie zawyżana po napływie dobrej informacji P
Model GARCH(2,2) w którym składnik losowy ma skośny rozkład t-Studenta nie jest w stanie opisać grubych ogonów rozkładu stóp zwrotu, z zatem wynikająca z niego wartość straty odpowiadająca VaR zawze będzie zaniżona F
Jeśli spełniona jest słaba forma hipotezy efektywności rynku finansowego, to w teście sekwencji i zmian trendu dla stóp zwrotu z akcji statystyka CJ powinna wskazywać wartość bliską 0 F
Jeśli spełniona jest słaba forma hipotezy efektywności rynku finansowego, to statystyka ilorazu wariancji VR(2) dla stóp zwrotu z akcji powinna wskazywać wartość bliską (tzn statystycznie nieistotnie różną od) 2 F
Zgodnie z pół-silną formą efektywności informacyjną rynków wszystkie publicznie dostepne i prywatne informacje są natychmiast uwzględniane w cenach instrumentów finansowych F
Przy testowaniu różnych form efekty rynków finansowych wystepowanie na rynku graczy typu `feedback traders' może prowadzić do wyników testów wskazujących na istotnie różną od zera autokorelację stóp zwrotu, np w okresach turbulencji na rynkach finansowych P
W ekometrycznym modelu regresji
zaproponowanym przez Blacka, Jensena i Scholesa (1972) szacowana jest miara `beta' ryzyka systematycznego z portfela przy pomocy metody najmniejszych kwadratów i przy użyciu danych w postaci szeregów czasowych PW ekonometrycznym modelu regresji
zaproponowanym przez przez Blacka, Jensena i Scholesa (1972) na podstawie oszacowań parametrów możliwa jest ocena czy odpowiednim modelem opisującym rynek jest `zero-beta CAPM' PFama i MacBeth (1973) zaproponowali szacowanie parametrów modelu
do testowania przyczynowości między miarą ryzyka systematycznego Sei oraz miarą ryzyka niesystematycznego βi FJęsli wariancja rynkowej stopy zwrotu wynosi 0,5, wariancja stopy zwrotu z analizowanego portfela akcji wynosi 0,9, a kowariancja między rynkową stopą zwrotu i stopą zwrotu z analizowanego portfela akcji wynosi 1,8, to można wyliczyć wartość parametru beta w modelu CAPM i jest ona równa 3,6 P
W analizie stóp zwrotu z wybranych instrumentów finansowych przy pomocy metody analizy zdarzeń w oknie zdarzenia analizuje się kointegrację cen portfela akcji i portfela obligacji przy pomocy testu ADF F
Statystyka CAR służy do wyliczenia skumulowanego wpływu analizowanego zdarzenia na stopy zwrotu z instrumentów finansowych (np akcji, kursów walutowych, obligacji) P
Zestaw E
Stacjonarny szereg czasowy ma stałą wartość oczekiwaną P
Statystyka t studenta może być stosowana do testowania stacjonarności szeregu F
Jakość modelu AR(2) oszacowanego na podstawie szeregu czasowego stóp zwrotu mozna ocenić badając występowanie autokorelacji rezt z modelu za pomocą statystyki Durbina-Watsona F
Dobór zmiennych objaśniających dzienne stopy zwrotu z indeksu WIG20 w modelach ekonometrycznych można przeprowadzić na podstawie wartości kryterium informacyjnego BIC, tzn. Najlepszej kombinacji zmiennych objaśniających będzie odpowiadała najniższa wartość kryterium BIC P
Reszty regresji, oszacowanej przy użyciu metody najmniejszych kwadratów, a dotyczącej trzech różnych indeksów giełdowych, okazały się stacjonarne. Oznacza to, że badane indeksy są skointegrowane P
Wartość statystyki testu Dickeya-Fullera dla pewnej zmiennej jest równa -2,057, a jej empiryczny poziom istotności jest równy 0,2558. Na tej podstawie ( przyjmując α = 005) odrzucamy hipotezę zerową zakładającą, że badana zmienna jest niestacjonarna F
Jedną z metod testowania parytetu siły nabywczej jest analiza kointegracji P
Szereg notowań zamknięcia dla indeksu SP500 jest przykładem stacjonarności szeregu czasowego F
Amplituda wahań na wykresie zwrotów indeksu WIG20 jest większa w okresach kryzysuP
Modele ARMA/ARIMA wystarczają do opisu szeregów o zmiennej wariancji F
Jeżeli wartość dziennej zwykłej stopy zwrotu z inwestycji w akcji spółki IBM wyniesie 0,002, to odpowiadająca tej samej wartości zmiany ceny) wyniesie ln(1+0,002) P
Wyższy niż zero stopień integracji szeregu czasowego tygodniowych stóp zwrotu z kursu SP500 może sygnalizować wystpąpienie bąbla spekulacyjnego na tym rynku P
W modelu Exponentially Weighted Moving Average ( dla λ = 0,9) każda z obserwacji kwadratów stóp zwrotu ma taką samą wagę dla oszacowania zmienności w momencie t F
W celu otrzymania tygodniowej zwykłej stopy zwrotu z kursu walutowego EUR/USD możemy ddać do siebie wartości siedmiu jednodniowych zwykłych stóp zwrotu z tego kursu ( odpowiadające kolejnym dniom tygodnia) F
Jeżeli wynik testu McLeoda-Li przeprowadzonego w celu weryfikacji efektu grupowania zmienności dla miesięcznych stóp zwrotu z indeksu WIG wyniesie X (p=0,02) to przyjmując poziom istotności 0,01 wnioskujemy, że efekt ARCH nie występuje P
Postać funkcyjna asymetrycznych modeli GARCH zakłada, że wartość warunkowej wariancji stóp zwrotu jest systematycznie większa bezpośrednio po okresach, w których zaobserwowano ujemną wartość nieoczekiwanej stopy zwrotu ( w porównaniu do wartości warunkowej wariancji zaobserwowanej po okresach o dodatniej nieoczekiwanej stopie zwrotu) P
Na wykładzie z ekonometrii finansowej omawialiśmy taką klasę modeli GARCH, w której logarytm naturalny wartości warunkowej wariancji w okresie t zależy m.in. od logarytmu naturalnego wartości wariancji w okresie poprzednim P
Wartość oczekiwanego niedoboru oszacowana przy założeniu o normalności rozkładu stóp zwrotu i przy poziomie istotności 0,05 pokazuje stratę większą niż odpowiadająca jej wartość VaR (oszacowana również dla poziomu istotności 0,05 i przy założeniu normalności rozkładu stóp zwrotu) P
Jeżeli wartość statystyki testowej dla testu Kupca Unconditional Coverage wynosi X (p=0,0002) model VaR jest właściwie dopasowany do danych F
Jeśli odchylenie standardowe dziennych logarytmicznych stóp zwrotu wynosi 0,004, a stopy te nie podlegają autokorelacji, to odchylenie standardowe dziesięciodniowych stóp zwrotu wyniesie 0,04 F
W analizie stóp zwrotu z wybranych instrumentów finansowych przy pomocy metody analizy zdarzeń konieczne jest wykorzystanie modelu CAMP lub modelu APT do objaśnienia stóp zwrotu z akcji F
Jesli obliczona statystyka CAR/σcar =5,36 a wartość krytyczna testu przy poziomie istotnosci 0,05 wynosi 1,96, to wynik ten interpretujemy jako statystycznie istotny wpływ zdarzenia na analizowane stopy zwrotu P
Jeśli nadzwyczajne stopy zwrotu dla pięciu kolejnych dni w oknie zdarzenia wynoszą odpowiednio 2,31%, -0,31%, 1,05%, 0,07% i 0,96% a wariancja nadzwyczajnych stóp zwrotu w oknie estymacji wynosi 0,07, to skumulowana nadzwyczajna stopa zwrotu CAR z tych pięciu dni jest większa niż 10%F
Test nieparametryczny dla nadzwyczajnych stóp zwrotu polega na sprawdzenie, czy liczba obserwacji z dodatnimi nadzwyczajnymi stopami zwrotu jest istotnie różna od liczby obserwacji z ujemnymi nadzwyczajnymi stopami zwrotu P
Przy wykorzystaniumodeli CAMP do analizy stóp zwrotu z portfeli instrumentów finansowych należy założyć, że parametr mierzący ryzyko systematyczne jest stały w czasie, a ryzyko niesystematyczne dla każdego portfela akcji jest równe 0 F
Zwykle okazuje się, że oszacowane modele ekonometryczne wskazują na to, że właściwym modelem opisującym funkcjonowanie rynku jest model `zero-beta CAMP' a nie standardowy model CAMP P
Jeśli wariancja stopy zwrotu wynosi 0,5, wariancja stopy zwrotu z analizowanego portfela akcji wynosi 0,9, a kowariancja między rynkową stopą zwrotu i stopą zwrotu z analizowanego portfela akcji wynosi 1,8, to mozna wyliczyć wartość parametru β i jest ona równa 3,6 P
Fama i MacBeth (1973) zaproponowali szacowanie parametrów modelu
do testowania przyczynowości między miarą ryzyka systematycznego Sei oraz miarą ryzyka niesystematycznego βi FJesli spełniona jest słaba forma hipotezy efektywności rynku finansowego, to średnia stopa zwrotu z akcji w styczniu powinna być wyższa niż w pozostałych miesiącach roku F
W teście statystycznym sprawdzającym czy autokorelacja stóp zwrotu rzędu .... F
Zestaw F
Jedno z założeń Klasycznej Metody Najmniejszych Kwadratów dotyczy rzędu macierzy obserwacji zmiennych objaśniających P
Hipoteza zerowa testu Dickeya-Fullera zakłada niestacjonarność badanej zmiennej P
Kursy walutowe EUR/USD są przykładem szeregu stacjonarnego w średniej F
Wartość statystyki testu ADF dla pewnej zmiennej jest równa -1,994, p-value=....2895. Przyjmując α = 0,10 możemy uznać, że badana zmienna jest stacjonarna F
Wartość statystyki testu ADF dla przyrostów tej samej zmiennej jest równa -5,784, p-value=3,8*10^(-7). Na tej podstawie wnioskujemy, że zmienna jest zintegrowana stopnia 1 P
Do typowych cech rozkładu empirycznego zwrotów z kursów akcji należy symetria i grube ogony rozkładu F
Jeśli na wykresie zmiennej zauważamy, że ma ona tendencję wzrostową, a test pokazuje, że przyrosty są stacjonarne, mówimy że jest przyrostostacjonarna P
Logarytmiczne stopy zwrotu cechuje na ogół stałość wariancji warunkowej F
Jakość modelu ARMA(1,2) oszacowanego na podstawie szeregu czasowego logarytmicznych stóp zwrotu można ocenić m.in. badając występowanie autokorelacji reszt z modelu za pomocą testu Ljunga-Boxa P
Dobór zmiennych objaśniających dzienne stopy zwrotu z indeksu WIG20 w modelach ekonometrycznych można przeprowadzić na podstawie wartości kryterium informacyjnego BIC, tzn najlepszej kombinacji zmiennych objaśniających będzie odpowiadała najwyższa wartość kryterium BIC F
Jeżeli wartość dziennej zwykłej stopy zwrotu z inwestycji w akcje spółki IBM wyniesie 0,002, to odpowiadająca jej wartość logarytmicznej stopy zwrotu ( odpowiadająca tej samej wartości zmiany ceny) wyniesie ln(1-0,002) F
Postac funkcyjna asymetrycznych modeli GARCH zakłada, że wartość warunkowej wariancji stóp zwrotu jest systematycznie wieksza bezpośrednio po okresach, w których zaobserwowano ujemną wartość nieoczekiwanej stopy zwrotu ( w porównaniu do wartości warunkowej wariancji zaobserwowanej po okresach o dodatniej nieoczekiwanej stopie zwrotu) P
W modelu Equally Weighted Moving Average każda z obserwacji kwadratów stóp zwrotu w ramach ruchomego okna ma taką samą wagę dla oszacowania zmienności w momencie t P
W celu otrzymania tygodniowej zwykłej stopy zwrotu z kursu walutowego EUR/USD możemy pomnozyć wartość siedmiu jednodniowych zwykłych stóp zwrotu z tego kursu ( odpowiadające kolejnym dniom tygodnia) F
Jeżli wynik testu McLeoda-Li przeprowadzonego w celu weryfikacji efektu grupowania zmienności dla miesięcznych stóp zwrotu z indeksu WIG wyniesie X (p=0,2), to przyjmując poziom istotności 0,01 wnioskujemy, że efekt ARCH nie wystepuje P
Wyższy niż 0 stopień integracji szeregu czasowego tygodniowych stóp zwrotu z kursu SP500 może sygnalizować wystąpieniem bąbla spekulacyjnego na tym rynku P
Jeśli odchylenie standardowe dziennych logarytmicznych stóp zwrotu wynosi 0,02, a stopy nie podlegają autokorelacji, to odchylenie standardowe dziesięciodniowych stóp zwrotu wyniesie 0,2 F
Wartość oczekiwanego niedoboru oszacowana przy założeniu o normalności rozkładu stóp zwrotu i przy poziomie istotności 0,01 pokazuje stratę mniejszą niż odpowiadająca jej wartość straty dla VaR (oszacowanej również dla poziomu istotności 0,01 i przy założeniu normalności rozkładu stóp zwrotu) F
Jeżeli wartość statystyki testowej dla testu Kupca Unconditional Coverage wynosi X(p=0,54) model VaR wydaje się być właściwie dopasowany do danych P
Na wykładzie z ekonometrii finansowej nie omawialiśmy takiej klasy modeli GARCH, w której logarytm naturalny wartości warunkowej wariancji w okresie t zależy m.in. od logarytmu naturalnego wartości wariancji w okresie poprzednim F
W teście statystycznym sprawdzającym czy autokorelacja stóp zwrotu pierwszego rzędu jest różna od zera statystyka √Tp(1) równa jest 5,08. Tymczasem wartość krytyczna dla testu wynosi 1,96 przy poziomie istotności 0,05. Nie ma podstaw do odrzucenia hipotezy o efektywności rynku F
Do testowania pół-silnej formy efektywności wykorzystuje się metodę analizy zdarzeń P
Testy liczby serii dla stóp zwrotu instrumentów finansowych polegają na zbadaniu, czy w notowaniach cen tych instrumentów można zaobserwować efekt GARCH F
Model rynkowy z sezonowymi zmiennymi objaśniającymi (np zero-jedynkowymi), który opisuje stopy zwrotu z wybranego portfela akcji, jest wykorzystywany do badania słabej formy efektywności rynku P
Sprawdzanie efektywności algorytmów handlu (np.filter rules ) polega na porównaniu zysków i ryzyka związanego z inwestycją pasywną typu `kupuj i trzymaj' z inwestycją wykorzystującą wybrany algorytm P
W testach sprawdzających ponadprzeciętną jakość prognoz poszczególnych doradców inwestycyjnych lub funduszy inwestycyjnych podstawowym problemem jest zakłócenie wyników obliczeń przez efekty nazywane `selection bias' i `survivorship bias' P
Jeśli spełniona jest słaba forma hipotezy efektywności rynku finansowwego, to istnieje statystycznie istotna przyczynowość w senise Grangera między stopami zwrotu z akcji a stopami zwrotu z kursu walutowego F
W ekonometrycznym modelu regresji
proponowanym przez Blacka, Jensena i Scholesa (1972) na podstawie oszacowań parametrów możliwa jest ocena czy odpowiednim modelem opisującym rynek jest `zero-beta CAPM' PPrzy wykorzystaniu modelu CAPM do analizy stop zwrotu z portfela instrumentów finansowych jeśli wariancja rynkowej stopy zwrotu wynosi 0,5 wariancja stopy zwrotu z analizowanego portfela akcji wynosi 0,9, a kowariancja między rynkową stopą zwrotu z analizowanego portfela akcji wynosi 1,8, to można wyliczyć wartość parametru β i jest ona równa 3,6 P
W analizie stóp zwrotu z wybranego instrumentu finansowego przy pomocy metody analizy zdarzeń jeśli nadzwyczajne stopy zwrotu dla pięciu kolejnych dni w oknie.... F
Zestaw G
Jednym z narzędzi weryfikacji modeli ekonometrycznych jest test łącznej istotności zmiennych P
Jeśli reszty modelu autoregresji AR(p) wykazują autokorelacje, oznacza to że przyjęto zbyt mały rząd opóźnień modelu. Można albo zwiększyć liczbę opóźnień, albo zostosować model ARMA P
Szeregi obserwacji kursów walutowych stanowią przykład stacjonarnych zmiennych ... F
Wzrost amplitudy wahań dla zmiennych finansowych może być związany ze wzrostem niepewności na danym rynku P
Jakości modelu AR(..) oszacowanego na podstawie szeregu czasowego stóp zwrotu nie można oceniać badając występowanie autokorelacji reszt z modelu za pomocą statystyki Durbina-Watsona P
Dla wydatków na pewne dobra otrzymano następującą wartość statystyki testu Dickeya-Fillera: 1,049 (p=0,999) Oznacza to, że nie można odrzucić hipotezy o braku stacjonarności tej zmiennej P
Wstępnie możemy wybrać liczbę opóżnień modelu ARMA na podstawie liczby statystycznie istotnych współczynników korelacji i korelacji cząstkowej P
Dobór zmiennych objaśniających dzienne stopy zwrotu z indeksu WIG20 w modelach ekonometrycznych można przeprowadzić na podstawie wartości kryterium informacyjnego BIC, tzn. Najlepszej kombinacji zmiennych objaśniających będzie odpowiadała najniższa wartość kryterium BIC P
Modele ARMA można stosować do prognozowania niestacjonarnych szeregów czasowychF
Jeśli w teście Engle'a nie odrzucono hipotezy zerowej, oznacza to, że trzeba uzupełnić równanie dla wartości oczekiwanej drugim równaniem, opisującm wariancje warunkowe ( czyli zbudować model ARCH) F
Jeżeli stopień integracji szeregu czasowego tygodniowych stóp zwrotu z kursu SP500 jest równy zero, fakt ten może sygnalizować wystąpienie bąbla spekulacyjnego na tym rynku F
W modelu Exponentially Weighted Moving Average (dla λ = 0,9) każda z obserwacji kwadratów stóp zwrotu ma taka samą wagę dla oszacowania zmienności w momencie t. F
W celu otrzymania tygodniowej zwykłej stopy zwrotu z kursu walutowego EUR/USD możemy dodać do siebie wartości siedmiu jednoniowych zwykłych stóp zwrotu z tego kursu ( odpowiadające kolejnym dniom tygodnia) F
Na wykładzie z ekonometrii finansowej omawialiśmy taka klasę modeli GARCH, w której logarytm naturalny wartości warunkowej wariancji w okresie t zależy m.in. od logarytmu naturalnego wartości wariancji w okresie poprzednim P
Postać funkcyjna asymetrycznych modeli GARCH zakłada, że wartość warunkowej wariancji stóp zwrotu jest systematycznie większa bezpośrednio po okresach, w których zaobserwowano ujemną wartość nieoczekiwanej stopy zwrotu ( w porównaniu do wartości warunkowej wariancji zaobserwowanej po okresach o dodatniej nieoczekiwanej stopie zwrotu) P
Jeżeli wynik testu McLeoda-Li przeprowadzonego w celu weryfikacji efektu grupowania zmienności dla miesięcznych stóp zwrotu z indeksu WIG wyniesie X (p=0,02), to przyjmując poziom istotności 0,01 wnioskujemy, że efekt ARCH, nie wystepuje P
Wartość oczekiwanego niedoboru oszacowana przy założeniu o normalności rozkładu stóp zwrotu i przy poziomie istotności 0,05 pokazuje stratę mniejszą niż wartość straty dla VaR (oszacowanej również dla poziomu istotności 0,05 i przy założeniu normalności rozkładu stóp zwrotu) F
Jeżeli wartość statystyki testowej dla testu Conditional coverage wynosi X (p=0,0002) model VaR jest właściwie dopasowany do danych F
Jeśli odchylenie standardowe dziennych logarytmicznych stóp zwrotu wynosi 0,01, a stopy te nie podlegają autokorelacji, to odchylenie standardowe dziewięciodniowych stóp zwrotu wyniesie 0,03 P
Jeżeli wartość dziennej zwykłej stopy zwrotu z inwestycji w akcje spółki IBM wyniesie 0,002 to odpowiadająca jej wartość logarytmicznej stopy zwrotu ( odpowiadająca tej samej wartości zmiany ceny) wyniesie ln(1+0,002) P
W analizie stóp zwrotu z wybranych instrumentów finansowych przy pomocy metody analizy zdarzeń statystyka CAR służy do wyliczenia skumulowanego wpływu analizowanego zdarzenia na stopy zwrotu z instrumentów finansowych ( np. Akcji, kursów walutowych, obligacji) P
W oknie zdarzenia analizuje się kointegrację cen portfela akcji i portfela obligacji przy pomocy testu ADF F
W analizie zdarzeń test nieparametryczny dla nadzwyczajnych stóp zwrotu polega na sprawdzeniu, czy liczba obserwacji z dodatnimi nadzwyczajnymi stopami zwrotu jest istotnie różna od liczby obserwacji z ujemnymi nadzwyczajnymi stopami zwrotu P
Przy wykorzystaniu modeli CAMP do analizy stóp zwrotu z portfeli instrumentów finansowych należy założyć, że parametr beta mierzący ryzyko systematyczne jest stały w czasie, a ryzyko niesystematyczne dla każdego portfela akcji jest równe 0 F
Jeśli warjancja rynkowej stopy zwrotu wynosi 0,5, wariancja stopy zwrotu z analizowanego portfela akcji wynosi 0,9, a kowariancja między rynkową stopą zwrotu i stopą zwrotu z analizowanego postfela akcji wynosi 1,8, to możemy wyliczyć wartość parametru beta w modelu CAMP i jest ona większa niż 2,7 P
Do oszacowania standardowej formy modelu CAMP wykorzystać można metodę najmniejszych kwadratów, a do warunkowej wersji CAMP - metodę EWMA P
Farma i MacBeth (1973) zaproponowali szacowanie parametrów modelu
w którym E(y2t)>0 wyklucza prawdziwość modelu CAMP PJeśli spełniona jest słaba forma hipotezy efektywności rynku finansowego, to współczynnik autokorelacji dziennych stóp zwrotu z akcji musi być bliski zeru, tak aby wykorzystanie informacji o autokorelacji nie pozwalalo uzyskiwać ponadprzeciętnych zysków P
Zestaw H
Składnik losowy spełniający założenia Klasycznej Metody Najmniejszych Kwadratów powinien mieć stałą wariancje P
Jeśli reszty modelu regresji wykazują zmienną wariancję, oznacza to, że są niestacjonarne P
Jakości modelu ARMA(1,2) oszacowanego na podstawie szeregu czasowego logarytmicznych stóp zwrotu nie można oceniać badając występowanie autokorelacji reszt z modelu za pomocą testu Ljunga-Boxa F
W celu zbadania autokorelacji wyższych rzędów można wykorzystać korelogram zmiennej P
Dla zwrotów logarytmicznych oprocentowania bonów skarbowych wyznaczono statystykę ADF. Wynik jest następujący ADF = -4,639 (p=0,0008). Oznacza to, że zwroty są niestacjonarne F
Dobór zmiennych objaśniających dzienne stopy zwrotu z indeksu WIG20 w modelach ekonometrycznych nie można przeprowadić na podstawie wartości kryterium informacyjnego BIC, natomiast można na podstawie kryterium AIC F
Rząd modelu autokorelacji AR(p) można dobrać startując od wybranej dużej liczby opóżnień i redukując na podstawie istotności kolejnych najdalszych opóżnień P
Modele ARMA dobrze nadają się do prognozowania zmiennych niestacjonarnych, np. Kursów walutowych F
Do testowania zmienności wariancji stosujemy m.in. test Engle'a P
W okresie kryzysu zapoczątkowanego kryzysem kredytów hipotecznych w USA, notowania indeksów giełdowych podległy stałym trendom wzrostowym F
Jeżeli wartość dziennej zwykłej stopy zwrotu z inwestycji w akcje spółki IBM wyniesie 0,002, to odpowiadająca jej wartość logarytmicznej stopy zwrotu (odpowiadająca tej samej wartości zmiany ceny) wyniesie ln(1-0,002) F
Postac funkcyjna asymetrycznych modeli GARCH zakłada, że wartość warunkowej wariancji stóp zwrotu jest systematycznie większa bezpośrednio po okresach, w których zaobserwowano ujemną wartość nieoczekiwanej stopy zwrotu ( w porównaniu do wartości warunkowej wariancji zaobserwowanej po okresach o dodatniej nioczekiwanej stopie zwrotu) P
W modelu Equally Weighted Moving Average każda z obserwacji kwadratów stóp zwrotu w ramach ruchomego okna ma taką samą wagę dla oszacowania zmienności w momencie t P
Wyższy niz 0 stopień integracji szeregu czasowego tygodniowych stóp zwrotu z kursu SP500 może sygnalizować wystąpienie bąbla spekulacyjnego na tym rynku P
Jeżeli wynik testu McLeoda-Li przeprowadzonego w celu weryfikacji efektu grupowania zmienności dla miesięcznych stóp zwrotu z indeksu WIG wyniesie X (p=0,01), to przyjmując poziom istotności 0,001 wnioskujemy, że efekt ARCH nie wystepuje ( nie mamy podstaw do odrzucenia H0) P
W celu otrzymania tygodniowej zwykłej stopy zwrotu z kursu walutowego EUR/USD możemy pomnożyć wartość siedmiu jednodniowych zwykłych stóp zwrotu z tego kursu ( odpowiadające kolejnym dniom tygodnia) F
Jeśli odchylenie standardowe dziennych logarytmicznych stóp zwrotu wynosi 0,02, a stopy te nie podlegają autokorelacji, to odchylenie standardowe dziewięciodniowych stóp zwrotu wyniesie 0,06 P
Wartość oczekiwanego niedoboru oszacowana przy założeniu o normalności rozkładu stóp zwrotu i przy poziomie istotności 0,01 pokazuje stratę mniejszą niż odpowiadająca jej wartość VaR (oszacowana również dla poziomu istotności 0,01 i przy założeniu normalności rozkładu stóp zwrotu) F
Jeżeli wartość statystyki testowej dla testu Conditional Coverage wynosi X (p=0,0054) model VaR wydaje się być właściwie dopasowany do danych F
Na wykładzie z ekonometrii finansowej nie omawialiśmy takiej klasy modeli GARCH, w której logarytm naturalny wartości warunkowej wariancji w okresie t zależy m.in. logarytmu naturalnego wartości warunkowej wariancji w okresie poprzednim F
W standardowym teście na autokorelacje stóp zwrotu wynik testu wskazujący na brak podstaw do odrzucenia hipozy zerowej sugeruje, że rynek finansowy jest efektywny P
Charakterystyki spółek, np wielkość aktywów, kapitalizacja, czy relacja wyceny rynkowej do wartości księgowej spółki służą w testach słabej formy efektywności do prognozowania przyszłych stóp zwrotu z akcji tych spółek P
W testach sprawdzających ponadprzeciętną jakość prognoz poszczególnych doradców inwestycyjnych lub funduszy inwestycyjnych podstawowym problemem jest zakłócenie wyników obliczeń prze efektu nazywane `selection bias' i `survivorship bias' P
W teście statystycznym sprawdzającym czy autokorelacja stóp zwrotu rzędu pierwszego jest różna od zera statystyka √Tp(1) równa jest 0,58. Tymczasem wartość krytyczna dla testu wynosi 1,96 przy poziomie istotności 0,05. Nie ma podstaw do odrzucenia hipotezy o efektywności rynku P
Jeśli spełniona jest słaba forma hipotezy efektywności rynku finansowego, to Statystyka ilorazu wariancji VR(2) dla stóp zwrotu z akcji powinna wskazywać wartość bliską (tzn statystycznie nieistotnie różną od) 2 F
W ekonometrycznym modelu regresji
zaproponowanym przez Blacka, Jensena i Scholesa (1972) szacowana jest miara `beta' ryzyka systematycznego z portfela przy pomocy metody najmniejszych kwadratów i przy użyciu danych w postaci szeregów czasowych PFama i MacBeth (1973) zaproponowali szacowanie parametrów modelu
. Parametry β ryzyka systematycznego dla każdego portfela akcji wyliczane są na podstawie danych w postaci szeregów czasowych, natomiast do dalszych testów wykorzystywane m.in. dane przekrojowe PJeśli wariancja rynkowej stopy zwrotu wynosi 0,5, wariancja stopy zwrotu z analizowanego portfela akcji wynosi 0,9, a kowariancja między rynkową stopą zwrotu i stopą zwrotu z analizowanego portfela akcji wynosi 1,8, to można wyliczyć wartość parametru beta i jest ona równa 3,6 P
Statystyka CAR służy do wyliczenia skumulowanego wpływu analizowanego zdarzenia na stopy zwrotu z instrumentów finansowych (np akcji, kursów walutowych, obligacji) P
Jesli w metodzie analizy zdarzeń w nieparametrycznym teście znaków liczba obserwacji dodatnich nadzwyczajnych stóp zwrotu wynosi 85 na 100 wszystkich obserwacji w oknie zdarzenia, a wartość krytyczna testu przy poziomie istotności 0,05 wynosi 1,96 to wynik ten interpretujemy jako statystycznie istotny wpływ zdarzenia na analizowane stopy zwrotu P
Wyszukiwarka