Sprawozdanie z Laboratoriów z przedmiotu Ekonometria Finansowa.
W owym raporcie użyte zostały dwie spółki giełdowe SPO i TEL.
Rysunek 1. Wykres szeregu czasowego spółki spółki SPO i TEL - porównanie
Asymetria występuje ponieważ widać szybkie spadki i szybkie wzrosty na przestrzeni lat.
Rysunek 2. Wykres szeregu czasowego spółki spółki LNSPO i LNTEL - porównanie
Rysunek 3. Wykres szeregu czasowego logarytmicznych stóp zwrotu spółki RNSPO i RNTEL - porównanie
Zmienność grupowana koło zera, świadczy o tym że tendencja kształtuje się koło zera.
Widać także charakterystyczne finansowych skupienia zmienności będące przejawem zjawiska zwanego grupowaniem wariancji.
Przedstawiam wyniki testów parametrycznych owych spółek.
SPO
Średnia: |
0,05 |
Odchylenie Standardowe: |
1,29 |
Współczynnik Skośności |
-0,35 |
Współczynnik Kurtozy |
6,57 |
Dla akcji SPO średnia wynosi 0,05 z odchyleniem standardowym 1,29.
Asymetria rozkładu jest lewostronna czyli szeregu charakteryzował się tzw. .ciężkim lewym ogonem ponieważ współczynnik skośności jest ujemy i wynosi -0,35.
Rozkład jest leptokurtyczny a więc wartości były bardziej skoncentrowane w porównaniu z rozkładem normalnym. Wartość kurtozy jest dodatnia i wynosi 4,55.
TEL
Średnia |
- 0,03 |
Odchylenie Standardowe: |
1,97 |
Współczynnik Skośności |
0,00 |
Współczynnik Kurtozy |
1,20 |
Dla akcji TEL średnia wynosi -0,03 z odchyleniem standardowym 1,97.
Asymetria rozkładu jest symetryczna ponieważ współczynnik skośności ma wartość 0,00.
Rozkład jest leptokurtyczny a więc wartości były bardziej skoncentrowane w porównaniu z rozkładem normalnym. Wartość kurtozy jest dodatnia i wynosi 1,20.
Badanie stacjonarnosci szeregów czasowych
1. Funkcje autokorelacji i autokorelacji cząstkowej (autocorrelations function - ACF)
Rysunek 4. Wykresy funkcji ACF i PACF dla l=33 opóźnień dla spółki RSPO
Funkcja autokorelacji (ACF) i autokorelacji cząstkowej (PACF), test autokorelacji Ljunga-Boxa (Q) dla procesu: RSPO
Opóźnienia ACF PACF Ljung-Box Q [wartość p]
1 0,1085 *** 0,1085 *** 25,6413 [0,000]
2 0,0832 *** 0,0722 *** 40,7155 [0,000]
3 0,0726 *** 0,0574 *** 52,2245 [0,000]
4 0,0751 *** 0,0575 *** 64,5435 [0,000]
5 -0,0170 -0,0401 * 65,1773 [0,000]
6 0,0345 0,0272 67,7705 [0,000]
7 0,0572 *** 0,0485 ** 74,9234 [0,000]
8 -0,0084 -0,0240 75,0788 [0,000]
9 0,0499 ** 0,0476 ** 80,5175 [0,000]
10 0,0474 ** 0,0306 85,4429 [0,000]
11 -0,0236 -0,0421 ** 86,6619 [0,000]
12 -0,0013 -0,0006 86,6653 [0,000]
13 0,0511 ** 0,0429 ** 92,3845 [0,000]
14 0,0076 -0,0013 92,5117 [0,000]
15 0,0322 0,0331 94,7867 [0,000]
16 0,0256 0,0054 96,2261 [0,000]
17 0,0308 0,0166 98,3122 [0,000]
18 0,0260 0,0227 99,8010 [0,000]
19 0,0580 *** 0,0394 * 107,1925 [0,000]
20 0,0132 -0,0049 107,5778 [0,000]
21 -0,0201 -0,0295 108,4696 [0,000]
22 0,0396 * 0,0300 111,9220 [0,000]
23 -0,0214 -0,0360 * 112,9273 [0,000]
24 0,0090 0,0136 113,1059 [0,000]
25 0,0220 0,0188 114,1770 [0,000]
26 0,0297 0,0147 116,1252 [0,000]
27 -0,0199 -0,0224 116,9952 [0,000]
28 0,0435 ** 0,0356 * 121,1644 [0,000]
29 0,0193 0,0040 121,9861 [0,000]
30 -0,0270 -0,0282 123,5911 [0,000]
31 0,0085 0,0080 123,7503 [0,000]
32 0,0109 -0,0045 124,0137 [0,000]
33 -0,0371 * -0,0358 * 127,0589 [0,000]
Funkcja autokorelacji cząstkowej (partial autocorrelations function - PACF)
Pozwoliła ocenić rząd opóźnienia badanego procesu dla modelu autoregresji AR(k) na
podstawie statystyki Quenouilla . Współczynnik autokorelacji cząstkowej jest mniejszy od statystyki Q nie ma podstaw do odrzucenia hipotezy o braku związku pomiędzy procesami o odstępie równym k współczynników autokorelacji. Współczynniki autokorelacji nie są statystycznie istotne.
.
Rysunek 5. Wykresy funkcji ACF i PACF dla l=33 opóźnień dla spółki RTEL
Funkcja autokorelacji (ACF) i autokorelacji cząstkowej (PACF), test autokorelacji Ljunga-Boxa (Q) dla procesu: RTEL
Opóźnienia ACF PACF Ljung-Box Q [wartość p]
1 0,0201 0,0201 0,8774 [0,349]
2 -0,0030 -0,0034 0,8973 [0,638]
3 -0,0184 -0,0183 1,6393 [0,651]
4 0,0138 0,0145 2,0527 [0,726]
5 -0,0020 -0,0027 2,0612 [0,841]
6 -0,0265 -0,0266 3,5895 [0,732]
7 -0,0073 -0,0057 3,7049 [0,813]
8 0,0064 0,0063 3,7949 [0,875]
9 0,0171 0,0159 4,4324 [0,881]
10 -0,0099 -0,0101 4,6469 [0,913]
11 -0,0121 -0,0113 4,9660 [0,933]
12 0,0097 0,0099 5,1725 [0,952]
13 -0,0236 -0,0252 6,3887 [0,931]
14 0,0158 0,0171 6,9369 [0,937]
15 0,0002 0,0010 6,9370 [0,959]
16 0,0189 0,0174 7,7187 [0,957]
17 -0,0183 -0,0187 8,4498 [0,956]
18 -0,0175 -0,0170 9,1196 [0,957]
19 -0,0645 *** -0,0641 *** 18,2576 [0,505]
20 -0,0257 -0,0238 19,7058 [0,476]
21 0,0177 0,0184 20,3970 [0,496]
22 -0,0261 -0,0275 21,9015 [0,466]
23 -0,0248 -0,0246 23,2555 [0,446]
24 0,0334 0,0339 25,7179 [0,368]
25 0,0409 * 0,0352 29,4079 [0,247]
26 0,0199 0,0167 30,2826 [0,256]
27 0,0072 0,0115 30,3969 [0,297]
28 0,0090 0,0094 30,5769 [0,336]
29 0,0154 0,0135 31,0979 [0,361]
30 -0,0337 -0,0368 * 33,6060 [0,297]
31 -0,0100 -0,0044 33,8286 [0,332]
32 0,0254 0,0253 35,2495 [0,317]
33 -0,0767 *** -0,0814 *** 48,2520 [0,042]
Funkcja autokorelacji cząstkowej (partial autocorrelations function - PACF)
Pozwoliła ocenić rząd opóźnienia badanego procesu dla modelu autoregresji AR(k) na
podstawie statystyki Quenouilla . Współczynnik autokorelacji cząstkowej jest mniejszy od statystyki Q nie ma podstaw do odrzucenia hipotezy o braku związku pomiędzy procesami o odstępie równym k współczynników autokorelacji. Współczynniki autokorelacji nie są statystycznie istotne.
.
2. Test Normalności rozkładu
Test na normalność rozkładu RSPO:
Doornik-Hansen test = 1194,13, z wartością p 4,99728e-260
Shapiro-Wilk W = 0,930225, z wartością p 1,01142e-030
Lilliefors test = 0,0800675, z wartością p ~= 0
Jarque-Bera test = 3935,77, z wartością p 0
Na podstawie testów normalności rozkładu zweryfikowaliśmy hipotezę o brak podstaw od przyjęcia hipotezy zerowej, że składniki losowe mają rozkład normalny, odrzucamy hipotezę zerową na rzecz hipotezy alternatywnej.
Test na normalność rozkładu RTEL:
Doornik-Hansen test = 97,1248, z wartością p 8,12121e-022
Shapiro-Wilk W = 0,989063, z wartością p 8,21254e-012
Lilliefors test = 0,0363641, z wartością p ~= 0
Jarque-Bera test = 129,698, z wartością p 6,86333e-029
Na podstawie testów normalności rozkładu zweryfikowaliśmy hipotezę o brak podstaw od przyjęcia hipotezy zerowej, że składniki losowe mają rozkład normalny, odrzucamy hipotezę zerową na rzecz hipotezy alternatywnej.
Rysunek 6. Histogram Logarytmicznych stóp zwrotu dla RSPO
Rysunek 7. Histogram Logarytmicznych stóp zwrotu dla RTEL
2. Rozszerzony test Dickeya - Fullera na pierwiastki jednostkowe
ADF test dla spółki SPO
Rozszerzony test Dickeya-Fullera dla procesu RSPO
dla opóźnienia pierwszego rzędu procesu (1-L)RSPO
liczebność próby 2174
Hipoteza zerowa: występuje pierwiastek jednostkowy a = 1; proces I(1)
test z wyrazem wolnym (const)
model: (1-L)y = b0 + (a-1)*y(-1) + ... + e
Autokorelacja reszt rzędu pierwszego: -0,004
estymowana wartość (a-1) wynosi: -0,826574
Statystyka testu: tau_c(1) = -28,8733
asymptotyczna wartość p = 4,882e-050
z wyrazem wolnym i trendem liniowym
model: (1-L)y = b0 + b1*t + (a-1)*y(-1) + ... + e
Autokorelacja reszt rzędu pierwszego: -0,004
estymowana wartość (a-1) wynosi: -0,827454
Statystyka testu: tau_ct(1) = -28,8864
asymptotyczna wartość p = 6,389e-058
z wyrazem wolnym, trendem liniowym i trendem kwadratowym
model: (1-L)y = b0 + b1*t + b2*t^2 + (a-1)*y(-1) + ... + e
Autokorelacja reszt rzędu pierwszego: -0,004
estymowana wartość (a-1) wynosi: -0,827913
Statystyka testu: tau_ctt(1) = -28,8879
asymptotyczna wartość p = 6,389e-058
ADF test dla spółki TEL
Rozszerzony test Dickeya-Fullera dla procesu RTEL
dla opóźnienia pierwszego rzędu procesu (1-L)RTEL
liczebność próby 2174
Hipoteza zerowa: występuje pierwiastek jednostkowy a = 1; proces I(1)
test z wyrazem wolnym (const)
model: (1-L)y = b0 + (a-1)*y(-1) + ... + e
Autokorelacja reszt rzędu pierwszego: -0,000
estymowana wartość (a-1) wynosi: -0,983292
Statystyka testu: tau_c(1) = -32,7256
asymptotyczna wartość p = 5,659e-043
z wyrazem wolnym i trendem liniowym
model: (1-L)y = b0 + b1*t + (a-1)*y(-1) + ... + e
Autokorelacja reszt rzędu pierwszego: -0,000
estymowana wartość (a-1) wynosi: -0,984975
Statystyka testu: tau_ct(1) = -32,7596
asymptotyczna wartość p = 6,389e-058
z wyrazem wolnym, trendem liniowym i trendem kwadratowym
model: (1-L)y = b0 + b1*t + b2*t^2 + (a-1)*y(-1) + ... + e
Autokorelacja reszt rzędu pierwszego: -0,000
estymowana wartość (a-1) wynosi: -0,99062
Statystyka testu: tau_ctt(1) = -32,8942
asymptotyczna wartość p = 6,389e-058
Na podstawie wyniku testów ADF dla logarytmicznych stóp zwrotu zmiennej SPO i TEL stwierdzono, że należy odrzucić hipotezę zerową zakładającą istnienie pierwiastka jednostkowego na rzecz alternatywnej. Szereg jest stacjonarny.
3. Do badania stacjonarności szeregów wykorzystaliśmy test Kwiatkowskiego-Phillipsa-
Schmidta-Shina (KPSS), w którym hipoteza zerowa mówi o stacjonarności badanego
szeregu, natomiast hipoteza alternatywna o występowaniu pierwiastka jednostkowego.
KPSS
Hipoteza zerowa: proces stacjonarny; test KPSS dla zmiennej RSPO (bez trendu)
Parametr rzędu opóźnienia (lag truncation) = 8
Statystyka testu = 0,297895
|
10% |
5% |
2,5% |
1% |
Krytyczna wart.: |
0,347 |
0,463 |
0,574 |
0,739 |
Hipoteza zerowa: proces stacjonarny; test KPSS dla zmiennej RTEL (bez trendu)
Parametr rzędu opóźnienia (lag truncation) = 8
Statystyka testu = 0,353296
|
10% |
5% |
2,5% |
1% |
Krytyczna wart.: |
0,347 |
0,463 |
0,574 |
0,739 |
Na podstawie wyniku testów KPSS dla logarytmicznych stóp zwrotu zmiennej SPO i TEL stwierdzono brak podstaw do odrzucenia hipotezy zerowej na rzecz alternatywnej. Szereg jest stacjonarny.
Test Kruskala - Wallisa
|
SPO |
||||
|
Poniedziałek |
Wtorek |
Środa |
Czwartek |
Piątek |
Średnia |
-159,5490
|
63,5266
|
41,4907
|
29,0971
|
23,9595
|
Mediana |
-160,9438
|
69,3147
|
40,5465
|
28,7682
|
22,3144
|
Odchylenie |
10,8308
|
28,9208
|
12,8371
|
5,9272
|
8,9385
|
Z(Sr) |
-306,1790
|
45,9708
|
68,0277
|
101,6784
|
55,8416
|
Skośność |
10,7130
|
-4,8369
|
0,8763
|
1,3359
|
9,6413
|
Z(Sk) |
90,9028
|
-41,3265
|
7,5297
|
11,2961
|
81,9983
|
Kurtoza |
132,7550
|
21,6496
|
34,0395
|
53,9353
|
130,1157
|
Z(Kr) |
239,4789
|
97,3783
|
122,7986
|
152,1126
|
237,6346
|
K-W |
6,4765 |
---- |
---- |
---- |
---- |
Test Kruskala - Wallisa dla średnich logarytmicznych stóp zwrotu z indeksów SPO nie daje podstaw do dorzucenia hipotez zerowej na rzecz alternatywnej. Można stwierdzić, że próbki pochodzą z podobnych populacji.
Test Mediany dla S --> PO - 2,9343[Author:K]
Wartość statystyki jest mniejsza niż wartość krytyczna odczytana z tablic rozkładu
. Brak podstaw do dorzucenia hipotezy zerowej.
Test Kruskala - Wallisa
|
TEL |
||||
|
Poniedziałek |
Wtorek |
Środa |
Czwartek |
Piątek |
Średnia |
-0,0319
|
-0,0836
|
-0,0959
|
0,0786
|
-0,0167
|
Mediana |
0,0376
|
-0,0897
|
-0,1262
|
-0,0964
|
-0,0709
|
Odchylenie |
2,0017
|
2,0296
|
2,0045
|
1,9757
|
1,8347
|
Z(Sr) |
-0,3312
|
-0,8621
|
-1,0070
|
0,8240
|
-0,1896
|
Skośność |
-0,2113
|
-0,0712
|
0,3576
|
0,2324
|
-0,3759
|
Z(Sk) |
-1,7929
|
-0,6083
|
3,0727
|
1,9651
|
-3,1970
|
Kurtoza |
0,9083
|
1,3292
|
1,1907
|
1,2880
|
1,3519
|
Z(Kr) |
19,8087
|
24,1286
|
22,9669
|
23,5064
|
24,2224
|
K-W |
2,6684 |
---- |
---- |
---- |
---- |
Test Kruskala - Wallisa dla średnich logarytmicznych stóp zwrotu z indeksów TEL nie daje podstaw do dorzucenia hipotez zerowej na rzecz alternatywnej. Można stwierdzić, że próbki pochodzą z podobnych populacji.
Test Mediany dla TEL - 2,2532
Wartość statystyki jest mniejsza niż wartość krytyczna odczytana z tablic rozkładu
. Brak podstaw do dorzucenia hipotezy zerowej.
Spis Wykresów:
TO JEST OK.??
TAK