- Author
- Kołatka Marek (Uniwersytet Gdański)
- Title
- Warunki rynkowe a krótkookresowe możliwości prognostyczne na polskiej giełdzie papierów wartościowych
Market Conditions and Short-Term Forecasting Opportunities on the Polish Stock Exchange - Source
- Optimum : Economic Studies, 2023, nr 2 (112), s. 162-176, tab., rys., bibliogr. s. 175-176
- Keyword
- Giełda papierów wartościowych, Prognozowanie, Prognozowanie notowań giełdowych
Stock market, Forecasting, Stock exchange prediction - Note
- JEL Classification: G11, G14
summ., streszcz. - Abstract
- Cel - Weryfikacja, czy warunki rynkowe są powiązane z możliwościami wyznaczania skutecznych prognoz w krótkim okresie na polskiej giełdzie papierów wartościowych. Metoda badań - Zastosowano test autokorelacji Quenouille'a w celu weryfikacji wystąpienia korelacji między stopami zwrotu w podokresach. Wyznaczono warunki rynkowe: rynek hossy/bessy, okres: byka, niedźwiedzia i normalny, wystąpienie kryzysu oraz poziom zmienności. Wykorzystano test χ2 oraz współczynnik korelacji rho-Spearmana, aby ocenić siłę, kierunek i istotność powiązań między warunkami rynkowymi a możliwościami prognozy przyszłej stopy zwrotu. Wnioski - Stwierdzono występowanie w podokresach istotnych powiązań między stopami zwrotu z indeksu WIG. Możliwości prognostyczne wzrastały w okresach hossy, rynku byka i w okres większej zmienności na rynkach. Możliwości prognostyczne malały w okresach bessy, normalnych i kryzysów. Oryginalność / wartość / implikacje / rekomendacje - Opisano, w jaki sposób można określić warunki rynkowe oraz wskazano, podczas których warunków rynkowych wzrastają lub maleją szanse na wyznaczenie skutecznych prognoz inwestycyjnych na polskiej giełdzie. (abstrakt oryginalny)
Purpose - Verifying that market conditions are related to the ability to provide effective forecasts on the Polish stock exchange in the short-term. Research method - A Quenouille autocorrelation test was applied to verify the occurrence of correlations between returns in sub-periods. Market conditions were determined: boom/bust market, bull, bear and normal periods, the occurrence of a crisis and the level of volatility. The χ2 test and the rho-Spearman correlation coefficient were used to assess the strength, direction and significance of the relationship between market conditions and the ability to forecast future returns. Results - Sub-periods of significant correlations between WIG returns were found. Forecasting opportunities increased during boom periods, bull markets and periods of higher market volatility. Prognostic possibilities decreased during bust, normal and crisis periods. Originality / value / implications / recommendations - A description of how market conditions can be determined and an indication during which market conditions the chances of determining successful investment forecasts on the Polish stock market increase or decrease are provided. (original abstract) - Full text
- Show
- Bibliography
- Akyildirim E., Goncu A., Sensoy A., 2021, Prediction of Cryptocurrency Returns Using Machine Learning, "Ann Oper Res", Vol. 297, pp. 3-36, DOI: 10.1007/s10479-020-03575-y.
- Anderson T.G., Bollerslev T., Diebold F.X., Labys P., 2003, Modeling and Forecasting Realized Volatility, "Econometrica", Vol. 71(2), pp. 579-625, DOI: 10.2139/ssrn.267792.
- Cheema M.A., Faff R., Szulczyk K.R., 2022, The 2008 Global Financial Crisis and COVID-19 Pandemic: How Safe Are the Safe Haven Assets?, "International Review of Financial Analysis", Vol. 83, pp. 1-13, DOI: 10.10l6/j.irfa.2022.1023l6.
- Chiodo A.J., Owyang M.T., 2002, A Case Study of a Currency Crisis: The Russian Default of1998, "The Federal Reserve Bank of St. Louis", Vol. 84(6), pp. 7-17, DOI: 10.20955/r.84.7-18.
- Dias R., Teixeira N., Machova V., Pardal P., Horak J., Vochozka M., 2020, Random Walks and Market Efficiency Tests: Evidence on US, Chinese and European Capital Markets Within the Context of the Global COVID-19 Pandemic, "Oeconomia Copernicana", Vol. 11(4), pp. 585-608, DOI: 10.24136/oc.2020.024.
- Evangelos V., 2021, Efficient Markets Hypothesis in the Time of COVID-19, "Review of Economic Analysis", Vol. 13(1), pp. 45-62, DOI: 10.15353/rea.v13i1.1799.
- Fabozzi F.J., Francis J.C., 1977, Stability Tests for Alphas and Betas Over Bull and Bear Market Conditions, "The Journal of Finance", Vol. 32(4), pp. 1093-1099, DOI: 10.2307/2326515.
- Fama E.F., 1970, Efficient Capital Markets: A Review of Theory and Empirical Work, "The Journal of Finance", Vol. 25(2), pp. 383-417, DOI: 10.2307/2325486.
- Fan M. H., Chen M.Y., Liao E.C., 2021, A Deep Learning Approach for Financial Market Prediction: Utilization of Google Trends and Keywords, "Granular Computing", Vol. 6, pp. 207-216, DOI: 10.1007/s41066-019-00181-7.
- Górska A., Krawiec M., 2017, Analiza efektywności informacyjnej w formie słabej na rynkach "soft commodities"z wykorzystaniem wybranych testów statystycznych, "Problemy Rolnictwa Światowego", nr 17(3), s. 81-92, DOI: 10.22630/PRS.2017.17.3.55.
- Guerrien B., Gun O., 2011, Efficient Market Hypothesis: What Are We Talking About?, "Real-World Economic Review", Vol. 56, pp. 19-30.
- Jóźwiak J., Podgórski J., 2012, Statystyka od podstaw, wyd. VII, Polskie Wydawnictwo Ekonomiczne, Warszawa.
- Karasiński J., 2020, The Changing Efficiency of the European Stock Markets, "Annales Uni-versitatis Mariae Curie-Skłodowska, sectio H - Oeconomia", Vol. 54(1), pp. 41-51, DOI:10.17951/h.2020.54.1.41-51.
- Khedr A.E., Salama S.E., Hegazy N.Y., 2017, Predicting Stock Market Behavior using Data Mining Technique and News Sentiment Analysis, "International Journal of Intelligent Systems and Applications", Vol. 9(7), pp. 22-30, DOI: 10.5815/ijisa.2017.07.03.
- Klein A., Rosenfeld J., 1987, The Influence of Market Conditions on Event-Study Residuals, "The Journal of Financial and Quantitative Analysis", Vol. 22(3), pp. 345-351, DOI: 10.2307/2330968.
- Ku S., Seneta E.,1996, Quenouille-Type Theorem on Autocorrelation, "Annals of the Institute of Statistical Mathematics", Vol. 48(4), pp. 621-630, DOI: 10.1007/BF00052323.
- Pang X., Zhou Y., Wang P., Lin W., Chang V., 2020, An Innovative Neural Network Approach for Stock Market Prediction, "The Journal Supercomputing", Vol. 76, pp. 20982118, DOI: 10.1007/s11227-017-2228-y.
- Smith B.M., 2004, A History of the Global Stock Market: From Ancient Rome to Silicon Valley, The University of Chicago Press, Chicago.
- Solek A., 2010, Ekonomia behawioralna a ekonomia neoklasyczna, "Zeszyty Naukowe Polskiego Towarzystwa Ekonomicznego", nr 8, s. 21-34.
- Sulewski P., 2013, Wielowymiarowe uogólnienie testu niezależności, "Wiadomości Statystyczne", nr 58(12), s. 27-41.
- www 1, https://www.nber.org/cycles [data dostępu: 20.12.2022].
- Cited by
- ISSN
- 1506-7637
- Language
- pol
- URI / DOI
- http://dx.doi.org/10.15290/oes.2023.02.112.09