BazEkon - Biblioteka Główna Uniwersytetu Ekonomicznego w Krakowie

BazEkon home page

Meny główne

Autor
Wawrzyniak Katarzyna (Zachodniopomorski Uniwersytet Technologiczny w Szczecinie), Batóg Barbara (Uniwersytet Szczeciński)
Tytuł
Międzysektorowe porównanie stóp zwrotu na GPW w Warszawie za pomocą modeli dla zmiennych jakościowych
Intersectoral Comparison of Rates of Return on Warsaw Stock Exchange by Means of Ordinal Logit Models
Źródło
Finanse, Rynki Finansowe, Ubezpieczenia, 2017, nr 2 (86), s. 251-262, rys., tab., bibliogr. 17 poz.
Tytuł własny numeru
Rynek kapitałowy : skuteczne inwestowanie
Słowa kluczowe
Stopa zwrotu akcji, Modele ekonometryczne, Model logitowy, Wskaźniki finansowe
Stock rate of returns, Econometric models, Logit model, Financial indicators
Uwagi
streszcz., summ.
Abstrakt
Cel - Zaprezentowanie wyników badań dotyczących porównania rocznych stóp zwrotu dla spółek giełdowych z makrosektora Przemysł. Metodologia badania - Narzędziem badawczym były porządkowe modele logitowe. Warianty zmiennej zależnej zdefiniowano na podstawie rozkładów rocznych stóp zwrotu, a zmiennymi objaśniającymi były wybrane wskaźniki charakteryzujące sytuację finansową spółek. Wynik - Porównanie przeprowadzono dla 14 sektorów, a jego efektem końcowym było wskazanie tych sektorów, w których większość spółek charakteryzowała się wysoką roczną stopą zwrotu w powiązaniu z sytuacją finansową mierzoną poziomem wybranych wskaźników finansowych. Oryginalność/Wartość - Badania własne pozwalające na ocenę relacji między roczna stopą zwrotu a sytuacja finansową spółek.(abstrakt oryginalny)

Purpose - Presentation of the results of the research concerning the comparison of yearly rates of return for firms from macrosector Industry noted on Warsaw Stock Exchange. Design/Methodology/approach - The ordered logit models were applied. The categories of dependent variable were defined on the base of distribution of yearly rates of return in 2014 and financial ratios in 2013 and 2014 were potential independent variables. Findings - The comparison was conducted for 14 sectors and as the result the sectors in which most of the firms were characterized by high yearly rate of return connected with financial situation were indicated. Originality/Value - Authors' own research allows to evaluate the relationship between yearly rate of return and financial situation of firms.
Dostępne w
Biblioteka Główna Uniwersytetu Ekonomicznego w Krakowie
Biblioteka Szkoły Głównej Handlowej w Warszawie
Biblioteka Główna Uniwersytetu Ekonomicznego w Katowicach
Biblioteka Główna Uniwersytetu Ekonomicznego w Poznaniu
Biblioteka Główna Uniwersytetu Szczecińskiego
Pełny tekst
Pokaż
Bibliografia
Pokaż
  1. Arendarski, P. (2011). Wykorzystanie modelu probitowego w procesie alokacji aktywów na międzynarodowych rynkach finansowych w latach 2002-2009. Rozprawa doktorska. Uniwersytet Ekonomiczny w Poznaniu.
  2. Batóg, B., Wawrzyniak, K. (2013). Funkcja diagnostyczno-prognostyczna porządkowych modeli logitowych kwartalnej stopy zwrotu dla spółek z sektora Budownictwo. Zeszyty Naukowe Uniwersytetu Szczecińskiego, 768. Finanse, Rynki Finansowe, Ubezpieczenia, 63, 491-506.
  3. Batóg, B., Wawrzyniak, K. (2015). Sytuacja ekonomiczno-finansowa a poziom stóp zwrotu spółek giełdowych z wybranego sektora. Zeszyty Naukowe Uniwersytetu Szczecińskiego, 862. Finanse, Rynki Finansowe, Ubezpieczenia, 75, 55-66.
  4. Bieszk-Stolorz, B., Markowicz, I. (2012). Zastosowanie modelu logitowego i modelu regresji Coxa w analizie zmian cen akcji spółek giełdowych w wyniku kryzysu finansowego. Prace Naukowe Uniwersytetu Ekonomicznego we Wrocławiu. Inwestycje finansowe i ubezpieczenia - tendencje światowe a rynek polski, 254, 33-41.
  5. Cramer, J.S. (2003). Logit Models from Economics and Other Fields. Cambridge: Cambridge University Press.
  6. Gruszczyński, M. (2001). Modele i prognozy zmiennych jakościowych w finansach i bankowości. Warszawa: Oficyna Wydawnicza SGH.
  7. Gruszczyński, M. (2010). Mikroekonometria. Modele i metody analizy danych indywidualnych. Warszawa: Wolters Kluwer.
  8. Gruszczyński, M. (2012). Empiryczne finanse przedsiębiorstw. Mikroekonometria finansowa. Warszawa: Difin.
  9. Kisielińska, J., Waszkowski, A. (2010). Polskie modele do prognozowania bankructwa przedsiębiorstw i ich weryfikacja. Zeszyty Naukowe SGGW w Warszawie. Ekonomika i Organizacja Gospodarki Żywnościowej, 82, 17-31.
  10. Kleinbaum, D.G., Klein, M. (2002). Logistic Regression. New York: Springer.
  11. Młodak, A. (2006). Analiza taksonomiczna w statystyce regionalnej. Warszawa: Difin.
  12. Nowak, E. (1990). Metody taksonomiczne w klasyfikacji obiektów społeczno-gospodarczych. Warszawa: PWE.
  13. Piszczek, R. (2009). Zastosowanie modelu logit w modelowaniu upadłości. Prace Naukowe Uniwersytetu Ekonomicznego we Wrocławiu. Ekonometria, Zastosowanie matematyki w ekonomii, 26, 133-148.
  14. Pociecha, J., Pawełek, B., Baryła, M., Augustyn, S. (2014). Statystyczne metody prognozowania bankructwa w zmieniającej się koniunkturze gospodarczej. Kraków: Fundacja Uniwersytetu Ekonomicznego w Krakowie.
  15. Prusak, B. (2008). Stopy zwrotu z akcji a wskaźniki rynkowe. Ekonomika i Organizacja Przedsiębiorstwa, 2, 53-60.
  16. Waszkowski, A. (2013). Wielomianowe modele zagrożenia finansowego przedsiębiorstw. Zarządzanie i Finanse, 11 (1/4), 569-579.
  17. www.bossa.pl (dostęp 15.06.2016).
Cytowane przez
Pokaż
ISSN
2450-7741
Język
pol
URI / DOI
http://dx.doi.org/10.18276/frfu.2017.86-21
Udostępnij na Facebooku Udostępnij na Twitterze Udostępnij na Google+ Udostępnij na Pinterest Udostępnij na LinkedIn Wyślij znajomemu