Teoria prognozowania

Dynamika cen

          Testy modelu Gordona wykazały, że ceny akcji rzeczywiście zależą od oczekiwanych dywidend i ich dynamiki wzrostu w przyszłości. W ten sposób możemy wyodrębnić akcje niedowartościowane, przewartościowane oraz dobrze wycenione przez rynek. Z badań tych nie wynika jednak czy akcje niedowartościowane charakteryzują się większymi stopami zwrotu niż pozostałe i czy po jakimś czasie zostaną one poprawnie wycenione przez rynek. Badania te, wyjaśniają raczej powody, dla których jedne akcje kosztują 200 USD a inne 30 USD, niż to, jakie stopy zwrotu osiągną one w określonym przedziale czasu. Prawdą jest także, że modele, które wyjaśniają zachowanie się cen wykazują zawsze większe dopasowanie do danych empirycznych niż modele wyjaśniające ich dynamikę (stopy zwrotu). Inwestorów częściej przecież interesuje to, jakie stopy zwrotu mogą oczekiwać w przyszłości z danych akcji niż to ile powinny one kosztować na rynku znajdującym się w stanie równowagi. Spróbujmy, więc przebadać dynamikę stóp zwrotu z akcji. Prostą stopę zwrotu możemy zapisać jako:

 dyn-cztery.JPG

Ponieważ ceny akcji możemy opisać równaniem:

 dyn-cen-dwa.JPG 

A ceny akcji w okresie pierwszym:

 dyn-cen-trzy.JPG 

Interesuje nas stopa zwrotu

 dynamika-cen.JPG 

więc: dyn-r.JPG

 

 

 

Wynika z tego, że w modelu Gordona dynamika cen akcji zależy od dynamiki wzrostu dywidend. Możemy, więc zapisać, że r = g. Ponieważ chcemy wyciągnąć ogólne wnioski na temat całego rynku, przebadamy w tym celu portfel największych polskich spółek znajdujących się w indeksie WIG20. Wartością g w tym przypadku będzie zagregowany wzrost dywidend dla całego indeksu. Dynamikę dywidend dla tak zdefiniowanego portfela powinna być skorelowana z agregatem wzrostu w całej gospodarce. Istnieją, więc podstawy teoretyczne by szacować stopy zwrotu z indeksu WIG20 na podstawie danych np. o PKB. Zbadajmy czy rzeczywiście zachodzą takie zależność. Poniżej zaprezentowano wykresy związków indeksu WIG20 z poszczególnymi wielkościami makroekonomicznymi.

 dyn-makro.JPG

 

 

 

 

 

 

 

 

 

 

 

 

 

 

Na podstawie analizy wykresów możemy wywnioskować, że dynamika PKB nie wyjaśnia zachowania się stóp zwrotu indeksu WIG20 w wystarczającym stopniu. Pokazują to także poszczególne statystyki, zaprezentowane poniżej.

Zmienna
Współczynnik
Błąd stand.
Statystyka t
Wartość p
PKB
0,00897663
0,00470211
1,909
0,06250

 

Wsp. R-kwadrat = 0,07

Jeżeli przyjmiemy poziom istotności dla testu t równy 0,05 to zmienna PKB okaże się statystycznie nieistotna. Możemy także zbudować model z kilkoma zmiennymi jako estymatorami dynamiki PKB. W skład tego agregatu wchodzi przecież konsumpcja indywidualna (estymowana przez sprzedaż detaliczną), produkcja dóbr (estymowana przez produkcję przemysłową), oraz saldo wymiany zagranicznej (estymowane przez bilans handlowy). Statystyki dla tak zdefiniowanego modelu zaprezentowano poniżej:

Współczynnik
Błąd stand.
Statystyka t
Wartość p
Bilans handlowy
3,77029E-05
1,95113E-05
1,932
0,05685
Produkcja przemysłowa
-0,000192281
0,00189749
-0,101
0,91954
Sprzedaż detaliczna
0,00349904
0,00207574
1,686
0,09575

 

Także i w tym modelu zmienne okazały się statystycznie nieistotne.

 

Zobacz także: