Studie provázanosti akciových trhů a jejich vliv na vývoj HDP vybraných států

Mendelova univerzita v Brně Provozně ekonomická fakulta

Studie provázanosti akciových trhů a jejich vliv na vývoj HDP vybraných států Diplomová práce

Vedoucí práce: Ing. Luboš Střelec, Ph.D.

Bc. Kateřina Krchnivá

Brno 2013

Poděkování Velké poděkování patří vedoucímu práce Ing. Luboši Střelcovi, Ph. D., za jeho cenné rady a připomínky, ochotu poradit a pomoci během zpracování práce. Chtěla bych také poděkovat svým rodičům a blízkým za vyjádřenou podporu a stabilní zázemí během celého vysokoškolského studia.

Čestné prohlášení Prohlašuji, že předložená práce je mým původním autorským dílem, které jsem vypracovala samostatně. Veškerou literaturu a další zdroje, z nichž jsem při zpracování čerpala, v práci řádně cituji a jsou uvedeny v seznamu použité literatury. V Brně dne 24. května 2013

_______________________________ Bc. Kateřina Krchnivá

Abstract KRCHNIVÁ, K. Study of interdependence of stock markets and their impact on the gross domestic product development of chosen countries. Thesis. Brno, 2013. The thesis deals with the study of interdependence of stock markets and their impact on the gross domestic product development. The stock markets are represented by stock indices of the United States, Japan, Germany, Poland, Hungary, the Czech Republic and the euro area. The economic growth of selected countries is reflected by gross domestic product at constant prices. There are two hypotheses verified in the paper, the first one about ability of stock indices to predict economics development, and the second one about influence of advanced stock markets to less ones. The literature overview identifies important term relating to financial markets and summarises the results of empirical studies of various authors dealing with a similar topic. The hypotheses are tested by correlation analysis and Granger causality test in the practical part. The thesis is full of theoretical and practical information which could help with the creation of a vision about the possible forecasting ability of stock markets. Keywords Stock Indices, Time series, Economic Growth, Financial Market, Granger causality, Gross Domestic Product, Correlation Analysis, independence, mutual and unilateral relationship, dependence.

Abstrakt KRCHNIVÁ, K. Studie provázanosti akciových trhů a jejich vliv na vývoj HDP vybraných států. Diplomová práce, Brno, 2013. Diplomová práce se zabývá studiem provázanosti akciových trhů a jejich vlivem na vývoj hrubého domácího produktu. Akciové trhy jsou reprezentovány akciovými indexy Spojených států amerických, Japonska, Německa, Polska, Maďarska, České republiky a eurozóny. Ekonomický růst zvolených zemí je vyjádřen prostřednictvím ukazatele HDP ve stálých cenách. V práci jsou ověřovány dvě hypotézy, první o možnosti využití akciových indexů jako předstihového ukazatele ekonomického vývoje, druhá o vlivu vyspělejších akciových trhů na trhy méně vyspělé. Literární přehled vymezuje důležité pojmy týkající se finančních trhů a dále uvádí průřez empirickými studiemi řady autorů věnujících se obdobnému tématu. V praktické části jsou pomocí korelační analýzy a testu Grangerovy kauzality ověřovány hypotézy práce. Diplomová práce zahrnuje velké množství teoretických i praktických informací, které mohou posloužit k vytvoření si představy o možných predikčních schopnostech akciových trhů. Klíčová slova Akciové indexy, časové řady, ekonomický růst, finanční trh, Grangerova kauzalita, hrubý domácí produkt, korelační analýza, nezávislost, vzájemný a jednostranný vztah, závislost.

Obsah

vii

Obsah 1

2

Úvod a cíl práce

12

1.1

Úvod do problematiky .................................................................................................... 12

1.2

Cíl práce................................................................................................................................ 13

Literární přehled

15

2.1

Finanční systém a jeho vývojové trendy ................................................................. 15

2.2

Kam povede vývoj finančního trhu v 21. století? ................................................. 17

2.3

Finanční trh a jeho rozdělení ....................................................................................... 18

2.4

Trhy ideální a efektivní .................................................................................................. 20

2.5

Investování na finančních trzích ................................................................................ 21

2.6

Faktory ovlivňující vývoj akciových trhů ................................................................ 24

2.7

Vývoj akciových trhů postrádající racionální vysvětlení .................................. 27

2.8

Empirické zkoumání propojenosti akciových trhů ............................................. 28

2.9

Burzovní systém ............................................................................................................... 31

2.9.1

Vznik a vývoj burz .................................................................................................. 31

2.9.2

Význam burz v tržní ekonomice ....................................................................... 32

2.9.3

Burzy cenných papírů........................................................................................... 33

2.9.4

Burzovní indexy a metody jejich konstrukce .............................................. 35

2.10 Vztah hospodářského resp. ekonomického růstu a výkonnosti akciových trhů ................................................................................................................................................. 36 2.11 Empirické testování vztahu ekonomického růstu a akciového trhu ............ 38 3

Materiál a metodika 3.1

42

Materiál ................................................................................................................................ 42

3.1.1

Časové řady .............................................................................................................. 42

3.1.2

Datový soubor ......................................................................................................... 42

3.1.3

Vybrané akciové indexy ....................................................................................... 44

3.1.4

Hrubý domácí produkt ......................................................................................... 47

3.2

Metodika .............................................................................................................................. 47

3.2.1

Korelační analýza časových řad........................................................................ 47

Obsah

viii

3.2.2

Grangerova kauzalita a její testování ............................................................. 48

Grangerův test kauzality ....................................................................................................... 49 Vypovídající schopnosti Grangerovy kauzality ............................................................ 52 4

Výsledky a komentáře

54

4.1

Předběžná analýza datového souboru ..................................................................... 54

4.2

Ověření předpokladů pro testování Grangerovy kauzality ............................. 56

4.3

Korelační analýza ............................................................................................................. 59

4.3.1

Korelační analýza pro akciové indexy ............................................................ 59

4.3.2

Korelační analýza ukazatele hrubého domácího produktu ................... 63

4.3.3

Korelační analýza mezi akciovými indexy a ukazatelem HDP.............. 65

4.4

Grangerova kauzalita ...................................................................................................... 69

4.4.1

Vyšetřování Grangerovy kauzality mezi akciovými indexy ................... 70

4.4.2

Testování Grangerovy kauzality mezi indexy a HDP................................ 74

5

Diskuze a závěr

83

6

Literatura

89

Seznam obrázků

ix

Seznam obrázků Obr. 1

Typy spekulativních bublin, Zdroj: Rejnuš, 2008.

27

Obr. 2 Identifikace strukturálního zlomu na základě grafu průběhu časových řad akciových indexů. Zdroj: zpracováno v programu Grelt. 55 Obr. 3 Průběh časových řad akciových indexů. Zdroj: zpracováno v programu Gretl. 57 Obr. 4 Průběh časových řad ukazatele HDP, vyjádřeno v mld. USD. Zdroj: zpracováno v programu Grelt.

57

Obr. 5 Vývoj logaritmických změn akciových indexů v období Q1:2000–Q2:2012. Zdroj: zpracováno v programu Gretl. 60 Obr. 6 Vývoj logaritmických změn německého index GDAX a indexu Eurozóny SX5E v období Q1:2000–Q2:2012. Zdroj: zpracováno v programu Gretl. 61 Obr. 7 Vývoj logaritmických změn hodnot ukazatele HDP pro Českou republiku a EU27 v období Q1:2000–Q2:2012. Zdroj: zpracováno v programu Grelt. 64 Obr. 8 Vývoj logaritmický změn indexu SX5E v posunutí t-1 a HDP EU27 v čase t v průběhu období Q1:2000–Q2:2012. Zdroj: zpracováno v programu Grelt. 67

Seznam tabulek

x

Seznam tabulek Tab. 1 Seznam zkratek pro prezentaci výsledků práce. Zdroj: zpracováno autorem

54

Tab. 2 Interpretace párových korelačních koeficientů. Zdroj: zpracováno autorem podle Němec (2009), upraveno.

59

Tab. 3 Párové korelační koeficienty logaritmických výnosů čtvrtletních průměrných hodnot akciových indexů za období Q1:2000–Q2:2012, 5% kritická oboustranný hodnota = 0,2816 pro n=49. Zdroj: zpracováno v programu Grelt.

60

Tab. 4 Párové korelační koeficienty logaritmických výnosů čtvrtletních průměrných hodnot akciových indexů za období Q1:2000–Q2:2007, 5% kritická oboustranná hodnota = 0,3673 pro n=29. Zdroj: zpracováno v programu Grelt.

62


62

Tab. 6 Párové korelační koeficienty logaritmických výnosů čtvrtletní hodnot ukazatele HDP za období Q1:2000–Q2:2012, 5% kritická oboustranná hodnota =0,2816, pro n = 49. Zdroj: zpracováno v programu Grelt. 63 Tab. 7 Párové korelační koeficienty logaritmických výnosů čtvrtletních hodnot ukazatele HDP za období Q1:2000–Q2:2007, 5% kritická oboustranná hodnota =0,3673, pro n = 29. Zdroj: zpracováno v programu Grelt. 65 Tab. 8 Párové korelační koeficienty logaritmických výnosů čtvrtletních hodnot ukazatele HDP za období Q3:2007–Q2:2012, 5% kritická oboustranná hodnota = 0,4438, pro n = 20. Zdroj: zpracováno v programu Grelt. 65 Tab. 9 Párové korelační koeficienty logaritmických výnosů čtvrtletních hodnot ukazatele HDP a logaritmických výnosů čtvrtletních průměrných hodnot akciových indexů za období Q1:2000–Q2:2012, 5% oboustranná kritická hodnota = 0,2876 pro n = 47. Zdroj: zpracováno v programu Grelt. 66

Seznam tabulek

xi

Párové korelační koeficienty logaritmických výnosů čtvrtletních Tab. 10 hodnot ukazatele HDP a logaritmických výnosů čtvrtletních průměrných hodnot akciových indexů za období Q1:2000–Q2:2007, 5% oboustranná kritická hodnota = 0,309 pro n = 27. Zdroj: zpracováno v programu Grelt.

68

Tab. 11 Párové korelační koeficienty logaritmických výnosů čtvrtletních hodnot ukazatele HDP a logaritmických výnosů čtvrtletních průměrných hodnot akciových indexů za období Q3:2007–Q2:2012, 5% oboustranná kritická hodnota = 0,4683 pro n = 18. Zdroj: zpracováno v programu Grelt.

69

Tab. 12 Dominantní postavení amerického akciového trhu: výsledky Grangerova testu kauzality mezi příslušnými indexy pro období Q1:2000Q2:2012 se zpožděním Lag 1. Zdroj: zpracováno v programu Gretl.

71

Tab. 13 Vliv vyspělejších akciových trhů na trhy méně vyspělé: výsledky Grangerova testu kauzality mezi příslušnými indexy pro období Q1:2000Q2:2012 se zpožděním Lag 1. Zdroj: zpracováno v programu Grelt.

72

Tab. 14 Posouzení vztahů mezi indexy postkomunistických zemí pro období Q1:2000-Q2:2012 se zpožděním Lag 1. Zdroj: zpracováno v programu Gretl.

73

Tab. 15 Posouzení vztahů mezi indexy států s vyspělým akciový trhem pro období Q1:2000-Q2:2012 se zpožděním Lag 1. Zdroj: zpracováno v programu Gretl. 74 Tab. 16 Výsledky Grangerova testu kauzality mezi indexy a HDP pro období Q1:2000–Q2:2012 se zpožděním Lag 1. Zdroj: zpracováno v programu Gretl.

76

Tab. 17 Výsledky Grangerova testu kauzality mezi indexy a HDP pro období Q1:2000–Q2:2012 se zpožděním Lag 2. Zdroj: zpracováno v programu Grelt.

76

Tab. 18 Vyhodnocení vhodnosti řádu zpoždění pro vybrané dvojice ukazatelů na základně informačních kritérií. Zdroj: zpracováno v programu Gretl. 78 Tab. 19 Výsledky Grangerova testu kauzality mezi indexy a HDP pro období Q1:2000–Q2:2007 se zpožděním Lag 1. Zdroj: zpracováno v programu Grelt.

79


79


80


81

Úvod a cíl práce

12

1 Úvod a cíl práce 1.1

Úvod do problematiky

Finanční trh je neodmyslitelnou součástí ekonomiky téměř každé země a jeho úroveň se odráží v její ekonomické vyspělosti. Ekonomickou vyspělost mezi zeměmi často porovnáváme na základě ukazatele hrubého domácího produktu. I takto zjednodušeně bychom mohli přiblížit tvrzení, podle něhož jsou akciové trhy provázány s ekonomickou výkonností země, jíž přísluší. Akciové trhy jakožto trhy cenných papírů tvoří jednu ze dvou důležitých složek finančního systému všech vyspělých zemí, tou druhou složkou je bankovní systém. Tak jako je hlavním cílem podnikání dosažení zisku, sledují tento samý cíl i investoři při obchodování na trzích cenných papírů. V současné době tito účastníci stále častěji pro řízení investičních a finančních rizik, ke správě aktiv a provádění investičních analýz, využívají matematicko-ekonometrických modelů. Jejich konkurenční schopnost do určité míry souvisí s kvalitou finančního inženýrství. Volba vhodné investiční strategie je někdy otázkou štěstí, jindy otázkou náhody. Do akciových kurzů se promítá celá řada faktorů. Cena akcie odráží budoucí zisky podniků, a ty jsou započítávány jako součást ukazatele hrubého domácího produktu. Toto mohou být ty nejjednodušší motivy, které vedly celou řadu autorů ke studiu vztahu mezi akciovými trhy a ekonomickou aktivitou. Jako zástupce akciových trhů jsou nejčastěji voleny akciové indexy, které jsou s přibývajícím počtem studií stále častěji označovány jako indikátory budoucího ekonomického vývoje. Ekonomická aktivita je reprezentována právě ukazatelem hrubého domácího produktu nebo například indexy průmyslové produkce. Vzájemné vztahy jsou nejčastěji vyšetřovány na konceptu Grangerovy kauzality (C. W. J. Granger, 1969), ale rovněž pomocí korelační či spektrální analýzy1. Závěry jednotlivých studií se často liší. Jedny tvrdí, že výnosnost akciových trhů je dána výkonem ekonomiky, druhé přichází se závěrem opačným. Mimo vzájemný vztah ekonomiky a akciových trhů se celá řada autorů zabývá provázaností akciových trhů, stupněm jejich integrace či informační efektivností. Tato témata spolu úzce souvisejí. Kurzy akcií na trhu vznikají určitým způsobem, přičemž nelze vycházet z toho, že se tvoří jen na základě střetu nabídky s poptávkou. Motivem ke vzniku této diplomové práce je právě aktuálnost a atraktivnost nastíněných témat. Nelze očekávat, že jejími výsledky bude rozetnuto hluboce diskutované téma o směru působení vlivů mezi sledovanými ukazateli, může však být jakýmsi nastíněním problému, který je řešen především v mezinárodním měřítku zahraničními autory. Předkládaná práce je členěna do pěti kapitol. První (Úvod a cíl práce) přibližuje zpracovávané téma a věnuje se popisu cílů práce. Druhá kapitola 1

Např. vlnková transformace

Úvod a cíl práce

13

(Literární přehled) rozebírá teoretická východiska, blíže se zabývá charakteristikou finančního systému, akciových trhů a vlivů, které na ně působí. V této části je třeba upozornit zejména na kapitoly2, které tvoří jakýsi průřez empirickými studiemi věnujícími se stejnému či obdobnému tématu, jako je předmět této diplomové práce. Kapitola třetí (Materiál a metodika) blíže popisuje metody, jež budou využity k dosažení hlavního a dílčího cíle práce, mimo to se také zabývá charakteristikou zkoumaných dat. Ve čtvrté kapitole (Výsledky a komentáře) jsou prezentovány zjištěné výsledky s komentáři. Pátá, závěrečná kapitola (Diskuze a závěr), shrnuje předchozí kapitolu a je jakousi diskuzí o možnosti využití zjištěných poznatků.

1.2

Cíl práce

Diplomová práce se zabývá posouzením vlivu vývoje akciových trhů na výkonnost vybraných ekonomik. Jejím hlavním cílem je identifikovat vzájemné vztahy mezi akciovými indexy, jako ukazateli výnosnosti akciových trhů, a HDP, jako hlavního indikátoru výkonnosti ekonomiky. Dílčím cílem práce je zkoumání stupně integrace a informační efektivnosti akciových trhů vybraných států a posouzení vlivu vyspělejších akciových trhů na méně vyspělé. V práci se jsou ověřovány dvě hypotézy, první o možnosti využití akciových indexů jako předstihového ukazatele budoucí ekonomické aktivity. O akciových indexech podle závěrů některých studií, například Ibrahim (2010), často hovoříme jako o hlavních indikátorech budoucího ekonomického růstu. Podle druhé hypotézy ovlivňují vyspělejší akciové trhy vývoj méně vyspělých trhů. U druhé hypotézy vycházíme z tvrzení o dominantním postavení americké burzy, ke kterému dospěl ve své studii například Eun a Shim (1989), ale i celá řada pozdějších autorů. Výše uvedené hypotézy dále rozvedeme a podložíme přehledem studií věnujících se obdobnému tématu, které je v současné době aktuální a poměrně atraktivní. Ke splnění hlavního i dílčího cíle budou analyzovány čtvrtletní časové řady akciových indexů a ukazatele hrubého domácího produktu (dále jen HDP) za období Q1:2000–Q2:2012. Toto období bude dále rozděleno na dvě období dílčí, aby bylo možné rozlišit intenzitu vzájemných vztahů před začátkem nedávné hypoteční krize a po čas jejího průběhu a doznívání. Čtvrtletní hodnoty pro časové řady akciových indexů budou zajištěny výpočtem průměrů z denních uzavíracích hodnot. Vyšetřování výše uvedených vztahů bude provedeno na datech pro následující země: USA, Německo, Japonsko, Maďarsko, Česká republika, Polsko a dále pro Evropskou unii jako celek. K hodnotám HDP bude do páru přiřazen akciový index reprezentující příslušný akciový trh. Denní uzavírací hodnoty akciových indexů Konkrétně se jedná o kapitoly 2.8 Integrace akciových trhů – empirické výzkumy a 2.11 Empirické testování vztahu ekonomického růstu a akciového trhu.

2

Úvod a cíl práce

14

jsou převzaty z databáze Bloomberg a hodnoty ukazatele HDP z databáze Organizace pro hospodářskou spolupráci a rozvoj (OECD). K naplnění dílčího cíle budou za vyspělejší akciové trhy považovány trhy USA, Japonska, Německa a také Evropské unie. Pro zjištění vzájemné závislosti mezi ukazateli bude využita korelační analýza. Ta se zabývá hledáním a hodnocením závislosti mezi dvěma či více statistickými znaky. Výsledky korelační analýzy budou prezentovány prostřednictvím matic párových korelačních koeficientů. Testem Grangerovy kauzality bude zjištěno, který z páru ukazatelů je ovlivňovaný a který ovlivňující, přičemž tyto vztahy nemusí být jen jednostranné, ale mohou být i oboustranné. V případě potvrzení hypotézy, že kurzy akciových titulů v sobě odráží budoucí zisky podniků, by této skutečnosti mohli využít účastníci akciového trhu pro formulaci strategie svého investičního chování. Nezamítnutí této hypotézy by mohlo mít také přínos pro manažery zabývajícími se krátkodobým a dlouhodobým plánováním. Ukáže-li se, že akciové indexy slouží jako předstihové ukazatele ekonomického vývoje, mohly by být využívány jako hlavní indikátory možných i nevyhnutelných úprav podnikových plánu nebo rozhodnutí.


15

2 Literární přehled 2.1

Finanční systém a jeho vývojové trendy

Bez finančního systému, který umožňuje mezičasové využití zdrojů, by bylo možné k financování spotřeby využít pouze současného příjmu. Firmy by nebyly schopny zvyšovat svůj kapitál finančními investicemi, jestliže by na jejich realizaci nedostačovaly kumulované zisky vykázané v předchozích letech (Demetriades, Adrianova, 2003). Finanční systém je jedním z nejdůležitějších vynálezů moderní doby. Jeho hlavní úkol spočívá v přesouvání omezených kapitálových zdrojů od těch, kteří pro ně nemají v současnosti využití, k těm, kteří je naopak potřebují (Rose, 1994). Podle Mishkina a Eakinse (2012) je dobře fungující finanční systém klíčovým faktorem ekonomického růstu a právě jeho nízký výkon je jedním z hlavních důvodů, proč celá řada zemí ve světě zůstává chudobná. Také Rose (1994) uvádí, že finanční systém má velký vliv na zdraví celé ekonomiky, a to ovlivňováním množství volných peněžních prostředků a jejich ceny3. Roste-li cena peněz, úvěry se stávají méně dostupné, dochází k celkovému zpomalení spotřeby. Firmy snižují svoji produkci, propouštějí pracovníky, nezaměstnanost roste a ekonomický růst zpomaluje. Naopak, klesají-li úrokové sazby, úvěry se stávají lépe dosažitelné, roste spotřeba, firmy zvyšují produkci, vytvářejí nová pracovní místa a dochází ke zrychlování ekonomického růstu. Historickým mezníkem ve vývoji světových trhů cenných papírů byl 1. leden 1999, kdy jedenáct evropských zemí4 začalo platit společnou měnou euro. V první etapě byla společná měna určena pouze pro bezhotovostní styk, později, a to k 28. 2. 2002, nahradila národní měny také v hotovostním platebním styku. Zavedení eura pozitivně ovlivnilo evropské finanční investování, poklesly transakční náklady, došlo k eliminaci měnových rizik a k rozšíření investičních příležitostí (Musílek, 2011). Jako prvořadý vývojový trend světového finančního systému můžeme označit proces rozšiřování volného trhu v rámci celosvětového finančního systému, který je schopen lépe alokovat existující zdroje, dosáhnout tak vyššího stupně agregace poptávky a nabídky finančních nástrojů, jejich lepšího ocenění a efektivněji poskytovat finanční služby. Podle Rejnuše (2001) se v soudobém finančním systému setkáváme s následujícími typy procesů: procesem liberalizace, sekuritizace, institucionalizace a integrace. Současně je celý finanční systém

cenou za poskytnutí peněz je úrok 1. 1. 1999 se staly členskými zeměmi eurozóny tyto země: Belgie, Francie, Finsko, Irská republika, Itálie, Lucembursko, Německo, Nizozemsko, Portugalsko, Rakousko, Španělsko. Od 1. 1. 2001 přistoupilo k EMU také Řecko (zapojilo se do 3. fáze EMU a stejně jako ostatní země zavedlo euro v hotovostním platebním styku od 28. 2. 2002). V současné době je do eurozóny zapojeno 17 členských zemí EU.

3 4


16

ovlivňován vývojovými pokroky v oblasti výpočetní techniky a komunikačních technologií. S procesem liberalizace souvisí tendence rozšiřování trhů po celém světě, které postupně integrují další jednotlivé národní, resp. regionální finanční systémy. Sekuritizace urychluje vývoj na finančních trzích, je charakteristická zvyšováním významu financování prostřednictvím cenných papírů a naopak relativním snižováním významu alokace kapitálu prostřednictvím tradičních úvěrových smluv. Výsledkem procesu institucionalizace je sílící postavení velkých institucionálních investorů na finančních trzích, jako jsou penzijní a investiční fondy, pojišťovny nebo jiné velké firmy. Účastníci trhů vykazují vyšší odbornou způsobilost, úroveň specializace a mají k dispozici stále kvalitnější informace (Rejnuš, 2001). Podle Giannettiho a Guisa (2002)5, kteří analyzovali možný dopad integrace na rozvoj finančních trhů a potažmo na hospodářský růst v zemích EU v období 1981–1991, může proces integrace napomoci rozvoji finančních trhů zvyšováním procenta úspor přesměrovaných do investic, a to v důsledku snížení nákladů na zprostředkování, a dále zlepšením alokace zdrojů mezi investičními projekty. Na druhé straně může rozvoj finančních trhů negativně ovlivnit mezní sklon k úsporám domácností, které v důsledku rozvoje finančních trhů budou mít větší možnost žít na dluh. Jak uvádí Rejnuš (2001), integrace finančních trhů může mít také za následek, že jednotlivé poruchy vzniklé na světovém finančním trhu nepostihnou jen jednotlivé země, ale často též celá mezinárodní, resp. nadnárodní finanční uskupení a ovlivní tak ekonomiku celého světa. Moderní výpočetní a komunikační technika umožňuje prostřednictvím mezinárodně působících obchodníků s cennými papíry obchodovat prakticky na všech kapitálových trzích světa a současně si na nich také konkurovat. Moderní technologie jsou využívány také arbitražéry k vyrovnávání vzniklých cenových a úrokových rozdílů. Výsledkem je prohlubující se integrace finančních trhů a cenové propojení jejich jednotlivých segmentů (Rejnuš, 2001). Účastníci trhu cenných papírů jsou mnohem informovanější a vzdělanější, stále častěji používají matematicko-ekonometrických modelů pro řízení investičních a finančních rizik, investiční analýzy a správu aktiv. Kvalita finančního inženýrství tak z velké části určuje konkurenceschopnost účastníků trhu cenných papírů (Musílek, 2011). V současné době domácnosti i vlády vykazují vyšší míru zadlužení, což má za následek také narůstající objem úvěrů a obchodovaných cenných papírů, zejména těch na kapitálových trzích. Finanční instituce čelí často větším rizikům při provádění finančních operací, zvyšuje se počet případů nesolventnosti, bankrotů apod. Finanční instituce a banky zvýšené riziko řeší konsolidacemi a fúzemi do větších společností, dalším důvodem těchto jejich počinů je také snížení nákladů 5

In Lacina (2007)


17

a rozšíření trhů. Fúze a konsolidace jsou založeny na předpokladu, že žádný stát nenechá zkrachovat velkou finanční instituci, protože tato událost by mohla otřást celým národním finančním systémem. Druhým předpokladem je, že větší banka je schopna lépe usměrňovat své investice a dokonaleji diverzifikovat své riziko. Také burzovní systém prochází jakousi reformou v podobě změny charakteru v obchodování na sekundárních finančních trzích, upadá tradiční obchodování na parketu, je nahrazováno obchodováním elektronickým (Rejnuš, 2001).

2.2

Kam povede vývoj finančního trhu v 21. století?

Světové finanční trhy na počátku 21. století byly nejdříve výrazně ovlivněny splasknutím technologické akciové bubliny6 a následně také vlnou skandálů spojenými s metodami kreativního účetnictví7. Příčinou dramatických změn na trzích cenných papírů je zejména celosvětová deregulace finančních systémů, technologická revoluce a zvýšená těkavost finančních a investičních veličin. Výrazné změny v oblasti institucionálního uspořádání trhu cenných papírů také přinesla globální finanční krize, která vypukla po pádu jedné z největších investičních bank Lehman Brothers v září 2008 (Musílek, 2011). Jaký vývoj finančních trhu lze v budoucnu předpokládat? Obecná dlouhodobá tendence světové ekonomiky vede k internacionalizaci a globalizaci kapitálových trhů. V následující obdobím se také počítá s pokračováním či dokonce posílením dosavadního trendu standardizace finančních produktů, resp. nástrojů a procedur využívaných v mezinárodním styku. Proces globalizace a internacionalizace způsobuje, že stále více cenných papírů je možné obchodovat v podstatě nepřetržitě na všech světových nadnárodních burzách, které jsou propojeny globální elektronickou obchodní sítí, a v návaznosti na posun světového času je prakticky umožněn přechod z jedné burzy na druhou. Do budoucna je také velmi pravděpodobné, že vzroste význam derivátových trhů. Tyto nové a rychle rozšiřující se nástroje však přinášejí další, dříve neexistující, formy rizika. Vyznačují se extrémně vysokým kolísáním cen, které je mnohdy vyšší než kolísání cen jejich podkladových aktiv (Pavlát, 2003). Evropská unie také v současnosti pociťuje částečnou konkurenční nevýhodu oproti USA v možnostech financování projektů s vyžitím rizikového kapitálu8. Podle analýzy ekonomických trendů ve státech Evropské unie zůstává trh rizikového kapitálu ve srovnání s trhem USA malý, a to především se segmenty pro velmi rané stupně vývoje firmy a pro technologické obory. Dle Pavláta (2003) Březen 2000 až říjen 2002, kdy index technologických akci Nasdaq dosahuje svého novodobého historického minima. 7 Např. skandál s firmou Enron 8 Rizikový též rozvojový kapitál je souhrnným označením pro větší skupinu nástrojů podílového financování vhodnou pro firmy v jejich raných stupních rozvoje (Pavlát, 2003). 6


18

může být důvodem transparentnost a nízká korelace mezi rizikovostí a návratností investic. Rizikový kapitál však představuje motor hospodářského růstu, je zapotřebí k financování nových metod a inovativních postupů (Lacina, 2007). Lacina (2007) mimo jiné uvádí, že evropské finanční trhy zůstávají pozadu ve srovnání s trhem USA také v oblasti přímého financování prostřednictvím finančních trhů a mnohem výrazněji pak v intenzitě finanční integrace. S obdobným tvrzením přichází také Musílek (2011), eurozóna má podle něj nedostatečně rozvinutý akciový trh, na druhou stranu má v současné době největší světový bankovní trh a rozsáhlý trh dluhopisový. Evropský kapitálový trh je fragmentovaný a vykazuje často velké rozdíly mezi jednotlivými státy, které jsou způsobeny specifiky jednotlivých trhů, není proto často možné provést mezinárodní srovnání. Dnes je také v souvislosti s odstraněním kurzových rizik na kapitálových trzích států EU prosazován názor, že ke změnám akciových kurzů dochází spíše v souvislosti se změnou situace v oboru, než se změnou ekonomiky státu (Pavlát, 2003).

2.3

Finanční trh a jeho rozdělení

Finanční trh představuje svět, kde nikdy nezapadá slunce. Svět, kde je možné provádět nákup a prodej v jakékoliv denní době. Během dne nastávají pouhé tři hodiny, během nichž jsou jak americká, tak tokijská burza uzavřeny současně (Rose, 1994). Podíváme-li se pak na otevírací a zavírací časy všech světových burz, na kterých se obchodují akcie a futures, tak během dne nastává jen 30 minut9, a to v čase 21:30–22:00 UTC10, kdy jsou všechny tyto burzy uzavřené. Vývoj finančních trhů je neodmyslitelnou součástí ekonomického vývoje a zároveň také neoddělitelnou součástí vývoje společenského. Podněty ke zdokonalování finančních trhů, ke vzniku nových finančních nástrojů, nových segmentů, nových technik financování a nových finančních institucí vznikají jako součást ekonomického rozvoje (Pavlát, 2003). Ve vyspělých zemích existují dvě základní možnosti alokace volných peněžních prostředků mezi přebytkovými a deficitními jednotkami, a to zprostředkovatelský bankovní trh a trh cenných papírů (Musílek, 2011). Musílek (2011) definuje trh cenných papírů jako systém ekonomických vztahů a institucí zprostředkovávajících soustředění, alokaci a realokaci volných peněžních prostředků prostřednictvím cenných papírů nebo jiných instrumentů, které jsou odvozeny od různých druhů finančních nebo nefinančních aktiv (např. deriváty). Na trzích cenných papírů je možno obchodovat, jak s krátkodobými cennými papíry trhu peněžního, tak i s dlouhodobými cennými papíry trhu kapitálového. Můžeme přistoupit k několika hlediskům charakterizace trhu cenných papírů. Rozdělení trhů na primární a sekundární souvisí s druhem cenných papírů, které 9

ověřeno podle List of market opening times na: en.wikipedia.org [online]. UTC – koordinovaný světový čas, někdy též označovaný Zulu time.

10


19

se na těchto trzích obchodují. Na trzích primárních se obchodují nově emitované cenné papíry, při jejichž prodeji prvnímu nabyvateli, získává emitent nové peněžní zdroje a současně dochází k jejich přeměně na zdroje dlouhodobé. Fungování trhů primárních je do jisté míry závislé na kvalitě a fungování trhů sekundárních, protože zájem investorů o nově emitované cenné papíry a nově do oběhu uváděné cenné papíry závisí na vývoji tržních cen obdobných cenných papírů již obchodovaných na trzích sekundárních. Sekundární trhy jsou trhy, na nichž se obchodují již dříve uvedené cenné papíry. Jejich hlavní funkce spočívá v určování tržních cen a zajištění likvidity cenných papírů. Na těchto trzích se obchodují především cenné papíry dlouhodobé povahy, neboť mohou být opakovaně prodávány. Objem realizovaných obchodů je vyšší než na trhu primárním, nicméně sekundární trhy nepodporují vznik nových investic. Jak trhy primární, tak trhy sekundární můžeme dále rozdělit na trhy veřejné a neveřejné. Obchodování na veřejných trzích se mohou zúčastnit všichni potenciální zájemci, což znamená, že se prodej cenných papírů obvykle realizuje za nejvyšší nabídnutou cenu. Naopak na trzích neveřejných dochází pouze k tzv. smluvním obchodům, při nichž jsou předmětné cenné papíry prodány pouze jednomu, nebo skupině kupců, a to za předem individuálně dohodnutých podmínek. Na neveřejných primárních trzích jsou obchodovány tzv. uzavřené emise, kdy dochází k předběžnému ujednání obchodu nově emitovaných cenných papírů s potenciálními investory, jejich uvedení na trh je pak vyhlášeno jako pouhá skutečnost. Investora, který odkoupí celou novou emisi, označujeme jako emisního tvůrce. Neveřejný sekundární trh je typický uzavíráním obchodů mezi přímo zainteresovanými ekonomickými subjekty či prostřednictvím speciálních finančních zprostředkovatelů. Na veřejných primárních trzích dochází k jakési realizaci reklamní kampaně nově emitovaných cenných papírů, kdy emitenti očekávají, že se pod jejím vlivem zájemci sami přihlásí o koupi. Veřejné sekundární trhy umožňují obchodování cenných papírů mezi jejich stávajícími majiteli a novými nabyvateli. Veřejné trhy sekundárních cenných papírů můžeme dále rozdělit na trhy neorganizované a trhy organizované (resp. burzovní či mimoburzovní). Burzovní a organizované mimoburzovní trhy jsou licencovanými institucemi, jejichž podnikatelskou činností je organizování trhu s finančními investičními instrumenty. Burzovní trhy lze dále rozdělit podle toho, s čím obchodují a podle délky časové prodlevy vznikající mezi uzavřením obchodu a jeho fyzickým vypořádáním. Podle předmětu obchodování rozlišujeme burzy cenných papírů, burzy komoditní a devizové. Podle délky časové prodlevy mezi uzavřením a vypořádáním obchodu následně rozlišujeme burzy promptní a termínové. Na burzách promptních (často též spotových) uplyne zpravidla krátká doba mezi uzavřením a vypořádáním obchodu, na těchto burzách obchodují ti, kteří chtějí cenné papíry fyzicky nakoupit nebo prodat. Na termínových (často též derivátových) burzách se uzavírají tzv. termínové obchody, jež jsou charakteristické dlouhou časovou prodlevou mezi


20

jejich uzavřením a vypořádání. Tento typ burz můžeme ještě dále dělit na burzy termínových kontraktů typu futures a burzy opční11. Důvodem existence mimoburzovních organizovaných trhů je skutečnost, že burzy nejsou povinny přijmout k obchodování všechny veřejně obchodované cenné papíry. Mimoburzovní trhy obvykle využívají odlišné obchodní systémy a mnohdy si také účtují nižší poplatky. Existují na základně získání příslušné licence a jsou povinny dodržovat zákony dané země. Mezi nejznámější mimoburzovní organizované trhy cenných papírů patří americký Nasdaq a v České republice to byl dříve RM-systém, který však v roce 2008 získal status burzy. Obchodování na veřejných sekundárních neorganizovaných trzích není tak přísně regulováno jako obchodování na organizovaných veřejných trzích cenných papírů, kde však dochází k obchodování jen určité části obíhajících cenných papírů. Zbývající část obchodů je uskutečněna tzv. přes přepážku neboli prostřednictvím OTC-trhů. Konkrétně se zájemce o koupi nebo prodej obrací na svoji banku nebo jiného obchodníka s cennými papíry, který daný obchod zprostředkuje (Rejnuš, 2008; 2009). Mimo uvedenou segmentaci finančního trhu je možné přistoupit také k segmentaci teritoriální. Podle níž rozlišujeme trh národní, kde se obchodují instrumenty domácích emitentů podle místních podmínek a pravidel. Na zahraničním trhu umísťují finanční instrumenty zahraniční emitenti. Tyto instrumenty musí být denominovány v měně země, kde jsou předmětem obchodu. Eurotrhy představují trh, kde jsou obchodovány eurofinanční instrumenty denominované v euroměnách. Poslední skupinou jsou off-shore trhy, na kterých podléhají obchody minimálním regulatorním pravidlům a zpravidla také výhodnému daňovému režimu (Musílek, 2011).

2.4

Trhy ideální a efektivní

Úvěr, spekulace a arbitráž12 představují síly a vazby, které umožňují vzájemné propojení finančních trhů. Společnou komoditou obchodovanou na všech finančních trzích je úvěr. Na trhu peněžním jsou obchodovány úvěry krátkodobé, na trhu kapitálovém úvěry dlouhodobé. Za účelem získání těch nejvýhodnějších podmínek se vypůjčovatelé mezi těmito trhy často přemísťují, což má za následek jejich sbližování a následné dosažení rovnováhy nákladů na úvěr. Spekulanti kupují dle svého názoru podhodnocené a prodávají nadhodnocené cenné papíry, tím více o této problematice Rejnuš (2009). Arbitráž přestavuje činnost, jejímž cílem je s minimálním rizikem dosáhnout zisku na kurzových rozdílech nebo úrokových sazbách instrumentů kotovaných na časově nebo teritoriálně různých trzích. Rovnováhy na trhu se dosazuje v případě, že identické cenné papíry, tj. cenné papíry se stejným profilem riziko/výnos, se prodávají za stejnou cenu (tj. zákon jedné ceny). Proces, který zajišťuje rovnováhu, se nazývá arbitráž. Transakční náklady spojené s nákupem levnějšího a prodejem dražšího cenného papíru způsobují, že zákon jedné ceny nikdy neplatí úplně přesně. Za efektivnější tržní mechanismus je považován ten, který má nižší transakční náklady (Pavlát, 2003). 11 12


21

vyrovnávají jejich ceny. Prodejem a koupí jednotlivých cenných papírů zvyšují jejich agregovanou nabídku a poptávku na dílčích trzích takovým způsobem, že dojde k dosažení jejich skutečné tržní ceny. Arbitrážní makléři prostřednictvím převodu peněžních prostředků mezi jednotlivými trhy s odlišnými cenami cenných papírů pomáhají vytvářet stejné ceny na všech trzích. Společné působení těchto faktorů umožňuje propojení jednotlivých segmentů finančního trhu a vyrovnání průměrné úrovně tržních podmínek. Finanční trh se tak přibližuje svému efektivnímu, ba dokonce ideálnímu stavu (Rejnuš, 2001). Ideální resp. dokonalý trh představuje pouze teoretickou definici trhu, kde jsou veškeré informace ovlivňující hodnotu finančních nástrojů volně přístupné všem potenciálním zájemcům, transakční náklady nulové a žádný z účastníků není schopen určovat ceny. V podmínkách obchodování a pohybu peněžních prostředků zde neexistují žádná vládní omezení. Obchodování se odehrává výhradně na principu dokonalé konkurence mezi kupujícím a prodávajícím, a to za ceny, jež odráží skutečnou hodnotu finančních nástrojů a všechny existující informace. Za výjimečných, ne však zcela reálných podmínek, je možné dosáhnout efektivního stavu trhu. Ceny efektivního trhu odrážejí všechny nejnověji dosažitelné informace, tedy nechybí žádná, jež by mohla ovlivnit ceny cenných papírů či výši úrokových sazeb. Žádný z účastníků obchodování na takovém trhu nemůže využít informační výhody, která by mu umožnila dosáhnout vyššího zisku než ostatní (Rejnuš, 2001). Rozlišujeme alokační a operační efektivnost finančního trhu. Alokační efektivnost požaduje, aby ceny finančních instrumentů reflektovaly všechny informace, je-li jí dosaženo, hodnota výstupu jedné jednotky nemůže vzrůst, aniž by poklesla hodnota jiné jednotky, tzv. Paretovo optimum13. Operační efektivnost je zajištěna nejnižšími náklady při transferu peněžních prostředků (Musílek, 2011). Podle Rose (1994) ideální trh neexistuje, protože ne všechny informace jsou všem účastníkům trhu snadno a levně dostupné. Tento jev označujeme jako asymetrická informace, kdy balík informací, se kterým operují jednotliví účastníci trhu, může ovlivnit velikost jimi dosažených výnosů. Autoři známé respektované učebnice Principles of Corporation Finance Brealey a Myers (2008)14 však doporučují investičním makléřům předpokládat, že kapitálové trhy jsou efektivní, pokud tedy nemají silný a konkrétní důvod, aby tvrdili opak. Znamená to věřit tržním cenám a současně věřit, že investoři jsou schopni rozpoznat skutečnou ekonomickou hodnotu.

2.5

Investování na finančních trzích

Na finančních trzích platí pravidlo, že za vyšší výnosy se podle okolností platí vyšším rizikem, a když ne rizikem, tak alespoň likviditou. Existují však rizika „dobrá“ a rizika „špatná“. K těm „dobrým“ řadíme například výkyvy indexů Tento způsob vyjádření efektivnosti zavedl v ekonomických vědách italský ekonom V. Pareto (1848–1923). 14 In Kohout (2008) 13


22

cenných papírů. Nepředstavují zásadní nebezpečí a poučený investor je může v klidu podstoupit. Naopak rizikům „špatným“, jako například riziko nepoctivého jednání a rizika politická, by se měl každý vyhnout. Velikost rizika se také odvíjí od doby vkladu, čím delší tato doba je, tím se investor vystavuje vyššímu riziku (Kohout, 2008). Profesor Burton Malkiel15 už od roku 1973 prosazoval svůj názor týkající se nejlepší investiční strategie: „Koupit a držet stovky akcií, ze kterých bývají sestaveny tržní indexy, je pravděpodobně nejrozumnější investiční strategie pro individuální i institucionální investory“. Tržní indexy pravidelně překonávají zhruba dvě třetiny až 90 % aktivně řízených podílových fondů, jejichž manažeři mohou zazářit v jednom období, ve druhém však naopak pohasnout. I z těchto důvodů se tato pasivní investiční strategie profesora Malkieleho jeví, jako nejlepší možná. Na finančních trzích často platí, že nejlepší předpovědí, je předpověď žádná. Velké oblibě veřejnosti se těší metoda předpovědí výnosů akcií na základě „protahování křivek“, tedy způsobem, kdy jsou zjištěny jejich krátkodobé trendy (i když ve skutečnosti nejde o trendy, ale spíše o krátkodobé výkyvy), a ty jsou protaženy směrem do budoucna. Mimo to krátkodobé předpovědi chování kapitálových trhů nemají žádnou cenu a nepředstavují seriózní nástroj pro investiční rozhodováni. Výnosy akcií se chovají v dlouhodobém horizontu mnohem pravidelněji než v krátkém. Platí také, že čím vyspělejší a efektivnější je trh, tím hůře je možné předpovědět jeho chování v blízké budoucnosti (Kohout, 2008). Výnosy většiny cenných papírů (zejména akcií, obligací a nástrojů peněžního trhu) se skládají ze dvou složek, tou první je dlouhodobý trend, druhou pak krátkodobé výkyvy. Z dlouhodobého časového hlediska jsou průměrné výnosy akcií vyšší než výnosy obligací nebo bankovních vkladů. Za vyšší dlouhodobé výnosy akcií se však platí vyššími výkyvy cen v krátkodobém horizontu. To jakým způsobem se budou vyvíjet kurzy cenných papírů, závisí na budoucích událostech, ty jsou však ze samotného principu nepředvídatelné. Krátkodobé výkyvy je nejlépe možné považovat za zcela náhodné, přesto však mohou nastat situace, kdy se neobjeví náhodně, ale v souvislosti se vznikem spekulativních bublin. Dlouhodobý trend se projevuje v horizontu let až desetiletí, jeho výhodou je, že se na něj může investor skutečně spolehnout, na druhou stranu často zbohatne ve stejně dlouhém časovém horizontu. Podle Kohouta (2008) je možné se spoléhat na dlouhodobý trend jen v případě akciových indexů či obligací, u komodit a měnových kurzů žádný takový trend neexistuje. Hodnota akcie je dána odhadnutou tržní hodnotou celkové sumy dividend, k jejichž výplatě by mohlo v budoucnu teoreticky dojít. Není vůbec jisté, zda a v jaké výši budou dividendy vyplaceny a jaký bude daňový režim. Tím se akcie liší od obligací, u nichž musí dojít k výplatě kuponů vždy (resp. jedná-li se o kuponovou obligaci). Akcie tedy představují rizikovou investici a to bez ohledu na to, o jak velký či renomovaný podnik se jedná, jsou mnohem citlivější na výkyvy ekonomiky než ceny obligací. Laická veřejnost se často domnívá, že ideální 15

In Kohout (2008)


23

investiční strategií je prodej akcií v době poklesu jejich kurzů a nákup naopak v době nárůstu jejich cen. Tento přístup založený na „časování“ trhu často končí podprůměrnými výnosy, protože nikdo není schopen dlouhodobě dosahovat výnosů nadprůměrných. O úspěšnosti investování zčásti rozhoduje náhoda, zčásti velikost poplatků a daní, které musí příslušný investiční fond platit (Kohout, 2008). Demetriades a Adriánová (2003) uvádí, že pro správné finanční rozhodnutí je také potřeba dostatečné množství informací. Je tedy možné tvrdit, že vztah mezi trhem a ekonomickým růstem závisí i na tom, jak dobře je finanční trh schopen vyrovnat se s problémy vyvstávající při přenosu informací. Při formulaci investiční strategie můžeme vycházet ze standardní finanční ekonomie, která předpokládá, že jsou-li trhy dokonale efektivní, zpracovávají veškeré dostupné informace. Z toho důvodu nemá žádný praktický smysl časovat trh a ani se snažit vybírat „podhodnocené“ cenné papíry. Optimální metodou investování v podmínkách dokonale efektivního trhu je, jak už bylo zmíněno výše, pasivní investiční strategie: pravidelně investovat stejnou částku do indexových nebo indexům blízkých fondů s nízkými poplatky. „Časování“ trhu může mít své opodstatnění v situacích, kdy trhy nejsou zaručeně efektivní. Jednou z příčin neefektivnosti trhu může být výskyt spekulativních bublin. Jejich nejspolehlivějším indikátorem je příliš dlouhý a rychlý růst cen akcií, který se však musí zcela zaručeně v určitém bodě zlomit (Kohout, 2008). Přestože jsou akcie obecně považovány za velmi rizikovou investici, mohou do jisté míry působit jako ochrana proti inflaci. Podniky prodávají své výrobky a služby za tržní ceny. S rostoucími spotřebitelskými cenami, rostou také tržby podniku. Inflace je často doprovázena řadou hospodářských problémů, které mohou zisky firem ohrozit, je však známa celá řada případů, kdy akcie posloužily nejen jako štít proti inflaci, ale také poskytly svým majitelům nemalé zisky v době, kdy majitelé obligací a bankovních vkladů přicházeli na mizinu. Jak uvádí Fama (1981), inflace má sice negativní dopad na kupní sílu, ale její zvýšení se neprojeví poklesem výkonu akciového trhu. Negativní vliv na výnosy podniků, a potažmo na ceny jejich akcí, má korupce. Korupce zhoršuje alokaci zdrojů v ekonomice a tím snižuje její celkovou výnosnost, současně umožňuje, aby neškodný pokles akcií přerostl ve vážnou hospodářskou krizi. Investice do akcií podniků ve vysoce zkorumpovaných zemích jsou spojovány s vyšším rizikem, než akciové trhy méně zkorumpovaných zemí. Průměrný akciový investor by proto udělal lépe, kdyby se takovým akciovým trhům raději vyhnul (Kohout, 2008). Akciový trh přispívá k mobilizaci úspor obyvatelstva, zvyšuje množství finančních instrumentů, a tím umožňuje diversifikovat investiční portfolio. Funkční a likvidní akciový trh umožňuje investorům diversifikovat nesystematické riziko, a tím zvýšit mezní produktivitu kapitálu (Kohout, 2008). Co se týká fyzického umístění kapitálu, jak kapitálové trhy, tak i bankovní sektor poskytují firmám zdroje financování. Poskytují informace o možnostech umístění kapitálu. Rozdíl je však ve způsobu přenosu těchto informací. Informace


24

o kapitálových trzích jsou obsaženy v cenách akcií na nich obchodovaných, kdežto půjčovatelé je zjišťují přímo u bank. A zatímco banky půjčují kapitál jen spolehlivým věřitelů, prostřednictvím akciových trhů je možné financovat také riskantní a inovativní investiční projekty (Adamopoulos, 2010). Levine a Zervos (1998)16 tvrdí, že dobře rozvinutý akciový trh, nejenže mobilizuje kapitál a rozkládá riziko mezi tržní subjekty, ale je schopen také poskytovat širší škálu finančních služeb než sektor bankovní, a tím stimulovat ekonomický růst. Obdobně také Obstfeld (1994)17 dochází k závěru, že rozložení rizika na mezinárodních trzích zlepšuje alokaci zdrojů a urychluje tak proces ekonomického růstu. Akciový trh je důležitý, nikoli však jediný existující trh v rámci finančního systému. Nefunguje odděleně a není imunní vůči vývoji probíhajícímu v ostatních segmentech finančního trhu. Jinými slovy, tak jak vývoj na akciovém trhu ovlivňuje dění na všech ostatních trzích, tak i vývoj na každém jiném trhu ovlivňuje trh akciový (Rejnuš, 2009).

2.6

Faktory ovlivňující vývoj akciových trhů

Hledáním a analýzou faktorů, které ovlivňují vnitřní hodnotu akcie, se zabývá fundamentální akciová analýza. Fundamentální akciová analýza zkoumá kurzotvorné faktory na třech úrovních: makroekonomické, odvětvové a na úrovni jednotlivých společností. Podle klasické studie Kinga (1966)18 nejvíce ovlivňují akciové kurzy makroekonomické faktory, a to z více než 50 %. Odvětvové faktory působí na akciové kurzy v průměru ze 13 % (Musílek, 2011). Makroekonomická akciová analýza se zabývá studiem vztahů mezi vývojem tzv. globálních makroekonomických agregátů a pohybem akciových kurzů. K nejdůležitějším faktorům, které ovlivňují vývoj na akciových trzích z globálního resp. makroekonomického hlediska, patří reálný výstup ekonomiky, fiskální politika, peněžní nabídka, úrokové sazby, inflace, příliv resp. odliv zahraničního kapitálu a kvalita investičního prostředí. Akciové kurzy se mění v souvislosti s probíhajícím hospodářským cyklem19, svým vývojem reagují jak na dění v ekonomice příslušného státu, tak na ekonomice světové. Závislost akciových trhů a hospodářských výsledků dané ekonomiky není ale ze střednědobého hlediska tak silná, což je způsobeno značným sepjetím s jednotlivými etapami hospodářského cyklu. Ceny akcií se mění v závislosti na nabídce a poptávce na akciovém trhu, ty jsou však odvozovány nikoli ze skutečných, ale očekávaných hospodářských výsledků (Rejnuš, 2008; 2009).

In Adamopoulos (2010) tamtéž 18 In Musílek (2011) 19 Podrobněji je tato problematika popsána v kapitole 2.10 Vztah hospodářského resp. ekonomického růstu a výkonnosti akciových trhů. 16 17


25

Estrella a Mishkin (1996)20 uvádějí, že akciové indexy vykazují vysokou předpovědní schopnost vývoje ekonomiky. Vývoj hodnot akciových kurzů předbíhá dění ekonomice s jedno až tříměsíčním zpožděním, jejich změny se stávávají významným indikátorem určujícím budoucí vývoj ekonomiky. Atraktivnost akcií je ovlivněna také daní z příjmu21, která snižuje dosažené hrubé zisky firem. Nižší zisky neumožňují výplatu vysokých dividend, mají také vliv na výši investic do dalšího rozvoje akciových společností. Příjmy plynoucí z rozdílu realizovaných prodejních a nákupních cen jsou rovněž daněny. Vyšší sazby daně také dávají vzniknout tzv. transfer pricingu, který souvisí s prodejem zboží a služeb v rámci nadnárodní holdingové společnosti, jež má své „dcery“ v zemích s rozdílnými daňovými sazbami, a to za takové ceny, které umožňují společnosti jako celku vykazovat co nejvyšší zisky, avšak dochází k záměrnému vykazování ztrát či minimálních zisků u společností v zemích s vysokou mírou zdanění. Zkreslené výsledky hospodaření se odrážejí také do akciových kurzů, kdy u společností vykazujících zisk rostou, naopak u společností ztrátových klesají. Obecně je možné konstatovat, že nižší zdanění, jak na straně korporací, tak na straně investorů, představuje pozitivní faktor vedoucí ke zvýšení akciových kurzů. Kromě daní z příjmu se může na cenách akcií odrazit také výdajová politika státu, pozitivně se projevují výdaje státu do nákupu produktů a služeb příslušných akciových společnosti, negativní vliv způsobuje deficit státního rozpočtu, který je vyrovnáván emisemi vládních dluhopisů, což vede k postupnému zvyšování úrokových sazeb (Rejnuš, 2008; 2009). Peněžní nabídka je považována za jeden z nejvýznamnějších faktorů ovlivňujících vývoj na akciových trzích, její růst zvyšuje poptávku po akciích. Přímý vliv peněž na akciové kurzy označujeme jako efekt likvidity, který spočívá v růstu cen akcií při jejich fixní nabídce ve velmi krátkém období. Ke zvýšení poptávky po akciích dochází vlivem zvýšení peněžní nabídky centrální bankou v rámci monetární politiky při její konstantní poptávce, kdy se předpokládá, že uvolněné finanční prostředky investoři také částečně investují na akciovém trhu. Popsaný efekt označujeme jako transmisní mechanismus. Jiný přístup je založen na nepřímém vlivu peněžní nabídky na reálný výstup ekonomiky. Zvýšená peněžní nabídka může snížit úrokové sazby, ty podnítí investiční aktivitu společností a jejich zisky. Vyšší zisky společností pak mají pozitivní vliv na akciové kurzy. Tento mechanismus funguje také obráceně: neočekávaný pokles peněžní nabídky způsobuje nedostatek peněz u ekonomických subjektů, což se projevuje poklesem cen akciových instrumentů. Bez ohledu na rozdílné přístupy ke vztahu změny peněžní nabídky k vývoji akciových kurzů, je možné říci, že zvýšení peněžní nabídky povede k růstu cen akciových instrumentů (Musílek, 2011). Jak už bylo zmíněno výše, růst úrokových sazeb má negativní vliv na cenu akcií. S růstem úrokových sazeb se snižuje vnitřní hodnota akcií a také s ní In Binswanger (2004) Daně z příjmu představují významnou část příjmů státního rozpočtu, Správu státního rozpočtu z hlediska příjmů, výdajů a také dluhu označujeme jako fiskální politiku daného státu. 20 21


26

související akciové kurzy. Druhý argument vychází z toho, že růst úrokových sazeb z dluhopisových instrumentů odlévá peněžní prostředky z akciových trhů na trhy dluhopisů, které taky vykazují vyšší míru výnosnosti. Třetím způsobem vysvětlení je například to, že vyšší úrokové sazby představují pro firmy vyšší náklady externího financování, které pak snižují očekávané zisky firem, jež se projevují poklesem cen jejich akcií (Fuchs, 2004). Akcie jsou často považovány za vhodný investiční instrument k zajištění inflačního znehodnocení. Tato představa je založena na růstu dividend a zisku firem v období inflace, což vede k růstu akciových kurzů. Na základě empirických studií bylo zjištěno, že akcie v dlouhém období přinášejí pozitivní reálnou výnosovou míru, v kratším inflačním období nedokáže výnosová míra akcí udržet tempo s růstem inflace. Držba akcií je v období zvýšené inflace podle Taylora (1997),22 zpravidla spojena s negativní reálnou výnosovou mírou. Jak uvádí Fuchs (2004), v období nižší inflace jsou akcie schopny pokrýt zvýšenou cenovou hladinu, avšak v období zvýšené inflace akcie již nejsou schopny udržet svoji reálnou hodnotu. Tento jev je možné označit jako určitou anomálii na finančních trzích, jelikož akcie představuje vlastnický nárok a měly by tedy sloužit jako dobré zajištění i proti zvýšené inflaci, tato hypotéza však nebyla potvrzena. Akcie lze podle Musílka (2011) považovat za inflačně neutrální pouze v případě, že se růstu inflace přizpůsobují ve stejném směru také ostatní ekonomické veličiny, jinými slovy, jestliže dojde ke zvýšení inflace například o 3 %, zvýší se o stejné procento také výše dividend. Názory ohledně vlivu inflace na výnosovou míru a ceny akciových instrumentů se liší23, není však pochyb o tom, že inflační prostředí zvyšuje nejistotu v ekonomice a také výnosovou míru požadovanou investory. Liberalizace finančních trhů umožňuje velkým institucionálním investorům vyhledávat na globálních světových akciových trzích takové akcie, jež jim zajistí nejvyšší možnou výnosnost při současně nejnižší rizikovosti a nejvyšší možné likviditě. Často tak přemisťují svůj kapitál mezi různými zeměmi, což mám silný vliv na vývoj akciových kurzů. Růst tuzemského akciového trhu je ovlivněn přílivem zahraničních zapůjčitelných fondů, jejich odliv naopak způsobuje jeho pokles. Kvalita investičního prostředí je často z hlediska investorů posuzována na základně transparentnosti, bezpečnosti a stability finančního trhu. Nejčastěji je ovlivňována následujícími faktory: schodky a nerovnováhou, cenovými regulacemi a černým trhem, ekonomickými a politickými šoky, dále korupcí, hospodářskou kriminalitou a právním systémem. Schodky nebo přebytky státního či veřejných rozpočtů vypovídají o rovnováze ekonomiky, z hlediska trendu jejich dlouhodobého vývoje můžeme posoudit, jak moc se ekonomika daného státu vzdaluje či přibližuje ke svému rovnovážnému stavu. Prohlubující se schodky bude nutno dříve či později řešit. Dojde-li na trzích vyspělých ekonomik k vychýlení z rovnovážného stavu, úřady se snaží dosáhnout nápravy regulací některých cen.

22 23

In Musílek (2011) více o této problematice např. Musílek (2011).


27

To má však za důsledek vznik dvojích cen: cen regulovaných a těch, které jsou dosahovány na černém trhu. Čím větší je rozdíl mezi cenou skutečnou a cenou regulovanou, tím mohou do budoucna nastat větší problémy. Cenové regulace působí obdobně jako rozpočtové schodky, vždy se bude do budoucna muset najít někdo, kdo vzniklý rozdíl uhradí (Rejnuš, 2008; 2009). Neočekávané pozitivní nebo negativní ekonomické a politické události mají výrazný vliv na ceny akcií především v krátkém období. Ekonomické šoky se mohou projevit obchodními nebo celními válkami, vznikem hyperinflace, masovou nezaměstnaností nebo výraznou změnou devizových kurzů. Politickými šoky jsou pak například válečné konflikty, demise vlád, revoluce nebo také nečekané politické výsledky. Na hospodářský růst má také negativní vliv korupce a hospodářská kriminalita, důležitý je také fungující právní systém, který chrání před znehodnocením či odcizením majetku investorů (Fuchs, 2004).

2.7

Vývoj akciových trhů postrádající racionální vysvětlení

Situaci, kdy ceny cenných papírů dočasně bez jakéhokoliv racionálního vysvětlení rostou, označujeme jako spekulativní bublinu. Cenový růst se však po určité době zastaví a je následován prudkým poklesem. Teoreticky se vznik spekulativních bublin přisuzuje neočekávaným změnám nabídky a poptávky investorů po cenných papírech, jež jsou způsobeny nadměrnou reakcí na zveřejněné informace o nějaké události či o jejich celé řadě. Existují dva typy spekulativních bublin (viz Obr. 1), každý z nich je svým způsobem nebezpečný pro různé skupiny investorů. Typ bubliny A přestavuje nebezpečí pro malé investory, kteří reagují na prudký růst kurzů akcií s očekáváním dalšího růstu nákupem, na trhu však nastane situace zcela opačná, která jim způsobuje ztrátu. Typ B je nebezpečím zejména pro skupinu nezkušených investorů, jež v době dlouhotrvajícího poklesu jednají obdobně jako většina burzovního publika a panickým prodejem svých akcií realizují také ztrátu (Rejnuš, 2008; 2009).

Obr. 1

Typy spekulativních bublin, Zdroj: Rejnuš, 2008.

Teoretické pojetí existence spekulativních bublin dostálo v dávné i méně dávné minulosti celé řady reálných případů, mezi nejznámější v novodobé historii patří: • Velký krach v říjnu 1929 na americkém akciovém trhu; • krach 19. října 1987 na americkém akciovém trhu; • krach japonského akciového trhu v roce 1990;


28

• krach amerického trhu Nasdaq a mnohých dalších světových burz, zejména v oblasti technologických titulů, v roce 2000; • celosvětový propad akciových trhů v letech 2007–2008 v důsledku globální hypoteční krize (Rejnuš, 2008; 2009). Dle Rejnuše (2001) obvykle vyvstávají při analýze spekulativních bublin dvě základní otázky: „jaká událost či informace nastartovala takový nadměrný růst trhu“ a „co způsobilo prasknutí spekulativní bubliny“. Bylo prokázáno, že jejich vznik je vždy způsoben nadměrným hodnocením nějaké skutečnosti, informace nebo události. Mezi faktory podílející se na jejich prasknutí je možné zařadit například existenci velkého množství subjektů uvědomujících si, že na trhu vznikla spekulativní bublina, a obávajících se tak o správné načasování prodejů svých cenných papírů. Propad kurzů nemusí být ani tak výrazný, ale je kumulován strachem investorů o dosud dosažené zisky. Umocňujícími faktory může být programové obchodování a obchodování na margin24. Prudké poklesy burzovních indexů mohou přinášet ztráty nejen investorům, ale mohou též negativně působit na fungování celých ekonomik. Kohout (2008) rozlišuje dva typy burzovních krachů, první tzv. „benigní“ je obvykle překonán obnoveným růstem, nemá prakticky žádné makroekonomické důsledky. Investor nejlépe udělá, když tento typ krachu „zaspí“. Nedopustí se tak žádné chyby a ještě ušetří na transakčních nákladech. Druhým typem krachu jsou krachy „maligní“ neboli zhoubné. Jsou mnohem nebezpečnější a mohou trvat často i několik let či desetiletí. Jsou doprovázeny rozsáhlými makroekonomickými a mikroekonomickými problémy, jako například hospodářská stagnace, nezaměstnanost, potíže bankovního sektoru projevující se nedostatkem prostředků k úvěrování. Výrazné finanční ztráty široké investiční veřejnosti mají za následek šetření domácností projevující se sníženou poptávkou po zboží a službách a následné snížení produkce. Následuje útlum ekonomiky, který může vést až k hospodářské recesi (Rejnuš, 2001; 2009).

2.8

Empirické zkoumání propojenosti akciových trhů

Během posledních desetiletí a zvláště pak během posledních několika let došlo k posílení vzájemných vztahů mezi všemi akciovými trhy. Akciové trhy latinské Ameriky, střední a východní Evropy, jižní a jihovýchodní Asie se stále více otevírají zahraničním investorům a objemy realizovaných obchodů neustále značně rostou. Dostupnost obchodování na zahraničních akciových trzích umožňuje investorům diverzifikovat svá portfolia, avšak pokračují globalizace a vyšší stupeň integrace akciových trhů tyto možnosti diverzifikace omezují (Baruník a kol., 2011). Jsou-li akciové trhy propojené, skutečnosti odehrávající se na jednom trhu mohou mít vliv na trhy ostatní. Přičemž není možné určit, zda informace obsažené v cenách akcií jednoho akciového trhu jsou přenášeny do cen akcií na trhu druhém, 24

úvěr jištěný nakoupeným cenným papírem


29

či dva trhy reagují na určité relevantní informace obsažené v makroekonomických ukazatelích ve stejném směru, avšak s odlišným tempem (Koblas, Černý, 2008). Baele (2004)25 zkoumá, z jak velké části se dá vysvětlit pohyb akciových indexů informacemi relevantními pro všechny evropské trhy a z kolika procent tyto pohyby vysvětlují informace relevantní pouze pro domácí trh. Dochází k názoru, že na dokonale integrovaných trzích lze lokální faktory úspěšně diverzifikovat, vliv na cenu by tak měly mít pouze informace relevantní pro všechny trhy. Porozumění způsobu přenosu informací mezi akciovými indexy je důležitým prvkem při správné diverzifikaci portfolia. Čím méně je burzovní index ovlivňován jiným, tím je nižší pravděpodobnost ztráty při investici do obou indexů. Je-li jeden index ovlivňován druhým, příčinou může být dominantní postavení jedné burzy. Určitou roli zde může také sehrát globalizace trhů či teorie efektivních trhů, kdy efektivní trhy přebírají veškeré dostupné informace a zahrnují je do výpočtu ceny (Křepelová, 2010). Eun a Shim (1989) uvádějí, že mezi výnosy akciových trhů existuje v mezinárodním měřítku překvapivě nízká závislost, což znamená, že kurzy akcií jsou stále poměrně silně ovlivňovány národními faktory. To současně podporuje myšlenku mezinárodní diverzifikace investičního portfolia. Jejich studie se zabývá přenosem informací mezi devíti největšími akciovými trhy (USA, Austrálie, Kanada, Francie, Německo, Hong Kong, Japonsko, Švýcarsko, Velká Británie; denní data období 1980–1985). Konstatují, že dominantní postavení ve světové ekonomice má americký akciový trh. Což znamená, že jakákoliv nejistota na americké burze se přelívá i na ostatní světové burzy, přičemž se první reakce objevují již do dvou dnů. Nejvíce interaktivním se zdá být akciový trhy Švýcarska, neboť skutečnosti odehrávající se na švýcarském se projevují jak na akciových trzích ostatních zemí, tak současně švýcarský trh reflektuje informace přicházející z jiných akciových trhů. Dokazuje to, že švýcarský akciový trh je schopen pojmout informace o světové i domácí ekonomice současně. Zajímavý závěr se týká japonského trhu. Přestože objem jeho tržní kapitalizace je srovnatelný s americkým akciovým trh, zaujímá pozici následovatele mezinárodního trhu. Nejvíce jej ovlivňují akciové trhy Velké Británie a Švýcarska. S obdobnými závěry přichází také ve své práci Křepelová (2010), kde se zabývá studií provázanosti 7 akciových indexů (S&P 500, FTSE 100, DAX, BSE SENSEX, HSI, Nikkei 225 a PX)26 v období září 2004 až březen 2010, které zkoumá jako celek a dále samostatně období před začátkem finanční krize (září 2004 až březen 2007). Při testování celého období prokazuje dominantnost americké burzy, v případě britské a německé burzy konstatuje oboustrannou kauzalitu. Asijské trhy hrají spíše pasivní roli, jsou ovlivňovány jinými světovými In Lacina (2007) Indexy náleží následujícím světovým burzám: S&P 500 pro USA, FTSE 100 pro Velkou Británii, DAX pro Německo, BSE SENSEX pro Indii, HSI pro Čínu, Nikkei 225 pro Japonsko, PX pro Českou Republiku.

25 26


30

trhy, ale sami je neovlivňují. Z výsledků testování dílčího období před krizí je opět patrné dominantní postavení americké burzy, oboustranné kauzální působení britské a německé burzy ale vymizelo. Oboustranné vztahy se tentokrát objevují v případě burzy americké a čínské. Na základě výsledků si autorka pokládá otázku, zda lze v období finanční krize uvažovat o efektivnějším šíření informací mezi jednotlivými burzami. Uvádí, že určité vodítko mohou poskytovat finanční krize proběhlé v posledních dekádách, kdy například krize v Japonsku v 90. letech způsobila vysoký deficit zahraničního obchodu s dalšími asijskými státy (Jižní Korea, Thajsko, Malajsie), a tím zapříčinila depreciaci thajské a ostatních měn. Investoři na tento podmět reagovali stáhnutím finančních prostředků v relativně krátké době a v roce 1997 následoval pád asijských akcií. Studie Hanouska a Filera (2000) zkoumající akciové trhy čtyř postkomunistických zemí (ČR, Slovensko, Maďarsko, Polsko, měsíční data, období: leden 1993 až červen 1999) přichází se zajímavými poznatky o českém akciovém trhu. Zdá se, že český akciový trh se vyvíjí bez jakékoliv závislosti na trhu světovém. Změny probíhající ve světové ekonomice se neodrážejí nejen na českém, ale i na slovenském akciovém trhu, lze tedy soudit, že oba trhy jsou závislé na jiných, méně racionálních, faktorech. Maďarský akciový trh je podle testu Grangerovy kauzality se zpožděním ovlivňován trhem německým a americkým, obdobně vývoj události na polském akciovém trhu se přizpůsobuje událostem odehrávajícím se na trhu americkém. Americké studie, například Greene a Watts (1996)27, Chen a kol. (1999)28 dokazují, že neočekávané informace se promítnou do cen akcií dříve než v hodinovém intervalu. Tuto skutečnost potvrzuje také studie Koblase a Černého (2008) pro akciové trhy USA, VB, Německa, Francie, Polska, Maďarska a Česka (vysokofrekvenční data, červen 2003 až červen 2006). Informace jsou přenášeny velmi vysokou rychlostí, přičemž vždy nastane reakce do jedné hodiny. Například dva hlavní evropské akciové trhy (DAX 30 a FTSE 100) reagují na změny amerického akciového trhu v průměru během 30 a 40 minut po té, co se tato změna promítne v indexu S&P 500. Nejrychlejší reakce byly zaznamenány již po 10 minutách. Přičemž opačný vztah nebyl prokázán. Co se týká vzájemného působení evropských trhů na události odehrávající se na jednom z nich, první reakce se objevují po 20 minutách, nejpozději pak během hodiny. Český trh reaguje během 40 minut, rychlost jeho reakce je o něco nižší než v případě trhu maďarského a polského. Ve své práci také uvádějí praktické poznatky týkající se délky zpoždění, která by měla být minimálně tak dlouhá jako je délka intervalu mezi jednotlivými pozorováními. Tvrdí, že kointegrace a Grangerova kauzalita postupně vymizí, jsou-li využita data sesbíraná za kratší časový interval, než je čas potřebný k přenosu informací mezi dvěma trhy. U dat s vysokou frekvencí bychom tak měli dospět k závěru, že trhy jsou zcela nezávislé. Koblas a Černý (2008) tedy konstatují, že frekvence sběru hraje velmi důležitou roli při testování kointegrace

27 28

In Hanousek a Filer (2000) tamtéž


31

a kauzality mezi indexy různých akciových trhů. Současně bychom se měli při analýze vyhnout hodnotám akciových indexů v uzavíracích časech, neboť ty by mohly způsobit zkreslení výsledků. Při zkoumání vzájemné závislosti světových akciových trhů bychom měli též uvažovat tzv. efekt nesynchronního obchodování. Tento jev spočívá ve skutečnosti, že v časových řadách akciových indexů za stejné období se může vyskytovat různý počet pozorování, resp. počet dnů, po které se na dané burze obchoduje. Neakceptování této skutečnosti může mít za následek zdánlivou autokorelaci časových řad spojitých výnosů. Měli bychom tedy brát v úvahu jen ty dny, po které se obchoduje na všech trzích zároveň. V řadě provedených studií není uvedeno, zda autoři tento efekt při zpracování dat uvažovali, či nikoliv. Je tedy těžké posoudit, zda jimi uváděné výsledky jsou korektní. Baumöhl (2008; 2009) také ve svých pracích hovoří o tzv. efektu nesynchronního obchodování II., který popisuje jako časový posun mezi jednotlivými burzami. Tento problém je tradičně řešen metodou close-to-close založenou na denních uzavíracích hodnotách akciových indexů. Baumöhl (2009) ve své práci dokazuje, že uvažování tohoto efektu může mít skutečně vliv na dosažené výsledky. Pracuje s denními uzavíracími hodnotami osmi akciových indexů29 v období od 5. 1. 1998 do 1. 7. 2008, které přepočítává na spojitý výnos, aby byla zajištěna jejich stacionarita. Při nezohlednění efektu nesynchronního obchodování II zjišťuje dominantní postavení amerického akciového trhu. Ostatní světové indexy reflektují jeho vývoj během několika hodin. Naopak při jeho zohlednění se mezi zkoumanými indexy projevuje oboustranná závislost. V této práci budou akciové indexy přepočítány na jejich průměrné čtvrtletní hodnoty, proto nebudou výše zmiňované efekty uvažovány.

2.9 2.9.1

Burzovní systém Vznik a vývoj burz

První zbožní burzy začaly vznikat již v období středověku v okolí italského města Lucca, ve 12. století pak vznikají burzy peněžní ve městech Benátky, Janov, Florencie nebo Paříž. Kromě prodeje zboží docházelo často také k uzavírání půjček na směnky, k jejich splácení v hotovosti a ke směně mincí jedné měny za druhou. Samotný název „burza“ je spojen s existencí středověkého trhu ve městě Bruggy, v té době nejvýznamnějšího obchodního centra západní Evropy, v Belgii, kam přijížděli kupci z Benátek a Janova a shromažďovali se před domem bankéře Van der Buerse. U prvních forem burzy šlo o neformální, nepravidelné styky obchodníků, kteří se obvykle navzájem neznali a nedokázali tak posoudit solventnost svých

Japonský Nikkei 225, německý DAX, belgický BEL20, britský FTSE100, francouzský CAC40, americký S&P 500, český PX, slovenský SAX. 29


32

obchodních partnerů. Setkání se uskutečňovala pod širým nebem, postupně docházelo ke vzniku burzovních klubů a gild, které opatřovaly peníze na stavbu burzovních budov, do nichž mohli vstupovat pouze jejich členové po řádné úhradě finančního příspěvku. Burzy usnadňovaly mobilizaci kapitálu, staly se hybnou silou rozvoje obchodního a průmyslového kapitalismu. V novověku vyrůstají z potřeby shromáždit kapitál k účelovému financování určitého záměru první akciové společnosti a dochází k oddělení trhu s cennými papíry od trhů zbožních, devizových a plodinových. Důležitým faktorem kapitálového a peněžního trhu se stávají soukromé banky, které se aktivně zapojující jak do úvěrových obchodů, tak do obchodů s cennými papíry (směnky, dluhopisy, akcie). Vznik prvního burzovního zákonodárství je datován do druhé poloviny 19. století; belgický burzovní zákon byl vydán v roce 1883, o šest let později pak zákon německý. V Americe byly první právní přepisy týkající se burzovních obchodů s cennými papíry vydány až po říjnovém krachu na americké burze v roce 1929. V devadesátých letech dvacátého století dochází k nečekanému rozmachu kapitálových trhů ve světě, jenž byl umožněn hlavně historickým obratem v politické a historické oblasti. Svět přestal být rozdělen na dva nepřátelské tábory, jedna supervelmoc prakticky zanikla. V mezinárodně politické oblasti dominovala politika USA a došlo k posílení pozice Evropské unie. Tržní ekonomika usilující o liberalizaci světového obchodu a financí rozšiřuje světových trh a dává vzniknout trhům novým. Vzájemnou propojenost trhů a závislost jednotlivých částí mezinárodního kapitálového trhu prohlubuje rozvoj moderní počítačové techniky. Listinné cenné papíry jsou postupně nahrazeny jejich dematerializovanou podobou. V průběhu 90. let roste význam procesu sekuritizace, který obecně znamená přesun úvěrových toků z bankovní oblasti na trh půjček. Jedním z prvních případů tohoto procesu je trh hypoték v USA již na počátku 70. let, kdy byly hypoteční půjčky poskytnuté původnímu věřiteli, shromažďovány do „balíčků“ a prodávány jiným investorů, kteří obdrželi jistinu i úroky zaplacenou dlužníky půjček původních. Přičemž hlavním smyslem a účelem sekuritizace je přeměna neobchodovatelných aktiv na aktiva obchodovatelná. Mezi aktiva používaná pro sekuritizace patří mimo hypotéky také dluhopisy podložené půjčkami na kreditní karty, půjčkami na zakoupení automobilu nebo půjčkami na studium. Burzy cenných papírů jsou v současné době považovány za velice citlivý a současně velmi spolehlivý „barometr“ vývoje konjunktury, ale i za významný faktor ekonomického rozvoje, neboť umožňují akumulaci kapitálu a jeho efektivní alokaci. Tuto úlohu však nemohou hrát bez zachování úrovně zdravé spekulace a dodržováním pravidel obchodování na nich (Pavlát, 2003). 2.9.2

Význam burz v tržní ekonomice

Burzovní trh představuje zvláštním způsobem organizované shromáždění osob probíhající na burzovním parketu (tzv. prezenční burza), či uskutečňované prostřednictvím počítačového systému (tzv. elektronická burza), nebo je toto


33

shromáždění realizováno souběžně na burzovním parketu i v elektronickém obchodním styku (tzv. burza hybridní) (Musílek, 2011). Jak uvádí Kohout (2008), mnozí považují burzu za zvláštní variantu kasina, kde se obchoduje s vysoce rizikovými cennými papíry. Jak už bylo zmíněno výše, bývá burza považována za barometr ekonomiky, statistiky však ukazují, že reaguje na ekonomické výkyvy mnohem citlivěji, než by se očekávalo. Zesilovačem burzovních pohybů je psychologie a davové chování. Burzy reagují přehnaně na ekonomické výkyvy, často také s velkým časovým zpožděním, nebo zcela bezdůvodně, kromě toho jsou mnohdy ovlivněny chováním barometrů jiných zemí nebo i kontinentů. Ve vyspělých zemích jsou burzy nedílnou součástí tržního prostředí, působí vždy na veřejných trzích, jako jsou trhy určitých druhů zboží (komodit) a služeb, tak i trhy finančních aktiv, zde agregují předem neomezenou veřejnou nabídku a poptávku a umožňují vznik odpovídajících tržních cen označovaných jako kurzy. Burzy představují vysoce organizovanou formu trhu a vyznačují se celou řadou společných specifik. Burzovní obchodování je založeno na principu oboustranné aukce, účastníci obchodu mohou tedy průběžné upravovat své nákupní i prodejní obchodní příkazy. S jakými aktivy je příslušná burza oprávněna obchodovat určuje zvláštní povolení k provozování burzovního obchodování. Předměty obchodu jsou standardizovány a jsou vždy vzájemně zaměnitelné. Například v případě burzy cenných papírů se jedná výhradně o veřejně obchodovatelné papíry nesoucí stejná práva. Každá burza stanovuje nejnižší obchodovatelné množství (tzv. loty) určující množstevní objemy a jejich násobky, ve kterých je možno sjednávat obchody. Je vydáván burzovní kalendář, který slouží pro určení času a místa konání burzovních obchodů. Burzy nejsou volně přístupné, každá burza tak musí svými předpisy určit tzv. přímé účastníky trhu (Rejnuš, 2001). V posledních letech dochází na burzovním trhu procesu demutualizace burz, tedy jejich přeměně na akciové společnosti, která je doprovázena realizací počátečních veřejných nabídek akcií burz na veřejných trzích. Burzy se tak přeměňují z neziskově orientovaných spolků, které nabízely především technické podmínky k sekundárnímu obchodování s cennými papíry, na ziskově orientované firmy poskytující diverzifikované bankovní služby a usilující o maximalizování ceny svých akcií (Musílek, 2011). 2.9.3

Burzy cenných papírů

V kapitole pojednávající o členění finančního trhu bylo naznačeno rozdělení burz z hlediska předmětu jejich obchodování. V podstatě rozlišujeme burzy finančních aktiv, které se dále dělí na burzy cenných papírů, burzy devizové a burzy vybraných druhů finančních derivátů, burzy komoditní (zbožové) a burzy služeb. Na burzách cenných papírů jsou obchodovány již dříve emitované akcie, dluhopisy, podílové listy uzavřených podílových fondů a hypoteční zástavní listy. Tyto burzy představují nejprestižnější kapitálové, veřejné a vysoce organizované trhy, dále jsou často členěny na burzy promptní a burzy termínové. Nejvýznamnější


34

a současně nejlikvidnější emise cenných papírů jsou vždy obchodovány alespoň na jedné či několika promptních burzách současně, někdy bývají uvedeny také na burzy termínové. Význam tohoto způsobu obchodování spočívá ve vytváření investičních a hedgingových příležitostí30, zvyšování počtu uzavřených obchodů, v podpoře likvidity a následně ve zvyšování prestiže emitentů cenných papírů. S obecnou prestiží burzy a její významností souvisí také kvalita cenných papírů, které se obchodují na jejích hlavních nebo kotovaných31 trzích. Nejvýznamnějšími jsou tzv. nadnárodní burzy, které dosahují nejvyšších tržních kapitalizací32 a objemu uzavíraných obchodů. Mimo tuzemské cenné papíry v nejvyšších objemech se zde obchodují také nejkvalitnější cenné papíry emitované v zahraničí. K takovým burzám patří například New York Stock Exhange, International Stock Exchange London nebo Tokyo Stock Exchange. Mezinárodní burzy doplňují činnost nadnárodních burz, vyznačují se nižší kapitalizací i objemem realizovaných obchodů, je zde také obchodován nižší podíl zahraničních cenných papírů. V Evropě se k těmto burzám řadí například Frankfurter Wertpapierbörse, Bourse des Valeurs de Paris a jiné. Nejmenší počet obchodů je realizován na burzách národních, ty mohou být ve větších státech doplněny ještě burzami regionálními (lokálními). Z mezinárodního hlediska nejsou příliš významné, neboť zde dochází jen zřídkakdy k obchodování zahraničních cenných papírů (Rejnuš, 2001). Burzu cenných papírů lze podle Rejnuše (2009) definovat jako relativně samostatné ekonomické, organizační a technické systémy sestávající z jednotlivých dílčích subsystémů, které zabezpečují celou řadu různých, avšak vzájemně souvisejících činností. Zjednodušeně lze proces burzovního obchodování popsat následujícím způsobem: Obchodník s cennými papíry obdrží od svého klienta (investora) objednávku s blíže specifikovanými dispozicemi. Brokerská firma tento příkaz zaeviduje podle platných legislativních předpisů a uplatní stanoveným způsobem, tak se objednávka stává součástí procesu burzovního obchodování. V okamžiku, kdy zadaný příkaz najde protistranu, je obchod uzavřen, následuje jeho registrace v příslušné burzovní evidenci a vypořádání v souladu s burzovními pravidly. Jak už bylo zmíněno výše, každá burza se skládá s určitých dílčích subsystémů. Dle Rejnuše (2001) je možné rozeznat jejich následující typy: subsystém obchodování, jehož úkolem je zabezpečení hladkého průběhu burzovních transakcí, od samotného vstupu nových objednávek, resp. nových investorů, jejich evidenci, zařazení nově podaných příkazů až po uzavření obchodu a jeho následné vypořádání. Rychlé a kvalitní vypořádání burzovních obchodů je úkolem dalšího Hedging neboli přímé zajištění proti riziku založené na spárování rozdílných toků s cílem dosáhnout stavu, kdy se aktivní toky vyrovnávají s toky pasivními (Pavlát, 2003). 31 Kotace neboli zveřejněná cena na nákup a prodej daného cenného papíru (Pavlát, 2003). 32 Tržní kapitalizace je výsledkem součinu ceny akcie a počtu emitovaných akcií, představuje tržní ocenění firmy, v širším významu je chápána jako celková hodnota všech emisí na burzovním trhu (Pavlát, 2003). 30


35

subsystému. Obchod je považován za vypořádaný, jsou-li uhrazeny veškeré finančních závazky mezi smluvními stranami a došlo k převodu vlastnictví cenných papírů. Mimořádný význam pro každou burzu má subsystém informací, který umožňuje vytvářet spravedlivé a rovné podmínky pro všechny účastníky trhu a přispívá velkou měrou ke kvalitě burzovní činnosti. Pravidelně zveřejňovanou informací jsou informace o souhrnných objemech zrealizovaných obchodů, tzv. burzovní indexy, jež vypovídají o aktuálním stavu burzovního trhu, tak i o jeho vývojových tendencích. Vlastní burzovní pravidla a předpisy spadají pod činnost regulačního subsystému, ten je mimo jiné založen na existenci právního řádu dané země a rovněž se opírá o systém právních norem upravujících fungování finančního trhu. Na dodržování burzovních pravidel a předpisů dohlíží subsystém kontrolní, jenž je nezbytný pro získání důvěry investorů a obchodníků. 2.9.4

Burzovní indexy a metody jejich konstrukce

Burzovní indexy jsou sledovaným indikátorem vývoje kurzů cenných papírů. Do podoby jednoho ukazatele se koncentrují pohyby cen mnoha stejnorodých cenných papírů a podávají tak obraz o vývojové tendenci trhu. Burzy vytvářejí tzv. „oficiální burzovní indexy“, ale za podstatně významnější jsou všeobecně považovány indexy vytvářené např. investičními bankami, ratingovými či tiskovými agenturami. Mohou obsahovat i několik set (v některých případech i tisíc) akciových titulů, ty mohou být omezeny jejich přesným či variabilním počtem podle předpisů burzy. Podle způsobu výběru předmětných akcií rozlišujeme tzv. souhrnné indexy postihující vývoj nejvýznamnějších akcií určitého odvětví v celých ekonomických regionech, ba dokonce světa, jakožto indexy vypovídající o souhrnném vývoji na jednotlivých burzách či jejích dílčích segmentech. Druhou skupiny představují indexy výběrové, resp. speciální, jako například indexy oborové. Indexy postihující souhrnný vývoj na jednotlivých burzách jsou doplňovány informacemi o souhrnných objemech (denních) zrealizovaných obchodů, na jejichž základě můžeme posoudit aktivitu příslušného burzovního trhu v jednotlivých dnech, tak i vývoj všeobecné investiční nálady (Rejnuš, 2009). V souvislosti s využitou metodikou konstrukce indexu se mění jeho vypovídající hodnota, v zásadě můžeme rozlišit tři její typy: 1. Cenově vážený index, jehož vahami jsou aktuální ceny akcií. Tyto indexy jsou citlivé na změny cen akcií s vyššími kurzy. Příkladem jen například Dow Jones Industrial Average (DJIA). 2.

Hodnotově vážený index, jehož konstrukce je založena na vážení jednotlivých akcií jejich vlastní tržní kapitalizací na celkové tržní hodnotě všech firem, jako příklad lze uvést Standard & Poor’s 500 nebo Standard & Poor’s 100.

3.

Stejně vážený index založený na principu portfolia, kdy každá akcie je stejně vážena. Tato metoda konstrukce není příliš rozšířena (Rejnuš, 2001).


36

Dnes jsou všechny burzovní indexy kalkulovány v reálném čase s frekvencí od každých 15 sekund po maximálně jednu minutu, přičemž o frekvenci výpočtu rozhoduje konkrétní burza.

2.10 Vztah hospodářského resp. ekonomického růstu a výkonnosti akciových trhů Mezi výstupem reálné ekonomiky a akciovými kurzy existuje na akciových trzích v dlouhém období velmi těsný vztah. Akciové kurzy předbíhají vývoj reálné ekonomiky o několik měsíců, Estrella a Mishkin (1996) uvádějí, že o jeden, maximálně pak o tři. Akciový index je proto považován za jeden z nejvíce spolehlivých indikátorů prognózy změn fází v průběhu hospodářského cyklu (Musílek, 2011). V období kratším akciové kurzy a změna ekonomické úrovně tak intenzívní vztah nevykazují. Jejich vzájemný vztah by mohl by být dokonce obrácený, než jak je uvedeno výše. Zdá se, že akciové kurzy rozdílně předbíhají jednotlivé fáze hospodářského cyklu. Akciové kurzy jsou rovněž rozdílně citlivé na stupeň recese nebo expanze. Siegel (1998)33 ve své analýze uvádí, že v USA v období 1802–1998 proběhlo celkem 41 recesí, přičemž 38 z nich předcházel osmi a více procentní pokles akciových kursů. Tohoto osmiprocentního poklesu pak využil jako měřítko pro stanovení předbíhání akciového trhu před reálnou ekonomikou: Akciový trh přebíhal pokles ekonomik v průměru o 5,6 měsíců, pokud je však brán do úvahy 8% pokles měřítka trhu (index DJIA) jako kritéria pro určení začátku recese, pak byl akciový trh schopen prognózovat pokles ekonomiky s předstihem 1,3 měsíce. V případě expanze akciový trh v analyzovaném období průměrně předbíhal reálnou ekonomiku o 5,1 měsíců, pokud budeme opět uvažovat 8% vzestup indexu DJIA jako kritérium pro určení začátku expanze, pak akciový trh byl schopen prognózovat zotavení ekonomiky s předstihem 3 měsíců. Podle Kohouta (2008) vývoj hrubého domácího produktu do značné míry určuje výnosy cenných papírů (nejčastěji akcií), důvodem je především to, že jako součást HDP jsou započítávány také zisky podniků. Vztahem mezi HDP a kurzy akcií se zabývá celá řada studií s rozdílnými závěry. Na základě konstrukce HDP, jehož jednou ze složek jsou také zisky podniků, se nabízí hypotéza, která říká, že vývoj akciových indexů by měl více či méně kopírovat vývoj ekonomiky (Kohout, 2008). S opačným názorem přichází např. Modigliani34, který tvrdí, že hodnota finančního bohatství a potažmo i celoživotní zdroje spotřebitelů se s růstem cen akcií zvyšují. Zvýšená spotřeba způsobená nárůstem celoživotních zdrojů se pozitivně odrazí na úrovni reálného výstupu ekonomiky. Dojde-li k poklesu akciových kurzů, důvěra v budoucí vývoj ekonomiky se sníží a v důsledku toho se

33 34

In Musílek (2011) tamtéž


37

také sníží poptávka. Agregátní pokles poptávky pak způsobí pokles reálného výstupu ekonomiky. Někteří autoři (například Goktas a Hepsag, 2011; Binswanger, 2001) zabývající se zkoumáním vztahu mezi výkonností akciových trhů a ekonomikou staví svoji hypotézu o kauzálním působení akciových trhů na ekonomickou aktivitu na modelu diskontovaného cash flow (DCF–Discounted Cash Flow). Tento oceňovací model předpokládá, že ceny akcií jsou hlavním faktorem ovlivňujícím očekávání investorů o budoucím ekonomickém vývoji. Vychází z toho, že hodnota podniku je dána současnou hodnotou budoucích dividend a ekonomická výkonnost podniku by měla být hodnotou těchto dividend reflektována. V teoretické literatuře je definována celá řada dalších vazeb mezi akciovými trhy a ekonomikou. Podle Greenwooda a Smitha (1997)35 výkon akciového trhu ovlivňuje ekonomiku prostřednictvím snižováním nákladů na mobilizaci úspor a usnadňuje umísťování investic do nejvíce produktivních technologií; akciový trh poskytuje likvidní kapitálové zdroje, a tím přispívá k růstu (Levine, 1991)36; přináší významné informace investorům (Holmstrom, Tirole, 1993)37; umožňuje alokaci zdrojů v mezinárodním měřítku a tím i mezinárodní sdílení rizika (Obstfeld, 1994)38; zvyšuje bohatství investorů a jejich následnou spotřebu, která se odráží v ekonomickém růstu (Mauro, 2003)39. Na druhou stranu například Bhide (1995)40 tvrdí, že volatilita akciového trhu a spekulativní chování investorů může snižovat investiční efektivnost, což má nepřízniví vliv na růst ekonomiky. Podle Kohouta (2008) je vzájemná závislost HDP a akciových výnosů slabší, než jak by bylo logické z ekonomického hlediska. Důvodem je dlouhodobý růstový trend spolu s vlivy krátkodobých výkyvů, které není možné předpovědět. Očistímeli obě veličiny od dlouhodobého trendu, zůstanou nám pouze tyto nepředvídatelné krátkodobé výkyvy. Spočítáme-li pak jejich vzájemnou korelaci, dostáváme libovolné náhodné hodnoty. Je velmi užitečné poznamenat, že krátkodobé výkyvy růstu HDP a akciových kurzů nemají žádný praktický význam, neboť nastávají zcela náhodně. Na druhou stranu existenci kladného fundamentálního vztahu mezi růstem hospodářství a růstem akcií potvrzuje fakt, že nikde ve světě neexistuje prosperující ekonomika, která by neměla kapitálový trh (Kohout, 2008).

In Kaplan (2008) tamtéž 37 tamtéž 38 tamtéž 39 tamtéž 40 tamtéž 35 36


38

2.11 Empirické testování vztahu ekonomického růstu a akciového trhu Není pochyb, že ceny akcií jsou přes celou řadu kanálů úzce spojeny s reálnou ekonomickou aktivitou, teorie však jednoznačně neurčuje směr kauzálního vztahu mezi těmito dvěma veličinami. Morck a kol. (1990)41 stanovili pět hlavních kanálů, jimiž jsou ceny akcií propojeny s reálnou ekonomickou aktivitou. Svoji teorii podložili faktem, že manažeři firem činí svá investiční rozhodnutí na základě informací, které poskytují akciové trhy a na tom, že ceny akcií odrážejí současnou hodnotu dividend vyplacených v budoucnosti. Empirické výzkumy poskytují celou řadu rozdílných tvrzení o vztahu výkonnosti akciových trhů a ekonomické aktivity. Některé z nich (Fama, 1981; Schwert, 1990 a jiní) tento vztah potvrzují, jiné (Binswanger, 2000; 2004; Mao a Wu, 2007 aj.) naopak argumentují, že od počátku 80. let 20. stol. nemohou být změny akciových kurzů vysvětleny na základě změn v ekonomice, neboť došlo k porušení jejich vzájemného vztahu. Binswangerova studie z roku 2000 podává důkaz tohoto tvrzení pro USA. Prohlašuje, že rozšíření spekulativní bubliny koncem 80. let. 20. století42 ukončilo působení akciového trhu jako hlavního indikátoru určujícího budoucí výkonnost ekonomiky. Ve své pozdější studii se Binswanger (2004) zabývá otázkou, zda lze obdobné porušení vztahů pozorovat i v ostatních zemích G-743. Ekonomiky zemí G7 jsou charakteristické vysokým stupněm otevřenosti a akciové výnosy jsou tak méně ovlivněny skutečnostmi odehrávajícími se na domácím trhu. Autor připouští, že odhalení obdobného porušení vztahů nemusí být tak jednoduché s ohledem na velikost některých ekonomik ve srovnání s USA a současně s přihlédnutím ke skutečnosti, že velké firmy, jejichž akcie tvoří bázi akciových indexů příslušných burz, působí často v zahraničí. Z této studie vyplývají pro ekonomiku a akciový trh USA obdobné závěry jako z Binswangerovy studie z roku 2000 – porušení vztahů vzájemné závislosti mezi akciovými výnosy a mírou růstu ekonomické aktivity na počátku 80. let. Pro ostatní země jsou výsledky různorodé. Některé ze zemí (Kanada, Německo, Japonsko) vykazují obdobné porušení korelace, avšak méně výrazné. Pro zbývající země (Francie, Itálie, Velká Británie) je poměrně obtížné interpretovat výsledky. Řada studií se také zabývá vyšetřením kauzálního vztahu mezi výkonností akciových trhů a ekonomiky. Demetriades a Adriánová (2003) ve své práci polemizují nad směrem jeho působení. Jednou z možností je, že finanční trh reaguje na ekonomický vývoj země. Roste-li reálná ekonomika, zvyšuje se objem úspor plynoucích do finančního systému. Ten může nabídnout větší množství prostředků těm, kteří je potřebují. Druhou možností je, že dobře fungující finanční In Kaplan (2008) Spekulativní bublina na americkém akciovém trhu praskla 19. října 1987, tento den je často označován jako „černé pondělí“. 43 Země G7: USA, Kanada, Francie, Itálie, Německo, Velká Británie a Japonsko. 41 42


39

trh bude stimulovat ekonomický růst. Ve většině případů tedy spíše očekáváme oboustranné kauzální vztahy. Není-li prokázáno kauzální působení finančního trhu na ekonomický růst, může být příčinou řada faktorů. Například investování finančních prostředků do neproduktivních činností v důsledku mikroekonomické neefektivnosti bankovního systému, kdy banky nejsou schopny řešit problémy s přenosem informací dostatečně rychle a účinně. Alternativním vysvětlením neefektivní činnosti bank mohou být nepřiměřené politické zásahy do bankovního systému. Kauzální působení ekonomiky na vývoj finančního trhu může ale také indikovat makroekonomické problémy, jako například vysoký stupeň politické či ekonomické nejistoty, například v podobě nepředvídatelného růstu inflace. Rioja a Valev (2003)44 rozlišují v závislosti na rozvinutosti finančního trhu tři typy regionů: 1) slabý, jež zahrnuje spíše chudší země, kde finanční trh výrazně neovlivňuje ekonomický růst; 2) střední, kde stupeň rozvinutosti finančního trhu může vést k ovlivnění ekonomického růstu a 3) silný, kde vývoj finančního trhu má pozitivní, avšak malý vliv na ekonomický růst. Aby bylo možné s dostatečnou mírou vážnosti prohlásit, že vývoj finančního trhu ovlivňuje ekonomický růst, je třeba nashromáždit dostatečné množství důkazů (resp. výsledků studií) a současně zkoumat velké datové soubory. Bez ohledu na směr působení kauzálních vztahů může lepší porozumění fungování finančních trhů osvětlit mechanismy používané k podpoře ekonomické růstu (Demetriades a Adriánova, 2003). Celá řada autorů se zaměřuje na zkoumání kauzálních vztahů mezi finančním trhem a ekonomikou uvnitř jedné země a neprovádí testování pro více zemí. Mao a Wu (2007)45 ve své studii například identifikovali dlouhodobý oboustranný kauzální vztah mezi australským akciovým trhem a ekonomickou aktivitou. Zatímco například Fama (1990), Schwert (1990) nebo Mauro (1995) tvrdí, že zvyšování výkonnosti akciových trhů může mít příznivý vliv za zvyšování ekonomické výkonnosti. Studie pracující s norskými (Gjerde a Sættem, 1999)46 nebo s korejskými daty (Know a Shin, 1999)47 naopak popírají, že výkonnost ekonomiky je dána výkonností akciového trhu. Závěry empirického testování se liší v závislosti na ekonomické vyspělosti jednotlivých zemí. Například Kaplan (2008) ve své studii zaměřené na Turecko identifikoval dlouhodobý vztah akciového trhu a ekonomiky, přičemž dokázal, že akciový trh kauzálně působí na výkon ekonomiky. Podle jeho závěrů může být charakter vývoje akciových kurzů určujícím faktorem budoucího ekonomického vývoje. Také Adamopoulos (2010) ve své studii zkoumající vztah mezi německou ekonomikou a jejím akciovým trhem, na ročních datech v období 1957–2007, přichází s obdobným závěrem. Výsledky studie Kaplana (2008) však vyvrací později prováděná studie Goktase a Hepsaga (2011) zabývající se také vztahem In Demetriades a Adriánová (2003) In Kaplan (2008) 46 tamtéž 47 tamtéž 44 45


40

tureckého akciového trhu a ekonomiky v období Q1:1987–Q3:2009. Jejich výsledky potvrzují existenci kauzálního vztahu mezi výnosy akciových trhů a ekonomickou aktivitou v šestiměsíčním období, avšak ve směru působení ekonomické výkonnosti na výkonnost akciového trhu. Kontroverzní výsledky mohou být důsledkem využití rozdílné metodiky, kdy Goktas a Hepsag (2011) ve své práci berou v potaz sezónní chování a využívají také sezónního testu jednotkového kořene HEGY. Jak už bylo zmíněno výše, výsledky studií vypovídajících o vztahu a směru působení akciového trhu a ekonomiky se mohou lišit v závislosti na ekonomické vyspělosti jednotlivých zemí. V posledních letech se při zkoumání těchto vztahů proto autoři obrací pozornost od vyspělých zemí k zemím s rozvíjejícím se trhem. Například Chakraborty (2008) zkoumal, jak se projevují tyto vazby v prostředí indického trhu (čtvrtletní data, Q3:1996–Q1:2005). Přichází se závěrem, že vývoj indického finančního trhu ovlivňuje ekonomický růst, nicméně vztahy mezi těmito veličinami jsou relativně slabé. Také v případě Malajsie (Ibrahim, 2010) lze v krátkém období, kratším než jeden rok, hovořit o výnosech akcií jako hlavním indikátoru budoucího ekonomického růstu. Fama (1990) a Schwert (1990) přichází se třemi možnými vysvětleními silných vazeb mezi akciovými kurzy a výkonností ekonomiky: 1) Informace o budoucí ekonomické výkonnosti se mohou promítnout do cen akcií mnohem dříve, než k nim skutečně dojde, což je v souladu s tvrzením, že akciové kurzy jsou hlavním indikátorem určujícím blahobyt země. 2) Změny diskontních sazeb mohou mít stejný vliv na akciové kurzy a na výnosy z provedené investice, investice se však nestává výnosnou ihned po jejím provedení, ale až po nějaké době. 3) Změny akciových kurzů jsou změnami bohatství, což může mít vliv na spotřebu zboží a služeb. Fama (1990) také ve své studii naznačuje, že měsíční, čtvrtletní a roční výnosy akciových trhů USA jsou vysoce korelované s budoucí mírou průmyslové produkce pro období 1953–1987, přičemž míra korelace se podle jeho názoru zvyšuje s prodlužující se délkou sledovaného období. Důvodem je především rychlost přenosu informací o skutečné průmyslové produkci, což jednoduše souvisí i s tím, že ne všechny informace jsou snadno a rychle dostupné. Znamená to tedy, že je-li sledované období krátké, je možné vysvětlit pouze část budoucí míry růstu, zatímco s prodlužující se délkou období se vysvětlená část také prodlužuje. Výsledky studií Famy (1990) a Binswangera (2000) také naznačují, že vztah akciových trhů a výkonnosti ekonomiky lze zkoumat jedině na základě čtvrtletních či ročních dat, data měsíční mají podle nich malou vysvětlující schopnost. Siliverstovs a Duong (2006) ve své studii zkoumají vliv akciových trhů na výkonnost ekonomiky v pěti evropských zemích (Německo, Francie, Nizozemí, Itálie a Velká Británie, čtvrtletní data, období Q1:1985–Q4:2004). Přestože se jim nepodařilo statisticky tento vliv prokázat, konstatují, že ekonomický vývoj pozitivně reaguje na pozitivní šoky odehrávající se na akciovém trhu a že akciové trhy obsahují určité informace pro předpověď ekonomického vývoje. Obdobně


41

také Domian a Louton (1997)48, kteří se zabývali vyšetřením kauzálního vztahu mezi výnosy akciového trhu a výkonem ekonomiky s přihlédnutím k asymetrii hospodářského cyklu, konstatují, že ostré poklesy výkonu ekonomiky jsou způsobeny poklesem ve výnosech akciových trhů, naopak pozitivní výkonnost akciových trhů je následována zvýšeným výkonem ekonomiky. Přestože existuje celá řada studií, které vyvrací předpovědní schopnosti akciových kurzů. Je třeba přiznat, že jejich snadná dostupnost a přesně naměřené hodnoty jim zajišťují jakousi výhodu jako předpovědního ukazatele ve srovnání s jinými makroekonomickými hodnotami, neboť ty jsou dostupné až se zpožděním a navíc jsou jejich hodnoty často upravovány (Ibrahim, 2010).

48

In Goktas a Hepsag (2011)

Materiál a metodika

42

3 Materiál a metodika 3.1 3.1.1

Materiál Časové řady

Tato diplomová práce se zabývá zkoumáním vývoje vztahů a závislostí hrubého domácího produktu a akciových indexů, jež jsou typickými veličinami získávanými v různých časových okamžicích. Data, jež jsou seřazena podle času, ve kterém byla získána, označujeme jako časové řady. Hindls (2007) definuje časovou řadu jako posloupnost věcně a prostorově srovnatelných pozorování, neboli dat, která jsou jednoznačně uspořádána z hlediska času, a to ve směru minulost-přítomnost. S časovými řadami se prakticky setkáváme v různých oblastech lidského života, na významu stále však více nabývá analýza ekonomických časových řad, k nimž řadíme řady makroekonomických ukazatelů či údaje týkající se vývoje kurzů cizích měn, peněžní zásoby, cen akcií na kapitálových trzích či vývoje produkce. Časové řady je možno klasifikovat několika způsoby, přičemž se nejedná o pouhé vymezení druhů časových řad, ale o vyjádření rozdílů v obsahu sledovaných řad, jež jsou mnohdy doprovázeny také specifickými statistickými vlastnostmi (Hindls, 2007)49. Pro účely práce se jeví jako nejvhodnější klasifikace časových řad podle rozhodného časového okamžiku na časové řady intervalové a okamžikové. Hodnoty intervalových časových řad závisí na délce časového intervalu sledování, typickým příkladem je například objem výroby, spotřeba surovin a podobně (Arlt, Arltová, 2007). Takovou časovou řadu v našem případě představují čtvrtletní hodnoty ukazatel HDP pro vybrané státy. Okamžikové časové řady představují řad ukazatelů, jejichž hodnoty jsou vztaženy k určitému časovému okamžiku. Znamená to tedy, že jejich hodnoty nezávisí na délce časového intervalu mezi jednotlivými pozorováními. Příkladem takové časové řady může být počet neumístěných uchazečů o zaměstnání evidovaných na úřadech práce k určitému datu či počet obyvatel hlásící se k moravské národnosti k poslednímu sčítání lidu v roce 2011 apod. (Arlt, Arltová, 2007). V našem případě takovou časovou řadu tvoří denní uzavírací hodnoty akciových indexů, které budou dále přepočítány na čtvrtletní průměrné hodnoty. 3.1.2

Datový soubor

Předmětem práce je studie provázanosti akciových trhů a jejich vlivu na vývoj HDP vybraných států a dále posouzení vlivu vyspělejších akciových trhů na trhy méně vyspělé. K dosažení stanovených cílů budou využity časové řady akciových indexů a časové řady reálného HDP vybraných ekonomik. Analýze budou podrobena 49

Více o uvedené problematice například Hindls (2007), Arlt, Arltová (2007).


43

čtvrtletní data zvolených ukazatelů za období od 1. čtvrtletí roku 2000 do 2. čtvrtletí roku 2012. Toto období bude analyzováno jako celek, dále rozděleno na dílčí části, aby bylo možné rozlišit intenzitu vzájemného působení v době před, po čas průběhu krize a v době jejího odeznívání. Volba čtvrtletních dat má dva základní důvody. Jednak je to dostupnost hodnot ukazatele HDP, který je zpravidla měřen čtvrtletně, za druhé, jak ve svých studiích uvádí Binswanger (2000) a Fama (1990), se u čtvrtletních dat předpokládá vyšší vypovídací schopnost oproti datům měsíčním, týdenním či denním, Historické denní uzavírací hodnoty akciových indexů byly převzaty z databáze společnosti Bloomberg a následně čtvrtletně zprůměrovány v tabulkovém programu Excel. Pro účely analýzy bylo vybráno 7 akciových indexů, jako zástupce amerického akciového trhu DJIA index, pro japonský trh index Nikkei 225 a zbývajících pět indexů EURO STOXX 50, WIG20, GDAX, BUX a PX jako zástupci evropského akciového trhu. Následující kapitola poskytuje jejich bližší charakteristiku. Při zpracování hodnot akciových indexů bylo abstrahováno od efektu nesynchronního obchodování, a to i přes to, že by mohlo dojít ke zkreslení dosažených výsledků. Předpokládáme, že ani autoři srovnávaných studií tento efekt při svém zkoumání neuvažovali. Hodnoty makroekonomického ukazatele HDP pro USA, EU27, Japonsko, Českou republiku, Maďarsko, Polsko a Německo byly čerpány z databáze Organizace pro hospodářskou spolupráci a rozvoj (OECD). Pro testování využijeme vyjádření HDP ve stálých cenách (referenčním období byl podle OECD stanoven rok 2005) v milionech USD. Reálné vyjádření ukazatele HDP koresponduje s hodnotami, se kterými pracovali autoři studií uváděných v literárním přehledu a současně také s hypotézou o vzájemném vztahu akciového trhu a reálné ekonomické aktivity. Testování Grangerovy kauzality mezi akciovým trhem a reálnou ekonomickou aktivitou bude v případě indexu EURO STOXX 50, který reprezentuje akciový trh eurozóny, provedeno s hodnotami ukazatele HDP za všechny členské státy Evropské unie, a to z důvodu nedostupnosti dat pro eurozónu v databázi OECD. Budeme pracovat se sezónně očištěnou časovou řadou reálného HDP, v níž byla převzata již z databáze OECD. U hodnot HDP se dá předpokládat významnost sezónní složky, k očištění dat bychom museli pravděpodobně stejně přistoupit. Významnost sezónní složky bude ověřena také v časových řadách akciových indexů, zde ji však nepředpokládáme. K posouzení jednosměrné závislosti a zjištění, který z páru jednotlivých ukazatelů je ovlivňovaný a který ovlivňující, či lze mezi ukazateli usuzovat na oboustranné kauzální vztahy, využijeme dynamický regresní model, jehož dynamika je zajištěna časovými posuny závisle a nezávisle proměnné. Hlavní myšlenkou tohoto modelu kauzality navrženého Grangerem v roce 1969 je, že proměnná Y je lineární funkcí svých vlastních minulých hodnot a minulých hodnot proměnné X. Poznamenejme, že hledání příčinných souvislostí mezi ukazateli bude


44

provedeno v obou směrech, tedy ve směru působení akciového trhu na vývoj reálné ekonomiky i opačně. Intenzita vzájemných vztahů bude posouzena na základě korelační analýzy, a to výpočtem párových korelačních koeficientů. Při korelační analýze můžeme narazit na problém zdánlivé korelace, kdy skutečná závislost neexistuje nebo jen ve velmi slabé formě. Příčinou zdánlivé korelace může být stejný trend vývoje v čase, nebo působení jiné třetí proměnné, s níž jednotlivě nebo současně souvisí zkoumané proměnné. Abychom předešli problému výskytu zdánlivé korelace, budou časové řady očištěny o trendovou složku, a to přepočtem na logaritmické výnosy. Tento přepočet současně umožní vyřešit problém nestacionarity časových řad. Při provádění Grangerova testu kauzality přepokládáme, že chybový člen není korelován se sebou samým, jinými slovy nevykazuje znaky sériové korelace. S ohledem na charakter vybraných časových řad, kdy se problém sériové korelace často objevuje při využití údajů časových řad ekonomických veličin, resp. u finančních časových řad, bychom na tento problém mohli narazit. Vyšší pravděpodobnost výskytu autokorelace chybového členu uvažujeme u časových řad akciových indexů, jejichž hodnoty byly pro účely testování čtvrtletně zprůměrovány. Autokorelace chybového členu by mohla nepříznivě ovlivnit výsledky Grangerova testu kauzality, její výskyt ověříme pomocí modifikované portmanteau Ljung-Box statistiky. Mimo sériovou nezávislost chybového členu u Grangerova testu také předpokládáme, že časové řady jsou stacionární. K ověření tohoto předpokladu využijeme graf průběhu jednotlivých časových řad a grafu ACF, v případě nejednoznačností některý z testů jednotkového kořene (ADF test, KPSS test). V případě nestacionarity, bude třeba časové řady stacionarizovat, a to například výpočtem prvních diferencí. Možným řešením nestacionarity mohla být také kointegrace časových řad. Kointegrace časových řad by mohla současně poukázat na vysokou pravděpodobnost existence kauzálních vztahů ve smyslu Grangerovy kauzality, jak uvádí Koop (2008). U časových řad HDP i akciových indexů, jež jsou využity pro zpracování této práce, lze předpokládat, že budou obsahovat jednotkový kořen, jinými slovy budou nestacionární. Ke stacionarizaci využijeme diferencování, konkrétně výpočtu logaritmických výnosů v procentech podle vztahů (3) a (4). 3.1.3

Vybrané akciové indexy

Pro účely studie bylo vybráno celkem sedm akciových indexů, které reprezentují americký, asijský a evropský akciový trh. Jako zástupce amerického trhu byl zvolen Dow Jones Industrial Average a pro trh asijský Nikkei 225. Evropský akciový trh bude reprezentován souhrnným akciovým indexem Dow Jones Euro Stoxx 50, dále českým indexem PX, maďarským BUX a polským WIG 20, které budou využity zejména při analýze vlivu rozvinutějšího akciového trhu na trh méně rozvinutý. Dodatečně byl také vybrán německý akciový index DAX, a to s ohledem na velikost a významnost německé burzy. Z hlediska tržní kapitalizace byla v roce 2009


45

Deutsche Börse AG největší burzovní firmou ve světě, tato skutečnost by mohla ovlivnit nejen výsledek hypotézy o vzájemné provázanosti akciových trhů, ale také hypotézu o vlivu rozvinutějšího akciového trhu na trh méně rozvinutý. Dow Jones Industrial Average je všeobecně nejznámějším akciovým indexem. Současně se také jedná o nejstarší burzovní index pro kontinuální využití. Poprvé byl spočítán v roce 1896 Charlesem H. Dowem, přičemž mechanismus výpočtu je stále stejný. Ve svých počátcích zahrnoval pouze 11 společností, náležejících zejména do železničního sektoru. Jedná se o cenově vážený index, kdy jsou jednotlivé společnosti zastoupeny podle svých absolutních kurzů. Index zahrnuje pouze 30 společností, které jsou nejvýznamnějšími společnostmi jednotlivých odvětví průmyslu v USA. Zahrnuje akciové tituly tzv. blue-chips50 společností zapsaných na NYSE51. Jedná se například o akcie společností Coca-Cola Co., McDonald’s Corp., Microsoft Corp., Hewlett-Packard, Walt Disney Co. a další. Složení indexu je v podstatě stálé, mění se jen velmi vzácně, nejčastější příčinou změn jsou příležitostné akvizice mezi zahrnutými společnostmi do báze indexu (djaverages.com; Rejnuš, 2001). Nejznámějším asijským akciovým indexem je Nikkei 225 Stock Average, tento index není vypočítáván burzou ale společností Nihon Keizai Shimbun Inc., která se zabývá finančními informacemi. Do indexu jsou zahrnovány největší společnosti tokijské burzy na základě kapitalizace a likvidity. Jedná se o cenově vážený index, který je kalkulován pomocí výše aktuálních kurzů, samotná metoda jeho výpočtu je však zcela zastaralá. Nikkei 225 byl poprvé spočítán 7. září 1950, v současné době je vypočítáván každých 15 sekund od otevření tokijské burzy. Součástí indexu jsou společnosti jako například Olympus Corp., Suzuki Motor Corp., Toyota Motor Corp., Honda Motors Co., Ltd. (e.nikkei.com). Evropský akciový trh bude pro potřeby diplomové práce reprezentován hlavním evropských akciovým indexem Dow Jones EURO STOXX 50. Tento index je vypočítáván až od roku 1991, jde o hodnotově vážený souhrnný evropský akciový index. Index zahrnuje 50 společností z 12 zemí eurozóny (Rakousko, Belgie, Finsko, Francie, Německo, Řecko, Irsko, Itálie, Lucembursko, Nizozemí, Portugalsko a Španělsko) reprezentujících jednotlivá odvětví s největší tržní kapitalizací. V každém čtvrtletí je prověřováno jak složení, tak i váha jednotlivých titulů. Za rozhodující kritérium je považována tržní hodnota volně obchodovaného počtu akcií tzv. free float value. Jednu čtvrtinu společností zastupují výrobci a distributoři energie, 30 % připadá finančním společnostem a necelých 20 % společnostem zabývajícími se telekomunikací a technologiemi. Index zahrnuje akcie společností jako Nokia, Volkswagen Pref, Telefonica, Allianz, AXA nebo Deutsche Telekom, E.ON (stoxx.com). Oficiální akciovým indexem pražské burzy je index PX, poprvé byl spočítán 20. března 2006 a je nástupcem indexů PX50 a PX-D, přičemž převzal historické Blue-chips neboli modré žetony: tímto termínem označujeme nejkvalitnější akcie příslušné burzy (Rejnuš, 2001). 51 New York Stock Exchange 50


46

hodnoty nejstaršího indexu pražské burzy PX50. Index zahrnuje nejsilnější společnosti obchodované na pražské burzy ve SPADU52, v současné době zahrnuje celkem 14 akciových titulů. Jeho předchůdce PX50 byl zaveden 5. dubna 2004, v té době zahrnoval celkem 50 emisí, jejichž váha byla úměrná jejich tržní kapitalizaci. Během doby však došlo k dramatickému snižování počtu akcií v indexu, proto byl v březnu roku 2006 nahrazen indexem PX. Jedná se o index cenový nikoli výnosový. Báze indexu zahrnuje akciové tituly například společnosti Telefónica C.R., Unipetrol, Komerční banka, ČEZ, Erste Group Bank nebo Philip Morris ČR (pse.cz; Rejnuš 2001). Polská burza bude reprezentována hodnotami indexu WIG 20, poprvé byl tento index spočítán 16. dubna 1994, v současné době zahrnuje 20 hlavních a nejlikvidnějších akcií obchodovaných na varšavské burze. Akcie jsou v indexu váhově zastoupeny podle své tržní kapitalizace, přičemž každý obor může být zastoupen maximálně pěti tituly. Báze indexu se čtvrtletně upravuje a každoročně reviduje. Index obsahuje tři hlavní sektory: služby (17,3 % indexu), průmysl (téměř 38,9 %) a finanční sektor (přibližně 43,8 %), významnými podsektory jsou telekomunikace, palivový průmyslu a bankovnictví. V poslední době význam tohoto indexu v západních zemích značně roste, důvodem může být nejen to, že Polsko je největší postkomunistickou zemí, ale je také více mezinárodní, protože kótuje akcie zahraničních společností a tím se stává atraktivnější pro mezinárodní investiční komunity. Bázi indexu tvoří například PGE Polska Grupa Energetyczna, Kernel Globa Trade Centre a další (Svoboda a kol, 2006; gpw.pl). Hlavní indexem budapešťské burzy cenných papírů je BUX, jehož výpočet byl zahájen v roce 1995. Jedná se o oficiální index blue-chips akcií kótovaných na burze v Budapešti. Index je vypočítáván průběžně každých 5 minut na základě aktuální tržní ceny akcií. Skládá se z různého počtu akcí, minimální počet titulů je 12, maximální 25. Index je přepočítáván dvakrát ročně, báze indexu se upravuje v následujícím měsíci po přepočtu indexu. Index je také obchodovatelný, jeho opce a futures jsou dostupné v sekci derivátů budapešťské burzy. BSE byla také jednou z prvních burz na světě, která začala využívat koeficienty tzv. free-float kapitalizace namísto kapitalizace tržní. Bázi indexu tvoří společnosti jako MTelecom, Estmedia, E-star a podobně (bse.hu). Posledním zapojeným indexem je německý DAX. Jedná se o výnosový index zahrnující 30 vybraných blue chips titulů obchodovaných na frankfurtské burze. Do báze indexu jsou přijaty pouze společnosti se sídlem v Německu a společnosti mající v Německu místo svého vedení, jejichž podstatná část obratu je realizovaná na frankfurtské burze, dále společnosti se sídlem v Evropské unii a členských státech EFTA53. Index je vypočítáván od roku 1959 jako nástupce indexu BörsenSystém pro podporu trhu akcií a dluhopisů, jedná se o segment burzovního trhu, na kterém jsou obchodovány zpravidla nejlikvidnější emise cenný papírů registrovaných na BCPP. O zařazení akcií do příslušného segmentu rozhoduje burzovní výbor (Rejnuš, 2001). 53 Evropské sdružení volného obchodu, členskými státy této asociace jsou Island, Lichtenštejnsko, Norsko a Švýcarsko. 52


47

Zeitung. Do báze indexu jsou zahrnuty společnosti jako například Adidas AG, Bayer AG, Volkswagen AG, Siemens AG a další (bloomberg.com; dax-indices.com). 3.1.4

Hrubý domácí produkt

Studie se zabývá identifikováním závislosti mezi akciovými indexy, jako ukazateli výnosnosti akciových trhů, a HDP, jako hlavního indikátoru výkonnosti ekonomik. V následujícím textu bude blíže charakterizován druhý z pozorovaných ukazatelů. Podle definice ČSÚ je hrubý domácí produkt peněžním vyjádřením celkové hodnoty statků a služeb nově vytvořených v daném období na určitém území. Jiná definice říká, že HDP vyjadřuje celkový objem finální produkce v peněžních jednotkách vytvořené v určitém období výrobními faktory působícím na území dané země, a to bez ohledu na vlastnictví či původ kapitálu (resp. státní příslušnost jejich majitelů). Používá se jako ukazatel výkonnosti ekonomiky, k jeho měření dochází nejméně čtvrtletně. Jedná se o součet korunové hodnoty spotřeby, investic, vládních nákupů a čistých vývozů. Měření HDP je založeno na systému národních účtů podle jednotné metodiky OSN. Je třeba rozlišovat mezi reálným a nominálním HDP, nominální HDP je vyjádřen v běžných resp. skutečných cenách, zatímco reálný v cenách stálých (např. určitého základního výchozího období). Na základě hodnot reálného HDP tedy můžeme posoudit skutečný nárůst fyzického objemu produkce během období, aniž by došlo ke zkreslení jeho hodnoty vlivem inflace. Ukazatel HDP není ukazatelem bohatství dané země, měří pouze jeho změnu za dané období. Změna HDP za určité období vyjadřuje změnu rychlosti hospodářského růstu země. Slouží také jako měřítko pro srovnání řady ekonomických veličin, například deficitu veřejných financí, státního dluhu, zadluženosti firem a domácností či velikosti importu a exportu, které se vykazují podílem na HDP. HDP přepočtený na jednoho obyvatele se často používá jako hrubé měřítko životní úrovně a relativního bohatství společnosti (Klíma, 2006; Jurečka, Jánošíková a kol., 2009).

3.2

Metodika

S ohledem na cíl diplomové práce, jímž je posouzení vlivu vývoje akciových trhů na výkonnost vybraných ekonomik a vlivu amerického a evropského akciového trhu na trh český, se budeme zabývat korelační analýzou časových řad a dále Grangerovou kauzalitou, s jejíž pomocí se budeme snažit odhalit existenci kauzálních vztahů a směr jejich působení. 3.2.1

Korelační analýza časových řad

Korelační analýza je jednou z metod, jež se zabývá hledáním, zkoumáním a hodnocením závislostí mezi dvěma či více statistickými znaky. Cílem tohoto zkoumání je odhalení jakýchsi příčinných (kauzálních znaků) mezi např. dvěma


48

jevy, kdy existence jednoho jevu souvisí s existencí jevu jiného. Je třeba rozlišit jednostranné a vzájemné kauzální vztahy. Zkoumání jednostranných závislostí se zabývá regresní analýza, kdy jedna proměnná vystupuje v úloze jako „příčina“ (jde o vysvětlující resp. nezávisle proměnnou) a druhá jako „následek“ (vysvětlovaná či závisle proměnná). Korelační analýza naopak klade větší důraz na zkoumání intenzity vzájemného vztahu než na zkoumání vztahu ve směru příčina-následek (Hindls, 2007). Korelace přestavuje důležitý způsob číselného vyjádření závislosti mezi dvěma proměnnými. Jinými slovy se jedná o číselné vyjádření stupně toho, jak si vzájemně odpovídá chování veličiny X a Y. K zjištění, zda mezi dvěma proměnnými existuje vzájemná závislost, můžeme kromě samotného výpočtu korelačního koeficientu využít také bodového grafu. Pozitivní nebo negativní vztah mezi proměnnými rozpoznáváme na základě jeho rostoucí nebo klesající tendence, tedy pozitivní korelace znamená rostoucí chování bodového grafu, negativní korelace sklon klesající. Bodový graf nám dokáže také naznačit, jak silná korelace je mezi proměnnými. Body prokládáme přímkou, přičemž na sílu korelace usuzujeme podle rozložení jednotlivých bodů kolem ní. Jsou-li silně korelované, leží v blízkosti této přímky, jsou-li slabě korelované, jsou více rozptýlené (Němec, 2009). Hindls (2007) upozorňuje na problém zdánlivé korelace, kdy pozorujeme silnou závislost mezi proměnnými i v případě, že závislost ve skutečnosti buď téměř, nebo vůbec neexistuje. K tomuto jevu může docházet tehdy, když obě proměnné vykazují stejný vývojový trend v čase nebo jsou latentně ovlivňovány jinou třetí proměnou, s níž jednotlivě nebo současně souvisí zkoumané proměnné. Korelace může vznikat z několika důvodů. Je-li však mezi dvěma proměnnými vzájemná závislost, neznamená to, že mezi nimi také existuje kauzální (tedy příčinný) vztah. Důležité je také vědět, jak dosažené výsledky empirického zkoumání správně interpretovat. Správná interpretace vyžaduje nejen dobré intuitivní znalosti o tom, co vlastně korelace je, ale také dobrou znalost zkoumaného ekonomického problému (Koop, 2006; Němec, 2009). 3.2.2

Grangerova kauzalita a její testování

Jedním z problémů, kterými se ekonometrie zabývá, je zkoumání kauzálních vztahů mezi ekonomickými časovými řady. Ekonomové totiž předpokládají, že všechno souvisí se vším. Vyvstává zde tedy otázka týkající se kauzálních vztahů mezi různými časovými řadami (Arlt, Arltová, 2007; Kirchgässner, Wolters, 2007). Pojem příčinné (kauzální) závislosti byl zmíněn již v předchozím textu týkající se korelace. Korelační analýza se zabývá vyšetřováním vzájemných závislostí mezi dvěma proměnnými, které mohou vznikat z různých důvodů. Existuje-li mezi dvěma proměnnými závislost, neznamená to, že tato závislost je současně také kauzální ve smyslu, že vývoj jedné proměnné ovlivňuje vývoj proměnné druhé. V principu lze k otázce týkající se kauzálních vztahů přistoupit dvěma způsoby. U takzvané „bottom up“ strategie nejdříve předpokládáme, že procesy generující hodnoty různých časových řad nejsou na sobě závislé, následně vzniká


49

otázka, zda některé konkrétní časové řady nejsou ve vzájemném vztahu. Tento statistický přístup vyplývá z návrhů CLIVA W. J. GRANGERA (1969) a je dnes často využíván při provádění testů kauzality. Alternativou je pak „top down“ strategie, která předpokládá, že generující procesy nejsou nezávislé a pokládá otázku, zda jsou hodnoty některých konkrétních časových řad generovány nezávisle na ostatních, které jsou také předmětem zkoumání. Tento přístup následujeme v případě využití vektorových autoregresních procesů. Oba tyto přístupy jsou využívány při vyšetřování kauzálních vztahů, které mohou vznikat mezi různými časovými řadami (Kirchgässner, Wolters, 2007). Hovoříme-li o kauzalitě v souvislosti s analýzou časových řad, vycházíme z faktu, že čas neběží pozpátku. Tedy, jestliže skutečnost A nastane před skutečností B, je možné, že A způsobuje B, naopak není možné, aby událost B způsobovala událost A. Jinými slovy, skutečnosti odehrávající se v minulosti mohou působit na události, které nastanou dnes. Minulost však nemůže být ovlivněna budoucností. Takto můžeme zhruba popsat hlavní myšlenku Grangerova testu kauzality. Je však třeba zmínit, že otázka kauzality je hluboce filozofická a je spojena s celou řadou sporů. Na jedné straně jsou lidé, kteří tvrdí, že všechno souvisí se vším, na druhé pak ti, kteří popírají jakoukoliv existenci kauzálních vztahů (Koop, 2006; Gujarati, 2003). Arlt, Arltová (2007) uvádějí, že Grangerova koncepce kauzality spočívající v hodnocení „predikovatelnosti“ není v souladu s jejím filozofickým pojetím. Kauzální působení je ve většině definic spojeno se slovy „ovlivňovat“ nebo „produkovat“, které nejsou synonymem slova „předpovídat“ či „ predikovat“. Při praktickém ověřování kauzality je tedy nutné akceptovat pojetí, jež umožňuje jeho praktickou aplikovatelnost, odhadování a využití ekonometrických modelů. Grangerův test kauzality Cílem diplomové práce je vyšetřením vztahů mezi výnosností akciových trhů (I) a výkonností ekonomiky (HDP) vybraných států, dále posouzení vzájemné integrace a informační efektivnosti akciových trhů. Grangerův test kauzality využijeme k zjištění, který z páru jednotlivých ukazatelů je ovlivňovaný a který ovlivňující, či zda mezi sledovanými ukazateli existují oboustranné kauzální vztahy. Zkoumáme tedy, zda vývoj na akciovém trhu zapříčiňuje vývoj hrubého domácího produktu, jako ukazatele výkonnosti dané ekonomiky (I=>HDP), nebo naopak stav ekonomiky ovlivňuje výnosnost akciového trhu, jež vyjadřujeme akciovými indexy (HDP=>I). Testování Grangerovy kauzality předpokládá, že veškeré informace pro předpověď příslušných proměnných jsou obsaženy výhradně v jejich časových řadách. Testujeme tyto dvě následující regresní rovnice: m

m

HDPt = α 0 + ∑ α i HDPt −i + ∑ β i I t − j + u1t i =1

m

m

I t = γ 0 + ∑ γ i I t −i + ∑ δ iHDPt − j + u2t i =1

(1)

j =1

j =1

(2)


50

Pro eliminaci trendové složky, která by mohla zapříčinit vznik zdánlivé korelace, bylo u sledovaných ukazatelů využito přepočtu na logaritmické výnosy vyjádřené v procentech. HDPt (l ) = 100 * (ln HPDt − ln HDPt −1 ) (3) (4)

I t (l ) = 100 * (ln I t − ln I t −1 ) Po přepočtu získaly regresní rovnice následující podobu: m

m

HDPt (l ) = α 0 + ∑ α i HDPt −i (l ) + ∑ β i I t − j (l ) + u1t i =1

m

m

I t (l ) = γ 0 + ∑ γ i I t −i (l ) + ∑ δ iHDPt − j (l ) + u 2t i =1

(5)

j =1

(6)

j =1

Předpokládáme, že chybové členy u1t a u2t jsou nekorelované. Pracujeme-li se dvěma proměnnými, uvažujeme oboustrannou kauzalitu. První rovnice (1) říká, že současná hodnota HDP je výsledkem jejích minulých hodnot a minulých hodnot akciových indexů. Druhá rovnice (2) naznačuje obdobný vztah pro druhou proměnnou, tedy současná hodnota akciového indexu je dána jeho minulými hodnotami a minulými hodnotami HDP. Pro potřeby této práce budeme pracovat s vyjádřením těchto rovnic ve formě logaritmických výnosů (5) a (6). Můžeme rozlišit čtyři různé formy výstupů: 1. Jednosměrná kauzalita I=>HDP, kdy suma odhadnutých koeficientů zpožděných hodnot I (v první rovnici) je statisticky různá od nuly (tj. ∑βi≠0) a suma odhadnutých koeficientů zpožděných hodnot HDP (v druhé rovnici) není statisticky různá od nuly (tj. ∑δi=0). 2.

3. 4.

Naopak jednosměrná kauzalita HDP=> I nastává, když součet koeficientů zpožděných hodnot I (v první rovnici) není statisticky různý od nuly (tj. ∑βi=0) a součet koeficientů zpožděných hodnot HDP (v druhé rovnici) je statisticky různý od nuly (tj. ∑δi≠0). Oboustranná kauzalita nastává tehdy, když součty koeficientů proměnných I a HDP jsou statisticky různé od nuly v obou rovnicích. Nezávislost mezi proměnnými pak nastává tehdy, když součty koeficientů proměnných I a HDP nejsou statisticky různé od nuly v obou rovnicích.

Budoucí hodnoty nemohou být předpovězeny minulými hodnotami. Zapříčiňuje-li proměnná X proměnnou Y, měly by změny v proměnné X předcházet změnám v proměnné Y. Nejprve tedy zjistíme závislost proměnné Y na ostatních proměnných, a to včetně závislosti na jejích vlastních hodnotách. Jestliže pak při zahrnutí minulých a zpožděných hodnot proměnné X dojde k výraznému zlepšení predikce proměnné Y, můžeme prohlásit, že X zapříčiňuje Y ve smyslu Grangerovy kauzality. Obdobnou denici můžeme definovat také v případě, že Y zapříčiňuje X (Gujarati, 2003).


51

Aplikace této obecné definice na námi zkoumaný příklad zní: Jestliže výnosnost akciového trhu (I) ovlivňuje výnosnost dané ekonomiky (HDP), potom by změny na akciovém trhu měly předcházet změnám v hodnotě HDP. Když při zahrnutí zpožděných a minulých hodnot akciových indexů do regrese dojde k výraznému zlepšení předpovědi výkonnosti ekonomiky, která dosud byla výsledkem pouze minulých hodnot HDP, můžeme prohlásit, že výnosnost akciového trhu (I) zapříčiňuje výnosnost dané ekonomiky (HDP) ve smyslu Grangerovy kauzality. Jednotlivé kroky implementace Grangerova testu kauzality, a to ve směru I=> HDP, jsou následující: 1. Z omezené regresní rovnice získáme omezenou sumu čtverců reziduí RSSR. Omezenou regresní rovnicí rozumíme regresi současných hodnot HDP na všech jejích zpožděných hodnotách a ostatních proměnných, jestliže nezahrnujeme zpožděné hodnoty proměnné I. 2.

Nyní formulujeme regresní rovnici se zahrnutím zpožděných hodnot proměnné I, z této tzv. neomezené regresní rovnice dostáváme neomezenou sumu čtverců reziduí, RSSUR.

3.

S využitím F-testu testujeme nulovou hypotézu Ho:∑βi=0; je-li součet odhadnutých koeficientů statisticky nevýznamný, proměnná I nenáleží do regrese. Tedy:

F=

( RSS R − RSSUR ) / m ; RSSUR /(n − k )

kde testová statistika má F rozdělení s m a (n-k) stupni volnosti. V našem případě m je rovno počtu zpoždění proměnné I a k je počet parametrů odhadnutých v neomezené regresi. 4.

Jestliže vypočtená hodnota F překročí kritickou hodnotu F na zvolené hladině významnosti, zamítáme nulovou hypotézu, což znamená, že zpožděné hodnoty proměnné I náleží do regrese. Jinými slovy, že I zapříčiňuje HDP.

5.

Kroky 1 až 5 provádíme také pro testování kauzality v opačném směru, tedy HDP=>I (Gujarati, 2003).

Předpokládáme, že proměnné I a HDP jsou stacionární54. Nejsou-li stacionární ve svém původním tvaru, lze stacionarity dosáhnout například výpočtem prvních diferencí či jinou transformací původních hodnot. Jsou-li časové řady nestacionární, je možné, že mezi nimi existuje lineární kombinace, která stacionární je, takovéto časové řady označujeme jako kointegrované. Při odhadování regresních parametrů takovýchto časových řad bychom měli využít modelu opravené regrese ECM (error correction model), k testování Grangerovy kauzality pak přistupujeme stejným způsobem, jako v případě stacionárních Stacionární časovou řadou se rozumí taková časová řada, kdy charakteristiky jejích náhodných veličin jsou v čase neměnné (Arlt, Arltová, 2007).

54


52

časových řad. Koop (2008) uvádí, že jestliže jsou časové řady X a Y kointegrované, měla by se vždy určitá forma Grangerovy kauzality objevit. Tento jen označuje jako Grangerův teorém, jehož průkaznost nebyla však podložena dostatečným množstvím důkazů. Směr působení kauzálních závislostí může ovlivňovat délka zpoždění. Při jejím určování využíváme například Akaikeho (AIC) nebo Schwarzovo informační kritérium (BIC)55. Také předpokládáme, že chybové členy nejsou korelovány, v opačném případě je třeba využití nápravných technik, jakou je například vhodná transformace původního modelu nebo odhad parametrů pomocí zobecněné metody nejmenších čtverců GLS (generalized least squares). V práci se soustředíme na testování kauzálních vztahů mezi ukazateli HDP a akciovými indexy, není tedy nutné prezentovat veškeré výsledky včetně odhadnutých regresních koeficientů, budou uvedeny pouze výsledky F-testu. Vypovídající schopnosti Grangerovy kauzality Proměnné často rozdělujeme dvou širokých kategorií, endogenní a exogenní. Jednoduše řečeno, endogenní proměnná představuje v jednorozměrném regresním modelu závisle proměnnou Y, proměnná exogenní je pak proměnnou nezávislou, ovlivňující X v takovém modelu, kdy proměnná X (jako proměnná vysvětlující) není korelována s chybovým členem. Odhad parametrů takového modelu metodou nejmenší čtverců je nestranný a konzistentní. Jiná definice říká, že procesy vznikající uvnitř systém jsou procesy endogenními a procesy vznikající vně jsou exogenní (Gujarati, 2003; Arlt, Arltová, 2007). Předpokládejme, že na základě výsledků Grangerova testu kauzality bylo zjištěno, že proměnná X zapříčiňuje proměnnou Y, přičemž nebyly zjištěny opačné kauzální závislosti. Nyní zde vyvstává otázka, lze-li proměnnou X považovat za exogenní, tedy jinými slovy zda můžeme využít Grangerovu kauzality ke stanovení exogenity? Abychom byli schopni odpovědět na tuto otázku, je třeba rozlišit tři různé typy exogenity: slabou, silnou a super exogenitu. Pro zjednodušení uvažujeme pouze dvě proměnné Yt a Xt, dále uvažujeme, že proměnná Xt je regresorem Yt. Říkáme, že Xt je slabě exogenní, jestliže Yt také současně nevysvětluje proměnnou Xt. V tomto případě může dojít k odhadu parametrů modelu a jeho testování na základě hodnot proměnné Xt. Proměnná Xt je silně exogenní, jestliže současné a budoucího hodnoty proměnné Yt tuto proměnnou nevysvětlují (neexistuje zde žádná zpětná vazba). Proměnná Xt je pak super exogenní, jestliže se regresní parametry proměnných Y a X nemění, ani v případě změny hodnoty proměnné X. Tedy parametry proměnných jsou neměnné v případě změny hodnot proměnné X. Důvod pro rozlišování tří forem exogenity je následující: slabá exogenita představuje všechno potřebné pro provádění odhadů a jejich testování, silná Hodnotící kritéria založená na porovnání reziduí modelů s odlišnou délkou zpoždění, jako nejvhodnější se vybírá model s takovou délkou zpoždění, jehož hodnoty těchto kritérií jsou nejnižší (Arlt, Arltová, 2007). 55


53

exogenita je zapotřebí pro formulaci předpovědí a její super forma je důležitá pro provádění analýz hospodářské politiky. Vrátíme-li se ke Grangerově kauzalitě, jestliže proměnná Y nezapříčiňuje ostatní proměnné, například proměnnou X, můžeme ji považovat za exogenní? Odpověď není až tak přímočará. Jestliže hovoříme o slabé exogenitě, můžeme dokázat, že Grangerova kauzalita není ani nezbytná ani dostatečná pro stanovení exogenity. Na druhou stranu je Grangerova kauzalita nezbytná avšak ne dostatečná pro založení silné exogenity (Gujarati, 2003).


54

4 Výsledky a komentáře Prezentované výsledky diplomové práce byly zpracovány ve volně dostupném programu Gretl a dále v tabulkovém programu MS Excel. Pro lepší přehlednost mezi analyzovanými časovými řadami byl zaveden systém následujících zkratek (Tab. 1). Tab. 1

Seznam zkratek pro prezentaci výsledků práce. Zdroj: zpracováno autorem

Zkratky pro akciové indexy BUX Budapest Stock Exchange Index – pro maďarský akciový trh DJIA Dow Jones Industrial Average – index pro americký akciový trh GDAX Deutsche Borse AG German Stock Index – pro německý akciový trh NKY225 Nikkei 225 Stock Average – index pro japonský akciový trh PX oficiální index Burzy cenných papírů Praha SXE5 Dow Jones EURO STOXX 50 – index pro evropský akciový trh WIG20 Warsaw Stock Exchange Top 20 Index pro polský akciový trh Zkratky ukazatele HDP GDP_CR ukazatel hrubého domácího produktu pro Českou republiku GDP_EU27 ukazatel hrubého domácího produktu pro Evropskou unii GDP_GE ukazatel hrubého domácího produktu pro Německo GDP_HU ukazatel hrubého domácího produktu pro Maďarsko GDP_JAP ukazatel hrubého domácího produktu pro Japonsko GDP_PL ukazatel hrubého domácího produktu pro Polsko GDP_US ukazatel hrubého domácího produktu pro Spojené státy americké

4.1

Předběžná analýza datového souboru

V prvním kroku analýzy bylo provedeno ověření významnosti sezónní složky časových řad akciových indexů s využitím nástroje X-12-ARIMA analýza, který umožňuje sezónní očištění časové řady. Našim cílem bylo zjištění případných významných odlišností mezi sezónně očištěnými a neočištěnými hodnotami. Ověření významnosti sezónní složky u časových řad reálného HDP nebylo nutné provádět, protože sezónně očištěná data jsou přímo dostupná z databáze Organizace pro hospodářskou spolupráci a rozvoj (OECD). Po porovnání sezónně upravených a neupravených hodnot akciových indexů bylo zjištěno, že hodnoty se v některých případech výrazně liší. Tato odchylka může být způsobena nedokonalostí fungování klouzavých průměrů u okrajových hodnot časové řady, určitou roli mohou sehrát také vychýlené denní hodnoty akciového indexu v daném čtvrtletí, jsou-li následně přepočteny na čtvrtletní průměr. S ohledem na tyto skutečnosti byly v dalších krocích analýzy uvažovány sezónně očištěné časové řady hodnot akciových indexů. Sezónní vyjádření indexů tak koresponduje se sezónně upravenými hodnotami HDP.


55

Sledované období Q1:2000–Q2:2012 bylo rozděleno na dvě dílčí části tak, aby bylo možné rozlišit intenzitu vztahu mezi akciovými trhy navzájem a mezi akciovými trhy a ekonomickou výkonností v době před globální hypoteční krizí a po čas jejího průběhu a doznívání. Bod rozdělení byl identifikován na základě grafu průběhu časových řad akciových indexů (Obr. 2), které by měly velmi dobře zachytit, kdy došlo k propadu na příslušných burzách. 30000 BUX DJIA GDAX NKY225 PX 25000 SX5E WIG20

20000

15000

10000

5000

0 2000

2002

2004

2006

2008

2010

2012

Obr. 2 Identifikace strukturálního zlomu na základě grafu průběhu časových řad akciových indexů. Zdroj: zpracováno v programu Grelt.

Při identifikaci bodu zlomu (resp. bodu rozdělení celého sledovaného období) byla uvažována také předběžná znalost jeho možného výskytu na základě historických událost, jimiž je myšlena zejména nedávná globální hypoteční krize, jejíž počátek je spojován s krachem jedné z největších investičních bank v USA Lehman Brothers 15. září 2007. Na základě těchto skutečností bylo vybráno jako možný bod rozdělení celkového sledovaného období 3. čtvrtletí roku 2007. Pomocí Chowova testu strukturální změny56 jsme u jednotlivých časových řad akciových indexů ověřili, Chowův test s nulovou hypotézou o nepřítomnosti strukturálního zlomu v daném období je možné využít tehdy, kdy bod zlomu předpokládáme v předem určeném období (Brooks, 2008). 56


56

zda lze o námi zvoleném období uvažovat jako o bodu strukturální změny. Chowův test s nulovou hypotézou o nepřítomnosti bodu zlomu ve vybraném období byl vyhodnocen na základě p-hodnoty Chowovy F-statistiky na 5% hladině významnosti57. S přihlédnutím na výsledky Chowova testu (viz příloha A) a také na znalost historických událostí bylo vybráno jako bod rozdělení 3. čtvrtletí roku 2007. K identifikaci bodu zlomu bylo možné přistoupit také na základě QLR testu (Quandt likelihood ratio), který s 15% oboustranným ořezáním časové řady hledá strukturální zlom pro všechna období v 70% centrálním úseku dat. Testem je vybráno to období, jehož Chowova F-statistika je nejvyšší a tedy přítomnost strukturálního zlomu nejpravděpodobnější. V našem případě však nebylo možné z výsledků QLR testu (viz příloha A) pro časové řady akciových indexů vycházet, protože ty se pro jednotlivé časové řady výrazně liší. Výjimku představuje americký DJIA a německý GDAX, pro které bylo vybráno stejné období Q1:2006. Toto období lze spojovat s vyvrcholením rusko-ukrajinské krize v lednu 2006, ta se odrazila na cenách plynu bývalých zemí Sovětského svazu a pravděpodobně také ve vývoji na jejich akciových trzích. Do naší analýzy však nebyla zařazena žádná z těchto zemí. S ohledem na stanovené cíle práce, které se vztahují i k posouzení vzájemných vztahů mezi ukazateli v období nedávné finanční krize, a také na odlišné výsledky QLR testu, bylo rozhodnuto, že tyto nebudou brány v potaz. V následující analýze bude vyžito výsledků Chowova testu strukturální změny pro předem stanovené období, které bylo vybráno na základě analýzy historických události a grafu průběhu časových řad akciových indexů. Celkové analyzované období bude tedy rozděleno na dvě dílčí části: Q1:2000–Q2:2007 a Q3:2007–Q2:2012.

4.2

Ověření předpokladů pro testování Grangerovy kauzality

Jedním z předpokladů Grangerova testu kauzality je ustálené chování časové řady. Nestacionární chování časových řad akciových indexů a ukazatele HDP je zřejmé z grafu jejich průběhu (Obr. 3 a Obr. 4). Mimo to můžeme stacionární charakter časových řad posoudit také podle grafu autokorelační funkce (ACF)58 v přílohách B a C, kde je možné pozorovat pozvolný pokles hodnot této funkce. Ten značí nestacionaritu časových řad59.

Hladina významnosti testu α určuje pravděpodobnost, se kterou dojde k zamítnutí nulové hypotézy, přestože platí. 58 řád zpoždění byl zvolen podle počtu dílčích období v roce 59 výsledky statistických testů jednotkového kořene v příloze D 57


Obr. 3 Průběh sezónně očištěných časových řad akciových indexů. Zdroj: zpracováno v programu Gretl.

Obr. 4 Průběh sezónně očištěných časových řad ukazatele HDP, vyjádřeno v mld. USD. Zdroj: zpracováno v programu Grelt.

57


58

Stacionárního chování časových řad je možné dosáhnout vhodnou transformací jejich původních hodnot, nejčastěji výpočtem prvních diferencí. V našem případě jsme se pokusili problém nestacionarity vyřešit výpočtem logaritmických výnosů podle vztahu (3) a (4). U logaritmických výnosů se také předpokládá normální rozdělení dat s konstantní střední hodnotou a konstantním rozptylem. Výpočtem logaritmických výnosů se nám podařilo dosáhnout stacionárního charakteru všech časových řad. Stacionární průběh časových řad byl ověřen grafem autokorelační funkce (ACF)60 a ve sporných případech také testy jednotkového kořene, jejichž výsledky jsou uvedeny v příloze G. Druhým předpokladem Grangerova testu kauzality je, že chybový člen nevykazuje znaky sériové korelace. Časové řady akciových indexů a ukazatele HDP řadíme k finančním řadám ekonomických veličin, u nichž lze výskyt autokorelace předpokládat. Jako pravděpodobnější se jeví problém sériové korelace u časových řad akciových indexů, a to z důvodu využití zprůměrovaných denních uzavíracích hodnot. Možným řešením sériové závislosti chybového členu je transformace původních hodnot časové řady. V našem případě došlo za účelem dosažení stacionárního charakteru časových řad k přepočtu na logaritmické výnosy, předpokládáme, že tato transformace hodnot by měla současně vyřešit problém možné autokorelace chybové složky. Autokorelace nesystematické složky bude pro odhady jednotlivých VAR61 modelů ověřena pomocí tzv. modifikovaného portmanteau Ljung-Box testu, který umožňuje testovat vícerozměrnou sériovou korelaci reziduí pro malé rozsahy výběru. Test bude vyhodnocen na základě phodnoty Ljung-Boxovy modifikované portmenteau statistiky na 5% hladině významnosti. Přepočtem časových řad na logaritmické výnosy došlo také k odstranění trendu a vypočtené párové korelační koeficienty by neměly vykazovat zdánlivou korelaci. Na závěr ještě připomeňme, že pracujeme s logaritmickými výnosy čtvrtletních průměrných denních uzavíracích hodnot akciových indexů a s logaritmickými výnosy čtvrtletních hodnot reálného HDP vyjádřeného v milionech USD za období Q1:2000–Q3:2012 a že veškerá data byla sezónně očištěna. Čtvrtletní průměrné hodnoty akciových indexů korespondují s minimálním výpočetním obdobím ukazatele HDP a současně s literaturou (Fama, 1990; Binswanger, 2000), která uvádí čtvrtletní období jako nejkratší možné pro odhalení vzájemných vztahů mezi výkonem akciových trhů a ekonomikou. V následujícím textu přistoupíme k vyhodnocení korelační analýzy.

60 61

Přílohy E a F vektorový autoregresní model (VAR)


4.3

59

Korelační analýza

Korelační analýza se zabývá posouzením vzájemného vztahu a jeho intenzity mezi dvěma a více statistickými znaky. My jsme se při výpočtu párových korelačních koeficientů zaměřili na posouzení vzájemného vztahu mezi dvojicemi akciových indexů, ukazateli HDP pro jednotlivé země a mezi HDP a příslušným akciovým indexem. Korelační analýza byla provedena pro celé sledované období a také pro jednotlivá období dílčí, kdy předmětem našeho zájmu bylo zejména to, zda lze spatřovat změnu intenzity vztahů v krizovém období. Připomeňme, že byl proveden přepočet hodnot jednotlivých časových řad na logaritmické výnosy. Přepočtem byl odstraněn trend, čímž bychom měli také předejít vzniku zdánlivé korelace mezi dvojicemi zkoumaných znaků. Párové korelační koeficienty pro uvedené dvojice byly vypočteny v programu Grelt. Výsledky korelační analýzy budou interpretovány podle následující tabulky (Tab. 2). Tab. 2 Interpretace párových korelačních koeficientů. Zdroj: zpracováno autorem podle Němec (2009), upraveno.

hodnota korelace <0,80;1,00> <0,50;0,80)

4.3.1

interpretace silná pozitivní závislost středně silná pozitivní závislost slabá pozitivní závislost statisticky nevýznamné, neprokázaná závislost slabá negativní závislost středně silná negativní závislost silná negativní závislost

Korelační analýza pro akciové indexy

Párové korelační koeficienty pro celé sledované období Q1:2000–Q2:2012 vypovídají o charakteru a intenzitě vzájemného vztahu mezi indexy akciových trhů zkoumaných zemí. Párové korelační koeficienty pro jednotlivá dílčí období (1. období Q1:2000–Q2:2007 a 2. období Q3:2007–Q2:2009) podávají obraz o vývoji vzájemného vztahu mezi akciovými trhy před a po čas průběhu krize. Následující tabulka (Tab. 3) uvádí párové korelační koeficienty logaritmických výnosů čtvrtletních průměrných hodnot akciových indexů pro celé sledované období. Zjištěné vzájemné vztahy by díky přepočetu hodnot na logaritmické výnosy měly být skutečné.


60

Tab. 3 Párové korelační koeficienty logaritmických výnosů čtvrtletních průměrných hodnot akciových indexů za období Q1:2000–Q2:2012, 5% kritická oboustranný hodnota = 0,2816 pro n=49. Zdroj: zpracováno v programu Grelt.

BUX

DJIA GDAX NKY225 PX 1 0,4298 0,7540 0,7184 1 0,5921 0,4394 1 0,7715 1

0,9163 0,4348 0,7288 0,7719 1

SX5E WIG20 0,8193 0,8612 0,5592 0,5053 0,9558 0,8576 0,7431 0,8329 0,8036 0,8722 1 0,8917 1

BUX DJIA GDAX NKY225 PX SX5E WIG20

V tabulce (Tab. 3) je možné mezi všemi dvojicemi pozorovat významné pozitivní vztahy. Ty lze dále rozlišit na slabé, středně silné a silné podle legendy v uvedené tabulce výše (Tab. 2). Podobnost chování indexů, kterou jsme pozorovali na grafu jejich průběhu (Obr. 2), je ještě mnohem zřetelnější po přepočtu jejich hodnot na logaritmické výnosy (Obr. 5).

Obr. 5 Vývoj logaritmických změn akciových indexů v období Q1:2000–Q2:2012. Zdroj: zpracováno v programu Gretl.

Nejtěsnější vzájemný pozitivní vztah vykazuje německý index GDAX a index eurozóny SX5E s hodnotou párového korelačního koeficientu 0,9558. Existence pozitivního silného až téměř perfektního vzájemného vztahu není překvapivá s ohledem na skutečnost, že SX5E index zahrnuje 50 společností s největší tržní


61

kapitalizací z 12 zemí eurozóny, přičemž jednou z nich je také Německo. Těsnost vztahu je možné pozorovat také na grafu vývoje logaritmických změn německého indexu a indexu eurozóny (Obr. 6). Pozitivní korelaci amerického indexu DJIA s ostatními vybranými indexy lze označit za slabou až středně silnou. Nižší stupeň korelace může být způsoben odlišnostmi amerického akciového trhu, jako je například úroveň a obliba obchodování na akciových trzích. Určitou roli může též sehrát geografická vzdálenost nebo báze indexu, kterou tvoří pouze 30 nejvýznamnějších průmyslových společností v USA. Souhrnně jsou vzájemné vztahy mezi jednotlivými akciovými trhy pozitivní a ve všech případech statisticky významné.

Obr. 6 Vývoj logaritmických změn německého index GDAX a indexu eurozóny SX5E v období Q1:2000–Q2:2012. Zdroj: zpracováno v programu Gretl.

Následující tabulky (Tab. 4 a Tab. 5) umožňují posouzení intenzity vzájemného vztahu mezi indexy v jednotlivých dílčích obdobích. V prvním dílčím období (Tab. 4) můžeme opět pozorovat pro všechny dvojice indexů statisticky významné hodnoty párových korelačních koeficientů. Ve druhém dílčím období, (Tab. 5), došlo k oslabení vzájemných vztahů mezi dvojicemi s americkým indexem DJIA, které jsou ve třech případech (NKY225, SX5E, WIG20) dokonce statisticky nevýznamné. Připomeňme, že během tohoto období postihla téměř celý svět finanční krize, ze které se do dnešního dne celá řada zemí ještě nevzpamatovala,


62

i když například analytik společnosti Punk Ziegel Richard Bove62 o jejím konci hovoří již v březnu roku 2008. Ve druhém dílčím období lze u většiny dvojic pozorovat vyšší hodnoty párových korelačních koeficientů značících silnou až perfektní pozitivní závislost (korelační koeficienty s hodnotou nad 0,95). Souhrnně se dá tedy říci, že ve druhém období došlo ve srovnání s obdobím prvním k posílení vzájemných pozitivních vztahů mezi většinou sledovaných indexů, potažmo akciovými trhy vybraných zemí. To lze zdůvodnit efektivnější informační výměnou akciových trhů v krizovém období, o kterém mluví ve své práci Křepelová (2010). Výjimku představují dvojice s americkým indexem DJIA, kde je možné hovořit o posílení vzájemných vazeb pouze v případě českého PX, u ostatních dvojic došlo k jejich oslabení, ve třech případech (NKY225, WIG20, SX5E) jsou tyto vztahy dokonce statisticky nevýznamné. Tab. 4 Párové korelační koeficienty logaritmických výnosů čtvrtletních průměrných hodnot akciových indexů za období Q1:2000–Q2:2007, 5% kritická oboustranná hodnota = 0,3673 pro n=29. Zdroj: zpracováno v programu Grelt.

BUX

DJIA GDAX NKY225 PX 1 0,4929 0,6344 0,6055 1 0,8950 0,5842 1 0,7405 1

0,8440 0,4204 0,5671 0,6269 1

SX5E WIG20 0,6332 0,7414 0,8880 0,7173 0,9654 0,7965 0,6764 0,8243 0,5698 0,7561 1 0,8109 1



BUX

DJIA GDAX NKY225 PX 1 0,4118 0,9279 0,7873 1 0,4923 0,3919 1 0,8234 1

0,9435 0,4527 0,9583 0,8767 1

SX5E WIG20 0,9438 0,9487 0,4379 0,4372 0,9749 0,9594 0,7873 0,8347 0,9673 0,9630 1 0,9578 1


patria.cz [online]2012 [cit. 2013-02-09] Bove (Punk Ziegel): Finanční krize skončila, naskýtá se jedinečná příležitost nakoupit akcie bank. Dostupné z WWW: .

62


4.3.2

63

Korelační analýza ukazatele hrubého domácího produktu

Výpočtem párových korelačních koeficientů také pro ukazatel hrubého domácího produktu zkoumaných zemí jsme se snažili poukázat na případnou podobnost vývoje jejich ekonomik. Srovnání ekonomik může být však v určitém smyslu zavádějící, s ohledem na velikost, vyspělost, ale také otevřenost země zahraničnímu obchodu, která se u jednotlivých zemí výrazně liší. Na tuto problematiku může mít v našem případě vliv jednotný trh existující mezi státy Evropské unie, kdy pracujeme s hodnotami HDP pro celou EU a hodnotami HDP pro čtyři členské státy, nebo také hlavní obchodní partneři vybraných zemí. Nejdříve se zaměříme na posouzení výsledků korelační analýzy po celé sledované období (Tab. 6), přičemž zvýšená pozornost bude věnována hodnotám korelačních koeficientů pro Českou republiku a její hlavní obchodní partnery (zejména Německo). Tab. 6 Párové korelační koeficienty logaritmických výnosů čtvrtletní hodnot ukazatele HDP za období Q1:2000–Q2:2012, 5% kritická oboustranná hodnota =0,2816, pro n = 49. Zdroj: zpracováno v programu Grelt.

GDP_CR GDP_EU27 GDP_GE GDP_HU GDP_PL GDP_US GDP_JAP 1 0,8338 0,6405 0,7244 0,4479 0,5938 0,4476 GDP_CR 1 0,8746 0,7749 0,4787 0,6816 0,6791 GDP_EU27 1 0,5624 0,4076 0,5269 0,6621 GDP_GE 1 0,2443 0,6110 0,4697 GDP_HU 1 0,3875 0,3353 GDP_PL 1 0,5531 GDP_US 1 GDP_JAP

Ve výše uvedené tabulce (Tab. 6) je možné vidět, že mezi všemi zkoumanými ekonomikami, s výjimkou polské a maďarské ekonomiky, existuje statisticky významný vzájemný pozitivní vztah. Podle legendy k interpretaci korelačních koeficientů (uvedeno v Tab. 2) je možné opět rozlišit slabé, středně silné a silné pozitivní vzájemné vztahy, přičemž nejvyšší intenzitu lze pozorovat u dvojice ukazatele HDP pro Evropskou unii a Německo a dvojice ukazatele HDP pro EU27 a Českou republiku. Vývoj logaritmických změn hodnot HDP pro Českou republiku ve srovnání s Evropskou unií je uveden na obrázku (Obr. 7). Všechny uvedené země řadíme k zemím s rozvinutou tržní ekonomikou, většinou spolu také přímo či zprostředkovaně obchodují. Hodnoty HDP pro Českou republiku dosahují nejvyššího stupně korelace s hodnotami HDP pro Evropskou unii. Tento výsledek není příliš překvapivý vzhledem ke skutečnosti, že Česká republika je jedním z členských států EU. Podíváme-li se na ukazatel HDP z hlediska výdajové metody jeho výpočtu, již byl tento ukazatel pro jednotlivé země spočítán, je významnou připočitatelnou položkou také čistý vývoz, ten je dán rozdílem mezi vývozem a dovozem národního hospodářství, tak do Evropské unie míří z České republiky přibližně 80 % exportu. Zhodnotíme-li obchodní vztahy


64

mezi Evropskou unií a Českou republiku z druhé strany, tak našimi nejvýznamnějšími obchodními partnery jsou, s výjimkou Číny a Ruska, právě země EU. Za zmínku také stojí hodnota párového korelačního koeficientu mezi Maďarskem a Českou republikou, který je v porovnání s Německem vyšší. Tuto skutečnost lze z hlediska exportu opět vysvětlit tím, že Německo sice pro nás představuje největšího obchodního partnera a Česká republika je pro Německo nevýznamnějším obchodním partnerem ze zemí východní a střední Evropy, avšak v celosvětovém pořadí je až na třináctém místě.

Obr. 7 Vývoj logaritmických změn hodnot ukazatele HDP pro Českou republiku a EU27 v období Q1:2000–Q2:2012. Zdroj: zpracováno v programu Grelt.

Tabulka (Tab. 7) uvádí párové korelační koeficienty logaritmických výnosů čtvrtletních hodnot ukazatele HDP v prvním dílčím období (Q1:2000–Q2:2007). U většiny sledovaných dvojic nelze během prvního dílčího období sledovat významné vzájemné vztahy. To je velmi zajímavé vzhledem k tomu, že párové korelační koeficienty pro celé období (Tab. 6), až na výjimku hodnoty párového korelačního koeficientu pro maďarskou a polskou ekonomiku, jsou všechny statisticky významné. Jedinou dvojicí, u níž lze v případě prvního dílčího období hovořit o silném stupni pozitivní závislosti, tvoří ukazatel HDP pro Německo a EU27.


65

Tab. 7 Párové korelační koeficienty logaritmických výnosů čtvrtletních hodnot ukazatele HDP za období Q1:2000–Q2:2007, 5% kritická oboustranná hodnota =0,3673, pro n = 29. Zdroj: zpracováno v programu Grelt.

GDP_CR GDP_EU27 GDP_GE GDP_HU GDP_PL GDP_US GDP_JAP 1 0,4696 0,3050 -0,0830 0,3281 0,1737 0,1832 GDP_CR 1 0,8543 -0,1072 0,5076 0,1741 0,5702 GDP_EU27 1 -0,1524 0,3835 0,1007 0,4040 GDP_GE 1 -0,2665 0,2029 -0,0096 GDP_HU 1 0,2644 0,3576 GDP_PL 1 0,1304 GDP_US 1 GDP_JAP

V následující tabulce (Tab. 8) bychom chtěli poukázat na výrazné posílení vzájemných vztahů mezi jednotlivými státy v průběhu druhého dílčího období, kdy se dá hovořit pouze o středně silné a silné pozitivní závislosti pro sledované dvojice. Při pohledu na předchozí tabulku (Tab. 7), kdy většina párových korelačních koeficientů nebyla statisticky významná, se zdá, že se podstatná část vzájemných pozitivních vztahů zjištěných při korelační analýze celého období projevila až v jeho druhé analyzované části. Zvýšenou intenzitu lze vysvětlit nedávnou finanční krizí, která postila téměř všechny státy světa a odrazila se tak i obdobným způsobem na výkonnosti jejich ekonomik. Tab. 8 Párové korelační koeficienty logaritmických výnosů čtvrtletních hodnot ukazatele HDP za období Q3:2007–Q2:2012, 5% kritická oboustranná hodnota = 0,4438, pro n = 20. Zdroj: zpracováno v programu Grelt.

GDP_CR GDP_EU27 GDP_GE GDP_HU GDP_PL GDP_US GDP_JAP 1,0000 0,8867 0,8328 0,8757 0,6799 0,6806 0,5136 GDP_CR 1,0000 0,9460 0,8936 0,6449 0,7840 0,7129 GDP_EU27 1,0000 0,8379 0,5059 0,7037 0,7189 GDP_GE 1,0000 0,4051 0,6798 0,5807 GDP_HU 1,0000 0,6836 0,4051 GDP_PL 1,0000 0,5524 GDP_US 1,0000 GDP_JAP

4.3.3

Korelační analýza mezi akciovými indexy a ukazatelem HDP

V poslední části korelační analýzy jsme se zabývali posouzením vzájemných vztahů mezi akciovými indexy, jakožto ukazateli výnosnosti akciových trhů, a ukazatelem HDP, jako hlavního indikátoru výkonnosti ekonomik. Párové korelační koeficienty byly vypočteny pro celé sledované období a také pro období dílčí. Připomeňme také, že přepočtením hodnot časových řad na logaritmické výnosy došlo k odstranění trendu, čímž bychom se měli vyhnout vzniku zdánlivé korelace mezi sledovanými ukazateli akciového trhu a vývoje ekonomiky. Při výběru řádu


66

zpoždění u obou sledovaných ukazatelů jsme vycházeli z výsledků studií Estrelly a Mishkina (1996)63 a Goktase a Hepsaga (2011). První dva autoři dochází k závěru, že vývoj hodnot akciových kurzů předbíhá dění v ekonomice s jedno až tříměsíčním zpožděním a jejich změny se stávají významným indikátorem budoucího vývoje ekonomiky. Goktas a Hepsag (2011) naopak tvrdí, že výkon akciových trhů je o šest měsíců předbíhán vývojem ekonomickým. Z těchto dvou hypotéz jsme vycházeli také při ověřování vztahů ve smyslu Grangerovy kauzality. Pro oba zvolené ukazatele došlo k výpočtu zpožděných hodnot v posunutí o dvě období, resp. tři a šest měsíců, přičemž určení směru kauzálního vztahu bylo provedeno testem Grangerovy kauzality (viz dále). Následující tabulka (Tab. 9) uvádí párové korelační koeficienty logaritmických výnosů čtvrtletních hodnot ukazatele HDP a logaritmických výnosů čtvrtletních průměrných hodnot akciových indexů pro celé sledované období Q1:2000– Q2:2012. Než přistoupíme k vyhodnocení korelační analýzy, je třeba objasnit, jakým způsobem budou interpretovány jednotlivé časové posuny v časových řadách. První řádek tabulky (Tab. 9) GDP(t-2);I(t) představuje situaci, kdy vývoj ekonomiky předbíhá vývoj akciových indexů o dvě období (resp. čtvrtletí), obdobně pro řádek GDP(t-1);I(t), pouze s časovým posunem vývoje ekonomiky o jedno čtvrtletí. V čase t, značeno jako GDP(t);I(t) byly vypočteny korelační koeficienty mezi sledovanými veličinami bez časového posunu. Řádek GDP(t);I(t-1) interpretujeme tak, že vývoj dění na akciových trzích předbíhá vývoj ekonomiky o jedno období, v případě řádku GDP(t);I(t-2) o období dvě. Uvedený způsob výkladu časových posunů bude využit také v případě následujících dvou tabulek (Tab. 10 a Tab. 11). Tab. 9 Párové korelační koeficienty logaritmických výnosů čtvrtletních hodnot ukazatele HDP a logaritmických výnosů čtvrtletních průměrných hodnot akciových indexů za období Q1:2000– Q2:2012, 5% oboustranná kritická hodnota = 0,2876 pro n = 47. Zdroj: zpracováno v programu Grelt.

GDP(t-2);I(t) GDP(t-1);I(t) GDP(t);I(t) GDP(t);I(t-1) GDP(t);I(t-2)

BUX DJIA GDAX NKY225 PX SX5E WIG20 GDP_HU GDP_US GDP_GE GDP_JAP GDP_CR GDP_EU27 GDP_PL -0,2557 0,0877 -0,0963 -0,0165 -0,1741 -0,0910 -0,0473 0,1069 0,1955 0,1077 0,1475 0,1450 0,1932 0,2437 0,3417 0,4189 0,4155 0,3838 0,5087 0,4995 0,4207 0,5380 0,3728 0,5921 0,4072 0,6593 0,6513 0,4501 0,4830 0,1039 0,3585 0,1170 0,5203 0,4667 0,6127

Ve výše uvedené tabulce (Tab. 9) jsou uvedeny hodnoty párových korelačních koeficientů mezi HDP jednotlivých zemí a jejich národními akciovými indexy po přepočtu na logaritmické výnosy. Můžeme vidět, že při nulovém zpoždění časových 63

In Binswanger (2010)


67

řad, existuje mezi indexy a HDP ve všech případech pozitivní statisticky významný vzájemný vztah. Největší intenzity dosahuje v případě českého trhu, kdy lze hovořit o středně silné pozitivní korelaci. Uvažujeme-li časové posunutí ukazatele HDP o jedno nebo dvě období, tedy hypotézu, že výkonnost ekonomiky předbíhá výkon akciových trhů, je možné vidět, že hodnoty párových korelačních koeficientů dosahují nízkých statisticky nevýznamných hodnot. O něco zajímavější výsledky dostáváme v případě časového posunutí řad akciových indexů. Za předpokladu, že dění na akciových trzích předbíhá ekonomiku o jedno čtvrtletí, dostáváme nejvyšších hodnot párových korelačních koeficientů v případě českého trhu a celkového evropského trhu, zde můžeme usuzovat na středně silnou pozitivní korelaci. Uvedenou skutečnost lze také pozorovat na grafu (Obr. 8) níže, který zachycuje procentní logaritmické změny HDP EU27 při nulovém zpoždění, GDP(t), a indexu SX5E při zpoždění I(t-1). Podobnost vývoje změn je zřejmá zejména od roku 2004. 1,5

15 SX5E(t-1) (pravé) GDP_EU27(t) (levé)

1

10

0,5

5

0

0

-0,5

-5

-1

-10

-1,5

-15

-2

-20

-2,5

-25

-3 2000

-30 2002

2004

2006

2008

2010

2012

Obr. 8 Vývoj logaritmický změn indexu SX5E v posunutí t-1 a HDP EU27 v čase t v průběhu období Q1:2000–Q2:2012. Zdroj: zpracováno v programu Grelt.

Následující tabulka (Tab. 10) zobrazuje párové korelační koeficienty logaritmických výnosů čtvrtletních hodnot ukazatele HDP a logaritmických výnosů čtvrtletních průměrných hodnot akciových indexů pro první dílčí období Q1:2000– Q2:2007.


68

Tab. 10 Párové korelační koeficienty logaritmických výnosů čtvrtletních hodnot ukazatele HDP a logaritmických výnosů čtvrtletních průměrných hodnot akciových indexů za období Q1:2000– Q2:2007, 5% oboustranná kritická hodnota = 0,3809 pro n = 27. Zdroj: zpracováno v programu Grelt.


BUX DJIA GDAX NKY225 PX SX5E WIG20 GDP_HU GDP_US GDP_GE GDP_JAP GDP_CR GDP_EU27 GDP_PL -0,3682 0,0085 0,0384 0,0118 0,0644 0,1213 0,2165 0,1745 0,2137 0,1577 0,3535 0,2035 0,2867 0,5002 -0,0522 0,3549 0,2663 0,1983 0,2181 0,3797 0,4699 0,1380 0,2615 0,4411 0,3791 0,4147 0,6659 0,4865 0,0713 0,0010 0,5346 0,1872 0,4741 0,6070 0,6449

Ve výše uvedené tabulce (Tab. 10) je třeba upozornit na vymizení vzájemných statisticky významných vztahů mezi indexy a HDP při nulovém zpoždění časových řad, ty lze pozorovat jedině pro polský akciový trh a ekonomiku. Dvojice pro polský akciový trh a ekonomiku v prvním dílčím období vykazuje také středně silnou pozitivní korelaci v situaci, kdy vývoj ekonomky předbíhá dění na akciových trzích o jedno čtvrtletní. U dvojic pro maďarský, americký a japonský akciový trh a ekonomiku vymizely statisticky významné vzájemné vztahy i pro časový posun hodnot akciových indexů. O možném potvrzení hypotézy, že dění na akciových trzích předbíhá vývoj ekonomiky o jedno až dvě čtvrtletí, se dá uvažovat pouze u dvojic pro evropské trhy a ekonomiku, přičemž nejvyšší hodnoty párových korelačních koeficientů náleží opět akciovému indexu eurozóny a HDP pro Evropskou unii. Zabýváme-li se změnou vzájemných vztahů mezi sledovanými dvojicemi ve druhém období, můžeme v následující tabulce (Tab. 11) pozorovat záporné hodnoty párových korelačních koeficientů značící středně silnou negativní závislost pro maďarskou a českou dvojici při časovém posunu HDP o dvě období. Současně se opět objevily statisticky významné vazby akciového trhu a ekonomiky při nulovém zpoždění časových řad u dvojic pro německý, český trh a trh eurozóny, naopak vymizel vztah polského akciového trhu a ekonomiky. Za zmínku také stojí středně silná pozitivní korelace mezi maďarským akciovým trhem a ekonomikou při časovém posunu akciových indexů o jedno i dvě čtvrtletí. Hypotéza o možnosti předbíhání ekonomiky děním na akciovém trhu nebyla pro tuto dvojici v prvním období prokázána z důvodu statistické nevýznamnosti korelačních koeficientů. Obdobně nebyl tento předpoklad prokázán také pro americký a japonský trh a ekonomiku, přestože při pohledu na celé sledované období (Tab. 9) bychom o její platnosti mohli uvažovat.


69

Tab. 11 Párové korelační koeficienty logaritmických výnosů čtvrtletních hodnot ukazatele HDP a logaritmických výnosů čtvrtletních průměrných hodnot akciových indexů za období Q3:2007– Q2:2012, 5% oboustranná kritická hodnota = 0,4683 pro n = 18. Zdroj: zpracováno v programu Grelt.


BUX DJIA GDAX NKY225 PX SX5E WIG20 GDP_HU GDP_US GDP_GE GDP_JAP GDP_CR GDP_EU27 GDP_PL -0,6004 0,1045 -0,2126 -0,0716 -0,6229 -0,3260 -0,4211 -0,1247 0,1610 0,0780 0,0508 -0,1444 0,0847 -0,1019 0,3641 0,4562 0,5573 0,4645 0,5089 0,5619 0,3562 0,6527 0,4118 0,7554 0,4401 0,7057 0,7367 0,3906 0,5767 0,1088 0,2923 0,0701 0,4068 0,4335 0,5819

V této části kapitoly jsme se zabývali zkoumáním a hodnocením závislostí mezi dvojicemi zvolených ukazatelů. Skutečnost, že mezi některými dvojicemi došlo k odhalení vzájemných závislostí, neznamená, že mezi nimi existuje také kauzální vztah ve smyslu, že vývoj jedné proměnné ovlivňuje vývoj proměnné druhé. Vyšetřením závislostí ve smyslu Grangerovy kauzality se budeme zabývat v následujícím textu.

4.4

Grangerova kauzalita

Smyslem Grangerova testu kauzality je zjištění, který z dvojice jednotlivých ukazatelů je ovlivňovaný a který ovlivňující, či zda mezi ukazateli existuje oboustranná kauzalita. V našem případě jsme se nejdříve zaměřili na vyšetření vztahů mezi jednotlivými akciovými trhy, kdy bylo posouzeno jednak dominantní postavení amerického akciového trhu, o kterém ve svých studiích hovoří například Fama (1990) nebo Křepelová (2010). Dále jsme zkoumali vliv vyspělejších akciových trhů, za něž jsou považovány trh americký, trh japonský, trh německý a souhrnně trh evropský, na trhy méně vyspělé, konkrétně český akciový trh, trh maďarský a polský. V tomto případě nám šlo především o vyšetření jednosměrných závislostí v uvedeném směru, mimo to jsme připustili také možnou existenci vztahů opačných, případně oboustranných. V dalším kroku analýzy jsme zkoumali, zda vývoj na akciovém trhu zapříčiňuje vývoj hrubého domácího produktu, jako ukazatele výkonnosti dané ekonomiky, nebo naopak. Testování Grangerovy kauzality předpokládá, že zkoumané časové řady jsou stacionární, v našem případě bylo stacionarity dosaženo výpočtem logaritmických výnosů. Druhým předpokladem Grangerova testu kauzality je sériová nezávislost nesystematické složky, ta byla ověřena pro jednotlivé VAR modely pomocí modifikované portmanteau Ljung-Boxovy statistiky přímo při realizaci Grangerova testu. Ověření sériové nezávislosti chybového členu bylo provedeno pro VAR modely vztahující se k celému analyzovanému období, výsledky jsou uvedeny v příloze H a K a budou také komentovány v následujícím textu.


70

Grangerův test kauzality byl aplikován na vybrané dvojice ukazatelů za celé sledované období, ale také za jednotlivá období dílčí, a to i přesto, že jejich délka neodpovídá ani délce jednoho hospodářského cyklu64. Smyslem sledování vztahů v jednotlivých dílčích obdobích, bylo především odhalení případných změn v chování akciových trhů a ekonomiky v jejich průběhu a posouzení, zda a jak se na jejich vývoji odrazila také nedávná finanční krize. Grangerův test kauzality s nulovou hypotézou o neexistenci vztahů ve smyslu Grangerovy kauzality mezi dvojicemi sledovaných ukazatelů, jinými slovy, že druhý z tohoto páru neovlivňuje první a naopak, byl vyhodnocen na základě phodnot Waldovy F-statistiky příslušné vysvětlující proměnné. Test byl vyhodnocen pro 1%, 5% a 10% hladinu významnosti, přičemž za její základní hodnotu byla považována α = 5 %. 4.4.1

Vyšetřování Grangerovy kauzality mezi akciovými indexy

V první části analýzy pomocí Grangerova testu kauzality jsme posuzovali jednosměrné závislosti ve smyslu Grangerovy kauzality mezi akciovými indexy. Zkoumali jsme dominantní postavení amerického akciového trhu, o němž hovoří ve svých studiích například Baumöhl (2008;2009), Trešl a Blatná (2008) nebo Křepelová (2010), přičemž jako stěžejní studie v této oblasti je považována studie Euna a Shima (1989). Obdobně jako výše zmínění autoři jsme k dosažení stacionarity časových řad akciových indexů využily přepočtu jejich hodnot na logaritmické výnosy podle vztahu (4). Zásadní rozdíl je však v charakteru použitých dat. My jsme pracovali se čtvrtletními průměry denních uzavíracích hodnot indexů, zatímco uvedení autoři s denními uzavíracími hodnotami. Čtvrtletní období bylo vybráno tak, aby korespondovalo s minimálním výpočetním obdobím ukazatele HDP. S ohledem na závěry studie například Koblase a Černého (2008), kteří konstatují, že informace jsou mezi jednotlivými akciovými trhy přenášeny velmi vysokou rychlostí, přičemž reakce nastane vždy do jedné hodiny, lze předpokládat, že hodnocení integrace akciových trhů na základě průměrných čtvrtletních hodnot nebude příliš průkazné. Vyšší průkaznost by byla zajištěna na datech sesbíraných za kratší než jednodenní interval. Koblas a Černý (2008) současně uvádí, že při analýze akciových indexů by bylo vhodné se vyhnout hodnotám v uzavíracích časech, které by mohly zkreslit dosažené výsledky. Uvedené doporučení nebylo ani v případě výše uvedených studií, ani v našem případě, respektováno. V dalším kroku analýzy integrace akciových trhů jsme se zabývali zkoumáním vlivu japonského, německého a evropského na trhy České republiky, Maďarska a Polska, dále byly také posouzeny vztahy mezi akciovými trhy těchto třech postkomunistických zemí navzájem. Uveďme, že výše zmíněným přepočtem hodnot časových řad akciových indexů se nám také podařilo dosáhnout sériové nezávislosti nesystematické složky, Uvažujeme-li střednědobý Juglarův cyklus související s investicemi do strojů a zařízení, jemuž odpovídá perioda 8-10 let,

64


71

jež je druhým předpokladem Grangerovy kauzality. Tato skutečnost byla potvrzena pro všechny sestavené vektorové autoregresní modely pro celé analyzované období na základě p-hodnoty modifikované portmanteau LjungBoxovy statistiky pro 5% hladinu významnosti, výjimku tvoří model pro dvojici japonského a amerického indexu, kde nulovou hypotézu o sériové nezávislosti chybové nezamítáme pouze na 1% hladině významnosti. Výsledky vícerozměrné autokorelační analýzy chybového členu jsou uvedeny v příloze H. Grangerův test kauzality byl proveden pro zpoždění o jedno období (Lag 1 = 1 čtvrtletí) a byl vyhodnocen na základě p-hodnoty Waldovy F-statistiky. Pro usnadnění orientace byl zaveden systém slov ANO/NE, kdy ANO znamená, že mezi uvedenými dvojicemi lze usuzovat na existenci závislostí ve smyslu Grangerovy kauzality, pro NE nikoliv. Směr šipek odpovídá směru působení kauzálních vztahů. Jak bylo uvedeno výše, pro formulaci závěrů budeme vycházet ze stanovené 5% hladiny významnosti. Obdobně jako v předchozích krocích bylo analyzováno sledované období a jednotlivá období dílčí, přičemž budou prezentovány pouze některé, podle našeho názoru, důležité výsledky. Výsledky zbývajícího testování jsou uvedeny v příloze I a J. Následující tabulka (Tab. 12) shrnuje výsledky Grangerova testu kauzality při ověřování dominantního postavení amerického akciového trhu. Tab. 12 Dominantní postavení amerického akciového trhu: výsledky Grangerova testu kauzality mezi příslušnými indexy pro období Q1:2000-Q2:2012 se zpožděním Lag 1. Zdroj: zpracováno v programu Gretl.

WIG20 =>DJIA DJIA=>WIG20 SX5E=>DJIA DJIA=>SX5E PX=>DJIA DJIA=>PX GDAX=>DJIA DJIA=>GDAX NKY225=>DJIA DJIA=>NKY225 BUX=>DJIA DJIA=>BUX

p-hodnota 0,0020 0,9997 0,0004 0,7885 0,0351 0,7960 0,0013 0,8480 0,1351 0,2202 0,0462 0,9018

1% ANO NE ANO NE NE NE ANO NE NE NE NE NE

5% ANO NE ANO NE ANO NE ANO NE NE NE ANO NE

10% ANO NE ANO NE ANO NE ANO NE NE NE ANO NE

Námi zjištěné výsledky jsou v rozporu s výsledky studií např. Baumöhla aj. V žádném uvedeném případě nebylo prokázáno dominantní postavení amerického trhu, naopak se zdá, že ten je ovlivňován menšími evropskými trhy. Na 5% hladině významnosti je americký trh ovlivňován trhem polským, českým, německým a také souhrnně trhem evropským. To by mohlo částečně odpovídat výsledkům Baumöhlovy studie (2008), ve které prokázal, že mezi americkými akciovými


72

indexy (v jeho případě také index S&P 500) a ostatními zkoumanými indexy, mimo jiné i BUX, DAX a PX, existují významné oboustranné vztahy. K těmto výsledkům Baumöhl (2008) však přišel při zohlednění efektu nesynchronního obchodování II pro denní uzavírací hodnoty zkoumaných indexů.65 Za zmínku stojí také výsledek pro japonský index NKY225, kdy podle Křepelové (2010) hrají asijské trhy spíše pasivní roli, jsou ovlivňovány jinými světovými trhy, ale sami je neovlivňují. V případě vztahu s americkou burzou se nepodařilo prokázat ani tato jejich pasivní role. Skutečnost, že nedošlo k prokázání dominantního postavení amerického trhu, ale naopak se projevilo opačné jednostranné působení trhů evropských, přisuzujeme charakteru použitých dat, konkrétně jejich přepočtu na průměrné čtvrtletní hodnoty. Zdá se, že čtvrtletní období je příliš dlouhé na posouzení integrace a informační efektivnosti akciových trhů. Následující tabulka (Tab. 13) výsledky Grangerova testu kauzality v případě vlivu vyspělejších akciových trhů Japonska, Německa a evropského indexu SX5E na méně vyspělé trhy Polska, Maďarska a České republiky. Tab. 13 Vliv vyspělejších akciových trhů na trhy méně vyspělé: výsledky Grangerova testu kauzality mezi příslušnými indexy pro období Q1:2000-Q2:2012 se zpožděním Lag 1. Zdroj: zpracováno v programu Grelt.

VLIV SX5E p-hodnota WIG20=>SX5E 0,6325 SX5E=>WIG20 0,8993 BUX=>SX5E 0,6709 SX5E=>BUX 0,8189 PX=>SX5E 0,6723 SX5E=>PX 0,5868 VLIV GDAX p-hodnota BUX=>GDAX 0,9081 GDAX=>BUX 0,3856 PX=>GDAX 0,8868 GDAX=>PX 0,3398 WIG20=>GDAX 0,5738 GDAX=>WIG20 0,6412 VLIV NKY225 p-hodnota BUX=>NKY225 0,0644 NKY225=>BUX 0,7538 PX=>NKY225 0,1194 NKY225=>PX 0,4445 WIG=>NKY225 0,0203 NKY225=>WIG20 0,4997

65

1% NE NE NE NE NE NE



NE NE NE NE NE NE 5%

NE NE NE NE NE NE 1%

NE NE NE NE NE NE

10%


5% NE NE NE NE ANO NE

10% ANO NE NE NE ANO NE

Podrobněji v kapitole 2.8 Integrace akciových trhů – empirické výzkumy.


73

Tabulka (Tab. 13) uvádí výsledky testování vlivu vyspělejších akciových trhů na trhy méně vyspělé. Poznamenejme, že výsledky tohoto testování pro americký index DJIA jsou součástí předchozí tabulky (Tab. 12), kde jsme se zabývali ověřením dominantního postavení amerického trhu. V případě německého GDAX a evropského indexu SX5E nebyla potvrzena hypotéza o jednostranném vlivu vyspělejšího akciového trhu na trhy méně vyspělé. Obdobné jsou také výsledky pro americký a japonský akciový trh. V případě japonského akciového trhu bychom mohli poukázat na jeho ovlivňování akciovým trhem Polska. Tento jednostranný vztah je možné považovat za reálný vzhledem ke zvyšující se otevřenosti polského trhu. Připustíme-li 10% hladinu významnosti pro vyhodnocení testu, mohli bychom o pasivní roli japonského akicového trhu hovořit také ve vztahu s akciovým trhem Maďarska. Tabulka (Tab. 14) shrnuje výsledky Grangerovy kauzality mezi akciovými indexy tři postkomunistických zemí střední Evropy. Při testování vzájemné závislosti těchto tří trhů jsme vycházeli z předpokladu, že by mohla být prokázána dominantní pozice polské burzy, jejíž význam v současné době celosvětově stoupá. Bylo by také možné očekávat významné ovlivnění indexů BUX a WIG20 českým indexem PX, což by korespondovalo s výsledky studie Trešla a Blatné (2008). Přestože lze v případě těchto tří zemí hovořit přibližně o stejném stupni vyspělosti jejich akciových trhů s ohledem na období jejich vzniku, nebyly zjištěny žádné významné jednostranné či oboustranné vazby. Tab. 14 Posouzení vztahů mezi indexy postkomunistických zemí pro období Q1:2000-Q2:2012 se zpožděním Lag 1. Zdroj: zpracováno v programu Gretl.

p-hodnota PX=>BUX 0,5736 BUX=>PX 0,1763 PX=>WIG20 0,2807 WIG20=>PX 0,9978 BUX=>WIG20 0,2686 WIG20=>BUX 0,9984




V poslední tabulce (Tab. 15) této části analýzy jsme se zaměřili na odhalení případných jednostranných či oboustranných vlivů mezi vyspělými akciovými trhy, jež jsou v našem případě reprezentovány indexy DJIA, GDAX, NKY225 a SXE5. Zde můžeme opět pozorovat pasivní postavení japonského trhu ve vztahu s trhem evropským. Na 5% hladině významnosti ovlivňuje evropský index SX5E index NKY225 ve smyslu Grangerovy kauzality. Připustíme-li i 10% hladinu významnosti, bylo by možné pozorovat pasivní chování japonských trhů, o němž mluví ve své studii Křepelová (2010), také ve vztahu s trhem německým. Tato skutečnost by mohla odpovídat závěru studie zmíněné autorky, že burza německá má rovněž schopnost ovlivňovat ostatní burzy. V našem případě bylo možné identifikovat na 10% hladině významnosti vliv německého akciového trhu na trh japonský a americký.


74

Tab. 15 Posouzení vztahů mezi indexy států s vyspělým akciový trhem pro období Q1:2000Q2:2012 se zpožděním Lag 1. Zdroj: zpracováno v programu Gretl.

p-hodnota NKY225=>DJIA 0,1351 DJIA=>NKY225 0,2202 SX5E=>NKY225 0,0312 NKY225=>SX5E 0,9003 GDAX=>NKY225 0,064 NKY225=>GDAX 0,8643


5% NE NE ANO NE NE NE

10% NE NE ANO NE ANO NE

Závěry testování Grangerovy kauzality mezi akciovými indexy pro jednotlivá dílčí období se v podstatě neliší od prezentovaných výsledků pro celkové období, proto nebudou dále komentovány a jsou uvedeny v příloze I a J. Testování integrace a informační efektivnosti akciových trhů nepotvrdilo hypotézu o dominantním postavení amerického akciového trhu, nebyl také prokázán vliv vyspělejších akciových trhů na trhy méně vyspělé. Nesoulad výsledků s výsledky autorů zmiňovaných studií považujeme za důsledek odlišné frekvence hodnot časových řad. Jak už bylo naznačeno výše, čtvrtletní období se jeví jako příliš dlouhé pro prokázání propojenosti a efektivního fungování akciových trhů. Průkaznější výsledky by přinesla analýza denních uzavíracích hodnot akciových indexů, kdy se dá očekávat, že by byly v souladu se studiemi uváděnými v literárním přehledu. Přestože se nám nepodařilo prokázat jednoznačné vztahy mezi akciovými trhy, dá se říci, že mezi nimi existuje velmi silný pozitivní vzájemný vztah, který lze podložit výsledky korelační analýzy66. 4.4.2

Testování Grangerovy kauzality mezi indexy a HDP

Hlavním cílem diplomové práce bylo identifikovat závislost mezi akciovými indexy, jako ukazateli výnosnosti akciových trhů, a HDP, jako hlavního indikátoru výkonnosti ekonomiky. V této části se zaměříme na ověření hypotézy o možnosti vysvětlení a predikce budoucího chování ekonomiky na základě vývoje ukazatelů akciového trhu, kdy podle některých studií (např. Estrella a Mishkin, 1996) vývoj na akciových trzích předbíhá vývoj ekonomiky o 3 měsíce. Jak už bylo dříve zmíněno, bude ověřována i hypotéza opačná, kdy např. podle Goktase a Hepsaga (2011) ekonomický vývoj předbíhá události odehrávající se na akciových trzích o období až 6 měsíců. V případě potvrzení hypotézy, že kurzy akciových titulů v sobě odráží budoucí zisky podniků, by bylo dosažené výsledky možné využít při formulaci investiční strategie účastníků akciového trhu. Současně by nezamítnutí této hypotézy mohlo mít také přínos pro manažery zabývající se krátkodobým a dlouhodobým plánování. Ukáže-li se, že akciové indexy slouží jako předstihové ukazatele

66

více v kapitole 4.3.1 Korelační analýza pro akciové indexy


75

ekonomického vývoje, mohou být využity jako indikátory možných i nevyhnutelných úprav podnikových plánů a rozhodnutí. Vztah výkonnosti ekonomiky a akciového trhu ve smyslu Grangerovy kauzality ověřujeme pomocí dynamického regresního modelu, jehož dynamika je zajištěna posuny v závisle a nezávisle proměnné. Hodnoty časových řad obou ukazatelů byly přepočteny za účelem zajištění stacionarity na logaritmické výnosy. Pracujeme se čtvrtletními hodnotami obou ukazatelů, což odpovídá minimálnímu období, za které je vypočítáván HDP. Testujeme nulovou hypotézu pro první rovnici (1) resp. (5), že vývoj na akciovém trhu zapříčiňuje vývoj hrubého domácího produktu, jako ukazatele výkonnosti dané ekonomiky. Nulová hypotéza pro druhou rovnici (2) resp. (6) říká, že výkonnost dané ekonomiky neovlivňuje výnosnost jejího akciového trhu ve smyslu Grangerovy kauzality. Obdobně jako v předchozích krocích analýzy jsme se zaměřili na posouzení jednostranných, příp. oboustranných vztahů jak po celé sledované období, tak i po období dílčí. Grangerův test kauzality byl vyhodnocen na základě p-hodnoty Waldovy F-statistiky a i zde byl zaveden pro přehlednost slovní systém ANO/NE, kdy ANO představuje situaci zamítnutí nulové hypotézy, jinými slovy, že mezi sledovanými proměnnými existuje kauzální vztah ve sledovaném směru. Platí, že směr šipek naznačuje směr působení vlivu jedné proměnné na druhou. Pro zkoumání vzájemných vztahů bylo zvoleno maximální zpoždění o dvě čtvrtletí (Lag 1, Lag 2), které by mělo odpovídat výsledkům výše uvedených studií. Testy byly vyhodnoceny na 1%, 5% a 10% hladině významnosti, komentář se bude opět vztahovat k hladině významností 5 %. Následující tabulka (Tab. 16) shrnuje výsledky ověřování Grangerovy kauzality mezi indexy a HDP během celého sledovaného období se zpožděním Lag 1. Z tabulky (Tab. 16) je patrné, že na 5% hladině významnosti byl prokázán jednostranný vliv akciových indexů na výstupy ekonomiky u všech sledovaných dvojic ukazatelů s výjimkou dvojice zastupující americký akciový trh a ekonomiku. Výsledky testu odpovídají hypotéze, že akciový trh předbíhá vývoj ekonomiky 1–3 měsíce. Tento závěr je také v souladu s výsledky studií Kaplana (2008), Adampolouse (2010) a dalších, tyto jsou blíže komentovány v literárním přehledu67. V případě amerického trhu byl naopak prokázán opačný jednostranný vliv, tedy že vývoj ekonomiky předbíhá dění na akciových trzích o jedno čtvrtletí. Tento závěr by mohl odpovídat hypotéze, kterou formuloval Kohout (2008), na základně konstrukce ukazatele HDP, jehož jednou ze složek jsou také zisky podniků. Tato hypotéza říká, že vývoj akciových indexů by měl více či méně kopírovat vývoj ekonomiky.

67

Kapitola 2.11 Empirické testování vztahu ekonomického růstu a akciového trhu


76

Tab. 16 Výsledky Grangerova testu kauzality mezi indexy a HDP pro období Q1:2000–Q2:2012 se zpožděním Lag 1. Zdroj: zpracováno v programu Gretl.

GDP_HU=>BUX BUX=>GDP_HU GDP_US=>DJIA DJIA=>GDP_US GDP_GE=>GDAX GDAX=>GDP_GE GDP_JAP=>NKY225 NKY225=>GDP_JAP GDP_CR=>PX PX=>GDP_CR GDP_EU27=>SX5E SX5E=>GDP_EU27 GDP_PL=>WIG20 WIG20=>GDP_PL

p-hodnota 0,5938 0,0014 0,0122 0,1486 0,4161 0,0003 0,7976 0,0214 0,3594 0,0002 0,7982 0,0004 0,7000 0,0247

1% NE ANO NE NE NE ANO NE NE NE ANO NE ANO NE NE

5% NE ANO ANO NE NE ANO NE ANO NE ANO NE ANO NE ANO

10% NE ANO ANO NE NE ANO NE ANO NE ANO NE ANO NE ANO

Následující tabulka (Tab. 17) uvádí výsledky Grangerova testu kauzality mezi sledovanými dvojicemi ukazatelů pro celé sledované období se zpožděním o dvě čtvrtletí. Tab. 17 Výsledky Grangerova testu kauzality mezi indexy a HDP pro období Q1:2000–Q2:2012 se zpožděním Lag 2. Zdroj: zpracováno v programu Grelt.


p-hodnota 0,0314 0,0046 0,1838 0,4807 0,7257 0,0028 0,7870 0,0795 0,2945 0,0004 0,3556 0,0030 0,3351 0,0034

1% NE ANO NE NE NE ANO NE NE NE ANO NE ANO NE ANO

5% ANO ANO NE NE NE ANO NE NE NE ANO NE ANO NE ANO

10% ANO ANO NE NE NE ANO NE ANO NE ANO NE ANO NE ANO


77

Z tabulky (Tab. 17) je možné pozorovat, že se vztahy mezi sledovanými dvojicemi ukazatelů při zpoždění Lag 2 příliš nezměnily. Na 5% hladině významnosti však nebylo prokázáno jednostranné působení japonského akciového trhu na ekonomickou výkonnost země. Tento vliv by bylo možné prokázat pro 10% hladinu významnosti. Současně došlo k vymizení jednostranného vlivu americké ekonomiky na americký akciový trh, nelze tedy akceptovat hypotézu Goktase a Hepsaga (2011), že ekonomická výkonnost předbíhá výkon akciových trhů o období šesti měsíců. Tuto lze přijmout v případě dvojice reprezentující maďarský akciový trh a ekonomiku, v jejímž případě můžeme hovořit o oboustranných kauzálních vztazích při zpoždění o dvě období. Nyní se nabízí otázka, při jakém řádu zpoždění jsou zjištěné kauzální vztahy průkaznější, jinými slovy, zda formulovat závěr, že vývoj akciových trhů předbíhá dění v ekonomice o 3–6 měsíců, či spíše o 3 nebo o 6 měsíců. Volbu vhodnějšího řádu zpoždění bychom mohli provést na základě informačních kritérií, například Akaikeho (AIC) nebo Schwarzovo informační kritérium (BIC). Než přistoupíme k určení vhodnějšího řádu zpoždění, měli bychom se také vyjádřit k diagnostickému posouzení navržených modelů. Jak už bylo zmíněno dříve, u všech časových řad bylo přepočtem na logaritmické výnosy dosaženo jejich stacionárního charakteru. Tento přepočet měl současně předejít autokorelaci chybového členu, ta byla následně ověřena pomocí Ljung-Boxova testu pro vícerozměrnou autokorelaci. Test byl vyhodnocen na 5% hladině významnosti pomocí p-hodnoty modifikované portmanteau Ljung-Boxovy statistiky, výsledky jsou uvedeny v příloze K. U všech navržených modelů lze na 5% přepokládat, že hodnoty sledovaných časových řad jsou generovány ryze náhodným procesem. Výjimku tvoří model pro polský akciový trh a ekonomiku, ve kterém se dá o sériové nezávislosti chybového členu při zpoždění Lag 1 uvažovat na 1% hladině významnosti. Pro zpoždění o dvě čtvrtletí nulovou hypotézu o sériové nezávislosti chybového členu zamítáme jak pro 1%, tak i 5% a 10% hladinu významnosti. Zdá se, že navržený model pro polskou dvojici ukazatelů není příliš vhodný a sériová korelace chybové složky může nepříznivě ovlivňovat zjištěné kauzální vztahy. V následující tabulce (Tab. 18) provedeme výběr modelu s vhodnějším řádem zpoždění. Porovnáme hodnoty informačních kritérií u těch dvojic, u nichž byl prokázán jednostranný kauzální vztah jak při zpoždění o jedno, tak při zpoždění o dvě období. Jako vhodnější vybíráme ten model, pro něž jsou hodnoty informačních kritérií nižší, ty budou v tabulce (Tab. 18) vyznačeny tučně a vybrané zpoždění zvýrazněno žlutou barvou.


78

Tab. 18 Vyhodnocení vhodnosti řádu zpoždění pro vybrané dvojice ukazatelů na základně informačních kritérií. Zdroj: zpracováno v programu Gretl.

AIC BUX=>GDP_HU 9,5865 GDAX=>GDP_GE 9,4576 PX=>GDP_CR 9,3027 SX5E=>GDP_EU27 7,9394 WIG20=>GDP_PL 8,932

Lag 1 BIC 9,8204 9,6915 9,5366 8,1733 9,1659

HQC 9,6749 9,546 9,391 8,0278 9,0204

HQC 9,7137 9,7676 9,4276 8,184 8,7716

Lag 2 BIC 9,9592 10,0132 9,6731 8,4295 9,0172

AIC 9,5656 9,6195 9,2795 8,0359 8,6235

BUX=>GDP_HU GDAX=>GDP_GE PX=>GDP_CR SX5E=>GDP_EU27 WIG20=>GDP_PL

Kvůli nejednoznačnosti rozhodnutí na základně dvou informačních kritérii (AIC a BIC) bylo zvoleno třetí, rozhodující, kritérium Hannah-Quinnovo (HQC). Z výše uvedené tabulky (Tab. 18) je patrné, že v případě dvojice pro maďarský, německý, český a celkový evropský trh by byla vhodnější volba zpoždění o jedno čtvrtletí, naopak v případě trhu polského zpoždění o čtvrtletí dvě. Jinak řečeno, u maďarského, německého, českého a evropského akciového trhu se přikláníme spíše k hypotéze, že ten předbíhá vývoj ekonomiky o jedno čtvrtletí, kdežto dění na polském akciovém trhu předchází ekonomický výkon spíše o čtvrtletí dvě. Zde je nutné připomenout, že model pro polský pár ukazatelů se zpožděním o dvě čtvrtletí se z důvodu autokorelace nesystematické složky nejeví jako příliš vhodný, proto se i v jeho případě přikloníme k hypotéze, že polský akciový trh předbíhá dění v ekonomice o jedno čtvrtletí. V dalších krocích analýzy přistoupíme k posouzení vývoje zjištěných kauzálních vztahů během jednotlivých dílčích období, kdy se zaměříme především na vznik vztahů nových, či vymizení některých vztahů v průběhu sledovaného období. Tabulky (Tab. 19 a Tab. 20) shrnují výsledky Grangerova testu kauzality pro obě dílčí období se zpožděním o jedno čtvrtletí (Lag 1). Jak můžeme vidět, některé ze zjištěných vztahů během celého sledovaného období (Tab. 17) v těchto dílčích období neexistují, nebo se naopak projevily vztahy jiné. Současně by bylo možné pro některé dvojice zamítnout nulovou hypotézu, o neexistenci vztahů ve smyslu Grangerovy kauzality mezi jednou a druhou proměnnou a naopak, jen tehdy, připustíme-li 10% hladinu významnosti. Uvedená skutečnost by se v prvním dílčím období (Tab. 19) týkala dvojice pro japonský, český a polský akciový trh a ekonomiku. Jinak řečeno, nulovou hypotézu o neexistenci jednosměrného vlivu akciového trhu na výkon ekonomiky se zpožděním o jedno čtvrtletí, je možné u těchto dvojic zamítnout až pro 10% hladinu významnosti. V případě dvojice pro maďarský trh a ekonomiku se nepodařilo prokázat žádné vzájemné vztahy v průběhu prvního dílčího období, tuto skutečnost lze přisuzovat například délce období, která je nedostatečná pro projev jednostranných či oboustranných vlivů. Tomuto tvrzení by však odporovaly závěry testování pro druhé dílčí období, které je kratší než období první.


79


p-hodnota GDP_HU=>BUX 0,2855 BUX=>GDP_HU 0,4581 GDP_US=>DJIA 0,4944 DJIA=>GDP_US 0,1411 GDP_GE=>GDAX 0,9667 GDAX=>GDP_GE 0,0480 GDP_JAP=>NKY225 0,1283 NKY225=>GDP_JAP 0,0608 GDP_CR=>PX 0,7963 PX=>GDP_CR 0,0848 GDP_EU27=>SX5E 0,5650 SX5E=>GDP_EU27 0,0009 GDP_PL=>WIG20 0,0496 WIG20=>GDP_PL 0,0668

1% NE NE NE NE NE NE NE NE NE NE NE ANO NE NE

5% NE NE NE NE NE ANO NE NE NE NE NE ANO ANO NE

10% NE NE NE NE NE ANO NE ANO NE ANO NE ANO ANO ANO


p-hodnota GDP_HU=>BUX 0,1239 BUX=>GDP_HU 0,0111 GDP_US=>DJIA 0,0583 DJIA=>GDP_US 0,4621 GDP_GE=>GDAX 0,5208 GDAX=>GDP_GE 0,0019 GDP_JAP=>NKY225 0,9153 NKY225=>GDP_JAP 0,1478 GDP_CR=>PX 0,0810 PX=>GDP_CR 0,0113 GDP_EU27=>SX5E 0,4854 SX5E=>GDP_EU27 0,0109 GDP_PL=>WIG20 0,1762 WIG20=>GDP_PL 0,2551

1% NE NE NE NE NE ANO NE NE NE NE NE NE NE NE

5% NE ANO NE NE NE ANO NE NE NE ANO NE ANO NE NE

10% NE ANO ANO NE NE ANO NE NE ANO ANO NE ANO NE NE

Ve druhém dílčím období (Tab. 20) bylo prokázáno jednostranné působení akciového trhu na výkon ekonomiky na 5% hladině významnosti pro Německo, Maďarsko, Českou republiku a EU27. Tuto skutečnost bychom mohli přisuzovat například větší spolupráci akciového trhu a ekonomiky v průběhu finanční krize. Například Křepelová (2010) hovoří ve své studii, o tom, že během krizového


80

období mezi sebou finanční trhy jednotlivých zemí více spolupracují, což znamená, že mezi finančními trhy funguje mnohem rychlejší informační výměna. A považujeme-li akciové indexy za indikátory budoucího ekonomického vývoje, tak i ten by mohl v krizovém období mnohem rychleji reagovat na neočekávané výkyvy na akciovém trhu. V tabulce (Tab. 20) můžeme ještě vidět, že se během prvního dílčího období projevil jednostranných vliv výkonu polské ekonomiky na akciový trh. Tento vliv však během druhé části sledovaného období zaniká. Obdobný vznik jednostranných vztahů by na 10% hladině významnosti bylo možné v druhé části sledovaného období (Tab. 21) pozorovat také pro Českou republiku a USA. Tyto vztahy však v případě Česka při pohledu na celé období vymizí, v případě USA naopak ještě posílí. Nyní se podrobněji podíváme výsledky testování pro obě dílčí období v případě zpoždění o dvě čtvrtletí, které jsou uvedeny v následujících tabulkách (Tab. 21 a Tab. 22). Tab. 21 Výsledky Grangerova testu kauzality mezi indexy a HDP pro období Q1:2000–Q2:2007 se zpožděním Lag 2. Zdroj: zpracováno v programu Grelt.


p-hodnota 0,0088 0,9664 0,8190 0,5991 0,9818 0,0748 0,2526 0,1264 0,8546 0,0399 0,9584 0,0029 0,1889 0,0432

1% ANO NE NE NE NE NE NE NE NE NE NE ANO NE NE

5% ANO NE NE NE NE NE NE NE NE ANO NE ANO NE ANO

10% ANO NE NE NE NE ANO NE NE NE ANO NE ANO NE ANO

V prvním dílčím období byl při zpoždění o dvě čtvrtletí (Tab. 21) prokázán jednostranný vliv ze strany akciového trhu na výkon ekonomiky v případě Polska, České republiky a Evropské unie. Tento výsledek v podstatě odpovídá výsledku testování Grangerovy kauzality pro celé sledované období. Ve srovnání s výsledky testu pro první dílčí období by se dalo říct, že prokázané vztahy jsou o něco zřetelnější, a v případě Česka a Polska zamítáme nulovou hypotézu až na 5% hladině významnosti. Zajímavý výsledek se týká vlivu maďarské ekonomiky a maďarského akciového trhu, kde bylo v prvním dílčím období prokázáno, že ekonomika předbíhá dění na akciovém trhu v období šesti měsíců. To v podstatě


81

odpovídá výsledku pro testování celého období, kdy byly v případě maďarské dvojice prokázány oboustranné vztahy ve smyslu Grangerovy kauzality. V případě vlivu německého akciového trhu na německou ekonomiku dochází pro zpoždění Lag 2 v podstatě oslabení tohoto jednostranného vlivu. To platí jak pro první, tak pro druhé dílčí období. To můžeme zdůvodnit například tím, že na základě výběru vhodného řádu zpoždění pomocí informačních kritérií, které jsme provedli pro celé sledované období (Tab. 18), se jeví jako vhodnější zpoždění o tři měsíce, v případě Německa se tedy spíše přikláníme k tvrzení, že německý akciový trh předchází dění v ekonomice o jedno čtvrtletí. Obdobnou situaci týkající se výběru vhodného řádu zpoždění můžeme ukázat také v případě Polska, kdy pro zpoždění Lag 2 došlo v prvním dílčím období k posílení jednostranného vlivu akciového trhu na polskou ekonomiku, oproti vlivu, který byl prokázán pro zpoždění Lag 1. To by mohlo potvrzovat naše závěry ohledně volby řádu zpoždění v Tab. 18. Na druhou stranu je současně nutné připomenout, že polský model se zpožděním Lag 2 vykazuje znaky sériové závislosti chybového členu. O jeho správnosti lze tedy pochybovat. Stejná situace také nastává ve druhém dílčím období pro český index PX, index evropský SX5E a také pro maďarský BUX. Tab. 22 Výsledky Grangerova testu kauzality mezi indexy a HDP pro období Q3:2007–Q2:2012 se zpožděním Lag 2. Zdroj: zpracováno v programu Grelt.


p-hodnota 0,1066 0,0981 0,1454 0,8434 0,8819 0,0129 0,7356 0,4164 0,1257 0,1363 0,4515 0,0984 0,4299 0,1483

1% NE NE NE NE NE NE NE NE NE NE NE NE NE NE

5% NE NE NE NE NE ANO NE NE NE NE NE NE NE NE

10% NE ANO NE NE NE ANO NE NE NE NE NE ANO NE NE

To, že se některé vztahy v jednotlivých dílčích obdobích vůbec neprojevily (týká se především trhu japonského), lze přisuzovat například délce období, neboť zde neproběhne ani jeden hospodářský cyklus. Nám však šlo o to, abychom se na prokázané vazby pro celé sledované období podívali z hlediska jejich vývoje a změn.


82

Na závěr shrňme, že se nám v šesti případech podařilo na 5% hladině významnosti prokázat vliv akciového trhu na budoucí ekonomický vývoj dané země. Ve čtyřech případech (BUX, PX, GDAX a SX5E) se zdá, že akciové trhy předbíhají ekonomiku spíše o jedno čtvrtletí. Uveďme, že této hypotéze také odpovídá chování japonského indexu NKY225, jehož jednostranný vliv na ekonomiku se oslabil při použití modelu se zpožděním o dvě čtvrtletí. Jednostranné kauzální působení polského WIG20 na ekonomiku bylo prokázáno pro zpoždění Lag 2, akciový trh předbíhá v tomto případě ekonomiku o šest měsíců. Uveďme, že tyto výsledky týkající se polského akciového trhu a ekonomiku mohou být zkresleny autokorelací nesystematické složky pro tento model. Opačný jednostranný vliv byl prokázán pro americkou ekonomiku, která předbíhá dění na akciových trzích o tři měsíce, přičemž při zpoždění o šest měsíců nebylo prokázáno žádné působení stavu ekonomiky na akciové trhy. Současně se v případě USA neprojevil jednostranný vliv akciových trhů na ekonomickou výkonnost, natož tak vztahy oboustranné. O oboustranných vztazích ve smyslu Grangerovy kauzality lze hovořit pouze v případě akciového trhu a ekonomiky Maďarska. Na základě provedené analýzy Grangerovy kauzality je možné akciové indexy považovat za významný předstihový ukazatel ekonomického vývoje. V následující kapitole Diskuze a závěr budou shrnuty a porovnány zjištěné výsledky korelační analýzy a Grangerovy kauzality.

Diskuze a závěr

83

5 Diskuze a závěr Diplomová práce se zabývá posouzením vlivu vývoje akciových trhů na výkonnost vybraných ekonomik. Jejím hlavním cílem bylo identifikovat závislost mezi akciovými indexy, jako ukazateli výnosnosti akciových trhů, a HDP, jako hlavního indikátoru ekonomického vývoje. Dílčím cílem práce bylo prozkoumat stupeň integrace a informační efektivnosti akciových trhů vybraných států. K naplnění tohoto cíle bylo ověřeno dominantní postavení amerického akciového trhu, dále vliv vyspělejších akciových trhů na trhy méně vyspělé a jejich vzájemné vztahy. V práci byly ověřovány dvě hypotézy. První o možnosti využití akciových indexů jako předstihového ukazatele budoucí ekonomické aktivity, druhá o vlivu vyspělejších akciových trhů na vývoj trhů méně vyspělých. Obě hypotézy byly stanoveny na základě závěrů studií uvedených v literárním přehledu. Ke splnění cílů práce byly analyzovány čtvrtletní časové řady akciových indexů a ukazatele hrubého domácího produktu za období Q1:2000–Q2:2012. Toto období bylo rozděleno na dvě období dílčí na základě metod detekce strukturálního zlomu, analýzy grafického vývoje a analýzy historických událostí, jimiž byla myšlena především nedávná globální hypoteční krize, jež vypukla ve třetím čtvrtletí roku 2007. Hypotéza o výskytu strukturálního zlomu v období Q3:2007 byla ověřena Chowovým testem strukturální změny. Kromě Chowova testu strukturální změny byl pro identifikaci bodu zlomu vyžit také QLR test, ten však pro jednotlivé časové řady akciových indexů určil jako možný výskyt bodu zlomu v různá období. S přihlédnutím na výsledky Chowova testu, a také na znalost historických událostí, bylo celé analyzované období rozděleno na dvě dílčí části: Q1:2000–Q2:2007 a Q3:2007–Q2:2012. Analýza sledovaného období po částech byla provedena především pro posouzení intenzity vzájemných vztahů mezi ukazateli před začátkem nedávné hypoteční krize a po čas jejího průběhu a dozníváni. Vyšetření výše uvedených vztahů bylo provedeno na datech pro tyto země: Spojené státy americké, Japonsko, Maďarsko, Českou republiku, Polsko a dále pro Evropskou unii (EU27). K hodnotám HDP byl do páru přiřazen akciových index reprezentující příslušný akciový trh: americký Dow Jones Indrustrial Average (DJIA), japonský Nikkei 225 Stock Average (NKY225), německý GDAX, maďarský BUX, český PX, polský WIG20 a pro EU27 index eurozóny Euro Stoxx 50 (SX5E). K naplnění dílčího cíle byly za vyspělejší akciové trhy považovány trhy USA, Japonska, Německa a také Evropské unie. Denní uzavírací hodnoty akciových indexů byly převzaty z databáze Bloomberg, přepočteny na průměrné čtvrtletní hodnoty a následně sezónně očištěny nástrojem X-12-ARIMA analýza. Čtvrtletní hodnoty sezónně očištěného reálného HDP byly staženy z databáze Organizace pro hospodářskou spolupráci a rozvoj (OECD). Časové řady akciových indexů i ukazatele HDP byly za účelem dosažení jejich stacionárního charakteru přepočteny na logaritmické výnosy. Přepočet hodnot časových řad na logaritmické výnosy také umožnil předejít vzniku zdánlivé korelace a ve většině případů také pomohl vyřešit problém sériové

Diskuze a závěr

84

závislosti chybového členu v navržených vektorových autoregresních modelech (VAR). Vzájemné závislosti mezi ukazateli byly posouzeny na základě korelační analýzy, ta byla prezentována prostřednictvím matic párových korelačních koeficientů. Korelační analýza byla provedena pro dvojice akciových indexů, ukazatelů HDP pro jednotlivé země a mezi ukazatelem HDP a příslušným akciovým indexem. Párové korelační koeficienty byly mezi sledovanými dvojicemi vypočteny pro celé analyzované období a také pro jednotlivá období dílčí, kdy šlo především o posouzení změny intenzity vztahů v krizovém období. Testem Grangerovy kauzality bylo zjištěno, který z páru ukazatelů je ovlivňovaný a který ovlivňující, či jejich případný oboustranný vztah. Grangerův test kauzality byl vyhodnocen na základě p-hodnoty Waldovy F-statistiky na 5% hladině významnosti. Veškerá datová analýza byla provedena s využitím volně dostupného statistického programu Gretl a tabulkového programu MS Excel. V následujícím textu budou shrnuty nejdůležitější zjištěné poznatky a srovnány výsledky korelační analýzy a testování Grangerovy kauzality. Párové korelační koeficienty mezi akciovými indexy pro celé sledované období jsou všechny statisticky významné a vykazují slabou, středně silnou a silnou pozitivní vzájemnou závislost. Nejintenzivnější vztah je mezi německým akciovým indexem GDAX a indexem eurozóny SX5E, ten lze označit za silný až téměř perfektní. Slabou až středně silnou pozitivní závislostí se vyznačují všechny dvojice akciových indexů s americkým indexem DJIA, to lze přisuzovat například odlišnostem amerického akciového trhu nebo bázi tohoto indexu, kterou tvoří pouze 30 nejvýznamnějších průmyslových společností USA. Při sledování vývoje vzájemných vztahů v jednotlivých dílčích obdobích bylo zjištěno, že během druhého dílčího období došlo k oslabení vzájemných vztahů mezi dvojicemi s americkým DJIA, kdy ty jsou dokonce ve třech případech (NKY225, SX5E, WIG20) statisticky nevýznamné. U ostatních dvojic můžeme naopak hovořit na základě vyšších hodnot párových korelačních koeficientů o posílení vzájemných pozitivních vztahů. Tuto skutečnost lze přisuzovat například intenzivnější informační výměně mezi akciovými trhy v krizovém období, o které ve své práci hovoří Křepelová (2010). Na základě korelační analýzy akciových indexů jsme dospěli k závěru, že mezi jednotlivými akciovými trhy existuje vzájemný středně silný až silný pozitivní vztah, to však neznamená, že tento vztah je také kauzální ve smyslu, že vývoj jednoho akciového trhu ovlivňuje vývoj druhého, či se ovlivňují vzájemně. V první části vyšetřování Grangerovy kauzality mezi dvojicemi akciových indexů jsme se zaměřili na ověření dominantního postavení amerického akciového trhu, jež vyplývá ze závěrů studií Trešla a Blatné (2008) nebo Baumöhla (2008; 2009). Celé testování Grangerovy kauzality pro dvojice akciových indexů bylo na rozdíl od zmíněných autorů provedeno pro logaritmické výnosy čtvrtletních průměrů denních uzavíracích hodnot. Uvedení autoři pracovali s logaritmickými výnosy denních uzavíracích hodnot akciových indexů. S ohledem na skutečnost, že informace jsou mezi jednotlivými akciovými trhy přenášeny velmi vysokou

Diskuze a závěr

85

rychlostí, se dalo přepokládat, že pozorování kauzálních vztahů na čtvrtletních datech nepřinese žádné zásadní poznatky. Na rozdíl od jmenovaných autorů, ale i mnohých dalších (například Eun a Shim, 1989), se nám nepodařilo prokázat dominantní postavení amerického akciového trhu, naopak se zdá, že ten je ovlivňován zejména evropskými akciovými trhy. Také při ověřování hypotézy o vlivu vyspělejších akciových trhů, za ty byly považovány trhy USA, Japonska, eurozóny a Německa, na méně vyspělé, konkrétně český akciový trh, maďarský a polský, jsme nedospěli k žádným významnějším závěrům. Jediné tvrzení, ke kterému bychom se mohli přiklonit, souvisí se závěrem Křepelové (2010) o asijských akciových trzích, kdy tyto hrají spíše pasivní roli, nechávají se ovlivňovat ostatními akciovými trhy, ale sami je neovlivňují. Nejednoznačnost vztahů a jejich směru ve smyslu Grangerovy kauzality a jejich kontroverzi se závěry studií uvedenými v literárním přehledu přikládáme charakteru dat použitých v analýze. Zdá se, že čtvrtletní období je příliš dlouhé na to, aby se projevil skutečný stupeň integrace a informační efektivnost akciových trhů. S ohledem na tuto skutečnost jsme se pokusili ověřit Grangerovu kauzalitu pro logaritmické výnosy denních uzavíracích hodnot indexů DJIA, NKY225, PX a BUX. Obchodování na jednotlivých burzách se liší počtem obchodních dnů, proto jsme museli přistoupit také k očištění dat o efekt nesynchronního obchodování. Při zohlednění různého počtu obchodních dnů jsme z původních 3143 denních uzavíracích hodnot pro americký DJIA, 3130 hodnot pro BUX, 3137 hodnot pro PX a 3069 pro NKY225 získali časové řady logaritmických výnosů s 2812 denními hodnotami. Při testování Grangerovy kauzality jsme uvažovali maximální zpoždění o 10 obchodních dnů při analyzování denních časových řad s pěti dny v týdnu. U všech navržených vektorových autoregresních modelů jsme diagnostikovali sériovou závislost chybové složky, což není překvapivé s ohledem na skutečnost, že hodnoty akciových indexů nevznikají náhodně, ale zcela jistě se odvíjejí od hodnot předchozích. Uvedené indexy při zpoždění Lag 1 (= 1 obchodní den) vykazují na 5% hladině významnosti v téměř všech případech vzájemné oboustranné vztahy ve smyslu Grangerovy kauzality. Jedinou výjimku tvoří dvojice japonského indexu NKY225 a českého PX, kde byl prokázán pouze jednostranný vztah ve směru působení českého indexu na index japonský. Ke stejnému výsledku jsme dospěli také při zpoždění Lag 2 (= 2 obchodní dny). Při zpoždění o pět obchodních dnů se projevuje dominantní postavení amerického akciového trhu ve vztahu s trhem maďarským a japonským. V ostatních případech, dokonce i u dvojice pro japonský a český akciový trh, byly prokázány oboustranné vzájemné vztahy. K totožným závěrům docházíme také při zpoždění o 10 obchodních dnů (Lag 10). Na základě informačních kritérií (AIC, BIC a HQC) jsme vyhodnotili jako nejvhodnější řád zpoždění Lag 1, tedy o jeden obchodní den, pro dvojice BUX <=> DJIA, DJIA <=> NKY225, DJIA <=> PX a BUX <=> NKY22568. V případě dvojice indexů BUX <=> PX se jeví jako vhodnější zpoždění o dva obchodní dny. U dvojice 68

směr šipek značí oboustranný vztah

Diskuze a závěr

86

pro NKY225 <=> PX jsme nedospěli k jednoznačnému závěru při volbě zpoždění mezi Lag 1, Lag 2, Lag 5 a Lag 10. Z výše uvedeného plyne, že frekvence sběru dat hraje velmi významnou roli při zkoumání integrace a informační efektivnosti akciových trhů. Mimo to je třeba také přikládat velkou důležitost zohlednění efektu nesynchronního obchodování. To také zdůrazňuje ve své studii Baumöhl (2009). Při zkoumání dat očištěných o efekt nesynchronního obchodování objevuje mezi sledovanými dvojicemi indexů oboustranné závislosti. Při neočištění dat o tento efekt se projevuje jen dominantní postavení amerického akciového trhu. Obdobné dominantní postavení amerického akciového trhu avšak bez zohlednění nesynchronního obchodování burz prokázala ve své studii také Křepelová (2010). Zda se další zmiňovaní autoři, například Trešl a Blatná (2008), Eun a Shim (1989) a další tímto efektem zabývali, nelze jednoznačně z jejich studií určit. Současně je ale nutné dodat, že podle Baumöhla (2009) zohlednění tohoto efektu představuje neoddělitelnou součást zkoumání závislostí mezi světovými akciovými trhy. Korelační analýza pro dvojice ukazatelů HDP naznačuje, že mezi většinou zkoumaných ekonomik existuje statisticky významný vzájemný pozitivní vztah. Výjimku tvoří dvojice pro maďarskou a polskou ekonomiku. Nejvyšší hodnoty párových korelačních koeficientů náleží párům Evropské unie s ukazatelem HDP pro Českou republiku a Německo. Přestože srovnání ekonomik na základě ukazatele HDP může být v určitém smyslu zavádějící, dá se říct, že sledované ekonomiky jsou si navzájem z hlediska vývoje podobné. Tento podobný vývoj se dá přisuzovat například podobné ekonomické vyspělosti a jejich vzájemnému přímému či zprostředkovanému obchodu. Podíváme-li se na vývoj zjištěných vzájemných vztahů během dílčích období, zjistíme, že v prvním období jsou ve většině případů hodnoty párových korelačních koeficientů statisticky neprůkazné. Výjimku tvoří pouze páry ukazatele HDP pro Evropskou unii s HDP Německa, Polska, České republiky a Japonska. Naopak ve druhém dílčím období je možné pozorovat celkové posílení vzájemných pozitivních vztahů, ty jsou středně silné až silné. Pouze pro dvojice polského HDP s HPD japonským a maďarským jsou statisticky nevýznamné. Zvýšená intenzita vzájemných vztahů jednotlivých ekonomik se dá vysvětlit například nedávnou hypoteční krizí, která postihla téměř všechny státy světa a odrazila se i obdobným způsobem na výkonnosti jejich ekonomik. Ověřováním vztahů ve smyslu Grangerovy kauzality mezi jednotlivými zkoumanými ekonomikami jsme se s ohledem na stanové cíle práce nezabývali. V posledním kroku korelační analýzy byly vypočteny také párové korelační koeficienty pro dvojice ukazatele HDP s příslušným akciovými indexem. Párové korelační koeficienty byly určeny také pro zpožděné hodnoty sledovaných ukazatelů, řád zpoždění byl zvolen v souladu se závěry studií Estrelly a Mishkina (1996)69 a Goktase a Hepsaga (2011). První dva zmiňovaní autoři přichází se závěrem, že vývoj hodnot akciových kurzů předbíhá dění v ekonomice s jedno až tříměsíčním zpožděním, Goktas a Hepsag (2011) naopak tvrdí, že výkon akciových 69

In Binswanger (2010)

Diskuze a závěr

87

trhů je o šest měsíců předbíhán vývojem ekonomickým. Z těchto dvou hypotéz jsme také vycházeli při ověřování vztahů ve smyslu Grangerovy kauzality. Pro oba zvolené ukazatele byly vypočteny zpožděné hodnoty v posunutí o dvě období, určení směru působení kauzálního vztahu bylo provedeno testem Grangerovy kauzality. Při nulovém zpoždění časových řad obou ukazatelů mezi nimi existuje statisticky významný pozitivní vztah, který je nejintenzivnější v případě českého akciového trhu a ekonomiky. V časovém posunutí ukazatele HDP o jedno nebo dvě období jsou hodnoty párových korelačních koeficientů nízké a statisticky nevýznamné, nemůžeme se proto přiklonit k tvrzení, že výkonnost ekonomiky předbíhá výkon akciových trhů. V případě časového posunutí řad akciových indexů vykazují hodnoty párových korelačních koeficientů pro českou a evropskou dvojici ukazatelů středně silnou korelaci. U amerického a japonského páru pro ekonomiku a akciové trhy je možné pozorovat pozitivní statisticky významné vztahy jen v posunutí o jedno období. U těchto dvojic ukazatelů se přikláníme k hypotéze, že dění na akciových trzích předbíhá vývoj ekonomiky spíše o tři měsíce; u maďarské, německé, české, evropské a polské dvojice ukazatelů nelze jednoznačně určit, i když hodnoty párových korelačních koeficientů jsou vyšší v případě časového posunutí indexů o jedno období (resp. čtvrtletí). Podíváme-li se na vývoj vztahu ekonomiky a akciového trhu u sledovaných zemí v průběhu dílčích období, vymizely v jeho první části statisticky významné hodnoty párových korelačních koeficientů při nulovém zpoždění obou ukazatelů, výjimku tvoří polský akciový trh a ekonomika. O možném potvrzení hypotézy, že vývoj akciových trhů předbíhá vývoj ekonomiky o jedno až dvě čtvrtletí, se dá v prvním dílčím období uvažovat u dvojic pro evropské trhy a ekonomiku, nejvyšší hodnoty párových korelačních koeficientů náleží opět akciovému indexu eurozóny a HDP EU27. Ve druhém dílčím období jsou hodnoty párových korelačních koeficientů nezpožděných časových řad ukazatelů různorodé, pro dvojice reprezentující německý, český a evropský akciový trh značí staticky významnou středně silnou pozitivní korelaci. Při časovém zpoždění řad akciových indexů se projevily středně silné vztahy mezi ekonomikou a akciovým trhem u maďarského, německého, evropského a polského páru ukazatelů. Statisticky významné hodnoty párových korelačních koeficientů pro dvojice ukazatelů pro akciové trhy a ekonomiku neznamenají, že vztah, který mezi nimi existuje, se dá označit za kauzální ve smyslu, že jeden z páru ukazatelů je ovlivňující a druhý ovlivňovaný, či se ovlivňují vzájemně. Tato skutečnost byla ověřena na základě Grangerova testu kauzality. Pro sledované dvojice ukazatelů byly navrženy vektorové autoregresní modely s maximálním zpožděním o dvě období, což koresponduje s hypotézami pro korelační analýzu, které vycházejí ze závěrů studií uváděných v literárním přehledu. Obdobně jako v předchozích krocích bylo analyzováno celé sledované období i jednotlivá období dílčí. Téměř u všech dvojic, výjimku tvoří dvojice pro americký akciový trh a ekonomiku, byla prokázána hypotéza, že akciové trhy předbíhají dění v ekonomice o jedno čtvrtletí. To odpovídá také hodnotám párových korelačních koeficientů značících středně

Diskuze a závěr

88

silnou pozitivní korelaci při zpoždění akciových indexů o jedno období. Uveďme, že párové korelační koeficienty pro americkou dvojici ukazatelů vykazují pouze slabou pozitivní závislost. Ověřování Grangerovy kauzality v modelech se zpožděním o dvě období přináší obdobné výsledky, rozdíl můžeme spatřovat u dvojice pro japonský akciový trh a ekonomiku, kde při zpoždění o 6 měsíců nebyl prokázán vliv akciového trhu na ekonomický vývoj. To také koresponduje se statisticky nevýznamnou hodnotou párového korelačního koeficientu zpožděné časové řady indexu NKY225 o dvě období. Při zpoždění Lag 2 se také objevil oboustranný vliv maďarského akciového trhu a ekonomiky. Tomu neodpovídá hodnota párového korelačního koeficientu, která je statisticky nevýznamná. Na základě diagnostického posouzení modelů a výběru vhodnějšího řádu zpoždění jsme dospěli k závěru, že pro německý, japonský, český, polský, evropský akciový trh a ekonomiku je lépe se přiklonit k hypotéze, že dění na akciových trzích předbíhá vývoj ekonomiky o tři měsíce, což je v souladu se studií Estrelly a Mishkina (1996). V případě amerického páru ukazatelů sledujeme opačné jednostranné vztahy, které odpovídají závěrům studie Goktase a Hepsaga (2011), že výkon akciových trhů je předbíhán vývojem ekonomickým. Při sledování vývoje zjištěných vztahů během jednotlivých dílčích období můžeme pozorovat, že ty se v jejich průběhu tak výrazně neprojevily. S obdobnými nejednoznačnými závěry se setkáváme také u korelační analýzy, kdy tuto nejasnost lze přisuzovat nedostatečné délce dílčích období, která neodpovídá ani jednomu hospodářskému cyklu V souladu s hlavním cílem práce byla v pěti případech ze sedmi jednoznačně prokázána závislost mezi akciovým trhem a vývojem ekonomiky. Pomocí Grangerova testu kauzality bylo ve většině případů prokázáno, že akciový trh předbíhá vývoj ekonomiky o jedno čtvrtletí. V jednom případě, maďarský trh a ekonomika, byly odhaleny vztahy vzájemné a pro americký akciový trh a ekonomiku vztahy opačné. Jak naše závěry, tak i závěry studií uváděných v literárním přehledu, se pro jednotlivé země liší. To je způsobeno například vyspělostí či velikostí ekonomiky a jejího akciového trhu. Současně se ale na základě provedené analýzy přikláníme spíše k názoru, že akciové indexy mohou sloužit jako důležitý předstihový ukazatel ekonomického vývoje. Této skutečnosti lze využít například při formulaci investiční strategie, kdy rostou-li dlouhodobě ceny akcií, je možné předpokládat, že námi uskutečněná investice bude zisková. Obdobně, rostou-li ceny našich podnikových akcií, vykážeme s vyšší pravděpodobností kladný hospodářský výsledek. Využití tohoto teoretického východiska může představovat velmi mocný nástroj zabraňující ztrátovým investicím či náhlým krachům podniků. Současně je ale nutné si uvědomit, že v každé situaci může svoji roli sehrát pouhá náhoda.

Literatura

89

6 Literatura Odborná literatura ARLT, J., ARLTOVÁ, M. Ekonomické časové řady: Vlastnosti, metody modelování, příklady a aplikace. Praha: GRADA Publishing, a.s., 2007, 288 s., ISBN 978-80-2471319-9. BROOKS, Ch. Introductory Econometrics for Finance. 2nd ed. Cambridge University Press, 2008, 672 s., ISBN 13-978-0-511-39848-3. FUCHS D. Finanční trhy. 1.vyd. Brno: Masarykova univerzita v Brně, 2004. 118 s., ISBN 80-210-3526-9. GUJARATI, D. N. Basic Econometrics. 4th ed., Singapore: Mc Graw-Hill 2003, ISBN 007-233542-4. HINDLS. R., HRONOVÁ, S., SEGER, J. Statistika pro ekonomy. 8. vyd., Praha: Professional Publishing, 2007, 420 s., ISBN 978-80-86946-43-6. JUREČKA, V., JÁNOŠÍKOVÁ, I. Makroekonomie: základní kurs. 2. vyd. Ostrava: Vysoká škola báňská - Technická univerzita, 2009, 299 s. ISBN 978-80-248-2065-1. KIRCHGÄSSNER, G., WOLTERS, J. Indroduction to Modern Time Series Analysis. Springer Publishing Company, 2007, ISBN 978-3-540-73290-7. KLÍMA, J. Makroekonomie. 1. vyd. Praha: Alfa Publishing, 2006, 141 s., ISBN 8086851-27-3. KOHOUT, P. Investiční strategie pro třetí tisíciletí. 5. přepracované a rozšířené vydání. Praha: GRADA Publishing, a.s., 2008, 288 s., ISBN 978-80-247-2559-8. KOOP, G. Introduction to econometrics. Chichester: John Wiley & Sons, 2008, 371 s., ISBN 9870-47003270. LACINA, L. Měnová integrace: náklady a přínosy členství v měnové unii. 1. vyd. Praha: C. H. Beck, 2007, 538 s., ISBN 978-80-7179-560-5. MISHKIN, F. S., EAKINS S. G. Financial markets and institutions. 7. ed., global ed. Boston, Mass. [u.a.]: Pearson, c2012, 663, 1623. ISBN 0-273-75444-0. MUSÍLEK P. Trhy cenných papírů. 2. rozšířené vyd. Praha: Ekopress, 2011. 520 s., ISBN 978-80-86929-70-5. NĚMEC, D. Základy ekonometrie. Brno: Masarykova univerzita, Ekonomickosprávní fakulta, 2009, 264. s. PAVLÁT, V. a kol. Kapitálové trhy. Praha: Professional Publishing, 2003, 296 s., ISBN 80-86419-33-9. REJNUŠ, O. Cenné papíry a burzy. Brno: Akademické nakladatelství CERM, s.r.o., 2009, 400 s., ISBN 978-80-214-3805-7.

Literatura

90

REJNUŠ, O. Peněžní ekonomie (Finanční trhy). Brno: Akademické nakladatelství CERM, s.r.o., 2008, 352 s., ISBN: 978-80-214-3703-6. REJNUŠ, O. Teorie a praxe obchodování s cennými papíry. Praha: Computer Press, 2001, 257 s., ISBN 80-7226-571-7. ROSE, P. S. Money and Capital Markets: The Financial System in an Increasingly Global Economy. 5th ed. Homewood: Irwin, 1994, 27771 s. ISBN 0-256-12199-0. SVOBODA, M., HEUSSINGER, W. H., RÖHL, Ch. W. Asset quide. Brno: Computer Press 206, 372 s. ISBN 80-251-1248-5. Studie ADAMOPOULOS, A. Stock Market and Economic Growth: An Empirical Analysis for Germany. In: Business and Economics Journal, 2010, vol. 2010, no. BEJ-1. ISSN 2151-6219. Dostupné z WWW: . BAUMÖHL, E. Integrácia akciových trhov: Grangerov model a efekt nesynchrónneho obchodovania. In: PMS 2009. Zborník príspevkov z vedeckej konferencie. Košice: PHF EUBA, 2009. s. 11 – 23. ISBN 978-80-225-2755-2. Dostupné z WWW: . BAUMÖHL, E. Skúmanie jednosmerných závislostí medzi svetovými akciovými indexmi. In: Národná a regionálna ekonomika VII. Zborník príspevkov z medzinárodnej vedeckej konferencie. Košice : EKF TU, 2008, s. 81 – 88. ISBN 97880-553-0084-9. Dostupné z WWW: . BARUNÍK, J. VÁCHA, L., KRIŠTOUFEK, L. Comovement of Central European stock markets using wavelet coherence: Evidence from high-frequency data. In: IES Working Paper, 2011, vol. 22. IES FVS. Charles University. Dostupné z WWW: . BINSWANGER, M. Stock returns and real activity: Is there still a connection? In: Applied Financial Economics, 2000, vol. 10, no. 4, p. 379-387. ISSN 0960-3107. Dostupné z WWW: . BINSWANGER, M. Stock returns and real activity in G-7 countries: Did the relationship change during the 1980’s? In: Quar. Rev. Economic Finance, 2004, vol. 44, no. 2, p. 237-252. Dostupné z WWW: . ČERNÝ, A., KOBLAS, M. Stock Market Integration and the Speed of Information Transmission. In: Czech Journal of Economics and Finance, 2008, vol. 58, no. 1-2, p. 2-20. Dostupné z WWW: .

Literatura

91

DEMETRIADES, P., ADRIÁNOVÁ, S. Finance and Growth: What We Know and What We Need to Know. In: C. Goodhart, (ed.) Financial Development and Economic Growth: Explaining the Links. Houndmills: Palgrave Macmillan, 2004, 221 s., ISBN 1-4039-2066-4. EUN, CH. S., SHIM, S. International Transmission of Stock Market Movements. In: Journal of Financial and Quantitative analysis, 1989, vol. 24, no. 2, p. 241-256. Dostupné z WWW: . FAMA, E. F. Stock Returns, Real Activity, Inflation, and Money. In: The American Economic Review. 1981, vol. 71, no. 4, p. 545-565. ISSN 0022-8282. FAMA, E. F. Stock Returns, Expected Returns, and Real Activity. In: The Journal of Finance, 1990, vol. 45, no. 4, p. 1089-1108. ISSN 0022-1082. GOKTAS, O., HEPSAG, A. Do stock returns lead real economic activity? Evidence from seasonal cointegration analysis. In: Economics Bulletin, 2011, vol. 31, no. 3, p. 21172127. Dostupné z WWW: . HANOUSEK, J., FILER, R. K. The relationship between economic factors and equity markets in Central Europe. In: Economics of Transition, 2000, vol. 8, no. 3, p. 623638. Dostupné z WWW: < http://home.cerge-ei.cz/hanousek/EoTRelation.pdf>. CHAKRABORTY, I. Does financial development cause economic growth? The case of India. In: South Asia Economic Journal, 2008 vol. 1, no. 9, p. 109-139. Dostupné z WWW: < http://sae.sagepub.com/content/11/2/287.full.pdf+html>. IBRAHIM, M. An Empirical Analysis of Real Activity and Stock Returns in an Emerging Market. In: Economic Analysis & Policy, 2010, vol. 40, no. 2, p. 263-271. Dostupné z WWW: . KAPLAN, M. The impact of Stock Market on Real Economic Activity: Evidence from Turkey. In: Journal of Applied Sciences, 2008, vol. 8, no. 2, p. 374-378. ISSN 18125654. Dostupné z WWW: < http://docsdrive.com/pdfs/ansinet/jas/2008/374378.pdf>. KŘEPELOVÁ, M. Vliv burzovních indexů. In: Nové trendy v ekonometrii a operačním výzkumu. Bratislava: EKONÓM, 2010, s. 110-114. ISBN 978-80-225-3126-9. SCHWERT, W. Stock returns and real activity: A century of evidence. In: The Journal of Finance, 1990, vol. 45, no. 4, p. 1237-1257. ISSN 0022-1082. Dostupné z WWW: < http://schwert.ssb.rochester.edu/jfin90sa.pdf>. SILIVERSTOVS, B., DUONG, M. H. On the role of stock market for real economic activity: Evidence for Europe. In: DIW-Discussion paper, 2006, no. 599. ISSN 16194535. Dostupné z WWW: < http://www.finprop.de/Paper15_Duong.pdf>.

Literatura

92

TREŠL, J., BLATNÁ, D. Statistická analýza vybraných evropských akciových indexů. Článek v odborném periodiku, 2008, VŠE Praha. ISSN 0322-788X. Dostupné z WWW: . Internetové zdroje Bloomberg.com [online] 2013 [cit. 2013-01-15]. DAX:IND. Dostupné z WWW: . Bse.hu [online]. 2012. [cit. 2012-11-04]. BUX. Dostupné .

z WWW:

Czso.cz [online]. 2012. [cit 2012-12-22]. Hrubý domácí produkt. Dostupné z WWW: . Dax-indices.com [online] 2013 [cit 2013-01-15]. Guide to the Equity Indices of Deutsche Börse. Dostupné z WWW: http://www.daxindices.com/EN/MediaLibrary/Document/Equity_L_6_17_e.pdf>. Djaverages.com [online] 2012 [cit. 2012-11-23]. Dow Jones Industrial Average. Dostupné z WWW: . Gpw.pl [online] 2010 [cit. 2012-11-23]. WIG 20 Companies. Dostupné z WWW: . Nikkei.com [online]. 2012. [cit. 2012-11-23]. Nikkei 225. Dostupné z WWW: . Oecd.org [online]. 2013 [2013-01-15]. Quarterly National Accounts. Dostupné z WWW: . Patria.cz [online]1997–2013 [cit. 2013-02-09] Bove (Punk Ziegel): Finanční krize skončila, naskýtá se jedinečná příležitost nakoupit akcie bank. Dostupné z WWW: . Pse.cz [online]. 1998–2012. [cit. 2012-11-23]. Burzovní indexy. Dostupné z WWW: . Stoxx.com [online]. 2012 [cit. 2012-11-23]. EURO STOXX 50. Dostupné z WWW: .

Přílohy

Přílohy A

Testy strukturální změny

B

Graf ACF pro neupravené časové řady ukazatele HDP

C

Graf ACF pro neupravené průměrné čtvrtletní hodnoty časových řad akciových indexů

D

Testování stacionarity pro neupravené hodnoty časových řad

E

Graf ACF po přepočtu hodnot HDP na logaritmické výnosy

F

Graf ACF pro akciové indexy po přepočtu na logaritmické výnosy

G

Testování stacionarity po přepočtu hodnot časových řad na logaritmické výnosy

H

Testování vícerozměrné autokorelace chybového členu – akciové indexy

I

Grangerova kauzalita mezi akciovými indexy: Q1:2000–Q2:2007

J


K

Testování vícerozměrné autokorelace chybového členu – indexy a ukazatel HDP

L

Grangerova kauzalita mezi akciovými indexy – denní uzavírací hodnoty

Testy strukturální změny

A Testy strukturální změny H0: H1:

strukturální zlom není identifikován prokázána přítomnost strukturálního zlomu 5% hladina významnosti

N A

Chowův test pro předem vybrané období Q3:2007 p-hodnota BUX DJIA GDAX NKY225 SXE5 PX WIG20

0,0001 0,0132 0,0027 0,0117 0,0093 0,0048 0,0042

A A A A A A A

QLR test podílu věrohodnosti strukturálního zlomu v neznámém bodě s 15% ořezáváním období 5% kritická hodnota QLR statistika BUX Q1:2005 8,685 166,9220 A DJIA Q1:2006 8,685 20,2512 A GDAX Q1:2006 8,685 19,9690 A NKY225 Q4:2008 8,685 22,1086 A SXE5 Q4:2001 8,685 40,3037 A PX Q4:2004 8,685 101,6920 A WIG20 Q3:2005 8,685 66,1112 A


B Graf ACF pro neupravené časové řady ukazatele HDP



C Graf ACF pro neupravené průměrné čtvrtletní hodnoty časových řad akciových indexů


Testování stacionarity pro neupravené hodnoty časových řad

D Testování stacionarity pro neupravené hodnoty časových řad Testování stacionárního charakteru časových řad akciových indexů a ukazatele HDP pro původní nepřepočtené hodnoty. Rozšířený Dickey Fullerův test hypotézy: H0: nestacionarita N H1: stacionarita S

BUX DJIA GDAX NKY225 SXE5 PX WIG20

bez konstanty 0,5029 N 0,7166 N 0,4295 N 0,3712 N 0,1244 N 0,5058 N 0,4581 N

s konstantou 0,3407 N 0,0647 S 10% 0,1977 N 0,2263 N 0,1698 N 0,4558 N 0,3020 N

s konstantou a trendem 0,6134 N 0,0321 S 5% 0,2922 N 0,4764 N 0,3637 N 0,8725 N 0,4795 N

GDP_CR GDP_EU27 GDP_GE GDP_HU GDP_PL GDP_US GDP_JAP

bez konstanty 0,9548 N 0,8951 N 0,9294 N 0,8776 N 0,9992 N 0,9841 N 0,8776 N

s konstantou 0,6356 N 0,5313 N 0,8289 N 0,2242 N 0,9768 N 0,8297 N 0,4109 N

s konstantou a trendem 0,9225 N 0,4909 N 0,0628 S 10% 0,8918 N 0,2589 N 0,7837 N 0,3223 N


E Graf ACF po přepočtu hodnot HDP na logaritmické výnosy



F Graf ACF pro akciové indexy po přepočtu na logaritmické výnosy


Testování stacionarity po přepočtu hodnot časových řad na logaritmické výnosy

G Testování stacionarity po přepočtu hodnot časových řad na logaritmické výnosy Testování stacionárního charakteru časových řad akciových indexů a ukazatele HDP po přepočtu hodnot na logaritmické výnosy testy jednotkového kořene: ADF test a KPSS test70. ADF test hypotézy: H0: nestacionarita H1: stacionarita

KPSS test hypotézy: N H0: stacionarita S H1: nestacionarita ADF

BUX DJIA GDAX NKY225 SXE5 PX WIG20

bez konstanty 0,0040 S <0,0001 S 0,0001 S <0,0001 S 0,0001 S <0,0001 S 0,0001 S

s konstantou 0,0072 S 0,0099 S 0,0036 S <0,0001 S 0,0028 S 0,0051 S 0,0033 S

S N KPSS

s konstantou a trendem 0,0309 S 5% 0,0059 S 0,0186 S 5% 0,0008 S 0,0162 S 5% 0,0203 S 5% 0,0188 S 5%

t-stat.

1%

5%

10%

Kritické hodnoty 0,7240 0,4710 0,3520 GDP_CR GDP_EU27 GDP_GE GDP_HU GDP_PL GDP_US GDP_JAP

0,0108 0,0088 <0,0001 0,0799 0,1793 0,0001 <0,0001

S 5% S S S 10% N S S

0,0390 0,0674 0,0012 0,4036 0,0200 0,0009 0,0001

S 5% S 10 % S N S 5% S S

0,0855 0,1733 0,0070 0,0252 0,1419 0,0060 0,0010

S 10% N S S 5% N S S

0,2139 S

S

S

0,5570 N 0,1797 S

S S

S S

KPSS test jednotkového kořene využit pouze v případě nejednoznačnosti určení stacionarity časových řad.

70


H Testování vícerozměrné autokorelace chybového členu – akciové indexy Ljungův-Boxův test vícerozměrné autokorelace chybového členu pro vektorové autoregresní modely akciových indexů pro celé analyzované období. Vyhodnoceno na 5% hladině významnosti na základě p-hodnoty modifikované portmanteau Ljung-Boxovy statistiky. H0: H1:

sériová nezávislost sériová závislost, autokorelace 5% hladina významnosti

N A

Modely ověřující dominantní postavení amerického trhu se zpožděním Lag 1 p-hodnota 1% 5% 10% WIG20 =>DJIA DJIA=>WIG20 0,1679 N N N SX5E=>DJIA DJIA=>SX5E 0,1801 N N N PX=>DJIA DJIA=>PX 0,3974 N N N GDAX=>DJIA DJIA=>GDAX 0,1919 N N N NKY225=>DJIA DJIA=>NKY225 0,0235 N A A BUX=>DJIA DJIA=>BUX 0,2902 N N N Modely: vztahy mezi méně vyspělými akciovými trhy se zpožděním Lag 1 p-hodnota 1% 5% 10% WIG20=>BUX BUX=>WIG20 0,5305 N N N PX=>BUX BUX=>PX 0,5261 N N N WIG20=>PX PX=>WIG20 0,4111 N N N


Modely: Vliv vyspělejších akciových trhů na méně vyspělé se zpožděním Lag 1 p-hodnota 1% 5% 10% WIG20=>SX5E SX5E=>WIG20 0,6303 N N N BUX=>SX5E SX5E=>BUX 0,4862 N N N PX=>SX5E SX5E=>PX 0,5672 N N N p-hodnota 1% 5% 10% NKY225=>BUX BUX=>NKY225 0,7583 N N N WIG20=>NKY225 NKY225=>WIG20 0,1982 N N N PX=>NKY225 NKY225=>PX 0,4181 N N N p-hodnota 1% 5% 10% BUX=>GDAX GDAX=>BUX 0,8005 N N N PX=>GDAX GDAX=>PX 0,9027 N N N WIG20=>GDAX GDAX=>WIG20 0,8896 N N N Modely: vztahy mezi vyspělými akciovými trhy Lag 1 p-hodnota 1% 5% NKY225=>DJIA DJIA=>NKY225 0,0235 N A GDAX=>NKY225 NKY225=>GDAX 0,4322 N N SX5E=>NKY225 NKY225=>SX5E 0,3024 N N

10% A N N


I


Testování Grangerovy kauzality mezi akciovými indexy pro období Q1:2000– Q2:2007 se zpožděním Lag 1, resp. o jedno čtvrtletí. Systém slov ANO/NE: ANO – mezi uvedenými dvojicemi existuje vztah ve smyslu Grangerovy kauzality, NE – uvedený vztah mezi dvojicemi neexistuje. Dominantní postavení amerického akciového trhu p-hodnota 1% 5% WIG20 =>DJIA 0,4443 NE NE DJIA=>WIG20 0,3325 NE NE SX5E=>DJIA 0,2432 NE NE DJIA=>SX5E 0,1232 NE NE PX=>DJIA 0,5451 NE NE DJIA=>PX 0,6234 NE NE GDAX=>DJIA 0,1876 NE NE DJIA=>GDAX 0,2661 NE NE NKY225=>DJIA 0,3186 NE NE DJIA=>NKY225 0,0845 NE NE BUX=>DJIA 0,5851 NE NE DJIA=>BUX 0,5088 NE NE

10% NE NE NE NE NE NE NE NE NE ANO NE NE

Vliv japonského akciového trhu (GDAX, BUX, PX, SX5E, WIG20, DJIA) p-hodnota 1% 5% 10% NKY225=>DJIA 0,3186 NE NE NE DJIA=>NKY225 0,0845 NE NE ANO GDAX=>NKY225 0,0033 ANO ANO ANO NKY225=>GDAX 0,5657 NE NE NE BUX=>NKY225 0,0298 NE ANO ANO NKY225=>BUX 0,7315 NE NE NE PX=>NKY225 0,0068 ANO ANO ANO NKY225=>PX 0,3618 NE NE NE SX5E=>NKY225 0,0062 ANO ANO ANO NKY225=>SX5E 0,7476 NE NE NE WIG20=>NKY225 0,0002 ANO ANO ANO NKY225=>WIG20 0,5403 NE NE NE


Vliv evropského akciového trhu na národní trhy (GDAX, BUX, WIG, PX) p-hodnota 1% 5% 10% WIG20=>SX5E 0,8839 NE NE NE SX5E=>WIG20 0,9027 NE NE NE BUX=>SX5E 0,8477 NE NE NE SX5E=>BUX 0,9423 NE NE NE GDAX=>SX5E 0,8869 NE NE NE SX5E=>GDAX 0,6068 NE NE NE PX=>SX5E 0,5647 NE NE NE SX5E=>PX 0,4779 NE NE NE Vztah německého akciového trhu a středoevropských trhů (WIG20, PX. BUX) p-hodnota 1% 5% 10% BUX=>GDAX 0,7504 NE NE NE GDAX=>BUX 0,9251 NE NE NE PX=>GDAX 0,6728 NE NE NE GDAX=>PX 0,5452 NE NE NE WIG20=>GDAX 0,9870 NE NE NE GDAX=>WIG20 0,7365 NE NE NE


J Grangerova kauzalita mezi akciovými indexy: Q3:2007–Q2:2012 Testování Grangerovy kauzality mezi akciovými indexy pro období Q3:2007– Q2:2012 se zpožděním Lag 1, resp. o jedno čtvrtletí. Systém slov ANO/NE: ANO – mezi uvedenými dvojicemi existuje vztah ve smyslu Grangerovy kauzality, NE – uvedený vztah mezi dvojicemi neexistuje. Dominantní postavení amerického akciového trhu p-hodnota 1% 5% WIG20 =>DJIA 0,0595 NE NE DJIA=>WIG20 0,7268 NE NE SX5E=>DJIA 0,0537 NE NE DJIA=>SX5E 0,9325 NE NE PX=>DJIA 0,1387 NE NE DJIA=>PX 0,8920 NE NE GDAX=>DJIA 0,0984 NE NE DJIA=>GDAX 0,8997 NE NE NKY225=>DJIA 0,4169 NE NE DJIA=>NKY225 0,5221 NE NE BUX=>DJIA 0,1100 NE NE DJIA=>BUX 0,9189 NE NE

10% ANO NE ANO NE NE NE ANO NE NE NE NE NE

Vliv japonského akciového trhu (GDAX, BUX, PX, SX5E, WIG20, DJIA) p-hodnota 1% 5% 10% NKY225=>DJIA 0,4169 NE NE NE DJIA=>NKY225 0,5221 NE NE NE GDAX=>NKY225 0,8062 NE NE NE NKY225=>GDAX 0,6822 NE NE NE BUX=>NKY225 0,3592 NE NE NE NKY225=>BUX 0,9201 NE NE NE PX=>NKY225 0,8351 NE NE NE NKY225=>PX 0,4767 NE NE NE SX5E=>NKY225 0,4788 NE NE NE NKY225=>SX5E 0,7008 NE NE NE WIG20=>NKY225 0,3938 NE NE NE NKY225=>WIG20 0,7198 NE NE NE


Vliv evropského akciového trhu na národní trhy (GDAX, BUX, WIG20, PX) p-hodnota 1% 5% 10% WIG20=>SX5E 0,3425 NE NE NE SX5E=>WIG20 0,7163 NE NE ANO BUX=>SX5E 0,3371 NE NE NE SX5E=>BUX 0,8385 NE NE NE GDAX=>SX5E 0,5920 NE NE NE SX5E=>GDAX 0,3037 NE NE NE PX=>SX5E 0,9385 NE NE NE SX5E=>PX 0,4692 NE NE ANO Vztah německého akciového trhu a středoevropských trhů (WIG20, PX. BUX) p-hodnota 1% 5% 10% BUX=>GDAX 0,2758 NE NE NE GDAX=>BUX 0,3061 NE NE NE PX=>GDAX 0,7643 NE NE NE GDAX=>PX 0,9171 NE NE NE WIG20=>GDAX 0,1206 NE NE NE GDAX=>WIG20 0,3207 NE NE NE


K Testování vícerozměrné autokorelace chybového členu – indexy a ukazatel HDP Ljungův-Boxův test vícerozměrné autokorelace chybového členu pro vektorové autoregresní modely akciových indexů a ukazatele HDP pro celé analyzované období. Vyhodnoceno na 5% hladině významnosti na základě p-hodnoty modifikované portmanteau Ljung-Boxovy statistiky. H0: H1:

sériová nezávislost sériová závislost, autokorelace 5% hladina významnosti Modely akciových indexů a ukazatele HDP se zpožděním Lag 1 p-hodnota 1% 5% 10% GDP_HU=>BUX BUX=>GDP_HU 0,4145 N N N GDP_US=>DJIA DJIA=>GDP_US 0,4296 N N N GDP_GE=>GDAX GDAX=>GDP_GE 0,7814 N N N GDP_JAP=>NKY225 NKY225=>GDP_JAP 0,3643 N N N GDP_GR=>PX PX=>GDP_CR 0,0661 N N N GDP_EU27=>SX5E SX5E=>GDP_EU27 0,6597 N N N GDP_PL=>WIG20 WIG20=>GDP_PL 0,0144 N A A

N A


Modely akciových indexů a ukazatele HDP se zpožděním Lag 2 p-hodnota 1% 5% GDP_HU=>BUX BUX=>GDP_HU 0,3272 N N GDP_US=>DJIA DJIA=>GDP_US 0,3232 N N GDP_GE=>GDAX GDAX=>GDP_GE 0,5780 N N GDP_JAP=>NKY225 NKY225=>GDP_JAP 0,4341 N N GDP_GR=>PX PX=>GDP_CR 0,0036 N N GDP_EU27=>SX5E SX5E=>GDP_EU27 0,6472 N N GDP_PL=>WIG20 WIG20=>GDP_PL 0,0045 A A

10% N N N N N N A


L Grangerova kauzalita mezi akciovými indexy – denní uzavírací hodnoty71 Testování Grangerovy kauzality mezi akciovými indexy pro denní uzavírací hodnoty pro indexy: DJIA, BUX, NKY225 a PX s maximálním zpožděním o 10 obchodních dnů (Lag 10). Byl-li mezi indexy prokázán vztah ve smyslu Grangerovy kauzality, píšeme ANO, nebyl-li prokázán, píšeme NE. Tabulky současně uvádí výsledky testování sériové nezávislosti chybového členu pro navržené VAR modely. Hypotézy: H0: druhý index neovlivňuje první ve smyslu GK H0: první index neovlivňuje druhý ve smyslu GK H1: druhý index ovlivňuje první ve smyslu GK H1: první index ovlivňuje druhý ve smyslu GK Platí-li H0, tzn. mezi indexy neexistuje vztah ve smyslu Grangerovy kauzality, píšeme: Zamítáme-li H0, tzn. mezi indexy existuje vztah ve smyslu Grangerovy kauzality, píšeme:

H0: H1:

NE ANO

Ljung-Boxův test - Vícerozměrná autokorelace chybového členu sériová nezávislost sériová závislost, autokorelace

Grangerova kauzalita mezi akciovými indexy, od 6. 1. 2000. resp. 12. 1. 2000, denní hodnoty, Lag 1 = 1 obchodní den (5 dní v týdnu) VAR model Autokorelace p-hodnota 1% 5% 10% p-hodnota 5% DJIA=>BUX 0,0000 ANO ANO ANO 0,0000 A BUX=>DJIA 0,0065 ANO ANO ANO A DJIA=>NKY225 0,0000 ANO ANO ANO 0,0000 A NKY225=>DJIA 0,0033 ANO ANO ANO A DJIA=>PX 0,0000 ANO ANO ANO 0,0000 A PX=>DJIA 0,0000 ANO ANO ANO A NKY225=>BUX 0,0000 ANO ANO ANO 0,0000 A BUX=>NKY225 0,0000 ANO ANO ANO A NKY225=>PX 0,0862 NE NE NE 0,0000 A PX=>NKY225 0,0000 ANO ANO ANO A PX=>BUX 0,0008 ANO ANO ANO 0,0000 A BUX=>PX 0,0000 ANO ANO ANO A

71

časové řady očištěny o efekt nesynchronního obchodování


Grangerova kauzalita mezi akciovými indexy, od 6. 1. 2000. resp. 12. 1. 2000, denní hodnoty, Lag 2 = 2 obchodní dny (5 dní v týdnu) VAR model Autokorelace p-hodnota 1% 5% 10% p-hodnota 5% DJIA=>BUX 0,0000 ANO ANO ANO 0,0000 A BUX=>DJIA 0,0418 NE ANO ANO A DJIA=>NKY225 0,0000 ANO ANO ANO 0,0000 A NKY225=>DJIA 0,0304 NE ANO ANO A DJIA=>PX 0,0000 ANO ANO ANO 0,0000 A PX=>DJIA 0,0002 ANO ANO ANO A NKY225=>BUX 0,0003 ANO ANO ANO 0,0000 A BUX=>NKY225 0,0000 ANO ANO ANO A NKY225=>PX 0,1579 NE NE NE 0,0000 A PX=>NKY225 0,0000 ANO ANO ANO A PX=>BUX 0,0006 ANO ANO ANO 0,0000 A BUX=>PX 0,0000 ANO ANO ANO A Grangerova kauzalita mezi akciovými indexy, od 6. 1. 2000. resp. 12. 1. 2000, denní hodnoty, Lag 5 = 5 obchodních dnů (5 dní v týdnu) VAR model Autokorelace p-hodnota 1% 5% 10% p-hodnota 5% DJIA=>BUX 0,0000 ANO ANO ANO 0,0000 A BUX=>DJIA 0,1843 NE NE NE A DJIA=>NKY225 0,0000 ANO ANO ANO 0,0000 A NKY225=>DJIA 0,0711 NE NE ANO A DJIA=>PX 0,0000 ANO ANO ANO 0,0000 A PX=>DJIA 0,0001 ANO ANO ANO A NKY225=>BUX 0,0023 ANO ANO ANO 0,0000 A BUX=>NKY225 0,0000 ANO ANO ANO A NKY225=>PX 0,0115 NE ANO ANO 0,0000 A PX=>NKY225 0,0000 ANO ANO ANO A PX=>BUX 0,0012 ANO ANO ANO 0,0000 A BUX=>PX 0,0000 ANO ANO ANO A


Grangerova kauzalita mezi akciovými indexy, od 6. 1. 2000. resp. 12. 1. 2000, denní hodnoty, Lag 10 = 10 obchodních dnů (5 dní v týdnu) VAR model Autokorelace p-hodnota 1% 5% 10% p-hodnota 5% DJIA=>BUX 0,0000 ANO ANO ANO 0,0003 A BUX=>DJIA 0,7624 NE NE NE A DJIA=>NKY225 0,0000 ANO ANO ANO 0,0000 A NKY225=>DJIA 0,1144 NE NE NE A DJIA=>PX 0,0000 ANO ANO ANO 0,0000 A PX=>DJIA 0,0032 ANO ANO ANO A NKY225=>BUX 0,0002 ANO ANO ANO 0,0006 A BUX=>NKY225 0,0000 ANO ANO ANO A NKY225=>PX 0,0241 NE ANO ANO 0,0000 A PX=>NKY225 0,0000 ANO ANO ANO A PX=>BUX 0,0000 ANO ANO ANO 0,0000 A BUX=>PX 0,0000 ANO ANO ANO A

Studie provázanosti akciových trhů a jejich vliv na vývoj HDP vybraných států

Recommend Documents