Ocena ważności informacji przy diagnozie trendów giełdowych przez inwestorów indywidualnych

OCENA WAŻNOŚCI INFORMACJI

PRZY DIAGNOZIE TRENDÓW GIEŁDOWYCH

PRZEZ INWESTORÓW INDYWIDUALNYCH

1, 2

Agnieszka Lewandowska*

SWPS Uniwersytet Humanistycznospołeczny

Joanna Sokołowska**

SWPS Uniwersytet Humanistycznospołeczny

Andrzej Sopoćko***

Instytut Ekonomii PAN

Streszczenie: Celem badania by

ïo: (1) ustalenie, które wskaěniki rynkowe

i makroekonomiczne sÈ wykorzystywane przez indywidualnych inwestorów do

oceny trendów na rynku papierów wartoĂciowych oraz (2) sprawdzenie

efek-tywnoĂci technik pomiaru waĝnoĂci informacji wykorzystywanych do

podjÚ-cia decyzji nt. trendu. W pierwszej czÚĂci badania 176 inwestorów spoĂród 16

wskaěników wybieraïo 7, ich zdaniem najwaĝniejszych. NastÚpnie respondenci

rangowali wybrane wskaěniki oraz dzielili miÚdzy nie 100 punktów

(bezpoĂred-nie pomiary waĝnoĂci). W oparciu o podane przez inwestorów rangi wyliczano

wagi aproksymacyjne z zastosowaniem dwóch metod: sumy i porzÈdku rang.

W drugiej czÚĂci badania zadaniem respondentów byïo okreĂlenie, jaki jest trend

na rynku papierów wartoĂciowych, w oparciu o samodzielnie wybrane

informa-cje z puli 16 dostÚpnych wskaěników (poĂredni pomiar – tablica informacyjna).

Wyniki badania wskazujÈ, ĝe indeksy (WIG20/WIG80, NASDAQ i DAX) oraz

obroty gieïdowe sÈ uwaĝane za najistotniejsze determinanty trendów

gieïdo-wych. Stwierdzono duĝÈ spójnoĂÊ miÚdzy bezpoĂrednimi i poĂrednimi ocenami

1 _{Badanie Þ nansowane z grantu Narodowego Centrum Nauki (2014/13/B/HS4/01533) pt. Strategie inwestorów} gieïdowych w okresie koniunktury, stagnacji i dekoniunktury. Kierownikiem grantu jest prof. dr hab. Joanna Sokoïowska.

2 _{Autorzy dziÚkujÈ mgr Sandrze Siemieniec za pomoc w przygotowaniu badania i opracowaniu danych.} * Agnieszka Lewandowska, SWPS Uniwersytet Humanistycznospoïeczny, Chodakowska 19/31, 03-815

War-szawa, e-mail: amyrczek-lewandowska@swps.edu.pl

waĝnoĂci wskaěników oraz zgodnoĂÊ ocen waĝnoĂci wyïonionych w wyniku

po-dziaïu punktów z wagami aproksymacyjnymi.

S

ïowa kluczowe: pomiar waĝnoĂci informacji, tablica informacyjna, wagi

aproksymacyjne, trendy gieïdowe.

INDIVIDUAL INVESTORS’ ASSESSMENT OF THE IMPORTANCE

OF CUES IN THE IDENTIFICATION OF STOCK MARKET TRENDS

Abstract: The aims of this study were: (1) to explore how individual investors

assess the importance of macroeconomic and stock market cues in identifying

market trends and (2) veriÞ cation of different weighting measures. In total,

176 individual Polish investors were examined with two different methods of

measuring the importance of the cues.

Direct measurements were carried out by asking participants to choose the 7

most important pieces of information out of a total of 16. The investors ranked

these cues from most to least important. Then the participants were asked to

distribute 100 points amongst the cues, so that the value assigned to each

option reß ected its relative importance. Rank positions were transformed into

approximate weights through the use of two methods: rank order centroid and

rank-sum. Then the weights were compared to the weights explicitly provided

by participants. In the second part of the experiment, 16 cues were presented on

an information board. The participants were asked to select the most important

cues to determine the market trend.

The study showed that the results of direct and indirect measurements are

consistent – in particular, that stock market cues are more important than

others. Moreover, the weights assigned explicitly to the cues by participants are

reß ected by the approximate weights calculated using the presented methods.

Key words: Information board, approximate weights, stock market trends,

measuring the importance of cues.

W

Celem badania byïo ustalenie, które wskaěniki rynkowe i makroekonomiczne sÈ wykorzystywane przez indywidualnych inwestorów do oceny trendów na rynku pa-pierów wartoĂciowych oraz sprawdzenie efektywnoĂci wykorzystywanych przez nich

Ustalenie, które informacje sÈ brane pod uwagÚ przez inwestorów indywidual-nych jest waĝnÈ kwestiÈ i ïÈczy siÚ ze sporami wokóï Hipotezy Efektywnego Rynku (EfÞ cient Market Hypotesis, EMH). Eugene Fama (1970), jeden z laureatów Nagrody Banku Szwecji im. Alfreda Nobla w dziedzinie ekonomii w 2013 roku, sformuïowaï trzy deÞ nicje EMH: sïabÈ, silnÈ i ĂredniÈ. Wersje te róĝniÈ siÚ stopniem, w jaki informacje jawne i niejawne znajdujÈ swoje odzwierciedlenie w cenach instrumentów Þ -nansowych. Zgodnie ze sïabÈ hipotezÈ informacje zawarte w notowaniach historycz-nych odzwierciedlajÈ ceny papierów wartoĂciowych. W wersji Ăredniej przyjmuje siÚ dodatkowo, ĝe kaĝda nowa publicznie dostÚpna informacja powoduje zmianÚ cen. Zgodnie z silnÈ wersjÈ EMH, ceny natychmiast odzwierciedlajÈ nawet te informacje, które nie sÈ dostÚpne publicznie (hidden „insider” information). Innymi sïowy, zgod-nie z EMH w kaĝdej wersji zgod-nie jest moĝliwe ani kupiezgod-nie, ani sprzedazgod-nie papierów wartoĂciowych po „okazyjnych” cenach i uzyskanie ponadprzeciÚtnych zysków na gieïdzie bez podejmowania wysokiego ryzyka (Malkiel, 2003). Najbardziej efektywne inwestowanie to zakup moĝliwie najszerszego wachlarza papierów wartoĂciowych. W znanej ksiÈĝce A Random Walk Down Wall Street, Malkiel (1996) podaje przykïad inwestora, który zainwestowaï 10 000 USD w 1969 roku w Fundusz Standard & Poor, co przyniosïo mu w 1998 roku czysty zysk ca 140 000 USD.

Malkiel (1996) twierdzi, ĝe zmiany cen akcji podlegajÈ bïÈdzeniu losowemu

(ran-dom walk), a zmiany cen sÈ tak samo losowe, jak wynik rzutu sprawiedliwÈ monetÈ.

Fakt ten rzadko jest przyjmowany przez inwestorów i ekspertów gieïdowych. Ilustru-je to nastÚpujÈca sytuacja: specjaliĂcie od analizy technicznej przedstawiono wykres zmiany ceny akcji, która wyjĂciowo kosztowaïa 50 dolarów. Wykres zostaï skonstru-owany w nastÚpujÈcy sposób: cena akcji na zamkniÚciu kaĝdego dnia wyznaczana byïa przez rzut monetÈ. JeĂli wypadï orzeï, byïa obniĝana o póï punktu, a jeĂli reszka – podwyĝszana o póï punktu w stosunku do ceny z poprzedniego dnia. Jednak ekspert byï przekonany, ĝe z wykresu moĝna wnioskowaÊ istnienie wyraěnego trendu.

Naleĝy zauwaĝyÊ, ĝe tak samo myĂli wielu indywidualnych inwestorów, którzy podejmujÈ decyzje w oparciu o analizÚ technicznÈ. Z badañ przeprowadzonych przez Stowarzyszenie Inwestorów Indywidualnych wynika, ĝe 44% inwestorów stosuje analizÚ technicznÈ ïÈcznie z analizÈ fundamentalnÈ, a ponad 18% podejmuje decyzje w oparciu o analizÚ technicznÈ. Blisko 18% inwestorów przyznaje, ĝe nie potraÞ ana-lizowaÊ instrumentów Þ nansowych (OBI, 2016). Równieĝ z badañ Shefrina i Hoffma-na (2013) przeprowadzonych w latach 2000-2006 wypïywa wniosek, ĝe popularnoĂÊ analizy technicznej wĂród inwestorów wzrosïa w porównaniu z latami 1964-1970. Moĝe to byÊ zwiÈzane ze wzrostem popularnoĂci i dostÚpnoĂci komputerów. Powinno to takĝe uïatwiaÊ stosowanie analizy fundamentalnej, tymczasem uĝycie tej analizy znaczÈco siÚ zmniejszyïo. Zdaniem Shefrina i Hoffmana (2013) jest to spowodowane zmianÈ celów inwestorów z dïugoterminowego inwestowania na rzecz spekulacji.

Psychologicznym wytïumaczeniem tego zjawiska moĝe byÊ fakt, ĝe ludzie majÈ kïopoty z poprawnÈ identyÞ kacjÈ procesów losowych, a jednÈ z konsekwencji tych trudnoĂci jest upatrywanie zaleĝnoĂci deterministycznych w sytuacjach, w których nie majÈ one miejsca. Tversky i Gilovich (1989) w jednym ze swoich eksperymentów poprosili 100 sympatyków koszykówki o wskazanie, które z 6 sekwencji rzutów do kosza byïy losowe, a które nie. Sekwencja losowa byïa takim ciÈgiem rzutów tra-Þ onych i chybionych, które powstaïy na skutek rzutu monetÈ, co znaczy, ĝe praw-dopodobieñstwo, iĝ wynik danego rzutu jest inny niĝ poprzedniego wynosiïo 50%. W sekwencjach nielosowych prawdopodobieñstwo, ĝe kolejny rzut jest inny od po-przedniego byïo mniejsze lub wiÚksze niĝ 50%. Zgodnie z przypuszczeniami wiÚk-szoĂÊ respondentów uznaïa za sekwencje przypadkowe takie, gdzie prawdopodobieñ-stwo, ĝe kolejny rzut róĝni siÚ od poprzedniego wynosiïo 70% i 80%. JednoczeĂnie wiÚkszoĂÊ osób klasyÞ kowaïa sekwencjÚ, w której prawdopodobieñstwo, ĝe kolejny rzut róĝni siÚ od poprzedniego wynosiïo 50%, jako nieprzypadkowÈ. Wynika z tego, ĝe ludzie doĂÊ regularnÈ sekwencjÚ, w której naprzemiennie wystÚpujÈ oba zdarze-nia, spostrzegajÈ jako sekwencjÚ losowÈ. Moĝna wiÚc mówiÊ o tendencji do upatry-wania trendów w sytuacji, gdy takie twierdzenie jest nieuprawnione.

SkïonnoĂÊ do tworzenia deterministycznej wizji Ăwiata jest tylko jednym z licz-nych skrzywieñ poznawczych, które majÈ wpïyw na zachowania inwestorów. Fakt ten skïania ekonomistów behawioralnych, a takĝe ekonomistów „klasycznych” do podwaĝania prawdziwoĂci EMH. Przeciwnicy EMH twierdzÈ, ĝe nie jest prawdÈ, iĝ wszystkie informacje znajdujÈ odzwierciedlenie w cenach akcji, poniewaĝ na ceny mogÈ mieÊ wpïyw czynniki psychologiczne, które powodujÈ, ĝe decyzje rynkowe in-westorów nie sÈ racjonalne. Robert Shiller, takĝe laureat Nagrody Banku Szwecji im. Alfreda Nobla w dziedzinie nauk ekonomicznych z 2013 roku, jest jednym z pierw-szych ekonomistów, którzy uwaĝajÈ, ĝe inwestorzy nie zawsze dziaïajÈ racjonalnie, a nieracjonalnoĂÊ decyzji inwestorskich przyczynia siÚ do anomalii rynkowych, ta-kich jak np. przewartoĂciowanie lub niedowartoĂciowanie kapitaïu. Wedïug niego te anomalie dowodzÈ nieefektywnoĂci rynku, a nieracjonalne i niezgodne z prawa-mi ekonoprawa-mii zachowania inwestorów mogÈ zakïóciÊ porzÈdek rynkowy. Przykïadem moĝe byÊ krach, majÈcy miejsce na rynku amerykañskim w paědzierniku 1987 roku, kiedy indeks gieïdowy Dow Jones spadï o 22,6% w ciÈgu jednego dnia mimo braku wyraěnych przesïanek ekonomicznych (Shiller, 1987).

Kwestia zmian cen na rynku papierów wartoĂciowych jest wciÈĝ nierozwiÈzanym problemem. Wiedza o tym, jakimi informacjami posïugujÈ siÚ indywidualni inwesto-rzy pinwesto-rzy przewidywaniu pinwesto-rzyszïych cen akcji, moĝe byÊ pomocna.

Drugim celem przeprowadzonego badania, istotnym z punktu widzenia psycho-logii, byïo sprawdzenie efektywnoĂci róĝnych technik pomiaru waĝnoĂci informa-cji, które sÈ wykorzystywane przy podejmowaniu decyzji. W tym przypadku decy-zja dotyczyïa oceny koniunktury na rynku papierów wartoĂciowych, tj. stwierdzeniu w oparciu o dostÚpne informacje, czy na rynku panuje hossa, czy teĝ bessa. W psycho-logii do oceny waĝnoĂci stosuje siÚ takie same techniki, jak w przypadku innych ba-dañ, tj. ocenianych obiektów czy aspektów na niezaleĝnych skalach, lub teĝ wzglÚdne oceny waĝnoĂci, czyli porzÈdkowanie ocenianych obiektów. Przyjmuje siÚ, ĝe rangi mogÈ byÊ uprecyzyjnione poprzez wprowadzenie wag aproksymacyjnych (Jia, Dyer, Fischer, 1993, 1997). W badaniu sprawdzano, czy oceny uzyskane od badanych sÈ spójne z wagami aproksymacyjnymi.

W latach 50. Simon (1980) zapoczÈtkowaï zastosowanie Ăledzenia przebiegu procesów poznawczych (poszukiwanie informacji i ich integracja) przy podejmowa-niu decyzji. Techniki Ăledzenia procesów poznawczych byïy intensywnie rozwijane przez psychologów decyzji w latach 70. XX wieku, kiedy wprowadzono tzw. tablicÚ informacyjnÈ (Payne, 1976) skomputeryzowanÈ na przeïomie wieków (Willemsen i Johnson, 2006). Techniki te sÈ jednak rzadko stosowane w ekonomii behawioralnej. Nieliczne wyjÈtki to badania Gabaix’go, Moloche’a i Weinberga (2006) lub Shunka i Wintera (2009). Dlatego teĝ w przeprowadzonym badaniu porównywano spójnoĂÊ bezpoĂrednich technik oceny waĝnoĂci z technikami, które wyrastajÈ z tradycji Ăle-dzenia procesów poznawczych.

1.1. Informacje wykorzystywane przez inwestorów

Pytanie o to, które informacje sÈ wykorzystywane przez inwestorów, byïo podej-mowane we wczeĂniejszych badaniach, zarówno na gruncie polskim, jak i amerykañ-skim. Nie uzyskano jednak jednoznacznej odpowiedzi.

Shiller (1987) przeprowadziï 4 badania kwestionariuszowe wĂród inwestorów indywidualnych i instytucjonalnych w czasie krachu gieïdowego 19 paědziernika 1987 roku. Respondenci oceniali waĝnoĂÊ/znaczenie przedstawionych informacji dla dramatycznych zmian na gieïdzie na skali ocen od 1 (niewaĝna) do 7 (bardzo waĝ-na). Kaĝda grupa inwestorów odpowiadaïa na pytania dwukrotnie, przed i po 19 paědziernika. Najwyĝsze oceny waĝnoĂci uzyskaïy informacje nt. rynku, tj. spadek wartoĂci indeksu Dow Jones 19 paědziernika, spadek wartoĂci akcji pomiÚdzy 14 a 16 paědziernika, spadek rentownoĂci bonów skarbowych czy zapowiedziany spadek kursu dolara. Kwestie polityczne, jak np. atak USA na irañskÈ stacjÚ paliw 19 paě-dziernika 1987 roku, byïy oceniane jako maïo waĝne. Z odpowiedzi na inne pytania wynika, ĝe inwestorzy sprawdzali ceny bardzo czÚsto i bardzo czÚsto komunikowali

siÚ z innymi inwestorami. Mieli ĂwiadomoĂÊ, iĝ rynek byï znacznie przewartoĂciowa-ny, ale zachowywali siÚ tak jak inni i nie sprzedawali swoich akcji. W oparciu o uzy-skane wyniki Shiller stwierdziï, ĝe byïy dwa powody krachu: (1) reakcja inwestorów na zmianÚ cen oraz (2) reakcja inwestorów na zachowanie innych.

PodsumowujÈc, zarówno inwestorzy indywidualni, jak i instytucjonalni wie-dzieli o przewartoĂciowaniu rynku przed wystÈpieniem krachu, jednak nie moĝna wskazaÊ jednoznacznie powodów tak ogromnego spadku indeksu w ciÈgu jednego dnia. Nie potwierdziïy siÚ teĝ przypuszczenia Shillera, ĝe na zachowanie inwesto-rów wpïynÚïy plotki. Takĝe inne, pozagieïdowe informacje, jak na przykïad bom-bardowanie pól naftowych przez wojska amerykañskie, okazaïy siÚ w tym czasie nieistotne dla respondentów.

Odmienne wyniki otrzymaï Zielonka (2002): w badaniu, prowadzonym z udziaïem polskich analityków Þ nansowych, respondenci proszeni byli o okreĂlenie, jaki trend wystÈpi na rynku w sytuacji pojawienia siÚ konkretnych wydarzeñ politycznych, ma-kroekonomicznych czy teĝ sygnaïów analizy technicznej. Kaĝdy z elementów oceniali na skali ocen od -3 (spadek cen) do +3 (wzrost cen), w zaleĝnoĂci od siïy wpïywu na przyszïe ceny instrumentów Þ nansowych. Naleĝy zauwaĝyÊ, ĝe skala wprowadzona w tym badaniu zawieraïa informacjÚ o kierunku (spadek/wzrost cen), zatem sama waĝnoĂÊ informacji oceniana byïa na skali 4-stopniowej (0 – brak wpïywu na spadek/ wzrost cen, 3 – duĝy wpïyw na spadek/wzrost cen). Zdecydowana wiÚkszoĂÊ ana-lityków Þ nansowych zgadzaïa siÚ odnoĂnie znaczenia poszczególnych sygnaïów na ksztaïtowanie siÚ cen instrumentów gieïdowych i wiÚkszoĂÊ z nich oceniïa jako sil-nie wpïywajÈce na wysokoĂÊ cen. Przeprowadzona analiza klasterowa wyïoniïa trzy grupy pytañ: (1) pozwalajÈce przewidywaÊ wzrost cen, (2) pozwalajÈce przewidywaÊ spadek cen oraz (3) nieistotne. W skïad kaĝdej grupy wchodziïy zarówno informacje nt. polityki, wskaěniki makroekonomiczne, jak i sygnaïy z analizy technicznej.

PodsumowujÈc, w badaniach Shillera potwierdzone zostaïo znaczenie wskaěni-ków dotyczÈcych rynku, wskaěniki polityczne byïy wedïug respondentów mniej istot-ne, podczas gdy w badaniach Zielonki zarówno te dotyczÈce rynku, jak i polityczne oraz spoïeczne byïy dla badanych istotne w przewidywaniu przyszïych cen na gieï-dzie. Róĝnice te mogÈ wynikaÊ z zastosowanej w badaniach techniki pomiaru: kaĝdy wskaěnik byï oceniany niezaleĝnie na stosunkowo krótkiej skali. W takiej sytuacji moĝe wystÚpowaÊ (1) maïe zróĝnicowanie waĝnoĂci ocenianych informacji oraz (2) skïonnoĂÊ do wystawiania ocen ze Ărodka skali. Brak zróĝnicowania ocen moĝe tïu-maczyÊ wyniki uzyskane przez ZielonkÚ; wskaěniki ze wszystkich podanych przez niego grup byïy oceniane przez respondentów jako waĝne.

W obu prezentowanych wyĝej badaniach uzyskano odmienne wyniki, co moĝe wy-nikaÊ z zastosowanej techniki pomiaru. To uzasadnia rozbudowany pomiar waĝno-Ăci w prezentowanym badaniu. W kolejnych sekcjach przedstawiono krótki przeglÈd technik pomiaru waĝnoĂci informacji: w sekcji 1.2 opisano bezpoĂrednie techniki pomiaru waĝnoĂci, zaĂ w sekcji 1.3 przedstawiono poĂredniÈ metodÚ pomiaru, gdzie informacjÚ nt. waĝnoĂci wskazówki rynkowej uzyskuje siÚ nie wprost, analizujÈc ko-lejnoĂÊ odkrywania informacji.

1.2. Bezpo_{Ăredni pomiar waĝnoĂci}

1.2.1. Niezale_{ĝne skale. JednÈ z najpopularniejszych technik pomiaru waĝnoĂci}

jest technika skalowania wykorzystana w opisanych wyĝej badaniach. Polega ona na przypisaniu waĝnoĂci do kaĝdej z cech przy uĝyciu dobrze opisanej skali. ZaletÈ takiego pomiaru jest fakt, ĝe przy stosunkowo dïugiej skali liczbowej moĝna przy-jÈÊ, ĝe jest to skala interwaïowa, a wiÚc daje precyzyjne informacje. Wadami tej ska-li jest bïÈd tendencji centralnej, polegajÈcy na niechÚci badanych do wskazywania krañcowych wartoĂci skali i ocenianiu wszystkich cech jako Ărednich. WadÈ takiego pomiaru jest teĝ to, ĝe respondent z ïatwoĂciÈ moĝe oceniÊ wszystkie cechy, przy-pisujÈc im podobne, wysokie wartoĂci, a wiÚc pomiar taki sïabo róĝnicuje waĝnoĂÊ poszczególnych informacji. Efektem tym moĝna wytïumaczyÊ opisane w powyĝszej sekcji wyniki badañ Zielonki.

1.2.2. Ranking. Najprostsza technika, która wymusza na respondentach ró ĝnico-wanie ocen, to ranking: respondent porzÈdkuje cechy ze wzglÚdu na ich waĝnoĂÊ. Jest to metoda stosunkowo ïatwa dla respondentów, z wyjÈtkiem sytuacji, kiedy ranking dotyczy wielu cech. IstotnÈ wadÈ tego pomiaru jest to, ĝe uzyskuje siÚ jedynie informa-cje nt. porzÈdku cech, ale nic nie wiadomo nt. odlegïoĂci pomiÚdzy poszczególnymi cechami. Jia, Fischer i Dyer (1993, 1997) zaproponowali zastosowanie metod aprok-symacyjnych, które pozwalajÈ na uzyskanie wag opisanych na skali interwaïowej w oparciu o rangi. Metody te sÈ róĝne w zaleĝnoĂci od zaïoĝeñ nt. tego, co wyraĝajÈ rangi. JeĂli przyjmujemy, ĝe ludzie nie potraÞ È nawet okreĂliÊ porzÈdku, to Jia i in. (1993, 1997) proponujÈ metodÚ Równych Wag. JeĂli sÈdzimy, ĝe ludzie sÈ zdolni do porzÈdkowania cech wedïug waĝnoĂci, ale nie potraÞ È dobrze okreĂliÊ ich wzglÚdnej waĝnoĂci wobec siebie, to wagi aproksymacyjne wyliczamy zgodnie z metodÈ Po-rzÈdku Rang. JeĂli natomiast zakïada siÚ, ĝe ludzie poprzez rangi wyraĝajÈ wzglÚdne wagi, to normalizacja rang jest dokonywana przy uĝyciu metody Sumy Rang. We wszystkich przedstawionych metodach zakïada siÚ, ĝe wagi sumujÈ siÚ do 1.

Zarówno w metodzie Równych Wag, jak i w metodzie PorzÈdku Rang zakïadamy, ĝe wszystkie moĝliwe wartoĂci wag speïniajÈce dane zaïoĝenia sÈ jednakowo praw-dopodobne. TworzÈ one zatem m-wymiarowÈ zmiennÈ losowÈ, o jednostajnym roz-kïadzie prawdopodobieñstwa na obszarze speïniajÈcym te zaïoĝenia oraz zerowym prawdopodobieñstwie poza tym obszarem. Poszukiwany wektor wag jest wartoĂciÈ oczekiwanÈ tej zmiennej losowej.

Równe Wagi. W metodzie Równych Wag przyjmuje siÚ, ĝe wszystkie cechy sÈ dla decydenta tak samo istotne, a zatem obowiÈzujÈ jedynie bazowe zaïoĝenia oraz . Wszystkie wagi moĝna obliczyÊ na podstawie Równania 1:

Równanie 1 gdzie:

w_i – waga i-tej cechy, m – liczba cech.

Ta bardzo prosta metoda nie pozwala jednak nawet na ustalenie poïoĝenia obiek-tów wzglÚdem siebie.

PorzÈ dek Rang (Rank Order Centroid, ROC). Przyjmuje siÚ tutaj, ĝ e decydent po-traÞ porzÈ dkowaÊ cechy wedïug waĝ noĂ ci: nie znamy konkretnych wag, ale wiemy, ĝ e sÈ one w relacji porzÈ dku liniowego. Zatem w porównaniu do metody Równych Wag obowiÈzuje tutaj dodatkowe zaïoĝenie .

Jak opisano w pracy Jia i in. (1993, 1997), poszczególne wagi moĝna obliczyÊ zgodnie z Równaniem 2:

Równanie 2 gdzie:

w_i – waga i-tej cechy, m – liczba cech.

Suma Rang (Rank Sum, RS). Podobnie jak poprzednio przyjmujemy, ĝe decydent potraÞ uporzÈdkowaÊ cechy wedïug waĝnoĂci. W tej metodzie jednak róĝnice pomiÚ-dzy parami kolejnych wag sÈ takie same, tj. . Poszczególne wagi obliczane sÈ zgodnie z Równaniem 3:

gdzie:

w_i – waga i-tej cechy, m – liczba cech.

Rysunek 1. Porównanie metod aproksymacji wag metodamibEW, ROC i RS. Wagi obliczone dla 7

cech

Rysunek 1 przedstawia porównanie wag aproksymacyjnych obliczonych dla sied-miu cech metodÈ Równych Wag, metodÈ PorzÈdku Rang oraz metodÈ Sumy Rang.

Jak wspomniano wyĝej, wymienione metody aproksymacyjne sÈ oparte na arbi-tralnie przyjÚtych przez badaczy zaïoĝeniach dotyczÈcych odlegïoĂci miÚdzy poszcze-gólnymi rangami. IstniejÈ teĝ inne techniki pomiaru waĝnoĂci, które pozwalajÈ na relatywny pomiar waĝnoĂci cech, wymuszajÈc na respondencie okreĂlenie waĝnoĂci jednej cechy w stosunku do pozostaïych.

1.2.3. Podziaï punktów miÚdzy wybrane opcje. Przypisywanie punktów jest

me-todÈ, która pozwala na uzyskanie precyzyjniejszej informacji dotyczÈcej waĝnoĂci poszczególnych aspektów decyzyjnych. JeĂli respondent spoĂród 100 punktów przy-zna cesze A 50 punktów, cesze B 30 punktów, a cesze C tylko 20 punktów, to z caïÈ pewnoĂciÈ moĝna stwierdziÊ, która z cech jest najwaĝniejsza i o ile jest waĝniejsza od

innych cech. Podziaï punktów miÚdzy wybrane opcje naturalnie nakierowuje uczest-nika badania na róĝnicowanie miÚdzy wybranymi opcjami. Decydent w tym przypad-ku moĝe przypisaÊ wszystkim informacjom równe wagi, choÊ wymaga to przemy-Ălanego dziaïania oraz wysiïku (równego podziaïu punktów miÚdzy dostÚpne opcje). W tej sekcji przedstawiono bezpoĂrednie sposoby pomiaru waĝnoĂci, opierajÈce siÚ na deklarowanej przez badanych waĝnoĂci poszczególnych wskazówek, jednak nie dajÈ one odpowiedzi na pytanie, jakich informacji badani rzeczywiĂcie poszuku-jÈ, próbujÈc oceniÊ sytuacjÚ na gieïdzie. Tablica informacyjna (Information Board), opisana w kolejnej sekcji, opracowana jako narzÚdzie umoĝliwiajÈce analizÚ strategii integracji informacji, pozwala na uzyskanie takich informacji.

1.3. PoĂredni pomiar waĝnoĂci

PierwotnÈ wersjÚ tablicy informacyjnej zaproponowaï Payne (1976), który przed-stawiaï respondentom informacje na temat opcji wyboru zapisane na osobnych kart-kach. Sposób, w jaki byïy uporzÈdkowane w rzÚdach i kolumnach, odzwierciedlaï odpowiednie wymiary dla kaĝdej z opcji wyboru. W celu uzyskania zapisanej na odwrocie informacji naleĝaïo odwróciÊ wybranÈ kartkÚ, a osoba przeprowadzajÈca badanie zapisywaïa liczbÚ i kolejnoĂÊ odkrywania informacji. KomputerowÈ wersjÚ metody Payne’a zaproponowali Willemsen i Johnson (2006). Tak jak w pierwotnej wersji osobom badanym prezentowane sÈ informacje w formie uporzÈdkowanych pól na ekranie komputera. Uczestnicy mogÈ odkrywaÊ informacje po klikniÚciu myszÈ w wybrane pole, a kolejnoĂÊ odkrywania, liczba informacji, rodzaj informacji oraz czas reakcji sÈ rejestrowane przez program. Pozwala to na sprawdzenie, jakÈ strate-giÈ integracji informacji posïugiwali siÚ uczestnicy badania.

Tablica informacyjna zostaïa zaprojektowana jako narzÚdzie do analizy poszu-kiwania informacji oraz sposobu jej integracji przy podejmowaniu decyzji. Dodat-kowym jej zastosowaniem jest moĝliwoĂÊ stwierdzenia, które informacje sÈ dla osoby badanej najwaĝniejsze w podjÚciu decyzji dotyczÈcej trendu na rynku (por. metoda pkt 2.2).

2. P

PodsumowujÈc przedstawione rozwaĝania, nie moĝna jednoznacznie stwierdziÊ, które informacje sÈ dla inwestorów najwaĝniejsze przy diagnozowaniu trendów ryn-kowych. W zwiÈzku z tym w przeprowadzanym badaniu sprawdzano waĝnoĂÊ

infor-macji, stosujÈc róĝne techniki pomiaru. Celem badania byïo udzielenie odpowiedzi na nastÚpujÈce pytania: (1) Jakie informacje sÈ uĝywane przez inwestorów indywidu-alnych do ustalenia trendów na rynku? (2) Czy oceny waĝnoĂci informacji uzyskane w oparciu o róĝne techniki sÈ spójne?

W badaniu posïuĝono siÚ dwoma sposobami pomiaru waĝnoĂci informacji: meto-dÈ bezpoĂredniÈ, w której uczestnicy badania proszeni byli o wybór i ranking najwaĝ-niejszych informacji, oraz metodÈ poĂredniÈ, w której sprawdzano, jakie informacje byïy przez respondentów wybierane przy diagnozowaniu trendów gieïdowych. In-strukcje prezentowane respondentom zawiera ZaïÈcznik 1.

2.1. Pomiar wzglÚdnej wagi informacji – metoda bezpoĂrednia

W oparciu o literaturÚ (Zielonka, 2002; Shiller, 1987; Gonzalez, Powell, Shi i Wilson, 2004; Jajuga i Jajuga, 2006), informacje zaczerpniÚte z Internetu oraz konsultacje z ekspertami, respondentom prezentowano 16 informacji. Byïy to wskaěniki gieïdowe, a takĝe wskaěniki analizy technicznej i makroekonomiczne: Obroty gieïdowe, NASDAQ i DAX, WIG 20/WIG 80, Wskaěnik C/Z, WstÚga Bollin-gera, Formacje, Cena zïota, Bezrobocie, Wskaěnik koniunktury w przemyĂle, Stopy referencyjne, Sprzedaĝ detaliczna, Ceny mieszkañ, PKB w Polsce, Cena ropy, Saldo Handlu, DeÞ cyt budĝetowy.

W pierwszym kroku uczestnicy badania proszeni byli o wybranie 7 spoĂród 16 informacji, najwaĝniejszych dla okreĂlenia, czy na rynku papierów wartoĂciowych panuje hossa, czy bessa. BezpoĂredni pomiar waĝnoĂci dokonywany byï dwa razy: (1) wybrane informacje porzÈdkowano od najwaĝniejszej do najmniej waĝnej oraz (2) respondenci dzielili 100 punktów miÚdzy wybrane informacje. W oparciu o podane przez badanych rangi, w pierwszym pomiarze wyliczano wagi aproksymacyjne. Ran-gi oraz waRan-gi przedstawiono w tabeli 1.

Tabela 1

Wagi aproksymacyjne (ROC, RS, EW) obliczone dla 7 wskaěników

Cecha Ranga WzglÚdna waga ROC RS EW

WIG 1 70 0,37 0,25 0,14 Obroty gieïdowe 2 15 0,23 0,21 0,14 PKB 3 9 0,15 0,18 0,14 Formacje 4 2 0,11 0,14 0,14 Cena zïota 5 2 0,07 0,11 0,14 DAX NASDAQ 6 1 0,04 0,07 0,14 Ceny mieszkañ 7 1 0,02 0,04 0,14 Suma wag - 100 1,00 1,00 1,00

2.2. Pomiar wzglÚdnej wagi informacji – metoda poĂrednia

W drugiej czÚĂci badania waĝnoĂÊ 16 informacji byïa okreĂlana w oparciu o in-formacje uĝywane przy diagnozie trendu gieïdowego. Zastosowano zmodyÞ kowanÈ formÚ komputerowej tablicy informacyjnej.

Zadaniem uczestników byïo 10-krotne udzielenie odpowiedzi na pytanie, jaki trend panuje na rynku papierów wartoĂciowych. Przed udzieleniem odpowiedzi mo-gli odkryÊ od 3 do 10 informacji spoĂród 16 losowo rozmieszczonych na ekranie. Ich wartoĂci byïy ukryte i ukazywaïy siÚ po klikniÚciu w wybranÈ informacjÚ: kaĝ-da z ujawnionych informacji wskazywaïa albo na hossÚ, albo na bessÚ. Inaczej niĝ w podstawowej wersji Tablicy Informacyjnej odkryte informacje pozostawaïy na ekranie do momentu podjÚcia decyzji.

2.3. Liczba odkrywanych wskaěników

Respondentom powiedziano, ĝe muszÈ odkryÊ przynajmniej trzy informacje, ale nie mogÈ odkryÊ wiÚcej niĝ 10. Aby ograniczyÊ liczbÚ odkrywanych informacji w celu wyïonienia najwaĝniejszych oraz aby zmotywowaÊ respondentów do udzielania sta-rannych odpowiedzi, zastosowano nagrody pieniÚĝne. Respondentów poinformowano, ĝe nagrody Þ nansowe otrzymajÈ osoby, które trafnie zdiagnozujÈ najwiÚcej spoĂród 10 sytuacji, wykorzystujÈc do tego celu najmniejszÈ liczbÚ wskaěników (por. ZaïÈcznik 1).

2.4. Uczestnicy badania

W badaniu przeprowadzonym internetowo wziÚïo udziaï 176 polskich indywi-dualnych inwestorów3_{, gïównie mÚĝczyzn (86%). ¥rednia wieku badanych wynosiïa}

35,6 lat, SD = 10,9. ProÞ l badanej próby byï podobny do proÞ lu próby 7023 inwe-storów badanych w ramach Ogólnopolskiego Badania Inweinwe-storów przez Stowarzy-szenie Inwestorów Indywidualnych w paědzierniku 2014 roku (90% inwestorów to mÚĝczyěni, Ărednia wieku – 38 lat).

3. W

3.1. Bezpo_{Ăredni pomiar waĝnoĂci wskazówek}

W tabeli 2 przedstawiono Ărednie rangi i oraz ĂredniÈ liczbÚ punktów przypisywa-nÈ do 16 informacji.

Tabela 2

¥rednie rangi i wagi

Nazwa wskaěnika ¥rednia ranga ¥rednia waga

WIG 20/80 3,66 21,39 NASADAQ i DAX 4,77 11,94 Obroty gieïdowe 5,36 10,16 Wskaěnik koniunktury 5,36 8,81 PKB w Polsce 5,78 7,36 Wskaěnik C/Z 5,94 7,3 Formacje 6,02 6,93 Stopy referencyjne 6,20 5,77 Sprzedaĝ detaliczna 6,56 4,46 Bezrobocie 6,94 3,69 Zïoto 7,11 2,73 WstÚga Bollingera 7,15 2,58 Ropa 7,17 2,43

Saldo handlu zagr. 7,21 2,24

Ceny mieszkañ 7,50 1,49

DeÞ cyt budĝetowy 7,73 0,72

Z tabeli 2 wynika, ĝe indeksy gieïdowe (WIG20/WIG80, NASADAQ i DAX) uzna-wane sÈ za najistotniejsze informacje, a w dalszej kolejnoĂci wskaěniki makroekono-miczne: obroty gieïdowe, wskaěnik koniunktury w przemyĂle oraz Produkt Krajowy Brutto (PKB). Oceny waĝnoĂci wyïonione przy pomocy rankingu i dzielenia punktów sÈ ze sobÈ zgodne.

3.2. Spójno_{ĂÊ wag podawanych przez respondentów i wag aproksymacyjnych}

Zastosowana technika dzielenia punktów pozwala na uzyskanie ocen waĝnoĂci na skali interwaïowej. We Wprowadzeniu opisano techniki, które pozwalajÈ na prze-ksztaïcenie rankingu na skalÚ interwaïowÈ poprzez wyliczanie z rang wag aproksy-macyjnych. Wagi aproksymacyjne wyliczono zgodnie z Równaniem 2 (ROC) oraz z Równaniem 3 (RS). NastÚpnie sprawdzono korelacjÚ miÚdzy wagami aproksymacyj-nymi i wagami przypisaaproksymacyj-nymi informacjom rynkowym przez uczestników badania. Wyniki przedstawiono w tabeli 3.

W oparciu o tabelÚ 3 moĝna stwierdziÊ zgodnoĂÊ wag aproksymacyjnych i wag uzyskanych z podziaïu punktów. Dla wiÚkszoĂci wskaěników korelacje sÈ wysokie (najwyĝsze dla wskaěnika Ropa r=0,84; p<0,01 i dla wskaěnika WstÚga Bollinge-ra r=0,798; p<0,01; najniĝsze dla wskaěnika Saldo Handlu r=0,35; p<0,05) i dla wszystkich sÈ istotne statystycznie.

Tabela 3

Korelacje r-Pearsona miÚdzy wagÈ mierzonÈ metodÈ podziaïu punktów a wagami aproksymacyjnymi

Informacja gieïdowa Kor. w. surowej z w. ROC* Kor. w. surowej z w. RS** Kor. w. ROC z w. RS*** Z – Fishera N Cena/Zysk 0,642 0,642 1 z=0 p=1 105 WstÚga Bollingera 0,827 0,798 0,929 z=0,963 p=0,335 52 WIG20/WIG80 0,612 0,534 0,962 z=4,325 p<0,0001 152 Formacje 0,811 0,75 0,944 z=2,758 p=0,0058 84

Obroty gieïdowe 0,722 0,664 0,944 z=2,628

p=0,0086 116 NASDAQ i DAX 0,668 0,649 0,945 z=0,797 p=0,4255 110 Ceny mieszkañ 0,716 0,716 0,971 z=0 p=1 33 Ropa 0,84 0,783 0,939 z=2,05 p=0,04 51 Zïoto 0,614 0,695 0,955 z= -2,701 p=0,0069 56 Bezrobocie 0,639 0,622 0,95 z=0,518 p=0,604 58 Sprzedaĝ detaliczna 0,73 0,712 0,955 z=0,761 p=0,45 78 Saldo handlu zagr. 0,351**** 0,358**** 0,938 z= -0,133

p=0,894 33 Stopy referencyjne 0,747 0,678 0,936 z= 2,584 p=0,0098 85 Wskaěnik koniunktury 0,825 0,758 0,942 z=3,65 p=0,0003 117 PKB 0,713 0,69 0,945 z=0,895 p=0,37 85 DeÞ cyt budĝetowy 0,779 0,776 0,973 z=0,078

p=0,938 17 Uwaga: Wszystkie wyniki istotne na poziomie 0,01 (dwustronnie).

* WartoĂÊ korelacji r-Pearsona; waga surowa a waga aproksymacyjna mierzona metodÈ ROC. ** WartoĂÊ korelacji r-Pearsona; waga surowa a waga aproksymacyjna mierzona metodÈ RS.

*** WartoĂÊ korelacji r-Pearsona; waga aproksymacyjna ROC a waga aproksymacyjna mierzona metodÈ RS. **** Korelacja istotna na poziomie 0,05.

Dodatkowo sprawdzono, czy korelacje miÚdzy wagami uzyskanymi od respon-dentów a wagami typu ROC i RS sÈ takie same, czy róĝne. W tym celu zastosowano statystykÚ z Fishera dla prób zaleĝnych (Steiger, 1980). Stwierdzono istotne staty-stycznie róĝnice w wielkoĂci korelacji dla 7 informacji (por. tabela 3). Korelacje wag mierzonych bezpoĂrednio z wagami ROC w 6 na 7 przypadków byïy wyĝsze niĝ

ko-PodsumowujÈc, stwierdzono wysokÈ zgodnoĂÊ miÚdzy rankingiem i podziaïem punktów oraz miÚdzy wagami uzyskanymi od respondentów i wagami aproksyma-cyjnymi.

3.3. PoĂredni pomiar waĝnoĂci wskazówek

W pierwszym kroku dla wszystkich 16 informacji porównano czÚstoĂÊ ich od-krywania z czÚstoĂciÈ przypadkowÈ w trzech pierwszych odkryciach. Respondenci musieli odkryÊ minimum trzy wskaěniki, wiÚc trzy pierwsze odkrycia potraktowane zostaïy jako pojedyncze zdarzenie, polegajÈce na wyborze 3 informacji z 16. A zatem prawdopodobieñstwo, ĝe wĂród wybranych 3 informacji jest pewna okreĂlona

infor-macja i wynosi .

Wobec tego, ĝe osób badanych byïo 176, a kaĝda z nich dokonywaïa wyborów w 10 próbach, mamy 1760 wszystkich przypadków. Zatem oczekiwana liczba przypadków, w których wybrana zostaïa dana informacja i, przy zaïoĝeniu hipotezy o losowym charakterze wyboru informacji i, wynosi 1760 ´ 0,1875 = 330, dla kaĝdej informacji i.

W tabeli 4 zostaïy przedstawione obserwowane liczby przypadków, w których po-szczególne informacje zostaïy wybrane przez respondentów, wraz wartoĂciÈ testu chi2

obliczonego dla wyboru kaĝdej z tych informacji. Dla wszystkich informacji róĝnice pomiÚdzy obserwowanym wyborem a losowym wyborem sÈ istotne statystycznie. Tabela 4

Liczba obserwowanych wyborów poszczególnych informacji wraz z wynikiem testu chi2 _oraz

istotnoĂciÈ statystycznÈ

Informacja Obserwowane Wynik testu chi2 _{IstotnoĂÊ (dwustronna)}

Cena/Zysk 477 80,59 p < 0,0001 WstÚga Bollingera 246 26,32 p < 0,0001 WIG20/WIG80 836 954,91 p < 0,0001 Formacje 419 29,54 p < 0,0001 Obroty gieïdowe 529 147,70 p < 0,0001 NASDAQ/DAX 458 61,11 p < 0,0001 Ceny mieszkañ 128 152,18 p < 0,0001 Ropa 172 93,11 p < 0,0001 Zïoto 221 44,31 p < 0,0001 Bezrobocie 215 49,32 p < 0,0001 Sprzedaĝ detaliczna 262 17,25 p < 0,0001 Saldo handlu 122 161,36 p < 0,0001 Stopy referencyjne 294 4,83 p = 0,0280

Wskaěnik koniunktury 443 47,62 p < 0,0001

PKB w Polsce 374 7,22 p = 0,0072

Rysunek 2 przedstawia róĝnice miÚdzy liczbÈ przypadków, w których zostaïa wybrana dana informacja, a oczekiwanÈ liczbÈ wyborów wedïug hipotezy zerowej. Dodatnia wartoĂÊ oznacza, ĝe informacja byïa odkrywana czÚĂciej, a ujemna – ĝe rzadziej niĝ przypadkowo.

Rysunek 2. Róĝnice pomiÚdzy obserwowanÈ a oczekiwanÈ liczbÈ przypadków, w których zostaïa wybrana dana informacja

Jak wynika z rysunku 2, najczÚĂciej odkrywane przez respondentów informacje to indeksy WIG20/WIG80, obroty gieïdowe, wskaěnik C/Z oraz indeksy NASDAQ i DAX. Niezaleĝnie od rodzaju pomiaru indeksy gieïdowe (WIG20/WIG80, NASDAQ i DAX) uwaĝane sÈ za bardzo istotne wskaěniki trendu gieïdowego. Dodatkowo za waĝny wskaěnik uznawane byïy obroty gieïdowe, które byïy wybierane w pomiarze poĂrednim i bezpoĂrednim.

Moĝna zauwaĝyÊ, ĝe istnieje duĝa spójnoĂÊ miÚdzy wskaěnikami uznawanymi za waĝne i tymi, które byïy rzeczywiĂcie wybierane do podjÚcia decyzji nt. trendu gieïdo-wego. Róĝnice dotyczÈ pojedynczych wskaěników i nie sÈ znaczÈce, np. w pomiarze bezpoĂrednim wskaěnik koniunktury w przemyĂle oraz PKB uzyskaïy wyĝsze oceny niĝ w pomiarze poĂrednim. Natomiast czÚsto odkrywany wskaěnik C/Z nie miaï naj-wyĝszych ocen waĝnoĂci pomiarze bezpoĂrednim.

4. P

Zastosowane techniki pomiaru bezpoĂredniego wykazaïy, ĝe najistotniejsze dla inwestorów indywidualnych sÈ wskaěniki gieïdowe dotyczÈce: indeksów WIG20/ WIG80, indeksów NASADQ i DAX, wskaěnik obroty gieïdowe oraz te dotyczÈce go-spodarki: wskaěnik koniunktury w przemyĂle, PKB w Polsce. Wskaěniki dotyczÈce analizy technicznej byïy wybierane rzadziej, co pozwala stwierdziÊ, ĝe uzyskane wy-niki sÈ bliskie ustaleniom Shillera. Wykazaï on, ĝe inwestorzy kierowali siÚ gïównie zmianami indeksów gieïdowych. Powód, dla którego wskaěniki analizy technicznej byïy rzadziej wybierane, mógï byÊ teĝ inny – w prezentowanym badaniu inwestorom przedstawiane byïy opisy sytuacji, a nie wykresy analizy technicznej, na podstawie których mogliby wyciÈgaÊ wnioski na temat sytuacji rynkowej.

Pomiar poĂredni potwierdziï, ĝe informacje deklarowane przez respondentów jako waĝne sÈ nastÚpnie przez nich wybierane. Analiza pierwszych trzech odkryÊ potwierdziïa, ĝe czÚĂciej niĝ losowo wybierane byïy informacje dotyczÈce indeksów WIG20/WIG80, NASDAQ i DAX, obroty gieïdowe, wskaěnik cena/zysk, wskaěnik ko-niunktury w przemyĂle. Róĝnice w obu pomiarach dotyczÈ pojedynczych wskaěni-ków: (1) PKB, deklarowane przez respondentów jako waĝna informacja, wybierana byïa w pierwszych trzech odkryciach tylko trochÚ czÚĂciej niĝ losowo; (2) wskaěnik cena/zysk, która nie byï deklarowany jako jeden z najwaĝniejszych w pomiarze bez-poĂrednim, ale byï wybierany czÚĂciej niĝ losowo w pomiarze poĂrednim.

W obu typach pomiaru (poĂrednim i bezpoĂrednim) uzyskano podobne odpowie-dzi, co wskazuje, ĝe inwestorzy majÈ silne przekonanie dotyczÈce tego, które z in-formacji sÈ dla nich przydatne i zgodnie z tym przekonaniem poszukujÈ informacji. Zastosowanie rozbudowanego pomiaru waĝnoĂci informacji w prezentowanym ba-daniu pozwala przypuszczaÊ, ĝe niespójnoĂci w wynikach badañ uzyskanych wcze-Ăniej przez ZielonkÚ i Shillera wynikajÈ z pomiaru waĝnoĂci metodÈ niezaleĝnych skal. Jak wykazano, respondenci – skïonieni do tego doborem metody pomiaru – sÈ w stanie róĝnicowaÊ waĝnoĂÊ informacji, poprawnie przypisywaÊ wagi odpowied-nim informacjom, jednak nie potraÞ È zintegrowaÊ ocenionych przez siebie informa-cji. Z tego wynika, iĝ problemem nie jest brak umiejÚtnoĂci przypisywania wag, ale integracja informacji (Einhorn, 1972, za: Gilovich, GrifÞ n, Kahneman, 2002).

Porównania wag mierzonych bezpoĂrednio z wagami aproksymacyjnymi po-zwalajÈ stwierdziÊ, ĝe istnieje duĝa spójnoĂÊ obu typów pomiaru: uporzÈdkowanie informacji pod wzglÚdem waĝnoĂci znajduje odzwierciedlenie w podziale punktów, przy czym w przypadku wszystkich wskaěników pomiar ROC jest silniej skorelowa-ny z wagami uzyskaskorelowa-nymi bezpoĂrednio niĝ pomiar RS. Przeksztaïcenie rang w wagi aproksymacyjne metodÈ ROC odzwierciedla znaczenie, które respondent

przypi-suje poszczególnym informacjom, nie pozwala natomiast na okreĂlenie wzglÚdnej waĝnoĂci obiektów wobec siebie. W oparciu o uzyskane wyniki moĝna sÈdziÊ, ĝe wagi typu ROC lepiej odzwierciedlajÈ wagi przypisywane przez badanych niĝ wagi

RS, które sÈ normalizacjÈ rang, poniewaĝ oceny respondentów nie sÈ bardzo

pre-cyzyjne. Zdaniem Jia i in. (1993, 1997) najbardziej trafny pomiar waĝnoĂci to wagi bezpoĂrednie, jednak wiÈĝe siÚbto z wiÚkszym wysiïkiem dla respondentów niĝ pro-ste rangowanie. Wyniki uzyskane w badaniu sÈ spójne z wnioskami Jia i in. (1997), którzy twierdzÈ, ĝe przeksztaïcenie rang metodÈ ROC na skali interwaïowej jest do-brym przybliĝeniem ocen waĝnoĂci i moĝe byÊ stosowane jako mniej wymagajÈca dla respondentów metoda pomiaru.

B

___ (2016). Ogólnopolskie Badanie Inwestorów. DostÚp: lipiec 2017. http://www.sii.org.pl/10487/ edukacja-i-analizy/badania-i-rankingi/ogolnopolskie-badanie-inwestorow-obi-2016.html

Ericsson, K. A., Simon, H. A. (1980). Verbal reports as data. Psychological Review, 87, 215-251. Gabaix, X., Laibson, D., Moloche, G.,Weinberg, S. (2006). Costly information acquisition:

Experi-mental analysis of a boundedly rational model. The American Economic Review, 96, 1043-168. Gilovich, T., GrifÞ n, D., Kahneman D. (2002). Heuristics and Biases. The Psychology of Intu

itive Judgment. Cambridge University Press. 716-727.

Gonzalez, L., Powell, J.G., Shi, J., Wilson, A. (2006). Two centuries of bull and bear market cycles.

International Review of Economics & Finance, 14(4), 469-486 .

Hoffmann, A., Shefrin, H. (2013). The High Cost of Technical Analysis and Speculation. Journal of

Economic Behavior & Organization.

Jajuga, K. i Jajuga, T. (1996). Inwestycje. Instrumenty Þ nansowe, aktywa Þ nansowe, ryzyko Þ

nanso-we, inĝynieria Þ nansowa. Wydawnictwo Naukowe PWN.

Jia, J. i Fischer. G.W. (1993). Evaluating multiattribute decision quality: a simulation study, paper presented at the ORSA/TIMS Joint National Meeting Chicago, IL.

Jia, J., Fisher, G.W. i Dyer, J.S. (1997). Attribute weighting methods and decision quality in the pre-sence of response error: a simulation study. Journal of Behavioral Decision Making, 11, 85-106. Malkiel, B.G. (2003). The EfÞ cient Market Hypothesis and Its Critics. Journal of Economic

Perspec-tives, 17(1), 59-82.

Malkiel, B.G. (1996). A Random Walk Down Wall Street: Including a Life-cycle Guide to Personal

Investing. Norton.

Payne, J.W. (1976). Task complexity and contingent processing in decision making: An information search and protocol analysis. Organizational Behavior and Human Performance, 16, 366-387. Tversky A., Gilovich T. (1989). The cold facts about the “hot hand”in basketball. Change: New

Direc-tions in Statistics and Computing, 2, 16-21.

Cam-Shunk, D., Winter, J. (2009). The relationship between risk attitudes and heuristics in search tasks: A laboratory experiment. Journal of Economic Behavior & Organization, 71, 347-360.

Steiger, J.H. (1980). Tests for comparing elements of a correlation matrix. Psychological Bulletin,

87(2), 245-251.

Willemsen, M.C., Johnson, E.J. (2006). Mouselab WEB: Monitoring information acquisition

proces-ses on the Web; http://www.mousela bweb.org/

Zielonka, P. (2002). How Financial Analysts Perceive Macroeconomic, Political News and Technical Analysis Signals. Association for Financial Counseling and Planning Education.

Z

1. I

.

Na ekranie znajduje siÚ 16 wskaěników sytuacji gospodarczej oraz rynku kapitaïo-wego. Prosimy o wybranie spoĂród nich 7 najwaĝniejszych do stwierdzenia: Czy na rynku papierów wartoĂciowych jest hossa czy bessa?

——————————

Ranking 7-miu wskaěników

Poniĝej znajduje siÚ 7 wskaěników, które uznaïeĂ za waĝne w okreĂleniu trendu rynko-wego. Prosimy o uszeregowanie ich w kolejnoĂci od najwaĝniejszego (na górze strony) do najmniej waĝnego (na dole strony). PrzeciÈgnij wskaěnik myszÈ w wybrane miejsce. ——————————

Dzielenie punktów miÚdzy wybrane wskaěniki

Poniĝej znajduje siÚ lista 7 wybranych przez Ciebie wskaěników. ChcielibyĂmy jednak wiedzieÊ dokïadniej na ile róĝniÈ siÚ one waĝnoĂciÈ miÚdzy sobÈ. Prosimy o rozdzie-lenie 100 punktów miÚdzy wskaěniki. Najwaĝniejszy powinien otrzymaÊ najwiÚcej punktów, a najmniej waĝny – najmniej. Moĝesz wpisaÊ kaĝdÈ liczbÚ od 0 do 100. Suma tych liczb musi byÊ równa 100. Na przykïad, 80, 20, 0, 0, 0, 0, 0 = 100 lub 50, 20, 20, 10, 0, 0, 0 =100 lub 30, 25, 15, 10, 10, 5, 5 =100.

Instrukcja wprowadzajÈca do poĂredniego pomiaru waĝnoĂci wskaěników

Za wykonanie kolejnego zadania, trzech uczestników otrzyma nagrody pieniÚĝne wy-sokoĂci 500 zï. Nagrody otrzymajÈ ci, którzy odpowiedzÈ trafnie na pytanie: Czy na rynku papierów wartoĂciowych jest hossa czy bessa? I wykorzystajÈ w tym celu jak najmniej informacji.

Za chwilÚ na ekranie pojawi siÚ 16 informacji dotyczÈcych sytuacji gospodarczej i rynku kapitaïowego. Trzy z nich moĝna uzyskaÊ „za darmo”, ale kaĝda nastÚpna kosztuje 10 punktów, które sÈ odliczane od 70 punktów przyznanych Ci na poczÈtku. Musisz wiÚc wykorzystaÊ co najmniej 3 „darmowe” informacje i co najwyĝej 10 z 16 dostÚpnych na ekranie.

Nagrody pieniÚĝne wysokoĂci 500 zï, otrzymajÈ Ci, którzy bÚdÈ mieli najwiÚcej traf-nych odpowiedzi na 10 pytañ: Czy na rynku papierów wartoĂciowych jest hossa czy bessa? i wykorzystajÈ jak najmniej punktów (informacji) do tej odpowiedzi. Licznik wskazujÈcy aktualnÈ liczbÚ punktów znajduje siÚ w górnej czÚĂci ekranu. Do kaĝdego pytania jest nowy licznik, który wskazuje 70 punktów.

JeĂli chcesz wziÈÊ udziaï w konkursie, musisz na koñcu podaÊ swój e-mail. ——————————

PoĂrednia metoda pomiaru waĝnoĂci

Pytanie od 1 do 10. Poniĝej znajdujÈ siÚ informacje, których moĝesz potrzebowaÊ ĝeby odpowiedzieÊ na pytanie: Czy na rynku papierów wartoĂciowych jest hossa czy bessa? Niektóre z tych informacji dotyczÈ aktualnych zmian wskaěników (na przy-kïad: DAX i NASDAQ, zmiany cen zïota, zmiany cen mieszkañ), inne (na przyprzy-kïad: C/Z, WstÚga Bollingera) odnoszÈ siÚ do podstawowych spóïek WIG20. Wybierz co najmniej 3 darmowe informacje lub wiÚcej (kaĝda dodatkowa kosztuje 10 punktów odliczanych od 70 punktów, ktore masz na poczÈtku). Informacja odsïoni siÚ gdy klikniesz na wybranym polu. Nagrody pieniÚĝne wysokoĂci 500 zï otrzymajÈ ci, któ-rzy bÚdÈ mieli najwiÚcej trafnych odpowiedzi na 10 pytañ: Czy na rynku papierów wartoĂciowych jest hossa czy bessa? i wykorzystajÈ jak najmniej punktów (informa-cji) do udzielenia tej odpowiedzi. Przeczytaj informacje i odpowiedz na pytanie: Czy na rynku papierów wartoĂciowych jest hossa czy bessa?