Agnieszka Surowiec
Politechnika Lubelska Wydział Zarządzania
Katedra Metod Ilościowych w Zarządzaniu a.surowiec@pollub.pl
Witold Rzymowski
Politechnika Lubelska Wydział Podstaw Techniki Katedra Matematyki Stosowanej w.rzymowski@pollub.pl
ANALIZA LOGARYTMICZNYCH STÓP ZWROTU DLA WYBRANYCH SPÓŁEK INDEKSU WIG20
Streszczenie: W pracy przeanalizowano rozkłady logarytmicznych stóp zwrotu wybranych spółek indeksu WIG20. Kryterium wyboru spółek stanowił wspólny i możliwie długi okres notowań. Głównym celem pracy było zbadanie możliwości wyznaczenia analitycznej postaci dystrybuant i funkcji gęstości.
Słowa kluczowe: logarytmiczna stopa zwrotu, dystrybuanta, funkcja gęstości, funkcja Boltzmanna.
Wprowadzenie
Analizowane będą logarytmiczne stopy zwrotu:
1
ln
−
=
t t t
P
x P , (1)
gdzie Pt, t =1 ,2 ,...,N jest kursem zamknięcia akcji wybranej spółki indeksu WIG20 spośród czternastu spółek: Assecopol (ACP), Boryszew (BRS), BRE, GTC, Handlowy (BHO), Kernel (KER), KGHM (KGH), Lotos (LTS), PeKaO (PEO), PKN Orlen (PKN), PKOBP (PKO), Synthos (SNS), TPSA (TPS), oraz TVN. W wyborze spółek kierowaliśmy się ich maksymalną liczbą w możliwie
długim, wspólnym dla wszystkich spółek okresie obserwacji. W pracy proponu- jemy i badamy prostą analityczną postać dystrybuanty i funkcji gęstości rozkła- du dla logarytmicznych stóp zwrotu spółek giełdowych.
W pierwszym etapie badań analizujemy notowania spółek pochodzące z okresu 30.06.2009–29.06.2012, N
= 757
, w celu ustalenia analitycznej posta- ci dystrybuanty. Następnie dla wybranych spółek giełdowych na podstawie da- nych z okresu 30.06.2009–10.12.2012, N= 870
, badamy czy dystrybuanta zachowuje ustaloną wcześniej funkcyjną postać.W pracy będziemy używać następujących symboli:
• Ξ=
{ }
ξk Nk=1, gdzie ξ1≤ξ2 ≤...≤ξN oznacza uporządkowany ciąg elementów ciągu X ={ }
xt tN=1. Elementy ciągów X i Ξ będziemy nazywać stopami zwrotu.• k− =max
{
k:ξk <0}
, k0 =max{
k:ξk =0}
, k+ =min{
k:ξk >0}
.• τ−= k− (liczba ujemnych elementów ciągu Ξ ), τ0 =k0−k− (liczba zerowych elementów ciągu Ξ ), τ+ =N−k0 (liczba dodatnich elementów ciągu Ξ ). War- tości
τ
−, τ
0, τ
+ zawiera tab. 1.1. Asymetria
Dla logarytmicznych stóp zwrotu analizowanych spółek indeksu WIG20 wyznaczamy dwa standardowe współczynniki asymetrii γ i A3[Krysicki i in., 1997, s. 30; Podgórski, 2001, s. 73] oraz wzorując się na współczynniku Giniego [Podgórski, 2001, s. 75] wyznaczamy:
− +
Γ
= Γ
κ ,
gdzie
ξN
τ+
+ =
Γ jest współczynnikiem koncentracji elementów ciągu Ξ
w przedziale [
ξ
k+,ξ
N], aξ1
ξ τ
= − Γ
−
− − k
jest współczynnikiem koncentracji
elementów tego ciągu w przedziale [
ξ
1,ξ
k−].Uzyskane wyniki zostały przedstawione w tab. 1.
Tabela 1. Liczba ujemnych, zerowych oraz dodatnich elementów ciągu Ξ i miary asymetrii roz- kładu dla spółek ACP, BRS, BRE, GTC, BHO, KER, KGH, LTS, PEO, PKN, PKO, SNS, TPS, TVN z okresu 30.06.2009–29.06.2012
Spółka τ− τ0 τ+ γ A3 κ
ACP 355 43 359 0,01201 −0,04930 0,99 BRS 334 112 311 −11,04004 −0,02308 5,23 BRE 355 21 381 0,09980 0,01254 1,18 GTC 394 33 330 −0,03503 −0,04505 0,99 BHO 340 49 368 −0,15495 0,04037 1,38 KER 357 52 348 0,69680 0,00475 0,44 KGH 350 24 383 −0,65508 0,07155 2,19
LTS 357 16 384 −0,10506 −0,07106 1,30 PEO 363 33 361 0,11604 0,04049 1,04 PKN 355 16 386 −0,24160 0,00944 1,91 PKO 352 22 383 0,01075 −0,00923 1,22
SNS 318 83 356 −0,29662 0,28467 1,29
TPS 349 34 374 −0,84428 0,04949 1,34 TVN 368 34 355 −0,27606 -0,01185 1,30
W przypadku analizowanych spółek indeksu WIG20 liczba zerowych ele- mentów ciągu Ξ stanowi często (patrz tab. 1) znaczną część liczby wszystkich elementów tego ciągu. W skrajnym przypadku (spółka BRS) liczebność τ⁰ sta- nowi prawie 15% liczby wszystkich elementów ciągu Ξ . Dla drugiej w kolejności spółki SNS liczebność τ⁰ stanowi prawie 11% liczby wszystkich elementów tego ciągu, a dla czterech następnych spółek odpowiedni procent jest większy niż 5.
W większości przypadków wartości współczynników
γ
, A3 i κ potwier- dzają znany fakt wyraźnej asymetrii rozkładów stóp zwrotu [A. Weron, R. Weron, 1998, rozdz. 9.2.1; M. Doman, R. Doman, 2009, rozdz. 1.6].2. Analityczna postać dystrybuant i gęstości
Dystrybuantą empiryczną ciągu
Ξ
jest funkcja F: R → [ ] 0 , 1
dana wzo-rem [Krysicki i in., 1997, s. 113, wzór (3.3.13)]:
( ) ⎪
⎩
⎪ ⎨
⎧
≥
−
=
<
≤
<
=
+.
, 1 ..., , 2 , 1 ,
, ,
1 , , 0
1 k
1
N k
emp k N
N F k
ξ ξ
ξ ξ ξ
ξ
ξ
ξ
Dla każdej z wybranych czternastu spółek szacujemy parametry modelu:
( ) ξ
= F( ) ( ) ξ
+ε ξ
Femp ,
gdzie z uwagi na asymetrię rozkładu oraz na to, że liczba zerowych elementów ciągu Ξ stanowi znaczną część liczby wszystkich elementów tego ciągu:
( ) ( )
⎩ ( )
⎨ ⎧
≥
=
−+<
. 0 gdy ,
, 0 gdy ,
ξ ξ
ξ ξ ξ
F F F
Szukamy takich funkcji F−
: ( −∞ , 0 ] → [ 0 , 1 ]
, F+: [ 0 , +∞ ) → [ 0 , 1 ]
, dla których:( ) ( )
0,05max0 − ≤
= −
<
− emp k k
def F F
k
ξ ξ
δ ξ i max
( ) ( )
0,050 − ≤
= +
>
+ emp k k
def F F
k
ξ ξ
δ ξ .
Jeżeli
max { δ
−, δ
+} ≤ 0 , 05
, to można przyjąć, że z prawdopodobieństwem większym niż 0,95 funkcja F nie różni się od prawdziwej dystrybuanty [Kry- sicki i in., 1997, s. 116]. Łatwo sprawdzić, że powyższy warunek nie będzie spełniony w przypadku każdej spółki, dla którejτ
0> 1 + 0 , 1
N.
Takimi spółka- mi są BRS oraz SNS. W przypadku tych spółek warunekmax { δ
−, δ
+} ≤ 0 , 05
nie może być spełniony przez żadną dystrybuantę ciągłą.
2.1. Model dystrybuanty ciągłej
Podobnie jak w przypadku proponowanych w literaturze rozkładów α-stabilnych (giełda amerykańska) czy rozkładów hiperbolicznych (giełda nie- miecka) [A. Weron, R. Weron, 1998, rozdz. 9], proponujemy rozkład unimodalny:
( ) ( )
−
−
−
−
−
+ +
−
−
+
= +
c b
c b c
e e e F F
ξ
ξ
ξ1
0 1 oraz
( ) ( )
+ +
+ + +
+
+ +
+
+
−
= −
c b
c b c
e
e e F F F
ξ
ξ
ξ1
1 0
0
będący prostą modyfikacją funkcji Boltzmanna.
Tabela 2. Wartości parametrów funkcji F− oraz F+ dla spółek ACP, BRS, BRE, GTC, BHO, KER, KGH, LTS, PEO, PKN, PKO, SNS, TPS, TVN dla N=757 oraz dla N=870
N = 757 N = 870
F0 b− c− b+ c+ F0 b− c− b+ c+
ACP 0,507 77,939 −1,363 69,249 657,530 0,508 76,397 −1,879 72,207 656,859 BRS 0,516 45,638 −262,84
9 42,057 361,022 0,514 49,233 −2,172 43,699 652,016 BRE 0,501 60,200 −4,706 76,705 0,249 0,485 66,598 −2,062 71,755 1,080 GTC 0,539 63,387 −0,813 52,642 657,422 0,528 65,400 −0,885 53,026 659,182 BHO 0,486 90,583 −0,749 77,311 1,663 0,477 85,856 −0,886 74,780 1,797 KER 0,498 74,654 −0,689 53,956 654,002 0,494 58,410 −3,632 54,510 653,866 KGH 0,473 59,322 −1,006 70,858 0,016 0,464 58,266 −1,376 75,482 −0,096 LTS 0,485 68,087 −0,875 74,862 0,461 0,475 69,802 −0,848 76,292 0,335 PEO 0,495 76,302 −0,510 77,528 0,320 0,493 77,149 −0,656 79,886 0,356 PKN 0,487 82,983 −0,044 87,020 −0,142 0,482 83,539 −0,156 89,595 −0,122 PKO 0,487 78,633 −0,782 86,922 0,326 0,487 81,847 −0,751 89,828 0,329 SNS 0,463 82,860 −0,670 55,674 2,018 0,470 83,909 −0,616 57,447 1,920 TPS 0,490 95,215 −0,917 86,145 1,385 0,495 91,628 −1,605 83,817 2,656 TVN 0,501 63,183 −1,717 66,268 1,317 0,501 62,195 −1,601 65,295 1,288
Rozkład Boltzmanna jest od niedawna wykorzystywany do analizy danych giełdowych [Kleinerta, Chen, 2007; Chu, Viet, Lien, 2011].
Tabela 2 zawiera wartości parametrów funkcji F−oraz F+ dla N
= 757
oraz N= 870
.Dla wszystkich wybranych spółek indeksu WIG20 zastosowano następujące testy zgodności danego rozkładu z rozkładem empirycznym dla poziomu istotno- ści
α
=0,05: testχ
p2 z podziałem na klasy o jednakowym prawdopodobieństwie dla liczby klas dwadzieścia siedem [Krysicki i in., 1997, s. 110. (wartość krytyczna wynosi 38,89) oraz test Kołmogorowa (wartość krytyczna wynosi 1,354).Tabela 3. Wyniki testów statystycznych dla spółek ACP, BRS, BRE, GTC, BHO, KER, KGH, LTS, PEO, PKN, PKO, SNS, TPS, TVN dla N=757 oraz dla N=870
N = 757 N = 870 N = 757 N = 870 N = 870 dla parametrów z przypadku N = 757 2
χ
pχ
p2 NdNACP 43,26 50,11 1,03 1,09 1,04 BRS 406,35 620,21 2,07 2,73 2,67 BRE 58,24 47,63 0,89 0,57 1,02
GTC 34,42 38,26 0,69 0,86 0,78
BHO 76,79 82,32 1,00 1,09 1,31 KER 71,08 73,63 1,15 1,03 0,94
KGH 25,29 35,46 0,61 0,62 0,80
LTS 18,08 30,25 0,63 0,53 0,82
PEO 32,49 26,40 0,76 0,89 0,81
PKN 25,07 18,77 0,50 0,57 0,70
PKO 24,22 24,17 0,61 0,67 0,67
SNS 195,35 182,94 1,85 1,82 2,05 TPS 50,97 43,53 0,81 0,78 0,87 TVN 61,60 52,72 0,82 0,89 0,88
s p P t z K m
d
2
p r
α
R
n t t p
k są t przy Pod twie z w Koł moż
dys
2.2.
przy rycz
α−
a)
Rys.
na k tyw tycz pod
kład W taki y
α
dobn erdz wyjąt łmo
żna N tryb
. Gę K ypa zny Pr
−sta
. 1. P p d
N klas wnyc znej dstaw
W dy s
Wyn ie s=
α
nie, zają tkie ogor a stw Na p
bua
ęsto Kieru adkó ym.
rop abiln
Poró przy dla s
Na p sy ch w
j fu wie Wiad stóp
niki am 0 ,
=0 , wy ą p em row wier pod anta
ość ując ów
ono ne i
ówn y za spół
przy o je wyn unk e 30 dom p zw
test e d 05d ynik post
wsp wa d rdz dstaw
a za
ć ro c si pro
owa i hip
nanie stos łki A
ykła edn nik kcji 0 kl mo ż
wro tu
χ
dla N dla ki t tać
pom dla zić s
wie acho
ozkł ę w opo
any perb
e teo sowa ACP
adzi nako ach gęs las d że, otu
2
χ
pN = na testu
zał mnia
N = stało e w owu
ładu wyni onow
roz bol
orety aniu P (a)
ie s owy h tes stoś dla
op ma
z p
= 75 astęp u K łożo any
= 8 ość wyni uje u
u ikam wan
zkła licz
yczn pod ora
spół ym stów ści
N = róc ają j
A
pod 57 pują Kołm
one ych 870 ć po ików
usta
mi ny w
ad j ne.
nej dzia
z PK
łek pra w)
z e
= 75 cz s
jesz
ACP (N
dzia i N ący mog ego
wc dla osta
w p alon
test w p
jest
funk ału n
KO (
AC awd na emp
57, koś zcze
N = 7
łem N =
ych goro
roz cześ a dy ci f prze ną w
tu K prac
t ro
kcji na kl (b) w
CP ( dop
rys piry
sto śno e je
757)
m na 870 spó owa zkła śniej ystr funk
eds wcz
Koł cy t
zkł
gęs lasy w ok
(o n odo s. 1 yczn osuj
ści, edną
em teo
a kl 0. P ółek a są adu ej B rybu
kcji staw ześn
łmo typ
łade
stośc y o r kres
neg obie
prz ną jąc , lep ą ni
mp.
or.
lasy Potw k: G ą ta u pr RS uant i roz wion niej
ogor roz
em
b) ci z równ ie 3
gaty eńst zed
[Kr pod pto iepr
y o j wie GTC akie
rzy ora ty o zkł nyc j fu
row zkła
uni
em nej d
0.06
ywn twi staw rysi dzia
kur rzyj
jedn erdz
C, e sa
α
az S okre adu ch w unkc
wa, m adu
imo
mpiry dług 6.20
nym e) o wio icki ał n rtoz yjem
nak zają KG ame=
α
SNS eślo u w w t cyjn
moż jes
odal
yczn gośc 09−
m wy ora ono
i i i na k
zy i mną
kow ą po GH, dla 0 , 0 S. P onej
cza tab.
ną p
żna st zg
lnym
ną u ci dla
−29.0
yni z P po in., klasy
i tzw ą ce
wym osta LT a N 05d Pona
j dl asie 3 post
a prz god
m,
uzysk a lo 06.2
ku PKO
rów 19 y je w.
chę m pr
ać z TS, N =
dla adto la p e.
mo tać.
zyją dny
pod
kaną gary 2012
tes O (o wna 997, edna
gru ę, zw
rawd zało
PE 757 wsz o na przy
ożn .
ąć, z r
dob
ą na ytmi 2
tu o w anie
, s.
ako ubyc wan
PK
dop żon EO, 7 i zys a po ypad
na s
że rozk
bnie
a po iczn
χ
2wszy e us
6]
owe ch ną z
KO (N
podo nego , PK
N = stkic odst dku
stwi
w w kład
e jak
odsta nych
z ystk stalo uz ej dł ogo zgru
N = 75
obi o ro KN
= 8 ch taw u N
ierd
wię dem
k ro
awie stó
pod kich onej zysk ług onó upo
57)
eńs ozk N, P 70.
spó wie t N =
dzić
ększ m em
ozk
e 30 p zw
dzia h p ej te
kan ośc ów, owa
teor.
emp.
stwi kład PKO
Po ółek test
757
ć, ż
zośc mpi
kład
0 kla wrot
ałem ozy eore ą n ci.
roz ania ie du O.
o- k, tu 7,
że
ci i-
dy
as tu
m y- e- na
z- a-
mi zmienności [M. Doman, R. Doman, 2009, s. 29]. Analizując histogramy czternastu spółek indeksu WIG20, powstałe przez podzielenie każdego z prze- działów [ξ1,0) i (0,ξ757] na 10 podprzedziałów o równej długości, otrzymuje- my łącznie 20 klas. Częstości empiryczne 8 spółek: BRS, BRE, KER, KGH, PEO, PKN, TPS i TVN są zerowe w niektórych podprzedziałach. W przypadku spółki BRS ma to miejsce w siedmiu podprzedziałach.
Wpływ wspomnianej nieregularności rozmieszczenia elementów ciągu Ξ na empiryczną funkcję gęstości staje się jeszcze bardziej widoczny po dokonaniu po- działu na klasy o równych prawdopodobieństwach [Krysicki i in., 1997, s. 109].
Każdy z przedziałów [
ξ
1,ξ
k−], [ξ
k+,ξ
N] dzielimy na szesnaście przedziałów.Dokonujemy tego w czterech etapach. W pierwszym etapie każdy z przedziałów ]
,
[
ξ
1ξ
k− , [ξ
k+,ξ
N] dzielimy na dwa przedziały o równych licznościach. Jeżeli przedział [ξ
1,ξ
k−] zawiera parzystą liczbę elementów, to dzielimy go na prze- działy⎥⎥
⎦
⎤
⎢⎢
⎣
⎡
−
2 1,ξk
ξ ,
⎥⎥
⎦
⎤
⎢⎢
⎣
⎡
−
−+ k
k ξ
ξ ,
2 1
, a jeżeli nieparzystą, to na przedziały o wspól-
nym końcu
⎥⎥
⎦
⎤
⎢⎢
⎣
⎡
+ −
2 1,ξ1 k
ξ ,
⎥⎥
⎦
⎤
⎢⎢
⎣
⎡
−
+k− ξk
ξ ,
2
1 .
Podobnie postępujemy w przypadku przedziału [
ξ
k+,ξ
N]. Po czterokrot- nym powtórzeniu tej operacji otrzymujemy przedziały{
P1−,
P2−, ...,
P16−} ⊂ [ ξ
1, ξ
k−]
oraz{
P1+,
P2+, ...,
P16+} ⊂ [ ξ
k+, ξ
N]
o licznościach odpowiednio l i − l . Następnie wyznaczamy środki + ηi−, η+j i długości δi−,+j
δ przedziałów P , i− Pj+ i gęstości:
( )
− = −−i
i N
gη lδ ,
( )
+ = ++j
j N
gη lδ .
Dodatkowo przyjmujemy z uwagi na własności funkcji gęstości:
( )
= N(
k++− k−)
g ξ ξ
τ 2
0
0
.
T
( n w
R
m d w u l g ż
Tabe
(−∞
nież wan
a) Rys.
moż daln wal uwa loka gęst żąd
ela 4
Spó AC BR BR GT BH KE KG LT PE PK PK SN TP TV
Ta
∞,0) ż m nych
. 2. P p m
N żna noś lut [ agę alny tośc ani
4. G PK
ółka CP RS RE TC HO ER GH TS EO KN KO NS PS VN
ak ) (m maks h sp
Poró przy micz
Na p a tw ci w [J.P
tak ych ci n
e, b
Gęsto KN,
wy
−
maxl
sim pół
ówn y za znyc
pod wierd
wys P.M kie h i m
nie by f
ości , PK
zna
− lok) mum ek d
nanie astos ch s
staw dzić stęp Morg ro mo da funk
emp KO, S
l− 23 21 23 25 22 23 22 23 23 23 22 20 22 23
aczo i (0 m lo dla
e em sowa tóp
wie ć, ż puje gan/
ozkł że adzą
kcje
piryc SNS
−
2 2
2 0 2
one 0,∞
okal N =
mpir aniu zwr
e pr że ro e na
/Re łady zer ą si e g
czne S, TP
e gę ) (m lnym
= 7
ryczn u po
rotu
rzep ozk awe eute y, k row
ię o ęsto
ACP
e dla PS, T
l+
23 20 24 2 22 22 24 24 23 25 24 23 24 23
ęsto max m.
757
nej odzia
dla
prow kład et w ers, któr wać
opis ości
P (N =
a sp TVN
+
3 0 4 1 2 2 4 4 3 5 4 3 4 3
ości
+
xlok) Szc ora
funk ału n spół
wad dy s w pr 199 rych się sać i m
= 757
ółek N z o
ma ). Z czeg az ry
kcji na k łki A
dzo stóp rzyp 96, h f
w pro miały
7)
k AC okre
ają Z wy
góły ys.
gęs klasy ACP
onyc p zw padk s.
funk pew osty y tę
em teo
CP, esu 3
Li ma
kilk yjąt y p 2 d
stośc y o P (a)
ch wro
ku b 65, kcja wny ym ę sa
mp.
or.
BRS 30.0 czba
−
axlok
5 5 3 3 3 4 4 3 3 4 3 4 5 3
ka tkie prez dla s
b) ci z
jed ) ora
bad tu s bar rys a g ych wz amą
S, B 06.20
a
k
ma em zent spó
teo dnak az PK
dań są u rdzi
s. 4 gęsto h po
zor ą po
BRE 009–
aksi spó tuje ółek
orety kowy KO
do unim iej r 4.16 ośc odpr
em osta
, GT –29.
mó ółki e tab k AC
yczn ym p
(b) w
otyc mod regu 6]. N
i m rze . D ać a
TC, .06.2
g 9 333
4 5 6 14
3 4 3 5 6 3 4 4
ów l i TP b. 4 CP
ną u praw w ok
cząc daln ular Nal moż dzi Doda
anal
BH 2012
( )0 g 7,40 335,9
9,81 7,31 5,01 47,13
1,42 4,00 9,86 1,99 6,85 3,12 3,43 3,94
loka PS,
4 d ora
uzysk wdop kres
cyc ne.
rny leża że m
ałac atko ityc
HO, K 2
) 08
975 4 6 2 39 27 02 66 95 5 28 0 45
alny wa la w az P
kaną pod sie 3
h f Poz ch ałob mie ch.
ową czn
P
KER
ych arto
wsz PKO
ą na dobie 30.06
funk za t stóp by z eć k Te ą tr ą d
PKO
R, K
h w ść g zyst O.
a po eństw 6.20
kcji tym p zw zate kilk ego rud dla k
(N =
KGH L m
w pr g(0 tkic
odsta wie 009–
i gę m br wro em ka e
typ dnoś każ
= 757)
H, LT Licz max 4 4 4 3 3 5 2 3 5 5 5 4 5 4
zed ) je ch a
awie dla –29.0
ęsto rak otu wz ekst pu ść s
dej
)
TS, zba
+
xlok
dzia est r anal
e 33 a log
06.2
ości uni kur iąć trem fun stan
spó
emp teor
PEO
ałac rów lizo
3 kla gary 2012
i ni imo rsów
po mów nkcj
now ółk
p.
r.
O,
ch w-
o-
as yt-
2
ie o- w od w je wi ki.
W związku z tym i przeprowadzonymi testami statystycznymi potwierdzającymi zgodność rozkładu danego za pomocą zmodyfikowanej funkcji Boltzmanna z empi- rycznym dla znacznej liczby analizowanych spółek, proponowany w pracy rozkład unimodalny pomimo swojej unimodalności może być dobrym, wstępnym przybli- żeniem rzeczywistych rozkładów stóp zwrotu.
Wnioski
1. Liczebność zerowych wartości stóp zwrotu może mieć wpływ na typ rozkła- du. W szczególnych przypadkach, typu spółki BRS, można uwzględnić roz- kłady z dystrybuantą nieciągłą.
2. Funkcje dystrybuanty i gęstości mogą mieć inną postać analityczną w prze- działach (−∞,0) i (0,∞).
3. Stosunkowo duża liczba zerowych wartości ciągów Ξ sugeruje tendencję utrzymywania stałej ceny akcji danej spółki. Z drugiej strony rozkłady stóp zwrotu są najmniej regularne w bezpośrednim otoczeniu zera.
Literatura
Doman M., Doman R. (2009), Modelowanie zmienności i ryzyka. Metody ekonometrii finansowej, Oficyna a Wolters Kluwer Business, Kraków.
Chu T.A.,Viet N.A., Lien D.H., (2011), Simple Model for Market Returns Distribution,
„Proceedings National Conference Theoretical Physics”, Vol. 36, No. 2, s. 234-238.
J.P. Morgan/Reuters (1996), RiskMetricsTM − Technical Document, Morgan Guaranty Trust Company of New York, New York.
Kleinerta H., Chen X.J. (2007), Boltzmann Distribution and Market Temperature, „Physi- ca A”, Vol. 383, No. 2, s. 513-518.
Krysicki W., Bartos J., Dyczka W., Królikowska K., Wasilewski M. (1997), Rachunek prawdopodobieństwa i statystyka matematyczna w zadaniach. Część II Statystyka matematyczna, Wydawnictwo Naukowe PWN, Warszawa.
Podgórski J. (2001), Statystyka dla studiów licencjackich, PWE, Warszawa.
Weron A., Weron R. (1998), Wycena instrumentów pochodnych. Symulacje komputerowe.
Statystyka Rynku, WNT, Warszawa.
ANALYSIS OF THE LOG PRICE CHANGE FOR SELECTED WIG20 COMPANIES
Summary: This paper deals with the quantitative analysis of the log price change (con- tinuously-compounded return) for selected WIG20 instruments. The purpose of these investigations was to research the possibility of determination of analytical form of the probability density function and the cumulative distribution function. The modified Boltzmann function was proposed as the cumulative distribution function.
Keywords: log price change, probability density function, cumulative distribution func- tion, Boltzmann function.