Zastosowanie analizy widma wzajemnego w badaniu dynamiki indeksu giełdowego DAX
DOI:
https://doi.org/10.18559/SOEP.2015.9.2Słowa kluczowe:
Indeks giełdowy, Analiza widmowa, Analiza giełdowaAbstrakt
Kwadrat koherencji zmiennych niezależnych oraz dynamiki indeksu giełdowego DAX dla niskich częstotliwości przyjmuje mniejsze wartości niż dla częstotliwości wysokich. Widmo fazowe DAX i dynamiki bezrobocia wykazuje liniową i dodatnią zależność dla niskich częstotliwości (dla których obserwujemy duże wartości kwadratu koherencji). Sugeruje to, że zmiany długich fal dynamiki bezrobocia wyprzedzają odpowiednie zmiany w dynamice indeksu giełdowego DAX. Natomiast w przypadku widma fazowego DAX i cen dóbr przemysłowych zależność liniowa jest ujemna, co wskazuje na opóźnienie zmian cen dóbr przemysłowych względem zmian indeksu giełdowego DAX. Przeprowadzona analiza widma wzajemnego wykazała, że w badanym okresie dynamika indeksu giełdowego DAX koreluje z dynamiką wybranych procesów gospodarczych w różnych częstościach cyklu koniunkturalnego. Można zatem mówić o przejawach skorelowanych zachowań cyklicznych. Na szczególne pokreślenie zasługuje wyjawienie zróżnicowanych przesunięć fazowych oraz wzmocnienia zarówno w niskich, jak i w wysokich częstościach wahań cyklicznych badanych szeregów czasowych w gospodarce niemieckiej. Analiza widma wzajemnego może być zatem efektywnym narzędziem wspomagającym konstruowanie barometrów koniunktury, polityki stabilizacji czy ożywienia koniunktury gospodarczej.
Pobrania
Bibliografia
Baillie, R.T., 1996, Long Memory Processes and Fractional Integration in Econometrics, Journal of Econometrics, no. 73, s. 5-59.
Zobacz w Google Scholar
Banerjee, A., Urga, G., 2004, Modelling Structural Breaks, Long Memory and Stock Market Volatility: an Overview, http://www.cass.city.ac.uk/cea/index.html [data dostępu: 17.08.2014].
Zobacz w Google Scholar
Beran, J., 1994, Statistics for Long Memory Processes, Chapman and Hall, New York.
Zobacz w Google Scholar
Blackman, R.B., Tukey, J.W., 1959, The Measurement of Power Spectra from the Point of View of Communication Engineering, Dover, New York.
Zobacz w Google Scholar
Bloomfield, P., 1976, Fourier Analysis of Time Series: an Introduction, Wiley, New York.
Zobacz w Google Scholar
Brigham, E.O., 1974, The Fast Fourier Transform, Prentice-Hall, Englewood Cliffs, New Jersey.
Zobacz w Google Scholar
Brillinger, D.R., 1975, Time Series: Data Analysis and Theory, Holt, Rinehart & Winston, New York.
Zobacz w Google Scholar
Childers, D.G. (ed.), 1978, Modern Spectrum Analysis, IEEE Press, New York.
Zobacz w Google Scholar
Cohen, L., 1995, Time-frequency Analysis, Prentice Hall, Englewood Cliffs, New Jersey.
Zobacz w Google Scholar
Davidson, J., Terasvirta, T.T., (eds.), 2002, Long Memory and Nonlinear Time Series, Journal of Econometrics, no. 110, iss. 2, s. 105-437.
Zobacz w Google Scholar
Deo, R., Hsieh, M., Hurvich, C.M., 2005, Tracing the Source of Long Memory in Volatility, http://129.3.20.41/eps/em/papers/0501/0501005.pdf, s. 1-38 [dostęp: 25.08.2014].
Zobacz w Google Scholar
Dickey, D., Pantula, S., 1987, Determining the Order of Differencing in Autoregressive Processes, Journal of Business and Economic Statistics, no. 15, s. 455-461.
Zobacz w Google Scholar
Elliott, D.F., Rao, K.R., 1982, Fast Transforms: Algorithms, Analyses, Applications, Academic Press, New York.
Zobacz w Google Scholar
Fouet, M., 1981, Analyser la conjoncture, Hatier, Paris.
Zobacz w Google Scholar
Geweke, J., Porter-Hudak, S., 1983, The Estimation and Application of Long Memory Time Series Models, Journal of Time Series Analysis, no. 4, s. 221-228.
Zobacz w Google Scholar
Hurst, H.E., 1951, Long-term Storage of Reservoirs, Transactions of the American Society of Civil Engineers, no. 116, s. 770-799.
Zobacz w Google Scholar
Jenkins, G.M., Watts, D.G., 1968, Spectral Analysis and Its Applications, Holden-Day, San Francisco.
Zobacz w Google Scholar
Kay, S.M., 1988, Modern Spectral Estimation, Theory and Application, Prentice Hall, Englewood Cliffs, New Jersey.
Zobacz w Google Scholar
Kesler, S.B., (ed.), 1986, Modem Spectrum Analysis II, IEEE Press, New York.
Zobacz w Google Scholar
Koopmans, L.H., 1974, The Spectral Analysis of Time Series, Academic Press, New York.
Zobacz w Google Scholar
Lo, A.W., 1991, Long-term Memory in Stock Market Prices, Econometrica, no. 59(5), s. 1279-1313.
Zobacz w Google Scholar
Łuczyński, W., 1998, Analiza dynamiki procesów gospodarczych Niemiec w latach 1949-1996, Wydawnictwo Akademii Ekonomicznej w Poznaniu, Poznań.
Zobacz w Google Scholar
Łuczyński, W., 2007, Estymacja mocy gęstości spektralnej za pomocą algorytmu cyfrowej analizy widmowej MUSIC, w: Schroeder, J., Stępień, B. (red.), Handel i finanse międzynarodowe w warunkach globalizacji, Wydawnictwo Akademii Ekonomicznej w Poznaniu, Poznań, s. 137-148.
Zobacz w Google Scholar
Łuczyński, W., 2007, The Long Memory Dynamics of the Market Quotations of Selected Stock Companies and Warsaw Stock Index, Poznań University of Economics Review, vol. 7, no. 1, s. 21-55.
Zobacz w Google Scholar
Łuczyński, W., 1998, Zastosowania analizy harmonicznej i spektralnej oraz analizy przeskalowanego zakresu w badaniu realnych cykli koniunkturalnych, Ekonomista, nr 5-6, s. 629-647.
Zobacz w Google Scholar
Marple, L., 1987, Digital Spectral Analysis with Applications, Prentice Hall, Englewood Cliffs, New Jersey, NJ.
Zobacz w Google Scholar
Mitra, S.K., Kaiser, J., 1993, Handbook for Digital Signal Processing, John Wiley and Sons, Inc., New York.
Zobacz w Google Scholar
Naidu, P.S., 1996, Modern Spectrum Analysis of Time Series, CRC Press, Boca Raton, FL.
Zobacz w Google Scholar
Pantula, S.G., 1989, Testing for Unit Roots in Time Series Data, Econometric Theory, vol. 5, no. 2, s. 256-271.
Zobacz w Google Scholar
Parzen, E., 1961, Mathematical Considerations in the Estimation of Spectra, Technometrics, vol. 3, no. 2, s. 167-190.
Zobacz w Google Scholar
Percival, D.B., Constantine, W.L.B., 2005, Exact Simulation of Gaussian Time Series from Nonparametric Spectral Estimates with Application to Bootstrapping, Journal of Computational and Graphical Statistics, accepted for publication.
Zobacz w Google Scholar
Percival, D.B., Walden, A., 1993, Spectral Analysis for Physical Applications: Multitaper and Conventional Univariate Techniques, Cambridge University Press, Cambridge.
Zobacz w Google Scholar
Priestley, M.B., 1981, Spectral Analysis and Time Series, Academic Press, New York.
Zobacz w Google Scholar
Rinne, H., Specht, K., 2002, Zeitreihen. Statistische Modellierung, Schätzung und Prognose, Verlag Franz Vahlen, München.
Zobacz w Google Scholar
Robinson, P.M., 2003, Long Memory Time Series, w: Robinson, P.M. (ed.), Time Series with Long Memory, Oxford University Press, Oxford.
Zobacz w Google Scholar
Riedel, K.S., Sidorenko, A., 1995, Minimum Bias Multiple Taper Spectral Estimation, IEEE Transactions on Signal Processing, no. 43, s. 188-195.
Zobacz w Google Scholar
Schuster, A., 1898, On the Investigation of Hidden Periodicities with Application to a Supposed 26-day Period of Meteorological Phenomena, Terr. Mag. Atmos. Elect., no. 3, s. 13-41.
Zobacz w Google Scholar
Shumway, R.H., 1988, Applied Statistical Time Series Analysis, Prentice Hall, Englewood Cliffs, NJ.
Zobacz w Google Scholar
Stock, J.H., Watson, M.W., 1998, Business Cycle Fluctuations in US Macroeconomic Time Series, NBER Working Paper Series, no. 6528.
Zobacz w Google Scholar
Stoica, P., Moses, R.L., 1997, Introduction to Spectral Analysis, Prentice-Hall, Upper Saddle River, New Jersey.
Zobacz w Google Scholar
Stryjkowski, T., 2013, Implementacja testu na istotność poszczególnych częstości periodogramu w programie GRETL, w: Kośko, M. (red.), Metody i zastosowania ekonometrii współczesnej, Wydawnictwo Uczelniane WSIiE TWP, Olsztyn, s. 145-158.
Zobacz w Google Scholar
Syczewska, E.M., 2002, Analiza relacji długookresowych: estymacja i weryfikacja, Szkoła Główna Handlowa w Warszawie, Warszawa.
Zobacz w Google Scholar
Talaga, L., Zieliński, Z., 1986, Analiza spektralna w modelowaniu ekonometrycznym, PWN, Warszawa.
Zobacz w Google Scholar
Thomson, D.J., 1982, Spectrum Estimation and Harmonic Analysis, Proceedings of the IEEE, no. 72(9), s. 1055-1096.
Zobacz w Google Scholar
Walden, A.T., 1989, Accurate Approximation of a 0th Order Discrete Prolate Spheroidal Sequence for Filtering and Data Tapering, Signal Processing, no. 18, s. 341-348.
Zobacz w Google Scholar
Wei, W.W., 1989, Time Series Analysis: Univariate and Multivariate Methods, Addison-Wesley, New York.
Zobacz w Google Scholar
Weron, A., Weron, R., 1998, Inżynieria finansowa. Wycena instrumentów pochodnych. Symulacje komputerowe. Statystyka rynku, WNT, Warszawa.
Zobacz w Google Scholar
Zieliński, T.P., 2007, Cyfrowe przetwarzanie sygnałów. Od teorii do zastosowań, WKiŁ, Warszawa.
Zobacz w Google Scholar
