Sunteți pe pagina 1din 36

Volatilitatea pieei de capital i efectul de spillover

Autor Topa Ioana Valeria


1. Introducere
Aceast lucrare i propune studiul identificarii i cuantificarii fenomenului de
transmitere a voltilitii ntre pieele de capital. Dei la ora actuala s-au dezvoltat foarte multe
teste empirice privind comportamentul volatilitii randamentelor pentru pieele de capital
foarte dezvoltate, n ultima vreme, atenia s-a ndreptat i ctre trile cu economii emergente.
Emergena pieelor de capital a tarilor in curs de dezvoltare i are originea n
schimbarea dinamicii politce care a nceput n jurul anilor 80-90. De-a lungul anilor 1980, s-a
diminut tensiunea dintre Est si Vest astfel c la nceputul lui 1990, rile n dezvoltare din
Europa de Est i-au rectigat accesul la capitalul strin dupa mai mult de un deceniu. Nu
numai fluxul de capital n rile emergente a crescut dramatic, dar i compoziia acestuia s-a
schimbat substanial. Fluxurile de portofoliu (venituri fixe si capital) i investiiile directe
strine au nlocuit datoriile bncilor comerciale ca i surse de capital strin. Acest lucru nu ar
fi fost posibil fara ca aceste ri s se mbarce n procesul financiar de liberalizare,
caracterizat prin slbirea restriciilor asupra intereselor strine asupra activelor unei companii
precum i adoptarea altor msuri pentru dezvoltarea pieelor de capital care sunt n tandem cu
reformele macroeconomice i comerciale.
Interesul crescut fa de aceste piee se datoreaz tocmai creterii globarizrii i
integrrii economiilor acestor ri, fapt care a creat oportuniti uriae pentru investitorii de
pretutindeni de pe glob de a-i diversifica portofoliile de active deinute i implicit de a-i
reduce riscul i crete rentabilitatea oferit de ele. Drept urmare, n ultima vreme au aprut
foarte multe studii empirice care au examinat comportamentul volatilitii randamentelor i a
transmiterii acestor n rile cu economii emergente tocmai pentru a veni n ajutorul
investitorilor (Haque, Hasssa, 2000; Harvey 1995; Harver & Bekaert 1995,1997; Bekaert,
1995; Kim & Singal, 1999; Choudhury, 1996; Reisen, 1993; Dooley & Warner, 1995,
Nasulis NG, 1990; Lin, Engle, ITO, 1991; Worthington & Higgs, 2004,etc). Volatilitatea este
definit ca i variabilitatea n timp a unui anumit fenomen, iar n domeniul economic poate fi
asimilat noiunii de fluctuaie n componentele seriilor de timp ale diferitelor variabile
financiare. Prin definiie, volatilitatea este asociat cu incertitudinea, devenind astfel un
element fundamental n adoptarea deciziilor pe pieele financiare.Volatilitatea este afect de
mai mui factori: odat de schimbrile care apar n piaa respectiv, i de informaia care vine
1

dinspre alte piee. nelegerea fenomenului de transmitere a volatilitii este de o deosebit


importan, n primul rnd datorita creterii coeficienilor de corelaie dintre rentabilitile
generate de pieele de capital emergente i apariiei efectelor de spillover1 prin coninutul
informaional ce se transfer ntre active financiare cotate la burse diferite. n al doilea rnd,
comportamentul i sursele volatilitii reprezint factori deosebit de importani n procesul
decizional al aplicrii de politici eficiente n vederea meninerii stabilitii pieelor
financiare2. Printre alte motive care impun necesitatea studiului efectelor de spillover, se
numr i canalele de transmisie a volatilitii de pe o pia pe alta. n acest sens, tirile
despre mediul macroeconomic dintr-o anumit ar afecteaz valoarea activelor financiare
interne i strine, dac exist legturi economice reale (comerciale, de investiii) ntre state.
De asemenea, crizele de lichiditate, care pot declana nchiderea poziiilor deinute n
portofolii diversificate la nivel internaional, reprezint nc o surs a fenomenului de
transmitere a volatilitii peste granie3.
Lucrarea este organizat dup cum urmeaz: seciunea 2 evideniaz cadrul teoretic
aferent domeniului de cercetare, seciunea 3 introduce noiunile statistice i formularea
modelelor folosite n estimrile empirice i n cele din urm seciunile 4 i 5 prezint datele
utilizate n studiu i furnizeaz o modelare econometric preliminar a acestora cu rezultatele
analizei univariate a efectelor de spillover n volatilitate. Seciunea 6 ofer concluziile
studiului.
2. Cadrul teoretic aferent domeniului de cercetare
n literatura de specialitate, volatilitatea dintre randamentele generate de investiii n
diverse piee financiare i studiul efectelor de spillover n medie, este tratat ntr-o gam
variat de abordri, aa cum am menionat i mai sus, prin diferite metodologii.
Primele evidenele statistice sunt cele dezvoltate de Harvey, 1993 i Divecha, Drach,
Stefak, 1992 asupra matricei de corelare ntre indicii pieelor emergente (care este mai multe
o matrice individual) i care arat c un investitor care nvestete o parte din venit n activele
economiilor emergente este capabil s i imbunteasc rentabilitatea obinut, ntruct
1

Efectele de spillover este folosit pentru a arta transferul volatilitii de la o entitate financiar ctre alt
entitate de acelai fel
2
Ng, Angela (2000) Volatility spillover effect from Japan-US and the pacific Basin arat c nelegerea
fenomenului de spillover este esenial n obinerea acelor informaii care s permit dezvoltarea i evaluarea
propunerilor de control i restricionare a circulaiei capitalului la nivel internaional, precum i n
implementarea strategiilor globale de hedging i de alocare a activelor financiare
3
Gebka i Serwa, (2007).

activele emergente sunt adaugate portofoliul de active riscante ale lumii. Mai trziu Harvey,
1995 demonstreaz c matricea este mai puin o identitate separat ntruct pieele emergente
sunt din ce n ce mai integrate n pieele lumii. Internaionalizarea capitalului i transferului
su din rile dezvoltate ctre cele n dezvoltare au ridicat diferite probleme politice din
perspectiva dezvoltrii guvernelor rii i anume dac transferurile de capital vor duce nu
numai la creterea volatilitii, ci i a destabilizrii economiilor lor (Reisen, 1993). Unele
studii continuate de Doolez i Warner, 1995 n acest aspect au demonstrat c nu exist nici o
relaie ntre volatilitea i transferurile de capital ctre rile emergente. Alte cercetri conduse
de Kim i Signal (1993) au msurat comportamentul preurilor activelor emergente imediat
dup deschiderea unei piee investitorilor strini. Rezultatul a fost c nu exist nici un effect a
liberalizrii asupra volatilitii pietelor de capital.
Cel mai important factor care afectez ce influeneaz volatilitatea unei piee de
capital este n primul rnd informaia pietei respective. Dar cum acesta se rspndete rapid
ntre alte piee de capital, aa i volatilitatea se poate transfera odata cu ea, ceea ce i numim
efect de spillover. Printre primele lucrri care abordeaz tema efectelor de spillover n
varian este cea a lui Engle, Ito i Lin (1988) care introduc conceptele de heat wave i
meteor shower, cu referire la aspecte ale pieelor financiare. Pe de o parte, ipoteza de heat
wave presupune faptul c volatilitatea unui activ financiar este influenat de factori interni,
cum ar fi ocurile trecute i ptratul erorilor (care pot fi privite ca volatility surprise) din
ecuaia de medie condiionat a randamentelor. Dintr-o alt perspectiv, volatilitatea se afl
n strns legtur cu procesul fluxului informaional, nsemnnd c vetile (definite prin
ocuri, inovaii) urmeaz un fenomen de transmitere peste granie. Modificrile comune n
cursul activelor financiare din state diferite, corespund ipotezei de meteor shower.
Analogiile meteorologice pe care le implic cele dou concepte enunate mai sus, sunt
explicate n studiul lui Engle et al. (1990) de faptul c o zi clduroas n New York este
foarte probabil s fie urmat de o alt zi la fel de clduroas n acelai ora (heat wave) i
foarte puin probabil s influeneze starea vremii din Tokyo. ns, odat cu rotirea
Pmntului, o ploaie de meteorii care lovete New York-ul va fi urmat destul de probabil de
o ploaie de meteorii n Tokyo (meteor shower). Ba mai mult ipoteza de heat wave este
consistent cu faptul c principalele turbulene sunt cele din piaa spot i c un oc puternic
va mri voltilitatea numai la momentul spot spot. Tot el consider c ocurile se propag mai
degraba ca i meteor showers dect heat waves. Cea din urm ar presupune c
volatilitatea are doar autocorelarea rii respective, pe cand o inovaie dintr-o anumit pia
va fi transmis mai departe.
3

Volatilitatea pe piaa de capital este considerat a fi variabil asupra unei anumite


perioade, ceea ce nseamn c volatilitatea de astzi nu va fi aceei cu cea de mine, aadar ea
nu poate fi capturata dect printr-un model econometric. Engle et al. (1988) utilizeaz
modelul GARCH4 univariat n scopul testrii unei forme de eficien a pieelor financiare,
denumit dexteritate, care presupune c preurile activelor se ajusteaz instantaneu la fluxul
de informaie intern, cum sunt vetile legate de mediul macroeconomic din ara respectiv.
Concluziile studiului prezint un efect de spillover semnificativ n volatilitatea cursului de
schimb JPY/USD ntre New York i Tokyo, infirmnd astfel ipoteza de heat wave i deci,
de dexteritate a celor dou piee financiare.
Hamao, Masulis i Ng (1990) propun una dintre primele variante de cuantificare a
efectelor de spillover n volatilitate ntre diferite piee de capital. n acest sens au studiat
existena schimbrii preurilor i a efectelor volatilitii de-a lungul a 3 piee internaionale de
capial : Tokyo, Londra i New York cu modelul GARCH univariat. Analiza a cuprins
preurile zilnice de nchidere a principalilor indicator bursieri (Nikkei, FTSE i S&P),
realiznd mai nti estimarea unui model GARCH M5 pentru fiecare serie de rentabiliti
separat. Erorile ptratice rezultate din ecuaiile de medie condiionat au fost introduse ca
factori explicativi n dezvoltarea varianelor indicilor de care nu aparin. Se poate determina
astfel efectul pe care l au inovaiile strine asupra unui anumit indice.
O abordare asemntoare aparine lui Wei Ling Lin, Takatoshi i Robert D Engle
(1994), care investigheaz empiric cum rentabilitile i volatilitile indicilor bursieri sunt
corelai ntre Tokyo i New York. Folosind date zilnice care apoi au fost mprite n
rentabiliti zilnice i peste noapte, au estimat 2 modele care au fost comparate cu cel al lui
Hamao. Rezultatul a fost c rentabilitile i volatilitile sunt ncruciate ntre pietele de
capital si anume rentabilitile zilnice din New York sunt corelate cu cele din Tokyo de peste
noapte.
Alt studiu facut de Wen Ling Li, 1995 evalueaz legturile dintre pieele financiare
dezvoltate din New York, Londra i Tokyo i cele emergente din Taiwan i Hong Kong. Unul
dintre rezultatele prezentate consemneaz o dependen mai pronunat a burselor de valori
din Taiwan i Hong Kong de cursul indicelui american dect de evoluia pieei financiare din
Tokyo.

Generalized AutoRegressive Conditional Heteroskedasticity


Modelul GARCH-in-mean presupune introducerea varianei sau deviaiei standard ca termen explicativ n
ecuaia mediei condiionate, concretiznd astfel conceptul unei rentabiliti care depinde direct de riscul asumat
5

3. Cercetri empirice
3.1.

Consideraii generale

n modelarea econometric, variabilele considerate sunt de doua tipuri:


1. modele structurale, de forma regresiei liniare simple, n care se analizeaz relaia
dintre variabila endogen i valorile la acelai moment sau pentru momente
anterioare ale uneia sau mai multor variabile explicative, de forma:

yt xt t , t 1,2,..., T
2. serii de timp, pentru care comportamentul variabilei de interes este analizat numai
prin prisma informaiei coninute n valorile sale precedente i valoarea prezent
sau cele trecute ale unui termen eroare.
n cazul modelelor structurale, pentru ca asupra parametrilor de regresie s poat fi
aplicat inferena statistic, eroarea t trebuie s ndeplineasc setul de condiii GaussMarkov, anume s aib media

E ( t ) 0 i variana E ( t E ( t )) 2 E ( t2 ) 2 -

constant.
Dac t are o deviaie standard constant , care s nu depind de variabila
independent xt , spunem c ndeplinete condiia de homoscedasticitate. nclcarea acestei
presupuneri prin observarea unei legturi de dimensiune ntre erorile modelului de regresie i
variabilele deterministe, poart denumirea de heteroscedasticitate. Aceasta din urm este o
proprietate indezirabil pentru modelele structurale, ntruct parametrii estimai, dei
nedeplasai (unbiased) , nu vor mai fi eficieni.
Anterior am discutat despre media i variana necondiionate ale unei serii de timp,
ns obiectivul principal al studiului comportamentului variabilelor financiare l reprezint
posibilitatea previzionrii valorilor viitoare ale acestora pe baza informaiilor din trecut i a
celor din prezent. De aceea, pentru seriile de date se utilizeaz distribuiile condiionate de
informaia cunoscut pn n momentul analizei, putnd fi definite media i variana
condiionate.

3.2.

Modelul ARCH6

Rentabilitile variabilelor financiare reprezint principalele puncte de interes n


analiza econometric a seriilor de timp, mai ales din punctul de vedere al investitorului. Cum
multe serii economice prezint perioade cu volatiliti importante urmate de perioade fr nici
o variaie, ipoteza unei variatii constante (homostadicitate) este irelevant. Mai mult, exist
situaii n care un investitor va fi interesat s ii prognozeze variaia condiional a seriilor. Ca
i deintor de active financiare, el e intersat de rentabilitatea acestuia i de variaia lui asupra
unei perioade de timp.
Printre primii care au fcut cercetri n acest domeniu au fost Mandelbrot (1963) i
Fama (1965) care au demonstrat empiric faptul c distribuiile seriilor zilnice ale
rentabilitilor activelor financiare difer substanial de ipoteza utilizat pn atunci n teoria
finaciar, aceea a unor randamente independente, distribuite normal. Astfel, au fost revelate
dou evidene stilizate ale seriilor de rentabiliti, i anume leptokurtotica distribuiei acestora
comparativ cu cea normal (i.e. sunt mai multe valori n cozile distribuiei i n jurul mediei),
precum i fenomenul de autocorelare a volatilitii (volatility clustering i.e. tendina ca
perioade de volatilitate ridicat, descrise prin modificri mari, de orice semn, n rentabiliti,
s fie urmate de perioade de volatilitate ridicat, iar rentabilitile sczute, de orice semn, s
fie urmate de rentabiliti sczute). Acest din urm proces poate fi privit ca fiind rata cu care
ajung la investitori informaiile care influeneaz pieele financiare.
Modelul ARCH, introdus de Robert Engle (1982), vine n ntmpinarea acestor
caracteristici ale seriilor de randamente prin specificarea unei variane condiionate care
fluctueaz n timp, ncorpornd informaiile referitoare la evoluia rentabilitii. Totodat,
reuind s descrie volatilitile mai mari nregistrate n unele perioade, spre deosebire de
modelele cu variane constante, ine cont de existena mai multor valori extreme dect ar fi
ateptate n cazul unei distribuii normale pentru randamente. Construcia modelului ARCH
presupune stabilirea unei ecuaii de evoluie a rentabilitii (ecuaia mediei condiionate) i a
unei ecuaii pentru variana condiionat.
Astfel, considernd seria rentabilitilor unui activ financiar, calculat prin formula
compunerii continue: rt ln( Pt ) ln( Pt 1 ) , avem urmtoarele specificaii pentru modelul
ARCH:
a. media condiionat de informaia din trecut - mt E (rt | t 1 ) :
6

Autoregressive Conditional Heteroskedasticity

rt mt u t

i 1

j 1

cu mt i rt i j u t j

(2.1)

n acest fel, prin construirea unui model de dezvoltare a randamentelor de forma


ARMA( k, l ), se poate descrie evoluia rentabilitilor pe baza a k valori trecute ale acesteia
i a l valori trecute ale termenului eroare.
b. variana condiionat - ht Var (rt | t 1 )
Descrierea modelului ARCH pornete de la specificarea procesului pe care l urmeaz
erorile u t ale ecuaiei de medie. R. Engle (1982) consider c evoluia termenului eroare este
de forma u t t ht1 / 2 , unde t ~ N (0,1) este un zgomot alb Gaussian standard. n plus, se
face presupunerea de normalitate condiionat pentru erori, u t | t 1 ~ N (0, ht ) . Se observ c
variana

condiionat

rentabilitii

este

aceeai

cu

cea

erorilor,

Var (rt | t 1 ) E (( rt E ( rt )) 2 | t 1 ) E (u t2 | t 1 ) ht . Marea inovaie pe care o aduce


acest model relativ cu cele de regresie liniar sau de serii de timp, care impuneau o varian
constant a erorilor, este reprezentat de prezumia conform creia variana fluctueaz n
timp. n acest sens, Engle a propus urmtoarea ecuaie care s caracterizeze schimbarea
temporal a volatilitii:
p

ht 0 i u t2i

(2.2)

i 1

Relaia (2.2) definete un proces ARCH( p ) , pentru care variana din momentul analizei
depinde de ultimele p ptrate ale valorilor erorilor modelului de medie condiionat. Astfel,
se poate explica fenomenul de volatility clustering prin dependena volatilitii din prezent de
modificrile din trecut ale rentabilitii. Tot el a demonstrat c procesul ARCH genereaz
date cu cozi mai groase dect variable normale aleatorii, ceea ce arat c acest model este mai
protrivit s analizeze acele piee financiare a crui distribuie au cozi mari, pentru c are mai
multe evenimente extreme i frecvente dect o dostribuie normala.
Dac pn la apariia modelelor ARCH, condiionarea n varian era realizat fie prin
asocierea unor ponderi egale pentru observaiile utilizate n calcul pentru o perioad fix de
timp sau prin metoda EWMA7, ecuaia (2.2) presupune estimarea acestor ponderi ( i ) n
urma potrivirii modelului pe date.

Exponentially Weighted Moving Average presupune utilizarea unor ponderi care scad exponenial n funcie
de ct de ndepartate n timp sunt observaiile crora le sunt asociate

Parametrii sunt estimai pe baza metodei verosimilitii maxime, ntruct, spre deosebire de
modelele de regresie liniar, metoda celor mai mici ptrate nu mai poate fi aplicat acestui tip
de proces.
p

Condiia de staionariate n form slab a sistemului este

i 1

variana necondiiona fiind 2

0
p

1 i

1 , n acest caz

i 1

Aplicarea modelului ARCH implic o serie de limitri. n primul rnd, alegerea


valorii lui p , anume a numrului de reziduuri ptratice din model, poate ridica probleme
ntruct acest numr poate fi foarte mare (n cazul n care influenele din trecut asupra
volatilitii s persiste i s creasc). Totodat, asigurarea unei variane pozitive n urma
aplicrii modelului ARCH impune condiia non-negativitii parametrilor estimai n ecuaia
(2.2). Aceast cerin este cu att mai probabil a fi nclcat cu ct numrul de parametri este
mai mare.
3.3.

Modelul GARCH

Tim Bollerslev un fost student al lui Engle in anul 1986, a propus un model
generalizat autoregresiv conditional heteroscedastic (GARCH) care reprezint o generalizare
a modelului lui Engle (1982), utiliznd aceleai presupuneri referitoare la ecuaia mediei
condiionate i forma erorilor acesteia, dar specificarea ecuaiei volatilitii se face astfel:
p

i 1

j 1

ht i ut2i j ht j

(2.3)

Ecuaia (2.3) reprezint un model GARCH( q , p ) , interpretarea economic a acestuia fiind


dat de faptul c volatilitatea unui activ financiar poate fi prognozat pe baza unei constane, a
q dintre cele mai recente valori anterioare ale sale i a p erori ptratice. Dac p este

0,procesul se reduce la p=q=0 care nseamn simplu zgomot alb. Altfel spus, GARCH(1,1)
arat faptul c volatilitatea (ht) de azi este updat de volatilitatea si socul de ieri (ht-1) . ocul
pentru care lagul este mai mare de 2 este incorporat n volatilitatea de ieri in GARCH (1,1).
Practic modelul rezolv problema lagului din ARCH. Si aici avem impuse condiii de nonnegativitate asupra parametrilor, astfel nct s se asigure o varian pozitiv. Staionaritatea

n form slab a modelului este ndeplinit dac


p

i 1

j 1

i 1

j 1

i j 1 , cu variana necondiionat

dat de: Var (u t ) /(1 i j ) .


n practic, cel mai utilizat model este i cel mai simplu: GARCH(1,1). Specificarea
acestuia se face conform ecuaiei :
ht 1u t21 1 ht 1

cu , 1 , 1 0

(2.4),

Aadar, variana condiionat in modelul GARCH (1,1) este tot o medie ponderat de
reziduuri ptratice, cu deosebirea c aceste ponderi nu dispar niciodat.
Literatura de specialitate despre modelele GARCH este foarte extins, studii care
trateaz diferitele clase de modele ARCH fiind cele ale lui Bollerslev, Chou i Kroner (1992),
precum i Engle, Nelson i Bollerslev (1994).
3.4.

Analiza univariat

Urmnd metodologia utilizat de Wei et al. (1995), modelul univariat care ia n


considerare efectele de spillover n media i variana condiionate de la o pia financiar la
alta, este specificat astfel:
a. Ecuaia mediei:
ri ,t m i ,t ij r j ,t 1 u t (4.1), pentru i=unul din indici
ji

Astfel, rentabilitile la momentul t pentru indicele i , notate prin ri.,t , pot fi


previzionate pe baza valorilor trecute ale acestora, cuprinse n mi ,t , precum i pe baza
randamentelor de la momentul t 1 ale celorlali indici. n ecuaia (4.1), mi ,t are aceeai
dezvoltare n model ARMA utilizat n estimarea parametrilor. Coeficienii ij msoar
influena pe care o exercit rentabilitile pieelor strine, de la momentul anterior celui al
analizei, asupra randamentelor interne. Aadar cuantific efectul de spillover n media
condiionat.
b. Ecuaia varianei:

h i ,t i i u i2,t 1 i h i ,t 1 j u 2j ,t 1 (4.2), unde specificaia modelului de


ji

evoluie a varianei condiionate difer de ecuaia (2.4) prin includerea valorilor ptratice ale
erorilor u j . Acestea din urm sunt reziduurile rezultate n urma estimrii modelului
GARCH(1,1) specificat la punctul 3.2 al studiului, pentru randamentele indicelui j . n acest
mod, prin considerarea relaiei dintre variana la momentul t a rentabilitii indicelui i i
erorile ptratice ale indicelui j generate din aplicarea modelului GARCH(1,1) - t, se poate
cuantifica efectul de spillover n volatilitate de pe o pia financiar pe alta. Statistic, acest
efect este msurat prin nivelul de semnificaie a coeficienilor j .

4. Descrierea datelor i metodologia de cercetare


4.1.

Descrierea datelor

Avnd n vedere cele menionate la seciunile anterioare, lucrarea i propune s


studieze analiza fenomenului de spillover i anume de transmitere a volatilitii ntre pieele
de capital cu economii emergente i gradul de dependen a acestora fa de rentabilitile i
riscul pieelor de capital dezvoltate. Pentru aceasta am ales ri ca Romnia, Ungaria i Cehia,
ca i economii emergente i Anglia i SUA ca i economii dezvoltate la nivel regional,
global. n acest sens, am analizat interaciunile la nivelul volatilitilor dintre principalii indici
ale pieelor de capital din rile menionate mai sus (BET, BUX, PX, FTSE 100 i S&P), ale
cror cursuri explic tendina general a pieelor de capital din respectivele ri. n acelai
timp, vor fi estimate i interdependenele ce se stabilesc la nivelul mediilor condiionate ale
randamentelor celor cinci indici. Metodele econometrice utilizate n analiza empiric sunt
similare celor prezentate mai sus, evaluarea fenomenului de transmitere a volatilitii ntre
pieele financiare fiind realizat prin modele GARCH univariate.
Datele utilizate n studiu sunt reprezentate de preurile principalilor indici ai pieelor
de capital din rile mentionate. Acestea se constituie n 2828 de observaii zilnice, din
01.01.2000 pn la 01.05.2011. Indicele BET al Bursei de Valori Bucureti este cuantificat
sub forma unei medii ponderate a capitalizrii free floatului (reprezinta o estimare a
proportiei actiunilor care nu sunt detinute de actionari semnificativi) celor mai lichide 10
societi cotate pe piaa romneasc de capital. Acesta a fost cotat pentru prima dat n
19.09.1997, plecnd de la valoarea de 1000 de puncte.
10

Ali doi indici care comunic starea general a unor piee emergente sunt BUX i PX,
corespunznd burselor de valori din Budapesta i, respectiv, Praga. Indicele BUX a fost
prima dat cotat pe 1 Ianuarie 1995 acceptnd un maxim de 25 cele mai cotate aciuni de la
burs. PX, introdus pentru prima data n 1994 cuprindea la vremea respectiv primele 50 cele
mai lichide aciuni i a pornit cu o valoarea de 1,000 puncte.
Indicele FTSE 100 al pieei de capital din Londra i S&P al pieei americane pot fi
considerai ca fiind reperele de evoluie a pieelor financiare dezvoltate8. S&P, dupa indicele
Dow Jones, este unul printre cei mai importani existeni pe piata de capital global,
cuprinznd cele mai importante 500 companii publice cotate fie pe bursa de la New York, fie
pe cea de la NASDAQ. Indicele este realizat de compania Standards&Poors, o subdivizie a
companiei McGraw Hill.
Prin analiza legturilor dintre cei cinci indici, se pot trage concluzii referitoare la
adevratele corelri dintre pieele de capital si a riscurilor asociate cu astfel de investiii,
ntruct conform ipotezei pieei eficiente, inforaia se propag rapid i se incorporez eficient
n preurile activelor.
Valorile indicilor sunt redate n moneda local ntruct schimbrile de pre sunt
reflectate astfel numai de cursul aciunilor, nu i de posibile fluctuaii ale cursului de schimb.
Un prim pas in modelarea volatilitatii, este cel al testarii statisticilor descriptive ale
seriei de timp, acestea relevand trasaturi importante privind comportamentul seriei. Pentru ca
o serie de timp s fie staionar este necesar ca media seriei sa fie constant - adica
observatiile trebuie sa fluctueze in jurul mediei - precum si varianta seriei sa fie constanta.
Din punct de vedere economic, o serie este staionar dac un oc asupra seriei este temporar
(se absoarbe n timp) i nu permanent.

8
Conform International Finance Corporation (Levich, 2000), pieele financiare dezvoltate se caracterizeaz
printr-un raport al capitalizrii bursiere n PIB de 70-80%, iar cele emergente printr-un raport de 30-40% ; a se
consulta tabelul A.2.5.

11

Fig.1 Evoluia indicelui BET n perioada analizat

Testarea staionaritii seriilor de date este important, deoarece datele non-staionare


sunt imprevizibile si dificil de modelat, n special n cazul n care se dorete efectuarea unei
previzionri. Rezultatele obinute prin utilizarea datelor non-staionare pot fi false, n sensul
c pot indica o relaie ntre dou variabile, cnd de fapt ea nu exist. Astfel, pentru a obine
rezultate consistente, datele non-staionare trebuie transformate n staionare, prin
difereniere. Am analizat n figurile de mai jos staionaritatea seriei indicelui BET i pe restul
le-am sintetizat ntr-un tabel.

Fig 2 - Evoluia indicelui BET

Din momentul reprezentarii grafice a evolutiei indicelui BET (Fig1, Fig2) se poate
remarca faptul ca acesta prezinta niste trenduri, aspect ce sugereaza variabilitatea in timp a
12

indicatorului de medie si implicit, absenta stationaritii. Rezultatele statistice confirma acest


lucru. Astfel, distribuia evoluiilor zilnice ale valorilor de inchidere ale indicelui prezint
asimetrie pozitiv (ceea ce nseamn c, n perioada analizat indicele BET a avut o tendina
de cretere).

Fig3 - Testul Jarque Bera pentru BET

Cu ajutorul testului Jarque-Bera (Fig3) se verifica dac o distribuie este normal distribuit.
Testul msoar diferena dintre coeficientul de asimetrie i kurtotica distribuiei analizate cu
cele ale distribuiei normale. Testul are ca ipoteza nul: seria este normal distribuit. Astfel,
dac probabilitatea asociat testului este superioar nivelului de relevan ales (1%, 5% sau
10%), atunci ipoteza nul nu poate fi respinsa. n exemplul de mai sus, cum valoarea
probabilitii asociate este zero, se respinge ipoteza nul, cum c seria este normal distribuit.
O alta metoda de testare a staionaritii este oferita de testul Augmented DickeyFuller (Fig4). Acest test are ca ipotez nula faptul ca seria de date analizata nu este stationara

(are o radacina unitate). Daca valoarea testului este mai mica decat valoarea critica, ipoteza
nula este respinsa. In aplizarea testului de unit root ADF conduce la concluzia ca seria de
date este nestationara -valoarea atasata testului ADF (-1.21617) depaseste valorile critice
pentru toate nivelele de relevanta.
Tabelul 1 Testul ADF pentru indicele BET
ADFforBET

AugmentedDickeyFullerteststatistic
Testcriticalvalues:

1%level
5%level

13

tStatistic Prob.*
1.21617 0.6697
3.43247
2.86236

10%level

2.56725

Deoarece seria noastra de date BET nu este staionara i pentru c nu avem valori
negative sau egale cu zero, putem s folosim n analiza econometrica serii logaritmate. Vom
analiza staionaritatea seriile de date log(BET) ,obtinuta prin logaritmarea seriei BET si
dlog(BET) .

Fig4 Testul Jarque Bera asupra seriei BET de prima diferen

Aa cum arat i n Fig5, dupa aplicarea operatorului de prim diferen seriei de logaritmi,
indicele BET a crescut in medie cu 0.0901% de la o zi la alta in perioada ianuarie 2000 - mai
2011. Variatia maxima zilnica a fost de 14.5765%, iar scaderea zilnica cea mai mare a fost de
-13,1168%. Ipoteza nula a testului Jarque-Bera (seria este distribuita normal) este respinsa
(probabilitatea este mai mica decat oricare nivel de relevanta); se accepta ipoteza alternativa
si anume ca seria nu este distribuita normal.
Tabelul 2 - Testul ADF pentru log(BET)
ADFforLog(BET)

t
Statistic

AugmentedDickeyFullerteststatistic
Testcriticalvalues:

1%level
5%level
10%level

1.87786
3.43247
2.86236
2.56725

Prob.*
0.3431

Aplicarea testului unit root ADF asupra seriei de date log(BET), Fig6 conduce la
concluzia potrivit creia acesta serie este nestaionar (valoarea ataat testului ADF

14

depete pragul de semnificaie pentru toate nivelele de relevan , neputndu-se respinge


ipoteza nul).
Tabelul 3 - Testul ADF pentru dlog(BET)
ADFfordLog(Closingprice)
AugmentedDickeyFullerteststatistic
Testcriticalvalues:

1%level
5%level
10%
level

t
Statistic
47.4348
3.43247
2.86236

Prob.*
0.0001

2.56725

Prin aplicarea testului ADF pentru seria de prim diferen a indicelui BET, n urma
logaritmrii, att valoarea testului t, ct i probabilitatea indic respingerea ipotezei nule,
seria de timp fiind staionar, pentru un nivel de relevan (probabilitate de a grei) de 1%.
n tabelul de mai jos sunt detaliate testarea statiscilor descriptive pentru ceilalti
indicatori pentru seriile de prima diferen. n anexe se poate vedea rezultatele obtinute
pentru fiecare din aceti indicatori din Eviews.
Tabelul 4- Statistici descriptive indici

Mean
Median
Maximum
Minimum
Std. Dev.
Skewness
Kurtosis
JarqueBera
Probability

BET
BUX
PX
FTSE100
SP500
0.000901
0.000373
0.000343
-2.62E-05
-1.05E-05
0.000903
0.000000
0.000364
0.000000
0.000263
0.145765
0.131777
0.123641
0.093842
0.109572
-0.131168
-0.126489
-0.161855
-0.092646
-0.094695
0.018296
0.016742
0.015628
0.013227
0.013664
-0.291000
-0.036400
-0.423533
-0.061523
-0.038924
10.545170
8.961863
14.942040
9.390651
10.975640
6740.953000
4184.426000 16871.120000 4809.041000 7488.246000
0.000000
0.000000
0.000000
0.000000
0.000000

Dup cum reiese din figura de mai sus, gradul de performan exprimat de valoarea
medie a rentabilitii, este mai ridicat pentru indicii rilor n curs de dezvoltare, Romnia
avand indicatorul cel mai mare, urmat de Ungaria i Cehia i rezultnd chiar n valori
negative pentru economiile dezvoltate, Anglia i SUA. Cu toate acestea, indicele BET, care
are i cea mai mare rentabilitate medie, este printre cele mai volatile, avnd o deviaie
15

standard de aproximativ 1,83%. Acest fapt vine n sprijinul teoriei conform creia pieele
emergente sunt mai atractive prin randamente mari n comparaie cu cele ale pieelor
dezvoltate, dar prezint un grad de risc mai mare, exprimat prin volatilitate ridicat9. Toi cei
5 indici prezint un skewness diferit de 0, ceea ce indic un grad de asimetrie a distribuiei
fa de medie. Valoarea negativ indica o corelare negativ ntre schimbrile n volatilitate i
schimbrile din pia. Excesul de kurtotic10 indic o distributie leptokurtotic, distributie ce
se regaseste la majoritatea activelor financiare. ntrucat valoarea depete la toate seriile,
nseamn c distribuiile nu sunt normale. Probabilitatea de apariie a unui eveniment extrem
este superioar probabilitii de apariie a acelui eveniment implicat de o distribuie normal.
Ca urmare modelele de evaluare a preului i riscului activului respectiv pot genera erori dac
acestea presupun distribuia normal a acestuia.
4.2.

Aplicarea modelului GARCH(1,1) t

Modelul ARCH

Datele analizate mai sus indic posibilitatea existenei de efecte ARCH n observaii.
Pentru fiecare serie de rentabiliti n parte, acest fapt se exprim prin lipsa autocorelrii de
ordin superior, dar existena unei dependene neliniare, n ptratele valorilor datelor.
Prezumia existenei efectelor ARCH n seriile rentabilitilor este verificat prin testul
ARCH-LM, dezvoltat de Engle(1982). Ideea testului este de a controla dac erorile ptratice
din ecuaia de medie (2.1) sunt autocorelate. Astfel, se regreseaz u t2 fa de valorile sale
q

trecute, u t2 0 i u t2i vt (3.1), unde vt - reziduul regresiei. Apoi se testeaz ipoteza


i 1

nul de lips a autocorelrii H 0 : 1 02 0... q 0 n comparaie cu ipoteza alternativ,


H a : 1 0 2 0 ... q 0 . Testul statistic este obinut prin nmulirea numrului de
observaii T cu R 2 -coeficientul de determinare al regresiei (3.1) i urmeaz asimptotic o
distribuie 2 cu q grade de libertate.
n urma estimrii unei ecuaii autoregresive de ordin 1 pentru randamentul indicelui
BET, Fig9 de mai jos testul ARCH-LM(5) indic respingerea ipotezei nule a
homoscedasticitii la un nivel de 1% .

Bekaert i Harvey, 1997


Coeficientul kurtosis este 3 n cazul unei distribuii normale.

10

16

Tabelul 5 ARCH LM test pentru indicele BET

ARCH Test LM:


F-statistic
Obs*R-squared

269.4121
246.1075

Probability
Probability

0
0

Modelul GARCH(1,1)

ntruct testul ARCH respinge ipotza homoscedascitii la nivel de 1%, este necsar
modelarea varianelor condiionale ale acestora, Fig10.
Fig10 - GARCH(1,1) t-Student n cazul indicelui BET
Dependent Variable: DLOG(BET)
Method: ML - ARCH (Marquardt) - Student's t
distribution
Date: 06/02/11 Time: 23:32
Sample (adjusted): 2 2826
Included observations: 2825 after adjustments
Convergence achieved after 17 iterations
GARCH = C(2) + C(3)*RESID(-1)^2 +
C(4)*GARCH(-1)

Coefficient
Std. Error
0.00105
0.000225
Variance
Equation
1.21E-05
2.30E-06
0.231045
0.025425
0.754952
0.020161
5.219026
0.535648

C
RESID(-1)^2
GARCH(-1)
T-DIST. DOF

zStatistic Prob.
4.670659
0

5.263339
9.087307
37.44649
9.743391

Astfel, probabilitile asociate testului z-statistic indic semnificaie statistic la un


nivel de 1% pentru toi coeficienii ecuaiilor de medie i varian. Aadar modelul prezint
robustee statistic, ns trebuie efectuate testele de diagnostic specifice, pentru a putea
controla dac se respect presupunerile iniiale pe baza crora au fost estimai coeficienii. Un
prim test n acest sens se refer la verificarea reminiscenelor de efecte ARCH n reziduuri.
Rezultatele testului ARCH-LM aplicat reziduurilor standardizate rezultate din modelul
considerat, indic faptul c putem accepta ipoteza nul a homoscedasticitii acestora (Fig11).

17

0
0
0
0

Tabelul 6 - ARCH-LM pentru reziduurile standardizate ale indicelui BET

ARCH Test:
F-statistic
Obs*Rsquared

4.205219

Probability

0.040392

4.201938

Probability

0.040378

Pentru a demonstra faptul c modelul GARCH(1,1)- t este unul bine specificat pentru
datele indicelui BET, am realizat i testul Ljung+Box i am testat ipoteza nul, i anume lipsa
autocorelrii care nu mai poate fi respins pentru cazul reziduurilor standardizate i cele
ptratice. (Fig12)
Tabelul 7 - Testul Ljung Box pentru
Rezidurile standardizate
Lag

Rezidurile standardizate ptrate

AC

PAC

Q-Stat

Prob

LAG

AC

PAC

Q-Stat

Prob

0.118

0.118

39.304

0.039

0.039

4.2079

0.04

0.023

0.009

40.761

0.118

0.005

40.826

6.0445

0.109

0.001
0.001

0.003
0.025

4.2678

40.826

0.027

0.031

43.532

11.887

0.036

0.003

0.031
0.004

43.566

-0.04
0.015
0.001

10.968

11.895

0.064

0.032

0.032

46.516

0.098

0.016

0.008

47.204

12.512

0.13

0.01

0.007

47.492

15.355

0.082

10

0.004

0.001

47.543

10

-0.01
0.014
0.032
0.017

12.083

0.005
0.025
0.042
0.018
0.002
0.008
0.012
0.032
0.018

16.293

0.092

11

0.044

52.987

11

0.018

0.018

17.222

0.101

12

0.001

0.044
0.011

52.99

12

0.047

0.044

23.604

0.023

13

0.035

0.035

56.441

13

0.014

0.007

24.16

0.03

14

0.029

0.02

58.905

14

0.032

0.029

26.997

0.019

15

0.007

59.048

15

0.005

0.006

27.075

0.028

Concluzionnd, pe baza parametrilor estimai i a rezultatelor testelor de diagnostic,


modelul GARCH(1,1) cu erori distribuite t-Student este unul bine specificat pentru datele

18

indicelui BET cuprinse ntre 05/01/2000 i 10/05/2010. n anex se regasesc si rezultatele


obtinute pentru ceilali indici bursieri.
4.3.

Transmiterea volatilitii ntre piee

Rezultatele empirice ale studiului modelului univariat de spillover descris la punctul


3.4 se le vom analiza n urmtoarele 3 teste :
A. n primul test Fig13- vom analiza gradul de interaciune regional ntre

economiile emergente ale Romniei, Ungariei i Cehiei, prin cunatificarea legturilor ce se


stabilesc n evoluia volatilitilor indicilor BET, BUX i PX. n fiecare model al ecuaiilor de
varian condiionat, au fost incluse erorile ptratice sau ocurile de pe pieele strine. Lagurile acestori erori au fost alese folosind criteriile Akaike i Schwary. Cea mai potrivit
variant este aceea a dependenei volatilitii prezente a unui indice de ocurile de lag 1 ale
pieelor strine.
Tabelul 8 - Efecte regionale de spillover n varian interdependena BET, BUX, PX
ri,t mi,t ui,t , cu i = BET, BUX sau PX - fr efecte de spillover n media condiionat

hi ,t i i u i2,t 1 i hi ,t 1 1u12,t 1 2 u 22,t 1


BET

BET
BUX
PX

z-statistic
4.503654
6.279824

BUX
Coeficient
z-statistic
6.22E-06a
4.080396
0.072331a
6.529515

Coeficient
5.82e-06b
0.098025a

z-statistic
4.563144
6.964171

0.783250a

28.21220

0.900923a

64.53549

0.873365a

53.25332

-0.000151

-0.973231

-0.990E-05

-0.787444

-0.000297
0.000107

-1.022851
0.236606

-0.000595

PX

0.000437

-3.045671

-4.211891
-

pentru

H0:
a

Coeficient
9.21E-06b
0.207688a

14.969998a

15.448753a

15.674614c

reprezint semnificaie la 1%, reprezint semnificaie la 5%, reprezint semnificaie la


10%
Not: Testul hi-ptrat verific ipoteza nul a unor parametri nesemnificativi corespunztori
ocurilor strine

Figura de mai sus arat rezultatul efectelor de spillover n varian pentru pieele de
capital din rile emergente. Coeficienii corespunztori erorilor ptratice care au rezultat din
ecuaiile de medie condiionat ale indicilor BUX i PX au introduse n ecuaia de varian a
19

indicelui BET, prezint semnificaie statistic la un nivel de 5%, respectiv 1%. Se observ
astfel c cel mai mare coeficient de spillover este cel corespunztor indicelui PX, nruct este
de aproximativ trei ori mai mic dect parametrul al ocurilor interne. Aceste descoperiri
sunt consistente cu prezena simultan a efectelor de heat wave i meteor shower n
volatilitatea BET. S-a demonstrat astfel c evoluia volatilitii indicelui BET este influenat
n mod semnificativ de informaia primit din zona rilor central europene considerate.
Se mai observ deasemnea un efect bidirecional n transmiterea volatilitii ntre
pieele de capital din Budapeste i Praga, datorit legturii n evoluia randamentelor indicilor
din rile respective. n cazul Romniei exist o influen unidirecional dinspre celelalte
doua ri cu economii emergente, ntruct ocurile de pe piaa de capital de la Bucureti nu
sunt semnificative n a explica volatilitatea indicilor bursieri din Ungaria i Cehia
Prin urmare, studiul fcut demonstreaz influena semnificativ exercitat de
informaiile de pe pieele din Ungaria i Cehia asupra evoluiei varianei indicelui BET
(efectul invers nu a fost descoperit).
B. Cel de-al doilea test Fig14-

din cercetarea lucrrii surprinde influena

unidirecionale a pieelor financiare din Anglia i SUA asupra volatilitii indicelui BET.
Motivaia acestei abordri este dat de cuantificarea gradului de dependen a pieei de
capital din Romnia de economiile dezvoltate de la nivel european i global.
Asemntor studiului de mai sus, i n acest caz se aplic modelul GARCH i se alege
variana numrul de laguri ale efectelor de spillover pe baza minimizrii criteriilor Akaike i
Schwarz.
Tabelul 9 - Estimarea modelului GARCH(1,1) t* pe indicele BET, cu spillover n
varian
Dependent Variable: RESID_BET
Method: ML - ARCH (Marquardt) - Student's t distribution
Sample (adjusted): 2 2826
Included observations: 2825 after adjustments
Convergence achieved after 20 iterations
GARCH = C(2) + C(3)*RESID(-1)^2 + C(4)*GARCH(-1) + C(5)
*RESID_FTSE +
C(6)*RESID_SP
Coefficient

Std. Error

z-Statistic

Prob.

4.02E-05
Variance
Equation

0.000225

0.178635

0.8582

1.20E-05

2.31E-06

5.199227

20

RESID(-1)^2
GARCH(-1)
RESID_FTSE
RESID_SP
T-DIST. DOF
R-squared
Adjusted Rsquared
S.E. of regression
Sum squared resid
Log likelihood

0.21868
0.763526
-0.000556
3.19E-06
5.201892

0.02439
0.019875
0.000453
0.000475

8.966107
38.41712
-1.226118
0.006714

0.531643

9.784555

0
0
0.2202
0.9946
0

-0.000107

Mean dependent var

-0.000149

-0.002237
0.018316
0.945413

S.D. dependent var


Akaike info criterion
Schwarz criterion

0.018296
-5.606882
-5.592148

7926.721

Durbin-Watson stat

1.769306

Din estimrile rezultate mai sus, se observ faptul c inovaiile (i.e. ocurile) din
ecuaia mediei condiionate a randamentelor indicelui FTSE100 sunt semnificative statistic la
niveluri de 5%. Pentru un nivel de semnificaie de 10%, nu putem respinge ipoteza nul a
lipsei de influen exercitate de erorile ptratice ale indicelui S&P500 asupra volatilitii de
pe piaa de capital din Romnia.
Faptul c informaiile din afara granielor, mai ales cele ce vin din Aglia, influeneaz
variana indicelui BET, se poate traduce printr-o vitez de ajustare mai redus a pieei de
capital din Romnia la ocurile externe. Astfel rezultatele arat c n determinarea indicelui
BET, cel mai important factor este valoarea acestuia de lag1 i printre factorii de influen se
gsesc n ocurile indicelui FTSE (wave heat i meteor shower)
C. Ultimul test -Fig15- surprinde efectele de spillover pentru cazul universal, n care

sunt luate n considerare n ecuaia de varian a fiecrui indice informaiile de pe toate


celelalte piee.
n cazul indicelui BET, aa cum s-a determinat i n modelele de mai sus i n acest
caz se observ un nivel semnificativ de spillover dinspre indicii BUX i PX ai pieelor
emergente. Mai mult, coeficienii ocurilor de pe pieele de capital din Ungaria i Cehia au
aproximativ aceleai valori la acelai nivel de semnificaie i dup introducerea erorilor
ptratice ale FTSE i S&P n modelul de evoluie a volatilitii randamentelor BET. n acelai
timp, este de remarcat faptul c parametrii inovaiilor primite de pe pieele dezvoltate nu mai
sunt semnificativi n cazul indicelui pieei din Romnia. Aadar, atunci cnd se consider
efectele simultane ale ocurilor din evoluia tuturor celorlai indici analizai, volatilitatea BET
nu mai este influenat dect de informaiile transmise de pieele emergente.
n ecuaia de varian a indicelui BUX, parametrii de spillover care prezint
semnificaie statistic sunt cei ai erorilor ptratice ale PX i S&P. Acest fapt vine n sprijinul
21

rezultatelor prezentate la punctul A, cu un coeficient corespunztor inovaiilor bursei din


Praga asupra volatilitii BUX aproximativ egal n cele dou analize considerate. De
asemenea, pentru indicele PX se pstreaz dependena de ocurile de pe piaa maghiar, la
acelai nivel de semnificaie ca la punctul A. n acelai timp ns, exist efecte semnificative
de spillover n volatilitatea PX i din direcia pieelor dezvoltate. Modelele studiate n cazul
indicilor FTSE i S&P indic semnificaie statistic a parametrilor care presupun influena
reciproc. Cu toate acestea, valorile coeficienilor de spillover care prezint semnificaie
statistic pentru volatilitatea FTSE, nu sunt i semnificative economic.
Rezulatele prezentate sunt n concordan cu concluziile studiului lui Scheicher
(2001), n sensul unei interaciuni pronunate ntre volatilitile statelor cu economii
emergente i o slab dependen a acestora de ocurile de pe piaa american.

22

10 - Efectele totale de spillover n varian


i ,t u i ,t , cu i = BET, BUX, PX, FTSE sau S&P fr efecte de spillover n media condiionat

i u i2,t 1 i hi ,t 1 1u12,t 1 2 u 22,t 1 3 u 32,t 1 4 u 42,t 1


BET
Coeficient
z-statistic
1.23E-05b
5.250861
0.220730a
8.920307

BUX
Coeficient
z-statistic
5.60E-06a
4.010771
0.067103a
6.359599

PX
Coeficient
5.00E-06a
0.085187a

z-statistic
4.527908
6.932219

FTSE
Coeficient
z-statistic
1.51E-06a
4.664886
0.064508 b
7.165566

S&P
Coeficient
z-statistic
9.87E-07
4.970534
0.038612a
5.942740

0.760392a

37.83675

0.908042a

68.49475

0.88777a

61.28396

0.920409a

98.69105

0.950365a

140.5003

-0.000173

-1.130724

-0.000115

-1.064373

-3.03E-05a

-0.840139

1.35E-05

0.343419

-0.872503

-0.000148

-2.226880

6.69E-05

1.120061

-4.06e-05

-0.383907

6.64E-05

1.69E-05

-0.000420

0.053114
a

-0.000363
0.000108

-1.15558

-0.000224

-0.753195

-0.000899

0.226746

0.000206

-0.000133

-0.894321

-2.018876
0.49277

-0.000886
-6.56E-05

-2.980717
-0.238099

-0.000697

-0.001159

-6.479699

0.753694
b

-9.263633
-

14.954256a

15.331078a

15.447692a

16.3373a

14.289175c

nt semnificaie la 1%, b reprezint semnificaie la 5%, c reprezint semnificaie la 10%


Sub ipoteza nul a coeficienilor de spillover egali cu 0, testului Wald este distribuit asimptotic de hi-ptrat cu numrul de grade
egal cu numrul de restricii impuse modelului, 4 n acest caz

23

5. Concluzii

Aceast lucrare si-a propus s studieze identificarea i cuantificarea fenomenului de


transmiterea volatilitii ntre pieele de capital i n acelai timp i creearea unei viziuni de
ansamblu privind gradul de depende a pieei de capital din Romnia fa de alte piee de
capital din ri cu enomii emergente sau fa de ri foarte dezvoltate. n cazul nostru, am
folosit ca i economii emergente ri apropiate Romniei, Ungaria i Praga i ca SUA
respectiv Anglia ca ri foarte dezvoltate.
n acest scop, am valuat empiric legturile dintre volatilitile indicilor ai celor cinci
piee de capital. Pentru nceput, am constituit o abordare teoretic a procesului de spillover
prin prezentarea principalelor curente teoretice i prezentarea teoriilor financiare relevante, de
la cele clasice la cele moderne, prin care sunt surprinse aspecte ale subiectului de cercetare.
Am prezentat starea actual a cercetrii tiinifice din domeniu i rezultatele obinute dintr-o
selecie de articole din literatura de specialitate.
Pentru realizarea studiului am folosit ca i date rentabilitile zinlice ale indicilor
BET, BUX, PX, FTSE100 i S&P500 din perioada 05.01.2000 02.05.2011. O analiz
preliminar a statisticilor descriptive pentru a vedea c seriile de timp folosite nu sunt
staionare ale acestora conduce la specificarea unui model GARCH(1,1) cu erori distribuite tStudent pentru ecuaiile varianelor condiionate. n urma acestei operaiuni, se parcurge
etapa aplicrii modelului univariat de cunatificare a efectelor de spillover n volatilitate.
Variana condiional obtinut prin aplicarea modelului GARCH(1,1) este introsus ca i
media ecuaiei n modelul univariat. Rezultatele obinute n cadrul acestei metodologii indic
un grad redus de integrare a pieei de capital din Romnia cu cele dezvoltate ale Anglia i
SUA i influene semnificative ale indicilor BUX i PX n explicarea evoluiei volatilitii
BET.
Aadar rezultatelor obinute prezint implicaiile asupra pieei de capital din Romnia
n sensul unei dependene mai pronunate de factorii de influen ai celorlalte piee emergente
considerate, precum i al unui grad redus de integrare cu bursele de valori din rile cu
economii dezvoltate de la nivel regional i global.

6. Bibliografie

24

Bekaert, G., Harvey, C. (1997): Emerging Equity Market Volatility, Journal of


Financial Economics, Vol. 43, pp. 29-77
Bollerslev, T. (1986): Generalized Autoregressive Conditional Heteroskedasticity,
Journal of Econometrics, Vol. 31
Codrlau, A. (2007): Econometrie aplicat utiliznd Eviews 5.1, Academia de
Studii Economice
Canarella, G, Suni K. Sapra (2007): Asymetry and Sprillover Effects in the North
Americs Equity Markets, www.ssrn.com
Engle, R. (1982): Autoregressive Conditional Heteroscedasticity with Estimates of
the Variance of United Kingdom Inflation, Econometrica, Vol. 50, No. 4, pp. 9871007
Engle, R., Ito, T., Lin, W. (1988): Meteor showers or heat waves? Heteroskedastic
intra-daily volatility in the foreign exchange market, NBER Working Paper No.
2609
Ederington, H.L. (2004): Foresting volatility, The Journal of Business, Vol. 38, No.
1, pp. 34-105
Fama, E. (1965): The Behavior of Stock-Market Prices, www.ssrn.com
Gebka, B., Serwa, D. (2007): Intra- and inter-regional spillovers between emerging
capital markets around the world, Research in International Business and Finance,
Vol. 21, pp. 203-221
Geert, B, Campbell R. (2002): Emerging markets fiance, www.ssrn.com
Gujarati, D.N. (2004): Basic Econometrics, McGraw-Hill
Jong. C, B (2001): Implied GARCH volatility forescating, www.ssrn.com
Hamao, Y., Masulis, R., Ng, V. (1990): Correlations in Price Changes and Volatility
across International Stock Markets, The Review of Financial Studies, Vol. 3, No. 2,
pp. 281-307
Kasch-Haroutounian, M., Price, S. (2001): Volatility in the Transition Markets of
Central Europe, Applied Financial Economics, Vol. 11, pp. 93-105
Lee, J.(2001): Curreny Risk and Volatility Spillover in Emerging Foreign Exchange
Markets, www.ssrn.com
Mandelbrot, B. (1963): The Variation of Certain Speculative Prices, The Journal of
Business, Vol. 36, No. 4
Ng, A. (2000): Volatility spillover effects from Japan and the US to the Pacific
Basin, Journal of International Money and Finance, Vol. 19, pp. 207-233
Wei, J., Liu, Y.-J., Yang, C.-C., Chaung, G.-S. (1995): Volatility and price change
spillover effects across the developed and emerging markets, Pacific-Basin Finance
Journal, Vol. 3, pp.113-136
Catalin Cristian Darasteanu, Analiza Riscului de Portofoliu prin Utilizarea
Modelelor GARCH: Studiu de Caz
www.bvb.ro
www.kmarket.ro
www.imf.com

25

7. Anexe
Anexa 1 Baza de date folosita
Data

BET

BUX

PX

FTSE 100

S&P 500

01/05/2000

461

8,464

485

6,536

1,402

01/06/2000

484

8,483

495

6,447

1,403

01/07/2000

526

8,694

499

6,505

1,441

01/10/2000

541

8,978

507

6,608

1,458

01/11/2000

532

8,881

506

6,519

1,439

01/12/2000

528

8,910

502

6,533

1,432

01/13/2000

531

9,085

505

6,532

1,450

01/14/2000

553

9,495

517

6,658

1,465

01/17/2000

558

9,858

523

6,670

1,465

01/18/2000

548

9,781

522

6,505

1,455

01/19/2000

555

9,803

527

6,445

1,456

01/20/2000

555

9,965

540

6,349

1,446

01/20/2000

555

9,965

540

6,349

1,446

01/21/2000

553

9,794

549

6,346

1,441

01/24/2000

553

9,685

546

6,380

1,402

..

4/6/2011

5,951

24,337

1,275

6,041

1,336

4/7/2011

6,012

24,451

1,273

6,007

1,334

4/8/2011

6,068

24,433

1,271

6,056

1,328

4/11/2011

5,996

24,376

1,264

6,053

1,324

4/12/2011

5,944

23,747

1,237

5,965

1,314

4/13/2011

5,988

23,886

1,250

6,010

1,314

4/14/2011

5,946

23,766

1,235

5,964

1,315

4/15/2011

5,933

24,194

1,240

5,996

1,320

4/18/2011

5,900

23,285

1,223

5,870

1,305

4/19/2011

5,877

23,601

1,233

5,897

1,313

4/20/2011

5,941

23,990

1,242

6,022

1,330

4/21/2011

5,867

24,090

1,255

6,018

1,337

4/22/2011

5,917

23,964

1,252

6,018

1,337

4/26/2011

5,894

24,166

1,248

6,069

1,347

4/27/2011

5,936

24,111

1,264

6,068

1,356

4/28/2011

5,978

24,277

1,264

6,070

1,360

4/29/2011

5,925

24,162

1,261

6,070

1,364

5/2/2011
5,875
24,272
1,275
6,070
1,361
Nota: Pentru a avea aceleasi serii de timp, s-a folosit ca si referinta datele de tranzactionare BET si ziua in care nu s-a
tranzactionat
Indicele respectiv, s-a luat valoarea din ziua precedenta.

26

Anexa 2 Analiza indicele BUX


Fig2.1.- Evoluia preului i a rentabilitii

Fig2.2.- Testul Jarque Bera

Fig2.3.- Testul ADF

AugmentedDickeyFullerteststatistic
Testcriticalvalues:

1%level
5%level
10%level

Fig2.4.- Testul GARCH(1,1)


Dependent Variable: DLOG(BUX)
Method: ML - ARCH (Marquardt) - Student's t
distribution
Date: 06/04/11 Time: 18:46
Sample (adjusted): 2 2826
Included observations: 2825 after adjustments

27

tStatistic

Prob.*

25.4429
3.43248
2.86237
2.56725

Convergence achieved after 12 iterations


Variance backcast: ON
GARCH = C(2) + C(3)*RESID(-1)^2 + C(4)*GARCH(-1)
Coefficient
C

0.000559

Std. Error
0.000252

z-Statistic

Prob.

2.222184

0.0263

Variance Equation
C
RESID(-1)^2
GARCH(-1)

6.00E-06
0.080329
0.896781

1.56E-06
0.011557
0.014194

3.840511
6.950746
63.18179

0.0001
0
0

T-DIST. DOF

7.60379

0.99456

7.645382

Fig2.5.- Testul Ljung Box pentru rezidurile standardizate


QStat

Prob

0.028
0.028
0.015

2.2276

0.136

4.3339

0.115

5.1417

0.162

0.045

0.045

10.759

0.029

0.029
0.015

13.639

0.018

14.348

0.026

0.032
0.016
0.024

-0.02

15.938

0.026

0.031

0.03

18.608

0.017

0.015

19.79

0.019

10

0.02
0.031

-0.03

22.431

0.013

11

0.005

22.502

0.021

12

0.001

0.011
0.002

22.504

0.032

13

0.004

22.554

0.047

14

0.007

0.009

22.678

0.066

15

0.003

22.678

0.091

Lag

AC

PAC

0.028
0.027
0.017

4
5

1
2

Fig2.6.- Modelul GARCH(1,1) cu spillover n varian


Dependent Variable: RESID_BUX
Method: ML - ARCH (Marquardt) - Student's t
distribution
Date: 06/05/11 Time: 00:36
Sample (adjusted): 2 2826
Included observations: 2825 after adjustments
Convergence achieved after 14 iterations

28

Variance backcast: ON
GARCH = C(2) + C(3)*RESID(-1)^2 + C(4)*GARCH(1) + C(5)
*RESID_BET + C(6)*RESID_PX +
C(7)*RESID_FTSE + C(8)
*RESID_SP
Coefficient
C

Std. Error
0.000153

z-Statistic

Prob.

0.000257

0.593727

0.5527

Variance Equation
C
RESID(-1)^2

5.60E-06
0.067103

1.40E-06
0.010551

4.010771
6.359599

0.0001
0

GARCH(-1)

0.908042

0.013257

RESID_BET

-0.000173

0.000153

RESID_PX

-0.000224

0.000251

RESID_FTSE
RESID_SP

-0.000899
0.000206

0.000445
0.000417

68.49475
1.130724
0.894321
2.018876
0.492777

0.0435
0.6222

T-DIST. DOF

8.19705

1.149007

7.134028

Anexa 3 Analiza indicele PX


Fig3.1.- Evoluia preului i a rentabilitii

Fig3.2.- Testul Jarque Bera

29

0.2582
0.3712

Fig3.3.- Testul ADF


t-Statistic
Augmented Dickey-Fuller test statistic
Test critical values:

Prob.*

-49.32246
1% level
5% level
10% level

0.0001

-3.432474
-2.862364
-2.567253

Fig3.4.- Testul GARCH(1,1)


Dependent Variable: DLOG(PX)
Method: ML - ARCH (Marquardt) - Student's t distribution
Date: 06/04/11 Time: 18:47
Sample (adjusted): 2 2826
Included observations: 2825 after adjustments
Convergence achieved after 16 iterations
Variance backcast: ON
GARCH = C(2) + C(3)*RESID(-1)^2 +
C(4)*GARCH(-1)
Coefficient
C

Std. Error

0.001025

zStatistic

Prob.

0.000208

4.931371

1.22E-06
0.014409

3.882067
7.535882

0.0001
0

Variance Equation
C
RESID(-1)^2

4.72E-06
0.108583

GARCH(-1)

0.871497

0.016251

53.62868

T-DIST. DOF

6.677929

0.759324

8.794566

Fig3.5.- Testul Ljung Box pentru rezidurile standardizate


Log
1

AC

PAC

QStat

Prob

0.055

0.055

8.5835

0.003

30

0
0.012

8.6076

0.014

0.003
0.011

8.9701

0.03

0.036

0.037

12.652

0.013

0.019
0.008
0.005

14.176

0.015

14.252

0.027

0.023
0.005
0.006

14.367

0.045

0.024

0.024

16.017

0.042

0.042

0.038

21.009

0.013

10

0.02

0.015

22.13

0.014

11

0.015

0.014

22.755

0.019

12

0.047

28.928

0.004

13

0.002
0.024
0.008

0.045
0.006
0.026
0.005

28.943

0.007

30.545

0.006

30.707

0.01

14
15

Fig3.6.- Modelul GARCH(1,1) cu spillover n varian


Included observations: 2825 after
adjustments
Convergence achieved after 15 iterations
Variance backcast: ON
GARCH = C(2) + C(3)*RESID(-1)^2 + C(4)*GARCH(-1) + C(5)
*RESID_BET + C(6)*RESID_BUX + C(7)*RESID_FTSE +
C(8)
*RESID_SP
Coefficient
C

0.000209

Std. Error

z-Statistic

Prob.

0.000214

0.979307

0.3274
0
0
0

Variance Equation
C
RESID(-1)^2
GARCH(-1)

5.00E-06
0.085187
0.887777

1.10E-06
0.012289
0.014486

RESID_BET

-0.000115

0.000108

RESID_BUX

-0.000133

0.000153

RESID_FTSE

-0.000886

0.000297

RESID_SP

-6.56E-05

0.000275

4.527908
6.932219
61.28396
1.064373
0.872503
2.980717
0.238099

T-DIST. DOF

7.024755

0.834003

8.422937

31

0.2872
0.3829
0.0029
0.8118
0

Anexa 4 Analiza indicele FTSE100


Figr4.1.- Evoluia preului i a rentabilitii

Fig4.2.- Testul Jarque Bera

Fig4.3.- Testul ADF


t-Statistic
Augmented Dickey-Fuller test statistic
Test critical values:

-27.45023
1% level
5% level
10% level

Fig4.4.- Testul GARCH(1,1)


Dependent Variable: DLOG(FTSE100)

32

-3.432477
-2.862365
-2.567254

Prob.*
0

Method: ML - ARCH (Marquardt) - Student's t distribution


Date: 06/04/11 Time: 18:27
Sample (adjusted): 2 2826
Included observations: 2825 after adjustments
Convergence not achieved after 500 iterations
Variance backcast: ON
GARCH = C(2) + C(3)*RESID(-1)^2 + C(4)*GARCH(-1)
Coefficient
C

Std. Error

0.000457

zStatistic

Prob.

0.000165

2.776832

0.0055

Variance Equation
C
RESID(-1)^2
GARCH(-1)

1.30E-06
0.096861
0.897018

3.73E-07
0.011295
0.010825

3.492412
8.575352
82.86777

0.0005
0
0

T-DIST. DOF

10.0816

1.992084

5.060829

Fig4.5.- Testul Ljung Box pentru rezidurile standardizate


AC
0.049
0.017
0.041

PAC
0.049

QStat

Prob

6.7713

0.009

-0.02
0.043

7.6305

0.022

12.327

0.006

0.034

0.029

15.525

0.004

0.002
0.019

0.004
0.019

15.537

0.008

16.556

0.011

0.01
0.009
0.008
0.014

0.011

16.857

0.018

-0.01

17.103

0.029

-0.01
0.013

17.276

0.045

17.813

0.058

0.035

0.032

21.308

0.03

0.016
0.019

0.018
0.017
0.008
0.017

22.019

0.037

23.09

0.041

23.401

0.054

23.968

0.066

-0.01
0.014

Fig4.6.- Modelul GARCH(1,1) cu spillover n varian


Dependent Variable: RESID_FTSE

33

Method: ML - ARCH (Marquardt) - Student's t distribution


Date: 06/05/11 Time: 00:51
Sample (adjusted): 2 2826
Included observations: 2825 after adjustments
Convergence not achieved after 500 iterations
Variance backcast: ON
GARCH = C(2) + C(3)*RESID(-1)^2 + C(4)*GARCH(-1) + C(5)
*RESID_BET + C(6)*RESID_BUX + C(7)*RESID_PX + C(8)
*RESID_SP
Coefficient
C

Std. Error

z-Statistic

Prob.

0.000213
Variance
Equation

0.000167

1.276896

0.2016

C
RESID(-1)^2

1.51E-06
0.064508

3.23E-07
0.009003

4.664886
7.165566

0
0

GARCH(-1)
RESID_BET
RESID_BUX

0.920409
3.03E-05
-0.000148

0.009326
3.61E-05
6.64E-05

0
0.4008
0.026

RESID_PX

-4.06E-05

0.000106

RESID_SP

-0.000697

0.000108

98.69105
0.840139
-2.22688
0.383907
6.479699

11.69294

2.519601

4.64079

T-DIST. DOF

Anexa 5 Analiza indicele S&P500


Figr5.1.- Evoluia preului i a rentabilitii

Fig5.2.- Testul Jarque Bera

34

0.701
0

Fig5.3.- Testul ADF

t-Statistic
Augmented Dickey-Fuller test statistic

Prob.*

-42.24334

Test critical values:

1% level
5% level
10%
level

-3.432475
-2.862365
-2.567254

Fig5.4.- Testul GARCH(1,1)


Dependent Variable: DLOG(SP500)
Method: ML - ARCH (Marquardt) - Student's t distribution
Date: 06/04/11 Time: 18:29
Sample (adjusted): 2 2826
Included observations: 2825 after adjustments
Convergence achieved after 15 iterations
Variance backcast: ON
GARCH = C(2) + C(3)*RESID(-1)^2 + C(4)*GARCH(-1)
Coefficient
C

0.000554

Std. Error

zStatistic

Prob.

0.000162

3.411411

0.0006

Variance Equation
C
RESID(-1)^2
GARCH(-1)

7.40E-07
0.074812
0.923784

2.83E-07
0.009962
0.009244

2.613461
7.510002
99.92827

0.009
0
0

T-DIST. DOF

6.488119

0.839654

7.727131

Fig5.5.- Testul Ljung Box pentru rezidurile standardizate


AC
0.055

PAC
0.055

QStat

Prob

8.5288

0.003

35

0.038

0.001

0.041
0.003
0.001

0.004
0.034
0.003
0.005
0.021

0.004
0.034
0.006
0.008
0.023

12.676

0.027

16.034

0.014

16.056

0.025

16.127

0.041

17.418

0.043

0.013
0.004

0.01
0.004

17.932

0.056

17.976

0.082

0.033

0.033

21.153

0.048

0.041

0.044
0.003
0.028

25.892

0.018

26.191

0.024

28.523

0.019

0.001

-0.01
0.029

12.629

0.002

12.633

0.006

12.635

0.013

Fig5.6.- Modelul GARCH(1,1) cu spillover n varian


Dependent Variable: RESID_SP
Method: ML - ARCH (Marquardt) - Student's t distribution
Date: 06/05/11 Time: 01:00
Sample (adjusted): 2 2826
Included observations: 2825 after adjustments
Convergence not achieved after 500 iterations
Variance backcast: ON
GARCH = C(2) + C(3)*RESID(-1)^2 + C(4)*GARCH(-1) + C(5)
*RESID_BET + C(6)*RESID_BUX + C(7)*RESID_PX + C(8)
*RESID_FTSE
Coefficient
C

0.000165

Std. Error

z-Statistic

Prob.

0.000164

1.006777

0.314

Variance Equation
C
RESID(-1)^2
GARCH(-1)
RESID_BET

9.87E-07
0.038612
0.950365
1.35E-05

1.99E-07
0.006497
0.006764
3.92E-05

4.970534
5.94274
140.5003
0.343419

0
0
0
0.7313

RESID_BUX
RESID_PX

6.69E-05
6.64E-05

5.97E-05
8.82E-05

0.2627
0.451

RESID_FTSE

-0.001159

0.000125

1.120061
0.753694
9.263633

T-DIST. DOF

7.677681

1.161262

6.611496

36