Proiect de cercetare PNII IDEI 829 MODELAREA COMPORTAMENTULUI ECONOMIC OBSERVAT PE BAZA DE EXPERIMENT PRIN METODA STIINTEI COMPLEXITATII.

. STUDIU DE CAZ BURSA DE VALORI BUCURESTI

SINTEZA RAPORTULUI DE CERCETARE

ETAPA SEPTEMBRIE 2009

Echipa proiectului: Conf. Univ. Dr. Radu Lupu Prof. Univ. Dr. Alexandra Horobe Cercet. Dr. tefan Gheorghiu Asist. Univ. Drd. Dan Dumitrescu Prep. Univ. Drd. Sorin Dumitrescu Asist. Cercet. Drd. Iulia Lupu Abstract
Proiectul IDEI 829 are ca scop ob inerea de informa ii cu privire la caracteristicile comportamentale ale investitorilor pe o pia reglementat , de tipul Bursei de Valori Bucure ti, prin intermediul constituirii unui joc de burs care s func ioneze sub forma unui chestionar dinamic. Activitatea de cercetare realizat n acest an a constat n dezvoltarea cunoa terii n ceea ce prive te comportamentul agen ilor la burs prin continuarea activit ii din anii anteriori n urm toarele direc ii: monitorizarea i revizuirea simulatorului de burs la care au participat 58 de juc tori pentru toate cele 66 de active; constituirea i analizarea bazei de date cu tranzac iile realizate n bursa virtual ; derularea unor experimente pe baz de chestionar pentru identificarea profilului juc torilor de la bursa virtual ; derularea de experimente pe baz de chestionar pentru caracterizarea procesului de luare a deciziei i identificarea factorilor care o influen eaz ; realizarea unor studii cu privire la prejudec ile cognitive i modul n care agen ii reac ioneaz ca urmare a acestor activit i i modelarea pe baz de agen i inteligen i date fiind aceste propriet i psihologice; realizarea unui articol privind modul n care agen ii reac ioneaz la informa ii de tip fundamental care vizeaz evolu ia macroeconomic i rela ia dintre acestea i economia real ; realizarea unui articol cu privire la propriet ile statistice ale randamentelor pentru tranzac iile cu frecven de 5 minute; realizarea unui articol care vizeaz analiza modului n care informa iile sunt transmise la nivel interna ional pe pia a de capital european .

Cuvinte cheie Pia a de capital; Finan e comportamentale; Modelare econometric ; Modelare pe baz de agen i
Proiectul IDEI 829 are ca scop ob inerea de informa ii cu privire la caracteristicile reglementat , de tipul Bursei de Valori Bucure ti, prin

comportamentale ale investitorilor pe o pia

intermediul constituirii unui joc de burs care s func ioneze sub forma unui chestionar dinamic.

Acest raport de cercetare prezint

rezultatele ncerc rii de ob inere a caracteristicilor

comportamentale att prin intermediul chestionarului ct i prin metoda construit prin acest proiect care presupune elaborarea unui sistem dinamic de evaluare a comportamentului, prin crearea unei motiva ii diferite a responden ilor i prin generarea unor situa ii realiste i cu un nivel de complexitate ridicat, care solicit luarea deciziilor n condi ii realiste. Dup cum precizam n raportul anterior, investi ia la burs necesit ierarhizarea deciziilor care pot fi luate n condi ii de restric ii bugetare generate de deciziile anterioare (de aici caracterul dinamic) i ac ionarea n cuno tin de cauz , n concordan cu profilul de aversiune la risc al

fiec rui juc tor. Metoda clasic a chestionarului urm re te doar o aproximare a realit ii prin crearea unor situa ii care s impun juc torului s utilizeze aparatul de evaluare a oportunit ilor (care con ine propriet ile de comportament latente, ce se doresc cunoscute) pentru a simula procesul de luare a deciziilor care se activeaz n realitate n momentul realiz rii investi iilor la burs . Metoda propus de echipa de cercetare a acestui proiect permite simularea situa iilor comple care sunt xe generate intern, de c tre juc torii bursei virtuale (ceea ce confer acestei proceduri un grad de realism care poate fi cu greu atins n chestionarele clasice), la care ad ug m, prin constituirea unei leg turi directe cu Bursa de Valori Bucure ti, i situa ii concrete, ntlnite n realitate. Activitatea de cercetare realizat n acest an a constat n dezvoltarea cunoa terii n ceea ce prive te comportamentul agen ilor la burs prin continuarea activit ii din anii anteriori n

urm toarele direc ii: monitorizarea i revizuirea simulatorului de burs la care au participat 58 de juc tori pentru toate cele 66 de active; constituirea i analizarea bazei de date cu tranzac iile realizate n bursa virtual ; derularea unor experimente pe baz de chestionar pentru identificarea profilului juc torilor de la bursa virtual ; derularea de experimente pe baz de chestionar pentru caracterizarea procesului de luare a deciziei i identificarea factorilor care o influen eaz ; realizarea unor studii cu privire la prejudec ile cognitive i modul n care agen ii reac ioneaz ca urmare a acestor activit i i modelarea pe baz de agen i inteligen i date fiind aceste propriet i psihologice; realizarea unui articol privind modul n care agen ii reac ioneaz la informa ii de tip fundamental care vizeaz evolu ia macroeconomic i rela ia dintre acestea i economia real (Iulia Lupu, Dan

Dumitrescu Stock Market Reaction to News on Macroeconomic Growth. An Event Study Analysis at the Bucharest Stock Exchange, Transformations in Business and Economics, Vilnius University, cota ie ISI); realizarea unui articol cu privire la propriet ile statistice ale randamentelor pentru tranzac iile cu frecven de 5 minute (Radu Lupu, Sorin Dumitrescu, Dan Dumitrescu Intra-Day Evidence on the

Behavior of Agents at the Bucharest Stock Exchange Transformations in Business and Economics, , Vilnius University, cota ie ISI); realizarea unui articol care vizeaz analiza modului n care informa iile sunt transmise la nivel interna ional pe pia a de capital european (Alexandra Horobe , Radu Lupu

Information transmission within the European Union Capital Markets, Romanian Journal of Economic Forecasting, Institutul de Prognoz Economic , ISSN: 1222-5436, Vol. 6, 2009, pp. 64-80, cota ie ISI). Date fiind aceste activit i ale cercet rii noastre, componentele acestui raport vor prezenta n continuare rezultatele acestor activit i. Ca atare, raportul prezint mai nti informa ii cu privire la rezultatele ob inute n urma realiz rii acestor activit i. n continuare sunt prezentate rezultatele rul rii jocului i propriet ile statistice ale randamentelor pre urilor tranzac iilor realizate de juc tori, apoi o prezentare a studiilor realizate cu privire la prejudec ile psihologice n contextul t mei e model rii pe baz de agen i inteligen i; ulterior raportul prezint rezultatele chestionarelor aplicate juc torilor de la bursa virtual i apoi studiul de eveniment.

I.

Analiza comportamentului agen ilor la bursa virtual

Bursa virtual , lansat la sfr itul anului trecut la adresa www.ktd.ro/bv a permis dezvoltarea att a unui sistem de nv are ct mai ales a unui instrument de cercetare. Ca sistem de nv are preciz m c aplica ia on-line a folosit pentru experimentarea activit ii bursiere de c tre studen ii programului de master aprofundat Managementul riscului financiar interna ional de la facultatea de Rela ii Economice Interna ionale din cadrul Academiei de Studii Economice din Bucure ti. n cadrul cursurilor de Evaluarea activelor i Psihologie economic , studen ii au primit informa ii despre modul n care se poate construi un portofoliu de active selec ia acestuia i propriet ile psihologice ale i, n acela i timp, a

agen ilor. Jocul de burs a permis experimentarea acestor elemente de analiz

permis realizarea unor experimente cu agen i care au cuno tin e teoretice privind investi iile la burs . Men inerea i actualizarea aplica iei software a reprezentat una din activit ile principale ale membrilor echipei. Anumite probleme de implementare au fost semnalate i de c tre juc tori, iar facilitarea tranzac ion rii a presupus realizarea mai multor ncerc ri cu privire la eficientizarea sistemului de licita ii propus de burs . n urma acestor revizuiri repetate ale aplica iei software, formula actual a jocului a permis constituirea unei baze de date format din 2120 de tranzac ii pe perioada 26.10.2008 4.08.2009, la care au participat 58 de juc tori. Tranzac iile sunt realizate la frecven e inegale, f r edi e de n

tranzac ionare, cu actualiz ri zilnice ale pre ului la valoarea de la finalul edin ei de la Bursa de Valori Bucure ti. Prin aceast construc ie opera iunile de la bursa virtual sunt asem n toare unor

opera iuni pe contracte futures cu scaden a maxim la o zi. Ca instrument de cercetare, bursa virtual a permis ob inerea unei baze de date cu 2120 de pre uri de tranzac ionare pentru cele 66 de titluri de la BVB. Jocul de burs poate fi folositor n demersul de cercetare n m sura n care acesta permi e realizarea unor opera iuni cu acelea i t

propriet i ca cele nregistrate n general pe pie ele financiare. Prin urmare, echipa de cercetare a recurs la testarea m surii n care randamentele logaritmice ale pre urilor din tranzac iile pentru fiecare titlu n parte de in propriet ile statistice remarcate n literatura de specialitate cu privire la randamentele activelor financiare n general. Vom prezenta n continuare elementele care definesc propriet ile statistice ale randamentelor activelor financiare i apoi vom prezenta rezultatele ob inute n urma calculelor realizate cu randamentele produse de bursa virtual . n analiza noastr am folosit programul Matlab cu ajutorul c ruia am organizat datele produse de bursa virtual astfel nct s putem identifica tranzac iile realizate pentru fiecare activ n parte. Forma n care a fost extras baza de date este prezentat n Anexa 1. n Anexa 2 echipa de cercetare a inclus programul Matlab cu toate calculele din aceasta parte a raportului. Realizarea calculelor privind propriet ile statistice ale randamentelor activelor cotate la bursa virtual a presupus organizarea datelor astfel nct s fie permis calcularea primelor patru momente ale distribu iei randamentelor pentru fiecare activ n parte. n figura de mai jos sunt prezentate histogramele cu valorile acestor indicatori statistici pentru a avea o imagine a m surii n care acestea p streaz calitatea propriet ilor statistice ale randamentelor financiare n general.

Figura I-1 -Distributia coeficientilor pentru cele 4 proprietati statistice pentru cele 66 de companii pentru care au avut loc tranzactii pe bursa virtuala A Histograma mediilor randamentelor; B Histograma deviatiilor standard ale randamentelor C Histograma coeficientilor de asimetrie; D Histograma coeficientilor de aplatizare
30 18 16 25 14 20 12 10 15 8 10 6 4 5 2 0 -0 .2 -0 .1 5 -0 .1 -0 .0 5 0 0 .0 5 0 .1 0 .1 5 0 0 0.1 0.2 0.3 0.4 0.5 0.6 0.7

A
15 35

30

25 10 20

15 5 10

0 -5

0 -4 -3 -2 -1 0 1 2 3 4 5 0 10 20 30 40 50 60 70

Dup cum observ m, mediile randamentelor se afl n cea mai mare parte n jurul valorii de 0%, ceea ce respect proprietatea conform c reia randamentele nu p streaz un trend semnificativ din punct de vedere statistic. Volatilitatea este n general redus , dar se nregistreaz i extreme n

care ajunge pn la valori de 0,6. Men ion m c aceste valori reprezint volatilitatea necondi ionat , respectiv devia ia standard a randamentelor pentru fiecare din cele 66 de active tranzac ionate. Prin urmare, din aceast analiz nu rezult proprietatea de heteroscedasticitate a seriei randamentelor. Cu toate acestea, dac ne uit m la graficul D, observ m c aplatizare sunt foarte ridicate, ceea ce este n concordan valorile coeficientului de

cu observa iile privind distribu iile

randamentelor activelor financiare n general. Proprietatea aceasta de fat-tails (cozi groase ale distribu iei necondi ionate) atest faptul c volatilitatea se modific n timp este o dovad a

propriet ii de heteroscedasticitate. Aceasta motiveaz folosirea unor modele din clasa GARCH. n acela i timp observ m c distribu ia coeficientului de asimetrie este destul de m ult concentrat n partea negativ (mediana este mai mic dect media) ceea ce demonstreaz faptul c distribu iile randamentelor sunt n general mai mult negative dect pozitive, dar exist care tendin a este invers . Dup cum a fost precizat i n activit ile proiectului de cercetare, o sarcin a echipei a constat n calibrarea unor modele care sunt potrivite pentru randamentele activelor financiare cotate la o burs de valori n general i pentru Bursa de Valori Bucure ti n special. Mai multe studii (printre altele Lupu 2005 i Lupu i Lupu 2006) atest puterea de calibrare a modelelor din clasa Garch pe pia a de capital romneasc . Prin urmare, ncercarea de calibrare a unor astfel de modele asupra bursei virtuale este de a teptat s produc rezultate similare n m sura n care aceasta genereaz tranzac ii care pot fi considerate reprezentative pentru o pia bursier n general. i situa ii n

Ca atare, echipa de cercetare a realizat calibr ri pentru modelele GARCH i E -GARCH. Modelul E-Garch a produs valori ale functiei de verosimilitate logaritmica mai ridicate decat valorile produse din calibrarea modelului Garch in 97,44% din cazuri. Prin urmare, modelul E -Garch cu specificatia prezentata este un model mai potrivit pentru analiza noastra decat modelul Garch. Pentru companiile in care jucatorii din bursa virtuala au realizat mai putin de 15 tranzactii, cele doua modele nu au fost calibrate puterea statistica. Calibrarea acestor modele pentru tranzac iile realizate la bursa virtual a demonstrat faptul c acestea au acelea i propriet i statistice cu cele nregistrate la bursele reale i, prin urmare, numarul redus de observatii face ca modelul sa isi piarda

aceasta poate fi folosit ca instrument de cercetare. Comportamentul agen ilor de la bursa virtual este asem n tor acelora de pe pia a real .

II.

Experimentul bursei cu agen i inteligen i

cu aceste

Simulatorul n care avem de-a face cu agen i inteligen i propune crearea unei mul imi de investitori care au profile psihologice diferite i modalit i de comunicare n concordan

profile comportamentale. Dup rularea experimentului cu dividendul pe bursa virtual cu subiec i reali, se va proceda la realizarea unui experiment similar n care investitorii sunt agen i care ac ioneaz dup reguli cunoscute. Prima ncercare propune pornirea de la o situatie simpl , n care avem de-a face cu o singur companie cotat , un numar de agenti individuali i cursul de schimb se formeaz prin cota ie liber (fara market maker, dup modelul bursei virtuale cu subiec i reali). Vom construi un mediu n care fiecare agent trimite n burs ordine de cump rare sau vnzare, la pre uri diferite. Experimentul const n crearea unei situa ii n care compania urmeaz s anun e dac i la ce

nivel va da dividend pentru ac iunile de inute. Pn la momentul pl ii pre ul ac iunilor ar trebui s creasc cu nivelul dividendului a teptat, iar la momentul pl ii pre urile ar trebui s scad cu exact valoarea dividendului. La ini ializarea simulatorului se stabile te un pre de pornire al ac iunilor companiei, pre cunoscut de to i agen ii s zicem valoarea de 100 de unit i monetare. Agen ii vor fi nzestra i cu mai multe propriet i: de la resursele financiare pn modalit ile de comunicare i profilul psihologic. n ceea ce prive te resursele financiare, consider m o nzestrare cu resurse financiare dup o distribu ie ipotetic (aproximativ 80% dintre agen i vor de ine 20% din fondurile existente pe pia ). n interiorul fiec rei categorii (80% pe de-o parte i 20% pe de alt parte) se va presupune fie o distribu ie normal a sumelor pe care le de in agen ii fie am putea s i nzestr m pe to i la fel cu bani i ac iuni (dup modelul bursei virtuale) pentru a vedea dac n timp se creeaz segreg ri i am putea analiza motivele pentru care se poate ajunge la asemenea situa ii. Suma de bani pe care agen ii o de in este egal cu valoarea de pia a companiei (capitalizarea bursier ). O alt chestiune important o constituie modalitatea de nzestrare a agen ilor de burs cu ac iuni. Se poate presupune c ace tia sunt nzestra i cu ac iuni ale companiei dup o distribu ie ipotetic se poate presupune o distribu ie uniform pentru ca s putem observa cum se schimb la

aceast distribu ie n func ie de diver i factori (de tipul efectului furniz rii unui anumit tip de informa ii c tre agen ii din burs ).

Se va avea n vedere re eaua de comunicare existent ntre agen i. Astfel, putem considera c exist posibilitatea comunic rii cu un un num r restrns de al i ageni fiecare agent poate

cunoa te ac iunile unui num r restrns de agen i. Informa iile primite de la ace ti agen i au un grad de opacitate dup o distribu ie normal n sensul c unii comunic tot ceea ce tiu, iar al ii comunic mai pu in din ceea ce tiu, indiferent de natura informa iei comunicate (n sensul c informa ia poate fi fals sau nu). Re eaua de comunicare ntre agen i este o re ea n care pu ini comunic cu pu ini. Num rul de comunic ri este o variabil a sistemului. Efectul asupra pre ului al modific rii acestei variabile poate fi testat prin calcularea propriet ilor statistice ale distribu iei pre urilor formate prin tranzac iile agen ilor inteligen i i determinarea modalit ii de modificare a acestora n func ie de modificarea num rului de comunic ri. n ceea ce prive te sistemul de func ionare, se va avea n vedere un sistem n care fiecare agent urmareste sa obtina mai multi bani din investitia in actiuni. O mi care a pre ului va afecta decizia de vnzare sau cump rare prin faptul c aceast evolu ie schimb anticiparile cu privire la valoarea dividendului. Un alt criteriu de diferen iere al agen ilor l reprezint gradul de aversiune la risc. Astfel, unii agenti au mai multa aversiune la risc, altii mai putina. In functie de aversiunea la risc agentii decid sa asculte sau nu de informatiile primite de la ceilalti participanti la bursa. Implementarea acestui simulator al agen ilor inteligen i va presupune stabilirea unui set de reguli dupa care fiecare agent decide sa actioneze. Alegerea uneia din reguli depinde de aversiunea la risc a agentilor. Factorii care stau la baza determin rii modului n care aversiunea la risc va putea fi luat n considerare o reprezint cei desprin i din teoria cogni iei. Actiunile fiec rui agent se pot reduce la modul:
o Cump r dac majoritatea celor la care am acces (cu care pot comunica) cumpar o Cump r dac cred c pre ul cre te (din analiza istoricului) o Vnd dac pre ul este suficient de ridicat o Vnd dac majoritatea celor la care am acces vnd

Aplica ia software care permite derularea ac iunilor agen ilor inteligen i va fi constituit din mai multe module care pot fi modificate. Un prim modul l reprezint cel al modului n care se fac tranzac iile. Acest modul este acela i cu cel al bursei cu subiec i reali i permite trimiterea de ordine

de c tre agen i i realizarea de tranzac ii cu actualizarea portofoliilor acestora. Un al doilea modul l reprezint cel al dot rilor agen ilor. Acest modul va permite, n func ie de dot rile respective, s genereze ordine de cump rare sau vnzare, la pre uri i cantit i diferite, n func ie de gradul de ncredere n a tept rile cu privire la evolu ia pre ului. Un al treilea modul va fi cel n care se specific tipurile de decizii pe care agen ii le pot lua. Se va face referire aici la gradele de ncredere n informa iile pe care le de in i la ncrederea n ra ionamentele cu privire la a tept rile de evolu ie a pre urilor. Un ultim modul l reprezint modelarea introducerii informa iilor cu privire la evolu ia pre urilor n modul care proceseaz informa iile i dot rile pentru a genera tipuri de ordine. Activitatea derulat de echipa de cercetare n aceast etap a constat n realizarea unor analize care s constituie punct de plecare pentru elaborarea modulelor din simulatorul cu agen i inteligen i. Sarcina cea mai dificil din acest punct de vedere a constat n identificarea propriet ilor cu care s fie nzestra i agen ii pentru a permite luarea deciziilor de cump rare sau vnzare. Pentru rezolvarea acestor probleme echipa de cercetare a realizat, pe de parte, studii cu privire la -o caracteristicile psihologice ale indivizilor care ac ioneaz la burs (pentru fundamentarea modulului al doilea) i, pe de alt parte, o analiz a reac iei investitorilor n diferite situa ii virtuale (pentru fundamentarea modului al treilea). Adoptnd perspectiva psihologiei economice i a subdomeniului ei, finan ele comportamentale, propus de D. Kahneman, laureat al Premiului Nobel, echipa de cercetare a condus dou seturi de experimente la care au participat 18 studen i masteranzi, in perioada aprilieiunie 2009. Chestionarul la care au fost supu i subiec ii este prezentat n Anexa 4. Scopul primului set de experimente de tip problem-solving (interpretarea indicilor i a corela iilor statistice, interpretarea cauzalit ii i a probabilit ilor baysiene) a fost s identifice predispozi ia subiec ilor pentru anumite anomalii cognitive (cognitive bias). Sintetiznd, rezultatele sunt urmatoarele: judec ile-r spuns ale majorit ii subiec ilor (75%) au revelat urm toarele anomalii: framingul, anchoringul, disponibilitatea mnezic , reprezentativitatea i iluzia corela iei. Testele confirm domina ia sistemului perceptiv-intuitiv asupra sistemului deliberativ ipoteticodeductiv precum i importan a crucial a efectelor de context. Al doilea set de experimente reproduce ntr-un format u or modificat paradoxul Allais. Rezultatele reconfirm concluziile care se desprind din celelalte variante ale experimentului prototip. 90% dintre subiec i violeaz axioma substitu iei i condi ia de invarian , probnd faptul c ra ionamentul psihologic functioneaz pe baza unei asimetrii ntre factorii pozitivi i factorii negativi, asimetrie care poate s induc procesului de decizie o dinamic inconsistent : fenomenul invers rii preferin elor. Cumulate, cele dou seturi de experimente permit stabilirea unor profiluri cognitive suficient de precise pentru a putea s genereze predic ii testabile n alte contexte: de ex. n jocurile de burs .

III.

Reac ia investitorilor la evenimente de natur macroeconomic studiul de eveniment

Ne confrunt m deseori cu nevoia de a m sura efectul unui eveniment economic asupra

valorii unei companii listate la burs . Acest lucru poate fi realizat prin folosirea datelor financiare ntrun studiu econometric de eveniment. Importan a unei analize de acest tip este motivat de faptul c , n condi ii de ra ionalitate, informa iile aferente unui eveniment vor fi incluse n pre ul ac iunilor. Astfel, impactul economic al evenimentului poate fi m surat folosind pre urile ac iunilor observate pe o perioad scurt de timp. Aplicabilitatea general a metodologiei studiului de eveniment a dus la utilizarea sa n diverse domenii. n finan e i contabilitate, metodologia studiului de eveniment a fost aplicat la o varietate de evenimente specifice firmelor i economiei n sens larg. Printre exemple se num r fuziunile i achizi iile, anun urile privind c tigurile, emiterea de noi titluri i anun uri privind variabilele macroeconomice cum ar fi deficitul comercial. Aceast metodologie este aplicat cu succes i n alte domenii; spre exemplu, este folosit n domeniul juridic i economic pentru a m sura impactul pe care l are schimbarea legisla iei asupra valorii firmelor. n cele mai multe cazuri, studiile se concentreaz asupra efectului unui eveniment asupra pre ului unei anumite categorii de ac iuni, cel mai des ac iuni comune. Se poate spune c studiile de eveniment au f cut deja carier . Dintre primele studii amintim pe cel al lui Dolly (1933) care a analizat efectul diviz rii (engl. spliting) ac iunilor asupra pre ului studiind schimb rile pre urilor nominale la momentul respectiv. Folosind 95 de astfel de evenimente din 1921 pn n 1931, autorul a aflat c pre ul a crescut n 57 de cazuri, a sc zut n numai 26 de situa ii i nu a avut nici un efect n celelalte 12 cazuri. n deceniile care au trecut ntre 1930 i 1960 nivelul complexit ii acestei metodologii a crescut. Myers i Bakey (1948), Barker (1956, 1957, 1958) i Ashley (1962) sunt exemple de studii ap rute n aceast perioad . mbun t irile metodologiei provin din eliminarea efectelor provocate de modific rile generale ale pre urilor ac iunilor (de exemplu, determinate de mi carea pie ei pe ansamblu) i separarea evenimentelor ce adaug confuzii (evenimentele contemporane). La sfr itul anilor 60 studii de excep ie cum sunt cele elaborate de Ball i Brown (1968) i Fama, Fisher, Jensen i Roll (1969) au introdus metodologii ce se folosesc n principal i azi. Ball i Brown au luat n considerare con inutul informa ional al veniturilor companiilor, iar Fama, Fisher, Jensen i Roll au studiat efectul diviz rii ac iunilor dup ce au eliminat efectele simultane ale cre terii dividendelor.

De-a lungul anilor, au fost sugerate cteva modific ri ale metodologiei de baz . Aceste modific ri sunt destinate s fac fa complica iilor ap rute datorit erorilor din prezum iile statistice

f cute n studiile anterioare i pot sus ine ipoteze specifice. Brown i Warner (1980, 1985) au discutat n lucr rile lor despre importan a practic a acestor modific ri. Lucrarea din 1980 se refer la iruri de date lunare iar cea din 1985 la date zilnice. Fama (1998) consacr aceast metodologie ca fiind principalul mijloc de testare a formei slabe de eficien iar MacKinlay (1997) prezint n lucrarea sa metodologia de estimare a

randamentelor anormale. Eugene Fama este cel care a lansat n anii 60 ipoteza pie elor eficiente n cele trei forme ale sale (slab , semi-puternic i puternic ). De atunci studiul de eveniment s-a consolidat ca principalul a pie ei bursiere. n mare, aceast form de eficien nu poate furniza informa ii cu privire la

mijloc de testare a formei slabe de eficien

sus ine c evolu ia trecut a randamentelor din pia randamentele viitoare.

n principiu, ipoteza pe care o sus ine Fama este aceea i cu cea sus inut de prima lucrare financiar a lui Bachelier (1900) informa iile cu privire la evenimente sunt cele care determin i, dup cum nu putem cunoa te cu certitudine

modificarea pre ului titlurilor financiare

evenimentele ce se vor ntmpla n viitor atunci le putem considera aleatoare; prin urmare, informa iile care modific pre ul sunt aleatoare i nu se poate cunoa te cu certitudine pre ul viitor al activului. Dac pia a (investitorii) schimb cererea i oferta n conformitate cu informa iile furnizate de evenimente, atunci o nou informa ie va fi inclus n pre ntr-o manier eficient . Dac Fama este promotorul ipotezei conform c reia pia a de capital american este eficient , o suit de al i teoreticieni, printre care Schleifer, Kahneman, Tversky, DeBondt, Thaler sunt principalii sus in tori ai teoriei deciziei comportamentale ca alternativ la ipoteza pie ei eficiente. Studiile acestora din urm prezint eviden e empirice ale anomaliilor de eficien a pie elor, n

principiu de tipul reac iilor exagerate mai sus men ionate; evenimentele nu produc reac ii exacte care s determine pre ul corect al ac iunilor, avem de-a face, conform unor autori, fie cu reac ii n sensul supraevalu rii con inutului informa ional al evenimentului (engl. overreaction) fie, conform altor autori, n sensul subevalu rii acestuia (engl. underreaction). Fama (1998) folose te aceste fenomene n sus inerea ipotezei eficien ei pie ei datorit faptului c , n cazul n care unele studii au g sit eviden e care suport supraevaluarea i altele care suport subevaluarea atunci se poate concluziona c cele dou tipuri de reac ii sunt aleatoare. Dac , n jurul unui anumit tip de eveniment (de exemplu preluarea unei companii de c tre o alt companie)

pre urile cresc nainte de eveniment i ulterior evenimentului pentru ca ulterior s scad (s se stabilizeze) n jurul unei valori care se p streaz pentru o perioad mai lung atunci avem de-a face cu o reac ie de supraevaluare i pie ele nu sunt eficiente nu includ informa ia n mod corect. n acela i fel se poate analiza i subevaluarea, prin reducerea semnificativ a pre ului n jurul evenimentului pentru ca ulterior s revin i s se stabilizeze la un nivel mai ridicat. Fama (1998)

apreciaz c , dac exist eviden e care sus in ambele tipuri de reac ii, atunci probabil c pia a este eficient dac num rul de evenimente cu supraevaluare tinde s fie egal cu num rul de evenimente cu subevaluare, n sensul c cele dou tipuri de reac ii sunt aleatoare. Prin urmare, astfel de eviden e sus in, n opinia lui Fama, ipoteza pie elor eficiente. Michaely, Thaler, Womack (1995) realizeaz o analiz de eveniment pentru a stabili care dintre cele dou ipoteze este sus inut de date n cazul anun urilor cu privire la ini ierea de dividende (situa iile n care societatea hot r te s pl teasc dividende pentru prima dat ) i omisiunea de dividende (cnd compania anun c nu va pl ti dividende n condi iile n care a pl tit dividend cu un autorii au g sit c dimensiunea reac iilor la omisiuni

an n urm ). Pentru pia a american

(evenimente negative) este mai mare dect n cazul ini ierilor. Pentru m surarea efectelor cre terii economice asupra pie ei de capital din Romnia, metodologia propus este un studiu de eveniment ce utilizeaz modific rile zilnice ale indicelui BET-C (indicele compozit al tuturor companiilor cotate la Bursa de Valori Bucure ti) n jurul momentelor n care apar comunicatele de pres ale Institutului Na ional de Statistic cu referire la cre terea economic realizat i n jurul datelor n care apar comunicatele de pres ale Comisiei Na ionale de Prognoz cu

privire la prognoza modific rilor viitoare ale cre terii PIB sau la estim ri cu privire la evolu ia din luna anterioar a unor indicatori macroeconomici. Una dintre sarcinile cele mai dificile const n alegerea unui model capabil s furnizeze predic ii ct mai corecte pentru pia a de capital romneasc n perioada pe care am decis s realiz m analiza (respectiv perioada 2002 2008). n acest sens au fost luate n considerare mai multe lucr ri care au ncercat s furnizeze modele plauzibile pentru evolu ia randamentelor indicelui bursier pe pia a romneasc . Dintre acestea am selectat modelul GARCH pentru a furniza prognoze n perioada din jurul evenimentelor. Acest model folose te o proprietate a randamentelor activelor financiare, care este ntlnit pe toate pie ele (Cont 2001) i care a devenit de notorietate prin formularea modelului GARCH de c tre Engle1. Aceast proprietate a randamentelor activelor financiare exprim faptul c volatilit ile
1

Premiul Nobel n anul 2003

zilnice (calculate ca dispersii) sunt autocorelate, respectiv p tratul randamentelor (care este folosit ca un indicator al volatilit ii zilnice) din trecut ne poate ajuta s facem afirma ii cu privire la p tratul randamentelor din viitor. Modelul pe care l folosim va fi calibrat, pentru fiecare eveniment n parte, pe perioada celor 100 de zile folosite pentru estimare (calcularea parametrilor modelului) i va furniza informa ii cu privire la p tratul randamentelor din viitor. Vom ob ine, ca atare, valori absolute ale randamentelor pentru fiecare din cele 21 de zile din jurul evenimentelor, pe care le vom compara cu valorile absolute realizate n realitate n zilele respective. Astfel, vom presupune c randamentele titlurilor urmeaz un model de pia GARCH de tipul:

W t21 ! [  E

unde Rt+1 este randamentul indicelui bursier n ziua t+1;

t+1

este volatilitatea din ziua t+1;

zt+1 este inova ia din ziua t+1; este un indicator care exprim valoarea pre ului ca urmare a includerii de noi informa ii n randamentul indicelui i este presupus, n modelul de fa , c are o distribu ie normal de medie 0 i dispersie 1; coeficien ii , , F sunt parametrii modelului GARCH care exprim sunt incluse n randamentele indicelui bursier. Dup estimarea celor trei coeficien i ai modelului, acesta ne-a permis realizarea de prognoze pentru cele 21 de zile din jurul fiec rui eveniment. Au fost ob inute, prin urmare, valori prognozate ale randamentelor (n valoare absolut ) pentru fiecare din cele 21 de zile, care au fost comparate cu valorile absolute ale randamentelor ob inute n realitate n aceea i perioad . Compara ia a fost realizat prin calcularea randamentelor anormale: viteza cu care noile informa ii

unde Rrt2 reprezint

p tratul randamentului indicelui la momentul t, n perioada din jurul

evenimentului (fiecare din cele 21 de zile), iar Rpt2 reprezint p tratului randamentului prognozat prin modelul GARCH, pentru momentul t, de asemenea, n fiecare din cele 21 de zile. Randamentul

Rt 1 !

t 1 t 1

2 t

 FW t2 ,

E F

ARt !

Rrt 2 

Rpt2 ,

prognozat este de fapt egal cu volatilitatea din ziua t, respectiv valoarea prognozat a lui momentul t.

pentru

Pentru a putea observa rezultatul global, am agregat randamentele anormale folosind dou dimensiuni: timpul i num rul de evenimente. Calcul m media randamentelor anormale cumulate (CAAR) utiliznd media randamentelor anormale (AAR).

A
AARt !
j !1

jt

N 1 N

CAART1 ,T2 !
N este num rul evenimentelor din e antion.

A
j !1 t T1

T2

jt

Astfel, pentru fiecare zi t vom calcula pentru toate firmele media randamentelor anormale (AARt) care ne ofer informa ii despre evolu ia ntregului e antion n fiecare zi a perioadei analizate. Media randamentelor anormale cumulate este media randamentelor anormale cumulate pentru toate firmele i pentru toat perioada luat n calcul. Aceasta ne ofer informa ii despre performan a general a indicelui n jurul datei evenimentului. Aceast metodologie a fost reluat pentru fiecare din cele trei tipuri de evenimente descrise n continuare.

Datele folosite n analiz

Pentru realizarea acestei analize am avut n vedere evolu ia zilnic a indicelui BET pe -C toat perioada din anul 2002 pn n 2008. Datele au f st ob inute de pe site-ul Bursei de Valori o Bucure ti i au constituit fundamentul pentru calcularea randamentelor. Acestea au fost calculate

 P sub forma randamentelor logaritmice (respectiv ln t , unde Pt reprezint valoarea indicelui de la P t 1

momentul t)2. n ceea ce prive te evenimentele, dac n cazul analizei cauzalit ii Granger s avut n -a vedere numai leg tura dintre evolu ia PIB i evolu ia pie ei de capital, aceast metodologie (a studiului de eveniment) permite analiza mai multor tipuri de elemente ale evolu iei macroeconomice care ar putea influen a dinamica pie ei de capital pe ansamblu. Prin urmare, au fost considerate trei categorii de anun uri:
y

Seria 1: Comunicatele de pres ale Institutului Na ional de Statistic cu privire la valorile trecute ale PIB pentru trimestrele din 2002 pn n ultimul trimestru al anului 2007 (10 evenimente);

Seria 2: Anun urile realizate de Comisia Na ional de Prognoz cu privire la proiec ia principalilor indicatori macroeconomici pentru perioada 2006 2008 (10 evenimente);

Seria 3: Anun urile realizate de Institutul Na ional de Statistic cu privire la evolu ia indicatorilor conjuncturali n lunile anterioare anun urilor, pentru perioada 2002 2007 (64 de evenimente). Toate aceste informa ii au fost culese de pe site-urile oficiale ale Institutului Na ional de

Statistic

i Comisiei Na ionale de Prognoz . Evenimentele considerate n analiza noastr sunt

prezentate n Anexa 2.

Rezultatele cercet rii

Folosind metodologia prezentat mai sus i cele trei serii de evenimente am ob inut informa ii cu privire la m sura n care pia a de capital, prin indicele BET-C, a reac ionat la anun urile publicate de Institutul Na ional de Statistic 2008. Dup cum am precizat, au fost calculate valorile absolute ale randamentelor prognozate i ale randamentelor reale din perioada celor 21 de zile din jurul fiec rui eveniment. Ulterior au fost calculate randamentele anormale, ca diferen
2

i de Comisia Na ional de Prognoz pe perioada 2002

ntre cele dou tipuri de randamente i apoi au fost

n modelul folosit se utilizeaz ipoteza c randamentele de la momentul t sunt normal distribuite (ele provin din nmul irea unei variabile normal distribuit (zt) cu t , care este o constant la momentul t). Randamentele logaritmice pot lua valori care sunt mai mici dect -1, fapt nepermis randamentelor calculate sub forma

t 1

, deoarece indicele nu poate lua valori mai mici ca 0.

t 1

calculate valorile cumulate ale acestor randamente anormale pe perioada celor 21 de zile. Ulterior, pentru fiecare serie de evenimente a fost calculat o dispersie a tuturor acestor randamente anormale cumulate. Dispersiile au folosit la calcularea valorilor indicatorilor t-statistic pentru fiecare din valorile ob inute pentru randamentele anormale la nivelul fiec rui eveniment. Ace ti indicatori ne ajut s observ m n ce m sur valorile ob inute sunt semnificative din punct de vedere statistic (semnificativ diferite de zero). Prin urmare, existen a unor valori semnificative demonstreaz faptul c pia a de capital a reac ionat la momentul respectiv. Folosirea unui num r mai mare de evenimente ne furnizeaz mai mult putere statistic n demersul nostru de interpretare a semnifica iei impactului anun urilor cu privire la evolu ia agregatelor macroeconomice asupra pie ei de capital. Astfel, pentru primele dou serii de

evenimente, coeficien ii t-statistic au fost calcula i prin folosirea unei dispersii ob inute din utilizarea a 10 observa ii (cele 10 evenimente). Valoarea prag este considerat valoarea de 1.96, care d o semnifica ie apreciat cu o eroare de aproximativ 5%. Remarc m faptul c , pentru evenimentele din Seria 1, au fost ob inute semnifica ii n 60% din observa iile analizate, cu o medie a valorilor coeficientului t-statistic de aproximativ 4,2. Putem aprecia c , n general, pia a de capital r spunde la anun urile cu privire la evolu ia trecut a PIB, nregistrnd ajust ri semnificative pe perioada evenimentului. Pentru evenimentele din Seria 2, num rul de situa ii de semnifica ie statistic este de numai 40%, ceea ce poate demonstra faptul c pia a nu reac ioneaz la anun uri cu privire la evolu ia ulterioar a PIB. Aceast situa ie ar putea fi datorat fie faptului c investitorii de pe pia a de capital nu reac ioneaz la prognozele date de CNP, fie faptului c aceste prognoze sunt deja incluse n pre urile de la burs , i, prin urmare, investitorii de pe pia a de capital au un sistem corect de formare a a tept rilor cu privire la evolu iile macroeconomice ulterioare. Pentru Seria 3 de evenimente procedura de analiz a fost realizat de 64 de ori, rezultnd valorile prezentate n Tabelul 2. Observ m c numai pentru 15 evenimente din cele 64 studiate au fost ob inu i coeficien i care demonstreaz semnifica ia statistic (aproximativ 23% din cazuri), iar media valorilor pentru coeficien ii t-statistic ob inu i n cele 64 de cazuri a fost de 0,93 aferent unei probabilit i de 34,5% (eroarea de a afirma c randamentele anormale sunt semnificativ diferite de 0). Se poate aprecia c investitorii nu acord aten ie informa iilor cu privire la indicatorii conjuncturali sau apreciaz c aceste informa ii sunt deja incluse n pre ul ac iunilor cotate la burs .

Pentru a prezenta situa ia din fiecare zi din jurul fiec rui eveniment au fost folosite randamentele anormale din fiecare zi i au fost calculate dispersii pentru cele 10 evenimente n cazul Seriei 1, cele 10 evenimente din cazul Seriei 2 i cele 64 de evenimente din cazul Seriei 3, pentru fiecare zi n parte. Ace ti indicatori ne-au permis calcularea unor coeficien i t-statistic pentru fiecare zi a analizei i pentru fiecare serie de evenimente n parte.

IV.

Bibliografie
Ashley, J. Stock Prices and Changes in Earnings and Dividends: Some Empirical Results ,

1.

Journal of Finance, 1962; 2. Ball, R., and P. Brown An Empirical Evaluation of Accounting Income Numbers, Journal of Accounting Research, 1968; 3. Barber, Brad M., and John D. Lyon - Detecting long-run abnormal stock returns: The empirical power and specification of test statistics, Journal of Financial Economics 43, 1997; 4. 5. 6. 7. Barker, C. Effective Stock Splits, Harvard Business Review, 1956; Barker, C. Evaluation of Stock Dividends, Harvard Business Review, 1958; Barker, C. Stock Splits in Bull Market, Harvard Business Review, 1957; Barry, C.B., Peavy III, John W., Rodriguez, M. Performance Characteristics of Emerging

Capital Markets, Financial Analysts Journal, January/February, 1998; 8. Beckers, S. Investment implications of a Single European Capital Market, The Journal of

Portfolio Management, Spring issue, 1999; 9. Bekaert, Geert, Cambell Harvey - Capital Markets: An Engine for Economic Growth, Brown Journal of World Affairs 5, Winter/Spring: 33-53. (P58), 1998 10. Bencivenga, V. R., B. D. Smith - Financial Intermediation and Endogenous Growth, Review of Economic Studies, 58: 195 209, 1991; 11. Boden M.A., Artificial Intelligence and Natural Man, Hassocks, Sussex: Harvester Press; New York: Basic Books 1977. 12. Boden M.A., Computer Models of Mind. Computational Approaches in Theoretical Psychology, Cambridge University Press 1988 13. Boehmer, Eddehart, Jim Musumeci and Annette B. Poulsen - Event-study methodology under conditions of event-induced variance, Journal of Financial Economics 30, 1991; 14. Brooks R., Cambrian Intelligence: The Early History on the New A.I., Cambridge (Mass) The MIT Press 1999.

15. Campbell, J., A. Lo, and A. MacKinlay

The Econometrics of Financial Markets, Princeton

University Press, Princeton, New Jersey, 1997;

16. Cho, Yoon Je Inefficiencies from Financial Liberalization in the Absence of Well functioning Equity Markets, Journal of Money, Credit and Banking 18, 2, 1986; 17. Cho, Yoon Je, Khatkhate, D. Financial Liberalization: Issues and Evidence, Economic and Political Weekly, 1990;
18. Chopra, Navin, Josef Lakonsishok and Jay R. Ritter - Measuring abnormal performance: do stocks overreact?, Journal of Financial Economics 31, 1992; 19. Cordeschi H., The Discovery of the Artificial Behavior: Mind and Machines, before and beyond Cybernetics, Dordrecht, Kluner Academic Publishers (2002). 20. Davidson, R., MacKinnon, J. - Econometric Theory and Methods, Oxford University Press, 2004; 21. Deffuant, G. (1993), Reseaux morphodynamiques et modles cognitif, in AFCET, 1993, pages 185-198 22. Dolley, J. Characteristics and Procedure of Common Stock Splits-Ups, Harvard Business

Review, 1933; 23. Dragot , V., Bogdan Negrea, Laura Obreja Bra oveanu, Delia Cataram , Andreea Semenescu Capital markets development and economic growth: the case of Romania ,

EWGFM, Nice Sophia Antipolis, Fran a, noiembrie 2006; 24. Fama, E., L. Fisher, M. Jensen, and R. Roll Information, International Economic Review, 1968; 25. Fama, Eugene - Market efficiency, long-term returns, and behavioral finance, Journal of Financial Economics 49, 1998; 26. Goldsmith, R.Y. Financial Structure and Development, New Haven and London: Yale The Adjustment of Stock Prices to New

University Press, 1969; 27. Greene, W. - Econometric Analysis, Prentice Hall, 2000; 28. Greenwood, J., R. Levine Financial Development, Growth, and the Distribution of Income, Journal of Political Economy 98, 1076 1107, 1993; 29. Kaplan F., Oudeyer P.Y., Trends in epigeneticrobotics: Atlas 2006 in F.Kaplan, P.Y.Oudeyer, A. Revel, P. Gaussier, J. Nadel, Proceedings of the Sixth International Workshop on Epigenetic Robotics: Modeling Cognitive Development in Robotic Systems, LUCS, 128, 2006. 30. King, R. G., R. Levine Finance, Entrepreneurship and Growth, Journal of Monetary

Economics 32, 513 542, 1993;

31. Lupu, Radu; Iulia Lupu

Competitivitatea firmelor listate la BVB folosind metoda studiului Oeconomica, anul XIV, nr. 4, ISSN: 1223-0685, pp. 137-150,

econometric de eveniment 2005;

32. Mark H. Bickhard i Loren Terveen, Foundational Issues in Artificial Intelligence and Cognitive Science, Impass and Solution. Elsevier 1996. 33. Maturana, H. R. & Varela, F. Y., editors (1980), Autopoiesis and Cognition. The Realization of the Living, D. Reidel Publishing Company 34. Maturana, H. R. & Varela, F. Y., The Tree of Knowledge. The Biological Roots of Human Understanding, New Sience Library 35. Maturana, H. R. (1970), Biology of Cognition, chapter 7, pages 2-57. in Maturana and Varela, 1980 36. Mayer, C. Myths of the West: Lessons from Developed Countries for Development Finance, World Bank Working Paper no. WPS301, 1989; 37. McCulloch, W. & Pitts, W., A Logical Calculus of the Ideas Immanent in Neuvous Activity, Bull. Malhem. Biophys. 5: 115-139 38. McKinnon, R. I. Money and capital in Economic Development, Washington, DC: Brookings Institution, 1973; 39. Michaley, R., R. Thaler, and K. Womack Price reactions to dividend initiations and

omissions: Overreaction or drift?, Journal of Finance, 1995; 40. Miller, M. H., F. Modigliani Business, 34, 411-33, 1961; 41. Minsky, M. editor (1988), La socit de l esprit, Inter Editions 42. Modigliani, F., M. H. Miller The Cost of Capital, Corporate Finance and the Theory of Dividend Policy, Growth and the Valuation of Shares, Journal of

Investment, American Economic Review, 48, 261-97, 1958; 43. Myers, J., and A. Bakay Review, 1948; 44. Piaget, J.(1974), Russir et Comprendre, PUF 45. Prabhala, N. R. Conditional methods in event studies and an equilibrium justification for Influence of Stock Splits-Ups on Market Price, Harvard Business

standard event-study procedures, Review of Financial Studies, 10, 1997; 46. Ringle M. (Ed), Philosophical Perspectives in Artificial Intelligence, Hassocks, Sussex: Harvester Press, 1979 p. 43-44. 47. Saint-Paul, G. Technological Choice, Financial markets and Economic Development,

European Economic Review 36, 738 781, 1992.

48. Schank i Abelson, Scripts, Plans, Goals and Understanding. An Enquery into Human Knowledge Structures, New York. Halsted. 1977. 49. Seymour Papert, Mindstorms, Hassocks, Sussex: Harvester Press, 1980. 50. Simon H.A., Information processing models of cognition, Annual review of psychology. 1979, 30, 363-396. 51. Sloman A., The Computer Revolution in Philosophy: Philosophy, Science, and Models of Mind, Hassocks, Sussex: Harvester Press; New York: Humanities Press, 1978. 52. Toshimari Munakata, Fundamentals of the New Artificial Intelligence, Beyond Traditional Paradigms. Springer 1988. 53. Varela, F. (1979), Principles of Biological Autonomy, North Holland 54. Varela, F. (1988), Connatre les sciences cognitives, tendances et perspectives, Edition du Seuil 55. Winston P.H. (Ed), The Psychology of Computer Vision, New York: McGraw- Hill, 1975. 56. Winston P.H., Artificial Intelligence, Readings, Massachusetts: Addison Wesley 1977.