FABBV

MANAGEMENT FINANCIAR ȘI INVESTIȚII

PROPRIETĂȚILE STATISTICE ALE

RANDAMENTELOR – STYLIZED FACTS
- CURS 11 -

Lect. univ. dr. Filip Iorgulescu

 INTRODUCERE
 Deși prețurile diferitelor categorii de active sunt influențate
de factori diferiți, s-a observat că seriile de rentabilități
(randamente) ale acestora prezintă câteva proprietăți
statistice similare. Aceste proprietăți, regăsite în literatură
sub denumirea de stylized facts of asset returns, tind să se
manifeste indiferent de activul considerat, de piața pe care
acesta este tranzacționat sau de perioada de timp aleasă.

 Proprietățile statistice ale randamentelor au fost observate

prin studii empirice și sunt preponderent proprietăți
calitative în sensul că nu indică un model pentru
rentabilitățile activelor. Pe de altă parte, sunt destul de
restrictive în sensul că este dificil de construit un model
care să respecte simultan aceste proprietăți.
 1. LIPSA AUTOCORELAȚIILOR

 Rentabilitățile zilnice nu prezintă autocorelații

(în sensul că acestea nu sunt semnificativ diferite
de 0). Această proprietate explică de ce istoricul
rentabilităților anterioare nu permite prognoza
rentabilităților viitoare.

 Această proprietate nu este valabilă în cazul

randamentelor intraday care, de regulă, prezintă
autocorelații pozitive.
 2. COZI GROASE

 Distribuțiileseriilor de rentabilități prezintă cozi

mai groase (fat tails) decât distribuția normală.
Această proprietate arată faptul că probabilitatea
de a înregistra rentabilități extreme (pozitive sau
negative) este mai mare decât probabilitatea
descrisă de o distribuție normală.

 Din punct de vedere statistic, această proprietate

este evidențiată prin prezența unui kurtosis mai
mare decât 3 (sau a unui excess kurtosis mai mare
decât 0).
 3. ASIMETRIE

 Activele financiare suferă ocazional pierderi de

amploare însă nu înregistrează și câștiguri de
aceeași amploare. Astfel, randamentele negative
extreme au o dimensiune mai mare decât
randamentele pozitive extreme. În consecință,
distribuția seriilor de rentabilități este, de regulă,
asimetrică la stânga, având un skewness negativ.

 Această proprietate nu este valabilă în cazul

cursului de schimb.
 4. AGREGARE GAUSSIANĂ

 Pe măsură ce intervalul de timp pe care sunt

calculate rentabilitățile crește (frecvența acestora
scade), distribuția lor se va apropia tot mai mult de
profilul distribuției normale.

 Această proprietate se manifestă cu precădere prin

reducerea valorii kurtosis („subțierea” cozilor
distribuției) fără a avea un efect clar privind
ameliorarea asimetriei.
 5. MEDIE NESEMNIFICATIVĂ STATISTIC

 În cazul rentabilităților calculate pe intervale

scurte de timp (de exemplu, rentabilități zilnice)
abaterea medie pătratică (standard deviation) este
mare în raport cu media randamentelor. În
consecință, testele de semnificație statistică nu vor
putea respinge ipoteza că media este egală cu 0 iar
aceasta poate fi ignorată în procesul de modelare a
randamentelor.
 6. VOLATILITY CLUSTERING
FENOMENUL DE GRUPARE A VOLATILITĂȚII

 Pătratele
randamentelor (utilizate pentru a estima
varianța acestora) prezintă autocorelații pozitive
pentru intervale scurte de timp indicând faptul că
randamentele mai volatile tind să fie grupate (să
formeze clustere) în timp.
 7. EFECTUL DE LEVIER
 Această proprietate este specifică acțiunilor și
indicilor compuși din acțiuni și se manifestă sub
forma unei corelaţii negative între rentabilități și
pătratele acestora (utilizate pentru a estima
varianța).

 Înconsecință, volatilitatea este mai ridicată în

cazul scăderii cursului respectivei acțiuni, decât în
cazul unei creşteri de aceeaşi amploare. Efectul
de levier este explicat prin faptul că o scădere a
preţului acţiunii antrenează scăderea capitalizării
bursiere a firmei şi, implicit, creşterea levierului
său de îndatorare.
 8. CORELAȚII VARIABILE ÎN TIMP

 Corelațiile dintre active se modifică în timp. Mai

mult, acestea par să crească atunci când piața este
în scădere atingând valori foarte ridicate în cazul
crizelor (crahurilor) bursiere. Această caracteristică
a randamentelor activelor financiare este
cunoscută şi sub denumirea de contagiune.
 9. ACF PENTRU RANDAMENTELE ÎN
VALOARE ABSOLUTĂ DESCREȘTE GRADUAL

 Autocorelaţiilerandamentelor în valoare absolută

se reduc treptat pe măsură ce intervalul de timp
creşte. Această proprietate este interpretată ca un
semnal al faptului că randamentele sunt
dependente pe termen lung.

 Datorită asemănărilor cu proprietatea de volatility

clustering, în literatură s-a propus modelarea
volatilității activelor cu ajutorul randamentelor în
valoare absolută.
 10. CORELAȚII VOLUM - VOLATILITATE

 Volumul de tranzacționare al unui activ este

corelat cu toți estimatorii volatilității acestuia.

 Clark(1973) a explicat această proprietate prin

intermediul fluxului de informații pe piețe. Astfel,
în momentul apariției unei noi informații, care nu
oferă un semnal clar de vânzare sau de
cumpărare, pozițiile agenților se vor schimba în
sensuri diferite iar modificările ample de preț vor
coincide cu volume mari de tranzacții.
 CONCLUZII
 În cazul orizonturilor scurte de timp, media randamentelor
poate fi ignorată în procesul de modelare a acestora
deoarece nu este semnificativă statistic

 Modelele de volatilitate a activelor financiare trebuie să

reflecte proprietatea de volatility clustering, precum și
efectul de levier în cazul acțiunilor sau al indicilor compuși
din acțiuni

 Modelele utilizate pentru portofoliile de active financiare

ar trebui să permită variabilitatea în timp a corelațiilor fără
a ridica cerințe prea mari de calcul

 Modelarea distribuțiilor de probabilitate ale randamentelor

trebuie să reflecte proprietățile de asimetrie și cozi groase
 PENTRU STUDIU INDIVIDUAL

 StudiațiSecțiunea 1.5 Stylized Facts of Asset

Returns din Elements of Financial Risk
Management, Christoffersen, P. F. (2003), San
Diego: Academic Press

 Studiați articolul lui Cont, R. (2001) „Empirical

properties of asset returns: stylized facts and
statistical issues”, Quantitative Finance, Volume
1, Issue 2, pg. 223-236.