Omówiłem przyczynowość w sensie Grangera w świecie gospodarki, a teraz krótko przyjrzę się jej w świecie finansów. Zgodnie z teorią efektywnego rynku informacje o zmianach w produkcji powinny natychmiast zostać uwzględnione w cenach: dobre wieści powinny natychmiast podnosić ceny, złe - obniżać. Czy wynika z tego, że zmiany w produkcji powinny korelować na bieżąco z indeksami giełdowymi? Nie. Zobaczmy o co chodzi.
Dane o miesięcznych zmianach produkcji są te same co w poprzednim artykule. Jedynie dokładam stopę zwrotu WIG (źródło: stooq.pl). Okres 2001-06.2023, miesięcznie. Jedna uwaga: OECD podaje wskaźniki w ujęciu realnym. Nawet żeby się upewnić, porównałem dane dla Polski z GUSem - wskaźnikami przemysłu w cenach stałych r/r. Po przeróbce miesięcznych danych OECD do rocznych, dostałem współczynnik korelacji 0,95 i sumarycznie oba źródła niemal się pokrywają. Tak więc musimy mieć na uwadze, że mamy wielkości realne, które porównujemy z nominalnym WIG. Analiza w R.
1. Produkcja w Polsce.
Zacznijmy od korelacji krzyżowej WIG kontra produkcja w Polsce:
ccf(stopa_wig, stopa_pl, lag.max=6)
Nie ma tu pomyłki - ujemny krok oznacza, że produkcja w Polsce jest opóźniona o 1 miesiąc w stosunku do WIGu. WIG wyprzedza produkcję w Polsce i to o 2 miesiące.
Ale znowu jak poprzednim razem dobrze jest sprawdzić PACF stóp WIGu:
Żeby uzyskać pewność co do tego "odwrócenia", zastosujemy test Grangera(wystarczy order = 1) z pakietu lmtest:
H0: WIG nie wpływa na produkcję z miesięcznym opóźnieniem
H1: WIG wpływa na produkcję z miesięcznym opóźnieniem.
grangertest(x=stopa_wig, y=stopa_pl, order=1)
Granger causality test
Model 1: stopa_pl ~ Lags(stopa_pl, 1:1) + Lags(stopa_wig, 1:1)
Model 2: stopa_pl ~ Lags(stopa_pl, 1:1)
Res.Df Df F Pr(>F)
1 265
2 266 -1 13.2 0.0003361 ***
---
Signif. codes: 0 ‘***’ 0.001 ‘**’ 0.01 ‘*’ 0.05 ‘.’ 0.1 ‘ ’ 1WIG powoduje zmiany w gospodarce? Zanim przeanalizujemy wynik, wykonajmy test odwrotny:
H0: Produkcja nie wpływa na WIG z miesięcznym opóźnieniem
H1: Produkcja wpływa na WIG z miesięcznym opóźnieniem.
grangertest(y=stopa_wig, x=stopa_pl, order=1)
Granger causality test
Model 1: stopa_wig ~ Lags(stopa_wig, 1:1) + Lags(stopa_pl, 1:1)
Model 2: stopa_wig ~ Lags(stopa_wig, 1:1)
Res.Df Df F Pr(>F)
1 265
2 266 -1 0.6718 0.4132
| |
Okazuje się, że produkcja nie wpływa na WIG po miesiącu. To się zgadza z teorią efektywnego rynku, jednak co oznacza, że WIG wyprzedza gospodarkę co najmniej o 1 miesiąc (bo widzieliśmy 2 miesiące wyprzedzające)? Odpowiedź wydaje się oczywista: inwestorzy przewidują poprawnie zmiany w produkcji. Pytanie, w jaki sposób przewidują? Pierwsza hipoteza jaka przychodzi to występujące autokorelacje w produkcji. Te już sprawdzałem wcześniej, ale powtórzmy rysunek:
Istnieje zatem lekka ujemna korelacja drugiego rzędu, ale nie pierwszego. Korelacja WIGu z produkcją była jednak silniejsza (0,22 vs 0,16) i to dla 1 rzędu. Wynika z tego, że inwestorzy raczej wykorzystują dodatkowe informacje.
2. Produkcja UE
Jedną z możliwości jest... przyczynowość w sensie Grangera UE -> Polska, którą odkryłem wcześniej. Dla przypomnienia UE koreluje zarówno w bieżącym miesiącu z Polską, jak i wpływa po miesiącu na Polskę. Stąd być może wcześniejsza reakcja WIGu na zmiany gospodarcze w Polsce. Gdyby to jednak była prawda, to produkcja w UE korelowałaby z giełdą w bieżącym miesiącu. Usuwam ostatni miesiąc WIG, bo danych dla UE nie było dla czerwca. Sprawdźmy korelację:
stopa_wig = stopa_wig[-length(stopa_wig)]
ccf(stopa_wig, stopa_eu, lag.max=6)
Wbrew linii rozumowania WIG nie koreluje z UE w bieżącym miesiącu, a zamiast tego zachowuje się tak samo jak w stosunku do Polski. Jest to dowód, że tzw. chłopski rozum nie zawsze musi obowiązywać. Wprawdzie przeprowadzone rozumowanie wydaje się logiczne, ale gdyby było spełnione, to musiałoby obalać teorię efektywnego rynku. To właśnie brak tej korelacji działa na jej korzyść.
3. Produkcja USA
Kolejna możliwość obalająca teorię efektywnego rynku byłaby związana ze sprzężeniem zwrotnym między USA a UE, tak że UE wpływa na USA, ale USA lekko wpływa na UE po miesiącu. Inwestorzy mogą więc dyskontować informacje na miesiąc wcześniej już dzięki USA. USA wpływałby na UE, a UE na Polskę. I otrzymalibyśmy rozwiązanie zagadki w jaki sposób inwestorzy przewidują gospodarkę.
Ale znowu - gdyby to była prawda, to musiałaby istnieć bieżąca korelacja WIG-USA. Sprawdzamy:
ccf(stopa_wig, stopa_us, lag.max=6)
A jednak nie. Stopa zwrotu WIG nie koreluje na bieżąco z produkcją USA, ale znów z wyprzedzeniem dwumiesięcznym.
Na ostatnim wykresie jest jeszcze jedna ciekawa sprawa. Wygląda na to, że WIG jest lekko opóźniony o 5 miesięcy w stosunku do zmian PKB w USA. To wszystko zaprzecza obiegowej opinii, że giełda wyprzedza gospodarkę o ok. 6 miesięcy. Korelacja jednak jest mała - 15-16%. Teoria efektywnego rynku jest w tym kontekście nadłamana.
4. Produkcja OECD
Została jeszcze jedna możliwość. Istnieje bowiem sprzężenie zwrotne między a USA a OECD, tzn. USA wpływa na OECD, ale OECD wpływa na kolejny miesiąc w USA. Sprawdzamy, więc analogicznie czy WIG na bieżąco koreluje z OECD:
ccf(x=stopa_wig, y=stopa_oecd, lag.max=6)
Okazuje się, że WIG zachowuje się niemal identycznie jak z poprzednikami. Tak więc nie da się wyjaśnić tego typu korelacjami faktu, że inwestorzy przewidują kolejne 1-2 miesiące. Muszą oni z czegoś innego korzystać. Mogą to być zarówno informacje publicznie dostępne, których tutaj nie uwzględniłem (np. nowe zamówienia, stopa bezrobocia/zatrudnienia albo sondaże o nastroju przedsiębiorców lub konsumentów), jak i niedostępne dla ogółu.
Patrząc tak zupełnie czysto i naiwnie, można by wysnuć śmiałą hipotezę, że to indeksy giełdowe powodują zmiany w produkcji w następnym miesiącu. Nawet można by to zjawisko wyjaśnić przeświadczeniem spółek, że skoro inwestorzy wierzą (nie wierzą) w ich perspektywy, to powinny zwiększyć (zmniejszyć) produkcję. Pomijając fakt, że spółki planują na wiele miesięcy albo lat działalność operacyjną, to za odrzuceniem takiej hipotezy stoi również spostrzeżenie, że przecież to nie jest produkcja rozumiana w potocznym znaczeniu, ale produkcja sprzedana. Dalej, wzrosty albo spadki cen akcji mogą być także spowodowane czynnikami psychologicznymi, jak spadek lub wzrost niepewności czy awersji do ryzyka. Spółka działa zgodnie ze swoimi standardami i szacunkami i nie obchodzi jej, że gdzieś za granicą upadł jakiś bank, z którym nie ma nic wspólnego. Natomiast jej akcjonariusz, nawet gdyby miał pełną wiedzę o spółce, może dostrzec przynajmniej krótkoterminowe niebezpieczeństwo, że upadły bank wywoła spadek popytu inwestorów instytucjonalnych na akcje spółki. W dodatku inwestor stający się graczem będzie przewidywał ruchy innych graczy na to zdarzenie, co wywoła samospełniającą się lawinę. W ten sposób giełda odrywa się od sfery realnej. Dlatego hipoteza odwrotna nie ma sensu.
Brak komentarzy:
Prześlij komentarz