文章基本信息

标题：Zastosowanie mieszanki kopul do modelowania współzależności pomiędzy wybranymi sektorami gospodarki
本地全文：下载
作者：Piotr Gurgul, Robert Syrek
期刊名称：Ekonomia Menedzerska (älter als 2 Jahre)
印刷版ISSN：1898-1143
出版年度：2009
期号：06
出版社：Akademia Górniczo-Hutnicza
摘要：Możliwość prognozowania i dokładność prognoz jednej zmiennej fi nansowej za pomocą innej zmiennej (zmiennych) zależą od stopnia zależności między nimi. Dlatego badanie zależności jest bardzo ważne nie tylko z punktu widzenia badaczy, ale przede wszystkim z punktu widzenia samych uczestnikow rynku [9]. Zależność pomiędzy zmiennymi fi nansowymi na rynkach akcji jest zwykle mierzona za pomocą takich zmiennych, jak stopy zwrotu, ich zmienność oraz wielkość obrotow pojedynczych społek lub indeksow grup społek. Ekonomiści najczęściej badają zależność za pomocą wspołczynnika korelacji liniowej Pearsona, a także wspołczynnikow korelacji rangowej Spearmana i Kendalla. Te miary zależności mają liczne wady, powodujące to, że ich wskazania są często – w przypadku analiz związkow pomiędzy zmiennymi fi nansowymi – wysoce niewiarygodne. Przykładowo wspołczynnik korelacji liniowej jest zdefi niowany tylko dla zmiennych o skończonych wariancjach, co jest źrodłem istotnych błędow w przypadku analizy zależności pomiędzy zmiennymi z tzw. ciężkimi ogonami rozkładow prawdopodobieństwa. Dobrze znany jest też fakt, że niezależność dwoch zmiennych losowych implikuje nieskorelowanie, ale implikacja odwrotna na ogoł nie jest prawdziwa(poza przypadkiem wielowymiarowego rozkładu normalnego). W literaturze przedmiotu podnosi się fakt, że korelacja liniowa nie jest miarą odporną. Oznacza to, że obserwacje nietypowe (tzw. outliers) mogą istotnie wpływać na wartość wspołczynnika korelacji. Korelacja nie wykazuje też niezmienniczości względem transformacji nieliniowych