Comovements of Central European Stock Markets: What Does the High Frequency Data Tell Us?
Studium závislostí středoevropských kapitálových trhů pomocí vysokofrekvenčních dat
diplomová práce (OBHÁJENO)
Zobrazit/ otevřít
Trvalý odkaz
http://hdl.handle.net/20.500.11956/49412Identifikátory
SIS: 93227
Katalog UK: 990013861160106986
Kolekce
- Kvalifikační práce [19618]
Autor
Vedoucí práce
Oponent práce
Krištoufek, Ladislav
Fakulta / součást
Fakulta sociálních věd
Obor
Ekonomie
Katedra / ústav / klinika
Institut ekonomických studií
Datum obhajoby
13. 9. 2011
Nakladatel
Univerzita Karlova, Fakulta sociálních vědJazyk
Angličtina
Známka
Výborně
Klíčová slova (česky)
vysokofrekvenční data, evropské rozvojové trhy, vzájemné chováníKlíčová slova (anglicky)
high frequency data, European emerging markets, comovementsV této práci zkoumáme vzájemné závislosti a pohyby mezi kapitálovými trhy středoevropského regionu. Dále sledujeme vztahy těchto trhů s německým kapitálovým trhem, který jsme vybrali jako zástupce vyspělého trhu ze stejné geografické oblasti. Pro naši analýzu disponujeme jedinečnými vysokofrekvenčními daty s pětiminutovou, třicetiminutovou a hodinovou frekvencí, které pokrývají období krize a pokrizové "klidné" období. Denní data jsou též zahrnuta v analýze. Použitím několika ekonometrických metod jsme neobjevili žádné dlouhodobě trvající vztahy mezi jednotlivými indexy kapitálových trhů. Jediný silný vztah byl nalezen mezi indexy DAX a WIG20 na datech z období krize i klidného období. Rychlost interakcí se měnila pro jednotlivá období. Nejsilnější vzájemné vztahy byly rozeznány na datech s pětiminutovou frekvencí, což napovídá, že trhy reagují na sebe navzájem velmi rychle. Odhalili jsme, že trhy nejsou ve většině případů mezi sebou informačně efektivní.
In this thesis, we inquire interdependencies and comovements between CEE capital markets within each other. German market is also included in the analysis as a benchmark to CEE capital markets. We have chosen German capital market as it represents more developed market from the same geographical region. We study a unique high-frequency dataset of 5 minutes, 30 minutes and 1 hour data frequencies covering the the crisis period and post-crisis "tranquil" period. Daily data frequency is also involved in the analysis. Using different econometric techniques, we found no steady long-term relationships among stock market indices. The only strong relationship was detected between the DAX and WIG20 indices during both crisis and "tranquil" periods. The frequency of interactions changed across periods. The strongest interdependencies were recognized in 5 minute data frequency which indicates fast reactions between markets. Information inefficiency was revealed between markets according to cointegration tests in most cases.
