Η ΣΧΕΣΗ ΜΕΤΑΞΥ ΟΙΚΟΝΟΜΙΚΩΝ ΔΕΙΚΤΩΝ ΚΑΙ ΑΠΟΔΟΣΕΩΝ ΣΥΓΚΕΚΡΙΜΕΝΩΝ ΜΕΤΟΧΩΝ ΤΟΥ ΧΑΑ: ΜΙΑ ΕΜΠΕΙΡΙΚΗ ΠΡΟΣΕΓΓΙΣΗ

Transcript

1 Ελληνικό Στατιστικό Ινστιτούτο Πρακτικά 21 ου Πανελληνίου Συνεδρίου Στατιστικής (2008), σελ Η ΣΧΕΣΗ ΜΕΤΑΞΥ ΟΙΚΟΝΟΜΙΚΩΝ ΔΕΙΚΤΩΝ ΚΑΙ ΑΠΟΔΟΣΕΩΝ ΣΥΓΚΕΚΡΙΜΕΝΩΝ ΜΕΤΟΧΩΝ ΤΟΥ ΧΑΑ: ΜΙΑ ΕΜΠΕΙΡΙΚΗ ΠΡΟΣΕΓΓΙΣΗ Θεόδωρος Σπυρίδης 1, Βασίλης Καραγιάννης 2 1 Business School, University of Greenwich, jackie@vodafone.net.gr 2 Τμήμα Μαθηματικών, Αριστοτέλειο Πανεπιστήμιο Θεσσαλονίκης, vkdstat@math.auth.gr ΠΕΡΙΛΗΨΗ Στην παρούσα εργασία χρησιμοποιείται το Μοντέλο Αποτίμησης Κεφαλαιακών Στοιχείων (Capital Asset Pricing Model ή CAPM) και το Μοντέλο Αποτίμησης-Τιμολόγησης Εξισορροπητικής Κερδοσκοπίας (Arbitrage Pricing Theory ή APT) για την ανάλυση συγκεκριμένων μετοχών του Χρηματιστηρίου Αξιών Αθηνών (ΧΑΑ) κατά την περίοδο Πιο συγκεκριμένα, ακολουθώντας μεθοδολογίες των Roll και Ross, Fama και Gibbons, Chen και Jordan, και Diacogiannis, που στηρίζονται σε συνδυασμό μεθόδων όπως η παραγοντική ανάλυση, η κανονική συσχέτιση, η ανάλυση χρονοσειρών κατά Box και Jenkins και η γραμμική παλινδρόμηση, μελετήθηκε η επίδραση ενός αριθμού μακροοικονομικών και χρηματοοικονομικών δεικτών στη συμπεριφορά των αποδόσεων συγκεκριμένων μετοχών του Ελληνικού Χρηματιστηρίου σε μια σημαντική για την Ελληνική οικονομία περίοδο, λόγω της εισαγωγής του ενιαίου Ευρωπαϊκού νομίσματος (ευρώ) στην αγορά. 1. ΕΙΣΑΓΩΓΗ Οι Apergis και Eleptheriou (2002), καθώς και ο Shiller (1988) συμφωνούν ότι μεταβολές σε συγκεκριμένους μακροοικονομικούς δείκτες αντανακλούν μεταβολές στις προσδοκίες των επενδυτών για οικονομικές μεταβλητές που είναι ικανές να επηρεάσουν την αποτίμηση των χαρτοφυλακίων τους. Αυτή η σχέση μεταξύ μακροοικονομικών δεικτών και χρεογράφων οδήγησε σε ένα πλήθος εμπειρικών μελετών (Niarchos και Alexakis, 2000, Diacogiannis et al., 2001) που αφορούν στο ΧΑΑ. Στην παρούσα εμπειρική μελέτη, το ενδιαφέρον μας εστιάζεται στη χρονική περίοδο που χαρακτηρίζεται κυρίως από την εισαγωγή του ενιαίου Ευρωπαϊκού νομίσματος στην Ελληνική αγορά. Οι μέθοδοι που χρησιμοποιήθηκαν στηρίζονται στα οικονομικά υποδείγματα CAPM και δύο διαφορετικών μορφών του μοντέλου APT (statistical και macroeconomic APT). Επιπλέον, ελέγχθηκε η σχέση μεταξύ των δύο μορφών του μοντέλου APT με το μοντέλο της κανονικής συσχέτισης

2 2. ΟΙΚΟΝΟΜΙΚΑ ΥΠΟΔΕΙΓΜΑΤΑ Το CAPM των Sharpe (1964), Lintner (1965) και Mossin (1966) εκφράζει τη γενικότερη σχέση απόδοσης και ρίσκου (risk-return trade-off) μεταξύ των αποδόσεων χαρτοφυλακίων ή μεμονωμένων χρεογράφων και του χαρτοφυλακίου της αγοράς. Ειδικότερα, η αναμενόμενη απόδοση ενός χρεογράφου είναι ανάλογη προς την αναμενόμενη απόδοση του χαρτοφυλακίου της αγοράς, πέραν του επιτοκίου χωρίς κίνδυνο. Η μαθηματική διατύπωση του μοντέλου είναι: R = R + b( R - R ) + e (1) it ft i mt ft it όπου R it οι ποσοστιαίες μεταβολές των αποδόσεων του χρεογράφου ή του χαρτοφυλακίου, R οι ποσοστιαίες μεταβολές του χρεογράφου χωρίς κίνδυνο, ο συντελε- ft στής κινδύνου του χρεογράφου ή του χαρτοφυλακίου, R mt οι ποσοστιαίες μεταβολές των αποδόσεων του γενικού δείκτη της αγοράς, που χρησιμοποιείται ως δείκτης για το χαρτοφυλάκιο της αγοράς, e it ο μη συστηματικός κίνδυνος στην εξίσωση γραμμικής παλινδρόμησης, και t = 1,,72 μήνες (Fama, 1970, 1991, Diacogiannis, 1994). it Η θεωρία του APT προβλέπει ότι οι αναμενόμενες αποδόσεις των χρεογράφων σε μία ορθολογική αγορά στην οποία δεν υπάρχουν περιορισμοί (frictionless) και υπάρχουν ευκαιρίες κερδοσκοπίας, είναι γραμμική συνάρτηση ενός συγκεκριμένου αριθμού οικονομικών παραγόντων (πολλαπλές πηγές κινδύνου), έστω k αυτός, που όμως δεν είναι πάντα καθορισμένοι (Roll και Ross, 1980). Το APT εκφράζει τη γραμμική σχέση μεταξύ των αποδόσεων N χρεογράφων και των κοινών παραγόντων κινδύνου που τις επηρεάζουν: Rit = ait + bi1f1 t + bi 2F2 t bik Fkt + eit (2) όπου R οι ποσοστιαίες αποδόσεις των μετοχών στο χαρτοφυλάκιο, οι συντελεστές κινδύνου των αποδόσεων των μετοχών στις τιμές των παραγόντων, b ij b i j =1,...,k (θεωρητικών ή μακροοικονομικών), F jt οι τιμές των παραγόντων, e it ο μη συστηματικός κίνδυνος στη γραμμική παλινδρόμηση, και t = 1,...,59 μετρήσεις μετά τα πρώτα στάδια της ανάλυσης που ακολουθεί. Καθώς οι εμπειρικές μελέτες που έχουν βασιστεί στα παραπάνω μοντέλα είναι πάρα πολλές, στη συγκεκριμένη παράγραφο παρουσιάζουμε ενδεικτικά ορισμένες από αυτές. Ο Chen (1983) έδειξε, ύστερα από μία σύγκριση του CAPM με το APT για το χρηματιστήριο των Η.Π.Α., ότι το τελευταίο περιλαμβάνει σημαντικούς παράγοντες εκτός από το ιδανικό χαρτοφυλάκιο της αγοράς (αρχή του CAPM), που το καθιστά καλύτερο μοντέλο, αρκεί να βρεθούν και να μελετηθούν αυτοί οι παράγοντες. Οι Fifield et al. (2000), εφάρμοσαν την παραγοντική ανάλυση με τη μέθοδο των κυρίων συνιστωσών σε έναν αριθμό μακροοικονομικών δεικτών πολλών αναδυόμενων αγορών (συμπεριλαμβανομένης και της Ελλάδας) και στη συνέχεια χρησιμοποίησαν τους παράγοντες που προέκυψαν στο APT. Οι Diacogiannis et al. (2001) εφάρμοσαν επίσης την παραγοντική ανάλυση σε έναν αριθμό σχετικά όμοιων δεικτών και με μία σειρά γραμμικών παλινδρομήσεων κατέληξαν σε ενδιαφέροντα συμπεράσμα

3 τα σχετικά με την ύπαρξη σημαντικών παραγόντων που επηρεάζουν την πορεία των αποδόσεων των μετοχών στο ΧΑΑ. Τέλος, οι Gunsel και Cukur (2007) μελέτησαν στο χρηματιστήριο της Αγγλίας την επίδραση ορισμένων μακροοικονομικών δεικτών σε συγκεκριμένους κλάδους της οικονομίας με την εφαρμογή του μοντέλου APT και τα αποτελέσματα έδειξαν σημαντική επίδραση των δεικτών στις υπό εξέταση μετοχές. 3. ΕΠΙΛΟΓΗ ΔΕΔΟΜΕΝΩΝ Η έρευνα εκτείνεται από τον Ιανουάριο του 2001 μέχρι και τον Δεκέμβριο του Τα δεδομένα αντλήθηκαν από τις βάσεις δεδομένων του XAA και της ΕΣΥΕ. Αυτή η συγκεκριμένη περίοδος επιλέχτηκε επειδή χαρακτηρίζεται από την αρχή της κυκλοφορίας του ευρώ στην Ελληνική αγορά. Οι 40 μετοχές που χρησιμοποιήθηκαν καλύπτουν διαφορετικούς κλάδους της οικονομίας όπως τον τραπεζικό, τον ασφαλιστικό, το κλάδο πληροφορικής κτλ. Τα βασικά κριτήρια επιλογής ήταν να μην υπάρχουν κενά στον αριθμό των παρατηρήσεων (72 παρατηρήσεις για την κάθε μετοχή) και να είναι μετοχές αναγνωρίσιμων εταιριών στην Ελληνική οικονομία. Όλες οι α- ποδόσεις των μετοχών που χρησιμοποιούνται στη μελέτη έχουν ρυθμιστεί για τα stock splits και δεν περιλαμβάνουν μερίσματα. Οι δείκτες που επιλέχθηκαν είναι ο Γενικός Δείκτης του ΧΑΑ (ΓΔΧ), ο Δείκτης Τιμών Καταναλωτή (ΔΤΚ), ο Δείκτης Βιομηχανικής Παραγωγής, ο Δείκτης Λιανικών Πωλήσεων (ΔΛΠ), η Συναλλαγματική Ισοτιμία USD/EURO, η Συναλλαγματική Ισοτιμία UK/EURO και ο Δείκτης Προσφοράς Χρήματος στην Ελληνική αγορά (M1) (Chen et al., 1986, Maysami et al., 2004). Για να υπολογιστούν οι μηνιαίες αποδόσεις των μετοχών και των δεικτών, χρησιμοποιήθηκε ο τύπος : Pi, t R i, t log Pi, t 1 (3) όπου είναι η τιμή της κάθε μετοχής και των δεικτών το μήνα t και η τιμή P it, Pit, - 1 κλεισίματος το μήνα t-1. Επίσης, σύμφωνα με τη θεωρία του CAPM, υπολογίστηκαν οι υπερβάλλουσες αποδόσεις (excess returns) για την κάθε μετοχή και τον γενικό δείκτη της αγοράς. Αυτός ο υπολογισμός προέκυψε ύστερα από την αφαίρεση του τριμηνιαίου επιτοκίου κρατικών ομολόγων από τις μηνιαίες αποδόσεις του δείκτη της αγοράς και των μετοχών. 4. ΕΜΠΕΙΡΙΚΑ ΑΠΟΤΕΛΕΣΜΑΤΑ ΤΗΣ ΕΡΕΥΝΑΣ Για την εκτίμηση των αυτοσυσχετίσεων και μερικών αυτοσυσχετίσεων των μη αναμενόμενων μεταβολών στους επιλεγμένους δείκτες, χρησιμοποιήθηκε η μεθοδολογία των Box-Jenkins στις χρονοσειρές των τιμών που προέκυψαν για κάθε δείκτη από την εφαρμογή του τύπου (3) (Chen et al., 1986). Αρχικά παρατηρήθηκε ότι επιτυγχάνεται στασιμότητα με μετασχηματισμό σε πρώτες εποχικές διαφορές για τους δείκτες, ΔΤΚ, ΔΒΠ, ΔΛΠ και Μ1, και με πρώτες μηνιαίες διαφορές για τον ΔUSD/EURO. Για τους ΓΔΧ και τον ΔUK/EURO δεν παρατηρήθηκαν στατιστικά σημαντικές αυτοσυσχετίσεις και μερικές αυτοσυσχετίσεις έτσι επιλέχθηκαν ως μη

4 αναμενόμενες μεταβολές οι παρατηρούμενες μεταβολές που προέκυψαν με εφαρμογή του τύπου (3). Τελικά με το κριτήριο των Box-Ljung Q ή/και το λόγο της τιμής της αυτοσυσχέτισης προς το τυπικό σφάλμα της (λόγος μικρότερος ή ίσος του 2 υποδεικνύει μη σημαντική αυτοσυσχέτιση) στην ανάλυση χρησιμοποιήθηκαν οι μεταβλητές RΔΤΚ, RΔΒΠ, RΔΛΠ, RUS/EU και RΜ1, που αντιστοιχούν στα υπόλοιπα των εκτιμηθέντων χρονοσειρών (τα μοντέλα και η τιμή του Q παρουσιάζονται στον Πίνακα 1). Η επιλογή αυτή οδήγησε τελικά στην ανάλυση των παρατηρήσεων για τη χρονική περίοδο από το Φεβρουάριο του 2002 μέχρι και τον Δεκέμβριο του Πίνακας 1. Εκτιμηθέντα μοντέλα χρονοσειρών για τους οικονομικούς δείκτες. ΔΕΙΚΤΗΣ ΜΟΝΤΕΛΟ Q(18) p-value ΠΛΗΘΩΡΙΣΜΟΣ (RΔΤΚ) SARIMA(2,0,0)(0,1,1) ΜΕΤΑΒΟΛΗ ΔΕΙΚΤΗ ΒΙΟΜΗΧΑΝΙΚΗΣ ΠΑΡΑΓΩΓΗΣ (RΔΒΠ) ΜΕΤΑΒΟΛΗ ΔΕΙΚΤΗ ΑΞΙΑΣ ΛΙΑΝΙΚΩΝ ΠΩΛΗΣΕΩΝ (RΔΛΠ) USD EXCHANGE RATE (RUS/EU) ARIMA(0,1,1) SARIMA(0,0,1)(0,1,1) SARIMA(0,0,1)(0,1,1) M1 RATE (RΜ1) SARIMA(0,0,0)(0,1,1) Με τη βοήθεια του μοντέλου CAPM χωρίσαμε τις 40 μετοχές σε δυο χαρτοφυλάκια των 20 για ελάττωση των σφαλμάτων των εκτιμηθέντων συντελεστών κινδύνου. Στο πρώτο χαρτοφυλάκιο έχουμε μετοχές «χαμηλού ρίσκου» (οι τιμές των συντελεστών 0.5<β<1.23 δηλώνουν μικρότερο ή σχεδόν ίσο κίνδυνο με αυτόν του ΓΔΧ). Στο δεύτερο έχουμε μετοχές «υψηλού ρίσκου» 1.24<β<1.9 που είναι υψηλότερες του ΓΔΧ. Οι μετοχές που έχουν επιλεχθεί παρουσιάζονται στους Πίνακες (2) και (3) των αποτελεσμάτων της ανάλυσης. Στη συνέχεια, και για τις 20 μετοχές κάθε χαρτοφυλακίου, έγινε παραγοντική ανάλυση με τη μέθοδο των κυρίων συνιστωσών στον πίνακα διασπορών-συνδιασπορών, ώστε να εκτιμηθούν οι παράγοντες συστηματικού κινδύνου για κάθε χαρτοφυλάκιο. Η επιλογή των παραγόντων βασίστηκε (α) στην παρατήρηση των ερευνητών (Roll και Ross, 1980) ότι συνήθως 5 παράγοντες είναι αρκετοί για να εξηγήσουν ένα σημαντικό μέρος της διασποράς στις υπερβάλλουσες αποδόσεις των μετοχών και (β) στην απαίτηση να εξηγείται τουλάχιστον το 70% της συνολικής διασποράς. Η καταλληλότητα του μοντέλου στηρίχθηκε στο μέτρο των Kaiser-Meyer-Olkin και στον έλεγχο σφαιρικότητας του Bartlett. Επιπλέον χρησιμοποιήθηκε περιστροφή των κύριων αξόνων με τη μέθοδο Kaiser s Varimax ενώ για την εκτίμηση των τιμών των παραγόντων χρησιμοποιήθηκε η μέθοδος των Anderson- Rubin (δημιουργία ορθογώνιων-ασυσχέτιστων συνιστωσών). Για το πρώτο χαρτοφυλάκιο (ΚΜΟ=0.764, X 2 (190) = 559, p < ), σημαντικές θεωρήθηκαν οι πρώτες 6 κύριες συνιστώσες (εξηγούν το 36.6%, 11.5%, 9%, 6.2%, 5.4% και 4.7%, συνολικά 73% περίπου της συνολικής διασποράς). Για το δεύτερο (ΚΜΟ=0.870, X 2 (190) = 770, p < ), σημαντικές θεωρήθηκαν οι πρώτες 5 κύριες συνιστώσες (εξηγούν το 51%, 6.5%, 5.8%, 5.1% και 4.4%, συνολικά το 72% περίπου της συνολικής διασποράς). Οι σημαντικότερες συσχετίσεις των αρχικών μεταβλητών με τους

5 παράγοντες παρουσιάζονται στον Πίνακα 2 για το 1 ο χαρτοφυλάκιο και στον Πίνακα 3 για το 2 ο χαρτοφυλάκιο. Όπως είναι αναμενόμενο από προηγούμενες εμπειρικές μελέτες, οι άξονες αν και συσχετίζονται με συγκεκριμένες αλλά όχι μεμονωμένες μετοχές, δεν παρουσιάζουν ευκολία στην οικονομική τους ερμηνεία, γιατί περιλαμβάνουν μετοχές διαφόρων κλάδων. Σε κάθε άξονα του 1 ου χαρτοφυλακίου οι φορτίσεις των μετοχών που τον χαρακτηρίζουν έχουν το ίδιο πρόσημο πράγμα που δηλώνει ότι δεν ανταγωνίζονται αλλά κινούνται με όμοιο τρόπο. Στο 2 ο χαρτοφυλάκιο οι φορτίσεις στον 1 ο άξονα είναι επίσης ομόσημες. Στη συνέχεια και για την ίδια χρονική περίοδο (Φεβρουάριο του 2002 μέχρι και τον Δεκέμβριο του 2006), εφαρμόστηκε το πρώτο στάδιο του ΑΡΤ μοντέλου λαμβάνοντας ως παράγοντες κινδύνου τους μακροοικονομικούς δείκτες όπως διαμορφώθηκαν μετά την εκτίμηση των χρονοσειρών (Πίνακας 1). Πίνακας 2. Οι σημαντικές συσχετίσεις των μετοχών του 1 ου χαρτοφυλακίου με τους 6 σημαντικούς άξονες και οι στατιστικά σημαντικοί συντελεστές κινδύνου (στην παρένθεση το τυπικό σφάλμα) των παλινδρομήσεων με τους μακροοικονομικούς δείκτες. Παράγοντες της PCA Μακροοικονομικοί είκτες 1 ο Χαρτοφυλάκιο F1 F2 F3 F4 F5 F6 Γ Χ UK/EU R ΒΠ R ΤΚ R ΛΠ RUSD/EU RM1 ΓΕΡΜΑΝΟΣ ΑΒΕΕ ΚΟ 0,915 ALPHA ΤΡΑΠΕΖΑ ΑΕ ΚΟ 0,854 JUMBO ΑΝΩΝΥΜΗ ΕΜΠΟΡΙΚΗ ΕΤΑΙΡΙΑ ΚΟ 0,636 ΤΡΑΠΕΖΑ ΤΗΣ ΕΛΛΑ ΟΣ ΚΟ 0,592 ASPIS BANK ΑΤΕ ΚΟ 0,772 ΟΤΕ ΑΕ ΚΟ 0,682 ΕΘΝΙΚΗ ΤΡΑΠΕΖΑ ΤΗΣ ΕΛΛΑ ΟΣ ΑΕ ΚΟ 0,636 ΕΛΛΗΝΙΚΑ ΠΕΤΡΕΛΑΙΑ ΑΕ ΚΟ 0,471 Ι.ΜΠΟΥΤΑΡΗΣ & ΥΙΟΣ HOLDING AE ΚΑ 0,765 ΠΛΑΙΣΙΟ COMPUTERS ΑΕΒΕ ΚΟ 0,750 EVEREST ΑΕ ΚΟ 0,838 CHIPITA INTERNATIONAL SA ΚΟ 0,734 FOLLI FOLLIE ΑΒΕΕ KΟ 0,705 ΠΗΓΑΣΟΣ ΕΚ ΟΤΙΚΗ ΕΚΤΥΠΩΤΙΚΗ ΑΕ ΚΟ 0,693 MARFIN FINANCIAL GROUP ΑΕ ΣΥΜΜΕΤΟΧΩΝ ΚΟ 0,912 COCA COLA ΕΕΕ ΑΕ ΚΑ 0,402 FORTHnet AE ΚΟ 0,320 ΚΡΕΤΑ ΦΑΡΜ ΑΒΕΕ ΚΟ 0,207 ΑΛΦΑ ΒΗΤΑ ΒΑΣΙΛΟΠΟΥΛΟΣ AE ΚΟ 0,389 ΑΣΠΙΣ ΠΡΟΝΟΙΑ ΑΕΓΑ ΚΟ 0, (0.34) (0.265) (0.202) (0.227) (1.140) (0.257) (0.182) (0.186) (0.23) 1.1 (0.276) (0.223) (0.243) (0.261) (0.194) (0.314) (0.303) (0.158) (0.316) (0.432) (0.24) (0.381) (1.22) (0.538) (0.407) (0.906) (3.77) (1.116) (0.718) (0.52) (0.88) (0.781) (0.816) Πίνακας 3. Οι συσχετίσεις των μετοχών του 2 ου χαρτοφυλακίου με τους 6 σημαντικούς άξονες και οι στατιστικά σημαντικοί συντελεστές κινδύνου (στην παρένθεση το τυπικό σφάλμα) των παλινδρομήσεων με τους μακροοικονομικούς δείκτες

6 Παράγοντες της PCA Μακροοικονομικοί είκτες 2 ο Χαρτοφυλάκιο F1 F2 F3 F4 F5 Γ Χ UK/EU R ΒΠ R ΤΚ R ΛΠ RUSD/EU RM1 ΣΑΝΥΟ ΕΛΛΑΣ ΣΥΜΜΕΤΟΧΙΚΗ ΑΕΒΕ ΚΑ 0,834-0,329 0, (0.464) ΕΓΝΑΤΙΑ ΤΡΑΠΕΖΑ ΑΕ ΠΟ 0,803-0,113 0,194-0,165 ΕΛΛ. ΒΙΟΜ. ΖΑΧΑΡΗΣ ΑΕ ΚΑ 0,801 0,188 0, (0.203) (0.367) InfoQuest ΑΕΒΕ ΚΟ 0,798-0,315-0, (0.457) ΓΕΝΙΚΗ ΤΡΑΠΕΖΑ ΤΗΣ ΕΛΛΑ ΟΣ ΑΕ ΚΟ 0,785 0,230-0, (0.25) BLUE STAR ΝΑΥΤΙΛΙΑΚΗ ΑΕ ΚΑ 0,781-0,306 0,141 0, (0.362) SATO AE ΚΟ 0,762 0,115 0, (0.421) Η ΚΑΘΗΜΕΡΙΝΗ ΑΕ ΕΚ. ΕΝΤΥΠΩΝ ΜΜΕ ΚΟ 0,733-0,257 0,102 0, (0.36) ΑΓΡΟΤΙΚΗ ΑΣΦΑΛΙΣΤΙΚΗ ΑΕ ΚΟ 0,722 0,231-0, (0.391) (1.967) ΤΡΑΠΕΖΑ ΑΤΤΙΚΗΣ ΑΕ ΚΟ 0,718 0,340-0,292-0, (0.351) ΕΒΡΟΦΑΡΜΑ ΑΒΕΕ ΒΙΟΜ/ΝΙΑ ΓΑΛΑΚΤΟΣ ΚΟ 0,708-0,410-0,228 ΗΛΕΚΤΡΟΝΙΚΗ ΑΘΗΝΩΝ ΑΕΕ ΚΟ 0,694-0,113 0,161 0,103 ΕΛΛΗΝΙΚΑ ΧΡΗΜΑΤΙΣΤΗΡΙΑ ΑΕ ΣΥΜ/ΧΩΝ KO 0,679 0,269 0,537 ΕΜΠΟΡΙΚΗ ΤΡΑΠΕΖΑ ΤΗΣ ΕΛΛΑ ΟΣ ΑΕ ΚΟ 0,667 0,504 0,120-0, (0.442) (0.305) (0.322) (0.332) (0.737) (0.569) (0.701) (0.983) (1.398) ΤΡΑΠΕΖΑ ΠΕΙΡΑΙΩΣ ΑΕ ΚΟ 0,636 0,374 0,357-0,128 MULTIRAMA ΑΕΒΕ ΚO 0,584 0,138 0,139 ΑΚΤΙΒ ΕΠΕΝ ΥΤΙΚΗ ΑΕΕΧ ΚΑ 0,555 0,395 0,389 ΑΤΤΙΚΕΣ ΕΚ ΟΣΕΙΣ ΑΕ ΚΟ 0,549 0,237 0,318 INTERINVEST ΙΕΘΝΗΣ ΕΠΕΝ /ΚΗ ΑΕΕΧ ΚΟ 0,575-0,734 0, (0.208) (0.309) (0.223) (0.285) (1.435) (0.45) ΑΛΛΑΤΙΝΗ ΑΒΕΕ ΚΑ 0,360-0,159 0,594 0, (0.345) (0.501) (0.799) (1.299) 2 Ο πολλαπλός συντελεστής προσδιορισμού R για τα μοντέλα κυμάνθηκε από 0.2 μέχρι (εκτός από τις περιπτώσεις των ΓΕΡΜΑΝΟΣ, ΠΛΑΙΣΙΟ, MARFIN και ΑΛΦΑ ΒΗΤΑ ΒΑΣΙΛΟΠΟΥΛΟΣ στον Πίνακα 2, όπου κυμάνθηκε από 0.11 μέχρι 0.2). Τα αποτελέσματα των παλινδρομήσεων παρουσιάζονται στους Πίνακες 2 και 3. Αξίζει να σημειωθεί ότι ο ΓΔΧ είναι στατιστικά σημαντικός θετικός συντελεστής κινδύνου σε όλες τις μετοχές, σε επίπεδο σημαντικότητας < 0.05 εκτός των ΓΕΡΜΑΝΟΣ, ΠΛΑΙΣΙΟ, MARFIN και ΑΛΦΑ ΒΗΤΑ ΒΑΣΙΛΟΠΟΥΛΟΣ, για τις οποίες είναι στατιστικά σημαντικός σε επίπεδο σημαντικότητας < 0.1. Στο τελευταίο στάδιο της ανάλυσης πραγματοποιήθηκε κανονική συσχέτιση βασιζόμενη σε προηγούμενες μελέτες (Chen και Jordan, 1993) μεταξύ των συνιστωσών της παραγοντικής ανάλυσης και των επιλεγμένων μακροοικονομικών δεικτών όπως χρησιμοποιήθηκαν στις παλινδρομήσεις. Τα αποτελέσματα ανέδειξαν για το 1 ο χαρτοφυλάκιο δυο κανονικές εξισώσεις. Η πρώτη με r 1 =0.801, Wilk s=0.134, X 2 (42) = 100.6, p <0.001, στην οποία οι συνιστώσες F1(-0.704), F2 (-0.326), F3 ( ), F4 (-0.322), F5 (-0.335), σχετίζονται με τους ΓΔΧ (-0.808) και RΜ1 (-0.421) αναδεικνύει την κυριαρχία του δείκτη ΓΔΧ στους παράγοντες κινδύνου που εκτιμώνται από την ανάλυση συνιστωσών. Η δεύτερη με r 2 =0.591, Wilk s=0.373,

7 X 2 (30) = 49.7, p = 0.014, στην οποία ο ανταγωνισμός μεταξύ F1(-0.825), F6 ( ) και F5 (0.373), σχετίζεται με τον ανταγωνισμό των UK/EU (-0.344) με τις RΔΛΠ (0.339), RUS/EU (0.38) και RΜ1 (0.32) αλλά δεν δίνει κάποια εμφανή οικονομική ερμηνεία. Για το 2 ο χαρτοφυλάκιο αναδείχτηκε μια στατιστικά σημαντική κανονική εξίσωση με r 1 =0.743, Wilk s=0.227, X 2 (35) = 74.8, p < 0.001, στην ο- ποία οι συνιστώσες F1(-0.361), F2 (-0.601), F3 (-0.480), F4 (-0.460), σχετίζονται με τον ΓΔΧ (-0.891) και αναδεικνύει την κυριαρχία του δείκτη ΓΔΧ στους παράγοντες κινδύνου που εκτιμώνται από την ανάλυση συνιστωσών. 5. ΓΕΝΙΚΑ ΣΥΜΠΕΡΑΣΜΑΤΑ Οι παραπάνω έλεγχοι των σχέσεων μεταξύ των μακροοικονομικών δεικτών και των μετοχών του ΧΑΑ έδειξαν ότι είναι εμφανής για την περίοδο που εξετάστηκε η σημαντικότητα του γενικού δείκτη του ΧΑΑ, ενώ για μερικές από τις μετοχές φάνηκε ότι η συστηματική πλεονάζουσα απόδοση σχετίζεται και με τους άλλους οικονομικούς δείκτες. Κατά την περίοδο, δηλαδή, από την εισαγωγή του ευρώ στην Ελληνική αγορά μέχρι και τον Δεκέμβριο του 2006, παρατηρήθηκε ότι η πορεία των μεταβολών των μετοχών υπό εξέταση φαίνεται να επηρεάζεται και από τη συναλλαγματική ισοτιμία μεταξύ αγγλικής λίρας και ευρώ, τις μη αναμενόμενες μεταβολές του δείκτη βιομηχανικής παραγωγής, λιανικής πώλησης και προσφοράς του χρήματος στην αγορά αλλά και τις μη αναμενόμενες μεταβολές μεταξύ δολλαρίου και ευρώ. Επιπλέον, η σημαντικότητα του γενικού δείκτη του ΧΑΑ επιβεβαιώνεται και από την ανάλυση της σχέσης μεταξύ των δεικτών και των παραγόντων κινδύνου της παραγοντικής α- νάλυσης, που ανέδειξε η κανονική συσχέτιση, το οποίο είναι συμπέρασμα και προηγούμενων ερευνών σε άλλες αγορές (Chen and Jordan, 1993). Oι επενδυτές, θα πρέπει να παρακολουθούν την πορεία ορισμένων οικονομικών δεικτών, διότι μπορεί να επηρεάσει σε μικρό ή μεγάλο βαθμό τις τιμές των μετοχών στα χρηματιστήρια σε παγκόσμιο επίπεδο. Τέλος, το σύνολο των παρατηρήσεων της έρευνάς μας είναι σχετικά μικρό και θα ήταν ενδιαφέρον τα συμπεράσματα αυτά να συνδυαστούν με δεδομένα που θα προκύψουν από επόμενα έτη για την κατασκευή χαρτοφυλακίων από τους επενδυτές στα οποία μπορούν να επιδράσουν διάφορες συστηματικές πηγές κινδύνου. ABSTRACT In the present study we employ the Capital Asset Pricing Model (CAPM) and the Arbitrage Pricing Theory (APT) model for the examination of specific stocks in the Athens Stock Exchange (ASE) during the period Specifically, by following the methodologies of Roll and Ross, Fama and Gibbons, Chen and Jordan, and Diacogiannis, which combine methods such as factor analysis, canonical correlation analysis, time series analysis, based on the Box and Jenkins methodology, and linear regression using the OLS method, there was an examination of the influence of a number of macroeconomic and financial variables on the behaviour of specific stock returns of the Greek Exchange during an important period for the Greek economy, due to the insertion of the common European currency (euro) in the market

8 ΑΝΑΦΟΡΕΣ Apergis, N. and Eleptheriou, S. (2002). Interest Rates, Inflation and Stock Prices: The Case of the Athens Stock Exchange. Journal of Policy Modeling, 24, Chen, N. F. (1983). Some Empirical Tests of Arbitrage Pricing. The Journal of Finance, 38(5), Chen, S. J. and B. D. Jordan (1993). Some Empirical Tests in the Arbitrage Pricing Theory: Macrovariables vs Derived Factors. Journal of Banking and Finance, 17(1), Chen, N. F., Roll, R. and Ross, S. A. (1986). Economic Forces and the Stock Market. Journal of Business, 59(3), Diacogiannis, G. P. (1994). Financial Management: A Modelling Approach using Spreadsheets, London: McGraw-Hill Book Company Europe. Diacogiannis, G. P., Tsiritakis, E. D. and Manolas, G. A. (2001). Macroeconomic Factors and Stock Returns in a Changing Economic Framework: The Case of the Athens Stock Exchange. Managerial Finance, 27(6), Fama, E. F. (1970). Efficient Capital Markets: A Review of Theory and Empirical Work. The Journal of Finance, 25(2), Fama, E. F. (1991). Efficient Capital Markets: II. The Journal of Finance, 46(5), Fifield, S. G. M., Power, D. M. and Sinclair, C. D. (2000). A Study of whether Macroeconomic Factors influence Emerging Market Share Returns. Global Economy Quarterly, 1(4), Gunsel N. and Cukur, S. (2007). The Effects of Macroeconomic Factors on the London Stock Returns: A Sectoral Approach. International Research Journal of Finance and Economics, (10), Lintner, J. (1965). The Valuation of Risky Assets and the Selection of Risky Investments in Stock Portfolios and Capital Budgets. The Review of Economics and Statistics, 47(1), Maysami, R. C., Howe, L. C. and Hamzah, M. A. (2004). Relationship between Macroeconomic Variables and Stock Market Indices: Cointegration Evidence from Stock Exchange of Singapore s All Sector Indices. Jurnal Pengurusan, 24, Mossin, J. (1966). Equilibrium in a Capital Asset Market. Econometrica, 34(4), Niarchos, N. A. and Alexakis, C. A. (2000). The Predictive Power of Macroeconomic Variables on Stock Market Returns: The Case of the Athens Stock Exchange. Spoudai, 50(2), Sharpe, W. F. (1964). Capital Asset Prices: A Theory of Market Equilibrium under Conditions of Market Risk. The Journal of Finance, 19(3), Shiller, R. J. (1988). Causes of changing Financial Market Volatility, In: Financial Market Volatility, The Federal Reserve Bank of Kansas City,