Czas trwania ceny w kontekście płynności rynku i stóp zwrotu

Artur  Jasielski

doi:https://doi.org/10.59139/ws.2026.07.2

Czas trwania ceny w kontekście płynności rynku i stóp zwrotu

Artur Jasielski Uniwersytet Ekonomiczny w Krakowie, Kolegium Ekonomii i Finansów, Instytut Metod Ilościowych w Naukach Społecznych, Katedra Ekonometrii i Badań Operacyjnych, Polska / Krakow University of Economics, College of Economics, Finance and Law, Institute of Quantitative Methods in Social Sciences, Department of Econometrics and Operations Research, Poland ORCID: https://orcid.org/0009-0001-2658-2251 Wiadomości Statystyczne. The Polish Statistician, vol. 71, 2026, 7, s. 26-48 Opublikowano online: 31 lipca 2026 DOI https://doi.org/10.59139/ws.2026.07.2 Sposób cytowania: Jasielski, A. (2026). Czas trwania ceny w kontekście płynności rynku i stóp zwrotu. Wiadomości Statystyczne. The Polish Statistician, 71(7), 26–48. https://doi.org/10.59139/ws.2026.07.2.

56 Wyświetlenia 12 Pobrania

ARTYKUŁ

(Polski) PDF

STRESZCZENIE

Zależność między dynamiką cen aktywów finansowych a transakcyjnym czasem trwania ich cen była dotychczas obiektem kilku badań dotyczących rynków o względnie wysokiej płynności. Wobec ich niejednoznacznych wyników oraz ograniczonego zasięgu przekrojowego i czasowego powstało zapotrzebowanie na powtórzenie badania na aktualnych danych dla rynków relatywnie mniej dojrzałych. Tego rodzaju badania mogą nie tylko pomóc zrozumieć zachowanie inwestorów, lecz także ułatwić konstrukcję algorytmów handlujących. Celem badania omawianego w artykule jest ustalenie, czy występuje współzależność między wzrostem cen a zmniejszeniem się częstotliwości transakcyjnej dla danej akcji, a jeśli tak, to czy dana zależność ma istotny związek z płynnością rynku. Wykorzystując logarytmiczną specyfikację modeli ACD (ang. autoregressive conditional duration) z dodatkowymi zmiennymi egzogenicznymi, przeprowadzono badanie na danych transakcyjnych (z książki zleceń) z października 2024 r. dla wybranych spółek notowanych na Giełdzie Papierów Wartościowych w Warszawie. Wykazano, że wzrostowi cen towarzyszy spadek częstotliwości transakcyjnej. Związek płynności poszczególnych akcji z tą zależnością okazał się bardzo słaby i niemający istotnego znaczenia.

SŁOWA KLUCZOWE

czas trwania ceny, płynność rynku, model ACD

JEL

C58, C22, G14

BIBLIOGRAFIA

Al-Jaroodi, J., Mohamed, N. (2009). A personalized stock investors alert system. Journal of Software, 4(8), 875–882. https://doi.org/10.4304/jsw.4.8.875-882.

Allen, D., Chan, F., McAleer, M., Peiris, S. (2008). Finite sample properties of the QMLE for the log- ACD model: Application to Australian stocks. Journal of Econometrics, 147(1), 163–185. https://doi.org/10.1016/j.jeconom.2008.09.020.

Bauwens, L., Giot, P. (2000). The Logarithmic ACD Model: An Application to the Bid-Ask Quote Process of Three NYSE Stocks. Annales d’Economie et de Statistique, (60), 117–149. https://doi.org/10.2307/20076257.

Bauwens, L., Veredas, D. (2004). The stochastic conditional duration model: A latent variable model for the analysis of financial durations. Journal of Econometrics, 119(2), 381–412. https://doi.org/10.1016/S0304-4076(03)00201-X.

Białkowska, J., Pipień, M. (2015). Analiza czasów trwania pomiędzy zmianami kierunku cen akcji – wpływ uwzględnienia wewnątrzdziennej sezonowości na ranking modeli ACD. Folia Oeconomica Cracoviensia, 56, 35–80. https://journals.pan.pl/dlibra/publication/101990/edition/88010/content.

Bień, K. (2006a). Model ACD – podstawowa specyfikacja i przykład zastosowania. Przegląd Statystyczny, 53(3), 83–97.

Bień, K. (2006b). Zaawansowane specyfikacje modeli ACD – prezentacja oraz przykład zastosowania. Przegląd Statystyczny, 53(1), 90–108.

Chakravarty, R. R., Pani, S. (2022). Investigating intertrade durations using copulas: An experiment with NASDAQ data. Algorithmic Finance, 9(3–4), 81–102. https://doi.org/10.3233/AF-200362.

Clinet, S., Potiron, Y. (2019). Testing if the market microstructure noise is fully explained by the informational content of some variables from the limit order book. Journal of Econometrics, 209(2), 289–337. https://doi.org/10.1016/j.jeconom.2019.01.004.

Diamond, D. W., Verrecchia, R. E. (1987). Constraints on short-selling and asset price adjustment to private information. Journal of Financial Economics, 18(2), 277–311. https://doi.org/10.1016/0304-405X(87)90042-0.

Doman, M. (2011). Mikrostruktura giełd papierów wartościowych. Wydawnictwo Uniwersytetu Ekonomicznego w Poznaniu.

Dufour, A., Engle, R. F. (2000). Time and the Price Impact of a Trade. The Journal of Finance, 55(6), 2467–2498. https://doi.org/10.1111/0022-1082.00297.

Easley, D., O’Hara, M. (1987). Price, trade size, and information in securities markets. Journal of Financial Economics, 19(1), 69–90. https://doi.org/10.1016/0304-405X(87)90029-8.

Engle, R. F., Russell, J. R. (1998). Autoregressive conditional duration: A new model for irregularly spaced transaction data. Econometrica, 66(5), 1127–1162. https://doi.org/10.2307/2999632.

Giełda Papierów Wartościowych w Warszawie. (2015). Regulamin Giełdy. https://www.gpw.pl/pub/GPW/files/PDF/regulacje/Regulamin_Gieldy.pdf.

Greene, W. H. (2020). Econometric Analysis. Pearson.

Gruszczyńska-Brożbar, E. (2013). Cechy rozwoju giełdowego rynku akcji w Polsce. Zeszyty Naukowe Uniwersytetu Szczecińskiego. Finanse, Rynki Finansowe, Ubezpieczenia, (63), 157–168. http://wneiz.pl/nauka_wneiz/frfu/63-2013/FRFU-63-157.pdf.

Huptas, R. (2013). Modele ACD i wnioskowanie bayesowskie w analizie danych transakcyjnych z polskiego rynku akcji [rozprawa doktorska, Uniwersytet Ekonomiczny w Krakowie]. https://drd.uek.krakow.pl/doktoraty/full/2168293111/#page=1.

Lerner, P. (2010). Theoretical Analysis of the Bid-Ask Bounce and Related Phenomena. AESTIMATIO. The IEB International Journal of Finance, (1), 144–163. https://www.ieb.es/aestimatio-no-1-2010/.

Li, L., Cheng, T. Y., Li, Z., Huang, Y. (2024). Price duration, returns, and volatility estimation: Evidence from China’s stock index futures market. Borsa Istanbul Review, 24(S1), 60–70. https://doi.org/10.1016/j.bir.2024.06.008.

Liu, G., Li, J., Gregoriou, A., Bo, Y. (2023). Which market enhances market efficiency by improving liquidity? Evidence of market liquidity in relation to returns of stocks. Asian Economic Papers, 22(1), 33–61. https://doi.org/10.1162/asep_a_00860.

Manganelli, S. (2005). Duration, volume and volatility impact of trades. Journal of Financial Markets, 8(4), 377–399. https://doi.org/10.1016/j.finmar.2005.06.002.

Nadaraya, E. A. (1964). On estimating regression. Theory of Probability & Its Applications, 9(1), 141–142. https://doi.org/10.1137/1109020.

Prentice, R. L. (1974). A log gamma model and its maximum likelihood estimation. Biometrika, 61(3), 539–544. https://doi.org/10.1093/biomet/61.3.539.

Rubinstein, M. (1994). Implied Binomial Trees. The Journal of Finance, 49(3), 771–818. https://doi.org/10.1111/j.1540-6261.1994.tb00079.x.

Russell, J. R., Engle, R. F. (2005). A discrete-state continuous-time model of financial transactions prices and times: The autoregressive conditional multinomial–autoregressive conditional duration model. Journal of Business & Economic Statistics, 23(2), 166–180. https://doi.org/10.1198/073500104000000541.

Tay, A. S., Ting, C. (2006). Intraday stock prices, volume, and duration: a nonparametric conditional density analysis. Empirical Economics, 30(4), 827–842. https://doi.org/10.1007/s00181-005-0004-y.

Touny, M. A. A. (2012). Stock market development and economic growth: Empirical evidence from some Arab countries. Arab Journal of Administration, 32(1), 177–197. https://doi.org/10.21608/aja.2012.20110.

Watson, G. S. (1964). Smooth regression analysis. Sankhya: The Indian Journal of Statistics. Series A, 26(4), 359–372.

Wooldridge, J. (2002). Introductory Econometrics. A Modern Approach. South-Western Colledge Pub.

Wu, L., Foresi, S. (2005). Crash-O-Phobia: A Domestic Fear or A Worldwide Concern?. http://dx.doi.org/10.2139/ssrn.598182.

Wróć do: