Wpływ kryzysu finansowego 2007-2009 na strukturę hierarchiczną europejskich rynków kapitałowych

• Authors: Majewska, Elżbieta

Title variants

PL

Impact of 2007-2009 financial crisis on hierarchical structure of European capital markets

Abstracts

PL

Celem niniejszego opracowania jest analiza struktury hierarchicznej europejskich rynków kapitałowych w okresach: przed globalnym kryzysem finansowym 2007-2009 oraz po jego zakończeniu. W badaniu wykorzystano tygodniowe logarytmiczne stopy zwrotu głównych indeksów 28 giełd europejskich, wśród których znalazły się zarówno rynki rozwinięte, jak i rozwijające się. Okres badawczy objął lata 2000-2016. Do zbadania struktury powiązań między rynkami wykorzystano metody aglomeracyjne, przede wszystkim metodę Warda. Przeprowadzona analiza pozwoliła stwierdzić istotne różnice w strukturze powiązań między rynkami w okresie przed kryzysem i po jego zakończeniu. Wskazała również grupy rynków szczególnie silnie oddziałujących na siebie.

EN

The purpose of this paper is to investigate the hierarchical structure of the European capital markets in the periods before and after the Global Financial Crisis of 2007-2009. The author uses weekly logarithmic stock market returns of the 28 main indexes of the European exchanges, both from the developed and developing markets, in the period 2000-2016. The examination is based on agglomerative clustering methods, primarily on the Ward’s linkage method. The results show that the Global Financial Crisis has changed the hierarchy of the markets. They also indicate which groups of markets are most strongly interconnected.

Keywords

EN

globalny kryzys finansowy; analiza skupień; dendrogram; metoda Warda; Global Financial Crisis; cluster analysis; dendrogram; Ward’s method

• Publisher: Wydawnictwo Uniwersytetu w Białymstoku
• Journal: Optimum. Studia Ekonomiczne
• Year: 2017
• Volume: 3(87)

Dates

published

2017

Contributors

author

Majewska, Elżbieta

References

• Bonanno G., Caldarelli G., Lillo F., Miccichè S., Vandewalle N., Mantegna R.N., 2004, Networks of equities in financial markets, „The European Physical Journal B”, no. 38, DOI: 10.1140/epjb/e2004-00129-6.
• Brida J.G., Risso W.A., 2008, Multidimensional minimal spanning tree: The Dow Jones case, “Physica A”, no. 387, DOI: 10.1016/j.physa.2008.05.009.
• Calinski T., Harabasz J., 1974, A dendrite method for cluster analysis, “Communications in Statistics”, 3:1, DOI: 10.1080/03610927408827101.
• Coelho R., Gilmore C.G., Lucey B., Richmond P., Hutzler S., 2007, The evolution of interdependence in world equity markets – evidence from minimum spanning trees, „Physica A”, no. 376, DOI: 10.1016/j.physa.2006.10.045.
• Doornik J.A., Hansen H., 2008, An omnibus test for univariate and multivariate normality, “Oxford Bulletin of Economics and Statistics”, no. 70, Supplement 1, DOI: 10.1111/j.1468-0084.2008.00537.
• Eryiğit M., Eryiğit R., 2009, Network structure of cross-correlations among the world market indices, “Physica A”, no. 388, DOI: 10.1016/j.physa.2009.04.028.
• Everitt B.S., Landau S., Leese M., Stahl D., 2011, Cluster analysis, Wiley, Chichester.
• Ferreira L., Hitchcock D.B., 2009, A comparison of hierarchical methods for clustering functional data, “Communications in Statistics – Simulation and Computation”, no. 38(9), DOI: 10.1080/03610910903168603.
• Forbes K., Rigobon R., 2002, No contagion, only interdependence: measuring stock market comovements, “The Journal of Finance”, no. 57 (5), DOI:10.1111/0022-1082.00494.
• Gilmore C.G., Lucey B.M., Boscia M., 2008, An ever-closer union? Examining the evolution of linkages of European equity markets via minimum spanning trees, “Physica A”, no. 387, DOI: 10.1016/j.physa.2010.06.057.
• Hossen B., Siraj-Ud-Doulah, Hoque A., 2015, Methods for evaluating agglomerative hierarchical clustering for gene expression data: a comparative study, “Computational Biology and Bioinformatics”, no. 3(6), DOI: 10.11648/j.cbb.20150306.12.
• Katsimi, M., Moutos, T., 2010, EMU and the Greek crisis: The political-economy perspective, “European Journal of Political Economy”, no. 26, DOI: 10.1016/j.ejpoleco. 2010.08.002.
• Kolenda M., 2006, Taksonomia numeryczna. Klasyfikacja, porządkowanie i analiza obiektów wielocechowych, Wydawnictwo Akademii Ekonomicznej im. O. Langego we Wrocławiu, Wrocław.
• Leon C., Kim G.-Y., Martinez C., Lee D., 2016, Equity markets’ clustering and the global financial crises, “Borradores de Economia”, no. 937.
• Majewska E., 2017, Okresy kryzysu na rynkach strefy euro w latach 2004-2016, „Finanse, Rynki Finansowe, Ubezpieczenia”, nr 85(1), DOI: 10.18276/frfu.2017.1.85-29.
• Mantegna R.N., 1999, Hierarchical structure in financial markets, „The European Physical Journal B”, no. 11.
• Martinez W.L., Martinez A.R., Solka J.L., 2005, Exploratory data analysis with Matlab, Chapman & Hall/CRC, Boca Raton.
• Moro B., 2014, Lessons from the European economic and financial great crisis: A survey, “European Journal of Political Economy”, no. 34, DOI: 10.1016/j.ejpoleco.2013.08.005.
• Olbrys J., Majewska E., 2014, The 2007-2009 financial crisis on emerging markets: Quantitative identification of crisis in continent–based regions, “Chinese Business Review”, no. 13(7).
• Olbryś J., Majewska E., 2015, Bear market periods during the 2007-2009 financial crisis: Direct evidence from the Visegrad countries, “Acta Oeconomica”, no. 65(4), DOI: 10.1556/032.65.2015.4.3.
• Onnela J.-P., Chakraborti A., Kaski K., Kertész J., Kanto A., 2003, Asset trees and asset graphs in financial markets, “Physica Scripta”, vol. T106, DOI: 10.1238/Physica.Topical.106a00048.
• Panton D.B., Lessing P., Joy O.M., 1976, Comovement of international equity markets: a taxonomic approach, “Journal of Financial and Quantitative Analysis”, no. 11(5).
• Sandoval L., 2012, Pruning a minimum spanning tree, “Physica A”, no. 391, DOI: 10.1016/j.physa.2011.12.052.
• Sandoval L., 2013, Cluster formation and evolution in networks of financial market indices, “Algorithmic Finance”, no. 2, DOI: 10.3233/AF-13015.
• Ward J.H., 1963, Hierarchical grouping to optimize an objective function, “Journal of the American Statistical Association”, no. 58(301).

Identifiers

URI

http://hdl.handle.net/11320/6037

DOI

10.15290/ose.2017.03.87.05