Autor
- Monika KrawiecWarsaw University of Life Sciences, Institute of Economics and Finance, Warsaw, Poland https://orcid.org/0000-0002-4765-244X
- Anna GórskaWarsaw University of Life Sciences, Institute of Economics and Finance, Warsaw, Poland
DOI:
https://doi.org/10.18778/1508-2008.27.12Słowa kluczowe:
rynek paliw, sezonowe prawidłowości, Grupa Wyszehradzka, test Wilcoxona, regresja, model GARCHAbstrakt
Celem pracy jest weryfikacja występowania sezonowych prawidłowości na rynkach paliw w krajach Grupy Wyszehradzkiej (V4), tj. w Czechach, na Węgrzech, w Polsce i na Słowacji. W odróżnieniu od wielu opracowań analizujących globalne rynki ropy ta praca koncentruje się na regionalnych detalicznych rynkach paliw. Dane empiryczne stanowią średnie tygodniowe ceny benzyny bezołowiowej Pb95 oraz oleju napędowego w okresie od stycznia 2016 do grudnia 2020 roku. Wykorzystane metody obejmują szereg narzędzi statystycznych i ekonometrycznych, takich jak test sumy rang Wilcoxona, regresja prosta oraz uogólnione modele autoregresyjne z warunkową heteroskedastycznością (GARCH). W badaniach skupiono się na analizie dwóch ważnych efektów kalendarzowych: efektu miesiąca w roku i efektu Halloween, ale uwzględniono również efekt sezonowej zmiany benzyny. Analiza empiryczna przedstawiona w pracy nie dostarczyła jednoznacznych dowodów na występowanie istotnych statystycznie prawidłowości na rynkach paliw w Grupie Wyszehradzkiej, gdyż wyniki uzyskane w konsekwencji zastosowania poszczególnych metod nie były jednoznaczne. Niemniej wnioski sformułowane na podstawie testu Wilcoxona są zgodne z wnioskami z modeli GARCH (1, 1) ujawniającymi efekt kwietnia dla benzyny i efekt grudnia dla oleju napędowego w Polsce. Ponadto wyniki regresji prostej i modelu GARCH (1, 1) wskazują efekt października dla benzyny na Słowacji. Natomiast żadna z zastosowanych metod nie pozwoliła wykryć efektu Halloween ani odwrotnego efektu Halloween czy też efektu sezonowej zmiany benzyny na rynkach paliw Grupy Wyszehradzkiej. Otrzymane wnioski dają nowy wgląd w rynki paliw Grupy Wyszehradzkiej i mogą być istotne dla podmiotów zajmujących się przetwórstwem ropy naftowej, przedsiębiorstw handlu detalicznego, firm transportowych i dystrybucyjnych, rolników czy konsumentów indywidualnych.
Pobrania
Brak dostępnych danych do wyświetlenia.
Bibliografia
Ambroziak, Ł., Chojna, J., Gniadek, J., Juszczak, A., Miniszewski, M., Strzelecki, J., Szpor, A., Śliwowski, P., Święcicki, I., Wąsiński, M. (2020), The Visegrad Group – 30 Years of Transformation, Integration and Development, Polish Economic Institute, Warszawa.
Google Scholar
Arendas, P., Tkacova, D., Bukoven, J. (2018), Seasonal patterns in oil prices and their implications for investors, “Journal of International Studies”, 11 (2), pp. 180–192, https://doi.org/10.14254/2071-8330.2018/11-2/12
Google Scholar
Borges, M. (2009), Calendar effects in stock markets: Critique of previous methodologies and recent evidence in European countries, “Working Papers”, WP 37/2009/DEUECE, School of Economics and Management, Technical University of Lisbon.
Google Scholar
Borowski, K. (2016), Analysis of selected seasonality effects in markets of futures contracts with the following underlying instruments: crude oil, Brent oil, heating oil, gas oil, natural gas, feeder cattle, live cattle, lean hogs and lumber, “Journal of Management and Financial Sciences”, 26 (4), pp. 27–44.
Google Scholar
Bouman, S., Jacobsen, B. (2002), The Halloween Indicator, ‘Sell in May and Go Away’: Another Puzzle, “The American Economic Review”, 92 (5), pp. 1618–1635, https://doi.org/10.1257/000282802762024683
Google Scholar
Burakov, D., Freidin, M., Solovyev, Y. (2018), The Halloween effect on energy markets: an empirical study, “International Journal of Energy Economics and Policy”, 8 (2), pp. 121–126.
Google Scholar
Ambroziak, Ł., Chojna, J., Gniadek, J., Juszczak, A., Miniszewski, M., Strzelecki, J., Szpor, A., Śliwowski, P., Święcicki, I., Wąsiński, M. (2020), The Visegrad Group – 30 Years of Transformation, Integration and Development, Polish Economic Institute, Warszawa.
Google Scholar
Arendas, P., Tkacova, D., Bukoven, J. (2018), Seasonal patterns in oil prices and their implications for investors, “Journal of International Studies”, 11 (2), pp. 180–192, https://doi.org/10.14254/2071-8330.2018/11-2/12
Google Scholar DOI: https://doi.org/10.14254/2071-8330.2018/11-2/12
Borges, M. (2009), Calendar effects in stock markets: Critique of previous methodologies and recent evidence in European countries, “Working Papers”, WP 37/2009/DEUECE, School of Economics and Management, Technical University of Lisbon.
Google Scholar
Borowski, K. (2016), Analysis of selected seasonality effects in markets of futures contracts with the following underlying instruments: crude oil, Brent oil, heating oil, gas oil, natural gas, feeder cattle, live cattle, lean hogs and lumber, “Journal of Management and Financial Sciences”, 26 (4), pp. 27–44.
Google Scholar
Bouman, S., Jacobsen, B. (2002), The Halloween Indicator, ‘Sell in May and Go Away’: Another Puzzle, “The American Economic Review”, 92 (5), pp. 1618–1635, https://doi.org/10.1257/000282802762024683
Google Scholar DOI: https://doi.org/10.1257/000282802762024683
Burakov, D., Freidin, M., Solovyev, Y. (2018), The Halloween effect on energy markets: an empirical study, “International Journal of Energy Economics and Policy”, 8 (2), pp. 121–126.
Google Scholar
e-petrol.pl (n.d.), https://www.e-petrol.pl (accessed: 21.06.2021).
Google Scholar
Engle, R.F. (1982), Autoregressive Conditional Heteroscedasticity with Estimates of the Variance of United Kingdom Inflation, “Econometrica”, 50 (4), pp. 987–1007, https://doi.org/10.2307/1912773
Google Scholar DOI: https://doi.org/10.2307/1912773
GasBuddy (n.d.), https://www.gasbuddy.com (accessed: 9.07.2022).
Google Scholar
Górska, A., Krawiec, M. (2015), Calendar Effects in the Market of Crude Oil, “Scientific Journal of Warsaw University of Life sciences – SGGW: Problems of World Agriculture”, 15 (30), pp. 52–70, http://doi.org/10.22004/ag.econ.230857
Google Scholar DOI: https://doi.org/10.22630/PRS.2015.15.4.54
Howstuffworks (n.d.), Auto, https://www.auto.howstuffworks.com (accessed: 10.08.2022).
Google Scholar
Ibendhal, G. (2019), Fuel Price Seasonality, Kansas State University, https://www.agmanager.info/machinery/fuel-price-forecasts/fuel-price-seasonality (accessed: 5.07.2022).
Google Scholar
Osińska, M. (2006), Financial econometrics, PWE, Warszawa.
Google Scholar
Qi, M., Wang, W. (2013), The Monthly Effects in Chinese Gold Market, “International Journal of Economics and Finance”, 5 (10), pp. 141–146, https://doi.org/10.5539/ijef.v5n10p141
Google Scholar DOI: https://doi.org/10.5539/ijef.v5n10140
Rosado, J., Guerra, D., Ferreira, P. (2021), Seasonality in fuel consumption: a case study of a gas station, “Revista De Métodos Cuantitativos Para La Economía Y La Empresa”, 32, pp. 3–12, https://doi.org/10.46661/revmetodoscuanteconempresa.4350
Google Scholar DOI: https://doi.org/10.46661/revmetodoscuanteconempresa.4350
Rosini, L., Shenai, V. (2020), Stock returns and calendar anomalies on the London Stock Exchange in the dynamic perspective of the Adaptive Market Hypothesis: A study of FTSE100 & FTSE250 indices over a ten year period, “Quantitative Finance and Economics”, 4 (1), pp. 121–147, https://doi.org/10.3934/QFE.2020006
Google Scholar DOI: https://doi.org/10.3934/QFE.2020006
Shapiro, S.S., Wilk, M.B. (1965), An analysis of variance test for normality (complete samples), “Biometrika”, 52 (3–4), pp. 591–611, https://doi.org/10.1093/biomet/52.3-4.591
Google Scholar DOI: https://doi.org/10.1093/biomet/52.3-4.591
U.S. Energy Information Administration (n.d.), https://www.eia.gov (accessed: 10.08.2022).
Google Scholar
Valadkhani, A. (2013), Seasonal patterns in daily prices of unleaded petrol across Australia, “Energy Policy”, 56, pp. 720–731, http://doi.org/10.1016/j.enpol.2013.01.050
Google Scholar DOI: https://doi.org/10.1016/j.enpol.2013.01.050
Wild, C.J., Seber, G.A.F. (2000), Chance encounters: A first course in data analysis and inference, Wiley, New York.
Google Scholar
Yu, H.C., Shih, T.L. (2011), Gold, crude oil and the weekend effect: a probability distribution approach, “Investment Management and Financial Innovations”, 8 (2), pp. 39–51.
Google Scholar
