Den evolutionära ekonomin

Måste först och främst be om ursäkt för att jag inte har haft tid med att leta fram data på den monetära basen i USA för att se om det blir någon hyperinflation eller inte. Ska hur som bjuda på lite annan statistik. Jag har nämligen en uppgift som ska göras i ekonometrikursen som jag läser just nu. Uppgiften går ut på att samla in data och göra en massa tester för att se om det finns några problem med data; tex är variablerna ”stationary” eller inte (kan tyvärr inte de svenska fackorden), råder det någon heteroscedasticity, osv. Så jag tänkte kombinera lite nytta med nöje och använda mig av OMXPI och Stibor räntorna(T/N, 1v, 1m, 2m, 3m, 6m, 9m, 12m), detta ämne har jag varit inblandad i diskussioner om länge. Så jag tankade ned data för OMXPI och Stibor räntorna för på dagsbasis från 1999-01-01 till 2009-09-22, sammanlagt 2689 observationer och sammanställde dessa i en exel fil och regressionen är gjort i SPSS.

Nu kommer vi till det roliga själva regressionen (vist är det kul med statistik!). Då jag inte har gått igenom all data och gjort de nödvändiga transformeringarna eller motsvarande så vet jag att regressionen är helt katastrofal. Detta på grund av ett flertal anledningar men framförallt då aktier och aktieindex karakteriseras av att det är så kallade "Random Walk" fenomenet, de vill säga att variansen eller medelvärdet inte är konstant över tid. Men som sagt så är det kul med statistik och det är alltid kul att se skillnaden mellan en kass statistisk modell och en bättre så jag bestämde mig för att göra en prov regression där OMXPI är beroende variabel och Stibor räntorna är oberoende, resultatet vart som följande:

OMXPI=191,290-17,06*T/N-64,949*1W-11,502*1M+159,918*2M-251,910*3M-346,891*6M+981,869*9M-438,848*12M

P-värden
Konstant=0,000   T/N=0,180   1W=0,001   1M=0,664   2M=0,000   3M=0,000   6M=0,000   9M=0,000   12M=0,000

R2=0,391   adj.R2=0,389   d=0,033

Då Durbin-Watson d är jätte lågt, nära 0, så kan vi utgå ifrån att det finns problem då det troligtvis råder så kallad serial correlation. Sen är d-värdet mycket lägre än vad R2 värdet är vilket indikerar på att det kan finnas co-integration problem. Sen går det att ifrågasätta om en modell som inkluderar alla Sibor räntor är fruktbar.

Men låt oss för ett ögonblick anta att dessa värden är något att fästa någon vikt vid. Om vi säger att denna regression skulle säga något om verkligheten så skulle det betyda att T/N inte är signifikant, inte ens vid ett konfidensintervall på 10%, detta gäller även för 1 månadsräntan. Att T/N inte spelade någon större roll var ganska väntat då det sällan är så att privatpersoner eller företag sällan lånar över natten för att handla aktier, om det lånas så är det oftast över dagen och inte över natten då ränta behöver betalas.

Jag vart lite mer förvånad över att 1 månads räntan inte var signifikant, om vi sätter detta i relation till att T/N inte är signifikant så skulle slutsatsen kunna bli den att korta räntor inte har någon roll vare sig när det kommer till att låna pengar för att handla med aktier eller ses som alternativa investeringar. Något annat som är intressant med denna regression är att 2 och 9 månaders räntan visar sig positiva, alltså om räntan på 2 och 9 månaders lån går upp så kommer börsen att gå upp. Jag har faktiskt inte någon klar förklaring om varför detta är fallet, är det någon som kan ge en rimlig förklaring?

Annars så är det som förväntat, om räntan går upp så går börsen ned, det blir dyrare att låna för att göra affärer och dessutom så ökar alternativkostnaden för att köpa in sig i ett bolag som har låg avkastning (avkastningskravet ökar på aktier) och då bolagen oftast inte över en natt kan bli mer produktiva och mer lönsamma så kommer aktiepriset att minska. R2 värdet är förvånansvärt högt skulle jag säga, att räntorna förklarar när 40% av variationen av börsindex förväntade jag mig inte. Mina förväntningar var att dagens räntenivåer på relativt korta räntor skulle ha en ganska låg förklaringsgrad. Däremot tror jag att de långa räntorna har större betydelse än de korta.

Som sagt så är denna regression helt kass och det bör inte läggas någon större vikt vid, men kommer nog att återkomma med lite mer intressanta modeller som har lite högre sanningshalt. Sen att jag inte är någon statistiker gör kanske inte saken bättre. Men det är alltid kul med siffror.

Må gott!