การทดสอบผลกระทบของวันในสัปดาห์ที่มีต่อความผันผวนของตลาดหลักทรัพย์ กรณีศึกษาดัชนี SET50
คำสำคัญ:
ผลกระทบของวันในสัปดาห์, ความผันผวน, ตลาดหลักทรัพย์บทคัดย่อ
การศึกษาในครั้งนี้มีวัตถุประสงค์เพื่อศึกษาผลกระทบของวันในสัปดาห์ที่มีต่อความผันผวนของตลาดหลักทรัพย์ กรณีศึกษาดัชนี SET50 โดยข้อมูลที่นำมาศึกษาในครั้งนี้เป็นข้อมูลแบบอนุกรมเวลา ซึ่งใช้ข้อมูลราคาปิดรายวัน ได้แก่ วันจันทร์ วันอังคาร วันพุธ วันพฤหัสบดี และวันศุกร์ ตั้งแต่วันที่ 1 กรกฎาคม พ.ศ. 2556 ถึง 30 มิถุนายน พ.ศ. 2559 จากตลาดหลักทรัพย์แห่งประเทศไทย ซึ่งข้อมูลดังกล่าวรวมทั้งสิ้น 733 วัน ผลการศึกษาพบว่าในการทดสอบ Unit root ของข้อมูลอนุกรมเวลาด้วย วิธี Augmented Dickey-Fuller (ADF) พบว่าข้อมูลทั้งหมดมีลักษณะนิ่ง (Stationary) ที่ผลต่างลำดับที่หนึ่ง จากนั้นได้นำข้อมูลอัตราผลตอบแทนดัชนี SET50 มาทดสอบค่าความแตกต่างทางสถิติด้วยแบบจำลอง OLS, GARCH(1,1), GARCH(1,1)-M, EGARCH(1,1), TGARCH(1,1) และ PARCH(1,1) ซึ่งผลทดสอบพบว่าแบบจำลองที่สะท้อนผลกระทบด้านวันในสัปดาห์คือ แบบจำลอง OLS และแบบจำลอง PARCH(1,1) โดยแบบจำลอง OLS พบว่า อัตราผลตอบแทนมีค่าติดลบในวันจันทร์ ส่วนวันพุธมีค่าเป็นบวก และแบบจำลอง PARCH(1,1) พบว่า อัตราผลตอบแทนมีค่าติดลบในวันจันทร์ ส่วนวันศุกร์มีค่าเป็นบวก สำหรับแบบจำลองอื่นๆ ในแต่ละวันนั้นไม่ได้แตกต่างจากวันอื่นๆ ในสัปดาห์ ซึ่งเมื่อพิจาณาความเหมาะสมขอตัวแบบจำลองที่สะท้อนผลกระทบด้านวันในสัปดาห์จากค่า Akaike information criterion (AIC) และ Schwarz criterion (SIC) พบว่าแบบจำลองที่มีความเหมาะสมมากที่สุดในการศึกษาครั้งนี้คือ แบบจำลอง PARCH(1,1) เนื่องจากเป็นแบบจำลองที่มีค่า AIC และ SIC น้อยที่สุด นักลงทุนอาจนำผลไปใช้วางแผนการลงทุนเพื่อให้เกิดประสิทธิภาพสูงสุด และหน่วยงานที่ทำหน้าที่กำกับดูแลสามารถนำข้อมูลไปใช้เพื่อป้องกันการสร้างผลกำไรเกินปกติในตลาด เพื่อป้องกันการได้เปรียบในข้อมูลข่าวสารของนักลงทุนบางกลุ่มอันจะนำมาซึ่งความมีประสิทธิภาพของตลาดต่อไปต่อไป
เอกสารอ้างอิง
House; 2004. Thai.
2. Thailand Securities Institute. Financial market and security investment.
12th ed. Bangkok: Stock Exchange of Thailand; 2001. Thai.
3. Fama EF. Efficient capital markets: A review of theory and empirical
work. Journal of Finance. 1970; 25(2): 383-417.
4. Charles A. The day-of-the-week effects on the volatility: The role of
the asymmetry. European Journal of Operational Research. 2010;
202(1): 143-52.
5. Dubois M, Louvet P. The day-of-the-week effect: The international
evidence. Journal of Banking & Finance. 1996; 20(9): 1463-84.
6. Kiymaz H, Berument H. The day of the week effect on stock market
volatility and volume: International evidence. Review of Financial
Economics. 2003; 12(4): 363-80.
7. Chen G, Kwok CCY, Rui OM. The day-of-the-week regularity in
the stock markets of China. Journal of Multinational Financial
Management. 2001; 11(2): 139-63.
8. Cai J, Li Y, Qi Y. The day-of-the-week effect: New evidence from
the Chinese stock market. The Chinese Economy. 2006; 39(2): 71-88.
9. Anwar Y, Mulyadi MS. Analysis of calendar effects: Day-of-the-week
effects in Indonesia, Singapore, and Malaysia stock markets. African
Journal of Business Management. 2012; 6(11): 3880-7.
10. Zhang J, Lai Y, Lin J. The day-of-the-week effects of stock markets
in different countries. Finance Research Letters. 2017; 20: 47-62.
11. Pettengill GN. A survey of the Monday effect literature. Quarterly
Journal of Business and Economics. 2003; 42(3/4): 3-27.
12. Brooks C, Persand G. Seasonality in Southeast Asian stock markets:
Some new evidence on day-of-the-week effects. Applied Economics
Letters. 2001; 8(3): 155-8.
13. Holden K, Thompson J, Ruangrit Y. The Asian crisis and calendar
effects on stock returns in Thailand. European Journal of Operational
Research. 2005; 163(1): 242-52.
14. Parkatt G. Testing of seasonal behavior “day-of-the-week effect”
in the stock market. Suranaree Journal of Scocial Science. 2016;
10(1): 139-52. Thai.
15. Engle RF, Lilien DM, Robins RP. Estimating time varying risk premia
in the term structure: The ARCH-M model. Econometrica. 1987; 55(2):
391-407.
16. Glosten LR, Jagannathan R, Runkle DE. On the relation between
the expected value and the volatility of the nominal excess return on
stocks. The Journal of Finance. 1993; 48(5): 1779-801.
17. Dickey DA, Fuller WA. Distribution of the estimators for
autoregressive time series with a unit root. Journal of the
American Statistical Association. 1979; 74(366): 427-31.
18. Said SE, Dickey DA. Testing for unit roots in autoregressive-moving
average models of unknown order. Biometrika. 1984; 71(3): 599-607.
19. Gibbons MR, Hess P. Day of the week effects and asset returns.
The Journal of Business. 1981; 54(4): 579-96.
20. Bollerslev T. Generalized autoregressive conditional
heteroskedasticity. Journal of Econometrics. 1986; 31(3): 307-27.
21. Engle RF. Autoregressive conditional heteroscedasticity with
estimates of the variance of United Kingdom inflation. Econometrica.
1982; 50(4): 987-1008.
22. Box GEP, Jenkins GM, Reinsel GC. Time series analysis:
Forecasting and control. 4th ed. Hoboken, NJ: Wiley; 2008.
23. Nelson DB. Conditional heteroskedasticity in asset returns:
A new approach. Econometrica. 1991; 59(2): 347-70.
24. Zakoian J-M. Threshold heteroskedastic models. Journal of Economic
Dynamics and Control. 1994; 18(5): 931-55.
25. Ding Z, Granger CWJ, Engle RF. A long memory property of stock
market returns and a new model. Journal of Empirical Finance. 1993;
1(1): 83-106.
26. Tangjitprom N. Preholiday returns and volatility in the Thai
stock market. Asian Journal of Finance & Accounting. 2010; 2(2):
41-54.
27. Hansen PR, Lunde A. A forecast comparison of volatility models:
Does anything beat a GARCH(1,1)? Journal of Applied Econometrics.
2005; 20(7): 873-89.
28. MacKinnon JG. Numerical distribution functions for unit root and
cointegration tests. Journal of Applied Econometrics. 1996; 11(6): 601-18.
