Modelarea piețelor financiare

Capitolul 0: Piețele financiare în 2026

Capitolul 0: Piețele financiare în 2026

Daniel Traian PELE

Academia de Studii Economice din București
IDA Institute Digital Assets
Blockchain Research Center
AI4EFin Artificial Intelligence for Energy Finance
Academia Română, Institutul de Prognoză Economică
MSCA Digital Finance

The building blocks of the Sharpe ratio—expected returns and volatilities—are unknown quantities that must be estimated statistically and are, therefore, subject to estimation error. This raises the natural question: How accurately are Sharpe ratios measured?

— Lo (2002), The statistics of Sharpe ratios

Capitolul pune două întrebări: în ce comparații financiare putem avea încredere și cît de precis le cunoaștem. Lo (2002) formulează a doua întrebare pentru raportul Sharpe (Sharpe ratio): mediile și volatilitățile randamentelor nu se observă, ci se estimează, deci orice clasament construit din ele conține și erorile de estimare. Capitolul prezintă structura pieței, istoria burselor și a modelelor financiare, datele cursului și măsurătorile de bază: randamentele, rata anuală compusă de creștere (CAGR, compound annual growth rate), volatilitatea anualizată și drawdown-ul, fiecare cu precizia ei.

Pe fereastra comună 2 ianuarie 2015 – 18 septembrie 2026, S&P 500 (Standard & Poor's) cu dividende are un CAGR de 13,7% și o volatilitate anualizată de 17,6%, aurul 11,8% și 16,3%, iar Bitcoin 60,6% și 66,7%. Rapoartele Sharpe sînt 1,05 pentru Bitcoin, 0,82 pentru S&P 500 și 0,76 pentru aur, fiecare cu o eroare standard (SE, standard error) de circa 0,29. Eroarea standard a randamentului mediu anualizat al S&P 500, estimat din 11,7 ani de date, este de 5,1 puncte procentuale.

Diferența dintre rapoartele Sharpe ale S&P 500 și aurului, calculată prin bootstrap pe zilele comune, este +0,06, cu intervalul de 95% [−0,65; +0,88]. Datele sînt compatibile atît cu un avantaj al aurului de 0,65, cît și cu unul al S&P 500 de 0,88, deci comparația este neconcludentă. Niciuna dintre cele 10 perechi de active necripto nu rămîne semnificativă după corecția Bonferroni. Graficul randament–risc descrie eșantionul; el nu ordonează randamentele așteptate.

Randamentul și riscul principalelor clase de active, 2 ianuarie 2015 – 18 septembrie 2026: pe axa verticală CAGR, creșterea compusă realizată, pe axa orizontală volatilitatea anualizată, pe scară logaritmică; totul în USD, cu excepția EUR/RON.
Randamentul și riscul principalelor clase de active, 2 ianuarie 2015 – 18 septembrie 2026: pe axa verticală CAGR, creșterea compusă realizată, pe axa orizontală volatilitatea anualizată, pe scară logaritmică; totul în USD, cu excepția EUR (euro, moneda euro)/RON. Graficul interactiv: „Randament și risc, 2015–2026 (1/2)” →

Rezultatele învățării

  • Calculați randamente, CAGR, volatilitatea anualizată și drawdown-ul maxim.
  • Interpretați o serie de prețuri înainte de a o folosi: tipul de preț, momentul observării și cotațiile eronate.
  • Calculați schimbarea corelației a două active între două perioade, pe zilele comune.
  • Calculați un randament mediu și un raport Sharpe cu eroarea standard și intervalul de 95%.
  • Interpretați o afirmație empirică și recunoașteți o afirmație înșelătoare, inclusiv una generată de AI (Artificial Intelligence, inteligență artificială).

Aprofundările și Anexa sînt lectură pentru familiarizare.

Planul capitolului

  1. Întrebările și organizarea cursuluiÎntrebările capitolului, organizarea cursului, proiectul în echipă și bucla de cercetare asistată de AI.
  2. Sistemul financiar și structura piețeiFuncțiile piețelor, participanții, clasele de active, registrul de ordine limită (limit order book) și momentul observării prețului.
  3. O scurtă istorie a piețelor și a modelelor financiarePrimele burse, primele bule și crahuri și modelele financiare, de la predictibilitate la învățarea din date.
  4. Convenții de dateSursele de date ale cursului, survivorship bias și alegerea prețului și a calendarului.
  5. Măsurători și precizia lorRandamente, CAGR, volatilitatea anualizată, volatility drag, drawdown și precizia randamentului așteptat și a raportului Sharpe.
  6. Piețele între 2000 și 2026Randament și risc pe clase de active, semnificația clasamentului, crize și drawdown-uri, VIX (CBOE Volatility IndeX, indicele de volatilitate CBOE) și corelații care variază în timp.
  7. Piața româneascăBursa de Valori București și indicele BET (Bucharest Exchange Trading, index, indicele de referință al Bursei de Valori București), 1997–2026.
  8. Active digitale și tokenizareBitcoin, Ethereum, tokenuri și ancora stablecoin-urilor.
  9. Investițiile pasive și concentrarea piețeiCrearea și răscumpărarea unităților de ETF, indici ponderați după capitalizare și indici cu ponderi egale.
  10. Studii de caz: competiția pe piața de acțiuni și riscul obligațiunilor de statEfectele creșterii investițiilor pasive și beta obligațiunilor de stat față de acțiuni.
  11. AI pentru descoperire științificăExistă o primă de concentrare? Ipoteza, ministudiul de caz și o temă de proiect.
  12. ConcluziiCe am aflat, întrebări de recapitulare și decizia practică.
  13. AprofundăriExemple detaliate și subiecte avansate.
  14. AnexăDerivările, datele și tabelele complete.

Întrebările și organizarea cursului

Secțiunea de deschidere formulează cele două întrebări ale capitolului și ale cursului, descrie organizarea cursului și modul de evaluare și prezintă bucla de cercetare asistată de AI cu care se încheie fiecare capitol. Materialul empiric începe în secțiunea următoare.

În ce comparații financiare putem avea încredere? (1/2)

Slide 2 în PDF

Aproape orice afirmație din finanțele empirice este o comparație: un activ a crescut mai repede decît altul, o strategie a avut un raport Sharpe mai mare, o corelație a crescut după o anumită dată. Capitolul pune două întrebări despre astfel de afirmații:

  1. În ce comparații putem avea încredere, dat fiind felul în care sînt înregistrate prețurile și ce date se păstrează sau se pierd.
  2. Cît de precis cunoaștem mărimile comparate, deoarece orice medie, volatilitate sau raport Sharpe este o estimație calculată dintr-un eșantion finit.

Capitolul are două părți. Partea I descrie structura piețelor, istoria burselor și a modelelor financiare, datele cursului și măsurătorile de bază, fiecare cu precizia ei. Partea a II-a analizează datele din perioada 2000–2026, piața românească, activele digitale și investițiile pasive, precum și două studii de caz. Capitolul se încheie cu o parcurgere completă a buclei de cercetare asistate de inteligența artificială (AI).

Exemplele detaliate și temele avansate sînt grupate în Aprofundări, după Concluzii.

Pe scurt

Piețe, date și modele
  • Întrebările centrale
    • în ce comparații financiare putem avea încredere?
    • cît de precis le cunoaștem?
  • Partea I: structura pieței, istoria burselor și a modelelor
    • datele cursului, măsurători și precizia lor
  • Partea a II-a: dovezile din 2000–2026
    • piața românească, activele digitale, investițiile pasive
    • două studii de caz
  • Încheierea: bucla de cercetare asistată de inteligența artificială (AI), parcursă pe o întrebare nouă
  • Exemplele detaliate și subiectele avansate sînt în Aprofundări, după Concluzii
    • butonul din subsol duce la ele, iar butonul Înapoi revine la slide-ul de plecare

În ce comparații financiare putem avea încredere? (2/2)

Slide 3 în PDF

Capitolul este însoțit de Seminarul 0, ale cărui exerciții definesc ce ar trebui să poată face cititorul după parcurgerea lui. Primele două grupuri de exerciții sînt:

  1. De calcul: randamente simple și logaritmice, rata anuală compusă de creștere (CAGR, compound annual growth rate), volatilitatea anualizată și drawdown-ul maxim.
  2. Despre datele însele: înainte de a folosi o serie de prețuri, trebuie să știm ce cîmp de preț conține, la ce oră a fost observat fiecare preț și dacă seria are cotații eronate (bad ticks), iar fiecare decizie de curățare trebuie justificată.

Celelalte exerciții privesc inferența. Modificarea corelației dintre două active între două perioade se calculează pe zilele comune ambelor serii. Un randament mediu și un raport Sharpe se raportează cu eroarea standard și cu un interval de încredere de 95%, nu ca simple estimații punctuale. Ultimul exercițiu cere evaluarea unei afirmații empirice, inclusiv a uneia produse de un asistent AI, și identificarea a ceea ce o face înșelătoare: lipsa incertitudinii, o explicație alternativă ignorată, o formulă sau o referință greșită.

Aprofundările și Anexa sînt lectură de familiarizare.

Pe scurt

Rezultatele învățării (exercițiile din Seminarul 0)
  • calculați randamente, CAGR, volatilitatea anualizată și drawdown-ul maxim (A1–A4, B2)
    • CAGR: rata anuală compusă de creștere
  • interpretați o serie de prețuri înainte de a o folosi (B1)
    • tipul de preț, momentul observării, cotațiile eronate
    • fiecare decizie de curățare justificată
  • calculați schimbarea corelației a două active între două perioade, pe zilele comune (B6)
  • calculați un randament mediu și un raport Sharpe cu eroarea standard și intervalul de 95% (A7, B2 extins)
  • interpretați o afirmație empirică și o recunoașteți pe cea înșelătoare, inclusiv una generată de AI (C1)
    • incertitudine omisă, explicație alternativă ignorată, formulă sau referință greșită
  • Aprofundări și Anexa: lectură pentru familiarizare

Organizarea cursului

Slide 4 în PDF

Cursul face parte din programul de master Statistică Aplicată și Știința Datelor, 2026/2027, al Facultății de Cibernetică, Statistică și Informatică Economică din Academia de Studii Economice din București (ASE). Cursul este predat de prof. Daniel Traian Pele, iar seminarul de Antoaneta Amza, doctorandă.

Nota finală are trei componente. Proiectul în echipă, format dintr-un depozit GitHub, o prezentare și o susținere orală, are o pondere de 70%. Testele și activitatea de seminar au 20%: pentru fiecare capitol există un test pe site-ul cursului, cu 20 de întrebări extrase dintr-o bancă și cu explicația fiecărui răspuns. Prezența are 10% și presupune cel puțin 4 cursuri și 4 seminarii, înregistrate prin codul zilei afișat în sală sub forma unui cod QR (quick-response) sau prin formularul de prezență de pe site.

Pe scurt

  • Programul de master Statistică aplicată și Data Science, 2026/2027
    • Facultatea de Cibernetică, Statistică și Informatică Economică, Academia de Studii Economice din București (ASE)
  • Curs: Prof. Daniel Traian Pele, danpele@ase.ro
  • Seminar: Drd. Antoaneta Amza, antoaneta.amza@csie.ase.ro
  • Proiect în echipă (GitHub, prezentare, susținere orală): 70%
  • Quiz-uri și activitate la seminar: 20%
    • cîte un quiz pe capitol, pe site-ul cursului: 20 de întrebări dintr-o bancă, fiecare răspuns explicat
  • Prezență: 10%, cel puțin 4 cursuri și 4 seminarii
    • cu codul zilei afișat în sală (cod QR, quick response) sau formularul de pe site

Proiectul în echipă și livrabilele

Slide 5 în PDF

Proiectul se realizează în echipe de 3–4 studenți, fiecare echipă lucrînd la o întrebare de cercetare pe date reale de piață; proiectele sînt prezentate în Capitolul 19. Fiecare echipă are un depozit GitHub public, cu un fișier README care precizează întrebarea, datele și modul de rulare a codului, și cu commit-uri săptămînale. Fiecare figură este publicată ca Quantlet: un dosar care conține codul, un fișier `Metainfo.txt` și graficul.

Regula de bază este reproductibilitatea. Un rezultat contează numai dacă altcineva îl poate reproduce din depozit: datele sînt încărcate prin cod, fiecare număr raportat este produs de un script, iar calculele aleatoare folosesc o sămînță (seed) fixă. Instrumentele sînt Python, Google Colab și depozitul cursului, cu bibliotecile pandas, numpy, scipy, statsmodels, scikit-learn și matplotlib.

Folosirea instrumentelor AI este permisă, cu condiția să fie declarată. Fiecare utilizare se consemnează în fișierul `AI_USE.md`, iar fiecare eroare a unui instrument AI depistată de echipă, în `AI_ERRORS.md`.

Pe scurt

  • Echipe de 3–4 studenți, o întrebare de cercetare pe date reale de piață
  • Cîte un repository GitHub public pe echipă
    • README: întrebarea, datele, cum se rulează
    • commit-uri săptămînale
  • Fiecare grafic ca Quantlet: un folder cu cod, Metainfo.txt și graficul
  • Un rezultat este valid doar dacă altcineva îl poate reproduce din repository
    • date încărcate prin cod, fiecare cifră raportată produsă de un script, seed fix
  • Instrumente: Python, Google Colab, repository-ul cursului github.com/danpele/MFM
    • biblioteci Python: pandas, numpy, scipy, statsmodels, scikit-learn, matplotlib
  • Folosirea AI este permisă și declarată

Bucla de cercetare asistată de AI (1/2)

Slide 6 în PDF

Bucla de cercetare a cursului are șase etape: literatura, ipoteza, datele și codul, robustețea, critica și raportul, după care raportul alimentează o nouă rundă de lectură. Un asistent AI, de regulă un model lingvistic mare (LLM, large language model) precum Claude, ChatGPT sau Gemini, poate produce o ciornă la fiecare etapă: o hartă a literaturii, ipoteze concurente, cod, un plan de verificări de robustețe sau raportul unui referent ostil asupra propriei lucrări.

Împărțirea responsabilităților este fixă. Cercetătorul răspunde de întrebare, de ipoteza de identificare, de test și de fiecare număr raportat și verifică fiecare trecere dintre etape. Lista de verificare are trei puncte:

  1. Fiecare referință are un DOI (Digital Object Identifier) care funcționează și un titlu care corespunde;
  2. Fiecare număr este reprodus din date cu codul propriu al echipei;
  3. Ipoteza nulă \(H_0\), testul, eșantionul și corecția pentru testare multiplă sînt fixate înainte de a vedea rezultatele.

Bucla de cercetare asistată de AI (2/2)

Slide 7 în PDF

Lista de verificare răspunde erorilor tipice ale LLM-urilor în cercetare:

  • Ele inventează referințe plauzibile;
  • Scriu formule plauzibile, dar greșite;
  • Produc cod cu look-ahead, care folosește la data unei prognoze informație din viitor;
  • Întrebate în mod repetat, caută pînă cînd un rezultat devine „semnificativ”.

Fiecare dintre aceste erori are o verificare corespunzătoare în listă: verificarea DOI-ului depistează referințele inventate, reproducerea independentă depistează formulele greșite și look-ahead-ul, iar fixarea testului dinainte limitează căutarea semnificației. Ultima secțiune a capitolului parcurge bucla pe o întrebare nouă.

Sinteza secțiunii

Cele două întrebări ale capitolului, în ce comparații putem avea încredere și cît de precis le cunoaștem, străbat tot ce urmează. Regulile proiectului și bucla de cercetare le transpun în practică: fiecare număr trebuie să fie reproductibil, iar fiecare afirmație, scrisă de un om sau de un instrument AI, trebuie să treacă aceleași verificări.

Sistemul financiar și structura pieței

Această secțiune descrie cine tranzacționează pe piețele financiare, ce se tranzacționează și cum se formează un preț de tranzacționare. Ultimul punct contează pentru tot ce urmează: prețul descărcat de la un furnizor de date este rezultatul unui anumit mecanism de tranzacționare la un anumit moment, iar zgomotul din el depinde de acest mecanism.

Funcțiile piețelor și participanții (1/2)

Slide 8 în PDF

O piață financiară este un mecanism de schimb al drepturilor asupra unor fluxuri de numerar viitoare: acțiuni, obligațiuni, valute, contracte și tokenuri. Diagrama arată fluxurile de bază. Economisitorii, precum gospodăriile și fondurile de pensii, transmit bani intermediarilor, precum administratorii de active, băncile și brokerii, care îi direcționează sub formă de capital către emitenți, firme și guverne. În schimb, emitenții le dau economisitorilor drepturi asupra fluxurilor viitoare. Intermediarii tranzacționează prin locuri de tranzacționare și infrastructură: burse, dealeri, case de compensare și custozi.

Secțiunea răspunde la două întrebări: cine tranzacționează ce și unde; și cum se formează prețul pe care îl descărcăm ulterior.

Funcțiile piețelor și participanții (2/2)

Slide 9 în PDF

Piețele îndeplinesc trei funcții economice: alocarea capitalului, partajarea riscului (risk sharing) și plățile și decontarea. Două proprietăți arată cît de bine o fac. Lichiditatea este capacitatea de a transforma rapid activele în numerar. Formarea prețului (price discovery) este procesul prin care prețurile agregă informația dispersată între mulți participanți.

Participanții se împart de obicei în două tabere. Partea de cumpărare (buy side) cuprinde investitorii și administratorii de active, care pot fi pasivi, replicînd un indice, sau activi, încercînd să-l depășească. Partea de vînzare (sell side) cuprinde brokerii, care execută ordine în numele clienților, și dealerii, care tranzacționează din propriul stoc. Un market maker este un dealer care afișează continuu un preț la care cumpără și un preț la care vinde.

Clase de active

Slide 10 în PDF

Tabelul grupează instrumentele tranzacționate în șapte clase, după fluxurile de numerar și riscurile principale. Acțiunile aduc dividende și un drept rezidual asupra firmei, cu risc de piață și risc specific firmei. Instrumentele cu venit fix, obligațiunile de stat și corporative, plătesc cupoane și principal și au risc de rată a dobînzii și risc de credit. Piața monetară cuprinde instrumente cu scadența sub un an, precum titlurile de stat pe termen scurt (T-bills) și operațiunile repo, adică împrumuturi garantate, al căror risc principal este lichiditatea.

Piața valutară (FX, foreign exchange) tranzacționează monede; EUR/RON, de exemplu, este numărul de lei pentru un euro, iar fluxul său de numerar este diferențialul de dobîndă dintre cele două monede. Mărfurile, precum aurul și contractele futures pe petrol, nu plătesc fluxuri de numerar; o poziție futures cîștigă sau pierde un roll yield, cîștigul sau pierderea din înlocuirea unui contract futures care expiră cu următorul. Derivatele, adică futures, opțiuni și swap-uri, au plăți condiționate și implică efect de levier și risc de contrapartidă. Activele digitale, precum Bitcoin, Ether și stablecoin-urile, nu au fluxuri de numerar sau au unul specific protocolului și sînt expuse volatilității ridicate și riscului de reglementare.

Un ETF (exchange-traded fund) este un fond ale cărui unități se tranzacționează la bursă ca o acțiune. În ciuda diferențelor dintre clase, cursul aplică tuturor aceeași trusă statistică: randamente, volatilitate, dependență și cozi. Lista completă a termenilor se află în Anexă.

Pe scurt

ClasăExempleFlux de numerarRiscuri principale
Acțiuniacțiuni, ETF-uri pe acțiunidividende, drept rezidualde piață, specific firmei
Venit fixobligațiuni de stat și corporativecupoane, principalde dobîndă, de credit
Piața monetarătitluri de trezorerie (\(<\) 1 an), repo (împrumut garantat)dobîndă pe termen scurtde lichiditate
FXEUR/USD, EUR/RONdiferențial de dobîndăvalutar, de politică
Mărfuriaur, futures pe petrolniciunul (roll yield)de ofertă, de stocare
Derivatefutures, opțiuni, swap-uriplăți condiționatelevier, contrapartidă
Active digitaleBitcoin, Ether, stablecoinsniciunul / specific protocoluluivolatilitate, reglementare
  • Termenii din tabel
    • ETF (exchange-traded fund): un fond ale cărui unități se tranzacționează ca o acțiune
    • FX: piața valutară
    • EUR (moneda euro)/RON = numărul de lei pentru un euro
    • roll yield: cîștigul sau pierderea la înlocuirea unui contract futures care expiră
  • Toate clasele se analizează cu aceleași instrumente statistice
    • randamente, volatilitate, dependență și cozi (lista completă a termenilor în Anexă)

Registrul de ordine limită și un ordin la piață (1/2)

Slide 11 în PDF

Pe majoritatea burselor, tranzacționarea este organizată în jurul unui registru de ordine limită (limit order book): lista tuturor ordinelor de cumpărare (bid) și de vînzare (ask) aflate în așteptare, ordonate după preț. În registrul stilizat din figură, cel mai bun bid este 99,99, iar cel mai bun ask este 100,01. Spread-ul bid–ask este diferența dintre cel mai bun ask și cel mai bun bid, aici \(100{,}01 - 99{,}99 = 0{,}02\); el este prețul plătit pentru a tranzacționa imediat. Adîncimea (depth) este cantitatea disponibilă în apropierea celor mai bune prețuri.

Ordinele diferă prin faptul că oferă sau consumă lichiditate. Un ordin limită (limit order) stă în registru la un preț ales și oferă lichiditate celorlalți. Un ordin la piață (market order) se execută imediat contra ordinelor din registru și consumă lichiditate. Un ordin stop (stop order) devine ordin la piață cînd prețul atinge un nivel de declanșare; cînd multe ordine stop sînt grupate la niveluri apropiate, executarea lor poate accelera o scădere.

Registrul de ordine limită și un ordin la piață (2/2)

Slide 12 în PDF

Al doilea panou urmărește un ordin de cumpărare la piață de 5 unități prin același registru. Ordinul ia mai întîi cele 2 unități oferite la cel mai bun ask, 100,01, apoi 3 dintre unitățile oferite la nivelul următor, 100,02 (marcate cu portocaliu). Prețul mediu de execuție este deci \((2 \times 100{,}01 + 3 \times 100{,}02)/5 = 100{,}016\), peste cel mai bun ask afișat înainte de tranzacție.

După tranzacție, cel mai bun ask a urcat la 100,02, iar spread-ul s-a lărgit de la 0,02 la 0,03. Modificarea prețului produsă de ordinul însuși este impactul asupra pieței (market impact), tratat în Capitolul 10. Chiar și acest exemplu mic arată că prețul la care se înregistrează o tranzacție depinde de mărimea ordinului și de starea registrului.

Momentul observării și zgomotul din prețuri (1/2)

Slide 13 în PDF

Un „preț zilnic” este un preț observat la un anumit moment, iar acest moment diferă de la o piață la alta. Pentru activele tranzacționate la bursă, el este de obicei licitația de închidere: pentru S&P 500, la 20:00 sau 21:00 UTC (timpul universal coordonat). Într-o licitație (call auction), ordinele sînt colectate pe un interval și potrivite la un singur preț. Bitcoin se tranzacționează continuu și nu are închidere; prețul zilei \(t\) se ia la 24:00 UTC, la sfîrșitul zilei \(t\). Pentru EUR/RON, cursul folosește cursul de referință al Băncii Naționale a României (BNR), stabilit în jurul orei 13:00, ora Bucureștiului.

Locul de tranzacționare determină și ce se înregistrează. Bursele, dealerii OTC (over-the-counter), dark pools și platformele crypto care funcționează 24/7 arată prețuri și tranzacții diferite pentru același activ. Anexa compară licitațiile cu tranzacționarea continuă, explică de ce viteza este răsplătită și prezintă locurile de tranzacționare într-un tabel.

Pe scurt

  • Un „preț zilnic” este un preț observat la un anumit moment
    • activele listate: licitația de închidere (S&P 500: 20:00 sau 21:00 UTC, timpul universal coordonat)
    • într-o licitație (call auction), ordinele se acumulează și se execută la un preț unic
    • comparația cu tranzacționarea continuă: Anexă
    • Bitcoin nu are închidere: prețul zilei \(t\) este cotația de la 24:00 UTC
    • EUR/RON: cursul de referință al BNR (Banca Națională a României), stabilit în jurul orei 13:00, ora Bucureștiului
  • Locurile de tranzacționare înregistrează prețuri și tranzacții diferite (Anexă)
    • bursele, dealerii OTC (over the counter), dark pool-urile și platformele cripto deschise 24/7

Momentul observării și zgomotul din prețuri (2/2)

Slide 14 în PDF

Momentele diferite de observare împart aceeași știre între două zile. Dacă o piață se închide înaintea unei știri și alta după ea, știrea intră în randamentul primului activ cu o zi mai tîrziu decît în cel al celui de-al doilea. Corelațiile calculate din închiderile zilnice ale unor astfel de active sînt deci atenuate; Anexa dă un exemplu.

O a doua sursă de zgomot este bid–ask bounce: tranzacțiile alternează între bid și ask, astfel încît variațiile observate ale prețului sînt autocorelate negativ chiar și atunci cînd prețul eficient urmează un mers aleator (random walk). În modelul lui Roll (1984), cu \(p_t\) prețul tranzacției observate, \(\Delta p_t = p_t - p_{t-1}\) variația lui și \(s\) spread-ul bid–ask,

\[\operatorname{Cov}(\Delta p_t, \Delta p_{t-1}) = -\frac{s^2}{4}.\]
(0.1)

Conform (0.1), un spread mai larg produce o covarianță mai negativă între variațiile consecutive ale prețului; derivarea se află în Anexă.

Spread-urile, impactul asupra pieței și fragmentarea tranzacționării între mai multe locuri adaugă zgomot prețurilor observate. Efectul este cel mai vizibil la frecvență înaltă, subiectul capitolelor 9 și 10.

Pe scurt

  • Cînd momentele de observare diferă, efectul aceleiași știri se împarte între două zile
    • corelația activelor cu închideri diferite este subestimată (Anexă)
  • Oscilația bid–ask: variațiile prețului observat sînt autocorelate negativ
    • tranzacțiile alternează între bid și ask
    • chiar dacă prețul eficient urmează un mers aleator (random walk)
  • Modelul lui Roll (Roll (1984); derivarea în Anexă):
    \[ \operatorname{Cov}(\Delta p_t, \Delta p_{t-1}) = -s^2/4 \]
    • \(p_t\): prețul observat al tranzacției, \(\Delta p_t = p_t - p_{t-1}\)
    • \(s\): spread-ul bid–ask
    • un spread mai mare dă o covarianță mai negativă
  • Spread-urile, impactul de piață și fragmentarea adaugă zgomot în prețurile observate

Sinteza secțiunii

Un preț descărcat este rezultatul unui mecanism de tranzacționare la un anumit moment și într-un anumit loc. Spread-ul, adîncimea registrului și momentul observării lasă urme în date: bid–ask bounce produce autocorelație negativă, iar orele diferite de închidere atenuează corelațiile. Aceste efecte trebuie avute în vedere ori de cîte ori se compară două serii.

O scurtă istorie a piețelor și a modelelor financiare

Această secțiune de context urmărește două istorii paralele: cea a burselor și a crahurilor care le-au însoțit și cea a modelelor financiare construite pentru a înțelege prețurile și riscul. Fiecare val de modele a răspuns unei întrebări ridicate de piețele vremii sale, iar majoritatea reapar în capitolele următoare ale cursului.

Cronologia burselor și a crahurilor

Slide 15 în PDF

Cronologia așază principalele evenimente pe o singură axă a anilor. Banda de sus, albastră, arată înființarea burselor și primele titluri tranzacționate; banda de jos, roșie, arată bulele, panicile și crahurile. Secțiunea întreabă cum au evoluat împreună bursele, crahurile și modelele și ce a adăugat fiecare val de modele.

Graficul susține două observații. Acțiunile se tranzacționează continuu din anii 1600, iar bulele și crahurile au urmat aproape imediat după începutul tranzacționării continue. Bursa de Valori București s-a deschis în 1882; istoria ei se află în Anexă.

    Întrebare pentru sală Anul selectat este 1602, cînd încep tranzacțiile cu acțiuni VOC (Vereenigde Oostindische Compagnie, Compania Olandeză a Indiilor de Est). Ce episod apare primul după acest an pe axa „Bule, panici și crahuri”?
    Răspuns

    Tulip mania, în 1637, la 35 de ani după 1602. Bulele Mississippi și Mării Sudului apar în 1720, iar panica în 1792. Bursa de Valori București și-a început activitatea în 1882.

    În versiunea interactivă, cursorul stabilește ultimul an afișat, între 1250 și 2026, iar butonul ▶ avansează cronologia an cu an. Evenimentele apar în ordine pe benzile lor, astfel încît distanța dintre primele evenimente ale burselor și primele episoade de pe banda de jos se poate citi direct.

    Pe scurt

    • Întrebări
      • cum au evoluat împreună bursele, crahurile și modelele?
      • ce contribuție a avut fiecare generație de modele?
    • Graficul: axa orizontală arată anii
      • sus (albastru): bursele și primele titluri tranzacționate
      • jos (roșu): bulele, panicile și crahurile
    • Acțiunile se tranzacționează continuu din secolul al XVII-lea
      • bulele și crahurile au urmat aproape imediat
    • Bursa de Valori București și-a început activitatea în 1882 (Anexă)
    MFM_ch0_history

    Primele burse: de la Bruges la New York (1/2)

    Slide 16 în PDF

    Bursa ca instituție a apărut în Țările de Jos. La Bruges, între secolele al XIII-lea și al XV-lea, negustorii se întîlneau în piața din fața unui han al familiei Van der Beurse (Gelderblom, 2013); numele a dat cuvintele bourse, beurs și „bursă”. La Anvers, în 1531, a fost ridicată o clădire construită anume pentru tranzacționarea zilnică (Gelderblom, 2013).

    Pasul decisiv a avut loc la Amsterdam. În 1602, Compania Olandeză a Indiilor de Est, VOC (Vereenigde Oostindische Compagnie), a emis acțiuni transferabile. În decurs de un deceniu, piața acestor acțiuni avea tranzacționare continuă, contracte forward, opțiuni și vînzări în lipsă (short selling) (Gelderblom & Jonker, 2004), (Petram, 2014). Gravura arată bursa din Amsterdam construită de Hendrick de Keyser, în 1612.

    Pe scurt

    • Bruges, secolele XIII–XV: negustorii se întîlneau în fața hanului familiei Van der Beurse (Gelderblom (2013))
      • de aici bourse, beurs și bursă
    • Anvers, 1531: o clădire construită anume pentru tranzacțiile zilnice (Gelderblom (2013))
    • Amsterdam, 1602: VOC emite acțiuni transferabile
      • VOC: Vereenigde Oostindische Compagnie, Compania Olandeză a Indiilor de Est
      • în mai puțin de zece ani: tranzacționare continuă, forward și opțiuni
      • tot atunci apare vînzarea în lipsă (Gelderblom & Jonker (2004); Petram (2014))

    Primele burse: de la Bruges la New York (2/2)

    Slide 17 în PDF

    La Londra, tranzacționarea organizată a titlurilor s-a dezvoltat între 1698 și 1773 (Neal, 1990). John Castaing publica liste de prețuri la Jonathan's Coffee House, iar în 1773 brokerii și-au numit noua clădire Stock Exchange.

    La New York, pe 17 mai 1792, 24 de brokeri au semnat Buttonwood Agreement (Sylla, Wright & Cowen, 2009), originea Bursei din New York (NYSE, New York Stock Exchange). Între Amsterdam și New York se conturaseră deci principalele elemente ale unei burse moderne: un loc fix, titluri transferabile, prețuri publicate și un grup închis de intermediari.

    Pe scurt

    • Londra, 1698–1773 (Neal (1990))
      • John Castaing publică liste de prețuri la cafeneaua Jonathan's
      • în 1773, brokerii își numesc noua clădire Stock Exchange
    • New York, 17 mai 1792: 24 de brokeri semnează Acordul Buttonwood (Sylla, Wright & Cowen (2009))
      • originea NYSE (Bursa din New York)

    Primele bule, panici și crahuri (1/2)

    Slide 18 în PDF

    Istoria timpurie a piețelor este și o istorie a bulelor. În timpul tulip mania din Olanda, 1636–37, prețurile contractelor pe bulbi de lalele au crescut de mai multe ori, apoi s-au prăbușit în februarie 1637. Studiile ulterioare descriu un episod mai mic decît legenda, cu puține falimente (Garber, 1989), (Goldgar, 2007).

    În 1720, Compania Mississippi la Paris, condusă de John Law, și Compania Mării Sudului la Londra au urcat spectaculos și s-au prăbușit în cîteva luni. Frehen, Goetzmann & Rouwenhorst (2013) descriu anul 1720 ca pe o bulă în jurul unei inovații reale, comerțul atlantic și asigurările.

    Panicile au adus primele intervenții publice. În panica din 1792 de la New York, Trezoreria condusă de Alexander Hamilton a acționat ca împrumutător de ultimă instanță (Sylla, Wright & Cowen, 2009).

    Pe scurt

    • Tulip mania, Olanda 1636–37: prețurile contractelor pe bulbi cresc de mai multe ori
    • 1720: Compania Mississippi la Paris (John Law) și Compania Mării Sudului la Londra
    • Panica din 1792, New York (Sylla, Wright & Cowen (2009))
      • Trezoreria condusă de Alexander Hamilton acționează ca împrumutător de ultimă instanță

    Primele bule, panici și crahuri (2/2)

    Slide 19 în PDF

    În 1873 au avut loc crahuri la Viena, în mai, și la New York, în septembrie; NYSE s-a închis zece zile, iar contracția economiei americane, datată de National Bureau of Economic Research (NBER), a durat pînă în 1879.

    Secolul XX a adăugat Marțea Neagră, crahul bursei din New York din 1929, descris în Anexă, și ziua de 19 octombrie 1987, cînd Dow Jones Industrial Average (DJIA) a scăzut cu 22,6% într-o singură zi, cu scăderi mari pe toate piețele importante (Roll, 1988). Episoadele au elemente comune care revin de fiecare dată: un activ sau o tehnologie nouă, creditul și efectul de levier, apoi vînzările forțate. Bulele și crahurile sînt subiectul Capitolului 17.

    Pe scurt

    • 1873: crahuri la Viena (mai) și la New York (septembrie) (datarea ciclurilor NBER)
      • NYSE se închide zece zile
      • contracția economiei americane, datată de NBER (National Bureau of Economic Research), durează pînă în 1879
    • 1929: Marțea Neagră, crahul bursei din New York (Anexă)
    • 19 octombrie 1987: DJIA scade cu 22,6% într-o singură zi (Roll (1988))
      • DJIA: Dow Jones Industrial Average
      • scăderi mari pe toate piețele importante
    • Aceleași elemente revin de fiecare dată (Capitolul 17)
      • un activ sau o tehnologie nouă, credit și efect de levier, apoi vînzări forțate

    Modelele financiare (1/4): predictibilitate și prima de risc

    Slide 20 în PDF

    Prima întrebare abordată de modelele financiare a fost dacă prețurile trecute prezic prețurile viitoare. Răspunsul de referință este mersul aleator al logaritmului prețului,

    \[\ln P_t = \ln P_{t-1} + \mu + \varepsilon_t,\]
    (0.2)

    unde \(\mu\) este o derivă constantă, iar șocurile \(\varepsilon_t\) sînt independente și identic distribuite (iid), cu media zero. Bachelier (1900) a modelat prețurile cu mișcarea browniană. Mandelbrot (1963) a arătat că variațiile prețurilor au cozi mult mai groase decît sub distribuția Normală. Ipoteza piețelor eficiente (EMH, efficient market hypothesis) a lui Fama (1970) afirmă că prețurile reflectă pe deplin informația disponibilă; sub (0.2), prețurile trecute nu aduc informații despre variațiile viitoare dincolo de derivă.

    A doua întrebare a fost ce riscuri ar trebui să fie răsplătite. Markowitz (1952) a propus alegerea ponderilor portofoliului după media și varianța randamentului acestuia, ceea ce face ca diversificarea să depindă de covarianțele dintre active. Modelul de evaluare a activelor financiare (CAPM, capital asset pricing model) al lui Sharpe (1964) conchide că, în echilibru, este remunerat doar riscul de piață. Aceste idei sînt dezvoltate în capitolele 1–4; Anexa prezintă istoria mai detaliat.

    Pe scurt

    Modelele financiare (1/4): predictibilitate și prima de risc Modelele financiare (1/4): predictibilitate și prima de risc Louis Bachelier; William F. Sharpe, 2007 Bachelier: autor necunoscut; domeniu public; Sharpe: Larry D. Moore (2007); CC BY 4.0; Wikimedia Commons
    • Pot prețurile trecute să prezică prețurile viitoare? Mers aleator și eficiență (Anexă)
      • mers aleator pentru logaritmul prețului: \(\ln P_t = \ln P_{t-1} + \mu + \varepsilon_t\), cu șocuri \(\varepsilon_t\) iid (independente și identic distribuite) de medie 0
      • Bachelier (1900): mișcarea browniană
      • Mandelbrot (1963): cozi mult mai groase decît la distribuția Normală
      • EMH (ipoteza pieței eficiente, Fama (1970)): prețurile reflectă pe deplin informația disponibilă
    • Pentru ce riscuri primesc investitorii o primă? Portofolii și echilibru (Anexă)
      • Markowitz (1952): ponderile se aleg după medie și varianță, iar beneficiul diversificării depinde de covarianțe
      • CAPM (modelul de evaluare a activelor financiare, Sharpe (1964)): doar riscul de piață aduce o primă de risc
    • În acest curs: Capitolele 1–4

    Modelele financiare (2/4): evaluarea opțiunilor și măsurarea riscului

    Slide 21 în PDF

    Următorul val a întrebat cît valorează o opțiune. Black & Scholes (1973) și Merton (1973) au arătat că o acoperire (hedge) reechilibrată continuu, formată din acțiune și activul fără risc, replică opțiunea. Prețul opțiunii este deci fixat de absența arbitrajului și nu depinde de randamentul așteptat al acțiunii.

    A doua întrebare a fost dacă volatilitatea poate fi prognozată. Modelul ARCH (AutoRegressive Conditional Heteroskedasticity) al lui Engle (1982) și generalizarea lui, GARCH, propusă de Bollerslev (1986), fac varianța de azi să depindă de șocurile trecute. Ele explică volatility clustering: randamentele mari tind să fie urmate de randamente mari, de oricare semn.

    A treia întrebare a venit din reglementare: cît capital trebuie să dețină o bancă pentru riscul de piață (BCBS, 1996), (BCBS, 2019)? Primul răspuns a folosit Value-at-Risk la nivelul 1% (VaR 1%), pierderea depășită cu probabilitatea 1%. Cadrul ulterior folosește expected shortfall la nivelul 2,5% (ES 2.5%), pierderea medie în cele mai rele 2,5% dintre cazuri. Aceste modele sînt dezvoltate în capitolele 5–12.

    Pe scurt

    • Cît valorează o opțiune? (Black & Scholes (1973); Merton (1973); Anexă)
      • un portofoliu de acoperire reechilibrat continuu replică opțiunea, deci prețul ei nu depinde de randamentul așteptat al acțiunii
    • Este volatilitatea previzibilă? (Engle (1982); Bollerslev (1986); Anexă)
      • ARCH (heteroscedasticitate condiționată autoregresivă) și GARCH (ARCH generalizat): varianța de azi depinde de șocurile trecute, ceea ce explică gruparea volatilității (volatility clustering)
    • Cît capital trebuie să țină o bancă pentru riscul de piață? (BCBS (1996); BCBS (2019); Anexă)
      • VaR 1% (Value-at-Risk): pierderea depășită cu probabilitatea 1%
      • apoi ES 2,5% (expected shortfall): pierderea medie în cele mai rele 2,5% din cazuri
    • În acest curs: Capitolele 5–12

    Modelele financiare (3/4): riscul de model și criza din 2008

    Slide 22 în PDF

    Criza din 2008 este un exemplu de risc de model (model risk), riscul ca modelul folosit pentru evaluare să fie greșit. O obligațiune garantată cu active (CDO, collateralised debt obligation) este o obligațiune plătită dintr-un portofoliu de credite, împărțită în tranșe cu priorități diferite. În practica pieței, un singur parametru al unei copule gaussiene evalua toate tranșele unui CDO. Acest parametru nu putea reproduce falimentele simultane observate în criză, astfel încît prețurile tranșelor subestimau riscul ca pierderile să se propage în tot portofoliul.

    Anexa descrie mai detaliat copula gaussiană și anul 2008, precum și evoluția modelelor de rată a dobînzii, de la Vasicek la curba randamentelor.

    Pe scurt

    • Lecția din 2008: un exemplu de risc de model (Anexă)
      • CDO (collateralised debt obligation): obligațiune plătită dintr-un portofoliu de credite
      • un singur parametru al copulei Gaussiene era folosit la evaluarea tuturor tranșelor unui CDO
      • parametrul nu putea reproduce defaulturile simultane din criză
    • Modelele ratei dobînzii, de la Vasicek la curba randamentelor: Anexă

    Modelele financiare (4/4): învățarea din date masive și din text

    Slide 23 în PDF

    Cel mai recent val răspunde unei probleme de scară: sute de semnale despre firme și milioane de documente nu încap într-un model parametric mic. Învățarea automată (ML, machine learning) ajustează funcții flexibile pe date și le selectează după performanța out-of-sample, nu după teorie. În Gu, Kelly & Xiu (2020), arborii și rețelele neuronale depășesc modelele liniare în prognoza randamentelor a aproximativ 30.000 de acțiuni americane, folosind 94 de caracteristici ale firmelor. \(R^2\) lunar out-of-sample rămîne sub 1%, un număr mic, dar valoros din punct de vedere economic.

    AI-ul generativ se bazează pe arhitectura Transformer a lui Vaswani et al. (2017), care stă la baza LLM-urilor actuale. Lopez-Lira & Tang (2026) constată că scorurile date de ChatGPT titlurilor de știri prezic out-of-sample randamentele acțiunilor din ziua următoare. Modelele fundamentale (foundation models) pentru serii de timp prognozează serii noi fără reantrenare (Ansari et al., 2024).

    Principalele riscuri ale acestor metode sînt:

    • Overfitting-ul;
    • Look-ahead-ul, deoarece un model lingvistic poate să fi citit texte scrise după data prognozei;
    • Numărul mare de încercări pe aceleași date.

    Metodele și riscurile lor sînt tratate în capitolele 13–15. Anexa despre calculul cuantic este legată din slide.

    Pe scurt

    • Problema: sute de semnale despre firme și milioane de documente nu încap într-un model parametric mic
    • Machine learning (ML; Anexă): funcții flexibile estimate din date
      • alese după cît de bine prognozează în afara eșantionului (out-of-sample: pe date nefolosite la estimare), nu după teorie
      • Gu, Kelly & Xiu (2020): arborii și rețelele neuronale depășesc modelele liniare pe circa 30 000 de acțiuni americane și 94 de caracteristici ale firmelor
      • \(R^2\) lunar în afara eșantionului rămîne sub 1%: mic, dar cu valoare economică
    • AI generativă (Anexă): Transformer-ul (Vaswani et al. (2017)) stă la baza LLM-urilor actuale
      • Lopez-Lira & Tang (2026): scorurile date de ChatGPT titlurilor de știri prezic randamentele acțiunilor din ziua următoare, în afara eșantionului
      • modelele fundaționale (foundation models) pentru serii de timp prognozează serii noi fără reantrenare (Ansari et al. (2024))
    • Riscurile principale (Capitolele 13–15)
      • supraajustarea (overfitting)
      • deplasarea de anticipare (informație din viitor): modelul poate să fi citit texte scrise după data prognozei
      • multe încercări pe aceleași date

    Sinteza secțiunii

    Fiecare val de modele financiare a răspuns unei întrebări puse de piețe: dacă prețurile sînt predictibile, ce riscuri sînt remunerate, cît valorează o opțiune, cît de volatilă va fi ziua de mîine, cît capital îi trebuie unei bănci și cum se poate învăța din seturi mari de date și din text. Crahurile arată că modelele pot și eșua, iar 2008 este cel mai clar exemplu de risc de model.

    Convenții de date

    Această secțiune scurtă fixează datele folosite în tot cursul și convențiile privind cîmpul de preț și calendarul. Două serii care diferă doar prin aceste convenții pot duce la concluzii diferite, de aceea convențiile se stabilesc înaintea oricărei măsurători.

    Sursele de date și deplasarea de supraviețuire

    Slide 24 în PDF

    Cursul folosește patru surse de date. Datele zilnice de piață de la EODHD (EOD Historical Data), pentru indici, acțiuni, ETF-uri, FX, crypto și randamente ale obligațiunilor, sînt salvate o singură dată ca fișiere CSV (Comma-Separated Values, fișier text cu valori separate prin virgulă) în depozitul cursului. FRED (Federal Reserve Economic Data) oferă rate ale dobînzii din SUA, cursuri de schimb și serii macroeconomice, ca fișiere CSV publice. BNR publică cursurile oficiale de referință ale leului ca fișiere XML (eXtensible Markup Language, limbaj de marcare extensibil) publice. DefiLlama oferă oferta de stablecoin-uri și date despre finanțele descentralizate (DeFi, decentralised finance), în format JSON (JavaScript Object Notation, format text pentru date structurate) public.

    Orice set de date construit astăzi riscă survivorship bias (Brown, Goetzmann, Ibbotson & Ross, 1992). Un eșantion reconstruit din activele sau fondurile care mai există astăzi le omite pe cele care au dat faliment sau au fost închise și face astfel randamentele trecute să pară prea bune. Distorsiunea contează mai ales în comparațiile pe perioade lungi și în universurile din care membrii slabi ies.

    Pe scurt

    DateConținutFormat
    Date zilnice de piață de la EODHD (EOD Historical Data), salvate în repository-ul cursuluiindici, acțiuni, ETF-uri, valută, cripto, randamente la scadențăCSV
    FRED (Federal Reserve Economic Data)dobînzi SUA, cursuri de schimb, serii macroCSV public
    BNRcursuri oficiale de referință ale leuluiXML public
    DefiLlamaoferta de stablecoins, DeFi (finanțe descentralizate)JSON public
    • Secțiunea răspunde la întrebările
      • ce date folosește fiecare capitol?
      • ce tip de preț și ce calendar alegem?
    • Deplasarea de supraviețuire (survivorship bias; Brown, Goetzmann, Ibbotson & Ross (1992))
      • eșantioanele refăcute din supraviețuitorii de azi supraestimează randamentele trecute

    Ce preț și ce calendar alegem

    Slide 25 în PDF

    Cîmpul de preț depinde de activ:

    • Pentru acțiuni și ETF-uri, cursul folosește prețul de închidere ajustat (adjusted close), corectat pentru dividende și divizări;
    • Pentru indici, FX și crypto, prețul de închidere;
    • Pentru obligațiuni, randamentul cotat la închidere.

    Calendarul cere atenție atunci cînd se combină mai multe serii. O singură serie se analizează pe propriul calendar. Pentru mai multe serii, se aliniază mai întîi prețurile pe zilele comune tuturor, iar randamentele se calculează după aceea; randamentele calculate înainte, pe calendare diferite, ar acoperi intervale diferite.

    Anualizarea folosește frecvența observată, numărul de randamente pe an prezente efectiv în date. Acesta este de aproximativ 365 pentru crypto, care se tranzacționează în fiecare zi, 260 pentru aurul spot și 252 pentru acțiuni.

    Pe scurt

    • Tipul de preț
      • acțiuni și ETF-uri: prețul de închidere ajustat (dividende, split-uri)
      • indici, valută și cripto: prețul de închidere
      • obligațiuni: randamentul la scadență cotat la închidere
    • Calendarul
      • o singură serie: randamente pe calendarul ei
      • mai multe serii: întîi aliniem prețurile pe zilele comune, apoi calculăm randamentele
    • Anualizăm cu frecvența observată, numărul de randamente pe an din date
      • circa 365 la cripto, 260 la aurul spot, 252 la acțiuni

    Măsurători și precizia lor

    Această secțiune definește măsurătorile de bază ale creșterii și riscului, randamentele simple și logaritmice, CAGR, volatilitatea anualizată și drawdown-ul, apoi întreabă cît de precis le cunoaștem. Exemplele folosesc S&P 500 și ETF-ul SPY (SPDR S&P 500 ETF Trust, fondul tranzacționat la bursă pe indicele S&P 500) în perioada 2015–2026. Rezultatul principal este că precizia unui randament mediu sau a unui raport Sharpe depinde de numărul de ani din eșantion, nu de numărul de observații.

    Randamente simple și randamente logaritmice

    Slide 26 în PDF

    Fie \(P_t\) prețul de închidere sau nivelul indicelui în ziua \(t\). Randamentul simplu \(R_t\) și randamentul logaritmic \(r_t\) sînt

    \[R_t = \frac{P_t}{P_{t-1}} - 1, \qquad r_t = \ln\frac{P_t}{P_{t-1}} = \ln(1+R_t).\]
    (0.3)

    Cele două definiții se agregă în direcții diferite. Randamentele simple se agregă între active: un portofoliu cu ponderile \(w_i\) are exact randamentul \(R_{p,t} = \sum_i w_i R_{i,t}\). Randamentele logaritmice se agregă în timp: randamentul logaritmic pe \(h\) zile este suma \(r_{t+1} + \dots + r_{t+h}\). Calculele de portofoliu folosesc deci randamente simple, iar calculele în timp sînt mai comode cu randamente logaritmice.

    Pentru variații mici, cele două randamente aproape coincid, deoarece din (0.3) rezultă \(r_t = R_t - R_t^2/2 + \dots\). Pentru variații mari diferă considerabil: o scădere de 50% este un randament simplu de \(-50\%\), dar un randament logaritmic de \(\ln 0{,}5 = -69\%\).

    Pe scurt

    • Secțiunea răspunde la întrebările
      • cum măsurăm creșterea și riscul?
      • cît de precis cunoaștem rezultatul?
    • \(P_t\): prețul de închidere (sau nivelul indicelui) în ziua \(t\)
    • Randamentul simplu \(R_t\) și randamentul logaritmic \(r_t\)
      \[ R_t = \frac{P_t}{P_{t-1}} - 1, \qquad r_t = \ln\frac{P_t}{P_{t-1}} = \ln(1+R_t) \]
    • Randamentul simplu se agregă între active
      • un portofoliu cu ponderile \(w_i\) are \(R_{p,t} = \sum_i w_i R_{i,t}\)
    • Randamentul logaritmic se agregă în timp
      • randamentul pe \(h\) zile este suma \(r_{t+1} + \dots + r_{t+h}\)
    • Pentru variații mici cele două aproape coincid
      • \(r_t = R_t - R_t^2/2 + \dots\)
      • la o scădere de 50% diferă mult: \(\ln 0{,}5 = -69\%\)

    Capitalizarea compusă și CAGR

    Slide 27 în PDF

    Un indice de preț, precum S&P 500 sau BET, principalul indice al Bursei de Valori București, ignoră dividendele. Un indice de randament total (total-return index), precum BET-TR (BET Total Return, index, indicele BET cu dividendele reinvestite), și prețul de închidere ajustat al unei acțiuni sau al unui ETF le reinvestesc. Comparațiile creșterii pe termen lung trebuie să folosească de ambele părți același tip de serie.

    Pe \(T\) zile, randamentele simple zilnice se înmulțesc, iar randamentele logaritmice se adună:

    \[P_T = P_0 \prod_{t=1}^{T} (1 + R_t) = P_0\, e^{\,r_1 + \dots + r_T}.\]

    Rata anuală compusă de creștere (CAGR) este rata anuală constantă care transformă primul preț în ultimul:

    \[\mathrm{CAGR} = \Big(\frac{P_{\text{end}}}{P_{\text{start}}}\Big)^{1/Y} - 1, \qquad \ln(1 + \mathrm{CAGR}) = \frac{1}{Y}\sum_{t=1}^{T} r_t,\]
    (0.4)

    unde \(Y\) este lungimea eșantionului în ani, măsurată ca număr de zile calendaristice împărțit la 365,25, iar raportul \(P_{\text{end}}/P_{\text{start}}\) este multiplul. A doua formă din (0.4) arată că CAGR este suma randamentelor logaritmice pe an, exprimată ca rată simplă.

    Pentru indicele de preț S&P 500, între 2 ianuarie 2015 și 18 septembrie 2026, eșantionul acoperă 4.277 de zile calendaristice, deci \(Y = 4\,277/365{,}25 = 11{,}71\) ani. Indicele a crescut de 3,72 ori, ceea ce dă \(\mathrm{CAGR} = 3{,}72^{1/11{,}71} - 1 = 11{,}9\%\) pe an.

    Pe scurt

    • Indicele de preț (S&P 500; BET) ignoră dividendele
      • BET: indicele principal al Bursei de Valori București
      • indicele de randament total (BET-TR) și prețul ajustat (adjusted close) le reinvestesc
    • Capitalizarea compusă: randamentele zilnice se înmulțesc, iar randamentele logaritmice se adună
      \[ P_T = P_0 \prod_{t=1}^{T} (1 + R_t) = P_0\, e^{\,r_1 + \dots + r_T} \]
    • CAGR: rata anuală constantă care transformă primul preț în ultimul
      \[ \mathrm{CAGR} = \Big(\frac{P_{\text{final}}}{P_{\text{inițial}}}\Big)^{1/Y} - 1, \qquad \ln(1 + \mathrm{CAGR}) = \frac{1}{Y}\sum_{t=1}^{T} r_t \]
      • CAGR: rata anuală compusă de creștere
      • \(Y\): lungimea eșantionului în ani, zile calendaristice\(/365{,}25\); raportul \(P_{\text{final}}/P_{\text{inițial}}\) este multiplul
      • a doua formă: CAGR este suma randamentelor logaritmice pe an, exprimată ca rată simplă
    • Exemplu: S&P 500 (indice de preț), 2 ian. 2015 – 18 sep. 2026
      • \(Y = 4\,277/365{,}25 = 11{,}71\)
      • multiplul \(\times 3{,}72\) dă CAGR \(= 3{,}72^{1/11{,}71} - 1 = 11{,}9\%\)

    Volatilitatea anualizată

    Slide 28 în PDF

    Indicele \(d\) marchează o mărime zilnică, iar indicele \(A\) una anualizată; \(A\) desemnează și numărul de randamente pe an observate efectiv. Volatilitatea anualizată scalează abaterea standard zilnică cu \(\sqrt{A}\):

    \[\hat\sigma_A = \hat\sigma_d\sqrt{A},\]
    (0.5)

    unde \(\hat\sigma_d\) este abaterea standard de eșantion a randamentelor logaritmice zilnice.

    Rădăcina pătrată decurge din agregarea randamentelor logaritmice. Randamentul logaritmic pe un an este suma a \(A\) randamente logaritmice zilnice; dacă acestea sînt necorelate și au varianța constantă \(\sigma_d^2\), varianța sumei este \(A\sigma_d^2\), iar abaterea ei standard este \(\sigma_d\sqrt{A}\). Cînd randamentele zilnice sînt autocorelate, scalarea din (0.5) nu mai este exactă; variance ratio, care măsoară abaterea, se află în Anexă.

    Pentru SPY, ETF-ul SPDR (Standard & Poor’s Depositary Receipts, certificate de depozit Standard & Poor’s, familia de ETF-uri SPDR) S&P 500 cu dividende, eșantionul are \(T = 2\,944\) de randamente zilnice pe \(Y = 11{,}71\) ani, deci \(A = T/Y = 251{,}4\) randamente pe an.

    Pe scurt

    • Indicele \(d\) marchează o mărime zilnică, indicele \(A\) una anualizată
      • \(A\) este și numărul de randamente pe an efectiv observate
    • Volatilitatea anualizată: abaterea standard empirică \(\hat\sigma_d\) a randamentelor logaritmice zilnice
      \[ \hat\sigma_A = \hat\sigma_d\sqrt{A} \]
      • scalată cu \(\sqrt{A}\)
      • de ce \(\sqrt{A}\): randamentul logaritmic anual este suma a \(A\) randamente zilnice
      • dacă acestea sînt necorelate, cu varianță constantă, varianța sumei este \(A\sigma_d^2\)
      • cu randamente zilnice autocorelate, scalarea nu mai este exactă (raportul varianțelor, variance ratio; Anexă)
    • Exemplu: SPY are \(T = 2\,944\) de randamente zilnice în \(Y = 11{,}71\) ani
      • SPY: ETF-ul pe S&P 500 din familia SPDR (Standard & Poor’s Depositary Receipts), cu dividende
      • deci \(A = T/Y = 251{,}4\)

    Media aritmetică, CAGR și frîna volatilității

    Slide 29 în PDF

    Media aritmetică anualizată \(\hat\mu_A = A\,\bar R\), unde \(\bar R\) este media de eșantion a randamentelor simple zilnice, este mai mare decît creșterea compusă. Cele două sînt legate prin

    \[\ln(1 + \mathrm{CAGR}) \approx \hat\mu_A - \frac{\hat\sigma_A^2}{2}.\]
    (0.6)

    Motivul este dezvoltarea \(r_t \approx R_t - R_t^2/2\): în medie pe zile, \(R_t^2\) este aproximativ \(\sigma_d^2\), iar prin anualizare se obține (0.6). Termenul \(\hat\sigma_A^2/2\) este volatility drag: la aceeași medie aritmetică, o volatilitate mai mare reduce creșterea compusă.

    Pentru SPY în perioada 2015–2026, din randamente simple, \(\hat\mu_A = 14{,}39\%\) și \(\hat\sigma_A = 17{,}53\%\), deci membrul drept din (0.6) este \(14{,}39\% - 17{,}53\%^2/2 = 12{,}85\%\). CAGR al SPY este 13,7%, iar \(\ln(1{,}137) = 12{,}84\%\): aproximarea reproduce creșterea compusă observată.

    Indicele de preț S&P 500 are în aceeași perioadă un CAGR de 11,9%, cu 1,8 puncte procentuale (pp) pe an mai puțin decît SPY. Diferența provine în principal din dividendele reinvestite, din care se scad comisioanele ETF-ului și diferențele de replicare.

    Pe scurt

    • Media aritmetică anualizată \(\hat\mu_A = A\,\bar R\) depășește creșterea compusă
      \[ \ln(1 + \mathrm{CAGR}) \approx \hat\mu_A - \hat\sigma_A^2/2 \]
      • \(\bar R\): media empirică a randamentelor simple zilnice
      • motivul: \(r_t \approx R_t - R_t^2/2\), iar media lui \(R_t^2\) este aproximativ \(\sigma_d^2\)
      • frîna volatilității (volatility drag): la aceeași medie aritmetică, o volatilitate mai mare reduce creșterea compusă
    • SPY, 2015–2026: \(\hat\mu_A = 14{,}39\%\) și \(\hat\sigma_A = 17{,}53\%\) (din randamente simple)
      • deci \(14{,}39\% - 17{,}53\%^2/2 = 12{,}85\%\)
    • CAGR-ul SPY este 13,7%, iar \(\ln(1{,}137) = 12{,}84\%\)
      • aproximarea reproduce creșterea compusă observată
    • Indicele de preț are CAGR 11,9%
      • diferența de 1,8 puncte procentuale (pp) pe an provine în principal din dividendele reinvestite
      • net de comisioanele ETF-ului și de abaterile de replicare

    Drawdown și drawdown-ul maxim

    Slide 30 în PDF

    Volatilitatea nu spune cît a pierdut un investitor față de cel mai bun moment anterior, deoarece nu depinde de ordinea randamentelor, în timp ce pierderile de la un vîrf depind. Drawdown-ul măsoară distanța procentuală a prețului sub vîrful atins pînă atunci:

    \[DD_t = \frac{P_t}{\max_{s \le t} P_s} - 1 \le 0, \qquad \mathrm{MDD} = \min_t DD_t.\]
    (0.7)

    Drawdown-ul maxim (MDD, maximum drawdown) este cea mai adîncă scădere de la un vîrf pe întregul eșantion. Durata unui drawdown este numărul de zile pînă cînd prețul depășește din nou vîrful anterior.

    Exemplul din Seminarul 0 folosește prețurile 100, 120, 90, 110, 130, 100. Vîrful curent este 100, 120, 120, 120, 130, 130, iar (0.7) dă drawdown-urile 0, 0, \(-25\%\), \(-8{,}3\%\), 0 și \(-23{,}1\%\). Drawdown-ul maxim este \(-25\%\), deși ultimul preț este peste primul.

    Pe scurt

    • Volatilitatea nu spune cît a pierdut un investitor față de cel mai bun moment anterior
      • contează ordinea randamentelor
    • Drawdown: distanța procentuală sub maximul atins pînă atunci
      \[ DD_t = \frac{P_t}{\max_{s \le t} P_s} - 1 \le 0, \qquad \mathrm{MDD} = \min_t DD_t \]
      • MDD (drawdown-ul maxim): cea mai adîncă scădere de la un maxim, pe tot eșantionul
      • durata unui drawdown: zilele pînă cînd prețul depășește din nou maximul anterior
    • Exemplu (Seminarul 0, A4): prețurile 100, 120, 90, 110, 130, 100
      • maximul curent 100, 120, 120, 120, 130, 130 dă \(DD_t\): 0, 0, \(-25\%\), \(-8{,}3\%\), 0, \(-23{,}1\%\)
      • MDD \(= -25\%\), deși ultimul preț este peste primul

    Precizia estimării randamentului așteptat (1/2)

    Slide 31 în PDF

    Presupunem că randamentele simple zilnice \(R_t\) sînt iid, cu media adevărată \(\mu_d\) și abaterea standard \(\sigma_d\), și că eșantionul are \(T = AY\) observații. Media anuală se estimează prin \(\hat\mu_A = A\,\bar R\), cu \(\bar R = \frac{1}{T}\sum_{t=1}^{T} R_t\).

    Eroarea standard (SE, standard error) este distanța tipică dintre \(\hat\mu_A\) și media anuală adevărată. Deoarece \(\operatorname{Var}(\bar R) = \sigma_d^2/T\),

    \[\operatorname{SE}(\hat\mu_A) = \frac{A\,\sigma_d}{\sqrt{T}} = \frac{\sigma_A}{\sqrt{Y}}, \qquad \sigma_A = \sigma_d\sqrt{A}.\]
    (0.8)

    A doua formă din (0.8) este cea importantă: SE scade doar cu rădăcina pătrată a numărului de ani. Un interval de încredere de 95% pentru media anuală este \(\hat\mu_A \pm 1{,}96\,\operatorname{SE}\).

    Pe scurt

    • Ipoteza: randamentele zilnice simple \(R_t\) sînt iid
      • cu media \(\mu_d\) și abaterea standard \(\sigma_d\) adevărate
      • \(T = AY\) observații
    • Estimatorul: \(\hat\mu_A = A\,\bar R\), cu \(\bar R = \frac{1}{T}\sum_{t=1}^{T} R_t\)
    • Eroarea standard (SE): distanța tipică dintre \(\hat\mu_A\) și media anuală adevărată
      \[ \operatorname{SE}(\hat\mu_A) =\frac{A\,\sigma_d}{\sqrt{T}} = \frac{\sigma_A}{\sqrt{Y}}, \qquad \sigma_A = \sigma_d\sqrt{A} \]
      • SE scade doar cu rădăcina pătrată a numărului de ani
      • intervalul de încredere de 95%: \(\hat\mu_A \pm 1{,}96\,\operatorname{SE}\)

    Precizia estimării randamentului așteptat (2/2)

    Slide 32 în PDF

    Pentru SPY în perioada 2015–2026, \(\hat\mu_A = 14{,}4\%\), \(\sigma_A = 17{,}5\%\) și \(Y = 11{,}71\) ani; volatilitatea este calculată din randamente simple, iar din randamente logaritmice este 17,6%. Formula (0.8) dă \(\operatorname{SE} = 17{,}5\%/\sqrt{11{,}71} = 5{,}1\) pp, iar intervalul de încredere de 95% pentru randamentul anual mediu este \([4{,}3\%;\ 24{,}4\%]\). Aproape doisprezece ani de date zilnice lasă deci un interval larg pentru randamentul așteptat.

    Întrebarea pentru sală este ce ar înjumătăți această SE: de patru ori mai multe observații, de exemplu date orare în loc de zilnice, sau de patru ori mai mulți ani. Conform (0.8), SE depinde doar de lungimea perioadei \(Y\), nu de frecvența de eșantionare (Merton, 1980). Înjumătățirea ei cere de patru ori mai mulți ani, aproximativ 47 în loc de 11,7.

    Pe scurt

    • SPY, 2015–2026: \(\hat\mu_A = 14{,}4\%\), \(\sigma_A = 17{,}5\%\) (din randamente simple), \(Y = 11{,}71\)
      • din randamente logaritmice: \(\sigma_A = 17{,}6\%\)
      • \(\operatorname{SE} = 17{,}5\%/\sqrt{11{,}71} = 5{,}1\) pp
      • interval de încredere de 95% \([4{,}3\%;\ 24{,}4\%]\)
    • Întrebare pentru sală: ca să înjumătățiți această SE, ce ați prefera?
      • de patru ori mai multe observații (date orare în loc de zilnice)
      • sau de patru ori mai mulți ani
    • Răspuns: de patru ori mai mulți ani (circa 47 în loc de 11,7)
      • SE depinde doar de lungimea perioadei \(Y\), nu de frecvența eșantionării (Merton (1980))

    Raportul Sharpe este o estimație

    Slide 33 în PDF

    Raportul Sharpe (SR, Sharpe ratio) este randamentul mediu pe unitatea de risc; în acest capitol rata fără risc este 0. Pe zi, el este \(\mathrm{SR}_d = \mu_d/\sigma_d\), raportul dintre media și abaterea standard (SD, standard deviation) a randamentelor simple zilnice, iar anualizat este \(\mathrm{SR}_A = \sqrt{A}\,\mathrm{SR}_d\). Valoarea estimată din eșantion este \(\widehat{\mathrm{SR}}_A\).

    Ca și media, raportul Sharpe este o estimație cu o eroare standard. Pentru randamente iid care urmează distribuția Normală, Lo (2002) dă

    \[\operatorname{SE}(\widehat{\mathrm{SR}}_A) = \sqrt{\frac{1 + \mathrm{SR}_A^2/(2A)}{Y}} \approx \frac{1}{\sqrt{Y}}.\]
    (0.9)

    Cu date zilnice, termenul \(\mathrm{SR}_A^2/(2A)\) este foarte mic, \(0{,}82^2/504 \approx 0{,}001\), deci, conform (0.9), SE depinde aproape numai de numărul de ani \(Y\). Aprofundările discută precizia raportului Sharpe atunci cînd rata fără risc nu este zero.

    Pe scurt

    • Raportul Sharpe (SR): randamentul mediu pe unitatea de risc, cu rata fără risc egală cu 0
      • pe zi \(\mathrm{SR}_d = \mu_d/\sigma_d\) (media și abaterea standard ale randamentelor zilnice simple)
      • anualizat \(\mathrm{SR}_A = \sqrt{A}\,\mathrm{SR}_d\)
      • \(\widehat{\mathrm{SR}}_A\): valoarea estimată din eșantion
    • Eroarea lui standard, pentru randamente iid cu distribuția Normală (Lo (2002)):
      \[ \operatorname{SE}(\widehat{\mathrm{SR}}_A) = \sqrt{\frac{1 + \mathrm{SR}_A^2/(2A)}{Y}} \approx \frac{1}{\sqrt{Y}} \]
      • la date zilnice termenul \(\mathrm{SR}_A^2/(2A)\) este foarte mic (\(0{,}82^2/504 \approx 0{,}001\))
      • deci SE depinde aproape numai de numărul de ani \(Y\)

    Sinteza secțiunii

    Randamentele, CAGR, volatilitatea anualizată și drawdown-ul se calculează simplu, dar fiecare depinde de convenții: randamente simple sau logaritmice, serii de preț sau de randament total, numărul observat de randamente pe an. Precizia lor este limitată de lungimea eșantionului: eroarea standard a unui randament mediu și a unui raport Sharpe scade doar cu rădăcina pătrată a numărului de ani. Pe 11,7 ani, intervalul de 95% pentru randamentul anual mediu al SPY merge de la 4,3% la 24,4%.

    Piețele între 2000 și 2026

    Secțiunea anterioară a definit măsurătorile și precizia lor. Această secțiune le aplică principalelor clase de active, pe o fereastră comună: ce randament și ce risc a avut fiecare clasă, dacă vreun clasament dintre ele este semnificativ statistic, cît de adînci au fost crizele din 2000–2026, cum trece volatilitatea de la un regim la altul și cum se schimbă în timp corelațiile de care depinde diversificarea.

    Randament și risc, 2015–2026 (1/2)

    Slide 34 în PDF

    O comparație între clase de active are sens doar pe o singură fereastră. Fiecare activ este de aceea măsurat între 2 ianuarie 2015 și 18 septembrie 2026; cu ferestre diferite, comparația ar amesteca șocuri diferite, de exemplu criza din 2008 pentru un activ și nu pentru altul. Toate seriile sînt în dolari americani (USD), cu excepția cursului EUR/RON. TR (Total Return, with dividends or coupons reinvested, randament total, cu dividendele sau cupoanele reinvestite) desemnează o serie de randament total (total return), cu dividendele sau cupoanele reinvestite, iar TLT (iShares 20+ Year Treasury Bond ETF, ETF pe obligațiuni de stat americane cu scadențe de peste 20 de ani) este fondul tranzacționat la bursă (ETF, exchange-traded fund) care deține obligațiuni de stat americane cu scadența de peste 20 de ani.

    Graficul așază fiecare activ în planul randament–risc. Axa verticală este rata de creștere anuală compusă (CAGR, compound annual growth rate), creșterea pe care un investitor a realizat-o efectiv în fereastră. Axa orizontală este volatilitatea anualizată, pe scară logaritmică, astfel încît distanța de la 2% la 4% arată la fel ca aceea de la 20% la 40%; fără scara logaritmică, Bitcoin ar împinge toate celelalte active într-un colț.

    Secțiunea pune graficului două întrebări:

    1. Una descriptivă: ce randament și ce risc a avut fiecare clasă.
    2. Una inferențială: dacă vreo diferență dintre clase este semnificativă statistic sau dacă ordinea din grafic este compatibilă cu randamente așteptate egale.

    Graficul interactiv începe fereastra comună pe 2 ianuarie al anului ales cu cursorul, între 2015 și 2024, iar lista alege activul ale cărui cifre sînt descrise sub grafic. Butonul ▶ mută începutul ferestrei cu cîte un an.

      Întrebare pentru sală Pe zilele comune din 2015–2026, diferența mediilor randamentelor simple SPY − aur, anualizată, este 1,9 pp, cu SE 6,8 pp. Este semnificativă într-un test bilateral la 5%?
      Răspuns

      Calculăm t = 1,9/6,8 ≈ 0,28. Nu respingem egalitatea mediilor; nu demonstrăm că mediile sînt egale. Testul folosește randamente simple, nu diferența CAGR-urilor din grafic (13,7% și 11,8%). Pentru un singur activ, eroarea standard a randamentului mediu anualizat, σ/√Y cu Y = 11,7 ani, este 5,1 pp la S&P 500 și 4,8 pp la aur. În modelul cu randamente iid, la aceeași volatilitate anuală și același orizont, eșantionarea mai frecventă nu reduce SE a mediei anualizate.

      Mutarea începutului ferestrei schimbă poziția fiecărui activ în grafic. Un clasament care se schimbă odată cu data de început a eșantionului este o proprietate a ferestrei, nu a activelor.

      Pe scurt

      • Secțiunea răspunde la întrebările
        • ce randament și ce risc au avut principalele clase de active?
        • este vreo diferență dintre ele semnificativă statistic?
      • Aceeași fereastră pentru toate activele, 2 ian. 2015 – 18 sep. 2026
        • ferestre diferite ar compara șocuri diferite
      • Axa verticală: CAGR, creșterea compusă realizată
      • Axa orizontală: volatilitatea anualizată, pe scară logaritmică
        • 2%–4% ocupă aceeași distanță ca 20%–40%
      • Totul în USD (US dollar, dolarul american), cu excepția EUR/RON
        • TR (total return): randament total
        • TLT: ETF-ul pe titluri de stat SUA (Statele Unite ale Americii) cu scadența peste 20 de ani

      Randament și risc, 2015–2026 (2/2)

      Slide 35 în PDF

      Pe întreaga fereastră, S&P 500 cu dividende are un CAGR de 13,7% și o volatilitate anualizată de 17,6%. Aurul are un CAGR de 11,8% și o volatilitate de 16,3%, calculată pe cotațiile din zilele lucrătoare, iar Bitcoin un CAGR de 60,6% și o volatilitate de 66,7%.

      Seriile nu sînt toate investiții echivalente. SPY și TLT includ dividendele și cupoanele, pe cînd Euro Stoxx 50 și Nikkei 225 sînt indici de preț, fără dividende; o comparație cu ei nu este deci un test între randamentele totale ale unor investiții echivalente. Ethereum, cu un eșantion mai scurt, și cursurile EUR/USD și EUR/RON apar în grafic, dar nu sînt testate. „Randamentul” unui curs de schimb omite dobînda obținută pe monedă, pe care un investitor care deține moneda respectivă ar încasa-o.

      Testele care urmează privesc media aritmetică a randamentelor și raportul Sharpe, nu CAGR. Media aritmetică este parametrul a cărui eroare standard are o formă simplă, iar raportul Sharpe este măsura ajustată la risc folosită pentru a compara active cu volatilități diferite.

      Pe scurt

      • S&P 500 cu dividende: CAGR 13,7%, volatilitate 17,6%
      • Aur: CAGR 11,8%, volatilitate 16,3% (cotații din zilele lucrătoare)
      • Bitcoin: CAGR 60,6%, volatilitate 66,7%
      • SPY și TLT includ dividendele și cupoanele, dar Euro Stoxx 50 și Nikkei 225 sînt indici de preț, fără dividende
        • comparațiile cu ei nu sînt teste între randamentele totale ale unor investiții echivalente
      • Ethereum (eșantion mai scurt), EUR/USD și EUR/RON apar în grafic, dar nu sînt testate
        • „randamentul” unui curs valutar nu include dobînda obținută pe valută
      • Testele care urmează privesc media aritmetică și raportul Sharpe, nu CAGR

      Semnificația statistică a clasamentului randament–risc (1/2)

      Slide 36 în PDF

      Precizia fiecărui punct din grafic rezultă din eroarea standard (SE, standard error) a randamentului mediu anualizat. Pentru randamente independente și identic distribuite (iid), cu volatilitatea anuală \(\sigma_A\), observate pe \(Y\) ani,

      \[\operatorname{SE}(\hat\mu_A) = \frac{\sigma_A}{\sqrt{Y}},\]
      (0.10)

      iar SE depinde de lungimea eșantionului în ani, nu de numărul de observații. Cu \(Y = 11{,}7\), (0.10) dă 5,1 puncte procentuale (pp) pentru S&P 500 cu dividende, 4,8 pp pentru aur, 6,0 pp pentru Euro Stoxx 50, 6,2 pp pentru Nikkei 225 și 19,4 pp pentru Bitcoin. Diferențele de cîteva puncte dintre randamentele medii ale activelor tradiționale se află deci în limitele unei singure erori standard.

      Diferența dintre două active trebuie testată direct, în zilele în care ambele sînt observate. Diferența S&P 500 minus aur este de \(+1{,}9\) pp pe an, cu SE de 6,8 pp și \(t = 0{,}28\), departe de orice valoare critică uzuală. Rapoartele Sharpe, fiecare cu SE de circa 0,29, sînt 1,05 pentru Bitcoin, 0,82 pentru S&P 500, 0,76 pentru aur, 0,53 pentru Nikkei 225, 0,37 pentru Euro Stoxx 50 și 0,00 pentru TLT. Această SE presupune un moment de ordin patru finit al randamentelor, ipoteză pusă sub semnul întrebării în Capitolul 1.

      Pe scurt

      • SE a randamentului mediu anualizat, \(\sigma_A/\sqrt{Y}\) cu \(Y = 11{,}7\)
        • S&P 500 cu dividende 5,1 pp, aur 4,8 pp, Euro Stoxx 50 6,0 pp, Nikkei 225 6,2 pp, Bitcoin 19,4 pp
      • S&P 500 minus aur, pe zilele comune: \(+1{,}9\) pp pe an, SE 6,8 pp, \(t = 0{,}28\)
      • Rapoarte Sharpe, fiecare cu SE \(\approx 0{,}29\)
        • Bitcoin 1,05, S&P 500 0,82, aur 0,76, Nikkei 225 0,53, Euro Stoxx 50 0,37, TLT 0,00
        • SE presupune moment de ordin patru finit (cozi nu prea groase), pus sub semnul întrebării în Capitolul 1
      MFM_ch0_cross_asset

      Semnificația statistică a clasamentului randament–risc (2/2)

      Slide 37 în PDF

      Suprapunerea intervalelor de încredere nu testează o diferență, fiindcă cele două estimații sînt corelate. Procedura corectă aplică bootstrap diferenței pereche a celor două rapoarte Sharpe, pe zilele comune. Pentru S&P 500 minus aur, diferența este \(+0{,}06\), cu un interval de 95% de \([-0{,}65;\ +0{,}88]\). Pentru S&P 500 minus Euro Stoxx 50, ea este \(+0{,}46\), cu intervalul \([0{,}09;\ 0{,}85]\), semnificativă ca test individual. Între cele cinci active necripto există însă \(\binom{5}{2} = 10\) perechi. Cu corecția Bonferroni, fiecare test se face la \(5\%/10 = 0{,}5\%\), iar niciuna dintre cele zece diferențe nu rămîne semnificativă.

      Un interval care îl conține pe zero nu arată că cele două rapoarte Sharpe sînt egale: intervalul pentru S&P 500 minus aur este compatibil atît cu un avantaj al aurului de 0,65, cît și cu unul al S&P 500 de 0,88. Comparația este neconcludentă, iar graficul randament–risc descrie eșantionul fără să ordoneze randamentele așteptate.

      Pe scurt

      • Suprapunerea intervalelor nu testează o diferență
        • bootstrap (reeșantionarea zilelor observate) pe diferența celor două rapoarte Sharpe, în zilele comune (Seminarul 0, B2 extins)
        • S&P 500 minus aur: \(+0{,}06\), interval de 95% \([-0{,}65;\ +0{,}88]\)
        • S&P 500 minus Euro Stoxx 50: \(+0{,}46\), \([0{,}09;\ 0{,}85]\), semnificativă ca test individual
        • niciuna dintre cele \(\binom{5}{2} = 10\) perechi ale activelor necripto nu rămîne semnificativă după corecția Bonferroni (fiecare test la \(5\%/10 = 0{,}5\%\))
      • Întrebare pentru sală: intervalul pentru S&P 500 minus aur îl conține pe zero
        • arată asta că cele două rapoarte Sharpe sînt egale?
      • Răspuns: nu
        • datele sînt compatibile atît cu un avantaj al aurului de 0,65, cît și cu unul al S&P 500 de 0,88
        • comparația este neconcludentă
        • graficul descrie eșantionul, nu ordonează randamentele așteptate
      • Tipul de dovadă: descriere (arată ce s-a întîmplat în date, fără un test al cauzei)
      MFM_ch0_cross_asset

      Crize și drawdown-uri (1/2)

      Slide 38 în PDF

      Volatilitatea măsoară dispersia randamentelor, dar nu traiectoria pe care o trăiește investitorul. Pe aceasta o măsoară drawdown-ul: \(DD_t\) este procentul cu care nivelul de la data \(t\) se află sub maximul atins pînă atunci (running peak), iar drawdown-ul maxim (MDD, maximum drawdown) este valoarea lui cea mai negativă din eșantion.

      Graficul are două panouri. Panoul de sus arată nivelul indicelui de preț S&P 500 pe scară logaritmică, astfel încît distanțele verticale egale reprezintă variații procentuale egale. Bara marchează cei 5,5 ani necesari pentru a recupera maximul din octombrie 2007. Panoul de jos arată drawdown-ul \(DD_t\), în procente sub maximul curent; indicele atinge un nou maxim de fiecare dată cînd curba ajunge la zero.

      În graficul interactiv, cursorul mută sfîrșitul eșantionului, iar butonul ▶ reia istoria zi de zi, astfel încît fiecare drawdown apare așa cum a fost trăit, fără să se știe cînd vine recuperarea.

        Întrebare pentru sală S&P 500 a coborît de la 1.565,15 (9 octombrie 2007) la 676,53 (9 martie 2009). Ce creștere procentuală de la minim era necesară pentru revenirea la maxim?
        Răspuns

        (1.565,15/676,53 − 1) × 100 = 131,3%. Scăderea de 56,8% folosește maximul ca bază; recuperarea folosește minimul. Valoarea finală reprezintă 231,3% din minim, deci creșterea este 131,3%. Revenirea a durat 5,5 ani de la maxim, pînă pe 28 martie 2013.

        Adîncimea unei scăderi și cîștigul necesar pentru recuperarea ei nu sînt simetrice. De la maximul de 1.565,15 din 9 octombrie 2007 la minimul de 676,53 din 9 martie 2009, indicele a pierdut 56,8%, dar recuperarea maximului a cerut un cîștig de \((1{.}565{,}15/676{,}53 - 1) = 131{,}3\%\) față de minim: pierderea se măsoară față de maxim, recuperarea față de minim.

        Pe scurt

        • Panoul de sus: nivelul S&P 500 (indice de preț), scară logaritmică
          • bara: 5,5 ani pînă la recuperarea maximului din oct. 2007
        • Panoul de jos: drawdown-ul \(DD_t\), în % sub maximul de pînă atunci
        MFM_ch0_drawdowns_vix

        Crize și drawdown-uri (2/2)

        Slide 39 în PDF

        Din 2000, S&P 500 a avut patru minime adînci. Criza dot-com a ajuns la \(-49\%\) în octombrie 2002. Criza financiară globală a ajuns la \(-57\%\) în martie 2009, de la 1.565,15 la 676,53 de puncte, iar maximul a fost recuperat abia în martie 2013. Scăderea din pandemia de COVID-19, \(-34\%\) în martie 2020, a fost cea mai rapidă dintre cele patru, iar șocul inflației din 2022 a ajuns la \(-25\%\) în octombrie 2022.

        Cele patru episoade diferă prin adîncime, viteză și durată, iar niciun număr de volatilitate nu le rezumă. MDD este o statistică a traiectoriei: poate doar să se adîncească pe măsură ce eșantionul se lungește, fiindcă un eșantion mai lung conține mai multe ocazii pentru o scădere adîncă. MDD-urile unor active sau strategii diferite trebuie deci comparate pe același orizont; dependența de lungimea eșantionului este arătată în Anexă.

        Pe scurt

        • Patru minime ale S&P 500 după 2000
          • dot-com: \(-49\%\) (oct. 2002)
          • criza financiară globală: \(-57\%\) (mar. 2009), de la 1 565,15 la 676,53, recuperat abia în mar. 2013
          • COVID-19: \(-34\%\) (mar. 2020), cea mai rapidă scădere
          • șocul inflației: \(-25\%\) (oct. 2022)
        • MDD-ul crește cu lungimea eșantionului (Anexă)
          • deci comparăm MDD-uri pe același orizont
        MFM_ch0_drawdowns_vix

        Regimuri de volatilitate: VIX

        Slide 40 în PDF

        Volatilitatea folosită pînă aici este realizată, calculată din randamentele trecute. VIX (CBOE Volatility Index, publicat de Chicago Board Options Exchange) măsoară în schimb volatilitatea S&P 500 pe următoarele 30 de zile implicită în prețurile opțiunilor pe indice, în procente pe an. Este o mărime orientată spre viitor, stabilită de piață.

        Din 2000, VIX a fost sub 20 în 62% din zile și peste 30 în 9% dintre ele. Cele mai mari valori sînt 82,7 pe 16 martie 2020, 80,9 pe 20 noiembrie 2008 și 52,3 pe 8 aprilie 2025. Distribuția este puternic asimetrică: perioade calme lungi alternează cu episoade de stres scurte și intense. Volatilitatea vine astfel în regimuri, descrise de modelele GARCH din Capitolul 5 și de modelele de volatilitate realizată din Capitolul 9.

        VIX a depășit volatilitatea realizată în următoarele 21 de zile de tranzacționare în 83% din zile. Ex post, diferența dintre volatilitatea implicită și cea realizată conține două componente: prima de risc de varianță (variance risk premium), pe care cumpărătorii de opțiuni o plătesc pentru protecție, și eroarea de prognoză. Prima se definește pe varianțe, nu ca diferență de volatilități; definiția este în Anexă.

        În graficul interactiv, două cursoare fixează un prag inferior și unul superior, iar graficul raportează ponderea zilelor cu VIX sub primul și peste al doilea. Butonul ▶ mută pragurile pas cu pas.

          Întrebare pentru sală Care este cel mai mic prag întreg pentru care cel puțin 50% dintre valorile zilnice VIX din eșantion sînt strict sub prag? Verificați mutînd pragul inferior.
          Răspuns

          Sub 17 se află 45,4% dintre valori, iar sub 18 se află 51,4%. Prin urmare, pragul cerut este 18. Mediana este 17,75; rotunjirea ei în jos nu dă pragul cerut. Media, 19,79, este mai sensibilă la valorile extreme mari. VIX a fost sub 20 în 62% dintre zile și cel puțin 30 în 9%. Cele mai mari valori sînt 82,7 pe 16 martie 2020, 80,9 pe 20 noiembrie 2008 și 52,3 pe 8 aprilie 2025: perioadele calme sînt lungi, iar cele de stres scurte și intense.

          Pragul care împarte eșantionul în două jumătăți este apropiat de mediană, 17,75, și se află sub medie, 19,79. O medie peste mediană este semnul unei distribuții asimetrice la dreapta: cîteva zile de stres extrem ridică media, în timp ce majoritatea zilelor sînt calme.

          Pe scurt

          • VIX: volatilitatea S&P 500 pe următoarele 30 de zile, implicită în prețurile opțiunilor
            • VIX: CBOE Volatility Index; CBOE: Chicago Board Options Exchange; în % pe an
          • Din 2000, VIX a fost sub 20 în 62% din zile și peste 30 în 9% din zile
          • Cele mai mari valori: 82,7 pe 16 mar. 2020, 80,9 pe 20 nov. 2008 și 52,3 pe 8 apr. 2025
          • Perioade calme lungi, perioade de stres scurte și intense
          • VIX a depășit volatilitatea realizată în următoarele 21 de zile de tranzacționare în 83% din zile
            • după ce volatilitatea s-a realizat (ex post): diferența = prima de risc de varianță + eroarea de prognoză (Anexă)
            • prima: cît plătesc investitorii pentru protecție contra varianței mari; definită pe varianțe, nu pe volatilități
          MFM_ch0_drawdowns_vix

          Beneficiul diversificării variază în timp

          Slide 41 în PDF

          Diversificarea depinde de corelații, iar corelațiile dintre clasele de active nu sînt constante. Graficul arată corelații rolling ale randamentelor logaritmice zilnice, pe ferestre de 252 de zile de tranzacționare, circa un an calendaristic. Prețurile sînt întîi aliniate pe zilele comune celor două active; altfel, un randament calculat peste o zi de sărbătoare a unei piețe ar fi pus în pereche cu randamentul de o zi al celeilalte.

          Între acțiuni și obligațiunile de stat pe termen lung, prin TLT, media corelației rolling a fost \(-0{,}43\) în 2010–2020 și \(+0{,}08\) în 2022–2026. În prima perioadă, obligațiunile pe termen lung au acoperit pierderile din acțiuni; în a doua, acoperirea a dispărut. Între acțiuni și Bitcoin, media corelației rolling a crescut de la 0,01 în 2016–2019 la 0,38 în 2022–2026, pe măsură ce Bitcoin a ajuns să se miște mai mult odată cu activele riscante.

          Modelele de portofoliu care presupun o corelație fixă ratează astfel de schimbări; Capitolul 4 și Capitolul 6 tratează dependența variabilă în timp. Două capcane privesc în special corelațiile dintre cripto și acțiuni. Închiderile asincrone apar fiindcă criptoactivele se tranzacționează non-stop, iar bursele se închid la ore fixe (Anexă). Distorsiunea de volatilitate (volatility bias) apare fiindcă o corelație estimată într-o perioadă turbulentă este mecanic mai mare chiar dacă dependența de fond nu s-a schimbat (Anexă). Dacă schimbarea corelației acțiuni–obligațiuni este semnificativă statistic se testează în Aprofundări.

          În graficul interactiv, cursorul fixează lungimea ferestrei rolling, între 63 și 756 de zile de tranzacționare, iar butonul ▶ o lungește pas cu pas.

            Întrebare pentru sală Media corelației rolling pe 252 de zile dintre S&P 500 și TLT a fost −0,43 în 2010–2020 și +0,08 în 2022–2026. Butonul ▶ lungește fereastra pînă la 756 de zile. Ce se întîmplă cu media din 2022–2026?
            Răspuns

            Rămîne aproape de zero: +0,10 cu fereastra de 63 de zile, +0,08 cu 252 și −0,02 cu 756, iar media din 2010–2020 rămîne între −0,42 și −0,44. Schimbarea nu vine din fereastră: din 2022, TLT nu mai cîștigă, în medie, în zilele în care acțiunile pierd. Calculată direct pe fiecare subperioadă, corelația este −0,47 și +0,11. Corelația S&P 500–Bitcoin a crescut de la 0,01 (2016–2019) la 0,38 (2022–2026).

            Media pentru 2022–2026 rămîne aproape de zero pentru orice fereastră: \(+0{,}10\) cu 63 de zile, \(+0{,}08\) cu 252 și \(-0{,}02\) cu 756, în timp ce media pentru 2010–2020 rămîne între \(-0{,}42\) și \(-0{,}44\). Schimbarea nu este deci un efect al lungimii ferestrei; calculată direct pe fiecare subperioadă, corelația acțiuni–obligațiuni este \(-0{,}47\) și \(+0{,}11\).

            Pe scurt

            • Corelații pe fereastră mobilă (rolling) de 252 de zile ale randamentelor logaritmice zilnice
              • cu prețurile aliniate întîi pe zilele comune
            • Acțiuni față de obligațiuni de stat pe termen lung: media corelației mobile \(-0{,}43\) (2010–2020), \(+0{,}08\) (2022–2026)
            • Acțiuni față de Bitcoin: media corelației mobile 0,01 (2016–2019), 0,38 (2022–2026)
            • Modelele de portofoliu cu corelație fixă nu surprind aceste schimbări (Capitolele 4 și 6)
            • Corelația cripto–acțiuni este distorsionată
              • de închiderile asincrone (Anexă)
              • de nivelul volatilității (Anexă)
            MFM_ch0_correlations

            Sinteza secțiunii

            În 2015–2026, clasele de active au avut randamente și riscuri foarte diferite, dar niciun clasament dintre activele tradiționale nu rezistă unui test al diferenței pereche corectat pentru comparații multiple. Crizele din 2000–2026 diferă prin adîncime și durată, volatilitatea alternează între perioade calme lungi și stres scurt, iar corelația acțiuni–obligațiuni, pe care se sprijină o mare parte din diversificare, și-a schimbat semnul după 2020.

            Piața românească

            Această secțiune de context aplică aceleași măsurători pieței românești: Bursa de Valori București (BVB), indicele ei de referință BET și recuperarea lui îndelungată după 2007.

            Bursa de Valori București astăzi

            Slide 42 în PDF

            Bursa de Valori București s-a deschis în 1882, a fost închisă în 1948 și a fost reînființată în 1995; istoria ei este în Anexă. Indicele ei de referință, BET (Bucharest Exchange Trading), urmărește cele mai tranzacționate companii românești. A fost lansat pe 19 septembrie 1997 la 1.000 de puncte și este un indice de preț; BET-TR este varianta lui de randament total, cu dividendele reinvestite.

            Cele mai mari companii listate sînt bănci (Banca Transilvania și BRD), companii din energie (OMV Petrom, Romgaz și Hidroelectrica) și utilități (Transgaz). Din septembrie 2020, FTSE (Financial Times Stock Exchange, FTSE Russell, index provider, furnizorul de indici FTSE Russell) Russell clasifică România drept piață Secondary Emerging (FTSE Russell, 2026). Oferta publică inițială (IPO, initial public offering) a Hidroelectrica, din iulie 2023, a atras 1,9 miliarde de euro și este cea mai mare din istoria bursei. TVBETETF (Patria-TVBETETF, the BVB-listed ETF on the BET index, ETF-ul listat la BVB care replică indicele BET) este un ETF listat la BVB care replică BET.

            O piață cu un număr mic de emitenți mari, concentrați în sectorul bancar și în energie, are un indice al cărui risc depinde mult de cîteva sectoare. Aceleași măsurători folosite pentru piața americană, CAGR, volatilitatea și drawdown-ul, arată cum se reflectă această structură în istoria indicelui.

            Pe scurt

            • Întrebarea secțiunii: ce rezultate dau aceleași măsurători pe piața românească?
            • BVB (Bursa de Valori București): deschisă în 1882, închisă în 1948, reînființată în 1995 (Anexă)
            • BET: indicele celor mai tranzacționate companii românești (BVB (indici))
              • BET: Bucharest Exchange Trading
              • lansat pe 19 sep. 1997 la 1 000 de puncte
              • BET-TR: varianta de randament total, cu dividendele reinvestite
            • Cele mai mari companii
              • bănci (Banca Transilvania, BRD), energie (OMV Petrom, Romgaz, Hidroelectrica), utilități (Transgaz)
            • Piață clasificată Secondary Emerging de furnizorul de indici FTSE Russell (FTSE: Financial Times Stock Exchange) din septembrie 2020 (FTSE Russell (2026))
            • Hidroelectrica: cel mai mare IPO din istoria BVB (Bursa de Valori București), 1,9 mld. euro, iulie 2023 (BVB (istoric))
              • IPO: ofertă publică inițială
            • TVBETETF: un ETF la BVB care replică BET

            Indicele BET, 1997–2026: o recuperare îndelungată

            Slide 43 în PDF

            Graficul arată valorile oficiale de închidere ale BET pe scară logaritmică. De la maximul din 24 iulie 2007 la minimul din 25 februarie 2009, indicele a scăzut cu 82,5%, mult mai mult decît S&P 500 în aceeași criză. Pe 19 decembrie 2018, indicele a pierdut 11,2% într-o singură zi, după anunțarea unei taxe pe activele băncilor, eveniment studiat în Aprofundări.

            Graficul interactiv permite mutarea datei de început a eșantionului între 1 ianuarie 1997 și 1 ianuarie 2025 cu ajutorul cursorului; butonul ▶ o mută cu cîte un an, iar graficul recalculează creșterea și drawdown-urile de la începutul ales.

              Întrebare pentru sală Cît a durat pînă cînd BET a revenit la maximul din 24 iulie 2007?
              Răspuns

              De la maximul din 24 iulie 2007 pînă la recuperarea din 16 martie 2021 au trecut 13,6 ani. Indicele a scăzut cu 82,5% pînă la minimul din 25 februarie 2009; cei 12,1 ani măsoară intervalul de la acest minim la recuperare. Cei 5,5 ani se referă la recuperarea maximului S&P 500 din 2007. Pe întreaga perioadă 1997–2026, BET a crescut de 32,8 ori, un CAGR de 12,8%.

              BET și-a recuperat maximul din 2007 abia pe 16 martie 2021, după 13,6 ani, față de 5,5 ani pentru S&P 500. Pe 18 septembrie 2026, indicele era de 32,8 ori mai mare decît la lansare, un CAGR de 12,8% pe 29 de ani. O rată mare de creștere pe termen lung și o recuperare de peste un deceniu coexistă în aceeași serie: CAGR rezumă capetele intervalului, drawdown-ul traiectoria dintre ele.

              Seriile românești de după 2015 sînt în Anexă: acțiunile BVB cu dividende (Anexă), cursul EUR/RON (Anexă) și randamentele titlurilor de stat românești față de cele germane (Anexă).

              Pe scurt

              • Valori oficiale de închidere, scară logaritmică
              • De la maximul din 24 iul. 2007 la minimul din 25 feb. 2009: \(-82{,}5\%\)
                • recuperat abia pe 16 mar. 2021, după 13,6 ani
              • Pe 19 dec. 2018, BET a scăzut cu \(11{,}2\%\) într-o singură zi, după anunțarea taxei bancare
              • Pe 18 sep. 2026, indicele era de \(32{,}8\) ori mai mare decît la lansare
                • un CAGR de 12,8% pe 29 de ani
              • Din 2015 încoace (Anexă)
                • acțiunile BVB cu dividende (Anexă)
                • cursul EUR/RON (Anexă)
                • randamentele titlurilor de stat românești față de cele germane (Anexă)
              MFM_ch0_bvb_history

              Active digitale și tokenizare

              Criptoactivele și stablecoin-urile apar peste tot în datele cursului. Această secțiune de context le definește și întreabă ce măsoară prețurile lor: Bitcoin și Ethereum sînt active tranzacționate, cu riscul lor propriu, pe cînd un stablecoin este conceput să păstreze o valoare fixă, iar întrebarea este cît de bine reușește.

              Bitcoin, Ethereum și tokenuri (1/2)

              Slide 44 în PDF

              Pe 31 octombrie 2008, o lucrare semnată cu pseudonimul Satoshi Nakamoto, Bitcoin: A Peer-to-Peer Electronic Cash System, a propus o monedă electronică fără o terță parte de încredere (Nakamoto, 2008). Evidența tranzacțiilor este un blockchain: un registru comun, replicat pe multe calculatoare și extins bloc cu bloc, în care fiecare participant poate verifica istoricul.

              Bitcoin, lansat în 2009, are o regulă fixă de emisiune, cu cel mult 21 de milioane de monede. Securitatea lui se bazează pe proof of work: adăugarea unui bloc consumă putere de calcul, deci rescrierea istoricului tranzacțiilor ar cere repetarea acestei munci și este costisitoare.

              Pe scurt

              • Întrebări
                • ce sînt criptoactivele și stablecoin-urile?
                • ce măsoară prețurile lor?
              • 31 oct. 2008: Bitcoin: A Peer-to-Peer Electronic Cash System Nakamoto (2008)
                • semnat cu pseudonimul Satoshi Nakamoto
              • Blockchain: un registru comun de tranzacții, fără o terță parte de încredere
                • replicat pe multe calculatoare și extins bloc cu bloc
              • Bitcoin (2009): regulă fixă de emisiune, cel mult 21 de milioane de monede
                • dovada de lucru (proof of work): adăugarea unui bloc consumă putere de calcul, deci rescrierea istoricului este costisitoare

              Bitcoin, Ethereum și tokenuri (2/2)

              Slide 45 în PDF

              Ethereum este un blockchain care rulează programe, numite contracte inteligente (smart contracts), iar moneda lui este Ether. Un token este o unitate înregistrată pe un blockchain care reprezintă o monedă, o creanță sau un drept; el poate ține locul unei valute, al unei participații la un fond sau al accesului la un serviciu.

              Proprietățile statistice, evaluarea și reglementarea criptoactivelor sînt trecute în revistă de Härdle, Harvey & Reule (2020). Liu & Tsyvinski (2021) arată că randamentele criptomonedelor au expuneri mici la factorii acțiunilor, valutelor și mărfurilor și sînt explicate în schimb de factori specifici pieței cripto, momentum și atenția investitorilor. Pele et al. (2023) arată că factorii de coadă, de memorie și de momente deosebesc criptomonedele de celelalte clase de active.

              În 2024–2026, Bitcoin a fost încă de circa 3,2 ori mai volatil decît S&P 500 (Anexă). Din ianuarie 2024, în SUA se tranzacționează ETF-uri pe Bitcoin spot (Anexă); modul de funcționare al unui ETF este subiectul secțiunii următoare.

              Pe scurt

              • Ethereum: un blockchain care rulează programe (contracte inteligente)
                • moneda lui este Ether
              • Un token este o unitate pe un blockchain care reprezintă o monedă, o creanță sau un drept
              • Härdle, Harvey & Reule (2020): proprietăți statistice, evaluare și reglementare
              • Liu & Tsyvinski (2021): randamentele criptomonedelor au expuneri mici la factorii tradiționali
                • factorii acțiunilor, valutelor și mărfurilor
                • ele sînt explicate de factori specifici pieței cripto: momentum (continuarea randamentelor recente) și atenția investitorilor
              • Pele et al. (2023): criptomonedele se deosebesc de celelalte clase de active
                • prin trei factori statistici: cozile distribuției, memoria seriei și momentele randamentelor
              • În 2024–2026, Bitcoin a fost încă de circa 3,2 ori mai volatil decît S&P 500 (Anexă)
              • Din ianuarie 2024, în SUA se tranzacționează ETF-uri pe Bitcoin spot (Anexă)
                • mecanismul ETF: secțiunea următoare

              Stablecoin-urile și ancora lor (1/2)

              Slide 46 în PDF
                Întrebare pentru sală În ce proporție dintre zilele observate din 2019–2026 cotația zilnică USDT (Tether, a US dollar stablecoin, Tether, stablecoin legat de dolarul american) din date se află la cel mult 0,5% de 1 USD?
                Răspuns

                Proporția este 93,0%. Valoarea de 98% corespunde benzii mai largi, de ±1%; circa 7% este proporția din afara benzii de ±0,5%. Calculul folosește cotațiile zilnice disponibile și nu descrie toate variațiile intraday. Abaterile extreme sînt din martie 2020: 1,054 USD pe 12 martie și 0,974 USD pe 18 martie.

                Un stablecoin este un token conceput să păstreze o valoare fixă, ancora (peg), de regulă 1 USD. Există două concepții principale. Un stablecoin garantat cu rezerve deține numerar și titluri de stat pe termen scurt (T-bills) și este răscumpărabil la 1 USD; un stablecoin algoritmic se bazează în schimb pe un al doilea token și pe reguli de tranzacționare care ar trebui să refacă ancora.

                Un depeg are loc cînd prețul se desprinde de ancoră. Stablecoin-ul algoritmic TerraUSD și-a pierdut ancora și s-a prăbușit în mai 2022, arătînd că o construcție fără rezerve poate eșua cînd toți deținătorii încearcă să iasă deodată. Pentru o monedă garantată cu rezerve, abaterea de la ancoră măsoară încrederea pieței în rezerve și în mecanismul de răscumpărare.

                Pe scurt

                • Stablecoin: un token conceput să păstreze o valoare fixă (ancora, peg), de regulă 1 USD
                  • garantat cu rezerve (numerar, titluri de stat pe termen scurt) și răscumpărabil la 1 USD
                  • sau algoritmic (un al doilea token și reguli de tranzacționare)
                • Depeg: prețul se desprinde de ancoră
                  • stablecoin-ul algoritmic TerraUSD și-a pierdut ancora și s-a prăbușit în mai 2022
                MFM_ch0_digital_assets

                Stablecoin-urile și ancora lor (2/2)

                Slide 47 în PDF

                Graficul arată prețul Tether (USDT) minus 1 USD, în procente. Liniile punctate marchează benzile de \(\pm 0{,}5\%\) și \(\pm 1\%\) în jurul ancorei, iar detaliul mărește luna martie 2020, cînd abaterile au fost cele mai mari. În graficul interactiv, cursorul fixează lățimea benzii în jurul ancorei, iar lista alege perioada: întregul interval 2019–2026, martie 2020 sau un singur an.

                În 2019–2026, USDT a rămas la cel mult \(\pm 0{,}5\%\) de 1 USD în 93% din zilele observate și la cel mult \(\pm 1\%\) în 98% dintre ele. Cifrele folosesc cotațiile zilnice disponibile și nu descriu mișcările din cursul zilei; abaterile extreme, din martie 2020, au fost 1,054 USD pe 12 martie și 0,974 USD pe 18 martie.

                Oferta unui stablecoin nu este ancora lui (Anexă). Valoarea în circulație poate scădea, pe măsură ce deținătorii răscumpără, în timp ce prețul rămîne la 1 USD. Tokenizarea altor active și reglementarea activelor digitale sînt discutate în Anexă.

                Pe scurt

                Stablecoin-urile și ancora lor (2/2)▸ Graficul interactiv
                • Graficul: prețul USDT (Tether, stablecoin legat de dolarul american) minus 1 USD, în %
                  • liniile punctate: benzile de \(\pm 0{,}5\%\) și \(\pm 1\%\)
                  • detaliu: martie 2020
                • Tether (USDT), 2019–2026: la cel mult \(\pm 0{,}5\%\) de 1 USD în 93% din zile
                  • la cel mult \(\pm 1\%\) în 98%
                • Oferta diferă de ancoră (Anexă)
                  • valoarea în circulație poate scădea în timp ce prețul rămîne la 1 USD
                • Activele tokenizate și reglementarea: Anexă
                MFM_ch0_digital_assets

                Investițiile pasive și concentrarea pieței

                Fondurile index și ETF-urile dețin astăzi o parte mare a pieței de acțiuni. Această secțiune de context explică felul în care un ETF își menține prețul aproape de valoarea activelor sale și ce implică ponderarea după capitalizare pentru un investitor care cumpără indicele, înainte ca studiul de caz să întrebe ce efect are creșterea investițiilor pasive asupra prețurilor.

                ETF-uri: crearea și răscumpărarea unităților

                Slide 48 în PDF

                Majoritatea ETF-urilor sînt pasive: replică un indice cu costuri mici. Unitățile lor se tranzacționează la bursă pe tot parcursul zilei, în timp ce valoarea fondului se calculează o dată pe zi, ca valoare a activului net (NAV, net asset value): activele fondului minus datoriile lui, pe unitate. Nimic din tranzacționarea obișnuită nu obligă prețul de piață al unei unități ETF să fie egal cu NAV.

                Legătura o asigură participanții autorizați (AP, authorised participants), dealeri mari autorizați să tranzacționeze direct cu emitentul ETF. La creare, AP predă emitentului coșul de active suport și primește unități ETF noi; la răscumpărare, returnează unități ETF și primește coșul. Cînd ETF-ul se tranzacționează peste NAV, un AP poate cumpăra coșul, crea unități și le poate vinde la bursă; cînd se tranzacționează sub NAV, AP cumpără unități, le răscumpără și vinde coșul. Acest arbitraj menține prețul de piață aproape de NAV; un exemplu numeric este în Aprofundări.

                Diagrama arată fluxurile: AP schimbă cu emitentul coșul pe unități ETF și tranzacționează unitățile cu investitorii, la bursă.

                Indici ponderați după capitalizare și indici cu ponderi egale

                Slide 49 în PDF

                Un indice cu \(n\) acțiuni își poate pondera componentele în două moduri simple. Cu ponderi după capitalizare, \(w_i = MC_i/\sum_{j=1}^{n} MC_j\), unde \(MC_i\) este capitalizarea bursieră (market capitalisation) a acțiunii \(i\), prețul înmulțit cu numărul de acțiuni. Cu ponderi egale, \(w_i = 1/n\), cu reechilibrare periodică. Un indice ponderat după capitalizare nu are nevoie de reechilibrare, fiindcă ponderile se mișcă odată cu prețurile; un indice cu ponderi egale trebuie să vîndă cîștigătorii și să cumpere perdanții ca să revină la \(1/n\).

                Concentrarea ponderilor se măsoară prin numărul efectiv de dețineri (effective number of holdings), inversul indicelui Herfindahl:

                \[N_{\text{eff}} = \frac{1}{\sum_{i=1}^{n} w_i^2}.\]
                (0.11)

                La ponderi egale, (0.11) dă \(N_{\text{eff}} = n\), iar dacă o singură acțiune are toată ponderea, dă 1. Cînd cîteva firme domină, \(N_{\text{eff}}\) este mult mai mic decît \(n\). Măsura folosește doar ponderile: diversificarea riscului depinde și de covarianțele randamentelor, pe care (0.11) le ignoră.

                Un indice ponderat după capitalizare este deci mai concentrat decît sugerează numărul lui de acțiuni, iar fondurile pasive care îl replică preiau concentrarea pe cele mai mari firme. Concentrarea revine în Capitolul 3, Capitolul 4 și Capitolul 17.

                Pe scurt

                Definiție (Ponderile indicelui și concentrarea lor).
                • Ponderi după capitalizare: \(w_i = MC_i/\sum_{j=1}^{n} MC_j\), cu \(n\) acțiuni în indice
                  • \(MC_i\): capitalizarea bursieră (market capitalisation) a acțiunii \(i\), preț \(\times\) număr de acțiuni
                • Ponderi egale: \(w_i = 1/n\), cu reechilibrare periodică
                • Numărul efectiv de dețineri: \(N_{\text{eff}} = 1/\sum_i w_i^2\) (inversul indicelui Herfindahl), o măsură a concentrării ponderilor
                  • egal cu \(n\) la ponderi egale și cu 1 cînd o singură acțiune are toată ponderea
                  • mult mai mic decît \(n\) cînd cîteva firme domină
                  • folosește doar ponderile: diversificarea riscului depinde și de covarianțele randamentelor
                • Un indice ponderat după capitalizare este mai concentrat decît sugerează numărul de acțiuni
                  • fondurile pasive care îl replică preiau concentrarea pe cele mai mari firme (Capitolele 3, 4 și 17)

                Ponderare după capitalizare și ponderi egale: SPY și RSP

                Slide 50 în PDF

                Două ETF-uri pe aceleași 500 de acțiuni permit o comparație directă a celor două scheme de ponderare. SPY urmărește S&P 500 cu ponderi după capitalizare. RSP, Invesco S&P 500 Equal Weight ETF, deține aceleași acțiuni, fiecare cu ponderea \(1/500\), reechilibrate periodic. Ambele sînt măsurate cu prețuri ajustate, adică drept randamente totale.

                Graficul are două panouri. Panoul din stînga arată valoarea a 1 USD investit în fiecare ETF în aprilie 2003, la lansarea RSP, pe scară logaritmică. Panoul din dreapta arată raportul SPY/RSP, egal cu 1 în aprilie 2003: raportul crește cînd ponderile după capitalizare se descurcă mai bine și scade cînd ponderile egale se descurcă mai bine. În graficul interactiv, cursorul mută anul de început între 2003 și 2025, iar ambele serii sînt rebazate la 1 la noul început.

                  Întrebare pentru sală Păstrăm sfîrșitul eșantionului și mutăm începutul din aprilie 2003 în ianuarie 2015. Ambele serii sînt rebazate la 1 la noul început. Aproximativ cît devine raportul final SPY/RSP?
                  Răspuns

                  Raportul final devine 1,396, aproximativ 1,40. Valoarea de 1,07 corespunde începutului din aprilie 2003; 1,31 corespunde începutului din ianuarie 2023. Rebazarea schimbă raportul final deoarece schimbă baza comparației. Concluzia depinde însă de data de sfîrșit: raportul, egal cu 1 în aprilie 2003, coborîse la 0,76 în aprilie 2015, iar avantajul SPY provine din creșterea de 31% a raportului din ianuarie 2023. Un randament realizat mai mare nu arată o primă așteptată.

                  Măsurat ca randament total de la lansarea RSP, în aprilie 2003, SPY a înmulțit investiția inițială cu 12,7, iar RSP cu 11,9, deci raportul se încheie la 1,07. Pe mai bine de două decenii, cele două scheme de ponderare au produs o avere apropiată. Mutarea începutului schimbă însă concluzia: cu început în ianuarie 2015, raportul final este de circa 1,40, iar cu început în ianuarie 2023, de 1,31. Raportul, egal cu 1 în aprilie 2003, scăzuse la 0,76 pînă în aprilie 2015: ponderile egale au condus mai bine de un deceniu, iar avantajul SPY pe întregul eșantion vine din anii de după 2023.

                  Raportul SPY/RSP a crescut cu 31% din ianuarie 2023, cînd cîteva companii foarte mari au susținut creșterea indicelui. Raportul măsoară randamentul relativ: arată că cele mai mari firme au depășit firma medie, dar nu este o măsură directă a concentrării sau a deținerii pasive. Concentrarea cere ponderile, ca în (0.11), iar deținerea pasivă cere date despre dețineri, pe care le folosește studiul de caz.

                  Pe scurt

                  • Stînga: valoarea a 1 USD investit în aprilie 2003, scară logaritmică
                  • Dreapta: raportul SPY/RSP, egal cu 1 în aprilie 2003
                  • SPY: S&P 500 cu ponderi după capitalizare
                  • RSP (Invesco S&P 500 Equal Weight ETF): aceleași acțiuni, fiecare cu \(1/500\)
                  • Randament total (preț ajustat) de la lansarea RSP, în aprilie 2003: SPY \(\times 12{,}7\), RSP \(\times 11{,}9\)
                    • deci raportul final SPY/RSP este 1,07
                  • SPY/RSP a crescut cu 31% din ianuarie 2023
                    • cîteva companii foarte mari au susținut creșterea indicelui
                  • Raportul măsoară randamentul relativ, nu este o măsură directă a concentrării sau a deținerii pasive
                  MFM_ch0_concentration

                  Sinteza secțiunii

                  Un ETF își urmărește indicele prin crearea și răscumpărarea unităților de către participanții autorizați. Un indice ponderat după capitalizare este mai concentrat decît sugerează numărul lui de acțiuni, iar fondurile pasive care îl replică moștenesc această concentrare. Din 2003, ponderile după capitalizare și cele egale au produs o avere apropiată, iar avantajul recent al ponderilor după capitalizare ține de fereastra care începe în 2023.

                  Studii de caz: competiția pe piața de acțiuni și riscul obligațiunilor de stat

                  Secțiunea prezintă două lucrări recente care folosesc măsurătorile capitolului pentru întrebări de actualitate:

                  1. Haddad, Huebner & Loualiche (2025) întreabă dacă creșterea investițiilor pasive face prețurile acțiunilor mai puțin elastice, ținînd seama de reacția investitorilor activi rămași.
                  2. Pflueger (2025) întreabă cînd protejează obligațiunile de stat americane un portofoliu de acțiuni, iar datele cursului îi extind evidența pînă în septembrie 2026.

                  Studiu de caz: efectele creșterii investițiilor pasive (1/2)

                  Slide 51 în PDF

                  Haddad, Huebner & Loualiche (2025), lucrare publicată în American Economic Review 115(3), 975–1018, studiază efectul investițiilor pasive asupra prețurilor. Întrebarea lor este dacă, atunci cînd o parte dintre investitori trec la administrare pasivă, ceilalți tranzacționează mai agresiv și anulează efectul asupra prețurilor.

                  Mărimea centrală este elasticitatea cererii (demand elasticity) \(\mathcal{E}_i\) a investitorului \(i\): scăderea procentuală a numărului de acțiuni cerute de investitor după o creștere a prețului cu 1%. Un investitor activ, care cumpără cînd o acțiune este ieftină și vinde cînd este scumpă, are o elasticitate pozitivă. Un investitor pasiv păstrează ponderile indicelui oricare ar fi prețul și are \(\mathcal{E}_i = 0\). Lucrarea întreabă cum se schimbă elasticitatea întregii piețe cînd investitorii trec din primul grup în al doilea.

                  Pe scurt

                  • Întrebarea secțiunii: ce arată o lucrare de referință despre efectul investițiilor pasive asupra prețurilor?
                  • Haddad, Huebner & Loualiche (2025), American Economic Review 115(3), 975–1018
                  • Întrebarea lucrării: cînd o parte dintre investitori trec la administrare pasivă
                    • compensează ceilalți efectul asupra prețurilor, tranzacționînd mai agresiv?
                  • Elasticitatea cererii \(\mathcal{E}_i\) a investitorului \(i\)
                    • scăderea procentuală a numărului de acțiuni cerute după o creștere a prețului cu 1%
                    • un investitor pasiv are \(\mathcal{E}_i = 0\)

                  Studiu de caz: efectele creșterii investițiilor pasive (2/2)

                  Slide 52 în PDF

                  Elasticitatea agregată (aggregate elasticity) \(\mathcal{E}_{agg}\) este media elasticităților individuale \(\mathcal{E}_i\), ponderată cu deținerile (ec. 2 din lucrare). Ea determină cît mișcă prețul un șoc de cerere:

                  \[\Delta p = \mathcal{E}_{agg}^{-1}\,\Delta\bar d,\]
                  (0.12)

                  ec. (3) din lucrare, unde \(\Delta\bar d\) este șocul mediu de cerere, variația procentuală a numărului de acțiuni cerute la prețul vechi, iar \(\Delta p\) este variația logaritmului prețului.

                  Din (0.12), o elasticitate agregată mai mică face ca același șoc de cerere să miște mai mult prețul. Prețurile devin mai volatile și, fiindcă prețul reacționează mai mult la fluxuri care nu aduc informație, mai puțin informative (Secțiunea II.A a lucrării). Mecanismul este consistent cu evidența lui Ben-David, Franzoni & Moussawi (2018), potrivit căreia acțiunile deținute în proporție mai mare de ETF-uri sînt mai volatile.

                  Pe scurt

                  • Elasticitatea agregată \(\mathcal{E}_{agg}\): media elasticităților \(\mathcal{E}_i\), ponderată cu deținerile (ec. 2)
                    \[ \Delta p = \mathcal{E}_{agg}^{-1}\,\Delta\bar d \quad \text{(ec.\ 3)} \]
                    • \(\Delta\bar d\): șocul mediu de cerere, variația procentuală a numărului de acțiuni cerute la prețul vechi
                    • \(\Delta p\): variația logaritmului prețului
                    • un \(\mathcal{E}_{agg}\) mai mic face ca același șoc să miște mai mult prețul
                    • prețuri mai volatile și mai puțin informative (Secțiunea II.A)
                  • Legătura: acțiunile deținute în proporție mai mare de ETF-uri sînt mai volatile (Ben-David, Franzoni & Moussawi (2018))

                  Studiu de caz: un scenariu ilustrativ, 30% trec la administrare pasivă (1/2)

                  Slide 53 în PDF

                  Lucrarea le permite investitorilor activi rămași să reacționeze. Răspunsul strategic (strategic response) \(\chi\) intră în elasticitatea fiecărui investitor ca \(\mathcal{E}_i = \bar{\mathcal{E}}_i - \chi\,\mathcal{E}_{agg}\) (ec. 4), unde \(\bar{\mathcal{E}}_i\) este componenta specifică investitorului. Cînd piața în ansamblu devine mai puțin elastică, fiecare investitor activ devine mai elastic. Cu \(\chi = 0\) nimeni nu reacționează; cînd \(\chi \to \infty\), ceilalți compensează complet orice schimbare.

                  Dacă o fracție \(1-\alpha\) din dețineri devine pasivă, unde \(\alpha\) este fracția rămasă activă, elasticitatea agregată raportată la piața în care toți sînt activi (\(\alpha = 1\)), cu aceleași elasticități proprii, este

                  \[\frac{\mathcal{E}_{agg}(\alpha)}{\mathcal{E}_{agg}(1)} = \alpha + (1-\alpha)\,\frac{\chi\alpha}{1+\chi\alpha},\]
                  (0.13)

                  ec. (5) din lucrare; derivarea ei este în Aprofundări. Primul termen, \(\alpha\), este scăderea directă: elasticitatea investitorilor pasivi dispare. Al doilea termen este partea compensată prin răspunsul investitorilor activi; este 0 cînd \(\chi = 0\).

                  Întrebarea de pe slide ia 30% dintre investitori trecuți la administrare pasivă, \(\alpha = 0{,}7\), fără nicio reacție, \(\chi = 0\), și întreabă ce parte din elasticitatea agregată rămîne.

                  Pe scurt

                  • Răspunsul strategic \(\chi\): \(\mathcal{E}_i = \bar{\mathcal{E}}_i - \chi\,\mathcal{E}_{agg}\) (ec. 4)
                    • \(\bar{\mathcal{E}}_i\): componenta specifică investitorului
                    • \(\chi = 0\): nimeni nu reacționează
                    • \(\chi \to \infty\): ceilalți compensează complet
                  • Ec. (5): \(\mathcal{E}_{agg}\) după ce o fracție \(1-\alpha\) devine pasivă
                    \[ \alpha + (1-\alpha)\,\frac{\chi\alpha}{1+\chi\alpha} \]
                    • raportată la piața în care toți sînt activi (\(\alpha = 1\)), cu aceleași elasticități proprii
                    • \(\alpha\): fracția din dețineri rămasă activă
                    • primul termen: scăderea directă
                    • al doilea termen: partea compensată de activi, 0 cînd \(\chi = 0\)
                  • Întrebare pentru sală: 30% trec la administrare pasivă (\(\alpha = 0{,}7\)) și nimeni nu reacționează (\(\chi = 0\))
                    • ce parte din elasticitatea agregată rămîne?

                  Studiu de caz: un scenariu ilustrativ, 30% trec la administrare pasivă (2/2)

                  Slide 54 în PDF

                  Graficul reprezintă (0.13). Axa orizontală este ponderea investitorilor trecuți la administrare pasivă, \(1-\alpha\), iar axa verticală elasticitatea agregată raportată la piața în care toți sînt activi; fiecare curbă corespunde unei valori a lui \(\chi\). În graficul interactiv, un cursor fixează răspunsul strategic \(\chi\) între 0 și 10, iar celălalt ponderea trecută la pasiv; butonul ▶ crește \(\chi\) pas cu pas.

                    Întrebare pentru sală 30% dintre investitori trec la administrare pasivă (α = 0,7). Butonul ▶ crește răspunsul strategic χ pînă la 10. Cum se schimbă rata de transmitere 1/(1 + χα) cînd χ crește?
                    Răspuns

                    Scade de la 1,00 (χ = 0) la 0,32 (χ = 2,97, estimația din lucrare) și la 0,13 (χ = 10): investitorii activi compensează o parte tot mai mare din fiecare trecere la administrare pasivă. Rata de transmitere nu este ponderea activă α. Elasticitatea agregată rămasă, ec. (5), este 0,70 cu χ = 0, 0,90 cu χ = 2,97, deci două treimi din scădere sînt compensate, și 0,96 cu χ = 10.

                    Fără reacție, \(\chi = 0\), (0.13) dă 0,70: elasticitatea agregată scade proporțional cu ponderea trecută la pasiv. Cu estimația din lucrare, \(\chi = 2{,}97\), rămîne 0,90, deci două treimi din scădere sînt compensate de investitorii activi; cu \(\chi = 10\), rămîne 0,96. La 100% pasivi, toate curbele ajung la 0, oricare ar fi \(\chi\): nu mai rămîne nimeni care să absoarbă șocurile.

                    Rata de transmitere \(1/(1+\chi\alpha)\), introdusă două slide-uri mai departe, scade cînd \(\chi\) crește: la \(\alpha = 0{,}7\), ea este 1,00 pentru \(\chi = 0\), 0,32 pentru \(\chi = 2{,}97\) și 0,13 pentru \(\chi = 10\).

                    Pe scurt

                    • Axa orizontală: ponderea investitorilor trecuți la administrare pasivă, \(1-\alpha\)
                    • Axa verticală: \(\mathcal{E}_{agg}\) raportată la piața cu toți investitorii activi, ec. (5)
                    • Răspuns: 0,70, dacă nimeni nu reacționează (\(\chi = 0\))
                    • Cu \(\chi = 2{,}97\), valoarea estimată în lucrare, rămîne 0,90
                      • două treimi din scădere sînt compensate
                    • Cu \(\chi = 10\), elasticitatea agregată rămasă este 0,96
                    • Cu 100% pasivi, toate curbele ajung la 0
                      • nimeni nu absoarbe șocurile
                    MFM_ch0_passive_elasticity

                    Studiu de caz: estimația și identificarea

                    Slide 55 în PDF

                    Datele sînt deținerile trimestriale ale administratorilor instituționali americani din formularul 13F, depus la Securities and Exchange Commission (SEC), în 2001–2020. Ele acoperă circa 80% din capitalizarea pieței americane.

                    Răspunsul strategic estimat este \(\chi = 2{,}97\), cu SE de 0,47 (Tabelul 2, rîndul 1 din lucrare), ceea ce dă un interval de 95% de circa \([2{,}0;\ 3{,}9]\). Investitorii reacționează: estimația este departe atît de 0, lipsa reacției, cît și de \(\infty\), compensarea completă.

                    Rezultatul susține o interpretare cauzală, condiționată de ipoteza de identificare a lucrării (Teorema 1): de la o acțiune la alta, același investitor coexistă cu o altă combinație de investitori. Această variație între acțiuni separă elasticitatea proprie a investitorului de răspunsul lui la ceilalți. Instrumentele, estimatorul prin metoda generalizată a momentelor (GMM, generalised method of moments) și sistemul de cerere sînt descrise în Anexă.

                    Pe scurt

                    • Date: deținerile trimestriale ale administratorilor instituționali americani, 2001–2020
                      • din formularul 13F depus la SEC (Securities and Exchange Commission)
                      • circa 80% din capitalizarea pieței SUA
                    • Estimația: răspunsul strategic \(\chi = 2{,}97\) (SE 0,47; Tabelul 2, rîndul 1)
                      • un interval de 95% de circa \([2{,}0;\ 3{,}9]\)
                      • investitorii reacționează: estimația este departe atît de 0, cît și de \(\infty\)
                    • Tipul de dovadă: identificare cauzală, condiționată de ipoteza de identificare de mai jos
                    • Ipoteza de identificare (Teorema 1)
                      • de la o acțiune la alta, același investitor coexistă cu o altă combinație de investitori
                      • această variație separă elasticitatea lui proprie de \(\chi\)
                      • instrumentele, GMM (metoda generalizată a momentelor) și sistemul de cerere: Anexă

                    Studiu de caz: ce implică estimația pentru investițiile pasive

                    Slide 56 în PDF

                    În datele lucrării, ponderea activă mediană a scăzut de la 81,4% în 2001 la 59,5% în 2020, o variație logaritmică de \(\ln(81{,}4/59{,}5) = 31{,}3\%\). Întrebarea este cît din această scădere trece în elasticitatea agregată.

                    Răspunsul este rata de transmitere (pass-through, ec. 28 din lucrare), variația procentuală a lui \(\mathcal{E}_{agg}\) la o variație de 1% a ponderii active \(\alpha\):

                    \[\frac{1}{1 + \chi\alpha} = \frac{1}{1 + 2{,}97 \times 0{,}68} = 33\%,\]
                    (0.14)

                    unde \(\alpha = 0{,}68\) este media în timp a ponderii active din lucrare (p. 1006). Rata de transmitere depinde de \(\alpha\): este 0,29 la \(\alpha = 0{,}814\) (2001) și 0,36 la \(\alpha = 0{,}595\) (2020).

                    Combinînd cele două cifre, cererea pentru acțiuni a devenit cu circa \(0{,}33 \times 31{,}3\% \approx 10\%\) mai puțin elastică în 2001–2020; rezumatul lucrării raportează 11%. Fără răspunsul strategic, scăderea ar fi fost întregul 31,3%. Acțiunile cu cerere inelastică sînt, în Tabelul 5 al lucrării, mai volatile și mai puțin lichide; verificările de robustețe și estimările în formă redusă sînt în Anexă.

                    Pe scurt

                    • Implicația: ponderea activă mediană a scăzut de la 81,4% (2001) la 59,5% (2020)
                      • adică \(\ln(81{,}4/59{,}5) = 31{,}3\%\)
                    • Rata de transmitere (ec. 28)
                      \[ \frac{1}{1 + \chi\alpha} = \frac{1}{1 + 2{,}97 \times 0{,}68} = 33\% \]
                      • variația procentuală a lui \(\mathcal{E}_{agg}\) la o variație de 1% a ponderii active \(\alpha\)
                      • \(\alpha = 0{,}68\): media în timp a ponderii active din lucrare (p. 1006)
                      • rata depinde de \(\alpha\): 0,29 la \(\alpha = 0{,}814\) (2001) și 0,36 la \(\alpha = 0{,}595\) (2020)
                      • deci cererea pentru acțiuni este cu circa \(0{,}33 \times 31{,}3\% \approx 10\%\) mai puțin elastică (rezumatul lucrării: 11%)
                      • acțiunile cu cerere inelastică sînt mai volatile și mai puțin lichide (Tabelul 5)
                      • robustețea și estimările în formă redusă: Anexă

                    Studiu de caz: o limită și o întrebare deschisă

                    Slide 57 în PDF

                    Modelul impune un singur răspuns strategic \(\chi\) pentru toți investitorii și nu are fluxuri către fonduri (Secțiunea I.B a lucrării). Investitori care reacționează cu intensități diferite sau fluxuri care se mișcă odată cu prețurile ar schimba compensarea; toate limitele declarate și ce se poate verifica cu datele cursului sînt enumerate în Anexă.

                    O întrebare deschisă este dacă investițiile pasive schimbă chiar formarea prețurilor. Sammon (2025) arată că, cu cît deținerea pasivă este mai mare, cu atît prețurile anticipează mai puțin anunțurile de profit. Deținerea pasivă este însă endogenă, deci o corelație între deținerea pasivă și conținutul informațional al prețurilor nu este prin ea însăși un efect cauzal.

                    Întrebarea de pe slide ia \(\chi = 2{,}97\) din lucrare și o pondere activă \(\alpha = 0{,}5\). Din (0.14), rata de transmitere este \(1/(1 + 2{,}97 \times 0{,}5) = 0{,}40\), mai mare decît la \(\alpha = 0{,}68\): cu mai puțini investitori activi rămași, sînt mai puțini cei care compensează fiecare nouă trecere la administrare pasivă.

                    Pe scurt

                    • O limită: un singur \(\chi\) pentru toți investitorii, fără fluxuri către fonduri (Secțiunea I.B)
                      • toate limitele și ce se poate verifica cu datele cursului: Anexă
                    • Întrebare deschisă: schimbă investițiile pasive formarea prețurilor?
                      • Sammon (2025): cu cît deținerea pasivă este mai mare, cu atît prețurile anticipează mai puțin anunțurile de profit
                      • deținerea pasivă este însă endogenă: depinde de caracteristicile firmelor, deci legătura poate să nu fie cauzală
                    • Întrebări pentru sală: cu \(\chi = 2{,}97\) și o pondere activă \(\alpha = 0{,}5\)
                      • ce rată de transmitere ar rezulta?
                      • de ce este mai mare decît la \(\alpha = 0{,}68\)?
                    • Răspuns: \(1/(1 + 2{,}97 \times 0{,}5) = 0{,}40\)
                      • cu mai puțini investitori activi rămași, sînt mai puțini cei care compensează fiecare nouă trecere la administrare pasivă

                    Studiu de caz: cînd sînt obligațiunile de stat o acoperire?

                    Slide 58 în PDF

                    Al doilea studiu de caz întreabă cînd protejează obligațiunile de stat americane un portofoliu de acțiuni. Pflueger (2025), lucrare publicată în Journal of Financial Economics 167, 104027, măsoară protecția prin beta obligațiunii față de piața de acțiuni:

                    \[\beta_b = \frac{\mathrm{Cov}(r_b, r_s)}{\mathrm{Var}(r_s)},\]
                    (0.15)

                    unde \(r_b\) este randamentul în exces al obligațiunii de stat la 10 ani, iar \(r_s\) randamentul în exces al pieței de acțiuni din SUA. Cu \(\beta_b < 0\), obligațiunea cîștigă cînd acțiunile pierd, deci acoperă riscul (hedge); cu \(\beta_b > 0\), obligațiunea pierde odată cu acțiunile, deci este un activ riscant.

                    Afirmația lucrării este că beta pozitiv al obligațiunilor nominale din anii 1980 a cerut două condiții simultan: șocuri de ofertă volatile și o politică monetară care reacționează rapid și puternic la inflație. Mecanismul se află în modelul lucrării, prezentat două slide-uri mai departe.

                    Pe scurt

                    • Întrebarea: cînd protejează obligațiunile de stat americane un portofoliu de acțiuni?
                    • Pflueger (2025), Journal of Financial Economics 167, 104027
                    • Măsura: beta obligațiunii față de acțiuni, \(\beta_b = \mathrm{Cov}(r_b, r_s)/\mathrm{Var}(r_s)\)
                      • \(r_b\): randamentul în exces al obligațiunii de stat la 10 ani
                      • \(r_s\): randamentul în exces al pieței de acțiuni din SUA
                      • \(\beta_b < 0\): obligațiunea cîștigă cînd acțiunile pierd, deci acoperă riscul
                      • \(\beta_b > 0\): obligațiunea pierde odată cu acțiunile, deci este un activ riscant
                    • Afirmația lucrării: beta pozitiv al obligațiunilor nominale din anii 1980 a cerut două condiții simultan
                      • șocuri de ofertă volatile
                      • o politică monetară care reacționează rapid și puternic la inflație

                    Studiu de caz: beta obligațiunilor de stat față de acțiuni, 1967–2026

                    Slide 59 în PDF

                    Graficul are două panouri. Panoul din stînga arată \(\beta_b\) nominal din (0.15), estimat pe ferestre rolling de 20 de trimestre (5 ani); liniile punctate marchează 2001T2 și 2020T1, rupturile folosite mai jos. Panoul din dreapta arată \(\beta_b\) zilnic, pe ferestre de 120 de zile, pentru obligațiunea nominală și pentru TIPS (Treasury Inflation-Protected Securities), obligațiunile de stat americane indexate la inflație. În graficul interactiv, cele două cursoare fixează lungimea ferestrei trimestriale și a celei zilnice, iar butonul ▶ le schimbă pas cu pas.

                      Întrebare pentru sală În regresia trimestrială pe 2001T2–2019T4, beta obligațiunii nominale la 10 ani este −0,34. Dacă randamentul în exces al pieței de acțiuni este cu 1 pp mai mic, cu cît se modifică randamentul în exces ajustat al obligațiunii, potrivit regresiei?
                      Răspuns

                      Modificarea valorii ajustate este (−0,34) × (−1 pp) = +0,34 pp. Semnul negativ (SE 0,06) indică o asociere de sens opus în această subperioadă; nu garantează un cîștig în fiecare trimestru cu scăderi ale acțiunilor. Valoarea de 2,94 provine din inversarea nejustificată a coeficientului. În 1979T4–2001T1 beta este 0,27. În 2020T1–2026T2 beta nominal este 0,00 (SE 0,17), iar cel al TIPS 0,19 (SE 0,13). Pe randamentele zilnice din 2026 (pînă pe 18 septembrie), beta nominal, 0,22, trece peste cel TIPS, 0,17; pe fereastra de 120 de zile din grafic, valorile din 18 septembrie sînt 0,27 și 0,19.

                      Pe datele cursului, \(\beta_b\) nominal este 0,27 în 1979T4–2001T1 și \(-0{,}34\) în 2001T2–2019T4; lucrarea (versiunea NBER, Tabelul 2) raportează 0,24 și \(-0{,}31\). \(\beta_b\) pe 5 ani a redevenit pozitiv în 2023T4 și este 0,26 în 2026T2.

                      Un beta este un coeficient de regresie: cu \(\beta_b = -0{,}34\), un randament în exces al pieței mai mic cu 1 pp este asociat cu un randament în exces ajustat al obligațiunii mai mare cu 0,34 pp. El descrie o asociere medie în subperioadă și nu garantează un cîștig în fiecare trimestru în care acțiunile scad.

                      Pe scurt

                      • Stînga: \(\beta_b\) nominal pe ferestre mobile de 20 de trimestre (5 ani); linii punctate în 2001T2 și 2020T1
                      • Dreapta: \(\beta_b\) zilnic pe ferestre de 120 de zile, pentru obligațiunea nominală și pentru TIPS
                        • TIPS (Treasury Inflation-Protected Securities): obligațiuni de stat americane indexate la inflație
                      • \(\beta_b\) nominal pe datele cursului: 0,27 în 1979T4–2001T1 și \(-0{,}34\) în 2001T2–2019T4
                        • în lucrare (versiunea NBER, Tabelul 2): 0,24 și \(-0{,}31\)
                      • \(\beta_b\) pe 5 ani a redevenit pozitiv în 2023T4 și este 0,26 în 2026T2
                      MFM_ch0_bond_beta

                      Studiu de caz: metoda lucrării și replicarea cursului

                      Slide 60 în PDF

                      Modelul lucrării este un model neo-keynesian cu trei ecuații: ecuația Euler a consumului, curba Phillips și regula de politică monetară. Preferințele au formarea obiceiurilor (habit formation), deci primele de risc variază în timp. În model, un șoc de ofertă crește inflația și scade producția, adică stagflație, iar obligațiunile nominale scad atunci odată cu acțiunile.

                      Modelul este calibrat separat pentru 1979T4–2001T1 și 2001T2–2019T4. Ruptura din 2001T2 este momentul în care corelația dintre inflație și decalajul producției (output gap), producția efectivă minus cea potențială, devine pozitivă (Campbell, Pflueger & Viceira, 2020). Beta obligațiunilor nu este țintit în calibrare; modelul îl reproduce, iar acesta este testul explicației lui.

                      Replicarea cursului diferă de lucrare prin date. Randamentele obligațiunilor provin din randamentele FRED cu scadență constantă (DGS10 pentru obligațiunea nominală, DFII10 pentru TIPS), cu durata fixată la 10 ani, astfel încît randamentul trimestrial este aproximat prin \(r_b \approx -10\,\Delta y_t + y_t/4\), unde \(y_t\) este randamentul la 10 ani; lucrarea folosește curbe zero-cupon. Randamentele acțiunilor sînt cele ale pieței americane ponderate după capitalizare (CRSP, Center for Research in Security Prices), din biblioteca Kenneth French, iar pentru datele zilnice SPY. Randamentele trimestriale în exces se măsoară peste titlul de stat la 3 luni (T-bill), ca în lucrare. TIPS sînt folosite doar din 2003, pe cînd lucrarea completează perioada anterioară cu obligațiuni britanice indexate la inflație, iar eșantionul este extins pînă în septembrie 2026.

                      Pe scurt

                      • Modelul lucrării: un model neo-keynesian cu trei ecuații
                        • ecuația Euler a consumului, curba Phillips și regula de politică monetară
                        • preferințe cu formarea obiceiurilor (habit formation), deci prime de risc variabile în timp
                        • un șoc de ofertă crește inflația și scade producția (stagflație): obligațiunile nominale scad odată cu acțiunile
                      • Calibrarea: separat pentru 1979T4–2001T1 și 2001T2–2019T4
                        • ruptura din 2001T2: corelația dintre inflație și decalajul producției (producția efectivă minus cea potențială) devine pozitivă (Campbell, Pflueger & Viceira (2020))
                        • beta obligațiunilor nu este țintit în calibrare; modelul îl reproduce
                      • Ce face replicarea cursului diferit
                        • obligațiunile: randamente FRED (Federal Reserve Economic Data, baza de date economice a Rezervei Federale, St. Louis) cu scadență constantă (DGS10, DFII10), durata fixată la 10 ani
                        • \(r_b \approx -10\,\Delta y_t + y_t/4\) trimestrial, cu \(y_t\) randamentul la 10 ani; lucrarea folosește curbe zero-cupon
                        • acțiunile: piața SUA ponderată după capitalizare (CRSP, Center for Research in Security Prices), din biblioteca Kenneth French; zilnic, SPY
                        • randamentele trimestriale în exces: peste titlul de stat la 3 luni (T-bill), ca în lucrare
                        • TIPS doar din 2003 (lucrarea completează perioada anterioară cu obligațiuni britanice indexate)
                        • eșantionul este extins pînă în septembrie 2026

                      Studiu de caz: ce arată datele după 2020

                      Slide 61 în PDF

                      Datele cursului reproduc schimbarea de semn din 2001. \(\beta_b\) nominal este 0,27 (SE 0,14, 86 de trimestre) în 1979T4–2001T1 și \(-0{,}34\) (SE 0,06, 75 de trimestre) în 2001T2–2019T4. Explicația prin șocuri de ofertă și politica monetară vine din model; regresia nu o identifică singură.

                      În 2020T1–2026T2, \(\beta_b\) nominal este 0,00 (SE 0,17), iar \(\beta_b\) TIPS 0,19 (SE 0,13). Din 11 martie 2020, beta zilnic nominal a fost sub cel TIPS în 84% din zile. În lucrare, un beta nominal sub cel real indică un risc mic de stagflație.

                      Evidența are limite. Ferestrele de 120 de zile sînt zgomotoase, durata obligațiunii este aproximată, iar concluzia depinde de un singur model calibrat.

                      În 2026, pînă pe 18 septembrie, \(\beta_b\) nominal estimat pe randamente zilnice este 0,22, iar cel TIPS 0,17. În lectura lucrării, această ordine semnalează o creștere a riscului de stagflație: diferența, 0,05 (SE 0,02), este pozitivă pentru prima dată într-un an calendaristic din 2018 încoace. Un singur an parțial nu arată însă o întoarcere la anii 1980.

                      Pe scurt

                      • Tipul de dovadă: replicare (schimbarea de semn din 2001, reprodusă pe datele cursului)
                        • \(\beta_b\) nominal 0,27 (SE 0,14, 86 de trimestre) în 1979T4–2001T1
                        • \(\beta_b\) nominal \(-0{,}34\) (SE 0,06, 75 de trimestre) în 2001T2–2019T4
                        • explicația prin șocuri de ofertă și politica monetară vine din model; regresia nu o identifică singură
                      • 2020T1–2026T2: \(\beta_b\) nominal 0,00 (SE 0,17), \(\beta_b\) TIPS 0,19 (SE 0,13)
                        • din 11 martie 2020, beta zilnic nominal este sub cel TIPS în 84% din zile
                        • în lucrare, un beta nominal sub cel real indică un risc mic de stagflație
                      • Limite
                        • ferestrele de 120 de zile sînt zgomotoase
                        • durata obligațiunii este aproximată
                        • concluzia depinde de un singur model calibrat
                      • Întrebare pentru sală: în 2026 (pînă pe 18 septembrie), \(\beta_b\) nominal estimat pe randamente zilnice este 0,22, iar cel TIPS 0,17
                        • ce semnal ar vedea lucrarea în această ordine?
                      • Răspuns: o creștere a riscului de stagflație
                        • diferența, 0,05 (SE 0,02), este pozitivă pentru prima dată într-un an calendaristic din 2018 încoace
                        • un singur an parțial nu arată însă o întoarcere la anii 1980

                      Sinteza secțiunii

                      Haddad, Huebner & Loualiche (2025) estimează că investitorii activi compensează circa două treimi din scăderea elasticității produsă de trecerea la investiții pasive, astfel încît cererea pentru acțiuni a devenit în 2001–2020 cu circa 10% mai puțin elastică, nu cu 31%. Pflueger (2025) explică semnul beta acțiuni–obligațiuni prin șocurile de ofertă și reacția politicii monetare; datele cursului reproduc schimbarea de semn din 2001, iar din 2023 beta pe 5 ani este din nou pozitiv.

                      AI pentru descoperire științifică

                      Secțiunea parcurge o dată bucla de cercetare asistată de AI, introdusă la începutul capitolului, pe o întrebare nouă sugerată de comparația SPY–RSP: există o primă de concentrare? Parcurgerea arată ce propune de obicei un asistent, ce verificări trebuie fixate înainte de a vedea datele și ce susține estimația.

                      Ipoteza: există o primă de concentrare? (1/2)

                      Slide 62 în PDF

                      Comparația SPY–RSP din secțiunile anterioare este descriptivă. Ea nu poate identifica mecanismul deținerii pasive din studiul de caz, fiindcă multe forțe mișcă randamentul relativ al celor mai mari firme.

                      O propunere tipică a asistentului sună astfel: „fluxurile pasive favorizează cele mai mari firme, deci ponderarea după capitalizare depășește ponderarea egală”. Afirmația numește un mecanism și o predicție, dar nu oferă nicio estimație, niciun interval și nicio explicație alternativă.

                      O parcurgere a buclei descoperirii transformă propunerea într-o întrebare testabilă. Pasul de literatură folosește lucrări din reviste cu evaluare inter pares, cu fiecare DOI verificat personal de cercetător. Pasul de ipoteză formulează trei explicații concurente, fluxurile pasive, compoziția pe sectoare și creșterea profiturilor celor mai mari firme, fiecare cu o implicație pe care celelalte nu o au. Pasul de date și cod folosește prețurile ajustate, de randament total, ale SPY și RSP, aliniate pe zilele comune.

                      Pe scurt

                      • Întrebarea secțiunii: cum arată bucla de cercetare asistată de AI aplicată unei întrebări noi?
                      • Comparația SPY–RSP este descriptivă
                        • nu poate identifica mecanismul deținerii pasive din studiul de caz
                      • O propunere tipică a asistentului
                        • „fluxurile pasive favorizează cele mai mari firme, deci ponderarea după capitalizare depășește ponderarea egală”
                      • Bucla descoperirii, parcursă o dată
                        • literatură: lucrări din reviste cu evaluare inter pares, fiecare DOI verificat personal
                        • ipoteză: trei explicații concurente (fluxuri pasive, compoziția pe sectoare, creșterea profiturilor celor mai mari firme)
                        • fiecare explicație are o implicație pe care celelalte nu o au
                        • date și cod: prețurile ajustate (randament total) ale SPY și RSP, aliniate pe zilele comune

                      Ipoteza: există o primă de concentrare? (2/2)

                      Slide 63 în PDF

                      Testul folosește diferența zilnică \(d_t = r_{\mathrm{SPY},t} - r_{\mathrm{RSP},t}\), unde \(r_{\mathrm{SPY},t}\) și \(r_{\mathrm{RSP},t}\) sînt randamentele logaritmice zilnice ale celor două ETF-uri în ziua \(t\). Ipoteza nulă \(H_0: \mathbb{E}[d_t] = 0\), absența primei, este testată față de \(H_1: \mathbb{E}[d_t] \neq 0\), unde \(\mathbb{E}[d_t]\) este diferența medie zilnică adevărată.

                      Verificările sînt fixate înainte de a vedea datele: tipul de preț, alinierea calendarelor și ferestrele, întregul eșantion și două jumătăți. Statistica este

                      \[t = \frac{\bar d}{\operatorname{SE}(\bar d)},\]
                      (0.16)

                      cu eroarea standard Newey–West, robustă la heteroscedasticitate și autocorelație (HAC, heteroskedasticity and autocorrelation consistent): ea rămîne validă cînd \(d_t\) este autocorelat sau își schimbă varianța în timp. Construcția ei este în Anexă. Fixarea dinainte a ferestrelor împiedică alegerea, după fapt, a perioadei în care diferența pare cea mai mare.

                      Pe scurt

                      • Test: \(d_t = r_{\mathrm{SPY},t} - r_{\mathrm{RSP},t}\)
                        • \(H_0: \E[d_t] = 0\) față de \(H_1: \E[d_t] \neq 0\)
                        • \(r_{\mathrm{SPY},t}\), \(r_{\mathrm{RSP},t}\): randamentele logaritmice zilnice ale celor două ETF-uri în ziua \(t\)
                        • \(\E[d_t]\): diferența medie zilnică adevărată
                      • Fixate dinainte
                        • tipul de preț, alinierea calendarelor, ferestrele (întregul eșantion și două jumătăți)
                        • statistica \(t\) \(\bar d/\operatorname{SE}(\bar d)\), cu eroarea standard Newey–West HAC (Anexă)
                        • HAC: robustă la heteroscedasticitate și autocorelație
                        • rămîne validă cînd \(d_t\) este autocorelat sau își schimbă varianța

                      Mini studiu de caz: estimație, interval și MDE

                      Slide 64 în PDF

                      Eșantionul merge din mai 2003 pînă în septembrie 2026, 5.884 de zile de tranzacționare. Graficul arată, pentru întregul eșantion și pentru fiecare jumătate, media lui \(d_t\) ca punct, intervalul ei HAC de 95% ca bară și, cu roșu, \(\pm\) efectul minim detectabil (MDE, minimum detectable effect). MDE este cel mai mic efect real pe care un test bilateral la 5% îl detectează cu putere de 80%; pentru un test bazat pe (0.16), el este de circa \(2{,}8 \times \operatorname{SE}\) (Anexă).

                      În graficul interactiv, cursorul mută data care împarte eșantionul în două jumătăți, între 2005 și 2024, iar butonul ▶ o mută cu cîte un an; un al doilea panou arată diferența cumulată.

                        Întrebare pentru sală Pe întregul eșantion, diferența medie SPY − RSP este +0,29% pe an, cu t = 0,27. Înseamnă asta că nu există o primă de concentrare?
                        Răspuns

                        Nu. Media estimată este +0,29% pe an, cu SE HAC de circa 1,10 pp și t = 0,27. Nu respingem media nulă la 5%. MDE de circa 3,1% pe an corespunde unei puteri de aproximativ 80%, în aproximația bazată pe distribuția Normală. Efectele mai mici au putere sub 80%, nu neapărat sub 50%. P-value-ul de circa 0,79 nu este probabilitatea ca prima să existe. Semnul se schimbă între jumătăți: −2,28% (t = −1,75) în 2003–2014 și +2,85% (t = 1,63) în 2015–2026.

                        Pe întregul eșantion, diferența medie este \(+0{,}29\%\) pe an, cu \(t = 0{,}27\). În jumătățile fixate dinainte, ea este \(-2{,}28\%\) (\(t = -1{,}75\)) din mai 2003 pînă în decembrie 2014 și \(+2{,}85\%\) (\(t = 1{,}63\)) din ianuarie 2015 pînă în septembrie 2026. Fiecare interval îl conține pe 0, iar semnul se schimbă între jumătăți: „prima” este o trăsătură a ferestrei alese.

                        „Nesemnificativ” nu înseamnă „fără efect”. MDE pe întregul eșantion este de 3,1% pe an: testul a avut o putere de circa 80% față de o primă de această mărime și mai mică față de prime mai mici. Valoarea p, de circa 0,79, nu este probabilitatea ca prima să existe. Ce susține rezultatul este descrierea.

                        Pe scurt

                        • Mai 2003 – sep. 2026 (\(5\,884\) de zile): diferența medie \(+0{,}29\%\) pe an, \(t = 0{,}27\)
                        • Jumătăți fixate dinainte
                          • mai 2003 – dec. 2014: \(-2{,}28\%\) (\(t = -1{,}75\))
                          • ian. 2015 – sep. 2026: \(+2{,}85\%\) (\(t = 1{,}63\))
                        • Graficul: puncte, media lui \(d_t\)
                          • bare: intervale HAC de 95%; roșu: \(\pm\)MDE
                        • Efectul minim detectabil (MDE) (Anexă)
                          • cel mai mic efect real pe care un test bilateral la 5% îl detectează cu probabilitatea 80% (puterea testului)
                          • \(2{,}8 \times \operatorname{SE}\), adică 3,1% pe an pe întregul eșantion
                        • Fiecare interval îl conține pe 0
                          • semnul se schimbă între jumătăți: „prima” depinde de fereastra aleasă
                        • „Nesemnificativ” nu înseamnă „fără efect”
                        • Tipul de dovadă: descriere

                        Temă de proiect propusă: specificația

                        Slide 65 în PDF

                        O întrebare firească în continuare este dacă diferența SPY − RSP rămîne după controlul pentru randamentele sectoriale. Proiectul regresează \(d_t\) pe randamentele logaritmice zilnice ale ETF-urilor sectoriale SPDR și testează \(H_0\): termenul liber \(= 0\), cu erori standard HAC. Un termen liber nenul ar fi o diferență neexplicată de ponderile sectoriale diferite ale celor două fonduri.

                        Regresorii și fereastra sînt fixate înainte de estimare. Specificația principală folosește cele nouă Select Sector SPDR lansate în decembrie 1998 (XLB, XLE, XLF, XLI, XLK, XLP, XLU, XLV și XLY), care acoperă toată fereastra mini studiului de caz. XLRE (imobiliare, 2015) și XLC (comunicații, 2018) intră doar într-o a doua specificație, mai scurtă, cu fereastra raportată.

                        Specificația evită două capcane. O aliniere care păstrează doar zilele în care există toți regresorii taie tacit eșantionul la 2018–2026 dacă include XLC, iar termenul liber ar estima atunci diferența dintr-o altă perioadă. RSP se reechilibrează trimestrial la ponderi egale, deci coeficienții lui sectoriali nu sînt perfect constanți. Întregul flux de lucru al proiectului este în Aprofundări.

                        Pe scurt

                        • Întrebare: rămîne semnificativă diferența SPY \(-\) RSP după controlul pentru randamentele sectoriale?
                          • regresați \(d_t\) pe randamentele logaritmice zilnice ale ETF-urilor sectoriale SPDR
                          • testați \(H_0\): termenul liber \(= 0\), cu erori standard HAC
                        • Regresorii și fereastra, fixate înainte de estimare
                          • specificația principală: cele nouă Select Sector SPDR lansate în decembrie 1998 (XLB, XLE, XLF, XLI, XLK, XLP, XLU, XLV, XLY)
                          • acestea acoperă toată fereastra mini studiului de caz
                          • XLRE (imobiliare, 2015) și XLC (comunicații, 2018) doar într-o a doua specificație, mai scurtă, cu fereastra raportată
                        • Alinierea doar pe zilele cu toți regresorii taie tacit eșantionul la 2018–2026 dacă include XLC
                          • termenul liber ar estima atunci diferența dintr-o altă perioadă
                        • RSP se reechilibrează trimestrial la ponderi egale
                          • deci coeficienții sectoriali nu sînt perfect constanți

                        Concluzii

                        Ce am aflat: incertitudinea estimărilor

                        Slide 66 în PDF

                        O comparație este credibilă doar cu datele potrivite, calendarul potrivit și un interval calculat corect. Un „preț zilnic” depinde de locul și de momentul observării, iar fiecare serie trebuie aliniată pe zilele comune înainte de a compara randamentele.

                        Fiecare generație de modele financiare a rezolvat o problemă nouă cu date și putere de calcul noi, fără să le înlocuiască pe cele anterioare, iar bulele și crahurile revin de patru secole. Randamentul mediu și raportul Sharpe se cunosc doar cu precizia pe care o permite numărul de ani; un interval care îl conține pe zero înseamnă „neconcludent”, nu „egal”.

                        Investițiile pasive ponderate după capitalizare reproduc concentrarea pieței. O afirmație, fie a unui om, fie generată de AI, are nevoie de o estimație, un interval, o explicație alternativă și o limită declarată.

                        Pe scurt

                        • O comparație este credibilă doar cu datele potrivite și calendarul potrivit
                          • și cu un interval de încredere corect calculat
                        • Un „preț zilnic” depinde de locul și de momentul observării
                        • Fiecare generație de modele a rezolvat o problemă nouă cu date și putere de calcul noi
                          • fără să le înlocuiască pe cele anterioare
                        • Bulele și crahurile revin de patru secole
                        • Media și raportul Sharpe se cunosc doar cu precizia dată de numărul de ani
                          • un interval care îl conține pe zero înseamnă „neconcludent”, nu „egal”
                        • Investițiile pasive ponderate după capitalizare reproduc concentrarea pieței
                        • O afirmație, umană sau generată de AI, are nevoie de
                          • o estimație, un interval, o explicație alternativă și o limită declarată

                        Întrebări de recapitulare și Capitolul 1

                        Slide 67 în PDF

                        Întrebările de recapitulare formează două grupuri:

                        1. Întrebările de reamintire revin la rezultatele principale ale capitolului: precizia unei medii, alinierea calendarelor, citirea unui interval și semnificația raportului SPY/RSP.
                        2. Al doilea grup introduce Capitolul 1, care întreabă cît de groase sînt cozile randamentelor zilnice, dacă volatilitatea are memorie lungă și de la ce orizont randamentele se apropie de distribuția Normală, pentru S&P 500, Bitcoin, acțiunile BVB și EUR/RON.

                        Pe scurt

                        Întrebări de recapitulare
                        • De ce nu scade SE a unui randament mediu cînd folosiți date zilnice în loc de date lunare?
                        • De ce aliniem prețurile Bitcoin și S&P 500 pe zilele comune înainte de a calcula randamentele?
                        • Diferența a două rapoarte Sharpe are intervalul de 95% \([-0{,}65;\ +0{,}88]\): ce puteți concluziona?
                        • De ce raportul SPY/RSP nu măsoară deținerea pasivă?
                        Capitolul 1: fapte stilizate
                        • Cît de groase sînt cozile randamentelor zilnice și este kurtosis-ul finit?
                        • Are volatilitatea memorie lungă?
                        • De la ce orizont randamentele se apropie de distribuția Normală?
                        • Sînt aceste fapte valabile pentru S&P 500, Bitcoin, acțiunile BVB și EUR/RON?
                        • Pentru aprofundare: bibliografia de bază și cursurile Quantinar (Anexă)

                        Decizia practică

                        Slide 68 în PDF

                        Regula practică a capitolului este raportarea fiecărei medii și a fiecărui raport Sharpe cu SE și interval de 95%, pe aceeași fereastră și pe zilele comune. SE iid, \(\sigma_A/\sqrt{Y}\) pentru o medie și circa \(1/\sqrt{Y}\) pentru un raport Sharpe, servește ca prim calcul, alături de un bootstrap pe blocuri. Diferența dintre două active se testează direct, pe zilele comune, nu prin suprapunerea intervalelor.

                        Regula este valabilă în condiții precizate. SE iid presupune randamente necorelate, cu varianță constantă. SE a unui raport Sharpe sau a unei corelații presupune un moment de ordin patru finit, pus sub semnul întrebării în Capitolul 1. Mai multe comparații cer o corecție pentru testarea multiplă; cu Bonferroni, niciuna dintre cele 10 perechi de active necripto nu rămîne semnificativă.

                        Două rezultate ar face regula să cedeze. Pentru SE iid, un interval bootstrap pe blocuri mult mai larg decît cel iid; pentru corelația acțiuni–obligațiuni, intervalul bootstrap este de 1,59 ori mai larg. Pentru o primă afirmată, un semn care se schimbă între ferestre fixate dinainte, cum face diferența SPY − RSP, \(-2{,}28\%\) și apoi \(+2{,}85\%\) pe an.

                        Pe scurt

                        • Ce aleg
                          • fiecare medie și fiecare raport Sharpe cu SE și interval de 95%, pe aceeași fereastră și pe zilele comune
                          • SE iid (\(\sigma_A/\sqrt{Y}\); circa \(1/\sqrt{Y}\) pentru Sharpe) ca prim calcul, alături de un bootstrap pe blocuri (reeșantionează blocuri de zile consecutive, păstrînd autocorelația)
                          • diferența a două active testată direct, pe zilele comune, nu prin suprapunerea intervalelor
                        • În ce condiții
                          • SE iid presupune randamente necorelate, cu varianță constantă
                          • SE a raportului Sharpe și a corelației presupune moment de ordin patru finit, pus sub semnul întrebării în Capitolul 1
                          • mai multe comparații cer o corecție pentru testare multiplă (Bonferroni: niciuna dintre cele 10 perechi nu rămîne semnificativă)
                        • Ce rezultat m-ar face să renunț
                          • la SE iid: un interval bootstrap pe blocuri mult mai larg (corelația acțiuni–obligațiuni: de 1,59 ori)
                          • la o „primă”: un semn care se schimbă între ferestre fixate dinainte (SPY \(-\) RSP: \(-2{,}28\%\), apoi \(+2{,}85\%\) pe an)

                        Aprofundări

                        Cadrele din această parte dezvoltă subiecte tratate pe scurt în corpul capitolului: principiile și limitele calculului cuantic în finanțe, o eroare de date într-o serie EUR/RON, precizia raportului Sharpe, un test al schimbării corelației dintre acțiuni și obligațiuni, un studiu de eveniment pentru taxa bancară din decembrie 2018, arbitrajul care menține prețul unui ETF aproape de valoarea activului net, derivarea din spatele studiului de caz despre investițiile pasive și fluxul de lucru al temei de proiect.

                        Modelele financiare (1/2): calculul cuantic, principii

                        Slide 69 în PDF

                        Evaluarea și măsurarea riscului prin Monte Carlo cer milioane de scenarii simulate; de aceea calculul cuantic este studiat în finanțe (Orús, Mugel & Lizaso, 2019), (Herman et al., 2023). Un calculator cuantic lucrează cu qubiți, care pot păstra o superpoziție (superposition) a stărilor 0 și 1, iar interferența face ca răspunsul corect să fie mai probabil la măsurare. Cîștigul demonstrat privește numărul de pași necesari pentru o eroare dată \(\varepsilon\) (Montanaro, 2015): circa \(1/\varepsilon^2\) eșantioane clasice față de \(1/\varepsilon\) pași cuantici, de exemplu \(10^8\) față de \(10^4\) pentru \(\varepsilon = 10^{-4}\). Cîștigul este pătratic, nu exponențial; comparația detaliată este în Anexă.

                        Pe scurt

                        Modelele financiare (1/2): calculul cuantic, principii IBM (International Business Machines, Corporation, compania International Business Machines) Quantum System One, Ehningen (Germania), 2021 Foto: IBM (compania International Business Machines) Research (2021); CC BY 2.0; Wikimedia Commons
                        • Problema: evaluarea și riscul prin Monte Carlo cer milioane de scenarii simulate
                        • Ideea (Orús, Mugel & Lizaso (2019); Herman et al. (2023); Anexă)
                          • un calculator cuantic lucrează cu qubiți, care se pot afla într-o superpoziție de 0 și 1
                          • interferența face răspunsul corect mai probabil
                        • Cîștig demonstrat (Montanaro (2015); Anexă)
                          • eroare \(\varepsilon\): circa \(1/\varepsilon^2\) simulări clasice față de \(1/\varepsilon\) pași cuantici, de exemplu \(10^8\) față de \(10^4\) pentru \(\varepsilon = 10^{-4}\)
                          • cîștigul este pătratic, nu exponențial

                        Modelele financiare (2/2): calculul cuantic, limite

                        Slide 70 în PDF

                        Cîștigul pătratic nu poate fi încă folosit. Qubiții actuali sînt zgomotoși, iar pentru produsele și algoritmii studiați de Chakrabarti et al. (2021), o notă autocallable și un TARF (target accrual redemption forward), o evaluare utilă cere circa 8.000 de qubiți logici. Istoria modelelor financiare arată și că niciun val nu le-a înlocuit pe cele anterioare: valoarea la risc (value at risk, VaR) se calculează încă adesea cu modele GARCH (generalised autoregressive conditional heteroskedasticity) sau prin simulare istorică, iar modelele factoriale rămîn reperul pentru machine learning (ML). Cronologia și condițiile care au făcut posibilă fiecare etapă sînt în Anexă.

                        Pe scurt

                        Modelele financiare (2/2): calculul cuantic, limite IBM Quantum System One, Ehningen (Germania), 2021 Foto: IBM Research (2021); CC BY 2.0; Wikimedia Commons
                        • Încă inaplicabil în practică (Chakrabarti et al. (2021); Anexă)
                          • qubiții de azi sînt zgomotoși
                          • pentru produsele și algoritmii studiați (un autocallable și un TARF, target accrual redemption forward), o evaluare utilă cere circa 8 000 de qubiți logici
                        • Nicio generație de modele nu le-a înlocuit pe cele anterioare
                          • VaR se calculează încă des cu GARCH sau prin simulare istorică
                          • modelele factoriale rămîn reperul pentru ML
                        • Axa timpului: Anexă
                        • Sinteza etapelor și a condițiilor care le-au făcut posibile: Anexă

                        Erori în date: o cotație EUR/RON suspectă (1/2)

                        Slide 71 în PDF

                        Graficul compară două serii ale cursului EUR/RON, în lei pentru un euro: cu roșu seria EODHD, construită din cotații interbancare agregate, care nu este un curs oficial, și cu albastru cursul de referință al Băncii Naționale a României (BNR). Pe 13 august 2025 seria EODHD sare de la 5,0636 la 5,9065 lei, o variație logaritmică de +15,4%, și revine a doua zi. Cadrul întreabă dacă este un eveniment de piață sau o eroare de date și ce dovezi ar decide între cele două.

                        Pe scurt

                        Erori în date: o cotație EUR/RON suspectă (1/2)
                        • Graficul: EUR/RON (lei pentru un euro)
                          • roșu: seria EODHD (cotații interbancare agregate, nu un curs oficial)
                          • albastru: cursul de referință BNR
                        • Întrebări pentru sală: pe 13 aug. 2025, seria EODHD urcă de la 5,0636 la 5,9065 lei
                          • +15,4% ca variație logaritmică, apoi revine a doua zi
                          • eveniment de piață sau eroare în date?
                          • cum ați decide?
                        MFM_ch0_romania

                        Erori în date: o cotație EUR/RON suspectă (2/2)

                        Slide 72 în PDF

                        Saltul este o cotație eronată (bad tick). Două fapte o identifică: saltul se inversează imediat, iar o a doua sursă, cursul de referință BNR, nu se mișcă. Același tipar apare la începutul lui ianuarie 2022, cu o variație de circa ±12%. Asemenea înregistrări nu sînt inofensive: în 2015–2026 volatilitatea anualizată a cursului EUR/RON este de 12,4% cu aceste cotații și de 2,1% cu cursul BNR, motiv pentru care cursul preia mereu EUR/RON de la BNR. Randamentul titlurilor de stat românești pe 10 ani din datele cursului are erori de alt tip: o valoare de 0,00% pe 24 decembrie 2013 și valori duplicate în zilele de duminică la sfîrșitul lui 2022.

                        Pe scurt

                        Erori în date: o cotație EUR/RON suspectă (2/2)
                        • Răspuns: o cotație eronată (bad tick)
                          • saltul se inversează imediat, iar cursul BNR, o a doua sursă, nu variază
                          • similar: \(\pm 12\%\) în ian. 2022
                          • volatilitatea anualizată 2015–2026: 12,4% cu aceste cotații, 2,1% cu cursul BNR, sursa de referință pentru EUR/RON
                        • Alte erori din datele cursului: randamentul la 10 ani al României
                          • o valoare de 0,00% pe 24 dec. 2013
                          • valori duplicate duminica, la sfîrșitul lui 2022
                        MFM_ch0_romania

                        Raportul Sharpe: precizie și rata fără risc

                        Slide 73 în PDF

                        Pentru SPY în 2015–2026, raportul Sharpe (Sharpe ratio, SR) anualizat este estimat la 0,82, cu eroarea standard (standard error, SE) 0,29, deci intervalul de încredere de 95% este \([0{,}25;\ 1{,}39]\). Ca și media, raportul Sharpe este cunoscut doar cu o precizie de circa \(\pm 2/\sqrt{Y}\), unde \(Y\) este lungimea eșantionului în ani, iar 11,7 ani de date nu pot deosebi 0,8 de 0,5. Capitolul lucrează cu rata fără risc egală cu zero. Cu o rată \(r_f > 0\), raportul devine \((\mu_A - r_f)/\sigma_A\), unde \(\mu_A\) și \(\sigma_A\) sînt media și volatilitatea anualizate, deci fiecare SR scade cu \(r_f/\sigma_A\), cel mai mult pentru activele cu volatilitate mică: \(r_f = 2\%\) îl reduce cu 0,20 la \(\sigma_A = 10\%\) și doar cu 0,05 la \(\sigma_A = 40\%\).

                        Pe scurt

                        • SPY, 2015–2026: \(\widehat{\mathrm{SR}}_A = 0{,}82\), \(\operatorname{SE} = 0{,}29\)
                          • interval de încredere de 95% \([0{,}25;\ 1{,}39]\)
                        • Ca și media, SR este cunoscut doar cu circa \(\pm 2/\sqrt{Y}\)
                          • un eșantion de 11,7 ani nu distinge între 0,8 și 0,5
                        • Cu o rată fără risc \(r_f > 0\), raportul Sharpe este \((\mu_A - r_f)/\sigma_A\)
                          • fiecare SR scade cu \(r_f/\sigma_A\), cel mai mult la activele cu volatilitate mică
                          • \(r_f = 2\%\) reduce SR cu \(0{,}20\) la \(\sigma_A = 10\%\) și doar cu \(0{,}05\) la \(\sigma_A = 40\%\)
                          • în Capitolul 0 luăm \(r_f = 0\)
                        • Derivarea prin metoda delta și efectul cozilor groase, al dependenței și al selecției asupra SE: Anexă

                        Testarea schimbării corelației acțiuni–obligațiuni (1/3)

                        Slide 74 în PDF

                        Corelația dintre S&P 500 și TLT, ETF-ul pe titluri de stat americane pe termen lung, este calculată o singură dată pentru fiecare subperioadă, nu ca medie a unei corelații mobile: \(-0{,}47\) în 2010–2020 (\(n_1 = 2.769\) de perechi zilnice) și \(+0{,}11\) în 2022–2026 (\(n_2 = 1.182\)), o schimbare estimată de \(+0{,}58\). Testul Fisher \(z\) compară cele două corelații pe scara \(\operatorname{atanh}\), pe care, pentru perechi iid dintr-o distribuție Normală bivariată, corelația de selecție este aproximativ Normală, cu varianța \(1/(n-3)\):

                        \[z = \frac{\operatorname{atanh}\hat\rho_2 - \operatorname{atanh}\hat\rho_1}{\sqrt{1/(n_1 - 3) + 1/(n_2 - 3)}}.\]
                        (0.17)

                        Sub ipoteza nulă a corelațiilor adevărate egale, \(z\) din (0.17) urmează distribuția Normală standard. Rezultatul este \(z = 17{,}9\), \(p < 10^{-10}\). Testul cere un moment de ordinul patru finit al randamentelor, ipoteză pe care Capitolul 1 o pune la îndoială.

                        Pe scurt

                        • Corelația S&P 500 – TLT calculată pe fiecare subperioadă (nu media corelațiilor pe fereastră mobilă)
                          • \(-0{,}47\) în 2010–2020 (\(n = 2\,769\)), \(+0{,}11\) în 2022–2026 (\(n = 1\,182\))
                          • o variație de \(+0{,}58\)
                        • Testul Fisher \(z\) pentru \(H_0\): cele două corelații adevărate sînt egale
                          \[ z = \frac{\operatorname{atanh}\hat\rho_2 - \operatorname{atanh}\hat\rho_1}{\sqrt{1/(n_1 - 3) + 1/(n_2 - 3)}} \]
                          • \(\hat\rho_k\), \(n_k\): corelația empirică și numărul de perechi zilnice din perioada \(k\)
                          • pentru perechi iid dintr-o distribuție Normală bivariată, \(\operatorname{atanh}\hat\rho = \frac{1}{2}\ln\frac{1+\hat\rho}{1-\hat\rho}\) are aproximativ distribuția Normală, cu varianța \(1/(n-3)\)
                          • sub \(H_0\), \(z\) urmează distribuția Normală standard
                        • Rezultat: \(z = 17{,}9\), \(p < 10^{-10}\)
                          • inferența pe corelații presupune moment de ordin patru finit, pus sub semnul întrebării în Capitolul 1
                        MFM_ch0_correlations

                        Testarea schimbării corelației acțiuni–obligațiuni (2/3)

                        Slide 75 în PDF

                        Pe scara corelației, metoda delta transformă \(\operatorname{Var}(\operatorname{atanh}\hat\rho) \approx 1/(n-3)\) în varianța \((1-\rho^2)^2/(n-3)\) a unei corelații de selecție, iar intervalul iid pentru schimbare este \(0{,}58 \pm 1{,}96 \times 0{,}032\), adică \([0{,}52;\ 0{,}65]\). Acest interval este prea îngust: volatility clustering face perechile consecutive dependente, iar cozile groase încalcă normalitatea. Un bootstrap staționar (stationary bootstrap), care reeșantionează blocuri de zile consecutive cu lungimi aleatoare, de medie 20 de zile, dă intervalul \([0{,}48;\ 0{,}68]\), de 1,59 ori mai larg, care tot nu conține 0.

                        Pe scurt

                        • Intervalul iid pentru variație, pe scara corelației
                          \[ (\hat\rho_2 - \hat\rho_1) \pm 1{,}96\,\sqrt{\frac{(1-\hat\rho_1^2)^2}{n_1 - 3} + \frac{(1-\hat\rho_2^2)^2}{n_2 - 3}} \]
                          • \((1-\rho^2)^2/(n-3)\): varianța corelației empirice, obținută prin metoda delta din \(\operatorname{Var}(\operatorname{atanh}\hat\rho) \approx 1/(n-3)\)
                          • aici \(0{,}58 \pm 1{,}96 \times 0{,}032\), adică \([0{,}52;\ 0{,}65]\)
                        • Gruparea volatilității induce dependență între perechi, iar cozile groase contrazic normalitatea
                          • intervalul iid este prea îngust
                        • Bootstrap staționar: blocuri de zile consecutive, de lungimi aleatoare (20 de zile în medie)
                          • interval de 95% \([0{,}48;\ 0{,}68]\), de 1,59 ori mai larg, care tot nu îl conține pe 0
                        MFM_ch0_correlations

                        Testarea schimbării corelației acțiuni–obligațiuni (3/3)

                        Slide 76 în PDF

                        Testul stabilește o schimbare a asocierii, nu cauza ei; atribuirea ei șocului inflației și al dobînzilor din 2022 cere un test separat. Ferestrele sînt și ele o alegere: lasă deoparte anul 2021, cînd inflația din SUA a început să crească, și anii dinainte de 2010. O concluzie care depinde de punctul de tăietură este fragilă, așa că schimbarea trebuie raportată și cu 2021 inclus sau cu un început mai timpuriu, cu ferestrele alternative fixate dinainte. Pe scara \(\operatorname{atanh}\), SE este \(\sqrt{1/2.766 + 1/1.179} = 0{,}035\), iar fereastra mai scurtă, 2022–2026, contribuie mai mult (\(1/1.179 = 0{,}00085\) față de \(0{,}00036\)): eșantionul mai scurt domină incertitudinea unei diferențe.

                        Pe scurt

                        • Tipul de dovadă: asociere (variabilele se mișcă împreună; nu dovedește o relație cauzală)
                          • testul arată o schimbare a asocierii, nu cauza ei
                          • șocul inflației și al dobînzilor din 2022 cere un test separat
                          • dobînzile și curba randamentelor: Anexă
                        • Ferestrele sînt o alegere
                          • lasă deoparte anul 2021, cînd inflația din SUA a început să crească, și anii dinainte de 2010
                          • o concluzie care depinde de punctul de tăiere este fragilă
                          • raportați variația și cu 2021 inclus sau cu un început mai timpuriu, cu ferestrele alternative fixate dinainte
                        • Întrebare pentru sală: pe scara \(\operatorname{atanh}\), SE este \(\sqrt{1/2\,766 + 1/1\,179} = 0{,}035\)
                          • care perioadă contribuie mai mult și de ce?
                        • Răspuns: 2022–2026, cu \(1/1\,179 = 0{,}00085\) față de \(0{,}00036\)
                          • fereastra mai scurtă domină incertitudinea unei diferențe
                        MFM_ch0_correlations

                        Studiu de eveniment: taxa bancară din decembrie 2018 (1/4)

                        Slide 77 în PDF

                        Studiul de eveniment (event study) întreabă cît a pierdut Banca Transilvania (TLV) la anunțul taxei bancare, peste scăderea pieței. Taxa a fost anunțată în seara zilei de 18 decembrie 2018, deci ziua 0 este 19 decembrie 2018. Randamentul normal este descris de modelul pieței (market model), \(r_{i,t} = a + b\,r_{m,t} + \varepsilon_t\), unde \(r_{i,t}\) și \(r_{m,t}\) sînt randamentele logaritmice zilnice ale TLV (prețul de închidere ajustat) și ale indicelui BET, estimat prin metoda celor mai mici pătrate (ordinary least squares, OLS) pe fereastra de estimare \([-250, -11]\), \(T = 240\) de zile. Fereastra se oprește la ziua \(-11\) pentru ca evenimentul să nu influențeze estimările \(\hat a\) și \(\hat b\).

                        Pe scurt

                        • Întrebare: cît a pierdut Banca Transilvania (TLV) la anunțul taxei bancare, dincolo de scăderea pieței?
                        • Taxa a fost anunțată în seara de 18 dec. 2018, deci ziua 0 este 19 dec. 2018
                        • Modelul pieței, estimat prin OLS pe fereastra de estimare \([-250, -11]\), \(T = 240\) de zile
                          \[ r_{i,t} = a + b\,r_{m,t} + \varepsilon_t \]
                          • OLS: ordinary least squares
                          • \(r_{i,t}\), \(r_{m,t}\): randamentele logaritmice zilnice ale TLV (închidere ajustată) și ale BET
                          • fereastra de estimare se oprește la ziua \(-11\), ca evenimentul să nu influențeze \(\hat a\) și \(\hat b\)

                        Studiu de eveniment: taxa bancară din decembrie 2018 (2/4)

                        Slide 78 în PDF

                        Randamentul anormal (abnormal return, AR (AutoRegressive, model; in event studies: Abnormal Return, model autoregresiv; în studiile de eveniment: randament anormal)) din ziua \(\tau\) este randamentul realizat minus predicția modelului pieței, \(AR_\tau = r_{i,\tau} - (\hat a + \hat b\,r_{m,\tau})\), iar randamentul anormal cumulat (cumulative abnormal return, CAR) pe fereastra evenimentului \([0, +5]\) este suma celor șase AR. Testul absenței unui efect în ziua 0 este \(t = AR_0/\operatorname{SE}(AR_0)\), cu

                        \[\operatorname{SE}(AR_0) = \hat\sigma_\varepsilon\sqrt{1 + \frac{1}{T} + \frac{(r_{m,0} - \bar r_m)^2}{S_{mm}}},\]
                        (0.18)

                        unde \(\hat\sigma_\varepsilon\) este abaterea standard a reziduurilor, iar \(S_{mm} = \sum_t (r_{m,t} - \bar r_m)^2\) pe fereastra de estimare. Ultimii doi termeni din (0.18) adaugă la zgomotul zilei eroarea de estimare a lui \(\hat a\) și \(\hat b\) (MacKinlay, 1997). Cu erori iid Normale, \(t\) urmează sub ipoteza nulă o distribuție Student cu \(T-2\) grade de libertate; SE pentru CAR, care însumează \(L = 6\) zile, se calculează la fel.

                        Pe scurt

                        • Randamentul anormal (AR) și randamentul anormal cumulat (CAR) pe fereastra evenimentului \([0, +5]\)
                          \[ AR_\tau = r_{i,\tau} - (\hat a + \hat b\,r_{m,\tau}), \qquad CAR[0,+5] = \sum_{\tau=0}^{5} AR_\tau \]
                          • AR: abnormal return; CAR: cumulative abnormal return
                        • Testul pentru \(H_0\): anunțul nu are efect în ziua 0
                          \[ t = \frac{AR_0}{\operatorname{SE}(AR_0)}, \qquad \operatorname{SE}(AR_0) = \hat\sigma_\varepsilon\sqrt{1 + \frac{1}{T} + \frac{(r_{m,0} - \bar r_m)^2}{S_{mm}}} \]
                          • \(\hat\sigma_\varepsilon\): abaterea standard a reziduurilor
                          • \(S_{mm} = \sum_t (r_{m,t} - \bar r_m)^2\) pe fereastra de estimare
                          • SE include și eroarea de estimare a lui \(\hat a\) și \(\hat b\), nu doar zgomotul zilei (MacKinlay (1997))
                          • cu erori Normale iid, \(t\) urmează sub \(H_0\) distribuția Student cu \(T-2\) grade de libertate
                          • pentru CAR se însumează \(L = 6\) zile, iar SE se calculează analog

                        Studiu de eveniment: taxa bancară din decembrie 2018 (3/4)

                        Slide 79 în PDF

                        Panoul din stînga arată randamentele logaritmice zilnice ale TLV și ale BET, împreună cu predicția modelului, în zilele \(-10\) pînă la \(+5\), cu fereastra evenimentului colorată în roșu. Panoul din dreapta arată \(CAR[0,\tau]\), cumulat pînă în ziua \(\tau\), cu o bandă de \(\pm 1{,}96\) SE. În ziua 0, TLV scade cu 22,2%, iar modelul prevede 13,9%, deci \(AR_0 = -8{,}3\%\), cu \(t = -6{,}85\) și \(p < 10^{-10}\). Pe întreaga fereastră, \(CAR[0,+5] = -1{,}1\%\), cu SE de 2,27%, \(t = -0{,}48\) și \(p = 0{,}63\); banda conține 0 începînd din ziua 3.

                        Pe scurt

                        Studiu de eveniment: taxa bancară din decembrie 2018 (3/4)
                        • Stînga: randamentele logaritmice zilnice ale TLV, ale BET și predicția modelului
                          • în zilele \(-10\) … \(+5\)
                          • zona roșie: fereastra evenimentului
                        • Dreapta: \(CAR[0,\tau]\), cumulat pînă în ziua \(\tau\), cu banda de \(\pm 1{,}96\) SE
                        • Ziua 0: TLV \(-22{,}2\%\), predicția modelului \(-13{,}9\%\)
                          • deci \(AR_0 = -8{,}3\%\), \(t = -6{,}85\), \(p < 10^{-10}\)
                        • \(CAR[0,+5] = -1{,}1\%\), SE 2,27%, \(t = -0{,}48\), \(p = 0{,}63\)
                          • banda conține 0 din ziua 3
                        MFM_ch0_seminar

                        Studiu de eveniment: taxa bancară din decembrie 2018 (4/4)

                        Slide 80 în PDF

                        Estimările modelului pieței sînt \(\hat b = 1{,}18\) și \(\hat\sigma_\varepsilon = 0{,}83\%\) pe zi. Reacția anormală din ziua 0 este clară, dar zilele 1–3 recuperează cea mai mare parte a șocului, așa că pe o săptămînă efectul cumulat nu se poate deosebi de zgomot. Reacția din ziua 0 are o interpretare cauzală dacă în acea zi nu au apărut alte știri, predicția modelului pieței ținînd locul contrafactualului. Două limite o nuanțează. BET include TLV și BRD cu ponderi mari, deci predicția absoarbe o parte din șocul băncilor, iar AR îl subestimează. Anunțul a lovit apoi toate băncile în aceeași seară, deci AR-ul unei bănci nu este independent de al celorlalte. Seminarul 0 repetă analiza pentru TLV și BRD.

                        Pe scurt

                        • Estimările modelului pieței: \(\hat b = 1{,}18\), \(\hat\sigma_\varepsilon = 0{,}83\%\) pe zi
                        • Reacția anormală din ziua 0 este clară, dar zilele 1–3 recuperează cea mai mare parte a șocului
                          • pe o săptămînă, efectul cumulat nu se distinge de zgomot
                        • Tipul de dovadă: identificare cauzală a reacției din ziua 0
                          • dacă nicio altă știre nu a sosit în ziua 0; predicția modelului pieței ține locul contrafactualului, cu limitele de mai jos
                        • Limită: BET include TLV și BRD cu ponderi mari
                          • predicția absoarbe o parte din șocul băncilor, iar AR îl subestimează
                        • Limită: anunțul a afectat toate băncile în aceeași seară
                          • deci AR al unei bănci nu este independent de al celorlalte
                        • Exerciții: Seminarul 0, B7 (TLV) și B8 (BRD)

                        Exemplu rezolvat: arbitrajul menține prețul ETF-ului aproape de NAV

                        Slide 81 în PDF

                        Exemplul folosește cifre ilustrative: o valoare a activului net (net asset value, NAV) de 100 și un preț de piață al ETF-ului de 100,50, adică o primă (premium) \((P - \text{NAV})/\text{NAV}\) de 0,5%. Un participant autorizat (authorised participant, AP) cumpără coșul cu 100, îl predă emitentului, primește o unitate nouă de ETF și o vinde cu 100,50, un profit de 0,50 înainte de costuri. Unitățile suplimentare împing prețul ETF-ului în jos pînă cînd prima dispare; la un discount (\(P < \text{NAV}\)), AP face operațiunea inversă, cumpără unități de ETF și le răscumpără contra coșului. Primele persistă acolo unde NAV-ul este învechit sau coșul este nelichid, iar viteza cu care se sting se măsoară prin timpul de înjumătățire (half-life) al unui model autoregresiv de ordinul întîi, AR(1), din Anexă.

                        Pe scurt

                        • Cifre ilustrative: NAV \(= 100\), prețul de piață al ETF-ului \(P = 100{,}50\)
                          • deci prima \((P - \text{NAV})/\text{NAV} = 0{,}5\%\)
                        • Întrebări pentru sală
                          • ce tranzacție face un participant autorizat?
                          • ce se întîmplă cu prima?
                        • Răspuns: AP cumpără coșul cu 100 și îl predă emitentului
                          • primește o unitate ETF nouă și o vinde cu 100,50
                          • cîștig de 0,50 înainte de costuri
                          • oferta suplimentară de unități ETF reduce prețul pînă cînd prima dispare
                          • la un discount (\(P < \text{NAV}\)), AP cumpără unități ETF și le răscumpără contra coșului
                        • Primele persistă cînd NAV-ul nu este actualizat sau coșul este nelichid
                          • viteza cu care dispar se măsoară cu timpul de înjumătățire al unui AR(1), model autoregresiv de ordinul 1 (Anexă)

                        Studiu de caz: de unde provin ec. (5) și rata de transmitere (1/2)

                        Slide 82 în PDF

                        Ecuația (5) din Haddad, Huebner & Loualiche (2025) se sprijină pe două ipoteze: toți investitorii activi au aceeași elasticitate proprie \(\bar{\mathcal{E}}\), iar cei care trec la administrare pasivă sînt reprezentativi pentru investitorii activi. Introducînd răspunsul strategic, ec. (4), în media ponderată cu deținerile, în care deținerile active au ponderea \(\alpha\), iar cele pasive contribuie cu 0, se obține \(\mathcal{E}_{agg} = \alpha\bar{\mathcal{E}}/(1 + \chi\alpha)\). Împărțind la valoarea cu toți investitorii activi, \(\bar{\mathcal{E}}/(1+\chi)\), rezultă ec. (5) scrisă ca o singură fracție, \(\alpha(1+\chi)/(1+\chi\alpha)\).

                        Pe scurt

                        • Ipotezele ec. (5) (Secțiunea V.A)
                          • toți investitorii activi au aceeași elasticitate proprie \(\bar{\mathcal{E}}\)
                          • cei care trec la administrare pasivă sînt reprezentativi pentru investitorii activi
                        • Pasul 1: introducem ec. (4) în media ponderată cu deținerile (ec. 2)
                          \[ \mathcal{E}_{agg} = \alpha\,(\bar{\mathcal{E}} - \chi\,\mathcal{E}_{agg}) \quad\Rightarrow\quad \mathcal{E}_{agg} = \frac{\alpha\,\bar{\mathcal{E}}}{1 + \chi\alpha} \]
                          • deținerile active au ponderea \(\alpha\), cele pasive contribuie cu 0
                        • Pasul 2: împărțim la valoarea cu toți investitorii activi, \(\bar{\mathcal{E}}/(1+\chi)\), adică la \(\alpha = 1\)
                          \[ \frac{\alpha(1+\chi)}{1+\chi\alpha} = \alpha + (1-\alpha)\,\frac{\chi\alpha}{1+\chi\alpha} \]
                          • rezultatul este ec. (5) scrisă ca o singură fracție

                        Studiu de caz: de unde provin ec. (5) și rata de transmitere (2/2)

                        Slide 83 în PDF

                        Elasticitatea lui \(\mathcal{E}_{agg}\) în raport cu \(\alpha\) este rata de transmitere (pass-through) din ec. (28):

                        \[\frac{d\ln \mathcal{E}_{agg}}{d\ln \alpha} = \frac{1}{1+\chi\alpha}.\]
                        (0.19)

                        Cu \(\chi = 1\) și \(\alpha = 0{,}5\), ec. (5) dă 0,67, iar rata de transmitere (0.19) este tot \(1/1{,}5 = 0{,}67\), deci o scădere cu 1% a lui \(\alpha\) reduce \(\mathcal{E}_{agg}\) cu circa 0,67%. Dacă investitorii cei mai elastici trec primii la administrare pasivă, ipoteza de reprezentativitate nu mai este valabilă.

                        Pe scurt

                        • Pasul 3: elasticitatea lui \(\mathcal{E}_{agg}\) în raport cu \(\alpha\) este rata de transmitere din ec. (28)
                          \[ \frac{d\ln \mathcal{E}_{agg}}{d\ln \alpha} = 1 - \frac{\chi\alpha}{1+\chi\alpha} = \frac{1}{1+\chi\alpha} \]
                        • Exemplu, \(\chi = 1\) și \(\alpha = 0{,}5\)
                          • ec. (5) dă \(0{,}5 \times 2/1{,}5 = 0{,}5 + 0{,}5 \times 0{,}5/1{,}5 = 0{,}67\)
                          • rata de transmitere este \(1/1{,}5 = 0{,}67\)
                          • deci o scădere cu 1% a lui \(\alpha\) reduce \(\mathcal{E}_{agg}\) cu circa 0,67%
                        • Dacă investitorii cei mai elastici trec primii la administrare pasivă
                          • ipoteza de reprezentativitate nu mai este valabilă (Seminarul 0, C3)

                        Temă de proiect propusă: fluxul de lucru

                        Slide 84 în PDF

                        Tema de proiect a capitolului urmează un flux de lucru fix. Ea începe prin reproducerea cifrelor capitolului, multiplii de randament total ai SPY (×12,7) și RSP (×11,9) și statisticile \(t\) ale mini studiului de caz, cu aceleași definiții: randamente logaritmice ale prețurilor de închidere ajustate, alăturate pe zilele comune. Ipotezele nulă și alternativă, testul, eșantionul, lagul \(L\) al erorii standard robuste la heteroscedasticitate și autocorelație (heteroskedasticity and autocorrelation consistent, HAC) și corecțiile pentru testarea multiplă se preînregistrează înaintea rezultatelor. Raportul dă estimarea, eroarea ei standard, efectul minim detectabil (minimum detectable effect, MDE) și fiecare specificație încercată; codul se publică drept Quantlet, prompturile care au influențat decizii se consemnează în `AI_USE.md`, iar fiecare eroare depistată în `AI_ERRORS.md`.

                        Pe scurt

                        • Reproduceți întîi: SPY \(\times 12{,}7\), RSP \(\times 11{,}9\) și statisticile \(t\) din mini studiul de caz
                          • cu aceleași definiții: randamente logaritmice ale prețurilor ajustate, aliniate pe zilele comune
                        • Preînregistrați, într-un commit făcut înainte de rezultate
                          • \(H_0\), \(H_1\), testul, eșantionul, lagul HAC \(L\) (Anexă) și corecțiile
                        • Raportați: estimația, eroarea standard, MDE și toate specificațiile încercate
                        • Publicați codul ca Quantlet
                        • Consemnați
                          • prompturile care au influențat decizii în AI_USE.md
                          • fiecare eroare depistată în AI_ERRORS.md

                        Anexă

                        Anexa adună materialul de referință al capitolului: harta cursului și bibliografia de bază, termenii structurii pieței, istoria burselor, a bulelor și a modelelor financiare val cu val, derivări despre scalarea volatilității și precizia raportului Sharpe, grafice suplimentare despre clasele de active, dobînzi și piața românească, activele digitale și reglementarea lor, metoda și rezultatele complete ale studiului de caz, mini studiul de caz al buclei descoperirii și un flux minimal în Python, cu o listă de verificare a datelor.

                        Harta cursului, 20 de capitole

                        Slide 85 în PDF

                        Cursul are douăzeci de capitole: de la piețele financiare și faptele stilizate (capitolele 0–1), prin eficiență, modele factoriale și portofolii (2–4), volatilitate și risc (5–9), microstructură, timp continuu și opțiuni (10–12), machine learning, deep learning și modele de limbaj (13–15), pînă la active digitale, bule și risc sistemic (16–18) și prezentarea proiectelor (19).

                        Bibliografie de bază și aprofundare

                        Slide 86 în PDF

                        Referința statistică principală a cursului este Franke, Härdle & Hafner (2019), Statistics of Financial Markets. Referința econometrică este Campbell, Lo & MacKinlay (1997), iar Brandimarte (2018) oferă o introducere cantitativă în piețe. Metodele multivariate sînt în Härdle & Simar (2019), aplicațiile în Härdle, Chen & Overbeck (2017), iar Härdle, Harvey & Reule (2020) trec în revistă criptomonedele. Cursuri avansate pe aceleași teme sînt disponibile pe Quantinar.

                        Pe scurt

                        Termeni pentru clasele de active

                        Slide 87 în PDF

                        Cadrul definește termenii folosiți cînd capitolul descrie clasele de active. Pe piața monetară, titlurile de trezorerie (Treasury bills, T-bills) sînt datorie publică cu scadența sub un an, iar acordul de răscumpărare (repo) este un împrumut pe termen scurt garantat cu titluri. Dintre instrumentele derivate, un contract futures fixează astăzi prețul unei cumpărări sau vînzări ulterioare, o opțiune dă dreptul, nu și obligația, de a tranzacționa la un preț fix, iar un swap schimbă fluxuri de plăți. Riscul idiosincratic (idiosyncratic risk) este specific unei companii; riscul de contrapartidă (counterparty risk) este riscul ca cealaltă parte a contractului să nu plătească. Infrastructura cuprinde sistemul multilateral de tranzacționare (multilateral trading facility, MTF), contrapartea centrală (central counterparty, CCP), care devine cumpărătorul fiecărui vînzător și vînzătorul fiecărui cumpărător, și banca custode (custodian), care păstrează titlurile.

                        Pe scurt

                        • Piața monetară
                          • titluri de trezorerie (T-bills): titluri de stat cu scadența sub un an
                          • repo: acord de răscumpărare, un împrumut pe termen scurt garantat cu titluri
                        • Derivate
                          • futures: contract de cumpărare sau vînzare la o dată viitoare, la un preț fixat azi
                          • opțiuni: dreptul, nu obligația, de a cumpăra sau vinde la un preț fixat
                          • swap-uri: schimburi de fluxuri de numerar
                        • Riscuri
                          • risc idiosincratic: specific unei singure companii
                          • risc de contrapartidă: partea cealaltă a contractului poate să nu plătească
                        • Infrastructură
                          • sistem multilateral de tranzacționare (MTF): loc de tranzacționare operat în afara unei burse reglementate
                          • contraparte centrală (CCP): devine cumpărătorul fiecărui vînzător și vînzătorul fiecărui cumpărător
                          • bancă custode (custodian): păstrează titlurile

                        Locurile de tranzacționare

                        Slide 88 în PDF

                        Tabelul compară cinci tipuri de locuri de tranzacționare după mecanismul de execuție și după informația vizibilă. Bursele potrivesc ordinele într-un registru central de ordine limită și în licitații și publică cotațiile și tranzacțiile. Dealerii de pe piața over-the-counter (OTC) tranzacționează bilateral, iar informația devine vizibilă abia după tranzacție, ca la obligațiuni, valute și swap-uri. Dark pool-urile execută la un preț preluat de pe piețele publice și nu arată nimic înainte de tranzacție. Bursele centralizate de criptoactive au un registru de ordine deschis 24/7, iar un automated market maker (AMM) este un smart contract care tranzacționează dintr-un fond comun de două tokenuri, la un preț stabilit printr-o formulă. Makarov & Schoar (2020) documentează diferențe de preț mari și persistente între platformele de criptoactive, menținute de controalele de capital și de costuri.

                        Pe scurt

                        LocMecanismul de execuțieInformație vizibilăExemple
                        Bursăregistru central de ordine limită, licitațiicotații și tranzacțiiNYSE, Nasdaq, BVB
                        Dealer OTCbilateral, cu un dealerpuțin, după tranzacțieobligațiuni, valută, swap-uri
                        Dark poolla un preț preluat de pe piețele publicenimic înainte de tranzacțieordine mari pe acțiuni
                        Platformă cripto centralizatăregistru de ordine operat de o companie, 24/7cotații și tranzacțiiBitcoin, Ether spot
                        AMM (descentralizat)un pool cu două tokenuri, preț dat de o formulăpool-ul, pe blockchainCapitolul 16
                        • OTC: negociat între două părți, fără bursă
                        • AMM: formator de piață automat, un contract inteligent care tranzacționează fără operator
                        • Makarov & Schoar (2020): între sutele de platforme cripto apar diferențe de preț mari și persistente
                          • menținute de controalele de capital și de costuri

                        Licitații și tranzacționare continuă

                        Slide 89 în PDF

                        O licitație de tip call (call auction) adună ordinele și le execută la un singur preț, cel care maximizează volumul tranzacționat; majoritatea burselor folosesc licitații la deschidere și la închidere, iar licitația de închidere stabilește prețul de închidere zilnic folosit în tot cursul. În tranzacționarea continuă, fiecare ordin nou este executat imediat, dacă se poate, întîi după cel mai bun preț și apoi după momentul introducerii. Mecanismul răsplătește viteza: tranzacționarea de înaltă frecvență (high-frequency trading, HFT) operează în microsecunde. Budish, Cramton & Shim (2015) propun licitații frecvente pe loturi (frequent batch auctions) pentru a pune capăt cursei vitezei.

                        Pe scurt

                        Licitații (call auctions)
                        • Ordinele se acumulează, apoi se execută la un preț unic
                          • cel care maximizează volumul tranzacționat
                        • Folosite de majoritatea burselor la deschidere și la închidere
                        • Concentrează lichiditatea
                          • licitația de închidere dă prețul de închidere folosit în curs
                        Tranzacționare continuă
                        • Fiecare ordin nou se execută imediat, dacă are contrapartidă
                          • întîi cel mai bun preț, apoi ordinul cel mai vechi
                        • Viteza aduce un avantaj
                          • tranzacționarea de înaltă frecvență (HFT) operează în microsecunde
                        • Budish, Cramton & Shim (2015): licitații frecvente pe loturi, pentru a elimina cursa pentru viteză

                        De la ringul bursier la ecrane

                        Slide 90 în PDF

                        În tranzacționarea prin strigare (open outcry), brokerii se întîlneau în ringul bursei și potriveau ordinele prin voce și semne cu mîna, ca în fotografiile ringului Bursei din New York (NYSE) din 2011 și al Chicago Board of Trade din 1992. Registrele electronice de ordine au înlocuit treptat tranzacționarea în ring, iar astăzi ordinele sînt potrivite de calculatoare. Microstructura pieței este subiectul Capitolului 10.

                        Pe scurt

                        De la ringul bursier la ecrane Ecrane electronice, Chicago Board of Trade, 1992 Foto: Lars Plougmann (1992); CC BY-SA 2.0; Wikimedia Commons
                        • Tranzacționare prin strigare (open outcry)
                          • agenții de bursă tranzacționau în ring, prin strigăte și semne cu mîna
                        • Registrele electronice au preluat treptat tranzacționarea din ring
                        • Astăzi ordinele se potrivesc automat

                        Modelul lui Roll pentru oscilația bid–ask

                        Slide 91 în PDF

                        În modelul lui Roll (1984), prețul observat este \(p_t = m_t + (s/2)\,q_t\), unde \(m_t\) este prețul eficient, un random walk, \(s\) un spread constant, iar \(q_t = \pm 1\) sînt semnele tranzacțiilor, independente, egal probabile și fără legătură cu \(\Delta m_t\). Doar semnul comun \(q_{t-1}\) leagă variațiile consecutive ale prețului, deci

                        \[\operatorname{Cov}(\Delta p_t, \Delta p_{t-1}) = -\frac{s^2}{4}, \qquad \hat s = 2\sqrt{-\hat\gamma_1},\]
                        (0.20)

                        unde \(\hat\gamma_1\) este autocovarianța de selecție de ordinul întîi a variațiilor prețului. Estimatorul din (0.20) nu este definit cînd \(\hat\gamma_1 > 0\), iar alte forme de dependență modifică și ele \(\hat\gamma_1\), deci nu orice autocovarianță negativă provine din oscilația bid–ask (bid–ask bounce).

                        Pe scurt

                        • Modelul: \(p_t = m_t + (s/2)\,q_t\)
                          • \(m_t\): prețul eficient (mers aleator)
                          • \(s\): un spread constant, în unități de preț
                          • \(q_t = \pm 1\): semnul tranzacției, independent, cu probabilități egale și necorelat cu \(\Delta m_t\)
                        • Atunci \(\Delta p_t = \Delta m_t + (s/2)(q_t - q_{t-1})\)
                        • Doar termenul comun \(q_{t-1}\) leagă două variații consecutive:
                          \[ \operatorname{Cov}(\Delta p_t, \Delta p_{t-1}) = -\frac{s^2}{4}\operatorname{Var}(q_{t-1}) = -\frac{s^2}{4}, \qquad \hat s = 2\sqrt{-\hat\gamma_1} \]
                        • \(\hat\gamma_1\): autocovarianța empirică a variațiilor consecutive ale prețului
                          • \(\hat s\) rezolvă \(\gamma_1 = -s^2/4\)
                        • Limite (Roll (1984); Capitolul 10)
                          • dacă \(\hat\gamma_1 > 0\), estimatorul nu este definit (\(\hat\gamma_1 = 0\) dă \(\hat s = 0\))
                          • și alte forme de dependență influențează \(\hat\gamma_1\)
                          • nu orice autocovarianță negativă provine din oscilația bid–ask

                        Un crah istoric, Marțea Neagră, 1929

                        Slide 92 în PDF

                        Fotografia arată mulțimea din fața Bursei din New York pe 29 octombrie 1929, Marțea Neagră (Black Tuesday). Crahul a adîncit o recesiune americană începută în august 1929, potrivit datărilor ciclului economic ale NBER; contracția inițială a Marii Crize a durat pînă în 1933. Bulele și crahurile sînt studiate în Capitolul 17.

                        Pe scurt

                        Un crah istoric, Marțea Neagră, 1929 Mulțime în fața NYSE, 29 octombrie 1929 Foto: guvernul SUA (1929); domeniu public; Wikimedia Commons
                        • 29 octombrie 1929 (Marțea Neagră)
                          • în plin crah, mulțimea se strînge în fața Bursei din New York
                        • Crahul a adîncit recesiunea americană începută în august 1929 (datarea ciclurilor NBER)
                          • prima fază de contracție a Marii Crize a durat pînă în 1933
                        • Bulele și crahurile: Capitolul 17

                        Tulip mania și bula Mării Sudului, revăzute

                        Slide 93 în PDF

                        Povestea populară a tulip mania provine în mare parte din pamfletele moralizatoare scrise după crah. Garber (1989) arată că bulbii rari s-au depreciat la fel ca soiurile noi pe piețele de flori de mai tîrziu, iar comerțul cu bulbi obișnuiți a durat cîteva săptămîni de iarnă, s-a desfășurat în taverne și s-a bazat pe contracte rareori executate. Goldgar (2007) găsește puține falimente și pagube mici pentru economia olandeză. Frehen, Goetzmann & Rouwenhorst (2013) arată că în 1720 avîntul s-a extins la Paris, Londra și Amsterdam, cu cele mai mari creșteri pentru firmele legate de comerțul atlantic și de asigurări. Lecția reluată în Capitolul 17 este că o bulă se sprijină pe o poveste despre o schimbare reală, iar datarea ei cere un model al valorii fundamentale.

                        Pe scurt

                        Tulip mania și bula Mării Sudului, revăzute Jan Brueghel cel Tînăr, Satiră despre tulip mania, c. 1640 Pictură: Jan Brueghel cel Tînăr; domeniu public; Wikimedia Commons Tulip mania și bula Mării Sudului, revăzute William Hogarth, The South Sea Scheme, 1721 Gravură: William Hogarth (1721); CC0; National Gallery of Art, Wikimedia Commons
                        • Povestea populară despre tulip mania provine în mare parte din pamfletele moralizatoare scrise după crah
                        • Garber (1989)
                          • bulbii rari s-au depreciat ca soiurile noi pe piețele de flori de mai tîrziu
                          • bulbii obișnuiți: cîteva săptămîni de iarnă, tranzacții prin taverne, contracte rareori executate
                        • Goldgar (2007): puține falimente, pagube mici pentru economia olandeză
                        • Frehen, Goetzmann & Rouwenhorst (2013): în 1720, boom-ul a cuprins Paris, Londra și Amsterdam
                          • cu cele mai mari creșteri la firmele legate de comerțul atlantic și de asigurări
                        • Lecția (Capitolul 17): o bulă se sprijină pe o narațiune despre o schimbare reală
                          • datarea ei necesită un model al valorii fundamentale

                        Modelele financiare, 1900–2026: o privire de ansamblu

                        Slide 94 în PDF

                        Graficul așază principalele modele financiare pe o axă a timpului între 1900 și 2026: modelul de evaluare a activelor financiare (capital asset pricing model, CAPM), teoria evaluării prin arbitraj (arbitrage pricing theory, APT), modelele ratei dobînzii Vasicek, Cox–Ingersoll–Ross (CIR) și Heath–Jarrow–Morton (HJM), modelele de volatilitate condiționată ARCH și GARCH, adoptarea expected shortfall în revizuirea fundamentală a portofoliului de tranzacționare (fundamental review of the trading book, FRTB) și simularea Monte Carlo pe calculatoare cuantice. Cadrele următoare iau valurile pe rînd.

                        Pe scurt

                        Modelele financiare, 1900–2026: o privire de ansamblu
                        Abrevieri din grafic: CAPM, modelul de evaluare a activelor financiare; APT, teoria evaluării prin arbitraj; Vasicek, CIR (Cox–Ingersoll–Ross) și HJM (Heath–Jarrow–Morton), modele ale ratei dobînzii; ARCH și GARCH, modele de volatilitate condiționată; FRTB: ES, revizuirea fundamentală a portofoliului de tranzacționare, care adoptă expected shortfall; quantum MC, simulare Monte Carlo pe calculatoare cuantice MFM_ch0_history

                        Machine learning, AI generativă și calcul cuantic

                        Slide 95 în PDF

                        Al doilea grafic mărește partea cea mai recentă a cronologiei, cu reperele machine learning (ML), ale inteligenței artificiale (AI) generative și ale simulării Monte Carlo pe calculatoare cuantice. Axa timpului marchează datele reperelor numite.

                        Pe scurt

                        Machine learning, AI generativă și calcul cuantic
                        ML, machine learning; AI, artificial intelligence (inteligență artificială); quantum MC, simulare Monte Carlo pe calculatoare cuantice. Axa timpului indică anii reperelor numite. MFM_ch0_history

                        Originile, mersul aleator și piețele eficiente

                        Slide 96 în PDF

                        Bachelier (1900) a modelat prețurile titlurilor de stat franceze ca o mișcare browniană, cu cinci ani înaintea lui Einstein, și a dat prima formulă de evaluare a opțiunilor. Mandelbrot (1963) a arătat că variațiile prețului bumbacului au cozi mult mai groase decît permite distribuția Normală. Mișcarea browniană geometrică păstrează prețurile pozitive și face randamentele logaritmice Normale. Fama (1965) și Fama (1970) au formulat ipoteza piețelor eficiente (efficient market hypothesis, EMH) în trei forme: slabă (prețurile trecute), semi-tare (informația publică) și tare (toată informația). Cursul reia faptele stilizate în Capitolul 1, testele de eficiență în Capitolul 2 și modelele în timp continuu în Capitolul 11.

                        Pe scurt

                        • Bachelier (1900), Théorie de la spéculation
                          • prețurile titlurilor de stat franceze urmează o mișcare browniană, cu cinci ani înaintea lui Einstein
                          • prima formulă de evaluare a opțiunilor
                        • Mandelbrot (1963): variațiile prețului bumbacului
                          • au cozi mult mai groase decît permite distribuția Normală
                        • Samuelson (1965): mișcarea browniană geometrică păstrează prețurile pozitive
                          • randamentele logaritmice urmează distribuția Normală
                        • Fama (1965), Fama (1970): EMH în trei forme
                          • slabă: prețurile trecute
                          • semi-tare: informația publică
                          • tare: toată informația
                        • În acest curs

                        Portofolii și evaluarea de echilibru

                        Slide 97 în PDF

                        Tobin (1958) a stabilit separarea în două fonduri (two-fund separation): cu un activ fără risc, fiecare investitor deține același portofoliu riscant. CAPM (Sharpe, 1964), (Lintner, 1965), (Mossin, 1966) afirmă că \(\mathbb{E}[R_i] - r_f = \beta_i(\mathbb{E}[R_m] - r_f)\), cu \(\beta_i = \operatorname{Cov}(R_i, R_m)/\operatorname{Var}(R_m)\), deci doar riscul de piață este remunerat; modelul presupune investitori medie–varianță cu aceleași așteptări, împrumut și plasament la \(r_f\) și absența fricțiunilor. În APT-ul lui Ross (1976), absența arbitrajului cu \(K\) factori comuni duce la un model factorial liniar, iar Fama & French (1993) folosesc trei factori: piața, mărimea (SMB, small minus big) și valoarea (HML, high minus low după raportul valoare contabilă/valoare de piață). Modelele factoriale sînt subiectul Capitolului 3, iar optimizarea portofoliului al Capitolului 4.

                        Pe scurt

                        • Tobin (1958): dacă există un activ fără risc, toți investitorii dețin același portofoliu riscant
                          • separarea în două fonduri
                        • CAPM: \(\E[R_i] - r_f = \beta_i\,(\E[R_m] - r_f)\) (Sharpe (1964); Lintner (1965); Mossin (1966))
                          • doar riscul de piață aduce o primă de risc
                          • \(R_i\), \(R_m\): randamentele activului \(i\) și ale portofoliului pieței
                          • \(r_f\): rata fără risc
                          • \(\beta_i = \operatorname{Cov}(R_i, R_m)/\operatorname{Var}(R_m)\)
                          • ipoteze: investitori de tip medie–varianță cu aceleași așteptări, împrumut și plasament la \(r_f\), fără fricțiuni
                        • APT: absența arbitrajului cu \(K\) factori comuni duce la un model factorial liniar (Ross (1976))
                          • APT: teoria evaluării prin arbitraj
                        • Trei factori: piața, mărimea (SMB) și valoarea (HML) (Fama & French (1993))
                          • SMB: firme mici minus mari
                          • HML: raport valoare contabilă/valoare de piață mare minus mic
                        • În acest curs: modelele factoriale (Capitolul 3), optimizarea portofoliului (Capitolul 4)

                        Instrumente derivate și timp continuu

                        Slide 98 în PDF

                        Black & Scholes (1973) și Merton (1973) au evaluat opțiunile prin replicare dinamică. Heston (1993) a adăugat volatilitatea stocastică, cu un preț al opțiunii în formă închisă. În modelul de volatilitate rugoasă (rough volatility) al lui Gatheral, Jaisson & Rosenbaum (2018), logaritmul volatilității urmează o mișcare browniană fracționară \(B^H\), un proces gaussian cu \(\operatorname{Var}(B^H_{t+h} - B^H_t) = |h|^{2H}\), cu exponentul Hurst \(H\) aproape de 0,1; \(H = 1/2\) corespunde mișcării browniene, iar \(H < 1/2\) dă traiectorii mai rugoase. Aceste modele sînt studiate în capitolele 11 și 12.

                        Pe scurt

                        • Black & Scholes (1973); Merton (1973): prețul opțiunii prin replicare dinamică
                        • Heston (1993): volatilitate stocastică, cu preț al opțiunii în formă închisă
                        • Gatheral, Jaisson & Rosenbaum (2018): volatilitate aspră (rough volatility)
                          • logaritmul volatilității urmează o mișcare browniană fracționară cu exponent Hurst în jur de 0,1
                          • mișcarea browniană fracționară \(B^H\): gaussiană, cu \(\operatorname{Var}(B^H_{t+h} - B^H_t) = |h|^{2H}\), pasul \(h\) și exponentul Hurst \(H \in (0,1)\)
                          • \(H = 1/2\) este mișcarea browniană, \(H < 1/2\) dă traiectorii mai neregulate
                        • În acest curs: Capitolele 11 și 12

                        Modelele ratei dobînzii

                        Slide 99 în PDF

                        În modelul lui Vasicek (1977), rata pe termen scurt urmează \(dr_t = \kappa(\theta - r_t)\,dt + \sigma\,dW_t\): driftul trage \(r_t\) spre nivelul de lungă durată \(\theta\) cu viteza \(\kappa > 0\), iar \(dW_t\) este o creștere a mișcării browniene, cu varianța \(dt\); rata poate deveni negativă. Modelul CIR (Cox, Ingersoll & Ross, 1985) înmulțește șocul cu \(\sqrt{r_t}\), astfel că volatilitatea scade pe măsură ce rata se apropie de zero, iar rata nu devine negativă. Cadrul HJM (Heath, Jarrow & Morton, 1992) modelează direct întreaga curbă a ratelor forward, iar absența arbitrajului fixează driftul fiecărei rate ca funcție de volatilitățile ei.

                        Pe scurt

                        • Vasicek (1977): \(dr_t = \kappa(\theta - r_t)\,dt + \sigma\,dW_t\)
                          • rata pe termen scurt revine spre nivelul \(\theta\), dar poate deveni negativă
                        • CIR (Cox, Ingersoll & Ross (1985)): \(dr_t = \kappa(\theta - r_t)\,dt + \sigma\sqrt{r_t}\,dW_t\)
                          • volatilitatea scade cînd rata se apropie de zero, astfel încît rata rămîne nenegativă
                        • HJM (Heath, Jarrow & Morton (1992)): modelează direct întreaga curbă a ratelor forward
                          • absența arbitrajului fixează driftul fiecărei rate în funcție de volatilitățile ei
                        • Notațiile
                          • \(r_t\): rata pe termen scurt la momentul \(t\) (aici o rată a dobînzii, nu un randament logaritmic)
                          • \(dr_t\): variația ei pe intervalul \(dt\)
                          • \(\kappa > 0\): viteza de revenire la medie
                          • \(\theta\): nivelul pe termen lung
                          • \(\sigma\): volatilitatea ratei
                          • \(dW_t\): incrementul unei mișcări browniene, Normal cu media 0 și varianța \(dt\)
                          • driftul \(\kappa(\theta - r_t)\) este pozitiv cînd \(r_t < \theta\) și negativ cînd \(r_t > \theta\), deci rata este atrasă spre \(\theta\)

                        Modele de volatilitate

                        Slide 100 în PDF

                        Pentru un randament zilnic centrat \(r_t\), cu varianța condiționată \(\sigma_t^2\), modelul ARCH al lui Engle (1982) stabilește \(\sigma_t^2 = \omega + \alpha r_{t-1}^2\), iar modelul GARCH al lui Bollerslev (1986) adaugă varianța din perioada anterioară, \(\sigma_t^2 = \omega + \alpha r_{t-1}^2 + \beta\sigma_{t-1}^2\); cînd \(\alpha + \beta < 1\), varianța revine la nivelul ei de lungă durată, \(\omega/(1 - \alpha - \beta)\). RiskMetrics (J.P. Morgan/Reuters, 1996) folosește o medie mobilă ponderată exponențial (exponentially weighted moving average, EWMA) a randamentelor la pătrat, \(\sigma_t^2 = \lambda\sigma_{t-1}^2 + (1-\lambda)r_{t-1}^2\), cu \(\lambda = 0{,}94\) pentru date zilnice, adică un GARCH(1,1) cu \(\omega = 0\) și \(\alpha + \beta = 1\). Andersen et al. (2003) măsoară volatilitatea din randamentele intrazilnice. Capitolele 5–9 tratează aceste modele.

                        Pe scurt

                        • \(r_t\): randamentul zilnic (fără medie)
                          • \(\sigma_t^2\): varianța lui condiționată de trecut
                        • ARCH (Engle (1982)): \(\sigma_t^2 = \omega + \alpha r_{t-1}^2\)
                          • varianța de azi depinde de șocul de ieri ridicat la pătrat
                        • GARCH (Bollerslev (1986)): \(\sigma_t^2 = \omega + \alpha r_{t-1}^2 + \beta\sigma_{t-1}^2\)
                          • adaugă varianța din perioada anterioară
                          • \(\omega > 0\): o constantă; \(\alpha \ge 0\): reacția la șocul de ieri; \(\beta \ge 0\): persistența varianței
                          • \(\alpha + \beta < 1\): varianța revine la nivelul ei pe termen lung, \(\omega/(1 - \alpha - \beta)\)
                        • RiskMetrics (J.P. Morgan, 1994; J.P. Morgan/Reuters (1996)): \(\sigma_t^2 = \lambda\sigma_{t-1}^2 + (1-\lambda)r_{t-1}^2\)
                          • o EWMA (medie mobilă ponderată exponențial) a randamentelor la pătrat, cu \(\lambda = 0{,}94\) pentru date zilnice
                          • factorul de descreștere \(\lambda \in (0,1)\): un \(\lambda\) mai mare înseamnă o memorie mai lungă
                          • randamentul de acum \(k\) zile primește ponderea \((1-\lambda)\lambda^{k-1}\): un GARCH(1,1) cu \(\omega = 0\) și \(\alpha + \beta = 1\)
                        • Volatilitatea realizată din randamente intraday (Andersen et al. (2003))
                        • În acest curs: Capitolele 5–9

                        Măsurarea riscului și reglementarea (1/2)

                        Slide 101 în PDF

                        Pentru un randament \(X\) cu cuantila de ordin \(\alpha\) notată \(q_\alpha(X)\), valoarea la risc la probabilitatea de coadă \(\alpha\) și expected shortfall (ES) sînt

                        \[\mathrm{VaR}_\alpha(X) = -q_\alpha(X), \qquad \mathrm{ES}_\alpha(X) = -\frac{1}{\alpha}\int_0^\alpha q_u(X)\,du.\]
                        (0.21)

                        VaR 1% este pierderea depășită cu probabilitatea 1%; ES este pierderea medie în cele mai rele \(\alpha\) din cazuri și, pentru distribuții continue, este egală cu \(-\mathbb{E}[X \mid X \le q_\alpha(X)]\), deci \(\mathrm{ES}_\alpha \ge \mathrm{VaR}_\alpha\). Din 1996, Comitetul de la Basel pentru Supraveghere Bancară (Basel Committee on Banking Supervision, BCBS) permite modele interne pentru VaR 1% pe 10 zile (BCBS, 1996), iar FRTB îl înlocuiește cu ES 2,5% (BCBS, 2019).

                        Pe scurt

                        • VaR (valoarea la risc) a unui randament \(X\) la probabilitatea de coadă \(\alpha\)
                          \[ \mathrm{VaR}_\alpha(X) = -q_\alpha(X), \qquad \mathrm{ES}_\alpha(X) = -\frac{1}{\alpha}\int_0^\alpha q_u(X)\,du \]
                          • VaR: pierderea depășită cu probabilitatea \(\alpha\)
                          • \(q_\alpha(X)\): cuantila de ordin \(\alpha\) a lui \(X\), cu \(P(X \le q_\alpha) = \alpha\)
                          • „VaR 1%” înseamnă \(\alpha = 1\%\) (aici o probabilitate de coadă; în studiul de caz \(\alpha\) este ponderea activă)
                        • ES (expected shortfall): pierderea medie în cele mai rele \(\alpha\) din cazuri
                          • media cuantilelor \(q_u\) cu \(u \le \alpha\)
                          • pentru distribuții continue, \(\mathrm{ES}_\alpha(X) = -\E[X \mid X \le q_\alpha(X)]\)
                          • \(\mathrm{ES}_\alpha \ge \mathrm{VaR}_\alpha\): ES ține seama și de mărimea pierderilor de dincolo de VaR
                        • Basel: din 1996, BCBS permite modele interne de VaR 1% pe 10 zile (BCBS (1996))
                          • BCBS: Basel Committee on Banking Supervision
                        • FRTB îl înlocuiește cu ES 2,5% (BCBS (2019))
                          • FRTB: revizuirea fundamentală a portofoliului de tranzacționare

                        Măsurarea riscului și reglementarea (2/2)

                        Slide 102 în PDF

                        Artzner et al. (1999) numesc o măsură de risc \(\rho(X)\), capitalul necesar pentru o poziție \(X\), coerentă (coherent) dacă este monotonă, invariantă la translație, pozitiv omogenă și subaditivă, \(\rho(X + Y) \le \rho(X) + \rho(Y)\), astfel încît diversificarea să nu adauge niciodată risc. VaR poate încălca subaditivitatea și poate astfel penaliza diversificarea, pe cînd ES este coerentă (Acerbi & Tasche, 2002). Teoria valorilor extreme (extreme value theory, EVT) modelează cozile dincolo de majoritatea datelor (Embrechts, Klüppelberg & Mikosch, 1997), (McNeil & Frey, 2000).

                        Pe scurt

                        • Măsură a riscului coerentă (Artzner et al. (1999)): \(\rho(X)\), capitalul necesar pentru poziția \(X\), cu patru proprietăți
                          • monotonă: o poziție care plătește mereu mai puțin este mai riscantă
                          • invariantă la translație: adăugarea unei sume \(c\) în numerar scade \(\rho\) cu \(c\)
                          • pozitiv omogenă: dublarea poziției dublează \(\rho\)
                          • subaditivă: \(\rho(X + Y) \le \rho(X) + \rho(Y)\), diversificarea nu adaugă risc
                        • VaR poate încălca subaditivitatea și astfel poate penaliza diversificarea
                        • EVT modelează cozile dincolo de majoritatea datelor (Embrechts, Klüppelberg & Mikosch (1997); McNeil & Frey (2000))
                          • EVT: teoria valorilor extreme

                        Copula Gaussiană și criza din 2008 (1/2)

                        Slide 103 în PDF

                        Li (2000) a construit momentele de default comune din probabilitățile marginale de default \(F_i\) și o structură de dependență Normală: \(\tau_i = F_i^{-1}(\Phi(Z_i))\), cu \(Z_i = \sqrt{\rho}\,M + \sqrt{1-\rho}\,\varepsilon_i\), unde \(\Phi\) este funcția de repartiție a distribuției Normale standard, \(M\) un factor comun, iar \(\varepsilon_i\) șocul propriu al debitorului, ambii Normali standard și independenți. Un \(\rho\) mai mare face ca defaulturile să se producă împreună; \(\rho = 0\) le face independente. Acest unic parametru evalua fiecare tranșă a unui CDO (collateralised debt obligation), plătit dintr-un fond comun de credite în ordinea priorității.

                        Pe scurt

                        • Li (2000): momentele de default ale emitenților
                          \[ \tau_i = F_i^{-1}\big(\Phi(Z_i)\big), \qquad Z_i = \sqrt{\rho}\,M + \sqrt{1-\rho}\,\varepsilon_i \]
                          • se obțin din probabilitățile marginale de default \(F_i\) și o structură de dependență Normală
                          • \(\tau_i\): momentul de default al debitorului \(i\)
                          • \(F_i(t)\): probabilitatea ca \(i\) să intre în default înainte de \(t\)
                          • \(\Phi\): funcția de repartiție a distribuției Normale standard, care transformă \(Z_i\) într-o valoare din \((0,1)\)
                          • \(Z_i\): variabila latentă de credit; \(M\): factorul comun; \(\varepsilon_i\): șocul propriu
                          • \(M, \varepsilon_i \sim \mathcal{N}(0,1)\), independente
                          • \(0 \le \rho < 1\): corelația dintre oricare doi \(Z_i\)
                          • un \(\rho\) mai mare face ca defaulturile să apară împreună, \(\rho = 0\) le face independente
                        • Un singur parametru \(\rho\) era folosit la evaluarea fiecărei tranșe a unui CDO
                          • fiecare tranșă este plătită din portofoliul de credite în ordinea priorității

                        Copula Gaussiană și criza din 2008 (2/2)

                        Slide 104 în PDF

                        Neajunsurile discutate după 2007–2008 (Donnelly & Embrechts, 2010) încep cu independența asimptotică în cozi (asymptotic tail independence): pe măsură ce pragul devine mai extrem, probabilitatea condiționată a unui default comun tinde la zero, deci gruparea defaulturilor într-o criză extremă este modelată prost, deși la praguri finite dependența poate fi încă mare, iar această limită nu dovedește singură o evaluare greșită. Corelația implicită în prețurile de piață diferea și de la o tranșă la alta, deci un singur \(\rho\) nu le putea evalua pe toate consecvent, iar modelul nu are factori economici din care să se construiască teste de stres. Lecția este riscul de model, reluat la dependența în cozi în Capitolul 6 și la riscul sistemic în Capitolul 18.

                        Pe scurt

                        • Slăbiciuni discutate după 2007–2008 (Donnelly & Embrechts (2010))
                          • independență asimptotică în coadă: la praguri tot mai extreme, probabilitatea condiționată a unui default simultan tinde la zero
                          • la praguri finite, dependența poate rămîne mare
                          • gruparea defaulturilor într-o criză extremă este deci slab modelată
                          • proprietatea la limită nu dovedește singură o evaluare greșită la pragurile efectiv evaluate
                          • corelația implicită din prețurile pieței diferea de la o tranșă la alta, deci un singur \(\rho\) nu le putea evalua pe toate consecvent
                          • modelul nu are factori economici, deci testele de stres sînt greu de construit
                        • Lecția: riscul de model

                        Machine learning în finanțe

                        Slide 105 în PDF

                        Hutchinson, Lo & Poggio (1994) au arătat că rețelele neuronale pot învăța din date prețurile opțiunilor și ratele de acoperire, fără formula Black–Scholes. Gu, Kelly & Xiu (2020) au găsit că, pe acțiunile americane din 1957–2016, arborii și rețelele neuronale bat modelele liniare out-of-sample prin interacțiuni neliniare, măsurate prin \(R^2_{oos} = 1 - \sum (r_{i,t+1} - \hat r_{i,t+1})^2 / \sum r_{i,t+1}^2\); reperul prognozează un randament în exces nul, deci numitorul nu este centrat. În deep hedging (Buehler et al., 2019), o rețea neuronală alege pozițiile de acoperire în prezența costurilor de tranzacționare, minimizînd o măsură de risc convexă, fără un model de evaluare. Capitolele 13 și 14 tratează aceste metode.

                        Pe scurt

                        • Hutchinson, Lo & Poggio (1994): rețelele neuronale învață din date prețurile opțiunilor și ratele de acoperire
                          • fără formula Black–Scholes
                        • Gu, Kelly & Xiu (2020): acțiuni americane, 1957–2016
                          • arborii și rețelele neuronale depășesc modelele liniare în afara eșantionului, prin interacțiuni neliniare
                          • \(R^2_{oos} = 1 - \sum (r_{i,t+1} - \hat r_{i,t+1})^2 / \sum r_{i,t+1}^2\) pe lunile de test
                          • \(r_{i,t+1}\): randamentul în exces al acțiunii \(i\) în luna \(t+1\); \(\hat r_{i,t+1}\): prognoza lui
                          • prognoza de referință este un randament în exces nul, deci numitorul nu este centrat pe medie
                          • \(R^2_{oos} > 0\): modelul o depășește
                        • Buehler et al. (2019), deep hedging: o rețea neuronală alege pozițiile de acoperire, cu costuri de tranzacționare
                          • astfel încît să minimizeze o măsură de risc convexă, fără model de evaluare
                        • În acest curs: Capitolele 13 și 14

                        AI generativă și modele fundaționale

                        Slide 106 în PDF

                        Transformer-ul (Vaswani et al., 2017) citește o secvență întreagă în paralel, prin straturi de atenție (attention), și stă la baza majorității modelelor mari de limbaj (large language models, LLM) actuale, inclusiv a familiei GPT (generative pre-trained Transformer). BloombergGPT (Wu et al., 2023) are 50 de miliarde de parametri, antrenați pe 569 de miliarde dintr-un corpus de 363 de miliarde de tokenuri de text financiar și 345 de miliarde de tokenuri generale. Pentru serii de timp, Chronos (Ansari et al., 2024) scalează și cuantizează valorile în tokenuri și antrenează un model de limbaj pe multe serii, astfel încît prognozează serii noi zero-shot. Pe lîngă look-ahead bias, problemele deschise sînt costul, reproductibilitatea și erodarea unui semnal după ce mulți traderi îl folosesc.

                        Pe scurt

                        • Transformer-ul (Vaswani et al. (2017)): straturile de atenție citesc în paralel întreaga secvență
                        • Stă la baza majorității LLM-urilor actuale și a modelelor GPT (Transformer generativ pre-antrenat)
                        • BloombergGPT (Wu et al. (2023)): un LLM cu 50 de miliarde de parametri
                          • corpus de 363 de miliarde de tokenuri de text financiar și 345 de miliarde de tokenuri generale, din care 569 de miliarde folosite la antrenare
                        • Modele fundaționale pentru serii de timp: Chronos (Ansari et al. (2024))
                          • scalează și cuantizează valorile în tokenuri
                          • antrenează un model de limbaj pe multe serii și apoi prognozează serii noi zero-shot
                        • Probleme deschise, pe lîngă deplasarea de anticipare
                          • costul, reproductibilitatea
                          • atenuarea semnalului atunci cînd este exploatat de mulți traderi
                        • În acest curs: Capitolele 14 și 15

                        Calculul cuantic, aplicații testate

                        Slide 107 în PDF

                        Ținta obișnuită a algoritmilor cuantici în finanțe este o medie, de exemplu prețul unei opțiuni scris ca plată așteptată actualizată (Orús, Mugel & Lizaso, 2019), (Herman et al., 2023). Un VaR este o cuantilă, nu o medie: estimarea cuantică a amplitudinii (quantum amplitude estimation, QAE) estimează \(P(X \le x)\), iar o căutare prin bisecție după \(x\) găsește \(q_\alpha\) (Woerner & Egger, 2019). Evaluarea opțiunilor (Rebentrost, Gupt & Bromley, 2018), (Stamatopoulos et al., 2020) și calculul VaR și ES (Woerner & Egger, 2019) au fost demonstrate pe cîțiva qubiți.

                        Pe scurt

                        Calculul cuantic, aplicații testate IBM Quantum System One, Ehningen (Germania), 2021 Foto: IBM Research (2021); CC BY 2.0; Wikimedia Commons

                        Monte Carlo clasic față de estimarea cuantică a amplitudinii (1/2)

                        Slide 108 în PDF

                        Ținta este \(\mu = \mathbb{E}[f(X)]\), plata medie actualizată pentru un scenariu de piață aleator \(X\). Monte Carlo (MC) clasic face media a \(N\) scenarii simulate, \(\hat\mu_N = N^{-1}\sum_j f(X_j)\), cu eroarea standard \(\sigma/\sqrt{N}\), deci precizia \(\varepsilon\) cere \(N = O(\sigma^2/\varepsilon^2)\) eșantioane. QAE pregătește o stare în care \(\mu\), pentru \(f\) scalat la \([0,1]\), este probabilitatea de a măsura 1 pe un qubit-obiectiv, încîlcit (entangled) cu registrul care conține \(X\) (Woerner & Egger, 2019). Un operator de tip Grover aplicat de \(m\) ori face ca eroarea să scadă ca \(O(1/m)\), deci precizia \(\varepsilon\) cere \(O(1/\varepsilon)\) apeluri ale circuitului de evaluare (Montanaro, 2015), (Rebentrost, Gupt & Bromley, 2018).

                        Pe scurt

                        • Ținta: \(\mu = \E[f(X)]\), media cîștigului actualizat \(f\) într-un scenariu de piață aleator \(X\)
                        • MC (Monte Carlo) clasic face media a \(N\) scenarii simulate \(X_1, \dots, X_N\)
                          \[ \hat\mu_N = \frac{1}{N}\sum_{j=1}^{N} f(X_j), \qquad \operatorname{SE}(\hat\mu_N) = \frac{\sigma}{\sqrt{N}} \]
                          • \(\sigma\): abaterea standard a lui \(f(X)\)
                          • precizia \(\varepsilon\) cere \(N = O(\sigma^2/\varepsilon^2)\) simulări
                        • QAE pregătește starea \(\sqrt{1-\mu}\,|\psi_0\rangle|0\rangle + \sqrt{\mu}\,|\psi_1\rangle|1\rangle\) (pentru \(f\) scalată în \([0,1]\))
                          • \(\mu\) este probabilitatea de a măsura 1 pe qubitul-obiectiv, încîlcit cu registrul care conține \(X\) (Woerner & Egger (2019))
                          • \(|0\rangle\), \(|1\rangle\): stările qubitului-obiectiv
                          • \(|\psi_0\rangle\), \(|\psi_1\rangle\): stările registrului asociate lor
                        • Un operator de tip Grover aplicat de \(m\) ori face eroarea să scadă ca \(O(1/m)\)

                        Monte Carlo clasic față de estimarea cuantică a amplitudinii (2/2)

                        Slide 109 în PDF

                        Cîștigul este pătratic: acolo unde MC clasic face \(N\) pași, QAE face circa \(\sqrt{N}\) (Montanaro, 2015), pe cînd un cîștig exponențial ar însemna circa \(\log N\). În modelul interogărilor de oracol (oracle-query model), niciun algoritm cuantic nu face mai bine în cazul cel mai defavorabil, pînă la factori logaritmici. În practică, acesta nu este încă un avantaj:

                        • Fiecare apel trebuie să încarce distribuția lui \(X\) și să ruleze fără erori, ceea ce cere corecția erorilor;
                        • Operațiile cu corecția erorilor sînt mult mai lente decît cele clasice;
                        • MC clasic se paralelizează ușor pe multe procesoare.

                        Pe scurt

                        • Pătratic înseamnă: unde MC clasic face \(N\) pași, QAE face circa \(\sqrt{N}\) (Montanaro (2015))
                          • un cîștig exponențial ar însemna circa \(\log N\)
                        • În modelul interogărilor de oracol, niciun algoritm cuantic nu face mai bine în cazul cel mai defavorabil
                          • pînă la factori logaritmici
                        • Avantajul nu este încă practic
                          • fiecare apel trebuie să încarce distribuția lui \(X\) și să ruleze fără erori, ceea ce cere corecția erorilor
                          • operațiile cu corecția erorilor sînt mult mai lente decît cele clasice
                          • MC clasic se paralelizează ușor pe multe procesoare

                        Calculul cuantic, limitele practice actuale (1/2)

                        Slide 110 în PDF

                        Preskill (2018) a numit hardware-ul din 2018 NISQ (Noisy Intermediate-Scale Quantum): zeci pînă la cîteva sute de qubiți zgomotoși, fără corecția erorilor. Numărul de qubiți fizici a crescut între timp: cipul Condor al IBM avea 1.121 de qubiți în 2023, iar atenuarea erorilor a dat rezultate utile din circuite cu peste 100 de qubiți și 2.000 de operații (IBM Research, 2024). Limita reală este însă numărul de qubiți logici, cu corecția erorilor, fiecare construit din mulți qubiți fizici, împreună cu adîncimea utilizabilă a circuitului înainte ca zgomotul să domine.

                        Pe scurt

                        • Preskill (2018) a numit hardware-ul din 2018 NISQ (Noisy Intermediate-Scale Quantum)
                          • zeci pînă la cîteva sute de qubiți zgomotoși, fără corecția erorilor
                        • Numărul de qubiți fizici a crescut între timp (IBM Research (2024))
                          • cipul Condor al IBM avea 1 121 de qubiți în 2023
                          • atenuarea erorilor: rezultate utile din circuite cu peste 100 de qubiți și 2 000 de operații
                        • Limita reală: numărul de qubiți logici, cu corecția erorilor
                          • fiecare construit din mulți qubiți fizici
                        • Adîncimea utilizabilă a circuitului înainte ca zgomotul să domine
                          • depinde de ratele de eroare, de conectivitate și de atenuarea și corecția erorilor

                        Calculul cuantic, limitele practice actuale (2/2)

                        Slide 111 în PDF

                        Chiar încărcarea unei distribuții a randamentelor în qubiți este costisitoare. Pentru un autocallable și un TARF, Chakrabarti et al. (2021) estimează circa 8.000 de qubiți logici și o adîncime T (T-depth), numărul de straturi succesive ale celei mai lente porți cu corecția erorilor, de 54 de milioane. Avantajul cuantic ar cere ca programul să ruleze în circa o secundă. Cifrele sînt o limită superioară pentru aceste produse și algoritmi, nu un prag universal, dar depășesc chiar și așa cu mult mașinile actuale.

                        Pe scurt

                        • Chiar încărcarea unei distribuții a randamentelor în qubiți este costisitoare
                        • Chakrabarti et al. (2021): circa 8 000 de qubiți logici, adîncime T de 54 de milioane
                          • pentru un autocallable și un TARF; avantajul cuantic ar cere ca programul să ruleze în circa o secundă
                          • adîncimea T: straturi succesive ale celei mai lente porți cu corecția erorilor
                          • autocallable: note răscumpărate anticipat cînd activul suport atinge o barieră
                          • TARF: target accrual redemption forward
                          • cifrele sînt o limită superioară pentru aceste produse și algoritmi, nu un prag universal
                          • chiar și așa, cerințele depășesc cu mult mașinile actuale

                        Etapele modelării și capitolele corespunzătoare

                        Slide 112 în PDF

                        Tabelul rezumă fiecare val al modelelor financiare, condițiile care l-au făcut posibil și locul în care îl tratează cursul:

                        • Teoria probabilităților și seriile lungi de prețuri pentru random walk și eficiență;
                        • Teoria utilității și primele baze de date cu randamente pentru teoria portofoliului și echilibru;
                        • Calculul stocastic și opțiunile listate (1973) pentru instrumentele derivate;
                        • Datele zilnice și intrazilnice și reglementarea bancară pentru volatilitate și risc;
                        • Panelurile mari și calculul ieftin pentru machine learning;
                        • Textul la scară mare, procesoarele grafice (GPU) și Transformer-ul pentru AI generativă;
                        • Hardware nou, încă inaplicabil în practică, pentru calculul cuantic.

                        Niciun val nu le-a înlocuit pe cele anterioare: volatilitatea implicită se cotează încă prin formula Black–Scholes.

                        Pe scurt

                        EtapaCondițiile care au făcut-o posibilăCapitole
                        Mers aleator, eficiențăteoria probabilităților, serii lungi de prețuri1, 2, 11
                        Portofoliu, echilibruteoria utilității, primele baze de date cu randamente3, 4
                        Derivate, timp continuucalculul stocastic, opțiunile listate (1973)11, 12
                        Volatilitate și riscdate zilnice și intraday, reglementarea bancară5–9
                        Machine learningpanele mari, putere de calcul ieftină13
                        AI generativătext la scară mare, GPU (procesoare grafice), Transformer-ul14, 15
                        Calcul cuantichardware nou, încă inaplicabil în practicăperspectivă
                        • Nicio etapă nu le-a înlocuit pe cele anterioare
                          • și volatilitatea implicită se exprimă tot prin formula Black–Scholes

                        Dependență și dobînzi, notații

                        Slide 113 în PDF

                        Corelația din curs este întotdeauna corelația Pearson a randamentelor, niciodată a prețurilor. Randamentul la scadență (yield to maturity) este rata internă de rentabilitate a fluxurilor promise de o obligațiune; el este egal cu randamentul realizat doar dacă obligațiunea este păstrată pînă la scadență, plătește integral, iar cupoanele se reinvestesc la același randament. Spread-ul curbei randamentelor, \(y^{10\text{a}} - y^{2\text{a}}\), se măsoară în puncte procentuale (pp) sau în puncte de bază (basis points, bp), cu 1 bp \(= 0{,}01\) pp. Un spread negativ înseamnă o curbă inversată, care în SUA a precedat de regulă recesiunile.

                        Pe scurt

                        • Corelația: coeficientul Pearson calculat pe randamente, niciodată pe prețuri
                        • Randamentul la scadență: rata internă de rentabilitate a fluxurilor promise de o obligațiune
                          • coincide cu randamentul realizat doar dacă obligațiunea este păstrată pînă la scadență, emitentul plătește integral și cupoanele se reinvestesc la același randament
                        • Spread-ul curbei randamentelor: randamentul titlurilor de stat pe 10 ani minus cel pe 2 ani
                          • \(y^{10\text{a}} - y^{2\text{a}}\)
                          • în puncte procentuale sau în puncte de bază (bp), 1 bp \(= 0{,}01\) pp: \(4{,}3\% - 3{,}8\% = 0{,}5\) pp \(= 50\) bp
                          • curbă inversată: spread negativ, adică dobînda pe 2 ani o depășește pe cea pe 10 ani
                          • în SUA a precedat de regulă recesiunile (Estrella & Mishkin (1998))

                        Scalarea cu \(\sqrt{h}\) și raportul varianțelor

                        Slide 114 în PDF

                        Pentru randamente staționare cu varianța \(\sigma^2\) și autocorelațiile \(\rho_j\), varianța randamentului pe \(h\) zile este

                        \[\operatorname{Var}\Big(\sum_{j=1}^{h} r_{t+j}\Big) = h\sigma^2\Big[1 + 2\sum_{j=1}^{h-1}\Big(1 - \frac{j}{h}\Big)\rho_j\Big].\]
                        (0.22)

                        Regula \(\sqrt{h}\) este deci exactă cînd randamentele sînt necorelate și au varianță constantă; independența nu este necesară. Variance ratio \(\mathrm{VR}(h)\), paranteza din (0.22), este 1 pentru randamente necorelate, sub 1 la revenirea spre medie (mean reversion) și peste 1 la momentum; pentru un AR(1) cu autocorelația de lag 1 egală cu \(\rho\), tinde la \((1+\rho)/(1-\rho)\). Pentru S&P 500 în 2000–2026, \(\hat\rho_1 = -0{,}10\) și \(\widehat{\mathrm{VR}}(20) = 0{,}75\), deci scalarea volatilității zilnice cu \(\sqrt{20}\) supraestimează riscul lunar. Testele sînt în Capitolul 2.

                        Pe scurt

                        • Varianța randamentului pe \(h\) zile, pentru randamente staționare cu varianța \(\sigma^2\):
                          \[ \operatorname{Var}\Big(\sum_{j=1}^{h} r_{t+j}\Big) = h\sigma^2\Big[1 + 2\sum_{j=1}^{h-1}\Big(1 - \frac{j}{h}\Big)\rho_j\Big] \]
                          • randamentul pe \(h\) zile: suma a \(h\) randamente zilnice \(r_{t+j}\)
                          • \(\rho_j\): corelația randamentelor aflate la \(j\) zile distanță; ponderea \(1 - j/h\): proporția acestor perechi
                          • \(\rho_j > 0\) mărește varianța pe \(h\) zile peste \(h\sigma^2\), \(\rho_j < 0\) o micșorează
                        • Regula \(\sqrt{h}\) este exactă cînd randamentele sînt necorelate, cu varianță constantă
                          • independența nu este necesară
                        • Raportul varianțelor \(\mathrm{VR}(h) = \operatorname{Var}(\text{randament pe } h \text{ zile})/(h\sigma^2)\)
                          • 1 pentru randamente necorelate, sub 1 la revenire spre medie, peste 1 la momentum
                          • pentru un AR(1) cu autocorelația de ordinul 1 egală cu \(\rho\), \(\mathrm{VR}(h) \to (1+\rho)/(1-\rho)\) cînd \(h\) crește
                        • S&P 500, 2000–2026: \(\hat\rho_1 = -0{,}10\) și \(\widehat{\mathrm{VR}}(20) = 0{,}75\)
                          • scalarea volatilității zilnice cu \(\sqrt{20}\) supraestimează riscul pe 20 de zile (lunar)
                          • folosiți funcția de autocorelație sau agregați randamentele
                          • teste în Capitolul 2

                        Raportul varianțelor și estimarea varianței, alte exemple

                        Slide 115 în PDF

                        Pentru cursul de referință BNR EUR/RON în 2005–2026, \(\hat\rho_1 = 0{,}17\). Un AR(1) ipotetic ar scala volatilitatea anualizată cu \(\sqrt{252}\), de 4,4%, cu factorul \(\sqrt{1{,}17/0{,}83} = 1{,}19\), la 5,3%, dar autocorelațiile negative de la lagurile 2–4 compensează lagul 1, iar randamentele lunare dau tot 4,4%. În seria furnizorului de date de piață, cotațiile eronate produc \(\hat\rho_1 = -0{,}57\); ele sînt erori de eliminat, nu un AR(1). Varianța se estimează și ea mai puțin precis decît sugerează formula: pentru randamente iid cu moment de ordinul patru finit, \(\operatorname{Var}(\hat\sigma^2) \approx \sigma^4(\kappa - 1)/T\), unde \(\kappa\) este kurtosisul, deci precizia crește încet cînd \(\kappa\) este mare, ca la randamentele zilnice SPY, cu \(\kappa = 17{,}1\).

                        Pe scurt

                        • EUR/RON, cursul de referință BNR, 2005–2026: \(\hat\rho_1 = 0{,}17\)
                          • un AR(1) ipotetic ar da factorul \(\sqrt{1{,}17/0{,}83} = 1{,}19\)
                          • volatilitatea anualizată cu \(\sqrt{252}\), 4,4%, ar deveni 5,3%
                          • însă \(\hat\rho_2, \hat\rho_3, \hat\rho_4 < 0\) compensează efectul lagului 1
                          • randamentele lunare dau tot 4,4%
                        • Seria EUR/RON de la furnizorul de date de piață: cotațiile eronate dau \(\hat\rho_1 = -0{,}57\)
                          • ele exagerează volatilitatea
                          • sînt erori de eliminat, nu un AR(1)
                        • Varianța se estimează altfel decît media: pentru randamente iid cu momentul de ordin patru finit
                          \[ \operatorname{Var}(\hat\sigma^2) \approx \sigma^4(\kappa - 1)/T, \qquad \kappa = \E[(r_t - \mu)^4]/\sigma^4 \ \text{(kurtosisul)} \]
                          • precizia crește încet cînd \(\kappa\) este mare (SPY zilnic: \(\kappa = 17{,}1\), Capitolul 1)
                          • cu gruparea volatilității, \(\sigma^4(\kappa - 1)\) devine varianța de termen lung a lui \((r_t - \mu)^2\)
                          • cu momentul de ordin patru infinit, aproximarea nu mai este valabilă

                        Raportul Sharpe, metoda delta, cozi groase, dependență și selecție (1/2)

                        Slide 116 în PDF

                        Metoda delta (delta method) transmite eroarea standard de la un estimator \(\hat\theta\) la o funcție derivabilă \(g(\hat\theta)\), printr-o dezvoltare Taylor de ordinul întîi: dacă \(\sqrt{T}(\hat\theta - \theta)\) converge în distribuție la \(N(0, \sigma^2)\), atunci \(\sqrt{T}(g(\hat\theta) - g(\theta))\) converge la \(N(0, g'(\theta)^2\sigma^2)\). Aplicată raportului Sharpe zilnic \(\mathrm{SR}_d = \mu_d/\sigma_d\), pentru randamente iid Normale (Lo, 2002), ea dă

                        \[\sqrt{T}\,(\widehat{\mathrm{SR}}_d - \mathrm{SR}_d) \xrightarrow{d} N\big(0,\ 1 + \mathrm{SR}_d^2/2\big), \qquad \operatorname{SE}(\widehat{\mathrm{SR}}_A) = \sqrt{\frac{1 + \mathrm{SR}_A^2/(2A)}{Y}} \approx \frac{1}{\sqrt{Y}},\]
                        (0.23)

                        unde \(A\) este numărul de perioade pe an, iar \(Y\) numărul de ani. În (0.23), termenul 1 provine din estimarea mediei, iar \(\mathrm{SR}_d^2/2\) din estimarea abaterii standard.

                        Pe scurt

                        • Metoda delta: dacă \(\sqrt{T}(\hat\theta - \theta) \xrightarrow{d} N(0, \sigma^2)\) și \(g\) este derivabilă
                          • atunci \(\sqrt{T}\,\big(g(\hat\theta) - g(\theta)\big) \xrightarrow{d} N\big(0, g'(\theta)^2\sigma^2\big)\)
                          • \(\theta\): un parametru
                          • \(\hat\theta\): estimatorul lui din \(T\) observații
                          • \(\xrightarrow{d}\): convergență în distribuție cînd \(T \to \infty\)
                          • o dezvoltare Taylor de ordinul întîi, \(g(\hat\theta) \approx g(\theta) + g'(\theta)(\hat\theta - \theta)\)
                          • aceasta transferă eroarea standard de la \(\hat\theta\) la \(g(\hat\theta)\)
                        • Aplicată lui \(\mathrm{SR}_d = \mu_d/\sigma_d\), pentru randamente iid cu distribuția Normală (Lo (2002)):
                          \[ \sqrt{T}\,(\widehat{\mathrm{SR}}_d - \mathrm{SR}_d) \xrightarrow{d} N\big(0,\ 1 + \mathrm{SR}_d^2/2\big) \quad\Rightarrow\quad \operatorname{SE}(\widehat{\mathrm{SR}}_A) = \sqrt{\frac{1 + \mathrm{SR}_A^2/(2A)}{Y}} \approx \frac{1}{\sqrt{Y}} \]
                          • termenul 1 provine din estimarea mediei, \(\mathrm{SR}_d^2/2\) din estimarea abaterii standard

                        Raportul Sharpe, metoda delta, cozi groase, dependență și selecție (2/2)

                        Slide 117 în PDF

                        Pentru randamente iid ne-Normale, cu asimetria \(\gamma_3\) și kurtosisul \(\gamma_4\) (Opdyke, 2007), varianța asimptotică devine \(V = 1 - \mathrm{SR}_d\gamma_3 + \mathrm{SR}_d^2(\gamma_4 - 1)/4\), care pentru distribuția Normală redă \(1 + \mathrm{SR}_d^2/2\). Pentru un raport Sharpe pozitiv, asimetria negativă și cozile groase lărgesc intervalul, dar la SPY eroarea standard trece doar de la 0,29 la 0,30, pentru că SR zilnic este mic. Randamentele dependente cer inferență HAC sau bootstrap studentizat (Ledoit & Wolf, 2008), iar alegerea ex post a celui mai bun dintre multe active sau strategii umflă raportul Sharpe, lucru pe care îl corectează raportul Sharpe deflatat (deflated Sharpe ratio) (Bailey & López de Prado, 2014).

                        Pe scurt

                        • Randamente iid care nu urmează distribuția Normală, cu asimetria \(\gamma_3\) și kurtosisul \(\gamma_4\) (Opdyke (2007))
                          \[ V = 1 - \mathrm{SR}_d\gamma_3 + \mathrm{SR}_d^2(\gamma_4 - 1)/4, \qquad \operatorname{SE}(\widehat{\mathrm{SR}}_A) = \sqrt{AV/T} \]
                          • \(V\): varianța asimptotică a lui \(\sqrt{T}\,(\widehat{\mathrm{SR}}_d - \mathrm{SR}_d)\)
                          • \(\gamma_3 = \E[(R_t - \mu_d)^3]/\sigma_d^3\), \(\gamma_4 = \E[(R_t - \mu_d)^4]/\sigma_d^4\)
                          • distribuția Normală (\(\gamma_3 = 0\), \(\gamma_4 = 3\)) redă \(1 + \mathrm{SR}_d^2/2\)
                          • pentru \(\mathrm{SR}_d > 0\), asimetria negativă și cozile groase măresc \(V\) și lărgesc intervalul
                          • pentru SPY, SE devine 0,30 în loc de 0,29, pentru că SR zilnic este mic
                        • Randamente dependente: inferență HAC sau bootstrap studentizat (Ledoit & Wolf (2008))
                        • Selecția ex post a celui mai bun activ sau a celei mai bune strategii dintre multe exagerează SR

                        Clasele de active din 2015 încoace

                        Slide 118 în PDF

                        Graficul arată valoarea unui dolar investit pe 2 ianuarie 2015, pe scară logaritmică. SPY și TLT sînt serii de randament total, pe cînd Euro Stoxx 50 și Nikkei 225 sînt indici de preț, fără dividende, convertiți în dolari cu cursurile zilnice FRED, deci comparația cu SPY nu este una între investiții echivalente. Titlurile de stat pe termen lung au încheiat sub nivelul din 2015, la ×0,9.

                        Pe scurt

                        Clasele de active din 2015 încoace
                        • Valoarea a 1 USD investit pe 2 ian. 2015, scară logaritmică
                        • SPY și TLT sînt în randament total
                        • Euro Stoxx 50 și Nikkei 225 sînt indici de preț, fără dividende
                          • comparația cu SPY nu este deci între randamentele totale ale unor investiții echivalente
                          • convertiți în USD cu cursurile zilnice de la FRED
                        • Obligațiunile de stat pe termen lung au încheiat perioada sub nivelul din 2015 (\(\times 0{,}9\))
                        MFM_ch0_cross_asset

                        Selecție, deplasarea de supraviețuire și orizont (1/2)

                        Slide 119 în PDF

                        Două efecte distorsionează comparațiile între active:

                        1. Selecția: multiplul ×257 al Bitcoin este ales ex post dintre mii de monede, dintre care unele au dispărut (survivorship bias), iar cel mai bun raport Sharpe dintre multe trebuie deflatat.
                        2. Orizontul: adîncimea drawdown-ului maxim crește cu lungimea eșantionului. Dacă logaritmul prețului este o mișcare browniană fără drift, cu volatilitatea anuală \(\sigma\), cea mai mare scădere logaritmică de la un maxim pe \(T\) ani are media \(E[D] = \sqrt{\pi/2}\,\sigma\sqrt{T}\) (Magdon-Ismail et al., 2004).

                        Pe scurt

                        • Selecția: multiplul \(\times 257\) al Bitcoin este ales ex post dintre mii de monede
                          • unele dispărute (deplasarea de supraviețuire)
                          • cel mai bun raport Sharpe dintre multe trebuie deflatat
                        • Orizontul: adîncimea drawdown-ului maxim crește cu lungimea eșantionului
                          • dacă logaritmul prețului este o mișcare browniană fără drift, cu volatilitatea anuală \(\sigma\)
                          • cea mai mare scădere logaritmică de la un maxim, \(D = \max_{s \le t \le T}(\ln P_s - \ln P_t)\)
                          • are \(E[D] = \sqrt{\pi/2}\,\sigma\sqrt{T}\), cu \(T\) în ani (Magdon-Ismail et al. (2004))

                        Selecție, deplasarea de supraviețuire și orizont (2/2)

                        Slide 120 în PDF

                        Cu \(\sigma = 17{,}6\%\), \(E[D]\) este 0,70 pe 10 ani și 1,40 pe 40 de ani, adică scăderi de preț de 50% și 75%. Drawdown-ul maxim (maximum drawdown, MDD) procentual așteptat este mai mic în modul, circa 47% și 71% pe traiectorii simulate, din cauza inegalității lui Jensen, și și mai mic cu un drift pozitiv, ca la S&P 500. Cifrele arată creșterea cu \(\sqrt{T}\), nu sînt o prognoză, și explică de ce scăderea de \(-82{,}5\%\) a BET pe 29 de ani nu se poate compara cu MDD-ul S&P 500 pe 11,7 ani.

                        Pe scurt

                        • Cu \(\sigma = 17{,}6\%\): \(E[D] = 0{,}70\) pe 10 ani și \(1{,}40\) pe 40 de ani
                          • adică \(-50\%\) și \(-75\%\) ca scădere de preț, \(e^{-E[D]} - 1\)
                        • MDD-ul procentual așteptat, \(E[e^{-D}] - 1\), este mai mic în modul (inegalitatea lui Jensen)
                          • circa \(-47\%\) și \(-71\%\) pe traiectorii simulate
                        • Cu un drift pozitiv, ca la S&P 500, MDD-ul așteptat este și mai mic
                          • cifrele arată creșterea cu \(\sqrt{T}\), nu sînt o prognoză
                        • BET: \(-82{,}5\%\) pe 29 de ani, deci nu se compară cu MDD-ul S&P 500 pe 11,7 ani

                        Varianța implicită și varianța realizată (1/2)

                        Slide 121 în PDF

                        Panoul de sus arată VIX, volatilitatea implicită a S&P 500 pentru următoarele 30 de zile calendaristice, și volatilitatea realizată în următoarele 21 de zile de tranzacționare, ambele în % pe an. Panoul de jos arată diferența dintre varianța implicită, \((\mathrm{VIX}/100)^2\), și varianța realizată, cu verde cînd cea implicită o depășește pe cea realizată și cu roșu în caz contrar.

                        Pe scurt

                        Varianța implicită și varianța realizată (1/2)
                        • Panoul de sus: VIX și volatilitatea realizată în următoarele 21 de zile de tranzacționare
                          • VIX: implicit, următoarele 30 de zile calendaristice; ambele în % pe an
                        • Panoul de jos: \((\mathrm{VIX}/100)^2\) minus varianța realizată
                          • verde cînd varianța implicită o depășește pe cea realizată, roșu altfel
                        MFM_ch0_drawdowns_vix

                        Varianța implicită și varianța realizată (2/2)

                        Slide 122 în PDF

                        \((\mathrm{VIX}/100)^2\) este varianța anualizată a S&P 500 pe 30 de zile, așteptată sub probabilitatea neutră la risc (risk-neutral), iar volatilitatea realizată este \(\sqrt{(252/21)\sum r^2}\) pe următoarele 21 de randamente zilnice. Prima de risc de varianță (variance risk premium), varianța așteptată neutră la risc minus cea așteptată sub probabilitatea reală, este pozitivă în medie (Carr & Wu, 2009): în 2000–2026, VIX mediu este 19,8, față de 16,2 realizat. Ex post, diferența este suma dintre primă și o eroare de prognoză. Bollerslev, Tauchen & Zhou (2009) găsesc că prima prognozează randamentele trimestriale.

                        Pe scurt

                        • \((\mathrm{VIX}/100)^2\): varianța anualizată a S&P 500 pe 30 de zile, așteptată sub probabilitatea neutră la risc
                        • Prima de risc de varianță: varianța așteptată neutră la risc minus cea sub probabilitatea reală
                        • Volatilitatea realizată: \(\sqrt{(252/21)\sum r^2}\), pe următoarele 21 de randamente zilnice \(r\)
                        • În 2000–2026, VIX a fost în medie 19,8, iar volatilitatea realizată 16,2
                        • Ex post, diferența este prima plus eroarea de prognoză
                        • Bollerslev, Tauchen & Zhou (2009): prima prezice randamentele trimestriale
                        MFM_ch0_drawdowns_vix

                        Dobînzile și curba randamentelor (1/2)

                        Slide 123 în PDF

                        Panoul de sus arată randamentele titlurilor de stat americane pe 2 și pe 10 ani, zilnic, și rata fed funds, lunar, în %. Panoul de jos arată spread-ul dintre randamentul pe 10 ani și cel pe 2 ani, în puncte procentuale, cu perioadele de curbă inversată în roșu.

                        Pe scurt

                        Dobînzile și curba randamentelor (1/2)
                        • Panoul de sus: randamentele titlurilor de stat SUA pe 2 și 10 ani (zilnic), în %
                          • și dobînda fed funds (lunar)
                        • Panoul de jos: spread-ul 10 ani \(-\) 2 ani, în pp
                          • roșu: curbă inversată
                        MFM_ch0_rates

                        Dobînzile și curba randamentelor (2/2)

                        Slide 124 în PDF

                        Rata fed funds este rata overnight țintită de Rezerva Federală; datele provin din FRED. Spread-ul 10a–2a a fost negativ între 6 iulie 2022 și 26 august 2024, 537 de zile de tranzacționare, cel mai lung episod din eșantion, cu un minim de \(-1{,}08\) pp pe 3 iulie 2023. Pe 18 septembrie 2026, randamentul pe 10 ani este 5,01%, iar cel pe 2 ani 4,76%, un spread de 25 bp, cu rata fed funds de 3,63% în august 2026. Un randament la scadență nu este un randament realizat: TLT a pierdut din valoare în 2015–2026.

                        Pe scurt

                        • Sursa: FRED
                        • Fed funds: dobînda overnight țintită de Rezerva Federală
                        • Spread-ul 10 ani \(-\) 2 ani
                          • inversat între 6 iul. 2022 și 26 aug. 2024: 537 de zile de tranzacționare, cel mai lung episod
                          • minim \(-1{,}08\) pp (3 iul. 2023)
                        • Pe 18 sep. 2026: randamentul la 10 ani 5,01%, cel la 2 ani 4,76%
                          • deci spread-ul era 25 bp
                          • dobînda fed funds era 3,63% în aug. 2026
                        • Randamentul la scadență nu este randament realizat
                          • TLT a pierdut valoare în 2015–2026
                        MFM_ch0_rates

                        Închideri asincrone

                        Slide 125 în PDF

                        Bitcoin se închide la 24:00 UTC, iar S&P 500 la 20:00 sau 21:00 UTC, deci știrile apărute între cele două momente intră în cele două serii în zile diferite. Cu un factor comun, corelația din aceeași zi este atenuată, iar restul apare în corelațiile decalate; dacă doar factorul comun este împărțit între zile, iar varianțele zilnice rămîn neschimbate, corelațiile decalate înainte, din aceeași zi și decalate înapoi însumează corelația adevărată (Scholes & Williams, 1977), (Lo & MacKinlay, 1990), altfel se folosesc randamente pe perioade mai lungi (Burns, Engle & Mezrich, 1998). Pentru Bitcoin și S&P 500 în 2022–2026, corelațiile la lagurile 0, +1 și −1 însumează \(0{,}42 + 0{,}03 - 0{,}05 = 0{,}40\). Suma este un diagnostic, nu o dovadă: modelul nu admite corelații decalate negative, dar \(-0{,}05\) se află în limita a două erori standard iid, de circa 0,03 fiecare pentru aproximativ 1.180 de zile comune.

                        Pe scurt

                        • Bitcoin (24:00 UTC) și S&P 500 (20:00 sau 21:00 UTC)
                          • o știre apărută între cele două momente intră în cele două serii în zile diferite
                        • Cînd seriile au un factor comun, corelația din aceeași zi scade
                        • Bitcoin – S&P 500, 2022–2026, zile comune
                          • corelațiile cu lag \(0\), \(+1\) și \(-1\) dau suma \(0{,}42 + 0{,}03 - 0{,}05 = 0{,}40\)
                        • Suma este un indiciu, nu o dovadă
                          • modelul nu permite corelații decalate negative
                          • dar \(-0{,}05\) se află la mai puțin de două erori standard iid (\(1/\sqrt{n} \approx 0{,}03\) pentru circa 1 180 de zile comune)
                          • deci este compatibil cu zgomotul de eșantionare

                        Corelația în perioade agitate, distorsiunea indusă de volatilitate (1/2)

                        Slide 126 în PDF

                        Fie relația stabilă \(y = \beta x + \varepsilon\), cu \(\beta\) și \(\operatorname{Var}\varepsilon\) fixe și corelația \(\rho\), unde \(x\) este randamentul pieței în care apare șocul (S&P 500), iar \(y\) randamentul celeilalte piețe. Corelația estimată doar în zilele în care \(\operatorname{Var}(x)\) este de \((1+\delta)\) ori mai mare este (Forbes & Rigobon, 2002)

                        \[\rho^* = \rho\,\sqrt{\frac{1+\delta}{1+\delta\rho^2}},\]
                        (0.24)

                        care depășește \(|\rho|\) în valoare absolută pentru \(\delta > 0\) și \(0 < |\rho| < 1\). O corelație mai mare în perioade agitate nu dovedește deci, singură, o legătură mai puternică între piețe.

                        Pe scurt

                        • Fie o relație stabilă \(y = \beta x + \varepsilon\) (\(\beta\) și \(\operatorname{Var}\varepsilon\) fixe), cu corelația \(\rho\)
                        • Dacă o estimăm doar în zilele în care varianța lui \(x\) este de \((1+\delta)\) ori mai mare, corelația devine (Forbes & Rigobon (2002))
                          \[ \rho^* = \rho\,\sqrt{\frac{1+\delta}{1+\delta\rho^2}}, \qquad |\rho^*| > |\rho| \ \text{ pentru } \delta > 0,\ 0 < |\rho| < 1 \]
                          • \(x\): randamentul pieței în care apare șocul (S&P 500)
                          • \(y\): randamentul celeilalte piețe; \(\varepsilon\): partea lui \(y\) care nu depinde de \(x\)
                          • \(\rho^*\): corelația măsurată în zilele agitate
                          • \(\delta\): creșterea relativă a lui \(\operatorname{Var}(x)\)

                        Corelația în perioade agitate, distorsiunea indusă de volatilitate (2/2)

                        Slide 127 în PDF

                        Pentru Bitcoin și S&P 500 în 2022–2026, cu zilele împărțite după VIX la cuartila superioară, 21,8, corelația este 0,52 în zilele cu VIX ridicat și 0,32 în celelalte, iar raportul varianțelor S&P 500 între cele două grupuri este \(1+\delta = 4{,}64\). Rezolvînd (0.24) pentru \(\rho\) se obține un \(\hat\rho\) ajustat de 0,27, care nu depășește 0,32 din zilele calme: creșterea varianței poate explica singură saltul la 0,52. Ajustarea presupune că nu lipsește niciun șoc comun și că între cele două piețe nu există feedback.

                        Pe scurt

                        • Bitcoin – S&P 500, 2022–2026, zile împărțite după VIX (cuartila superioară: VIX \(> 21{,}8\))
                          • corelația este 0,52 în zilele cu VIX ridicat și 0,32 în celelalte zile
                          • raportul varianțelor S&P 500 între cele două grupuri de zile: \(1+\delta = 4{,}64\)
                          • \(\hat\rho\) ajustat \(= \rho^*/\sqrt{1+\delta(1-\rho^{*2})} = 0{,}27\), prima formulă rezolvată pentru \(\rho\)
                          • interpretare: 0,27 ajustat nu depășește 0,32 din zilele calme
                          • creșterea varianței poate explica saltul la 0,52, fără o legătură mai puternică între piețe
                        • Ajustarea presupune
                          • că nu lipsește niciun șoc comun
                          • că între cele două piețe nu există feedback

                        Bitcoin rămîne de cîteva ori mai volatil decît acțiunile

                        Slide 128 în PDF

                        Graficul arată volatilitatea anualizată mobilă pe ultimele 63 de observații, circa trei luni pentru S&P 500 (anualizată cu \(\sqrt{252}\)) și circa două luni pentru Bitcoin (anualizată cu \(\sqrt{365}\)). Volatilitatea Bitcoin a fost în medie de 65% în 2015–2017 și de 46% în 2024–2026; cu S&P 500 la 14% în 2024–2026, Bitcoin este încă de circa 3,2 ori mai volatil. Volatilitatea se schimbă în timp la ambele, deci un model cu volatilitate constantă le descrie prost.

                        Pe scurt

                        Bitcoin rămîne de cîteva ori mai volatil decît acțiunile
                        • Volatilitatea anualizată pe fereastră mobilă, pe ultimele 63 de observații
                          • circa 3 luni pentru S&P 500 (anualizat cu \(\sqrt{252}\))
                          • circa 2 luni pentru Bitcoin (anualizat cu \(\sqrt{365}\))
                        • Volatilitatea medie a Bitcoin a fost 65% în 2015–2017 și 46% în 2024–2026
                        • Volatilitatea medie a S&P 500 în 2024–2026 a fost 14%
                          • deci Bitcoin este încă de circa 3,2 ori mai volatil
                        • Volatilitatea ambelor serii variază în timp
                          • un model cu volatilitate constantă nu descrie bine datele
                        MFM_ch0_correlations

                        Acțiunile românești din 2015 încoace

                        Slide 129 în PDF

                        Graficul arată creșterea unui leu investit în ianuarie 2015, ajustată pentru dividende, pe scară logaritmică. BET-TR, versiunea de randament total a BET, se multiplică de 10,4 ori. Banca Transilvania (×17,1) și Romgaz (×12,5) bat indicele, iar BRD (×7,6) și OMV Petrom (×8,5) rămîn în urma lui.

                        Pe scurt

                        Acțiunile românești din 2015 încoace
                        • Creșterea a 1 leu investit în ianuarie 2015, ajustată cu dividendele (preț ajustat)
                          • scară logaritmică
                        • BET-TR \(\times 10{,}4\)
                          • Banca Transilvania (\(\times 17{,}1\)) și Romgaz (\(\times 12{,}5\)) au depășit indicele
                          • BRD (\(\times 7{,}6\)) și OMV Petrom (\(\times 8{,}5\)) au rămas sub el
                        MFM_ch0_romania

                        Leul, cursul de referință EUR/RON

                        Slide 130 în PDF

                        Cursul de referință BNR pentru EUR/RON urcă de la 3,60 pe 4 iulie 2005, data denominării, cînd 1 RON = 10.000 ROL, la 5,26. Leul este o monedă administrată: volatilitatea lui anualizată în 2015–2026 este de 2,1%, cu perioade lungi de calm și salturi ocazionale.

                        Pe scurt

                        Leul, cursul de referință EUR/RON
                        • EUR/RON (cursul de referință BNR) de la 3,60 (4 iul. 2005, după denominarea 1 RON \(=\) 10 000 ROL) la 5,26
                        • Un regim de managed float
                          • volatilitate anualizată de 2,1% în 2015–2026
                          • perioade calme lungi și salturi ocazionale
                        MFM_ch0_romania

                        Randamentele titlurilor de stat pe 10 ani, România și Germania

                        Slide 131 în PDF

                        Pe 18 septembrie 2026, randamentul titlurilor de stat românești pe 10 ani, în lei, este 7,33%, iar al celor germane, în euro, 3,53%, o diferență între monede de 3,8 puncte procentuale. Această diferență nu este un spread pur de risc de credit suveran: ea amestecă deprecierea așteptată a leului, diferențele de inflație și de dobînzi de politică monetară și primele de credit, de lichiditate și de termen.

                        Pe scurt

                        Randamentele titlurilor de stat pe 10 ani, România și Germania
                        • 18 sep. 2026: România 7,33% (obligațiuni în lei), Germania 3,53% (în euro)
                          • o diferență între monede de 3,8 pp
                        • Diferența nu este un spread suveran de credit propriu-zis, ci reflectă simultan
                          • deprecierea așteptată a leului, decalajele de inflație și de dobîndă de politică monetară
                          • primele de credit, de lichiditate și de termen
                        MFM_ch0_romania

                        Bursa de Valori București, 1882–1948

                        Slide 132 în PDF

                        Bursa de efecte și mărfuri din București s-a deschis pe 1 decembrie 1882, prin decret regal al regelui Carol I. A trecut prin șocuri timpurii, răscoala țărănească din 1907 și războaiele balcanice din 1912–1913, și a fost închisă în timpul Primului Război Mondial. După redeschidere a urmat o perioadă de circa șapte ani de creștere puternică și apoi una de circa șapte ani de declin accelerat, suprapusă cu Marea Criză din 1929–1933. În 1929 a fost adoptată o nouă lege a burselor (Lege asupra burselor, 1929), cu expunerea de motive a ministrului Virgil Madgearu. Tranzacționarea s-a oprit în 1948, odată cu regimul comunist și naționalizarea economiei.

                        Pe scurt

                        • 1 dec. 1882: bursa de valori și mărfuri își începe activitatea (BVB (istoric))
                          • în baza unui decret al Regelui Carol I
                        • Primele șocuri: răscoala țărănească din 1907 și războaiele balcanice din 1912–1913
                        • După redeschidere: circa 7 ani de creștere puternică, apoi circa 7 ani de declin accentuat (comunicat BVB (2017))
                          • suprapuși cu Marea Criză din 1929–1933
                        • 1929: o nouă lege a burselor Lege asupra burselor (1929)
                          • cu expunerea de motive a ministrului Virgil Madgearu
                        • 1948: tranzacționarea se oprește (BVB (istoric))
                          • odată cu instaurarea regimului comunist și naționalizarea economiei

                        Palatul Bursei, sediul istoric al bursei

                        Slide 133 în PDF

                        Palatul Bursei, din str. Ion Ghica nr. 4, a fost construit în 1906–1912 de arhitectul Ștefan Burcuș, ca sediu al Bursei și al Camerei de Comerț; din 1955 găzduiește Biblioteca Centrală de Stat. Fotografiile arată agenți de bursă în 1928 și clădirea în 2023.

                        Pe scurt

                        • Construit în 1906–1912 Palatul Bursei
                          • arhitect Ștefan Burcuș
                          • str. Ion Ghica 4
                        • Sediul Bursei și al Camerei de Comerț
                        • Din 1955: Biblioteca Centrală de Stat
                        • Stînga: agenți de bursă, 1928
                        • Dreapta: clădirea în 2023

                        Întrerupere și renaștere, 1948–2023

                        Slide 134 în PDF

                        România nu a avut o bursă de valori timp de aproape 50 de ani, pînă la prima ședință a bursei reînființate, pe 20 noiembrie 1995, în care s-au tranzacționat 905 acțiuni ale celor 6 companii listate. Indicele BET a pornit în 1997 cu 10 companii; coșul lui poate avea 10–20 de companii și are astăzi 20, iar BET-FI (BET Financial Investment companies index, indicele BVB al societăților de investiții financiare) a fost primul indice sectorial, pentru societățile de investiții financiare (SIF) listate în 1999. În 2010, BVB și-a listat propriile acțiuni pe piața sa reglementată, un loc de tranzacționare autorizat în UE (Uniunea Europeană); în 2020, FTSE Russell a reclasificat România de la Frontier la Emerging; în 2023 a avut loc oferta publică inițială (initial public offering, IPO) a Hidroelectrica. Cea mai mare variație zilnică a BET este de \(-12{,}3\%\) (\(-13{,}1\%\) ca randament logaritmic), pe 7 ianuarie 2009, după \(+4{,}8\%\) în ziua precedentă.

                        Pe scurt

                        • 1948–1995: aproape 50 de ani fără bursă (comunicat BVB (2017))
                        • 20 nov. 1995: prima ședință a bursei reînființate (comunicat BVB (2017))
                          • 905 acțiuni tranzacționate, emise de cele 6 companii listate
                        • 1997: BET pornește cu 10 companii
                          • coșul poate cuprinde între 10 și 20 (astăzi, 20; BVB (indici))
                          • BET-FI: primul indice sectorial, pentru societățile de investiții financiare (SIF-uri, listate în 1999)
                        • 2010: BVB își listează propriile acțiuni pe piața reglementată (BVB (istoric))
                          • piața reglementată: loc de tranzacționare autorizat conform regulilor UE (Uniunea Europeană)
                        • 2020 și 2023 (BVB (istoric))
                          • 2020: FTSE Russell trece România de la statutul de piață de frontieră la cel de piață emergentă
                          • 2023: IPO-ul Hidroelectrica
                        • Cea mai mare variație zilnică a BET: 7 ian. 2009, \(-12{,}3\%\) (\(-13{,}1\%\) log)
                          • după \(+4{,}8\%\) în ziua precedentă
                          • sursa: arhiva zilnică oficială BVB BVB (indici)

                        ETF-uri pe Bitcoin spot

                        Slide 135 în PDF

                        Un ETF spot deține activul însuși, nu contracte futures; produsul tranzacționat la bursă (exchange-traded product, ETP) este categoria mai largă. ETP-urile pe Bitcoin spot au fost aprobate în SUA pe 10 ianuarie 2024 (SEC, 2024). Graficul arată IBIT, iShares Bitcoin Trust, tranzacționat din 11 ianuarie 2024, cu o valoare mediană tranzacționată zilnic de 1,97 mld. USD și un maxim de 10,3 mld. USD pe 5 februarie 2026; axa din dreapta dă prețul Bitcoin (BTC) în mii de USD.

                        Pe scurt

                        ETF-uri pe Bitcoin spot
                        • ETF spot: deține activul însuși, nu contracte futures
                          • ETP (produs tranzacționat la bursă) este categoria mai largă
                        • ETP-urile pe Bitcoin spot au fost aprobate în SUA pe 10 ian. 2024 (SEC (2024))
                        • IBIT (iShares Bitcoin Trust), tranzacționat din 11 ian. 2024
                          • valoarea tranzacționată zilnică mediană 1,97 mld. USD
                          • maximul 10,3 mld. USD (5 feb. 2026)
                        • Axa din dreapta: BTC, simbolul Bitcoin, în mii USD
                        MFM_ch0_digital_assets

                        Oferta de stablecoin-uri

                        Slide 136 în PDF

                        Oferta de stablecoin-uri este valoarea în dolari a stablecoin-urilor legate de dolar aflate în circulație, după DefiLlama. Ea a crescut de la 4,2 mld. pe 1 ianuarie 2020 la un maxim de 187,4 mld. pe 2 aprilie 2022, a scăzut la 122,7 mld. pe 19 august 2023, după prăbușirea TerraUSD și crahul criptoactivelor, și a ajuns la 303,0 mld. pe 18 septembrie 2026.

                        Pe scurt

                        Oferta de stablecoin-uri
                        • Oferta: valoarea în USD a stablecoin-urilor legate de USD aflate în circulație (DefiLlama)
                          • 4,2 mld. (1 ian. 2020), maxim 187,4 mld. (2 apr. 2022)
                          • minim 122,7 mld. (19 aug. 2023), 303,0 mld. (18 sep. 2026) (Seminarul 0, B10)
                        • Scăderea din 2022–2023 a urmat crahului TerraUSD și al pieței cripto
                        MFM_ch0_digital_assets

                        Tokenizare și reglementare

                        Slide 137 în PDF

                        Activele reale tokenizate (real-world assets, RWA) sînt obligațiuni, unități de fond, depozite sau mărfuri reprezentate printr-un token, o creanță asupra activului înregistrată într-un registru comun, care poate fi programată și transferată și decontată aproape instantaneu; fondurile de piață monetară tokenizate sînt un exemplu (BIS, 2023), (BIS, 2025). Datele-cheie ale reglementării sînt regulamentul UE privind piețele de criptoactive (Markets in Crypto-Assets, MiCA), aprobarea în SUA a ETP-urilor pe Bitcoin spot în ianuarie 2024 și GENIUS (Guiding and Establishing National Innovation for U.S. Stablecoins, Act, legea americană privind stablecoin-urile) Act pentru stablecoin-urile de plată, iar datele de intrare în vigoare ale regulilor pot servi drept rupturi structurale în studiile de eveniment. Întrebarea statistică este dacă activele tokenizate preiau proprietățile activului suport sau pe cele ale piețelor de criptoactive.

                        Pe scurt

                        Active reale tokenizate
                        • RWA (real-world assets): obligațiuni, unități de fond, depozite, mărfuri
                        • Token: un drept asupra unui astfel de activ, pe un registru comun
                          • cu transfer și decontare programabile, aproape instantanee
                        • Exemple: fonduri monetare tokenizate (BIS (2023); BIS (2025))
                        Reglementare, date-cheie
                        • UE: MiCA
                          • Markets in Crypto-Assets, regulamentul privind piețele criptoactivelor
                        • SUA: ETP-urile pe Bitcoin spot (ian. 2024) și GENIUS (Guiding and Establishing National Innovation for U.S. Stablecoins, legea americană privind stablecoin-urile) Act
                          • GENIUS Act: legea stablecoin-urilor de plată
                        • Datele de intrare în vigoare pot servi ca rupturi structurale în studii de eveniment
                        • Cadrul și autoritățile: slide-ul următor
                        • Întrebare statistică: activele tokenizate moștenesc proprietățile activului suport sau pe cele ale piețelor cripto?

                        Reglementarea activelor digitale

                        Slide 138 în PDF

                        Tabelul compară Uniunea Europeană și Statele Unite. Cadrul european este MiCA, iar cel american pentru stablecoin-urile de plată este GENIUS Act; ETP-urile pe criptoactive sînt note tranzacționate la bursă în UE și ETP-uri pe Bitcoin spot în SUA din ianuarie 2024 (SEC, 2024). Autoritățile de supraveghere sînt Autoritatea Europeană pentru Valori Mobiliare și Piețe (ESMA), Autoritatea Bancară Europeană (EBA) și autoritățile naționale în UE, respectiv Securities and Exchange Commission (SEC), Commodity Futures Trading Commission (CFTC) și autoritățile bancare în SUA. Banca Reglementelor Internaționale (Bank for International Settlements, BIS) propune un registru unificat (unified ledger) care combină moneda băncii centrale, depozitele și activele (BIS, 2023) și constată că stablecoin-urile nu trec cele trei teste ale monedei: unicitatea, elasticitatea și integritatea (BIS, 2025).

                        Pe scurt

                        Uniunea EuropeanăStatele Unite
                        CadruMiCA, Regulamentul (UE) 2023/1114GENIUS Act, Public Law 119-27 pentru stablecoins de plată
                        ETP-uri criptotitluri de creanță tranzacționate la bursă, cu expunere la criptoactiveETP-uri pe Bitcoin spot aprobate în ianuarie 2024 (SEC (2024))
                        SupraveghereESMA, EBA, autorități naționaleSEC, CFTC, autorități bancare
                        • Autoritățile din tabel
                          • ESMA: Autoritatea Europeană pentru Valori Mobiliare și Piețe
                          • EBA: Autoritatea Bancară Europeană
                          • SEC: Securities and Exchange Commission
                          • CFTC: Commodity Futures Trading Commission
                        • BIS: Banca Reglementelor Internaționale, banca băncilor centrale
                          • BIS (2023): un „registru unificat” care reunește moneda de bancă centrală, depozitele și activele
                          • BIS (2025): stablecoin-urile nu îndeplinesc cele trei criterii ale monedei
                          • unicitatea: acceptată la paritate de toți
                          • elasticitatea: oferta urmează nevoia de plăți
                          • integritatea: rezistența la infracțiuni financiare

                        Dinamica primelor ETF

                        Slide 139 în PDF

                        Statistic, arbitrajul din exemplul rezolvat face din prima ETF-ului \(\pi_t\) un proces AR(1),

                        \[\pi_t = \phi\,\pi_{t-1} + u_t, \qquad \text{timpul de înjumătățire} = \frac{\ln 0{,}5}{\ln \phi}, \quad 0 < \phi < 1,\]
                        (0.25)

                        unde \(\phi\) măsoară persistența, iar \(u_t\) este un șoc nou de evaluare greșită. Timpul de înjumătățire din (0.25) este numărul de zile în care o primă se reduce la jumătate, soluția ecuației \(\phi^h = 0{,}5\). Cînd \(\phi\) este aproape de 1, primele se sting încet, ca la ETF-urile pe acțiuni străine sau pe obligațiuni nelichide (Petajisto, 2017). În SUA, răscumpărările în natură permit în plus fondului să evite distribuirea cîștigurilor de capital, o particularitate a regulilor fiscale americane, nu a ETF-urilor în general.

                        Pe scurt

                        • Arbitrajul în termeni statistici: prima modelată ca AR(1)
                          \[ \pi_t = \phi\,\pi_{t-1} + u_t, \qquad \text{timpul de înjumătățire} = \frac{\ln 0{,}5}{\ln \phi}, \quad 0 < \phi < 1 \]
                        • \(\pi_t\): prima din ziua \(t\)
                          • \(\phi\): persistența ei
                          • \(u_t\): un nou șoc de evaluare greșită
                        • Timpul de înjumătățire: numărul de zile în care o primă scade la jumătate
                          • soluția ecuației \(\phi^h = 0{,}5\)
                        • \(\phi\) apropiat de 1: primele dispar încet
                          • ca la ETF-urile pe acțiuni străine sau pe obligațiuni nelichide (Petajisto (2017))
                        • În SUA, răscumpărările în natură (in-kind) scutesc în plus fondul de distribuirea cîștigurilor de capital
                          • o regulă fiscală americană, nu o trăsătură generală

                        Studiu de caz, sistemul de cerere și estimarea (1/3)

                        Slide 140 în PDF

                        Haddad, Huebner & Loualiche (2025) folosesc formularele 13F ale administratorilor care decid asupra a cel puțin 100 de milioane de dolari în titluri 13(f). Fiecare acțiune \(k\) are caracteristicile \(X_k\): logaritmul capitalului propriu contabil și pătratul lui, profitabilitatea, investițiile și randamentul dividendului, fiecare transformată spre distribuția Normală; universul \(\mathcal{N}_i\) al investitorului \(i\) este mulțimea acțiunilor deținute de el în ultimii trei ani. Cererea investitorului \(i\) pentru acțiunea \(k\) (ec. 13–14) leagă logaritmul raportului dintre ponderea \(w_{ik}\) și ponderea activului din afara universului \(w_{i0}\), net de logaritmul capitalizării \(p_k\), de caracteristici, de elasticitatea proprie \(\mathcal{E}_{ik}\) înmulțită cu \(p_k\), de elasticitatea agregată \(\mathcal{E}_{agg,k}\) și de interacțiunea ei cu \(X_k\), plus un șoc de cerere \(\epsilon_{ik}\).

                        Pe scurt

                        • Date: formularele 13F ale administratorilor (Secțiunea III.B)
                          • administratori care decid asupra a cel puțin 100 de milioane de dolari în titluri 13(f)
                          • caracteristicile \(X_k\): log capitalul propriu contabil (și pătratul lui), profitabilitatea, investițiile, randamentul dividendului
                          • caracteristicile sînt transformate spre distribuția Normală
                          • universul \(\mathcal{N}_i\): acțiunile deținute de investitorul \(i\) în ultimii trei ani
                        • Cererea (ec. 13–14):
                          \[ \log (w_{ik}/w_{i0}) - p_k = \bar d_{0i} + \bar d_{1i}' X_k - \mathcal{E}_{ik}\, p_k + \xi\, \mathcal{E}_{agg,k} + \zeta' \mathcal{E}_{agg,k} X_k + \epsilon_{ik} \]
                          • \(w_{ik}\): ponderea acțiunii \(k\) în portofoliul investitorului \(i\)
                          • \(w_{i0}\): activul din afara universului
                          • \(p_k\): logaritmul capitalizării, \(P_k = e^{p_k}\) (numărul de acțiuni normalizat la 1)
                          • \(\bar d_{0i}\), \(\bar d_{1i}\): termenul liber al cererii și coeficienții caracteristicilor
                          • \(\epsilon_{ik}\): șocul de cerere

                        Studiu de caz, sistemul de cerere și estimarea (2/3)

                        Slide 141 în PDF

                        Pentru investitorii activi, elasticitatea este \(\mathcal{E}_{ik} = \bar{\mathcal{E}}_{0i} + \bar{\mathcal{E}}_{1i}' X_k - \chi\, \mathcal{E}_{agg,k}\), cu răspunsul strategic \(\chi\); pentru investitorii pasivi este 0. În estimările de bază, coeficienții \(\bar{\mathcal{E}}_{1i}\) și \(\zeta\) sînt restricționați la 0 pentru toate caracteristicile, cu excepția capitalului propriu contabil. În echilibru (ec. 17–18), cererea este egală cu capitalizarea pentru fiecare acțiune, iar elasticitățile individuale ponderate cu deținerile însumează \(\mathcal{E}_{agg,k}\); \(A_i\) sînt activele investitorului, nu factorul de anualizare.

                        Pe scurt

                        • \(\xi\), \(\zeta\): coeficienții lui \(\mathcal{E}_{agg,k}\) și ai interacțiunii lui cu \(X_k\)
                          • ambii proveniți din prețul de referință
                        • Investitori activi: \(\mathcal{E}_{ik} = \bar{\mathcal{E}}_{0i} + \bar{\mathcal{E}}_{1i}' X_k - \chi\, \mathcal{E}_{agg,k}\)
                          • cu termenul liber \(\bar{\mathcal{E}}_{0i}\), coeficienții \(\bar{\mathcal{E}}_{1i}\) și răspunsul strategic \(\chi\)
                          • investitori pasivi: \(\mathcal{E}_{ik} = 0\)
                        • Estimările de bază (Secțiunea III.B)
                          • \(\bar{\mathcal{E}}_{1i}\) și \(\zeta\) restricționați la 0 pentru toate caracteristicile, cu excepția capitalului propriu contabil
                        • Echilibru (ec. 17–18): \(\sum_i w_{ik} A_i = P_k\) și \(\sum_i (w_{ik} A_i / P_k)\, \mathcal{E}_{ik} = \mathcal{E}_{agg,k}\)
                          • \(A_i\): activele investitorului (nu factorul de anualizare \(A\))

                        Studiu de caz, sistemul de cerere și estimarea (3/3)

                        Slide 142 în PDF

                        Estimatorul este metoda generalizată a momentelor (generalised method of moments, GMM), cu o problemă de punct fix rezolvată prin metoda lui Newton; cu \(\chi = 0\) se reduce la sistemul de cerere al lui Koijen & Yogo (2019), iar investitorii cu sub 1.000 de dețineri sînt grupați după activele administrate (assets under management, AUM) în grupuri de circa 2.000 de dețineri. Instrumentul pentru preț (ec. 23) este construit doar din ceilalți investitori, fiecare distribuindu-și activele în mod egal în universul lui, iar instrumentul pentru elasticitate (ec. 24) rezolvă condiția elasticităților pentru aceleași portofolii cu ponderi egale.

                        Pe scurt

                        • Estimatorul: GMM cu o problemă de punct fix rezolvată prin metoda lui Newton (Secțiunea III.C)
                          • cu \(\chi = 0\) se obține sistemul de cerere din Koijen & Yogo (2019)
                          • investitorii cu sub 1 000 de dețineri sînt grupați după AUM (active administrate) în grupuri de circa 2 000 de dețineri (Tabelul 2)
                        • Instrumentul pentru preț (ec. 23): \(\hat p_{k,i} = \log \sum_{j \ne i} A_j\, 1\{k \in \mathcal{N}_j\} / |\mathcal{N}_j|\)
                          • construit doar din ceilalți investitori \(j \ne i\), fiecare cu activele \(A_j\) distribuite în mod egal în universul lui
                          • \(1\{k \in \mathcal{N}_j\}\): 1 dacă acțiunea \(k\) face parte din universul investitorului \(j\), altfel 0
                          • \(|\mathcal{N}_j|\): numărul de acțiuni din acel univers
                        • Instrumentul pentru elasticitate (ec. 24)
                          • condiția elasticităților rezolvată pentru aceleași portofolii cu ponderi egale

                        Studiu de caz, rezultatele complete

                        Slide 143 în PDF

                        Tabelul adună cifrele lucrării, cu locul în care apar. Răspunsul strategic este \(\chi = 2{,}97\) (SE 0,47), între 0 și \(\infty\), și variază între 2,30 și 3,27 în rîndurile de robustețe, dar scade la 0,04 fără instrumentul pentru elasticitate și la 0,63 fără instrumente: endogenitatea ascunde răspunsul. Elasticitatea agregată medie este 0,438, iar reacțiile înjumătățesc dispersia reziduală între acțiuni (0,0395 față de 0,0842 cu elasticități fixe). Ponderea mediană a administrării active scade de la 81,4% în 2001 la 59,5% în 2020; panta în forma redusă a lui \(\Delta\log\mathcal{E}_{agg}\) în raport cu \(\Delta\log\) al ponderii active este 0,385 (SE 0,022), compatibilă cu o treime. Acțiunile mai puțin elastice sînt mai volatile și mai puțin lichide, iar elasticitatea agregată medie scade de la 0,41 la 0,27, o scădere de circa două ori mai mică decît ar fi cu \(\chi = 0\).

                        Pe scurt

                        TemaCifra din lucrareUndeInterpretare
                        Răspunsul strategic\(\chi = 2{,}97\) (SE 0,47); \(\zeta = -0{,}48\) (SE 0,14)Tabelul 2, rîndul 1între \(0\) și \(\infty\)
                        Robustețe\(\chi\) între 2,30 și 3,27 în rîndurile 2–14; 0,04 fără instrumentul pentru elasticitate, 0,63 fără instrumenteTabelul 2endogenitatea maschează răspunsul
                        Nivelul elasticitățiimedia \(\mathcal{E}_{agg}\) 0,438 (elasticități fixe 0,39); abaterea standard reziduală între acțiuni 0,0395 (fixe 0,0842)Tabelul 3reacțiile înjumătățesc dispersia
                        Creșterea investițiilor pasiveponderea activă mediană 81,4% (2001), 59,5% (2020)Figura 5pasivi de la 19% la 41%
                        Formă redusăpanta \(\Delta\log\mathcal{E}_{agg}\) pe \(\Delta\log\) pondere activă 0,385 (SE 0,022); 0,336 (SE 0,055) cu trecerile Russell 1000/2000Tabelul 4, col. 2, 5compatibil cu o treime
                        Prețurila o abatere standard de elasticitate, cu instrument: volatilitate \(-0{,}383\) (SE 0,123), nelichiditate \(-0{,}396\) (SE 0,131)Tabelul 5, col. 2, 8inelastic: mai volatil
                        Evoluțiamedia \(\mathcal{E}_{agg}\) de la 0,41 la 0,27; cu \(\chi = 0\) scăderea ar fi fost aproape dublăFigurile 6, 8răspunsul a atenuat scăderea

                        Studiu de caz, limite și o întrebare deschisă

                        Slide 144 în PDF

                        Autorii enunță patru limite:

                        1. Un singur \(\chi\) pentru toți investitorii, fără intrări și ieșiri strategice sau fluxuri ale fondurilor;
                        2. Un singur formular 13F pe instituție, deci fondurile ei active și pasive nu pot fi separate;
                        3. O elasticitate pentru acțiuni individuale, nu pentru piață în ansamblu;
                        4. Ipoteza că cei care trec la administrare pasivă sînt reprezentativi pentru investitorii activi.

                        Deținerea pasivă este ea însăși endogenă, astfel că identificarea efectului ei se bazează pe reconstituirile indicilor și pe șocurile de fluxuri (Sammon, 2025).

                        Pe scurt

                        • Limitele recunoscute de autori
                          • un singur \(\chi\) pentru toți investitorii, fără intrări și ieșiri strategice și fără fluxuri către fonduri (Secțiunea I.B)
                          • un singur formular 13F pe instituție: fondurile ei active și pasive nu pot fi separate (nota 51)
                          • elasticitatea privește acțiunile individuale, nu piața în ansamblu (nota 37)
                          • cei care trec la administrare pasivă sînt presupuși reprezentativi pentru investitorii activi (Secțiunea V.A)
                        • Deținerea pasivă este endogenă
                          • deci identificarea efectului ei (Sammon (2025)) se bazează pe revizuirile componenței indicilor și pe șocurile fluxurilor
                        • Ce se poate verifica cu datele cursului: slide-ul următor

                        Studiu de caz, rezultate reproductibile cu datele cursului

                        Slide 145 în PDF

                        Fără deținerile 13F, \(\chi\) nu poate fi reestimat, dar aritmetica din Secțiunea V.A poate fi verificată: 0,90 din ec. (5) și 0,33 din ec. (28), pe slide-urile principale. Pentru că rata de transmitere (0.19) se schimbă cu \(\alpha\), integrarea ei de la \(\alpha_0 = 0{,}814\) la \(\alpha_1 = 0{,}595\) cu \(\chi = 2{,}97\) dă \(-0{,}313 + 0{,}211 = -0{,}102\) în logaritmi, o scădere de circa 10%, de același ordin cu rezultatul principal. Măsura deținerii pasive din lucrare nu poate fi refăcută din agregatele publice: Financial Accounts of the United States nu separă fondurile mutuale pe indici de cele active, iar seria lor pentru ETF-uri amestecă fondurile pasive cu cele active. Autorii indică și reglementarea bancară, vînzările forțate (fire sales) și marii investitori suverani ca întrebări ulterioare.

                        Pe scurt

                        • Fără deținerile 13F, \(\chi\) nu poate fi reestimat
                          • calculele din Secțiunea V.A se pot verifica (0,90 din ec. 5 și 0,33 din ec. 28, în slide-urile principale)
                        • Rata de transmitere variază cu \(\alpha\)
                          • integrarea ec. (28) de la \(\alpha_0 = 0{,}814\) la \(\alpha_1 = 0{,}595\), cu \(\chi = 2{,}97\), dă \(\ln\frac{\alpha_1(1+\chi\alpha_0)}{\alpha_0(1+\chi\alpha_1)} = -0{,}313 + 0{,}211 = -0{,}102\)
                          • circa 10%, același ordin de mărime ca cifra din rezumat
                        • Limita datelor: măsura deținerii pasive din lucrare nu poate fi refăcută din agregatele publice
                          • Conturile financiare ale Statelor Unite nu separă fondurile mutuale index de cele active
                          • seria lor pentru ETF-uri amestecă fondurile pasive cu cele active
                          • deci traiectoria ponderii pasive din lucrare și traiectoria elasticității care rezultă din ea nu sînt reproduse aici
                        • Autorii propun și alte direcții (Secțiunea VI)
                          • reglementarea bancară, vînzările forțate și marii investitori suverani

                        Mini studiu de caz, estimare și putere statistică

                        Slide 146 în PDF

                        Efectul minim detectabil este cel mai mic efect adevărat detectat cu puterea de 80% de un test bilateral la pragul de 5%; în aproximarea Normală,

                        \[\mathrm{MDE} = (z_{0.975} + z_{0.80}) \times \operatorname{SE} \approx 2{,}8 \times \operatorname{SE},\]
                        (0.26)

                        unde \(z_p\) este cuantila de ordin \(p\) a distribuției Normale standard, iar SE este eroarea standard HAC a spread-ului mediu anualizat dintre SPY și RSP, în pp pe an. Pe întregul eșantion, \(\operatorname{SE} \approx 0{,}29/0{,}27 \approx 1{,}1\) pp, deci (0.26) dă un MDE de 3,1 pp pe an; pentru 2015–2026, MDE este 4,9% pe an, mai mare decît estimarea însăși, +2,85%. Spread-ul este un rezultat, nu o măsură a deținerii pasive, deci o afirmație cauzală cere o sursă exogenă de variație.

                        Pe scurt

                        • Efectul minim detectabil (MDE): cel mai mic efect real detectat cu putere 80% de un test bilateral la pragul de 5%
                          \[ \mathrm{MDE} = (z_{0{,}975} + z_{0{,}80}) \times \operatorname{SE} \approx 2{,}8 \times \operatorname{SE} \]
                          • aproximarea Normală
                          • \(z_p\): cuantila de ordin \(p\) a distribuției Normale standard
                          • SE: eroarea standard HAC a diferenței medii anualizate \(252\,\bar d\), în pp pe an
                          • pe întregul eșantion, \(\operatorname{SE} = 0{,}29/0{,}27 \approx 1{,}1\) pp, deci \(\mathrm{MDE} = 2{,}8 \times 1{,}1 = 3{,}1\) pp pe an
                          • pe 2015–2026, MDE este 4,9% pe an, mai mult decît estimația însăși (\(+2{,}85\%\))
                        • Cauzalitate: SPY \(-\) RSP este o variabilă de rezultat, nu o măsură a deținerii pasive
                          • o afirmație cauzală cere o sursă de variație exogenă
                        MFM_ch0_ai_discovery

                        Mini studiu de caz, eroarea standard HAC

                        Slide 147 în PDF

                        Spread-urile zilnice \(d_t\) sînt autocorelate, iar varianța lor se schimbă în timp, deci formula iid \(s_d/\sqrt{T}\) dă o valoare greșită pentru \(\operatorname{SE}(\bar d)\). Estimarea Newey–West (HAC) adaugă autocovarianțele \(\hat\gamma_l\) pînă la lagul \(L\), cu ponderi care scad liniar,

                        \[\widehat{\operatorname{Var}}(\bar d) = \frac{1}{T}\Big[\hat\gamma_0 + 2\sum_{l=1}^{L}\Big(1 - \frac{l}{L+1}\Big)\hat\gamma_l\Big],\]
                        (0.27)

                        care păstrează estimarea nenegativă; \(L = 0\) redă varianța iid, autocorelația pozitivă mărește SE, iar cea negativă o micșorează. Lagul se fixează în preînregistrare: regula uzuală \(L = \lfloor 4(T/100)^{2/9} \rfloor\) dă \(L = 9\) pentru \(T = 5.884\) de zile, iar rezultatele se raportează și cu \(L/2\) și \(2L\).

                        Pe scurt

                        • Diferențele zilnice \(d_t\) sînt autocorelate, iar varianța lor se schimbă în timp
                          • deci formula iid \(s_d/\sqrt{T}\) dă o \(\operatorname{SE}(\bar d)\) greșită
                        • Estimarea Newey–West (HAC) adaugă autocovarianțele pînă la lagul \(L\), cu ponderi descrescătoare liniar
                          \[ \widehat{\operatorname{Var}}(\bar d) = \frac{1}{T}\Big[\hat\gamma_0 + 2\sum_{l=1}^{L}\Big(1 - \frac{l}{L+1}\Big)\hat\gamma_l\Big] \]
                          • \(\hat\gamma_l\): autocovarianța empirică a lui \(d_t\) la lagul \(l\) (\(\hat\gamma_0\): varianța)
                          • \(T\): numărul de diferențe zilnice
                          • ponderile descrescătoare păstrează estimarea nenegativă
                          • \(L = 0\) redă varianța iid
                          • autocorelația pozitivă mărește SE, cea negativă o micșorează
                        • Lagul \(L\) se declară în preînregistrare
                          • regula uzuală \(L = \lfloor 4(T/100)^{2/9} \rfloor\) dă \(L = 9\) pentru \(T = 5\,884\)
                          • raportați și rezultatele cu \(L/2\) și \(2L\)

                        Un flux minimal în Python

                        Slide 148 în PDF

                        Codul citește datele cursului din depozitul de pe GitHub: prețul de închidere al indicelui S&P 500, prețul de închidere ajustat al SPY și seria Bitcoin, tranzacționată 24/7. Pentru o analiză comună, el alătură întîi prețurile pe zilele comune și abia apoi calculează randamentele logaritmice, astfel încît ambele randamente să acopere același interval calendaristic, de exemplu de vineri pînă luni; altfel, randamentul Bitcoin de duminică pînă luni ar fi pus alături de randamentul S&P 500 de vineri pînă luni. Ultima linie calculează drawdown-ul ca raportul dintre preț și maximul lui de pînă atunci, minus 1.

                        Listă de verificare a datelor

                        Slide 149 în PDF

                        Lista rezumă practica de lucru cu datele din capitol:

                        • Reprezentați grafic seriile brute și enumerați cele mai mari randamente;
                        • Comparați două surse, cînd se poate;
                        • Verificați ajustările pentru dividende, divizări de acțiuni și denominări;
                        • Eliminați înregistrările false din zilele fără tranzacționare;
                        • Investigați valorile extreme izolate și corectați sau eliminați doar erorile confirmate;
                        • Documentați fiecare modificare;
                        • Pentru mai multe serii, alăturați prețurile pe zilele comune înainte de a calcula randamentele.

                        Pe scurt

                        • Reprezentați grafic seria brută și listați randamentele extreme
                        • Comparați două surse, cînd este posibil
                        • Verificați ajustările: dividende, split-uri, denominări
                        • Eliminați înregistrările fictive din zilele fără tranzacționare
                        • Investigați valorile aberante izolate și corectați sau eliminați doar erorile de date confirmate
                        • Documentați fiecare modificare
                        • Pentru mai multe serii, aliniați prețurile pe zilele comune înainte de a calcula randamentele

                        Bucla descoperirii, prompturi reutilizabile (1/2)

                        Slide 150 în PDF

                        Prompturile reproduc primele trei etape ale buclei descoperirii folosite în mini studiul de caz al capitolului. Promptul de literatură cere lucrări evaluate de colegi despre deținerea pasivă și informativitatea prețurilor, cu DOI, strategia de identificare și estimarea principală, și semnalează referințele nesigure; fiecare DOI se verifică apoi pe Crossref, iar rezumatul îl citește cercetătorul. Promptul de ipoteză cere trei explicații concurente pentru faptul că SPY a bătut RSP după 2015, fiecare cu o implicație pe care celelalte nu o au. Promptul de cod cere un test al unui spread mediu zilnic nul al randamentelor logaritmice, cu o statistică \(t\) Newey–West, pe prețuri alăturate pe zilele comune.

                        Pe scurt

                        • Literatură
                          • Listează lucrări publicate în reviste cu evaluare inter pares, din 2018 încoace, despre deținerea pasivă și informativitatea prețurilor. Pentru fiecare: DOI, strategia de identificare, estimația principală. Marchează orice lucrare despre care nu ești sigur că există.
                          • verificați fiecare DOI în Crossref (titlul și autorii trebuie să coincidă) și citiți personal rezumatul
                        • Ipoteză
                          • Propune trei explicații concurente pentru faptul că SPY a avut randamente mai bune decît RSP după 2015 (fluxuri pasive, compoziția pe sectoare, creșterea profiturilor celor mai mari firme). Pentru fiecare, dă o implicație testabilă pe care celelalte nu o au.
                        • Date și cod
                          • Scrie cod Python care citește prețurile zilnice ajustate (randament total) ale SPY și RSP din datele cursului, aliniază prețurile pe zilele comune și testează H0: media diferenței zilnice a randamentelor log = 0, cu statistica t Newey-West.

                        Bucla descoperirii, prompturi reutilizabile (2/2)

                        Slide 151 în PDF

                        Ultimele etape cer un plan de robustețe preînregistrat, cu subeșantioane, lățimi de bandă HAC, randamente simple față de logaritmice și o versiune neutră pe sectoare, împreună cu rezultatul care ar infirma ipoteza, și o critică în care asistentul joacă rolul unui referent ostil. Raportul dă estimarea, eroarea ei standard, eșantionul și fiecare specificație încercată. Cercetătorul trebuie să verifice referințele inventate, folosirea prețului de închidere neajustat în locul celui ajustat, randamentele calculate înainte de alăturare, ferestrele alese după ce s-au văzut datele și puterea scăzută, pe care o raportează MDE.

                        Pe scurt

                        • Robustețe
                          • Scrie un plan de robustețe preînregistrat: subeșantioane, lățimi de bandă HAC, randamente simple față de log, o versiune neutră pe sectoare. Spune dinainte ce rezultat ar infirma ipoteza.
                        • Critică
                          • Joacă rolul unui recenzent sever. Enumeră cele mai serioase trei obiecții la strategia de identificare și testul care răspunde fiecăreia.
                        • Raport: estimația, eroarea standard, eșantionul, toate specificațiile încercate, inclusiv cele eșuate
                        • Verificările cercetătorului
                          • referințe inventate: verificați fiecare DOI
                          • închiderea neajustată în locul celei ajustate: reproduceți întîi multiplii de randament total
                          • randamente calculate înainte de alinierea prețurilor: numărați zilele comune
                          • alegerea ferestrei convenabile: fixați ferestrele dinainte
                          • putere mică: raportați MDE

                        Prețuri zilnice EODHD pînă la 18 sep. 2026: indici, ETF-uri (prețuri ajustate), aur, Bitcoin, Ethereum, USDT; BET: valori oficiale de închidere. Cursurile USD/EUR și JPY/USD din FRED, cursul EUR/RON de referință al BNR. Studiile de caz: Haddad, Huebner și Loualiche (2025), ec. (5) și Tabelul 2; Pflueger (2025), Figura 1, cu randamentele FRED DGS10, DFII10 și DTB3, piața SUA din biblioteca Kenneth French și SPY.

                        Bibliografie