VYTAUTO DIDŽIOJO UNIVERSITETAS
Jonė Šakalytė
VERTYBINIŲ POPIERIŲ BIRŽŲ SEKTORIAUS RINKOS
STRUKTŪROS VERTINIMAS FORMUOJANTIS
TINKLAMS
Daktaro disertacijos santrauka
Socialiniai mokslai, ekonomika (04 S)
Kaunas, 2009
Disertacija rengta 2005 – 2009 metais Vytauto Didžiojo universitete.
Mokslinis vadovas:
Prof. dr. Valdonė Darškuvienė (Vytauto Didžiojo universitetas, Socialiniai mokslai,
ekonomika – 04S)
Disertacija ginama Vytauto Didžiojo universiteto Ekonomikos mokslo krypties
taryboje:
Pirmininkas:
Prof. habil. dr. Zigmas Lydeka (Vytauto Didžiojo universitetas, Socialiniai mokslai,
ekonomika – 04S)
Nariai:
Prof. dr. Kristina Levišauskaitė (Vytauto Didžiojo universitetas, Socialiniai mokslai,
ekonomika – 04S)
Prof. dr. Violeta Pukelienė (Vytauto Didžiojo universitetas, Socialiniai mokslai,
ekonomika – 04S)
Doc. dr. Nerijus Mačiulis (ISM Vadybos ir ekonomikos universitetas, Socialiniai
mokslai, vadyba ir administravimas – 03S)
Prof. dr. Vytautas Snieška (Kauno technologijos universitetas, Socialiniai mokslai,
ekonomika – 04S)
Oponentai:
Prof. dr. Vilija Aleknevičienė (Lietuvos žemės ūkio universitetas, Socialiniai mokslai,
ekonomika – 04S)
Prof. habil. dr. Aleksandras Vytautas Rutkauskas (Vilniaus Gedimino technikos
universitetas, Socialiniai mokslai, vadyba ir administravimas – 03S)
Disertacija bus ginama viešame Ekonomikos mokslo krypties tarybos posėdyje 2009 m.
gruodžio 10 dieną, 10 valandą, Vytauto Didžiojo universitete, Mažojoje salėje.
Adresas: S. Daukanto g. 28, Kaunas.
Disertacijos santrauka išsiuntinėta 2009 m. lapkričio 10 dieną. Su disertacija galima
susipažinti Lietuvos nacionalinėje M. Mažvydo ir Vytauto Didžiojo universiteto
bibliotekose.
2
VYTAUTAS MAGNUS UNIVERSITY
Jonė Šakalytė
EVALUATION OF MARKET STRUCTURE IN STOCK
EXCHANGE INDUSRTY UNDER NETWORK
FORMATION
Summary of Doctoral Dissertation
Social Sciences, Economics (04 S)
Kaunas, 2009
3
The dissertation was prepared in 2005 – 2009 at Vytautas Magnus University.
Scientific supervisor:
Prof. dr. Valdonė Darškuvienė (Vytautas Magnus University, Social sciences,
Economics – 04S)
The Council of Economics Sciences of Vytautas Magnus University:
Chairman:
Prof. habil. dr. Zigmas Lydeka (Vytautas Magnus University, Social sciences,
Economics – 04S)
Members:
Prof. dr. Kristina Levišauskaitė (Vytautas Magnus University, Social sciences,
Economics – 04S)
Prof. dr. Violeta Pukelienė (Vytautas Magnus University, Social sciences, Economics –
04S)
Doc. dr. Nerijus Mačiulis (ISM University of Management and Economics, Social
sciences, Management and administration – 03S)
Prof. dr. Vytautas Snieška (Kaunas University of Technology, Social sciences,
Economics – 04S)
Opponents:
Prof. dr. Vilija Aleknevičienė (Lithuanian University of Agriculture, Social sciences,
Economics – 04S)
Prof. habil. dr. Aleksandras Vytautas Rutkauskas (Vilnius Gediminas Technical
University, Social sciences, Management and administration – 03S)
The public defense of the dissertation will take place on 10th of December, 2009, 10
a.m. at Vytautas Magnus University, Small Hall.
Address: S. Daukanto st. 28, Kaunas.
The summary of dissertation was sent out on 10th of November, 2009. The dissertation
is available at the M. Mažvydas National Library of Lithuania and Vytautas Magnus
University library.
4
Relevance of the research.
Liberalization of financial sector and internationalization of capital flows
determined the constant increase of resources accumulated and allocated in financial
sector. In the European Union since year 2000 lending of banking sector grew about
10% per year. So at the end of 2008 resources allocated in financial sector were about
two times bigger of EU GDP. Specific functions of financial sector such as allocation of
financial resources, monitoring of managers, diversification of risks, etc., distinguishes
the financial sector from all other sectors in economy. Because of that the role of
financial sector in economy has a multiplication effect. Traditionally it is assumed that
financial sector plays an intermediation role in economy. And because of that the value
added in other sectors may augment faster (Levine, 2004; Thiel, 2001). So, efficient and
effective financial sector and its institutions might profit all other actors in economy.
Recently a distinguishing feature of Lithuanian, as well as European and other
economies in the world is networks among enterprises and their formation. It is also
relevant to financial sector. In a stock exchange sector the network formation process is
intensive and significant. The wave of mergers and acquisitions in a stock exchange
sector that started at year 2000, still continues and is intensifying. This causes the
formation of ownership links among exchanges. But different types of links forms as
exchanges start using the same trading platform, trading indexes of other exchanges,
creating strategic alliances, signing agreements of cooperation and intent. Intensification
of link formation process causes establishment of alternative markets next to traditional
stock exchanges. Technology possibilities are extended and they are adapted to
computerized direct trading of equities. All these changes in stock exchange sector
foster formation of new links among exchanges. As a consequence, a market structure
of the sector, costs, profitability, effectiveness of exchanges changes.
The need to examine a market structure arises from the connection between
market structure and efficiency, which is evident at sectorial as well as at
macroeconomic level. Evaluation of market structure helps to anticipate efficiency
changes in a company as well as in entire economy. That is why market structure is in
the center of interests of academics and practicians. National and international antitrust
institutions and agencies play an important role by monitoring and regulating market
structures in different sectors in order to maintain and increase the efficiency of
5
companies and consumers’ value. It means that more precise evaluation of market
structure allows choosing political instruments that are more efficient. Supervision of
stock exchange sector and its institutions is provided by national agencies together with
European agencies. Because of contemporary financial – economic crises the role of
these agencies expanded and the necessity of more effective political instruments
increased.
Extent of investigation of the scientific problem
The concept of market structure includes number of buyers, behavior of
companies, their size, boundaries of market entry, product differentiation, relative
power of buyers and sellers, competition level and forms (Business Dictionary, 2009;
Quast, 2007; Bagdanavičius, Stankevičius, Lukoševičius, 1999). But because of the
relevance of competition problem, the majority of empirical research on market
structure narrows to evaluation of market concentration. Universality of these market
structure evaluation models facilitates their application on different sectors. Universality
and a big range of market structure evaluation models determined the development of
market structure research. The researches are divided into two groups. One part of the
researchers evaluates the influence of market structure on the results of a single
company (or a selected group of companies) (Borenstein, Bushnell, Knittel, 1999;
Schmiedel, 2001; Jansen, de Haan, 2003, Boone, van Ours, van der Wiel, 2007). In this
case financial – economic indicators of companies, such as profit elasticity, price and
cost ratio, resources’ price elasticity, costs, are analyzed. In the other group of research
(Algeria, Schaenk, 2008, Čepinskis, Gancevskaitė, 2008; Deltuvaitė, Gižienė, 2007;
Economides, 2004), the market structure is evaluated at the sector or macroeconomic
level by assessing the distribution of company’s market shares. The researchers raise the
questions about assessment of market share and selection of the best indicator
considering the peculiarities of the sector analyzed. N. Economides (2004) studies the
peculiarities of market structure evaluation in network industries, eg. telephone and fax
connections, Internet, stock exchanges, credit cards networks). He concludes that
market structure indicators that capture the distribution of market shares and are the
most common in research, have a limited ability to reveal changes of market structure in
network industries.
6
Most of the authors who aim to analyze stock exchanges and evaluate their
activities use informational efficiency or production efficiency evaluation models.
Application of informational efficiency models allows evaluating reaction of stock price
to new information (Levine, 2004; Mishra, Paul, 2008; Dicle, Levendis, 2009). These
models are applicable to financial market, but they are not suitable for evaluation of
efficiency of stock exchanges and its sector. In other part of papers aiming to evaluate
efficiency of stock exchange activities, production efficiency methods, such as
profitability, costs functions, are used (Cybo-Ottone, di Noia, Murgia, 2000; Hasan,
Malkamaki, 2000, Schmiedel, 2001, 2002). Sometimes specific indicators of stock
exchange activity (quality of financial market, automation of trading, liquidity,
turnover, capitalization) are also included into models of stock exchange efficiency
evaluation (Bitzam, Wilson, 2007, Schmidel, 2001).
First researches on network formation in a stock exchange industry were
conducted about ten years ago (Cybo-Ottone, di Noia, Murgia, 2000; di Noia, 2001),
when the wave of mergers and acquisitions started. Their authors concentrated on
evaluation of ownership network formation as a result of mergers and acquisitions of
exchanges. C. di Noia (2001) suggests the model for assessment of network
externalities as an ownership link between two exchanges forms. The results of C. di
Noia (2001) research suggest that ownership network formation in stock exchange
industry might have a bigger positive effect on the customers’ (companies listed and
traders) value than on a stock exchange.
Despite that positive effect of network formation also gains customers, most of
the researchers who aim to evaluate network formation in a stock exchange industry,
concentrate only on estimation of financial and specific indicators of stock exchange
activities and on analysis of their changes (eg. Malkamaki, Topi, 1999; Hasan,
Malkamaki, 2000; Schmiedel, 2001, Gaa et al. 2001). In their models network
formation factor is considered to be exogenous. Network formation process is not
disclosed and not included into models of empirical research (Terol, Russo, 2000; Shy,
Tarkka, 2001; Malkamaki, Topi, 1999; Malkamaki, 2000; Schmiedel, 2001; Schmiedel,
Schonenberger, 2005; etc.). The authors of the papers agree on the research results.
Network formation causes the prices in an exchange (listing and trading fees) to
decrease. As technology links form economies of scale increases so that exchanges’
7
costs decline and their productivity grows – all this have a positive impact on turnover
and capitalization of exchanges.
I. Hasan and H. Scmidel (2003), representatives from the Bank of Finland, were
the sole researchers investigating network formation process and the results in the
European stock exchange sector. Their model suggests three indicators to measure
network formation and includes all if them as independent variables. These indicators
are number of different type of networks, number of types of networks an exchange is
involved, number of members in the same network. The paper of I. Hasan and H.
Scmiedel (2003) aims to evaluate the impact of network formation on exchange activity
indicators, but the network formation in the sector are not very detailed. I. Hasan and H.
Schmiedel (2003) as well as some other researchers (eg. Shy, Tarkka, 2001; Schmiedel,
2001) referring to the results of their research also make conclusions about changes in
market structure: network formation increases competition in the sector that induces
exchanges to function more efficient. However market structure is not directly
evaluated. Indicators of market structure, that assess the distribution of market shares,
are not included in their models.
Considering limitations of the existing research on market structure and network
formation, it is noted that evaluation of market structure in stock exchange industry
under network formation should take allocation efficiency into consideration. Though,
network formation that involves network appearance, network form and its changes,
network disappearance is very little researched. So for research in network formation in
stock exchange industry the specification of economic networks and estimation of its
formation factors is needed. The results of the researches on market structure and
network formation suggest that aiming to evaluate market structure under network
formation the application of existing methods should be conservative. The existing
researches do not examine models’ application limitation in the case of network
formation in a sector.
Consequently, this issue defines the research problem of the dissertation: how to
evaluate market structure in stock exchange industry under network formation?
The object of the dissertation is market structure in a stock exchange industry.
The aim of the dissertation is to propose a model for evaluation of market
structure in stock exchange industry under network formation.
8
The main objectives of the dissertation are:
1. to generalize theoretical and empirical research on market structure and
network formation and to assess their applicability to evaluation of market
structure in stock exchange industry under network formation;
2. to compose a research model for evaluation of market structure in stock
exchange industry under network formation;
3. to prepare methodology for a research on network formation in a stock
exchange industry, adjusting social network research methods;
4. in reference to a research model to prepare methodology for evaluation of
market structure in a stock exchange industry, integrating indicators of market
concentration and market density;
5. to research a market structure in a stock exchange industry under network
formation and to examine the applicability of the model.
Methods of the research
The aim and objectives of the dissertation are achieved by using methods of
systemic, synthesis, comparison, integration, generalization and logical analysis. Data
for the empirical research was collected by applying quantitative content analysis
method; the research was carried out by applying descriptive statistics, structural social
network analysis, correlation analysis methods.
Scientific novelty of the dissertation:
 The typology of economic networks was composed. It defines horizontal and
vertical networks and classifies then in accordance to legal background of link
formation and network resources.
 The main factors of network formation in a stock exchange industry were
identified, systematized and classified into three levels: micro, mezo and
macro level. Their interrelations were estimated. It shows that the main factor
of network formation in a stock exchange industry is increasing competition.
 dissertation proposes a model to evaluate market structure in stock exchange
industry under network formation. It shows a possibility to evaluate market
structure in a stock exchange industry considering network formation.
 The prepared methodology of research on market structure evaluation includes
two methods: for network formation analysis and for market structure
9
evaluation. Network formation research methods include identification of
links, their classification, assessment of network attributes, estimation of
network form, and measurement of network ratios. Market structure evaluation
methods include measurement of market concentration and market density.
 Social network research methods were applied for analysis of economic
networks in stock exchange industry. This method was very rarely used in
economic fields and limitations of its application are unknown. The results of
the dissertation research showed that social network research methods can be
applied for research on structural changes in a sector, but exposure of
qualitative developments is limited.
Practical significance of the dissertation:
 Dissertation proposes a model for market structure in stock exchange industry
evaluation under network formation, which can be used by other scientists and
practicians for their research.
 Methodology for identification, classification and evaluation of economic
links in a stock exchange industry, that is prepared and applied in the
dissertation, can be applied for research in other sectors of economy.
 Application of the prepared methodology for market structure evaluation
under network formation, gave a possibility to improve the evaluation of
market structure in a stock exchange industry.
Limitations of the research:
 Model of evaluation of market structure in the stock exchange industry under
network formation, which is proposed in the dissertation, also includes the
interrelation between market structure and allocation efficiency of the sector.
Market structure can be evaluated considering changes of allocation
efficiency. However, this aspect is not researched in the dissertation.
 The dissertation reveals that application of market concentration measures for
evaluation of market structure in stock exchange industry under network
formation is limited. So proposed methods for evaluation of market structure
are complex and include measures of market concentration and market
density. Network clustering coefficient was suggested and applied to measure
market density in stock exchange industry under network formation.
10
SUMMARY OF THE DISSERTATION
In the first part of the dissertation models of evaluation of market structure and
network formation are analyzed. The analysis aims to generalize theoretical and
empirical research on market structure and network formation and to assess their
applicability to evaluation of market structure in stock exchange industry under network
formation. It begins with the analysis of theoretical and empirical research in market
structure. It is agreed that market structure is one of the main factors of firm’s behavior
and it changes as firms behaves differently. The concept of market structure is wide. It
includes number of buyers, their size, boundaries of market entrance, product
differentiation, relative power of buyers and sellers, competition level, distribution of
buyers and sellers (Business Dictionary, 2009; Quast, 2007; Bagdanavičius,
Stankevičius, Lukoševičius, 1999). Despite this most of the research on market structure
use a narrow definition of market structure and analyze changes of market
concentration. Though structural changes in the market because of network formation
might not have an impact of market concentration, but market structure should deviate
anyway. So in the dissertation the definition of market structure by A. van
Witteloostuijn ir Ch. Boone (2006) is used. Market structure is defined by combination
of market concentration and market density.
Vertical networks
Supply
Technology
R&D
Ownership
Information Network resource
Agreements
Horizontal networks
Associations
Foundation of link
Distribution
Fig. 1 Typology of economic networks
11
Network formation and market structure are interrelated in the theory of Industrial
Organization (Posner, 2000; Cuellar, 2002). However, the definition of economic
networks is unclear. The dissertation specifies that economic network is a complex
social network, where subjects of economy are interconnected by links aiming to
reallocate or to create new economic resources of a network. So most attributes of
economic networks come from social network and graph theories. To sum up network
research in economics (Sydow, 2004; Traore, 2006; Hanson, Mataloni, Slaughter, 2003;
Ernst, 2004; Weisbuch, Battison, 2005; Fouquin, Nayman, Wagner, 2006), the specific
typology of economic networks was made (figure 1).
Macro level
Economic
integration
Economic growth
Growth and
concentration of
external trading
Convergence of
business cycles
Institutionalization
of savings
Economic
regionalization
Growth of foreign
investment flows
Mezo level
Integration
Liberalization
Competition
Changes in ownership
structure
Mergers and
acquisitions
Changes of
business aim
Technology
innovations
Information
spread
NETWORKS IN STOCK EXCHANGE INDUSTRY
Micro level
Betterment of
financial
situation
Enlargement
of firms
Growth of
foreign trade
Mergers and
acquisitions
of firms
Firm’s
financing in
foreign markets
Fig. 2. Factors of network formation in stock exchange industry
12
The results showed that economic network research lack a systematic approach to
network formation process, its factors and outcomes. The researchers note that
comprehensive and more generalized analysis is needed but they concentrate on one
aspect. The dissertation generalizes the research of network formation in economy and
systemizes micro, mezo and macro factors of the process emphasizing the specific
factors in stock exchange industry (figure 2).
After analyzing and systemizing theoretical and empirical research on stock
exchanges and their industry, it can be stated, that research methods for network
formation and market structure evaluation are very limited. Their interrelation is not
enclosed. The researchers concentrate on informational efficiency of financial market or
exchanges’ production efficiency evaluation by analyzing financial and economic ratios
of exchanges. Few papers on network formation is stock exchange industry (di Noia,
2001; Hasan, Scmiedel) also include financial data into research models. Market
structure in the aspect of distribution of market shares, remains not estimated and
research on network formation do not analyze structural changes in the industry. It
proves a necessity of a new approach towards a market structure evaluation under
network formation.
The second part of the dissertation starts with a proposal of research model
(figure 3) for evaluation market structure in the stock exchange industry under network
formation. Methodological background of the model comes from graph theory, social
network theory, industrial organization theory, and economic efficiency theories as well
as models used in empirical research in the area. Methodological background of the
model suggests that a network can be identified by its subjects and links between them.
So the identification of networks and their formation should be researched by applying
structural analysis methods. The most important presumption of the model is that
economic network formation in a stock exchange industry changes its market structure.
That is why the evaluation of market structure in this case should be complex and
include measurements of market concentration and market density.
13
Methodological background
Graph theory
Social network theory
Link and network concept;
Network analysis methods
Market structure concept
and models;
Network externality.
Stock exchange
network formation
Network
attributes of
links
Changes of
market
structure
Market
concentration
Allocation
efficiency
evaluation
Economic efficiency
theories
Market density
measurements
Industrial organization
theory
Link
formation
process
Link and network concept;
Network forms;
Network analysis methods.
Fig. 3. Model of market structure in stock exchange industry evaluation under
network formation
The model suggests that network formation (NET) which is influenced by mezo
factors changes market concentration (RK) and market density (RT). Combination of
them determines market structure (RS). So allocation efficiency (AE) of the sector
changes:
NET  1   mezo  X 1   1
RK   3  NET  X 3   3
RT   4  NET  X 4   4
f ( RK ; RT )  RS
AE   5  RS  X 5   5
The dissertation is focused on network formation and evaluation of market
structure, measured by market concentration and market density. The methodology and
the research have two parts. First of all network formation in a stock exchange industry
is analyzed and the main attributes of the networks assessed. After that, market structure
14
is evaluated by estimating market concentration and market density of the stock
exchange industry and by analyzing their changes. Two hypotheses are formulated: H1.
Complexity of links formation determines network formation in a stock exchange
industry. H2. Network formation in a stock exchange industry has a bigger impact on
market density than on market concentration.
Table 1
Main indicators of structural network analysis
Network attribute
Formula
Notes
Path
d (i, j )  min p x  0
Degree
d (ni )   xij   xij  xi   x  j
Network density
Degree centrality
(subject)
p
ij

g
g
j 1
i 1
g
g
i 1
j 1
 x
Degree centrality
(network)
Network hierarchy
Closeness (subject)
ij
g ( g  1)
d ( ni )
C D (ni ) 
g 1
 C
g
CD 
i 1
D
Normalized ratio
( n * )  C D ( ni )

C D (n * )  max C D (ni )
( g  1)( g  2)
g

2
S D   (C D (ni )  C D ) 2  g
 i 1

( g  1)
CC 
g


  d ( ni , n j ) 
 j 1

 C  (n
g
Closeness degree
(network)
CC 
i 1
Number of links of a
subject
C
*
)  CC (ni )

( g  2)( g  1)/( 2 g  3)
C D - average of all
networks subjects’ degrees
Normalized ratio
C C (n * )  max CC (ni )
Prepared in accordance to Wasserman, Faust,(1994).
Network formation in a stock exchange industry research methodology includes
method of links’ calculation, and assessment of links formation complexity. The
dissertation states that there are three stages of link formation: germ, primary and
implementation. Links at the different stages have different multipliers. Links at a germ
stage have a multiplier of 0,25 and implemented links have a multiplier of 1. The
multipliers help to calculate links, to estimates their number and to analyze their
15
changes. This is necessary for assessment of complexity of links’ formation. One way to
measure complexity is to calculate a correlation coefficient between formations of
different types of links. Another method is structural analysis of networks where the
main network attributes (Table 1) are assessed and their changes analyzed.
Evaluation methodology of market structure in a stock exchange industry starts
with the description of research logic. As proposed research model states, a complex
evaluation of market structure includes parallel measurement of market concentration
and market density. Combination of them determines market structure. Therefore,
changes in market concentration and (or) market density when networks form, might
change market structure as well. For measuring market concentration three structural
indicators were chosen: HHI, CR3 and CR10%. All of these indicators are a subject of
assessment of stock exchanges’ market shares. Estimation of a market share involves
two types of exchange activity indicators: financial performance (Income and EBITDA)
and specific (Capitalization and Turnover). Measurement of market density in empirical
research is very rare and there is no common indicator for it. Market density is defined
as a degree of market coverage, so a clustering coefficient from social network research
methods is chosen. Original clustering coefficient is calculated for an element of a
network. In literature it is suggested that a network clustering coefficient is an average
of elements’ clustering coefficients. Therefore, dissertation suggests that clustering
coefficient for entire market should be defined as an average of clustering coefficients
of all the subjects in the market. Combination of market concentration and market
density determines market structure (Figure 4).
High
Monopolistic
competition
Fringed oligopoly
Perfect
competition
Pure oligopoly
0,5
Low
Density
C
1
0
1000
Low
1800
10000
Medium
High
Concentration
Fig. 4. Nomination of market structure
16
HHI
Networks in a stock exchange industry can be of different types (eg. ownership,
technology, information, etc.). The advantages of the methodology of market structure
evaluation proposed in the dissertation are two. First it can be applied to different types
of networks in the industry. So market structure can be evaluated under different types
of network formation. Secondly, it shows an opportunity to evaluate market structure
under vertical network formation. Introduction of network clustering coefficient
broadens the ability of evaluation of market structure under network formation and the
scope of market structure research.
The third part of the dissertation presents the results of evaluation of market
structure in European stock exchange sector under network formation. Network
formation and market structure in European stock exchange industry during 2000 –
2008 is researched in the dissertation. As the competition in the sector increases new
types of links among European stock exchanges emerge indicating about qualitative
changes of links and networks in the sector. It is hypothesized that (H1) complexity of
links formation determines network formation in the stock exchange industry. The
complexity of links formation was tested by using statistical and structural analysis. The
research results showed that correlation coefficients between different types of links
formation are very high. Horizontal ownership and technology links stimulate the
formation of other type of horizontal and vertical links with a lag of two years. Different
types of networks usually connect the same exchanges. Structure and attributes of
networks differ but a fully connected network form dominates in the European stock
exchange industry. Number of horizontal networks do not change much from 2004, but
their formation leads to increase of average network size as more exchanges connects to
the existing networks. The research results confirm the hypothesis (H1) and show
complex network formation in the European stock exchange industry.
The dissertation model suggests that network formation in the stock exchange
industry affects its market structure. The dissertation proposes to use market
concentration and market density measures to evaluate the market structure in the stock
exchange industry under network formation. It is hypothesized that network formation
in the stock exchange industry has a bigger impact on market density than on market
concentration. First of all the methodology to measure market concentration was
applied on European stock exchange industry. The research results showed that there
17
are no major changes in market concentration under network formation. None of the
concentration measures (HHI, CR3 and CR10%) experienced steep changes and showed
no trends. So it is resumed that network formation in the stock exchange industry do not
increase market concentration. Network formation leads to more even distribution of
income and turnover among exchanges as it suggested by the results of other
researchers. Secondly the methodology to measure market density was applied to
European stock exchange industry. Network clustering coefficient was calculated for
regional and global horizontal networks, vertical networks, and for horizontal networks
of ownership and technology types. The results show that network clustering coefficient
is increasing, so the dissertation concludes that market density in European stock
exchange industry augments under network formation. Increase of market density is
related to formation of new links between interlinked exchanges (increase of average
network degree) and to the fact that new exchanges links to the existing networks
(increase of average network size). The research results confirm the hypothesis (H2)
that network formation in the stock exchange industry has a bigger impact on market
density than on market concentration. To conclude the evaluation of market structure in
European stock exchange industry under network formation, measure of market
concentration and market density were integrated (figure 5).
1
0,9
0,8
2008
2005
0,7
C
0,6
0,5
2001
0,4
0,3
0,2
0,1
0
0
500
1000
1500
2000
2500
3000
HHI
Fig. 5. Market structure in European stock exchange industry under network
formation
18
The research results show that as networks form in European stock exchange
industry, the market structure changes from concentrated to dual (from pure oligopoly
to fringed oligopoly). Because of high complexity of links and network formation in
European stock exchange industry formation of different types of networks have a
similar impact on market structure. As networks form the competition in the industry
increases, market power of oligopolies (bigger exchanges) diminishes so that allocation
of capital can be more effective. For steeper changes of market structure in European
stock exchange industry decrease of market concentration is needed. This could lead to
the market structure of perfect competition.
Main outcomes and conclusions
Theoretical and empirical researches on market structure and network formation
could not disclose market structure and its changes under network formation. As the
interdependence of stock exchanges increases and the number of links between them
augments, a stock exchange industry can be analyzed as a set of links – network.
Usually only one aspect of links and network formation is analyzed. Analysis of
economic networks formation lacks a systematic approach towards the formation
process, its factors and outcomes. The methods and models that are used for research on
stock exchanges and their sector do not include network formation measures and market
structure is not evaluated directly. The research models are not suited for evaluation of
market structure in the stock exchange industry under network formation. Market
structure and its changes under network formation remain undisclosed.
All types of networks are defined by using mathematical and graph models but
they can not disclose specifics of economic networks. Elements from social network,
industrial organization, evolutionary and system theories were applied and the concept
of economic network was specified. Economic network is a complex social network,
where economy actors are interconnected by links aiming to reallocate or to create new
economic resources of a network.
Economic networks can be of different types. Their typology, composed in the
dissertation, includes vertical and horizontal networks that can be classified considering
legal background of links formation (associations, agreements) and network resources
(ownership, technology, R&D, information).
19
The analysis of research on factors of network formation in a stock exchange
industry showed that all factors can be separated into three levels: macro, mezo and
micro. The main factors of network formation are liberalization, financial market
integration, competition in the sector, mergers and acquisitions, technology innovations
and information. The principal factor is competition in the sector.
After generalization and systematization of theoretical and empirical research on
market structure, network formation and stock exchanges, the dissertation proposes the
evaluation model of market structure in stock exchange industry under network
formation. Most of the empirical research suggests market concentration measures in
order to evaluate market structure. This shows a narrow approach to market structure
research. And network formation requires a broader attitude. The dissertation supports
the Resource-based theory of market structure and states that evaluation of market
structure involves market concentration and market density. The research model
proposed in the dissertation integrates market structure and network formation
evaluation models and suggests that link formation leads to formation of networks,
changes their forms and attributes. This changes market concentration and market
density in the stock exchange industry. The combination of the latter two determines
market structure in the industry. So evaluation of market structure in the stock exchange
industry should be complex.
Methodology of network formation in a stock exchange industry research adapts
structural and social network research methods for economic network in a stock
exchange industry analysis. The methodology suggested includes methods for
identification of links, their classification, assessment of network character, and analysis
of network forms, attributes and their changes. Social network analysis methods are
prepared for horizontal network assessment. As networks in a stock exchange industry
can also be vertical, the dissertation suggests vertical subjects of a network to be
included as other type of horizontal subject. This reveals a unique possibility to analyze
formation of vertical networks in a stock exchange industry.
Aiming to apply the research model, the dissertation proposes methodology for
market structure in a stock exchange industry evaluation. The methodology shows an
opportunity for complex evaluation of market structure under network formation.
Complex evaluation of market structure includes estimation and integration of market
20
concentration and market density. Assessment of market structure evaluates market
share distribution among stock exchanges. The dissertation proposes to use network
clustering coefficient to measure market density in the stock exchange industry. The
methods of market concentration assessment evaluate horizontal concentration in an
industry. Meanwhile application of network clustering coefficient to measure market
density gives an opportunity for vertical network evaluation. In that way the dissertation
broadens market structure evaluation possibilities and methods. The proposed
methodology allows evaluating market structure in a stock exchange industry also under
vertical network formation.
To examine the applicability of the research model proposed in the dissertation,
the market structure evaluation under network formation in European stock exchange
industry is researched. The results confirmed both of the research hypotheses. Network
formation research showed that links formation in European stock exchange industry is
complex and it heightens network attributes of the market form. The evaluation of
market structure showed that network formation conditions bigger changes in market
density than in market concentration. Network formation in European stock exchange
industry favors smaller exchanges. When they connect to a network their results
improve: trading turnover grows, market shares increases. Market concentration in
European stock exchange industry remains high during 2000 – 2008. But horizontal and
vertical network formation increases market density. That is why market structure
changes from pure oligopoly to fringed oligopoly. To generalize the research results, it
can be concluded that the model of market structure in stock exchange industry
evaluation under network formation, which is proposed in the dissertation, is applicable
on empirical research in a stock exchange industry.
Further research trends. The model proposed in the dissertation for evaluation of
market structure in stock exchange industry under network formation also includes
assessment of allocation efficiency of a sector when market structure changes. This part
of the model was not detailed and applied to empirical research. So in order to develop
the research, one needs to prepare a methodology for assessment of allocation efficiency
in a stock exchange industry as market structure changes, and to apply it for an
empirical research. It would be useful to evaluate a positive network externality that is
included into methodology background in the dissertation model. Other research
21
development trend is to expand the limitations for application of the dissertation model
on other sectors in economy. For doing this one needs to select some industries in a real
economy, where network formation process is the most intense. The results of such
empirical research could examine the universality of the market structure evaluation
model proposed in the dissertation.
Publication of the research results:
Publications in peer-reviewed scientific journals:
1. Šakalytė, J. European Stock Exchange Networks: Connections, Structure and
Complexity // Taikomoji ekonomika: sisteminiai tyrimai. – Nr. 3/2 (2009). ISSN
1822-7996.
2. Darškuvienė, V., Šakalytė, J. Efficiency of Stock Exchange Netowork Formation
as a Change in Market Concentration // Taikomoji ekonomika: sisteminiai
tyrimai. – Nr. 3/1 (2009). ISSN 1822-7996.
3. Darškuvienė, V., Šakalytė, J. Efficiency of Financial System and Corporate
Value Recognition: the Case of Lithuania // Organizacijų vadyba: sisteminiai
tyrimai. – Nr. 40 (2006). ISSN 1392-1142.
Proceedings of scientific conferences:
1. J. Šakalytė, Koncentracijos vertybinių popierių biržų rinkoje pokyčiai Europos
integracijos kontekstu // Vadybos jaunųjų mokslininkų konferencijų darbai. 11oji respublikinė doktorantų ir magistrantų konferencija, Kaunas: VDU, 2008.
2. J. Šakalytė, Finansų sektoriaus struktūra ir ekonomikos augimas: teorinės
nuostatos // Vadybos jaunųjų mokslininkų konferencijų darbai. 10-oji
respublikinė doktorantų ir magistrantų konferencija, Kaunas: VDU, 2007.
3. J. Šakalytė, Lietuvos finansų sistemos efektyvumo tyrimas // Vadybos jaunųjų
mokslininkų konferencijų darbai. 9-oji respublikinė doktorantų ir magistrantų
mokslinė konferencija „Lietuvos ekonomikos vystymas ES erdvėje: problemos
ir sprendimai“. Kaunas: VDU, 2006. ISBN 9955-12-038-X
4. J. Šakalytė, Ekonomikos efektyvumo samprata, modeliai ir jų raidos analizė //
Vadybos jaunųjų mokslininkų konferencijų darbai. 8-oji respublikinė doktorantų
ir magistrantų mokslinė konferencija. Kaunas: VDU, 2005, p.156 – 165. ISBN
9955-12-038-X.
5. J. Šakalytė, Lietuvos Nacionalinės vertybinių popierių biržos (NVPB)
susijungimo galimybių vertinimas, taikant konkurencinės pusiausvyros modelį //
Vadybos jaunųjų mokslininkų konferencijų darbai. 7-oji respublikinė doktorantų
ir magistrantų mokslinė konferencija. Kaunas: VDU, 2004, p. 109 – 119. ISBN
9955-12-038-X.
22
Information about the author
Name:
Nationality:
Date of birth:
Jonė Šakalytė
Lithuanian
24th June, 1981
Education:
2005 – 2009 Vytautas Magnus University, Faculty of Economics
Department of Finance. Doctoral studies (area – economics)
2003 – 2005 Vytautas Magnus University, Faculty of Economics
Master in Economics (specialization – macroeconomics).
2002 September – December University of Vaaasa (Suomija),
student exchange program, master studies “International Finance”.
1999 – 2003 Vytautas Magnus University, Faculty of Economics
Batchelor in Economics.
1987 – 1999 Kaunas Jono Basanavičiaus secondary school.
and Management,
and Management.
Socrates/Erasmus
and Management.
Professional experience:
2009 –
lector, Department of Economics, Vytautas Magnus University.
2006 – 2009 assistant, Department of Economics, Vytautas Magnus University.
2007 – 2008 economist, Division of Macroeconomics and Forecasting, Economics
department, Bank of Lithuania.
2003 – 2007 international programs and projects coordinator, Faculty of Economics
and Management, Vytautas Magnus University.
2002 sausis Analyst – trainee, FBC „Jūsų tarpininkas“.
Other information:
2006
Meškauskas‘ award from Lithuanian Academy of Science for young
researcher – economist.
2003 – 2006 International project “Mondalisation des normes comptable et leur
appilication dans l'Union Européenne“, participant and coordinator.
2004 May
International conference of students in Warsaw: „Jump into EU: Hopes
and Fears?!“.
23
VERTYBINIŲ POPIERIŲ BIRŽŲ SEKTORIAUS RINKOS STRUKTŪROS
VERTINIMAS FORMUOJANTIS TINKLAMS
Tyrimo aktualumas. Finansų sektoriaus liberalizavimas ir kapitalo srautų
internacionalizavimas sąlygojo tai, kad finansų sektoriuje sukaupiamų ir perskirstomų
lėšų dalis nuolat didėjo. Nuo 2000 m. Europos Sąjungoje vien suteiktų kreditų apimtys
vidutiškai didėjo 10 proc. per metus ir 2008 m. pabaigoje finansų sektoriuje
perskirstomos lėšos buvo apie du kartus didesnės už ES BVP. Dėl specifinių finansų
sektoriaus funkcijų, tokių kaip finansinių išteklių perskirstymas, įmonių priežiūra,
rizikos diversifikavimas ir kt., kurios išskiria jį iš kitų ekonomikoje esančių sektorių,
finansų sektoriaus poveikis ekonomikai turi multiplikatoriaus efektą. Šiam sektoriui
tradiciškai priskiriamas tarpininko vaidmuo, kurio dėka kituose sektoriuose pridėtinė
vertė sparčiau didėja (Levine, 2004; Thiel, 2001). Kuo efektyviau veikia finansų
sektorius ir jame esančios institucijos, tuo didesnę naudą gali gauti visi kiti ekonomikos
dalyviai.
Skiriamasis pastarojo laikmečio tiek Lietuvos, tiek ES ir kitų pasaulio ekonomikų
bruožas – tinklai ir jų formavimasis tarp įmonių – yra būdingas ir finansų sektoriui.
Pastebimi ir intensyvūs jie yra ir vertybinių popierių biržų sektoriuje. Nuosavybės ryšių
formavimąsi sąlygojanti biržų susijungimų ir įsigijimų banga, prasidėjusi apie 2000 m.,
vis dar tęsiasi ir intensyvėja. Biržoms naudojantis vieninga prekybos platforma,
prekiaujant viena kitos indeksais, steigiant bendras rinkas, sudarant strateginius
aljansus, pasirašant bendradarbiavimo ir ketinimų susitarimus, ir t. t. tarp jų formuojasi
ir kitokio tipo ryšiai. Ryšių formavimosi intensyvėjimo pasekoje greta tradicinių
vertybinių popierių biržų steigiamos alternatyvios rinkos, plečiamos technologinės
galimybės ir jų pritaikymas kompiuterizuotai tiesioginei vertybinių popierių prekybai,
dėl ko tarp biržų formuojasi vis nauji ryšiai. Visa tai keičia vertybinių popierių biržų
sektoriaus rinkos struktūrą, biržų sąnaudas, pelningumą, veiklos efektyvumą.
Poreikis tirti rinkos struktūrą kyla ir dėl rinkos struktūros ir efektyvumo sąryšio.
Rinkos struktūros įvertinimas leidžia numatyti galimus tiek įmonių, tiek ir ekonomikos
efektyvumo pokyčius. Todėl rinkos struktūra susilaukia didelio ne tik teoretikų, bet ir
praktikų dėmesio. Svarbų vaidmenį čia vaidina nacionalinės ir tarpnacionalinės
24
konkurencijos priežiūros institucijos, kurios siekdamos didesnio įmonių efektyvumo ir
vartotojų naudos, prižiūri ir reguliuoja atskirų sektorių rinkos struktūrą. Vadinasi,
tikslesnis rinkos struktūros ir jos pasikeitimų nustatymas leidžia imtis efektingesnių
politikos priemonių. Vertybinių popierių biržų sektoriaus ir jo institucijų priežiūra
atliekama ne tik nacionaliniu, bet ir Europos lygiu. Dabartinės finansinės – ekonominės
krizės metu šių institucijų vaidmuo padidėjo, kaip ir efektingesnių politikos priemonių
būtinybė.
Mokslinė problema ir jos ištyrimo lygis. Rinkos struktūros samprata apima
pirkėjų skaičių, įmonių elgseną, jų dydį, įėjimo į rinką galimybes, produkto
diferenciaciją, santykinę pirkėjų ir pardavėjų galią, konkurencijos lygį ir formas
(Business Dictionary, 2009; Quast, 2007; Bagdanavičius, Stankevičius, Lukoševičius,
1999). Tačiau daugumoje empirinių tyrimų dėl konkurencijos problemos aktualumo
orientuojamasi į rinkos koncentracijos matavimą. Platus rinkos struktūros vertinimo
modelių spektras ir jų universalumas, leidžiantis modelius adaptuoti konkrečiam
sektoriui, sąlygojo rinkos struktūros empirinių tyrimų raidą. Šiuos tyrimus galima
išskirti į dvi grupes. Vieni autoriai vertina rinkos struktūros pokyčių poveikį atskiros
įmonės (ar pasirinktos jų grupės) rezultatams (Borenstein, Bushnell, Knittel, 1999;
Schmiedel, 2001; Jansen, de Haan, 2003, Boone, van Ours, van der Wiel, 2007). Tokiu
atveju analizuojami finansiniai – ekonominiai įmonių rodikliai, tokie kaip pelno
elastingumas, kainų ir sąnaudų santykis, išteklių kainų elastingumas, įmonių sąnaudos.
Kitoje grupėje tyrimų (Algeria, Schaenk, 2008, Čepinskis, Gancevskaitė, 2008;
Deltuvaitė, Gižienė, 2007; Economides, 2004) rinkos struktūra vertinama sektoriaus
arba visos ekonomikos lygmenyje, atsižvelgiant į įmonių rinkos dalių pasiskirstymą.
Tyrimuose keliami klausimai apima rinkos dalies įvertinimo aspektus bei tinkamiausio
rodiklio, atsižvelgiant į sektoriaus pobūdį, parinkimą. N. Economides (2004) tiria
tinklinių sektorių (angl.: Network Industries; pvz.: telefono ir fakso ryšiai, internetas,
biržos, kreditinių kortelių tinklai) rinkos struktūros matavimo aspektus. Autorius
pastebi, kad dažniausiai naudojamų rinkos dalių pasiskirstymą vertinančių rodiklių
galimybės atskleisti rinkos struktūros pokyčius tinkliniuose sektoriuose yra ribotos.
Daugumoje tyrimų, susijusių su vertybinių popierių biržomis ir jų veiklos
vertinimu, naudojami informacinio efektyvumo arba veiklos efektyvumo vertinimo
modeliai. Naudojant informacinio efektyvumo modelius tyrimuose vertinama vertybinių
25
popierių kainų reakcija į naują informaciją (Levine, 2004; Mishra, Paul, 2008; Dicle,
Levendis, 2009). Šiais modeliais yra tiriamas pačios finansų rinkos, o ne vertybinių
popierių biržų ir jų sektoriaus efektyvumas. Kita grupė tyrimų apima biržų veiklos
efektyvumo vertinimą, naudojant įmonių veiklos vertinimui įprastus metodus:
pelningumo, sąnaudų funkcijas (Cybo-Ottone, di Noia, Murgia, 2000; Hasan,
Malkamaki, 2000, Schmiedel, 2001, 2002). Į biržų veiklos efektyvumo vertinimo
modelius taip pat įtraukiami ir specifiniai biržų veiklai būdingi rodikliai, tokie kaip
finansų
rinkos
kokybė,
prekybos
automatizavimas,
likvidumo,
apyvartumo,
kapitalizacijos pokyčiai (Bitzam, Wilson, 2007, Schmidel, 2001).
Pirmieji tinklų vertybinių popierių biržų sektoriuje formavimosi tyrimai atlikti
prieš dešimtmetį (Cybo-Ottone, di Noia, Murgia, 2000; di Noia, 2001), prasidėjus biržų
susijungimų ir įsigijimų bangai. To meto tyrimai orientavosi būtent į susijungimų ir
įsigijimų pasekoje vykstantį nuosavybės tinklų formavimąsi ir jų vertinimą. C. Di Noia
(2001) sudaryto modelio pagalba vertinamas tinklo efektas, kuris gaunamas
susiformavus nuosavybės ryšiui tarp dviejų biržų. Remiantis autorės tyrimo rezultatais
teigtina, kad nuosavybės tinklų formavimasis gali turėti didesnį teigiamą efektą biržų
paslaugų pirkėjams (listinguojamoms įmonėms ir prekiautojams) nei pačioms
vertybinių popierių biržoms.
Nepaisant to, daugelio tyrimų autoriai (pvz.: Malkamaki, Topi, 1999; Hasan,
Malkamaki, 2000; Schmiedel, 2001, Gaa ir kt. 2001), siekiantys įvertinti tinklų
formavimąsi vertybinių popierių biržų sektoriuje, koncentruojasi išimtinai ties anksčiau
minėtų finansinių ir specifinių biržų veiklos rodiklių matavimu ir jų kaitos nustatymu.
Jų modeliuose tinklų formavimosi veiksnys laikomas egzogeniniu: tiriami biržų veiklos
rezultatų pokyčiai, autoriams žinant, kad tuo pačiu metu sektoriuje formuojasi tinklai.
Pats tinklų formavimosi procesas neatskleidžiamas, nedetalizuojamas ir į empirinių
tyrimų modelius neįtraukiamas (Terol, Russo, 2000; Shy, Tarkka, 2001; Malkamaki,
Topi, 1999; Malkamaki, 2000; Schmiedel, 2001; Schmiedel, Schonenberger, 2005; ir
kt.). Autoriai yra vieningi dėl tyrimų rezultatų. Tinklų formavimasis sumažina kainas
biržose (įmokas už listingavimą ir prekybą), apjungus technologijas gaunamos masto
ekonomijos dėka mažėja įmonių sąnaudos ir didėja jų produktyvumas, visa tai teigiamai
paveikia ir biržų apyvartą bei kapitalizaciją. Atliekant tinklų formavimosi vertybinių
popierių biržų sektoriuje tyrimus, orientuojamasi į ekonominius tinklus. Jiems apibrėžti
26
dažniausiai naudojama matematinė tinklo samprata, kuri tinka ir yra naudojama ir
kitokių tinklų tyrimuose (pvz.: techninių, socialinių). Ekonominio tinklo samprata ir jos
sąsajos su kitokiais tinklais lieka neiškirtos.
I. Hasan ir H. Schmiedel (2003) iš Suomijos centrinio banko yra bene vieninteliai,
kurie siekė tirti tinklų formavimosi procesą ir rezultatus Europos vertybinių popierių
biržų sektoriuje. Jų sudarytame modelyje siūlomi trys tinklų formavimąsi vertinantys
rodikliai, kurie įtraukiami kaip nepriklausomi kintamieji: tinklinio pobūdžio veiklų
skaičius, tinklų tipų skaičius, tinklo narių skaičius. Kadangi autorių keliamas tikslas yra
įvertinti tinklų formavimosi poveikį biržų veiklos rodikliams, pats tinklų formavimosi
procesas ir dėl to vykstantys pokyčiai sektoriuje lieka mažai detalizuoti. I. Hasan ir H.
Schmiedel (2003) kaip ir kai kurie kiti autoriai (pvz.: Shy, Tarkka, 2001; Schmiedel,
2001) remdamiesi gautais savo tyrimų rezultatais daro išvadas ir apie rinkos struktūrą:
tinklų formavimosi pasekoje didėjančią konkurenciją sektoriuje, kuri verčia biržas veikti
efektyviau. Tačiau jų tyrimuose tiesiogiai rinkos struktūra nevertinama – rinkos
struktūros rodikliai, vertinantys rinkos dalių pasiskirstymą, į tyrimus neįtraukiami.
Atsižvelgiant į išvardintus kitų autorių rinkos struktūros ir tinklų formavimosi
tyrimų trūkumus ir ribotumą, pastebima, kad vertybinių popierių biržų sektoriaus rinkos
struktūros vertinimas formuojantis tinklams turi būti atliekamas atsižvelgiant į
sektoriaus alokacinio efektyvumo pokyčius. Tačiau pats tinklų formavimasis vertybinių
popierių biržų sektoriuje, apimantis tinklų atsiradimą, jų formos pasikeitimus ir tinklų
nunykimą, yra mažai tirtas. Todėl tinklų formavimosi vertybinių popierių biržų
sektoriuje tyrimui būtina atskirti ekonominio tinklo sampratą nuo techninių, socialinių ir
kitų tinklų, bei identifikuoti tinklų formavimąsi sąlygojančius veiksnius. Mokslinės
problemos ištyrimo analizė atskleidė, kad vertinant vertybinių popierių biržų sektoriaus
rinkos struktūrą formuojantis tinklams, esamų metodų taikymas neturi būti
besąlygiškas, nes tyrimuose neatskleistas esamų rinkos struktūros vertinimo metodų
taikymo atvejams, kai sektoriuje formuojasi tinklai.
Šios disertacijos mokslinė problema: kaip atlikti rinkos struktūros vertybinių
popierių biržų sektoriuje vertinimą formuojantis tinklams.
Šios disertacijos objektas –vertybinių popierių biržų sektoriaus rinkos struktūra.
Disertacijos tikslas – sudaryti vertybinių popierių biržų sektoriaus rinkos
struktūros formuojantis tinklams vertinimo modelį.
27
Siekiant iškelto tikslo, disertacijoje formuluojami penki uždaviniai:
1. apibendrinus rinkos struktūros ir tinklų formavimosi teorinius ir empirinius
tyrimus, įvertinti juose siūlomų metodų taikymo galimybes rinkos struktūrai
vertybinių popierių biržų sektoriuje tirti.
2. sudaryti rinkos struktūros vertybinių popierių biržų sektoriuje formuojantis
tinklams vertinimo modelį.
3. parengti tinklų formavimosi vertybinių popierių biržų sektoriuje tyrimo
metodiką, apimančią socialinių tinklų tyrimo metodus.
4. remiantis sudarytu vertinimo modeliu parengti vertybinių popierių biržų
sektoriaus rinkos struktūros tyrimo metodiką, apjungiančią rinkos struktūros ir
tinklų vertinimo rodiklius.
5. atlikti rinkos struktūros formuojantis tinklams tyrimą Europos vertybinių
popierių biržų sektoriuje ir remiantis gautais rezultatais įvertinti disertacijoje
sudaryto modelio pritaikomumą.
Tyrimo metodai
Siekiant disertacijos tikslo ir joje iškeltų uždavinių, naudojami sisteminimo,
sintezės, lyginimo, integravimo, apibendrinimo ir loginės analizės metodai. Empirinio
tyrimo duomenys surinkti pritaikius kiekybinės turinio analizės metodą, tyrimas
atliekamas naudojant aprašomosios statistikos, struktūrinės socialinių tinklų analizės,
koreliacinės analizės metodus.
Mokslinio darbo naujumas:
 sudaryta ekonominių tinklų tipologija, išskiriant horizontalius ir vertikalius
tinklus, bei juos klasifikuojant pagal ryšio susiformavimo pagrindą ir tinklo
išteklius. Sudarytos tipologijos pagalba identifikuojami disertacijoje tiriami
ekonominiai tinklai vertybinių popierių biržų sektoriuje.
 susisteminus teorinius ir empirinius tyrimus, išskirti pagrindiniai tinklų
formavimosi vertybinių popierių biržų sektoriuje veiksniai, jie susisteminti
išskiriant į mikro, mezo ir makro lygius. Nustatytos veiksnių tarpusavio sąsajos,
kurios leido identifikuoti, kad esminis tinklų formavimosi veiksnys vertybinių
popierių biržų sektoriuje yra konkurencijos tarp biržų didėjimas.
28
 Disertacijoje sudarytas rinkos struktūros vertinimo formuojantis tinklams
vertybinių popierių biržų sektoriuje modelis, kuriame biržų sektoriaus rinkos
struktūra vertinama atsižvelgiant į tinklų formavimąsi.
 Parengta vertybinių popierių biržų sektoriaus rinkos struktūros vertinimo
formuojantis tinklams metodologija, kurioje numatytas tyrimo nuoseklumas bei
jo laikantis parengtos dvi – tinklų formavimosi ir rinkos struktūros – tyrimo
metodikos. Tinklų formavimosi tyrimo metodika apima ryšių identifikavimo, jų
klasifikavimo, tinklo požymių nustatymo, tinklo formos bei jo rodiklių
nustatymo metodus. Rinkos struktūros tyrimo metodika apima rinkos
koncentracijos ir rinkos tankumo matavimo metodus, bei rinkos struktūros
nustatymą, atsižvelgiant į rinkos koncentracijos ir rinkos tankumo laipsnių
kombinacijas.
 Disertacijoje taikyti socialinių tinklų tyrimų metodai ekonominiams tinklams
vertybinių popierių biržų sektoriuje tirti iki šiol tokiam tikslui beveik nenaudoti,
o jų ribotumai neatskleisti. Gauti rezultatai parodė, kad socialinių tinklų tyrimų
metodai gali būti taikomi struktūriniams pokyčiams tirti, tačiau kokybinių
pokyčių atskleidimas yra ribotas.
Praktinė darbo reikšmė:
 disertacijoje sudarytas rinkos struktūros vertinimo formuojantis tinklams
vertybinių popierių biržų sektoriuje tyrimo modelis, kuriuo gali naudotis kiti
mokslininkai ir praktikai tyrimams atlikti.
 parengta ir pritaikyta ekonominių ryšių ir tinklų vertybinių popierių biržų
sektoriuje identifikavimo, jų klasifikavimo ir įvertinimo metodika, kuri gali būti
naudojama kitų sektorių tyrimuose.
 parengta vertybinių popierių biržų sektoriaus rinkos struktūros vertinimo
metodika, kurios pritaikymas leidžia pilniau atskleisti rinkos struktūrą
formuojantis tinklams.
Tyrimo ribotumai:
 Vertybinių popierių biržų sektoriaus rinkos struktūros formuojantis tinklams
vertinimo modelis, siūlomas disertacijoje, apima ir rinkos struktūros bei
alokacinio efektyvumo sąryšį. Rinkos struktūros įvertinimas gali būti
29
atliekamas atsižvelgiant į to pasekoje kintantį sektoriaus alokacinį efektyvumą.
Tačiau disertacijoje atliekamo tyrimo metu šis aspektas netiriamas.
 Atskleista, kad rinkos koncentracijos rodiklių taikymas nėra pakankamas rinkos
struktūrai formuojantis tinklams vertinti. Todėl siūloma rinkos struktūrą vertinti
kompleksiškai, apimant rinkos koncentracijos ir rinkos tankumo rodiklius.
Vertybinių popierių biržų sektoriaus rinkos tankumui matuoti pasiūlytas ir
pritaikytas tinklo koncentracijos rodiklis.
IŠVADOS
Apibendrinus rinkos struktūros ir tinklų formavimosi teorinius bei empirinius
tyrimus, įvertinus esamų metodų taikymo galimybes rinkos struktūrai vertybinių
popierių biržų sektoriuje vertinti ir sudarius rinkos struktūros vertinimo formuojantis
tinklams modelį, parengus tinklų formavimosi tyrimo ir rinkos struktūros vertinimo
metodikas, atlikus rinkos struktūros vertinimo formuojantis tinklams Europos vertybinių
popierių biržų sektoriuje tyrimą ir patikrinus disertacijoje siūlomo modelio taikomumą,
daromos šios išvados:
1.
Apibendrinus rinkos struktūros ir tinklų formavimosi teorinius ir empirinius
tyrimus pastebėta, kad rinkos struktūra ir jos pokyčiai formuojantis tinklams lieka
neatskleisti. Rinkos struktūra ir tinklai dažniausiai tiriami atskirai, neidentifikuojant jų
tarpusavio sąsajų. Didėjant biržų tarpusavio ryšių skaičiui, jų sektorių galima
identifikuoti kaip tam tikros formos tinklą ar jų rinkinį. Literatūroje, įvairiais aspektais
aprašančioje ryšių tarp ekonomikos subjektų formavimąsi, šių ryšių vertinimo
tyrimuose trūksta sisteminio požiūrio į patį ryšių bei tinklų formavimosi procesą, jo
veiksnius bei pasekmes. Dažniausiai autoriai tiria vieną ryšių aspektą, visus kitus
kintamuosius
laikydami
egzogeniniais.
Įvertinant
rinkos struktūros
ir tinklų
formavimosi tyrimuose siūlomų metodų taikymo galimybes vertybinių popierių biržų
sektoriaus rinkos struktūrai vertinti formuojantis tinklams, pastebėtina, kad esamuose
tyrimuose tinklo formavimąsi žymintys rodikliai neįtraukiami, o rinkos struktūra
tiesiogiai nevertinama. Disertacijoje daroma išvada, kad esamuose teoriniuose ir
empiriniuose tyrimuose taikomi metodai nėra pakankami vertybinių popierių biržų
sektoriaus rinkos struktūrai vertinti formuojantis tinklams.
30
Ryšio ir tinklo sampratų analizės rezultatai atskleidė, kad dažniausiai tinklams
apibrėžti naudojama matematinė modeliai, bendri visiems tinklams ir neatskleidžiantys
ekonominio tinklų specifiškumo. Pritaikius socialinių tinklų, pramonės organizavimo,
evoliucinės bei sistemų teorijų elementus, disertacijoje patikslinta ekonominio tinklo
samprata. Ekonominį tinklą siūloma apibrėžti kaip kompleksinį socialinį tinklą, kuriame
ekonomikos subjektai susiję ryšiais, kurių atsiradimu siekiama pasidalinti esamus ar
sukurti naujus ekonominius išteklius.
Ryšių ir tinklų formavimosi teorinių ir empirinių tyrimų susisteminimo pasekoje
disertacijoje sudaryta ekonominių tinklų tipologija, kurioje išskiriami vertikalūs ir
horizontalūs tinklai, klasifikuojami pagal ryšio susiformavimo pagrindą (asociacijos,
sutartys ir pan.) bei pagal tinklo išteklius (nuosavybės, tyrimų ir plėtros, technologiniai,
informaciniai). Sudaryta klasifikacija buvo pritaikyta tyrimo metodologijoje siekiant
apibrėžti ir identifikuoti vertybinių popierių biržų ryšius ir tinklus.
Esamus ryšių ir ekonominių tinklų formavimosi veiksnių tyrimų analizė parodė,
kad veiksniai gali būti suskirstyti į tris lygius: makro, mezo ir mikro. Nustatyta, kad
pagrindiniai ryšių formavimosi vertybinių popierių biržų sektoriuje veiksniai yra
sektoriaus liberalizavimas, finansų rinkų integracija, konkurencija tarp biržų, biržų
susijungimai ir įsigijimai, technologinės inovacijos bei informacijos sklaida. Atskleidus
šių veiksnių tarpusavio sąsajas, teigtina, kad svarbiausias ryšių formavimosi vertybinių
popierių biržų sektoriuje veiksnys yra konkurencijos sektoriuje didėjimas.
Atlikta ekonomikos efektyvumo vertinimo modelių ir jų raidos analizė leido
išskirti tris pagrindines efektyvumo tyrimų kryptis: veiklos efektyvumas, alokacinis
efektyvumas ir efektyvumas, kaip vertės didėjimas. Laikantis funkcinio požiūrio į
vertybinių popierių biržas, biržų sektoriaus rinkos struktūra turėtų būti vertinama
atsižvelgiant į jų atliekamą funkciją – finansinių išteklių perskirstymą. Tam turi būti
naudojami alokacinio efektyvumo modeliai.
2.
Susisteminus teorinius ir empirinius tyrimus apie rinkos struktūrą, tinklų
formavimąsi ir vertybinių popierių biržas, disertacijoje pasiūlytas vertybinių popierių
biržų sektoriaus rinkos struktūros vertinimo formuojantis tinklams modelis, apimantis
tris dalis: tinklų formavimąsi (procesas), rinkos struktūrą (matavimas) ir alokacinį
efektyvumą (vertinimas). Greta daugumoje empirinių tyrimų pateikiamo ekonomikos
sektoriaus struktūros vertinimo koncentracijos laipsniu, disertacijoje sudarytame
31
modelyje siūloma vertinti ir rinkos tankumą (remiantis Ištekliais grįstos rinkos
struktūros teorijos (angl.: Resource-based theory of market structure) autorių teiginiais).
Integruojant ankstesniuose tyrimuose naudotus rinkos struktūros, tinklų formavimosi ir
jų vertinimo pavienius modelius, atskleista, kad formuojantis ryšiams susiformuoja
tinklai, kinta jų formos bei bruožai. To pasekoje keičiasi rinkos koncentracija ir rinkos
tankumas. Jų kombinacija nulemia rinkos struktūrą, kuri apsprendžia vertybinių
popierių biržų sektoriaus alokacinį efektyvumą. Tuo remiantis daroma išvada, kad
formuojantis tinklams vertybinių popierių biržų sektoriuje rinkos struktūra turi būti
vertinama kompleksiškai, atsižvelgiant į rinkos koncentracijos ir rinkos tankumo
pokyčius.
3.
Parengtoje tinklų formavimosi vertybinių popierių biržų sektoriuje tyrimo
metodikoje, struktūrinės ir socialinių tinklų analizės metodai adaptuoti ekonominiams
tinklams vertybinių popierių biržų sektoriuje tirti. Biržų ryšių matavimui išskirti trys jų
formavimosi etapai (užuomazga, pradinis, įgyvendinimas), kurių kiekvienam suteikti
skirtingi įverčiai. Naujos biržos prisijungimas prie jau esančio tinklo, bendrą ryšių
skaičių gali padidinti daugiau nei vienu ryšiu; tai priklauso nuo ekonominio tinklo tipo
bei jame esančių biržų skaičiaus. Adaptuojant grafų teorijoje pateikiamą techninių
tinklų topologiją, išskirtos pagrindinės ekonominio tinklo formos: žiedas, žvaigždė,
medis, linija ir pilnai susijęs tinklas. Pastebėta, kad socialinių tinklų analizės metodai
taikytini horizontalių tinklų tyrimams. Siekiant įvertinti vertikalių tinklų formavimosi
pasekoje vykstančius rinkos struktūros pokyčius sektoriuje, disertacijoje siūloma
vertikaliais ryšiais susijusius tinklų subjektus laikyti skirtingo tipo horizontaliais
subjektais. Tokiu atveju vertikaliuose tinkluose vertybinių popierių biržų sektoriuje
išskiriami bent dviejų tipų subjektai.
4.
Remiantis sudarytu tyrimo modeliu, parengta vertybinių popierių biržų
sektoriaus rinkos struktūros vertinimo metodika, kuri leidžia kompleksiškai vertinti
sektoriaus rinkos struktūrą formuojantis tinklams. Kompleksinis rinkos struktūros
vertinimas atliekamas apibendrinant rinkos koncentracijos ir rinkos tankumo matus ir jų
pokyčius. Rinkos koncentracija matuojama atsižvelgiant į rinkos dalių pasiskirstymą
tarp vertybinių popierių biržų, rinkos dalis nustatant pagal finansinius ir specifinius
biržų veiklos rodiklius. Rinkos tankumo matavimui disertacijoje siūloma taikyti šiai
koncepcijai artimiausią tinklų rodiklį – tinklo klasterizacijos koeficientą. Pastebėtina,
32
kad rinkos koncentracijos rodiklių matavimo metodai leidžia įvertinti tik horizontalią
rinkos koncentraciją, o tinklo klasterizacijos koeficiento taikymas rinkos tankumui
matuoti leidžia vertinti ir vertikalių tinklų formavimąsi. Tokiu būdu disertacijoje
praplečiamos sektoriaus rinkos struktūros vertinimo galimybės: sektoriaus rinkos
struktūra įvertinama atsižvelgiant į tai, kad sektoriuje formuojasi ir vertikalūs tinklai.
5.
Pritaikius parengtas tinklų formavimosi tyrimo ir rinkos struktūros vertinimo
metodikas, atliktas rinkos struktūros formuojantis tinklams Europos vertybinių popierių
biržų sektoriuje tyrimas. Statistinės porinių koreliacijų analizės rezultatai atskleidė, kad
horizontalių nuosavybės ir technologinių ryšių formavimasis buvo svarbiausias kitų
ryšių formavimosi intensyvumo atžvilgiu: vidutinis porinės koreliacijos koeficientas su
dviejų metų laiko atotrūkiu buvo didžiausias tarp horizontalių nuosavybės ryšių ir
vertikalių ryšių (0,94) bei horizontalių technologinių ryšių ir kitų tipų horizontalių ryšių
(0,93)
formavimosi.
Struktūrinės
analizės
metu
pastebėta,
kad
horizontalūs
technologiniai ir nuosavybės tinklai sieja tas pačia biržas, tinklų struktūros, jų bruožai
yra panašūs. Tuo remiantis disertacijoje patvirtinama hipotezė, kad ryšiai biržų
sektoriuje formuojasi kompleksiškai ir tai sąlygoja tinklų formavimąsi sektoriuje.
Išskirti du tinklų formavimosi Europos vertybinių popierių biržų sektoriuje etapai:
2000m.-2004 m. ir 2005 m.–2008 m. Pirmajam etapui būdingas intensyvus regioninių
tinklų formavimasis. Vyrauja nuosavybės ir technologinio tipo tinklai, kurie įgauna
pilnai susijusio tinklo arba medžio formą. Antrajame etape greta šių tipų formuojasi
informaciniai, indeksų kūrimo, kiti bendradarbiavimo tinklai. Horizontalūs tinklai artėja
prie pilnai susijusio tinklo formos, jie plečiasi globalių ryšių formavimosi dėka.
Intensyvėja vertikalių tinklų formavimasis.
Atliekant rinkos struktūros Europos vertybinių popierių biržų sektoriuje tyrimą,
rinkos koncentracijos rodiklių kaitos analizė atskleidė, kad pokyčiai nėra dideli.
Pastebėta, kad formuojantis tinklams labiau kinta mažesnių biržų veiklos rezultatai,
suaktyvinama prekyba jose, didėja jų rinkos dalys. Tuo tarpu apskaičiuotos tinklo
klasterizacijos koeficiento reikšmės nuolat didėja ir tai rodo didėjantį sektoriaus rinkos
tankumą formuojantis tinklams. Gauti tyrimo rezultatai leidžia patvirtinti antrąją tyrimo
hipotezę ir daryti išvadą, kad tinklų formavimasis vertybinių popierių biržų sektoriuje
veda prie didesnių rinkos tankumo nei rinkos koncentracijos pokyčių. Didelė Europos
vertybinių popierių biržų sektoriaus rinkos koncentracija ir žemas rinkos tankumas
33
tiriamo laikotarpio pradžioje sąlygojo grynos oligopolijos rinkos struktūros tipą. Atlikus
tyrimą pastebėta, kad formuojantis tinklams (tiek horizontaliems, tiek ir vertikaliems)
didėja sektoriaus rinkos tankumas ir todėl rinkos struktūra artėja prie dualistinės rinkos
struktūros, kuriai būdinga organizacijos forma yra apribota oligopolija. Esant tokiai
rinkos struktūrai konkurencija tarp biržų tampa didesnė, oligopolijų rinkos galia
sumažėja ir todėl ištekliai sektoriuje gali būti perskirstomi efektyviau. Apibendrinant
Europos vertybinių popierių biržų sektoriaus rinkos struktūros vertinimo formuojantis
tinklams tyrimo rezultatus, teigiama, kad disertacijoje siūlomas rinkos struktūros
vertinimo modelis yra taikytinas empiriniams tyrimams vertybinių popierių biržų
sektoriuje atlikti.
6.
Tolimesnės tyrimų kryptys. Disertacijoje siūlomas vertybinių popierių biržų
sektoriaus rinkos struktūros vertinimo formuojantis tinklams modelis gali būti taikomas
plačiau, apimant ir sektoriaus alokacinio efektyvumo pokyčius kintant rinkos struktūrai.
Pastaroji modelio dalis tyrimo metu liko nedetalizuota. Todėl plėtojant šią tyrimų
kryptį, tikslinga sudaryti vertybinių popierių biržų sektoriaus alokacinio efektyvumo
matavimo ir jo pokyčių vertinimo kintant rinkos struktūrai dėl tinklų formavimosi
metodologiją, bei atlikti empirinį tyrimą. Jo metu naudinga būtų išskirti teigiamo tinklų
efekto mastą, kuris disertacijoje siūlomame modelyje lieka tarp modelio metodologinių
prielaidų. Kita tolimesnių tyrimų kryptis – praplėsti vertybinių popierių biržų sektoriaus
rinkos struktūros vertinimo modelio taikymo ribas. Tuo tikslu turėtų būti pasirenkami
realiosios ekonomikos sektoriai, kuriuose tinklų formavimasis yra intensyviausias.
Remiantis jų rezultatais būtų patikrintas ir disertacijoje siūlomo rinkos struktūros
vertinimo formuojantis tinklams modelio universalumas.
Mokslo straipsniai disertacijos tema:
Lietuvos Mokslo tarybos daktaro disertacijai pripažintuose mokslo periodiniuose
leidiniuose:
4. Šakalytė, J. European Stock Exchange Networks: Connections, Structure and
Complexity // Taikomoji ekonomika: sisteminiai tyrimai. – Nr. 3/2 (2009). ISSN
1822-7996.
5. Darškuvienė, V., Šakalytė, J. Efficiency of Stock Exchange Netowork Formation
as a Change in Market Concentration // Taikomoji ekonomika: sisteminiai
tyrimai. – Nr. 3/1 (2009). ISSN 1822-7996.
6. Darškuvienė, V., Šakalytė, J. Efficiency of Financial System and Corporate
Value Recognition: the Case of Lithuania // Organizacijų vadyba: sisteminiai
tyrimai. – Nr. 40 (2006). ISSN 1392-1142.
34
Mokslinių konferencijų darbuose:
6. J. Šakalytė, Koncentracijos vertybinių popierių biržų rinkoje pokyčiai Europos
integracijos kontekstu // Vadybos jaunųjų mokslininkų konferencijų darbai. 11oji respublikinė doktorantų ir magistrantų konferencija, Kaunas: VDU, 2008.
7. J. Šakalytė, Finansų sektoriaus struktūra ir ekonomikos augimas: teorinės
nuostatos // Vadybos jaunųjų mokslininkų konferencijų darbai. 10-oji
respublikinė doktorantų ir magistrantų konferencija, Kaunas: VDU, 2007.
8. J. Šakalytė, Lietuvos finansų sistemos efektyvumo tyrimas // Vadybos jaunųjų
mokslininkų konferencijų darbai. 9-oji respublikinė doktorantų ir magistrantų
mokslinė konferencija „Lietuvos ekonomikos vystymas ES erdvėje: problemos
ir sprendimai“. Kaunas: VDU, 2006. ISBN 9955-12-038-X
9. J. Šakalytė, Ekonomikos efektyvumo samprata, modeliai ir jų raidos analizė //
Vadybos jaunųjų mokslininkų konferencijų darbai. 8-oji respublikinė doktorantų
ir magistrantų mokslinė konferencija. Kaunas: VDU, 2005, p.156 – 165. ISBN
9955-12-038-X.
10. J. Šakalytė, Lietuvos Nacionalinės vertybinių popierių biržos (NVPB)
susijungimo galimybių vertinimas, taikant konkurencinės pusiausvyros modelį //
Vadybos jaunųjų mokslininkų konferencijų darbai. 7-oji respublikinė doktorantų
ir magistrantų mokslinė konferencija. Kaunas: VDU, 2004, p. 109 – 119. ISBN
9955-12-038-X.
35
Trumpos žinios apie autorę
Vardas, pavardė:
Tautybė:
Gimimo data:
Jonė Šakalytė
lietuvė
1981 m. birželio 24 d.
Išsilavinimas:
2005 – 2009 Vytauto Didžiojo universitetas, Ekonomikos ir vadybos fakultetas,
finansų katedra. Doktorantūros studijos (kryptis – ekonomika)
2003 – 2005 Vytauto Didžiojo universitetas, Ekonomikos ir vadybos fakultetas.
Ekonomikos magistras (specializacija – makroekonomika).
2002 rugsėjis – gruodis University of Vaaasa (Suomija), Socrates/Erasmus studentų
mainų programa, magistrantūros studijos “Tarptautiniai finansai”.
1999 – 2003 Vytauto Didžiojo universitetas, Ekonomikos ir vadybos fakultetas.
Ekonomikos bakalauras.
1987 – 1999 Kauno Jono Basanavičiaus vidurinė mokykla.
Profesinė patirtis:
2009 –
lektorė, Ekonomikos katedra, Vytauto Didžiojo universitetas.
2006 – 2009 asistentė, Ekonomikos katedra, Vytauto Didžiojo universitetas.
2007 – 2008 ekonomistė, Makroekonomikos ir prognozavimo skyrius, Ekonomikos
departamentas, Lietuvos bankas.
2003 – 2007 referentė tarptautinėms programoms ir projektams, Ekonomikos ir
vadybos fakultetas, Vytauto Didžiojo universitetas.
2002 sausis analitinė praktika FMĮ „Jūsų tarpininkas“.
Kita informacija:
2006
akad. K. Meškausko premija jaunajam mokslininkui – ekonomistui,
Lietuvos mokslų akademija.
2003 – 2008 tarptautinis projektas “Apskaitos standartų globalizacija ir jų taikymas
Europos Sąjungoje“, dalyvė ir koordinatorė.
2004 gegužė tarptautinė studentų konferencija “Įšokom į ES: viltys ir baimės?!”.
36