Aktien und vergleichbare Anlageklassen unterliegen hohen Kursrisiken. Zur Optimierung des Risiko-Rendite-Verhältnisses eines Investors ist es von großem Nutzen, derartige Risiken zu quantifizieren. Zu diesem Zweck griffen Wirtschaftswissenschaftler in der Vergangenheit verstärkt auf die realisierte Volatilität zurück, einer ex post Approximation der nicht beobachtbaren tatsächlichen Volatilität.
Aufbauend auf dem HAR-, HARQ- und HARQ-F- Modell und deren logarithmischen Erweiterungen aus Corsi (2009), Bollerslev et al. (2016) und Wang et al. (2020), wurde im Rahmen dieser Arbeit der Einfluss der impliziten Volatilität auf die Prognose der realisierten Volatilität von 27 Aktien des Dow Jones Industrial Average (DJIA) untersucht. Zu diesem Zweck wurden das LogHAR-, LogHARQ- und LogHARQ-F-Modell um Volatilitätskomponenten des Chicago Board Options Exchange (CBOE) S&P500 Volatilitätsindex VIX erweitert und die 1-Tages-Prognose dieser linearen Regressionsmodelle, mit denen der Benchmarking-Modelle verglichen.
Die Prognoseergebnisse der erweiterten Modelle weisen deutliche Prognoseverbesserungen sowohl in stark als auch in gering volatilen Zeiträumen auf und übertreffen alle gegenübergestellten Benchmarking-Modelle in ihrer Prognosegüte. Diese Resultate konnten auch in einer Reihe verschiedener Robustheitsprüfungen wiederholt werden. Um die erzielten Prognoseverbesserungen in einer wirtschaftlichen Nutzenanalyse zu verifizieren, wurde im Rahmen dieser Arbeit auf Volatilitäts-Timing-Strategien zur Portfolioallokation nach Fleming et al. (2001) und Marquering & Verbeek (2004) zurückgegriffen. Die verbesserten Volatilitätsprognosen der erweiterten Modelle, verglichen mit den Prognosen der Benchmarking-Modelle, führten zu höheren Portfolionutzen und damit zu ausschließlich positiven durchschnittlichen Performancegebühren, welche ein Investor bereit wäre zu zahlen, um eines der erweiterten Modelle zur Volatilitätsprognose verwenden zu können.
Inhaltsverzeichnis
- Einleitung
- Theoretischer Hintergrund
- Die realisierte Varianz
- Die realisierte Quartizität
- Der CBOE S&P500 Volatilitätsindex VIX
- Modelle der realisierten Varianz
- Grundmodelle der realisierten Varianz
- Das HAR-Modell
- Das HARQ-Modell
- Modifizierte Grundmodelle für die empirische Untersuchung
- Modelle der RV
- Modelle der logarithmischen RV
- Erweiterte logarithmische Modelle der RV
- Grundmodelle der realisierten Varianz
- Datengrundlage und Methodik
- Methodische Grundlagen der Zeitreihenanalyse
- Test auf Stationarität
- Test auf Autokorrelation
- Datendiagnostik des zugrunde liegenden Datenmaterials.
- Regressionsanalyse
- Prognose der RV
- Evaluierung der Prognosegüte
- Methodische Grundlagen der Zeitreihenanalyse
- Empirische Untersuchung
- Multikollinearität
- Schätzung und Prognose der RV.
- Ergebnisse der Regressionsanalyse
- Prognoseergebnisse
- Robustheitsprüfungen
- Alternative RV Schätzer
- Alternative IV Schätzer
- Finanzwirtschaftliche Untersuchung
Zielsetzung und Themenschwerpunkte
Diese Masterarbeit befasst sich mit der Prognose der realisierten Volatilität am US-amerikanischen Aktienmarkt. Ziel ist es, den Einfluss der impliziten Volatilität, die aus Optionen gewonnen wird, auf die Prognosegüte von Modellen der realisierten Volatilität zu analysieren. Dabei werden verschiedene Modelle zur Prognose der realisierten Varianz und Quartizität untersucht und miteinander verglichen.
- Der Einfluss von impliziter Volatilität auf die Prognose der realisierten Volatilität
- Analyse verschiedener Modelle zur Prognose der realisierten Varianz und Quartizität
- Evaluierung der Prognosegüte und Vergleich verschiedener Modelle
- Empirische Untersuchung am US-amerikanischen Aktienmarkt
- Finanzwirtschaftliche Interpretation der Ergebnisse
Zusammenfassung der Kapitel
Die Arbeit beginnt mit einer Einleitung, die die Relevanz der Volatilitätsprognose für Investoren und Finanzmärkte erläutert. Anschließend wird der theoretische Hintergrund beleuchtet, der die Konzepte der realisierten Varianz und Quartizität sowie den VIX als Maß für die implizite Volatilität behandelt. Kapitel 3 stellt verschiedene Modelle der realisierten Varianz vor, darunter das HAR- und das HARQ-Modell, sowie Modifikationen dieser Modelle, die in der empirischen Untersuchung zum Einsatz kommen. Kapitel 4 beschreibt die Datengrundlage, die verwendeten Methoden, die Zeitreihenanalyse, und die Evaluierung der Prognosegüte. Die empirische Untersuchung in Kapitel 5 analysiert die Multikollinearität, schätzt und prognostiziert die RV, führt Robustheitsprüfungen durch und untersucht die Ergebnisse aus finanzwirtschaftlicher Perspektive.
Schlüsselwörter
Realisierte Volatilität, implizite Volatilität, VIX, HAR-Modell, HARQ-Modell, Prognose, Zeitreihenanalyse, Regressionsanalyse, US-amerikanischer Aktienmarkt, Finanzwirtschaft.
- Quote paper
- M.Sc. in Economics Tim Rogge (Author), 2021, Der Einfluss von impliziter Volatilität auf die Prognose der realisierten Volatilität, Munich, GRIN Verlag, https://www.grin.com/document/1118746
