Leseprobe
Inhaltsverzeichnis
Abbildungsverzeichnis
Abkürzungs- und Symbolverzeichnis
1 Einleitung
2 Durable Goods Orders
2.1 Erhebung und Ermittlung
2.2 Bedeutung als makroökonomische Kennziffer
3 Reaktion von Anleihemärkten auf makroökonomische Veröffentlichungen
3.1 Fleming und Remolona (1997)
3.2 Balduzzi, Elton und Green (2001)
3.3 Hautsch und Hess (2007)
4 Fazit
Literatur- und Quellenverzeichnis
Abbildungsverzeichnis
Abbildung 1: Intraday-Preis-Volatilität im Vergleich 4
Abkürzungs- und Symbolverzeichnis
Abbildung in dieser Leseprobe nicht enthalten
1 Einleitung
„How quickly is new private information about the underlying value of a speculative commodity incorporated into market prices?.“1 Bereits 1985 beschäftigte sich Kyle mit der Bedeutung von neuen Informationen für Preisreaktionen auf dem Kapitalmarkt und leistete damit einen großen Beitrag zur Erforschung von Informationsasymmetrien unter Marktteilnehmern als Quelle für Preisänderungen.2 Die vorliegende Arbeit befasst sich mit der Fragestellung, ob und inwieweit Anleihemärkte auf makroökonomische Veröffentlichungen als Informationsquellen reagieren.
Hierzu wird zunächst die Erhebung und Ermittlung der Kennzahl Durable Goods Orders (DGO) näher erläutert und ihre Stellung als makroökonomische Kennziffer in der wissenschaftlichen Literatur behandelt.
Anschließend wird untersucht, ob es Unterschiede in der Bedeutung verschiedener makroökonomischer Kennzahlen für die Reaktion der Anleihemärkte gibt und inwieweit die Erwartungen der Marktteilnehmer einen Einfluss auf die Höhe eines Effektes besitzen. Des Weiteren wird die Relevanz der Qualität von publizierten Informationen betrachtet und welche Auswirkungen die Reaktionsasymmetrie auf gute und schlechte Nachrichten auf die Preisbildung von Anleihen hat.
2 Durable Goods Orders
2.1 Erhebung und Ermittlung
Durable Goods sind Güter, die über eine längere Zeitperiode Nutzen stiften und nicht in einem Akt konsumiert oder aufgezehrt werden.3 Die Bestellungen der Durable Goods (DGO) in den USA werden seit 1957 monatlich vom United States Census Bureau im Rahmen der M3-Umfrage zu den Aktivitäten und wirtschaftlichen Rahmenbedingungen des produzierenden Sektors erhoben. Es werden statistische Daten von circa 4.300 Unternehmen mit einem jährlichen Volumen an Warenversendungen von jeweils mindestens 500 Millionen US-Dollar und einer Auswahl an kleineren Unternehmen ausgewertet. Aus diesen Daten werden die Aktivitäten der 89 einzelnen Industriekategorien und deren prozentuale Veränderung zu den Vormonaten gemessen sowie Zukunftsprognosen für den gesamten Sektor abgeleitet.4
Die DGO beinhalten die eingegangenen Bestellungen für den zu berichtenden Monat abzüglich der Stornierungen von Aufträgen, zu denen auch die in den Vorperioden gemeldeten und später stornierten Bestellungen gehören. Als Bestellung gelten Produkte und Dienstleistungen, die innerhalb des Berichtsmonats versendet oder erbracht wurden oder deren Erfüllung in der Zukunft erfolgt. Hierzu zählen ebenfalls Leasing- und Mietverträge sowie im Berichtsmonat abgerechnete Leistungen aus langfristigen Verträgen. Hinzugerechnet oder abgezogen werden Vertragsänderungen sowie Preisanpassungen, welche den Wert der betroffenen Bestellungen beeinflussen. Unsichere und nicht abgerechnete Bestellungen ohne bindende Verträge sowie Optionen werden nicht zu den neu eingegangenen Bestellungen addiert.5 Die gemeldeten Werte der Unternehmen werden anschließend vom U.S. Census Bureau um einen Saisonfaktor bereinigt. Dieser berücksichtigt heterogene Ferien- und Werktage der Bundesstaaten im Berichtszeitraum sowie saisonale Schwankungen, die auf den Parametern des letzten Jahresberichts basieren.6 Es ergibt sich folgende Formel zur Ermittlung der DGO:
Abbildung in dieser Leseprobe nicht enthalten
2.2 Bedeutung als makroökonomische Kennziffer
Die Anzahl der DGO innerhalb des Berichtsmonats dient als Indikator für die zukünftige Entwicklung der Produktion und ist somit für einen breiten Adressatenkreis interessant. Die Ergebnisse der M3-Umfrage werden insbesondere von der amerikanischen Regierung zur Gestaltung von Strategien zur Steuerung der Wirt- schafts-, Fiskal- und Geldpolitik und zur Schätzung des Bruttoinlandsproduktes verwendet. Daneben nutzen Wirtschaftsverbände sowie die Geschäftswelt die Kennzahlen zur Analyse der wirtschaftlichen Situation in der Industrie.7
In der wissenschaftlichen Literatur lassen sich Hinweise auf die Bedeutung der DGO als makroökonomische Kennziffer und die Reaktion des Anleihemarktes auf ihre Veröffentlichung finden. In der Untersuchung von Fleming und Remolona besitzt die Kennziffer DGO mit Rang 14 von 25 betrachteten Veröffentlichungen einen vergleichsweise schwachen, nicht signifikanten statistischen Einfluss auf die Preisänderung der fünfjährigen Treasury Note (T-Note).8 Balduzzi, Elton und Green finden hingegen einen signifikanten Zusammenhang der Veröffentlichung der DGO auf die Preisänderung der zehnjährigen T-Note. Im Vergleich befindet sich die Stärke des Einflusses auf dem dritten Rang gemeinsam mit fünf anderen von insgesamt 26 Kennzahlen. Sie beziffern den Einfluss der Veröffentlichung der DGO auf die Preisänderung der T-Note von 25% bis 30% der täglichen Preisvolatilität.9
Die Kennziffer DGO stellt nur einen Mosaikstein der regelmäßig veröffentlichten makroökonomischen Kennzahlen dar. An diesem Beispiel lässt sich bereits erkennen, dass ihre Publizierung, bedingt durch die beinhalteten Informationen für die Lage der Industrie und als Maßzahl für deren zukünftige Entwicklung, zu Preiseffekten auf Kapitalmärkten führen kann. Im Folgenden werden im Speziellen die Reaktionen von Anleihem ä rkten auf makro ö konomische Ver ö ffentlichungen in der wissenschaftlichen Literatur betrachtet.
3 Reaktion von Anleihemärkten auf makroökonomische Veröffentlichungen
3.1 Fleming und Remolona (1997)
Fleming und Remolona (1997) untersuchen in einer empirischen Studie den Zusammenhang von großen Preisbewegungen auf dem amerikanischen Anleihemarkt mit dem Zeitpunkt von makroökonomischen Veröffentlichungen. Hierzu bestimmen sie die Einflüsse aus der Art der makroökonomischen Information und der Höhe des Überraschungsmomentes aus dem veröffentlichten Ergebnis auf die beobachteten Preisänderungen unter verschiedenen Marktbedingungen.10
Als Proxy für den amerikanischen Anleihemarkt nutzen sie Intraday-Handelsdaten der zuletzt emittierten fünfjährigen T-Note11, die mit einem Anteil von 64% die Mehrheit an Handelsvolumen im Sekundärmarkt für U.S. Treasuries besitzt12. Der beobachtete Zeitraum entspricht einem vollen Handelsjahr vom 23. August 1993 bis zum 19. August 1994 mit 250 Handelstagen.13 Für diese Zeit werden die Veröffentlichungen von 21 makroökonomischen Kennzahlen beobachtet, die insgesamt 268 Bekanntgaben an 173 Tagen beinhalten.14
Abbildung in dieser Leseprobe nicht enthalten
Abbildung 1: Intraday-Preis-Volatilit ä t im Vergleich17
Fleming und Remolona finden heraus, dass die 25 größten Preisänderungen sowie die 25 größten Anstiege der Handelsvolumina im Beobachtungszeitraum zusammen mit makroökonomischen Veröffentlichungen auftreten. Mit der Ausnahme einer Feststellung lässt sich ein Effekt auf den Anleihepreis innerhalb eines Zeitfensters von 15 Minuten beobachten.15 An Veröffentlichungstagen lassen sich hierzu bestimmte Muster und Regelmäßigkeiten nach Bekanntmachungen erkennen. Abbildung 1 zeigt einen signifikanten Anstieg der Volatilität der logarithmierten Preisänderungen unmittelbar nach makroökonomischen Veröffentlichungen, die an Tagen ohne Publikationen nicht auftreten.16 In ihrer Studie von 1999 entdecken Fleming und Remolona, dass sich dieses Muster in zwei Stufen unterteilt. Nach einer ersten heftigen Reaktion und einer unmittelbaren Anpassung des Preises sinkt die Preisvolatilität in einer zweiten Phase für mindestens eine Stunde auf ein signifikant erhöhtes Niveau ab. Erst mit dem Einstellen eines neuen Preisniveaus pendelt sie sich wieder auf ein normales Niveau ein.18 Green führt diesen Effekt in seiner Studie im Jahr 2004 auf eine zunehmende Informationsasymmetrie unter den Marktteilnehmern nach der Veröffentlichung von makroökonomischen Kennziffern und ihre unterschiedlichen Fähigkeiten zu deren Interpretation zurück.19 Im Folgenden werden verschiedene Einflüsse auf die Höhe des Ausschlags der Preisvolatilit ä t betrachtet. Effekte auf das Handelsvolumen sowie Bid-Ask-Spreads werden vernachlässigt.
[...]
1 Kyle (1985), S. 1315.
2 Vgl. Kyle (1985), S. 1134f.
3 Vgl. Ogaki/Reinhart (1998), S. 1079f.
4 Vgl. U.S. Census Bureau (2012b), S. 4.
5 Vgl. U.S. Census Bureau (2012a), S. 3.
6 Vgl. U.S. Census Bureau (2012b), S. 2.
7 Vgl. U.S. Census Bureau (2012a), S. 1.
8 Vgl. Fleming/Remolona (1997), S. 41f.
9 Vgl. Balduzzi/Elton/Green (2001), S. 532.
10 Vgl. Fleming/Remolona (1997), S. 35.
11 Vgl. Fleming/Remolona (1997), S. 35f.
12 Vgl. Fleming (1997), S. 11.
13 Vgl. Fleming/Remolona (1997), S. 35.
14 Vgl. Fleming/Remolona (1997), S. 36f.
15 Vgl. Fleming/Remolona (1997), S. 38f.
16 Vgl. Fleming/Remolona (1997), S. 40.
17 Quelle: Fleming/Remolona (1997), S. 40.
18 Vgl. Fleming/Remolona (1999), S. 1910.
19 Vgl. Green (2004), S. 1231f.