Strukturelle Volatilitätsmodelle

• Antragsteller: Professor Dr. Helmut Herwartz
• Fachliche Zuordnung: Statistik und Ökonometrie
• Förderung: Förderung von 2018 bis 2022
• Projektkennung: Deutsche Forschungsgemeinschaft (DFG) - Projektnummer 393703356

Die Entwicklung multivariater Volatilitäts- oder Korrelationsmodelle ist zu einem rasch wachsenden Feld der Finanzmarktforschung geworden. Dies betrifft sowohl die theoretische als auch die angewandte Forschung in Fragen der Portfolioallokation und -optimierung, der Abschätzung von Portfoliorisiken und der Bewertung spekulativer Anlagen. Diese Entwicklung wurde insbesondere durch die Betrachtung multivariater Modelle mit bedingter Heteroskedastizität (sogenannte MGARCH Modelle) begünstigt. So sehr MGARCH-Modelle zu einem verbesserten Verständnis komplexer (Ko)Varianzdynamiken beitragen, so sehr sind sie doch in ihrer strukturellen Aussagekraft eingeschränkt. In der Mehrzahl von Studien werden für die zugrunde liegende Transmission von unvorhersehbaren Schocks zu beobachteten Renditevektoren A-priori-Kovarianzzerlegungen genutzt. Diese implizieren strukturelle Eigenschaften, die ökonomisch zweifelhaft sein können oder mit den identifizierenden statistischen Eigenschaften der strukturellen Schocks nicht vereinbar sind.In diesem internationalen Projekt nehmen wir Bezug zu jüngeren Entwicklungen im Bereich der Identifikation struktureller Makromodelle und entwickeln zwei zunächst alternative Ansätze zur Identifikation struktureller Volatilitätsmodelle vom MGARCH-Typ. Einerseits verfolgen wir einen rein statistischen Ansatz, bei dem versucht wird, die gemeinsame Dynamik von Renditevektoren auf eindeutige, unabhängige, nicht-normalverteilte strukturelle Schocks zurückzuführen. Basierend auf der Unabhängigkeitsannahme leiten wir Momentenrestriktionen her, die zur Identifikation des strukturellen Modells genutzt werden. Die Identifikation mithilfe der statistischen Annahme der Unabhängigkeit von strukturellen Schocks betrachten wir in einem statischen, aber auch in einem dynamischen Kontext, der zeitliche Variationen der Modellstruktur zulässt. Andererseits adressieren wir das Identifikationsproblem mithilfe informativer Instrumente, die wir aus sogenannten "news analytics data" gewinnen. In einem dritten Schritt integrieren wir unsere Ansätze in gemeinsamen Untersuchungen zu den Effekten von Ölpreisschocks und zu den Ursachen der jüngsten Bankenkrise. Einerseits erwarten wir, dass externe Informationen wertvolle Hinweise für die ökonomische Bezeichnung der statistisch identifizierten Schocks liefern (shock labeling). Andererseits kann der systematische Vergleich der erhaltenen Schocks konzeptionell den informatorischen Gehalt der verwendeten Instrumente stärken.Unsere Forschung möchten wir anderen Forschern in einer R-Umgebung zur Analyse von strukturellen Volatilitätsmodellen bereitstellen. Darauf aufbauend veranschaulicht eine interaktive Webanwendung die Erkennung, Identifikation und Visualisierung struktureller Änderungen in Volatilitätstransmissionen. Durch die Entwicklung von Open Source-Forschungssoftware zielen wir auf die Verbreitung unserer Forschung ab und nutzen neue Kommunikationswege mit der wissenschaftlichen Gemeinschaft.

• DFG-Verfahren: Sachbeihilfen
• Internationaler Bezug: Schweiz
• Partnerorganisation: Schweizerischer Nationalfonds (SNF)
• Kooperationspartner: Professor Dr. Matthias R. Fengler