Show simple item record

Applications of Advanced Time Series Models to Analyze the Time-varying Relationship between Macroeconomics, Fundamentals and Pan-European Industry Portfolios

dc.contributor.advisorZucchini, Walter Prof. Dr.de
dc.contributor.authorMergner, Saschade
dc.date.accessioned2013-01-22T15:46:12Zde
dc.date.available2013-01-30T23:50:58Zde
dc.date.issued2008-05-09de
dc.identifier.urihttp://hdl.handle.net/11858/00-1735-0000-000D-F159-Ede
dc.identifier.urihttp://dx.doi.org/10.53846/goediss-3455
dc.description.abstractUntersuchungsgegenstand der vorliegenden Arbeit ist die Modellierung zeitvariabler Zusammenhänge an den internationalen Finanzmärkten. Das Interesse an der Anwendung moderner Zeitreihenverfahren zur expliziten Modellierung struktureller Veränderungen ist in den letzten Jahren kontinuierlich gestiegen. Dennoch gehören komplexere Methoden, wie zum Beispiel der Kalman Filter oder Markov-Regime-Switching-Modelle, nach wie vor nicht zum Standardrepertoire der angewandten Wirtschaftswissenschaften. Um eine dieser Anwendungslücken zu schließen, werden die vielschichtigen Zusammenhänge zwischen gesamtwirtschaftlichen Entwicklungen, Fundamentaldaten und europäischen Branchenportolios empirisch analysiert. Die Zielsetzung besteht in einem verbesserten Verständnis realwirtschftlicher Phänomene, wobei der Schwerpunkt auf drei zentralen Forschungszielen liegt: 1. Herleitung der theoretischen Grundlagen in einheitlicher Notation. Im theoretischen Teil der Arbeit wird die Methodologie zur Analyse zeitvariabler Zusammenhänge zwischen Branchenrenditen und etablierten systematischen Risikofaktoren thematisiert. Das ökonometrische Instrumentarium umfasst ein breites Spektrum: Gauß'sche Zustandsraummodelle in Verbindung mit dem Kalman Filter, Markov-Regime-Switching-Modelle, lineare und nichtlineare GARCH Modelle sowie Stochastische Volatilitätsmodelle, welche mit Hilfe der effiziente Monte Carlo Likelihood-Methode geschätzt werden. Die Darstellung der theoretischen Grundlagen in einheitlicher Notation eröffnet einen intuitiven methodischen Zugang, ohne sich mit der für die jeweilige Disziplin typischen Terminologie auseinanderzusetzen zu müssen. 2. Vergleichende Analyse alternativer Ansätze zur Modellierung des zeitvariablen Marktrisikos. In einer umfassenden Studie, basierend auf Wochenrenditen über den Zeitraum 1987-2005, wird die Eignung der unterschiedlichen Verfahren zur Erfassung und Prognose der dynamischen Entwicklung systematischer Marktrisiken analysiert. Gemäß der jeweils beobachteten ex-ante Prognosefähigkeit der verschiedenen Modellierungsansätze liefert das Kalman Filter basierte Random Walk Modell die beste Beschreibung des Pfades zeitvariabler Branchenbetas. 3. Evaluierung der praktischen Relevanz. Mit Hilfe diverser Backtests wird untersucht, ob die explizite Berücksichtigung der zeitvariablen Bedeutung makroökonomischer und fundamentaler Informationen für die Entwicklung europäischer Branchenportfolios in verbesserten Renditeprognosen resultiert. Hierzu wird über eine Out-Of-Sample Periode von zehn Jahren ein bedingtes Multifaktorenmodell, welches auf makroökonomischen und fundamentalen Faktoren sowie einem Marktresidualfaktor beruht, betrachtet. Die stochastischen Prozesse bedingter Sensitivitäten werden dabei als individuelle Random Walks modelliert. Insgesamt deuten die Ergebnisse an, daß Zeitvariablität bei der Ableitung von Renditeprognosen wichtiger ist als bei der Analyse von Portfoliorisiken.de
dc.format.mimetypeapplication/pdfde
dc.language.isoengde
dc.rights.urihttp://creativecommons.org/licenses/by-nc-nd/3.0/de
dc.titleApplications of Advanced Time Series Models to Analyze the Time-varying Relationship between Macroeconomics, Fundamentals and Pan-European Industry Portfoliosde
dc.typedoctoralThesisde
dc.title.translatedAnwendungen moderner Zeitreihenverfahren zur Analyse zeitvariabler Zusammenhänge zwischen gesamtwirtschaftlichen Entwicklungen, Fundamentaldaten und europäischen Branchenportfoliosde
dc.contributor.refereeZucchini, Walter Prof. Dr.de
dc.date.examination2008-03-04de
dc.subject.dnb310 Statistikde
dc.subject.gokLCB 000de
dc.subject.gokLCB 405de
dc.subject.gokEGCM 100de
dc.subject.gokEGCP 200de
dc.subject.gokEJBB 840de
dc.description.abstractengThis thesis is concerned with the modeling of time-varying sensitivities in financial markets. Although interest in applying advanced time series techniques, such as the Kalman filter and Markov regime switching models, to the explicit modeling of structural changes has increased in recent years, the application of these concepts on a broad scale is still underdeveloped. The thesis contributes an empirical analysis of the complex relationship between macroeconomics, fundamentals and European industry portfolios. The objective is to provide an improved understanding and modeling of these phenomena. The three major research objectives are: 1. Provide a notationally conformable theoretical framework. The theoretical part introduces the methodology to analyze the time-varying relationship between common systematic risk factors and sector returns. The econometric toolbox comprises a wide range of contemporary time series techniques of different, and often non-economic, origin: Gaussian state space models and the Kalman filter, Markov regime switching models, linear and nonlinear GARCH models, and stochastic volatility models. These various concepts are presented in a unified notational framework, thereby making them accessible to applied researchers, who are thus relieved of the burden of having to deal with the diverse notation conventions that apply to the disciplines in which the models were originally developed. 2. Analyze which modeling technique is best able to model and forecast time-varying systematic market beta risk. The respective ability of various techniques to model and forecast the time-varying behavior of systematic market risk is compared in a comprehensive study. Using weekly data over the period 1987-2005, time-variation in beta is modeled by a bivariate t-GARCH(1,1) model, a bivariate stochastic volatility model estimated via efficient Monte Carlo likelihood, four Kalman filter based approaches as well as two Markov switching models. The different models' ex-ante forecast performances indicate that the Kalman filter based random walk process is the preferred model to describe and forecast the time-varying behavior of sector betas in a European context. 3. Evaluate the practical relevance of taking time-variation in factor sensitivities explicitly into account. We investigate whether an explicit consideration of the time-varying importance of macroeconomics and fundamental information on European sectors can be exploited in a profitable way. For this purpose, a conditional multifactor pricing model is considered. Covering an out-of-sample period of ten years, three macroeconomic factors, two fundamental factors, and a market factor are employed as systematic risk factors. The stochastic processes of conditional betas are modeled as individual random walks. The question whether employing conditional factor loadings to derive return forecasts leads to more profitable portfolios is examined based on a series of backtests. The main results of this contribution indicate that time-varying betas carry implications for the prediction of returns, and less so for the analysis of risk.de
dc.contributor.coRefereeBenner, Wolfgang Prof. Dr.de
dc.subject.topicEconomics and Management Sciencede
dc.subject.gerFinanzzeitreihende
dc.subject.gerGauß'sche Zustandsraummodellede
dc.subject.gerKalman Filterde
dc.subject.gerMarkov Regime Switchingde
dc.subject.gerStochastische Volatilitätde
dc.subject.gerZeitvariable Betasde
dc.subject.gerBedingtes Faktormodellde
dc.subject.gerBranchenportfoliosde
dc.subject.engFinancial Time Seriesde
dc.subject.engGaussian State Space Modelde
dc.subject.engKalman Filterde
dc.subject.engMarkov Regime Switchingde
dc.subject.engStochastic Volatilityde
dc.subject.engEfficient Monte Carlo Likelihoodde
dc.subject.engTime-Varying Beta Riskde
dc.subject.engConditional Factor Modelde
dc.subject.engIndustry Portfoliosde
dc.subject.bk31.70de
dc.subject.bk85.30de
dc.identifier.urnurn:nbn:de:gbv:7-webdoc-1779-9de
dc.identifier.purlwebdoc-1779de
dc.identifier.ppn593586824de


Files in this item

Thumbnail

This item appears in the following Collection(s)

Show simple item record