Metadaten







Promotionsordnung


PromO07

Kumulative Dissertation


ja

Titel


Essays in Computational Statistics with Applications to Volatility Forecasting and Forecast Combination

Titel (englisch)



Autor/Autorin


Knaus, Simon D.

Unter Mitarbeit von


Audrino, Francesco; Krüger, Fabian

Geburtsdatum


07.02.1981

Geburtsort



Matrikelnummer


01223296

Schlagwörter (GND)


Volatilität; Lasso-Methode; Modellwahl; Prognosemodell; Kombination

DDC (Dewey Decimal Classification)


Statistik - 310

Freie Stichwörter (deutsch)


Bagging; Heterogenes Autoregressives Modell; Realisierte Volatilität; Regressionsbäume

Freie Stichwörter (englisch)


Heterogeneous Autoregressive Model; Lasso; Macroeconomic Survey Data; Model Selection; Real-time Data; Realized Volatility; Regression Trees; Spillover; Survey of Professional Forecasters; VAR

Kurzfassung


Der erste Aufsatz der vorliegenden Dissertation untersucht die Dynamik der realisierten Volatilität. Ein erfolgreiches Model in diesem Bereich ist das sogenannte heterogene auto-regressive Modell (HAR), das konzeptionell einfach und gut für Vorhersagen geeignet ist. Eine neue Herangehensweise basierend auf dem Operator der kleinsten absoluten Schrumpfung und Auswahl ermöglicht es, das HAR Modell von einem Modellwahl Standpunkt her zu betrachten. Es wird gezeigt, dass die Modellwahl asymptotisch das wahre Modell identifizieren könnte. Zusätzlich werden simulierte Resultate im nicht-asymptotischen Bereich präsentiert, welche die Modellwahlgüte unterstreichen. Zusammenfassend kann gesagt werden, dass das HAR Model wohl nicht als wahres Modell identifiziert wird, das gewählte Model aber nicht vom HAR Modell zu unterscheiden ist, falls Vorhersagegüte als Vergleichskriterium herangezogen wird.
Der zweite Aufsatz untersucht den Einfluss von externen Faktoren auf die Dynamik von Modellen für die realisierte Volatilität. Diese externen Faktoren umfassen Volatilitätsübertragung zwischen Märkten, die Bekanntgabe von makroökonomischen Kenngrössen, den Hebeleffekt sowie innerwöchentliche Saisonalitäten. Um die Rolle der einzelnen Faktoren besser zu verstehen wird wiederum der Operator der kleinsten absoluten Schrumpfung und Auswahl herangezogen. Zusätzlich werden diese Resultate mit existierenden Modellen verglichen, um die Relevanz der genannten Faktoren auf die Modellierung der realisierten Volatilität des S&P 500 Index abzuschätzen. Es kann festgehalten werden, dass ein um diese Informationen erweitertes Modell tatsächlich bessere Vorhersagen für die realisierte Volatilität liefert.
Der dritte Aufsatz untersucht die Kombination von Expertenprognosen für makroökonomische Daten. Obwohl individuelle Expertenprognosen sehr verbreitet sind ist es a priori nicht klar, wie diese zu einer aggregierten Vorhersage kombiniert werden können. Dies ist hauptsächlich speziellen Eigenschaften der Daten, wie z.B. hoch-dimensionale Prädiktorräume und fehlende Werte, geschuldet. Wir kommen zum Schluss, dass Regressionsbäume wohlgeeignet sind um diese Eigenschaften der Daten auszunutzen und eine aggregierte Prognose zu erhalten. Die empirische Untersuchung fusst auf Daten der Zentralbank von Philadelphia und deren Umfrage unter professionellen Prognostikern. In dieser zeigt sich, dass Regressionsbäume sowie deren robustifizierte Variante in der Tat in der Lage sind, aggregierte Prognosen zu liefern, die in vielen Fällen dem einfachen Mittelwert überlegen sind.

Kurzfassung (englisch)


The first paper investigates the dynamics of realized volatility. Recent notable advances that perform well include the heterogeneous autoregressive (HAR) model which is economically interpretable but still easy to estimate. It also features good out-of-sample performance and has been extremely well received by the research community. We present a data driven approach based on the absolute shrinkage and selection operator which should identify the aforementioned model. We prove that the lasso indeed recovers the HAR model asymptotically if it is the true model, and we present Monte Carlo evidence in finite sample.
The second paper investigates the role of volatility spillovers, macroeconomic news, intra-week seasonality and the leverage effect for realized volatility models. To understand the role of news existing models, augmented by this new combined information set, are revisited. The least absolute shrinkage and selection operator is employed in a vector autoregressive setting to assess the relevance of volatility spillovers to modeling the S&P 500's realized volatility. A combined model is then proposed which features a data-driven selection of regressors to include in a model of realized volatility. These models are compared in a strict out-of-sample prediction comparison together with a value-at-risk application. A superior performance of models augmented with this new information set is witnessed in the prediction comparison. Compared to existing models, a considerably shorter lag structure delivers already good forecasting performance.
The third paper investigates forecast combination in the field of macroeconomics. While macroeconomic survey forecasts are widely available at the level of individual experts, it is not clear how to optimally combine a set of forecasts to a "consensus" prediction. This is mainly due to the characteristics of the data, such as the large-dimensional predictor space, many missing values, and potential individual and aggregate level biases of the survey forecasts. We argue that regression trees are very well adapted to these features and propose to use them as a novel forecast combination device. Our empirical analysis of data from the Philadelphia Fed's Survey of Professional Forecasters demonstrates that in combination with bagging, tree-based forecast combination outperforms equally weighted combination for the majority of time series and forecast horizons.

Universität


Universität St.Gallen

Referent/Referentin


Audrino, Francesco (Prof. PhD)

Korreferent/Korreferentin


Medeiros, Marcelo (Prof. PhD)

Erweitertes Diss. Komitee


Fengler, Matthias (Prof. Dr.)

Fachgebiet


Economics and Finance (PEF)

Sprache


ENG

Promotionstermin (dd.mm.yyyy)


17.02.2014

Erstellungsjahr (yyyy)


2014

Dokumentart


Dissertation

Format


PDF

Dissertationsnummer


4224

Quelle



PDF-File


dis4224.pdf

Dokumentverknüpfung


Link zu diesem Dokument







letzte Änderung: 01/13/2014 - Allgemeine rechtliche Informationen - Datenschutz [ Nach oben ]