Metadaten







Promotionsordnung


PromO07

Kumulative Dissertation


ja

Titel


Essays on pricing kernel estimation, option data filtering and risk-neutral density tail estimation

Titel (englisch)



Autor/Autorin


Meier, Pirmin

Unter Mitarbeit von



Geburtsdatum


28.02.1984

Geburtsort



Matrikelnummer


04800595

Schlagwörter (GND)


Option; Preiskalkulation; Dichteschätzung

DDC (Dewey Decimal Classification)


Statistik - 310

Freie Stichwörter (deutsch)


Finanzökonometrie; Preiskernmodellierung; Optionen; Preisberechnung; Datenfilterung

Freie Stichwörter (englisch)


Financial econometrics; pricing kernel modeling; option pricing; data filtering; density tail estimation

Kurzfassung


Im ersten Kapitel wird eine neue Methode präsentiert, um den aus Optionspreisen implizierten empirischen Preiskern zu schätzen. Die Methode funktioniert so, dass wir mit einem geeigneten und ökonomisch motivierten Anfangspreiskern starten und dann einen "functional gradient descent" (FGD) Algorithmus basierend auf B-Splines verwenden, um einen guten Schätzer zu erhalten. Im empirischen Teil des Kapitels benutzen wir S&P 500 Optionsdaten, um die Eigenschaften des Schätzers zu beschreiben. Wir zeigen, dass unsere Methode akkurate Schätzungen liefert und stellen fest, dass die Vorhersageresultate besser sind als mit anderen, vergleichbaren Schätzmethoden.

Der Preiskern ist eine zeitabhängige Grösse, was auf Veränderungen in den zugrunde liegenden Zustandsvariablen zurückzuführen ist. Leider ist wenig bekannt über die Triebfaktoren dieser zeitlichen Dynamik. Daher präsentiere ich im zweiten Kapitel ein Zeitreihenmodell, basierend auf einem Boosting Algorithmus mit Regressionsbäumen, um die zeitliche Entwicklung des Preiskerns zu verstehen. Da Regressionsbäume es erlauben, aus einer Menge von potentiellen Zustandsvariablen die Relevanten auszuwählen, kann unsere Kernfrage bezüglich der Triebkräfte beantwortet werden. Im empirischen Teil zeige ich, dass der Einfluss der Zustandsvariablen stark variiert und ich untersuche, wie die relevanten Variablen die Form des Preiskerns beeinflussen.

Im dritten Kapitel wird analysiert, wie man die Schwänze der aus Optionspreisen implizierten risikoneutralen Dichte möglichst akkurat schätzen kann. Wir begutachten einige kürzlich eingeführte Methoden und entwickeln eine eigene, indem wir die Idee der Preisanpassung mit der Annahme einer generalisierten Extremwertverteilung kombinieren. In unserer Vergleichsstudie, welche auf einem theoretischen Marktmodell mit bekannter risikoneutraler Dichte basiert, finden wir heraus, dass die besten Resultate entweder durch Extrapolation der impliziten Volatilität mit Hilfe von Gatheral's SVI Modell oder mit unserer neuen Methode erzielt werden.

Das letzte Kapitel ist dem Thema Filtern von Optionsdaten gewidmet. Wir erläutern, wieso das Filtern von Optionsdaten (insbesondere für extreme Strike-Preise) sinnvoll ist und präsentieren die gängigsten Methoden. Zudem entwickeln wir einen neuen Ansatz, gestützt auf Angaben zur Marktaktivität, welche wir aus intraday Optionsdaten erhalten. Wir stellen fest, dass verschiedene Filter zu statistisch signifikant unterschiedlichen Strike/Moneyness Intervallen führen und zeigen, dass diese Unterschiede in der Momentenschätzung einen entscheidenden Einfluss haben.

Kurzfassung (englisch)


The first chapter introduces a new method to estimate the option-implied empirical pricing kernel. Departing from an adequate and economically motivated initial pricing kernel, we apply a customized functional gradient descent (FGD) algorithm based on B-splines. We empirically illustrate the estimation properties of the method using S&P 500 option data and find that the algorithm yields accurate estimates. In addition, we provide evidence of the superior predictive ability of our method in comparison with other approaches recently introduced in the empirical pricing kernel literature.

The empirical pricing kernel is time-varying, which reflects changes in the relevant pricing kernel state variables. However, little is known about these factors driving the pricing kernel over time. Therefore, I present in the second chapter a time series model for the evolution of the empirical pricing kernel using a boosting approach based on regression trees. Given that trees have the ability to choose among a set of predictors the most relevant ones, I develop a tool to answer the main question regarding the principal pricing kernel driving factors. I show in the empirical part of the chapter that the influence of relevant driving factors such as volatility, financial and macroeconomic variables and sentiment measures substantially varies over time and I provide some insights on how they affect the pricing kernel shape.

In the third chapter, we investigate how to estimate accurately the tails of the option-implied risk-neutral density, which is known to be a challenging problem. We review several methods and additionally introduce a new tail extension approach that combines the idea of price matching with the assumption of tails drawn from a generalized extreme value distribution. Based on a theoretical market model with known implied risk-neutral density, we conduct a performance analysis. We find that the best results are obtained either with implied volatility extrapolation by means of Gatheral's stochastic volatility inspired SVI model, or with our new price matching method.

The last chapter of this thesis is about option data filtering. We discuss why filtering (especially for the tails) might be sensible and present the most common approaches. In addition, and more importantly, we introduce new tail filtering methods that rely on proxies for market activity, which we derive from intraday option data. In the second part of the chapter, we demonstrate that different filters yield to statistically different strike/moneyness ranges and show that these differences can have a non-negligible impact on tail sensitive applications such as moment estimation.

Universität


Universität St.Gallen

Referent/Referentin


Audrino, Francesco (Prof. Dr.)

Korreferent/Korreferentin


Trojani, Fabio (Prof.Dr.)

Erweitertes Diss. Komitee



Fachgebiet


Economics and Finance (PEF)

Sprache


ENG

Promotionstermin (dd.mm.yyyy)


16.02.2015

Erstellungsjahr (yyyy)


2014

Dokumentart


Dissertation

Format


PDF

Dissertationsnummer


4390

Quelle



PDF-File


dis4390.pdf

Dokumentverknüpfung


Link zu diesem Dokument







letzte Änderung: 03/06/2015 - Allgemeine rechtliche Informationen - Datenschutz [ Nach oben ]