Metadaten







Promotionsordnung


PromO07

Kumulative Dissertation


ja

Titel


Essays on Jump-Diffusion Models in Asset Pricing and on the Prediction of Aggregate Stock Returns

Titel (englisch)



Autor/Autorin


Frey, Roman

Unter Mitarbeit von


Ammann, Manuel (Prof. Dr.); Rodrigues, Paulo (Prof. Dr.); Seeger, Norman (Prof. Dr.); Verhofen, Michael (Dr. oec. HSG)

Geburtsdatum


09.03.1983

Geburtsort



Matrikelnummer


03393436

Schlagwörter (GND)


Stochastisches Modell; Volatilität; Bewertung; Option; Umweltzertifikat

DDC (Dewey Decimal Classification)


Wirtschaft - 330

Freie Stichwörter (deutsch)


Stochastische Volatilität; erwartete Dichtefunktion; Partikelfilter; Kohlendioxid; Emissionszertifikat; Wortzähl-Index; Textmining

Freie Stichwörter (englisch)


Stochastic volatility; Out-of-sample; Density forecasts; Particle filter; CO2; Emission allowances; Word-count; Text mining

Kurzfassung


Diese Dissertation besteht aus drei individuellen Aufsätzen, die jeweils eine in sich geschlossene Forschungsarbeit darstellt. Im ersten Aufsatz, "Out-of-Sample Performance of Jump-Diffusion Models for Equity Indices: What the Financial Crisis was Good For", analysieren wir die out-of-sample Performance von zeitstetigen affinen und nicht affinen stochastischen Volatilitätsmodellen. Die out-of-sample Modellperformance ist eine Kennzahl mit zentraler Bedeutung für Investoren. Sie spielt unter anderem im Risikomanagement, der Asset Allocation wie auch in der Bewertung von derivativen Instrumenten, eine entscheidende Rolle. In dieser empirischen Studie, die auf täglichen Renditen des Aktienindex S&P 500 basiert, testen wir insgesamt 24 verschiedene Modellspezifikationen. Unser Testansatz evaluiert die durch die Modelle vorhergesagten Verteilungsdichten. Der entscheidende Vorteil dieser Methodik liegt darin, dass wir jeweils die gesamte modellinduzierte Dichte berücksichtigen. Unsere empirischen Resultate zeigen, dass sich die, in der Literatur häufig diskutierte, gute in-sample Modellperformance in out-of-sample Anwendungen generell nicht bestätigen lässt. Mittels eines rollierenden Zeitfensters beobachten wir, dass Modellparameter, die während einer genügend volatilen Marktphase geschätzt wurden, deutlich bessere out-of-sample Resultate liefern. Vielversprechend ist demzufolge die out-of-sample Performance, wenn die Modellparameter auf der sich kürzlich abgespielten Finanzkrise geschätzt und zur Vorhersage von Verteilungsdichten verwendet werden. Generell beobachten wir, dass zum einen affine Modelle bessere Resultate erreichen als nicht affine. Zum anderen deuten unsere Ergebnisse darauf hin, dass Modelle mit Sprüngen in den Renditen sowie Varianzen besser performen als pure Diffusionsmodelle.

Der zweite Aufsatz mit dem Titel "Pricing CO2 Futures Options - Empirical In- and Out-of-Sample Performance Analysis" analysiert die Bewertung von Optionen geschrieben auf CO2 Emissionszertifikate Futures. Dabei berücksichtigen wir folgende Modelle: das Black Modell, ein Diffusionsmodell mit Sprüngen in den Renditen, sowie ein stochastisches Volatilitätsmodell mit und ohne Sprünge in den Renditen. Das Ziel dieser Arbeit ist es zu untersuchen, welches der betrachteten zeitstetigen Modellen die verteilungsbedingten Eigenschaften der CO2 Emissionszertifikatspreise am akkuratesten abzubilden vermag. Im ersten Teil der Studie testen wir die modellinduzierten Verteilungsdichten. Dabei beobachten wir, dass Modelle mit stochastischer Volatilität die Volatilitätsdynamik der Emissionszertifikate am präzisesten beschreiben. Der zweite Teil konzentriert sich auf die Bewertung von Optionen auf Emissionszertifikate Futures. Hier finden wir, dass ein stochastisches Volatilitätsmodell mit Sprüngen in den Rediten (SVJ) in- und out-of-sample im Durchschnitt besser performt als alle anderen getesteten Modelle. Im Vergleich zum Black Modell, welches als Benchmark dient, reduziert das SVJ Modell die Bewertungsfehler bei Optionen um gut 50% in-sample und um rund 30% out-of-sample. Wir kommen zum Schluss, dass für die Bewertung von CO2 Futures Optionen Modelle mit stochastischer Volatilitätskomponente aufgrund kleinerer Bewertungsfehler zu bevorzugen sind.

Im dritten Aufsatz, "Do Newspaper Articles Predict Aggregate Stock Returns?", untersuchen wir die Vorhersagekraft von Zeitungsartikeln für den Deutschen Aktienmarkt. Die verwendete Datenbasis besteht aus Artikeln der Zeitung Handelsblatt, die während den vergangenen zwei Dekaden erschienen sind. Den Inhalt der berücksichtigten Zeitungsartikel quantifizieren wir mit sogenannten Wortzähl-Indizes. Der Vorteil solcher Indizes besteht darin, dass sie ohne zeitliche Verzögerung verfügbar sind. Unsere Resultate zeigen, dass Wortzähl-Indizes signifikant mit dem Aktienmarkt korreliert sind. Sie deuten zudem darauf hin, dass in den Zeitungsartikeln wertvolle Informationen zur Aktienmarktvorhersage enthalten sind. Dies trifft auf die Verwendung von einzelnen Wörtern wie auch auf Gruppen von Wörtern zu, die mittels einer Cluster Analyse gebildet wurden. Unser generelles Fazit ist, dass in Zeitungsartikeln enthaltene Informationen quantifiziert und potenziell zur Verbesserung der Vorhersage von Aktienmarktbewegungen eingesetzt werden können.

Kurzfassung (englisch)


This dissertation consists of three papers, each of which comprises an individual research topic. In the first paper, "Out-of-Sample Performance of Jump-Diffusion Models for Equity Indices: What the Financial Crisis was Good For", we analyze the out-of-sample performance of exponentially affine and non-affine continuous time stochastic volatility models with jumps in returns and volatility based on S&P 500 daily returns. The out-of-sample model performance is crucial for market participants in applications as risk management, asset allocation, and derivatives pricing, to name but a few. We test 24 different model specifications by evaluating density forecasts. The virtue of density forecasts is that they consider the entire forecasting distribution. Our results show that the models' good in- sample fits - as documented in existing literature - do not carry over to out-of-sample applications. Using a rolling window approach, we find that models need to be estimated on a sufficiently volatile time period to attain reasonable forecasting power. Accordingly, estimating model parameters during the financial crisis and using them for different fore- casting periods yields promising out-of-sample results. Above all, we find affine models to outperform non-affine ones and evidence of a slight performance improvement brought by including jump components.

The second paper, "Pricing CO2 Futures Options - Empirical In- and Out-of-Sample Performance Analysis", studies the pricing of options on carbon dioxide (CO2) EU emission allowance futures. The goal of this paper is to test how well different jump-diffusion stochastic volatility models account for stylized facts in CO2 data in and out of sample. In the first part, density forecast results suggest that stochastic volatility is an important model characteristic to capture the volatility dynamics of emission allowance futures. Second, analyzing the general option pricing performance of different models, we find that a stochastic volatility model with jumps in returns outperforms in and out of sample. Compared to Black's model, it reduces in-sample option pricing errors by more than 50% and out-of-sample errors by 30% on average. Therefore, based on both the density forecast and the option pricing results, we conclude to favor stochastic volatility models to price CO2 futures options.

In the third paper, "Do Newspaper Articles Predict Aggregate Stock Returns?", we study the predictive power of newspaper content for stock market returns in Germany. Our analysis is based on newspaper articles published in the Handelsblatt over the past two decades. We quantify content of newspaper articles in a systematic way by constructing word-count indices for a large number of words. The main advantage of word-count indices is that they are instantly available. We find that word-count indices are significantly correlated with stock returns. Furthermore, our results indicate that newspapers have provided information - beyond well-established predictor variables - valuable for predicting future DAX returns in and out of sample. A cluster analysis shows that content of newspaper articles is not purely random. Particularly interesting in light on existing studies are our cluster analysis results. They show that using a reasonable number of clusters instead of single words substantially increases the predictive power of newspaper articles.

Universität


Universität St.Gallen

Referent/Referentin


Ammann, Manuel (Prof. Dr.)

Korreferent/Korreferentin


Frauendorfer, Karl (Prof. Dr.)

Erweitertes Diss. Komitee



Fachgebiet


Betriebswirtschaftslehre (PMA)

Sprache


ENG

Promotionstermin (dd.mm.yyyy)


18.02.2013

Erstellungsjahr (yyyy)


2013

Dokumentart


Dissertation

Format


PDF

Dissertationsnummer


4079

Quelle



PDF-File


dis4079.pdf

Dokumentverknüpfung


Link zu diesem Dokument







letzte Änderung: 01/15/2013 - Allgemeine rechtliche Informationen - Datenschutz [ Nach oben ]