Home
Search
Sorted List
List by author
List by title
List by subject
General information / Help
FAQ
Project EDIS
Copyright
EDIS Submission
HSG Library
   University of St.Gallen
   Dufourstrasse 50
   CH-9000 St.Gallen
Metadata







Regulations


PromO07

Cumulative thesis


yes

Title


Essays on Multivariate Modelling of Financial Markets Using Copula and Sentiment Networks

Title (english)



Author


Tetereva, Anastasija

With contribution of


Audrino, Francesco; Okhrin, Ostap

Date of birth



Place of birth



Matriculation number


12621967

Keywords (GND)


Kopula ; Frühwarnsystem; Unternehmen; Finanzwirtschaft; Ökonometrie; Sentimentindikator; Value at Risk

DDC (Dewey Decimal Classification)


Economics-330

Free keywords (german)



Free keywords (english)


Copula; early warning indicator; financial econometrics; Hawkes graphs; lasso; sentiment analysis; value at risk

Abstract (german)


Multivariate Abhängigkeitsstrukturen spielen eine wichtige Rolle im Finanzwesen. Die Modellierung und genaue Vorhersage multivariater Finanzzeitreihen ist ein wichtiger Bestandteil des Asset Pricings und des Portfoliomanagements. Diese Doktorarbeit umfasst drei Aufsätze, die sich mit der Frage von multivariaten Abhängigkeiten befassen, indem Hochfrequenzdaten und innovative Informationsquellen, wie zum Beispiel die Nachrichtenanalytik, genutzt werden. Die drei Studien leisten ergänzende Beiträge zum Gebiet der Finanzökonometrie und können unabhängig voneinander gelesen werden.
Der erste Aufsatz konzentriert sich auf die Verbesserung der Vorhersage des Value at Risks auf Basis von Hochfrequenzdaten. Dafür wird das neuartige Konzept der realisierten hierarchischen archimedischen Kopula eingeführt. Es wird vorgeschlagen, die Struktur und die Parameter der hierarchischen archimedischen Kopula nur durch den Gebrauch der realisierten Korrelationsmatrix zu schätzen. Dieser Ansatz erlaubt es, die multivariate Verteilung täglicher Renditen basierend auf Intraday-Daten zu ermitteln. Außerdem leidet die vorgeschlagene Schätzfunktion nicht unter dem Fluch der Dimensionalität. In diesem Aufsatz wird die realisierte hierarchische archimedische Kopula angewendet, um das Risiko von hochdimensionalen Portfolios zu kontrollieren. Wir zeigen, dass unser Ansatz im Vergleich zu existierenden Modellen, eine höhere Vorhersagekraft besitzt.
Jüngste Studien im Finanzwesen behaupten, dass Börsenkurse oftmals mehr von der Stimmung der Investoren als von der Realität beeinflusst werden. Der zweite Aufsatz untersucht die Rolle des auf Nachrichten basierenden Sentiments bei der Verbesserung der Vorhersagen in der Finanzökonometrie. Das Ziel dieses Artikels ist es, die Frage zu beantworten, ob die Klasse der börsenkursrelevanten Nachrichten umfangreicher ist als firmenspezifische Meldungen. Zu diesem Zweck werden kausale Verbindungen zwischen den Sentiments der Nachrichten und Überschussrenditen mittels der ökonometrischen Methode des Adaptive Lassos untersucht. Basierend auf Thomson Reuters Nachrichtendaten kommt die Studie zum Ergebnis, dass unerwartete Renditen in der ganzen Wirtschaft durch Nachrichten aus dem Finanz- und Energiesektor- erklärt werden können. Anders gesagt dominieren Auswirkungen branchenfremder Nachrichten direkte Auswirkungen der branchenspezifischen Nachrichten. Daher kann das Einbeziehen exogener Sentimentvariablen aus dem Finanz- und Energiesektor- in ökonometrische Modelle die Vorhersageeigenschaften ökonometrischer Modelle wesentlich verbessern.
Der dritte und letzte Aufsatz erweitert die im zweiten Aufsatz vorgestellten Ideen auf mehreren Ebenen. Zunächst analysiert er die wechselseitige Beziehung zwischen Finanznachrichten auf Firmenebene. Zweitens werden Nachrichtendaten von höherer Granularität als wöchentlich oder täglich ausgenutzt. In diesem Kapitel nehmen wir an, dass das Auftreten von firmenspezifischen Nachrichtenmeldungen einem Hawkes Prozess folgt. Genauer gesagt, wird die Granger Kausalität der Nachrichtenmeldungen mittels multivariater Hawkes Graphen modelliert. Dieser Ansatz stellt ein Instrument zur Verfügung, welches systemisch wichtige Finanzunternehmen bezüglich Nachrichten identifiziert. Basierend auf diesen Informationen wird ein neuer zusammengesetzter Nachrichtenintensitätsindex konstruiert. Es wird empirisch nachgewiesen, dass der vorgeschlagene Index frühe Warnsignale auf Marktinstabilitäten liefert.

Abstract (english)


Multivariate dependence structures play an important role in finance. The modelling and accurate prediction of multivariate financial time series is an important component of asset pricing and portfolio management. This doctoral thesis comprises three essays that address the question of multivariate dependencies using high-frequency data and innovative sources of information such as news analytics. These essays make complementary contributions to
the field of financial econometrics and can be read independently of each other.
The first essay focuses on the improvement of Value at Risk prediction based on highfrequency data. The novel concept of the realized hierarchical Archimedean copula is introduced. It is proposed estimating the structure and the parameters of the hierarchical Archimedean copula using the realized correlation matrix only. This approach allows one to estimate the multivariate distribution of daily returns based on intraday information. Moreover, the proposed estimator does not suffer from the curse of dimensionality. In this essay, the realized hierarchical Archimedean copula is applied to manage the risk of high-dimensional portfolios. The evidence of the superior forecasting power of our
approach, compared to a set of existing models, is provided.
The second essay investigates the role of news sentiment data in improving forecasts in financial econometrics. The objective of this paper is to answer the question regarding whether the class of stock-price-relevant news is wider than firm-specific announcements. For this purpose, causal links between news sentiments and excess returns are studied by means of an adaptive lasso. It is concluded that unexpected returns in the whole economy can be explained by news originating from the financial and energy sectors. In other words, the news spillover effects are dominating the direct effects of sectoral news. Therefore, including exogenous financial or energy sentiment variables in econometric models can significantly improve forecasting properties.
The third and final essay extends the ideas presented in the second essay along several lines. First, it analyses the mutual relationship amongst financial news at the firm level. Second, it exploits the news data of higher granularity than weekly or daily. In this paper, the occurrences of firm-specific news announcements are considered to follow the Hawkes process. This approach provides a tool to identify systemically important financial companies in terms of news. Based on this information, the novel composite news intensity index is constructed. It is empirically demonstrated that the proposed index provides early warning signals of market instability.

University


Universität St.Gallen

Supervisor


Audrino, Francesco (Prof. PhD)

Co-supervisor


Okhrin, Ostap (Prof. PhD); Lechner, Michael (Prof. Dr.)

Extended dissertation committee


Francesco Audrino; Michael Lechner; Ostap Okhrin; Juan-Pablo Ortega

Major


Economics and Finance (PEF)

Language


ENG

Graduation day (dd.mm.yyyy)


17.09.2018

Year of submission (yyyy)


2018

Document type


Dissertation

Format


PDF

Dissertation number


4819

Source



PDF-File


dis4819.pdf

Document Link


Link to this document







last update: 08/20/2018 - General legal information - Data protection [ Top of Page ]