TU Darmstadt / ULB / TUprints

Volatility and Dependence Models with Applications to U.S. Equity Markets

Pan, Jingwei (2021)
Volatility and Dependence Models with Applications to U.S. Equity Markets.
Technische Universität Darmstadt
doi: 10.26083/tuprints-00020052
Ph.D. Thesis, Primary publication, Publisher's Version

[img]
Preview
Text
Dissertation_Jingwei_Pan.pdf
Copyright Information: CC BY-SA 4.0 International - Creative Commons, Attribution ShareAlike.

Download (12MB) | Preview
Item Type: Ph.D. Thesis
Type of entry: Primary publication
Title: Volatility and Dependence Models with Applications to U.S. Equity Markets
Language: English
Referees: Krüger, Prof. Dr. Jens ; Schiereck, Prof. Dr. Dirk
Date: 2021
Place of Publication: Darmstadt
Collation: X, 189 Seiten
Date of oral examination: 26 November 2021
DOI: 10.26083/tuprints-00020052
Abstract:

The dissertation consists of three studies concerning the research fields of evaluating volatility and correlation forecasts as well as modeling of tail dependence. Based on theoretical discussions and empirical studies the methods for modeling the time-varying volatilities and dependence for the financial market data are evaluated.

The first study evaluates the volatility forecasts with the basic generalized conditional autoregressive heteroskedasticity (GARCH) model and its asymmetric extensions. The concepts of loss function and model confidence set (MCS) are introduced. The realized volatility is used as benchmark. The main results of Brownlees et al. (2011) can be confirmed and extended. In particular, the one-step forecasts achieve significantly lower average losses than the multi-step forecasts in times of crises. The difference between the one-step and the multi-step forecasts in pre-crisis times is relatively small. The evaluation results demonstrate the strong forecasting performance of the asymmetric model variants.

The second study evaluates the multivariate correlation forecasts. The Baba-Engle-Kraft-Kroner (BEKK) model of Engle and Kroner (1995) is compared with the dynamic conditional correlation (DCC) model of Engle (2002). Using a two-stage estimation method, the DCC model is well suited for large correlation matrices. In contrast, the more flexible BEKK model suffers from the curse of dimensionality. The evaluation is based on the class of asymmetric loss functions proposed by Komunjer and Owyang (2012). The results show that the BEKK model cannot better predict the correlations than the simpler DCC model in the trivariate system. Therefore, the application of the DCC model appears to be superior.

The third study leads to a flexible approach which separates the univariate marginal distributions from the joint distribution. The different copula functions are presented and the corresponding tail dependence is calculated. The empirical analysis compares different copula functions with a non-parametric approach and three time-dependent approaches. The results show noticeable reactions of tail dependence to the major financial market events. In addition, the lower tail dependence dominates over time. This can be interpreted in a way that joint losses occur more frequently than joint gains.

Alternative Abstract:
Alternative AbstractLanguage

Die vorliegende Dissertation umfasst drei Studien, die sich mit der Evaluation von Volatilitäts- und Korrelationsprognosen sowie der Modellierung von Randabhängigkeiten befassen. Aufbauend auf den theoretischen Diskussionen und den empirischen Untersuchungen werden die Methoden zur Modellierung der zeitlich variierenden Volatilitäten und Abhängigkeitsmaße für die Finanzmarktdaten bewertet.

Die erste Studie beschäftigt sich mit der Evaluation von Volatilitätsprognosen. Es wird zuerst eine theoretische Einführung zu dem generalisierten Modell mit bedingter autoregressiver Heteroskedastie (GARCH) und seiner asymmetrischen Erweiterungen vorgenommen. Anschließend werden die Konzepte Verlustfunktion und Model Confidence Set (MCS) eingeführt. Als Benchmark dient die realisierte Volatilität. Das zentrale Ergebnis der Studie von Brownlees et al. (2011) kann durch die vorliegende Untersuchung bestätigt und erweitert werden. Ein-Schritt-Prognosen erzielen durchschnittlich signifikant geringere Verluste als die Mehr-Schritt-Prognosen in Krisenzeiten. Demgegenüber ist der Unterschied zwischen den Ein-Schritt-Prognosen und den Mehr-Schritt-Prognosen in Vorkrisenzeiten relativ klein. Weiterhin zeigen die Evaluationsergebnisse, dass die Berücksichtigung asymmetrischer Modellspezifikation eine signifikante Verbesserung der Prognoseleistung mit sich bringt.

Die zweite Studie befasst sich mit der multivariaten Evaluation von Korrelationsprognosen. Als Modelle wird das Baba-Engle-Kraft-Kroner Modell (BEKK) nach Engle und Kroner (1995) mit dem dynamischen bedingten Korrelationsmodell (DCC) nach Engle (2002) verglichen. Mithilfe einer zweistufigen Schätzungsmethode ist das DCC-Modell im praktischen Einsatz für große Korrelationsmatrizen gut geeignet. Dagegen unterliegt das flexiblere BEKK-Modell dem Fluch der Dimensionalität. Die Evaluation basiert auf der von Komunjer und Owyang (2012) vorgeschlagenen Klasse asymmetrischer Verlustfunktionen. Die Evaluationsstudie zeigt, dass das BEKK-Modell die Korrelationen für das trivariate System nicht systematisch besser vorhersagt als das einfachere DCC-Modell. Daher erscheint die Anwendung des DCC-Modells vorteilhaft.

Die dritte Studie führt zu einem flexiblen Ansatz, welcher die univariaten Randverteilungen von der gemeinsamen Verteilung trennt. Dabei werden die verschiedenen Copula-Funktionen vorgestellt. Die Randabhängigkeiten lassen sich als Funktionale der Copula-Funktionen berechnen. Die empirische Analyse vergleicht verschiedenen Copula-Funktionen mit einem nichtparametrischen Ansatz und drei zeitabhängigen Ansätzen. Die Ergebnisse zeigen erkennbare Reaktionen der Randabhängigkeit auf wichtige Finanzmarktereignisse. Zudem dominiert die untere Randabhängigkeit im Lauf der Zeit. Dies kann dahingehend interpretiert werden, dass gemeinsame Kursverluste in der Realität viel häufiger vorkommen als gemeinsame Kursgewinne.

German
Status: Publisher's Version
URN: urn:nbn:de:tuda-tuprints-200522
Classification DDC: 300 Social sciences > 310 General statistics
300 Social sciences > 330 Economics
Divisions: 01 Department of Law and Economics > Volkswirtschaftliche Fachgebiete
01 Department of Law and Economics > Volkswirtschaftliche Fachgebiete > Emprical Economics
Date Deposited: 16 Dec 2021 13:46
Last Modified: 16 Dec 2021 13:47
URI: https://tuprints.ulb.tu-darmstadt.de/id/eprint/20052
PPN: 490509398
Export:
Actions (login required)
View Item View Item