Robuster Einsatz von Informationen aus Optionsdaten

• Antragstellerinnen: Professorin Dr. Antje Mahayni, seit 8/2017; Professorin Dr. Judith Christiane Schneider
• Fachliche Zuordnung: Accounting und Finance
• Förderung: Förderung von 2016 bis 2019
• Projektkennung: Deutsche Forschungsgemeinschaft (DFG) - Projektnummer 316058991

Sowohl in der Praxis als auch in der akademischen Forschung besteht ein beachtliches Interesse an der Gewinnung von Informationen über zukünftige Aktienmarktbewegungen aus Optionspreisen. Bei der Bewertung komplexer Finanzprodukte, werden in der Praxis theoretische Modelle an beobachtete Optionspreise kalibriert. Dieser etablierte Bewertungsansatz bringt ein Modellrisiko mit sich, welches in der Regel vernachlässigt oder auf Parameterunsicherheit reduziert wird. Ein erstes Ziel der beantragten Forschung ist es, nichtparametrische Worst-Case-Ansätze aus der robusten Kontrolltheorie mit diesem Kalibrierungsansatz zu verknüpfen. So wird die Bewertung von exotischen und illiquiden Finanzprodukten gegen Modellrisiko abgesichert, und es ist möglich, Rückstellungen für Modellrisiko exakt zu quantifizieren, wie es auch in jüngeren regulatorischen Überlegungen gefordert wird. Der zweite Teil der beantragten Forschung trägt zu der Literatur bei, die sich damit beschäftigt, wie Informationen aus Optionspreisdaten verwendet werden können, um Charakteristika der risikoneutralen Verteilung zu bestimmen, und so Eigenschaften der Erwartungen am Markt zu ermitteln. Typische Kennzahlen in der Literatur sind etwa die ersten vier Momente sowie (lineare) Korrelationszahlen, sowohl zwischen Wertpapieren, als auch über die Zeit. Die Messmethoden zur Bestimmung dieser Kennzahlen benötigen starke strukturelle Annahmen, wie beispielsweise Extrapolation der beobachteten Optionspreise. Der Antrag beschäftigt sich mit der Frage, wie diese Methoden robuster gemacht werden können. Um Eigenschaften der risikoneutralen Verteilung zu ermitteln, werden wir alternative Kennzahlen studieren, die die Form der Verteilung erfassen, aber ohne Extrapolation bestimmt werden können. Die Aussagekraft dieser Maße, beispielsweise quantil-basierter Kennzahlen für Schiefe ("skewness"), werden wir sowohl theoretisch als auch in konkreten ökonomischen Anwendungen prüfen. Darüberhinaus werden wir alternative Abhängigkeitsmaße neben der klassischen Korrelation studieren, beispielsweise Transinformation ("mutual information"). Auch hier interessieren uns sowohl die ökonomische Aussagekraft, als auch die Robustheit der Kennzahlen bei der Schätzung aus Optionspreisdaten.

• DFG-Verfahren: Sachbeihilfen
• Ehemaliger Antragsteller: Dr. Nikolaus Schweizer, bis 8/2017