Intratages-Volatilitätsmessung auf Aktienmärkten

• Antragstellerin: Professorin Dr. Franziska Peter
• Fachliche Zuordnung: Accounting und Finance ; Statistik und Ökonometrie
• Förderung: Förderung von 2018 bis 2022
• Projektkennung: Deutsche Forschungsgemeinschaft (DFG) - Projektnummer 389577820

Die Varianzrisikoprämie wird üblicherweise als Absicherung gegen zunehmende Renditeschwankungen bei Aktien angesehen. Die erhöhte Unsicherheit aufgrund der Covid-19-Pandemie unterstreicht die Notwendigkeit für Anleger, das Varianzrisiko zu berücksichtigen, und bietet einen einzigartigen Rahmen für die Analyse des Vorhandenseins, des Querschnitts und der zeitlichen Variation der Varianzrisikoprämien einzelner Aktien. Insbesondere haben die jüngsten Entwicklungen gezeigt, dass verschiedene Sektoren in unterschiedlichem Maße von den wirtschaftlichen, regulatorischen und sozialen Auswirkungen der Covid-19-Pandemie betroffen sind. Wir werden daher die einzelnen Prämien für das Aktienvarianzrisiko in verschiedenen Sektoren untersuchen, um wertvolle Einblicke in die (sich ändernde) Bewertung des Varianzrisikos durch den Anleger zu erhalten, wobei der Schwerpunkt auf den Auswirkungen der Covid-19-Krise liegt.Darüber hinaus wenden wir Deep-Learning-Ansätze für die (Downside-) Varianzvorhersage an, indem wir künstliche neuronale Netze mit einem auf Aufmerksamkeit-basierenden Mechanismus kombinieren. Aufmerksamkeitsmechanismen sind Teil der menschlichen Wahrnehmung und implizieren zu jedem Zeitpunkt eine selektive Aufmerksamkeit für bestimmte Informationen. Die Anwendung eines Aufmerksamkeitsmechanismus, der auf den Kontext der Varianzvorhersage übertragen wird, ermöglicht Einblicke in die Auswahl der Schlüsselvariablen für die Entscheidungsfindung. Die Flexibilität künstlicher neuronaler Netze in Bezug auf die beobachteten Muster bietet eine interessante Alternative zu Standardansätzen bei der Analyse von Intraday-Börsendaten.Angesichts der Interdependenzen zwischen den Finanzmärkten auf Intraday-Ebene bestehen widersprüchliche Schlussfolgerungen hinsichtlich der Rolle des Optionsmarkts im Preisfindungsprozess der zugrunde liegenden Aktie. Wir sind daher bestrebt, einen theoretischen Rahmen sowie einen methodischen Ansatz für eine zeitlich variierende Informationsanteil zu entwickeln. Wir planen, uns auf sogenannte generalized autoregressive score-Modelle zu konzentrieren, die einen beobachtungsgesteuerten Aktualisierungsprozess von Parametern ermöglichen. Dieser Ansatz soll Aufschluss über den potential zeitvariablen Informationsübertragungsprozess während bestimmter informativer Ereignisse, wie z.B. der Veröffentlichung der Quartalszah.

• DFG-Verfahren: Sachbeihilfen