Intratages-Volatilitätsmessung auf Aktienmärkten
Statistik und Ökonometrie
Zusammenfassung der Projektergebnisse
Die akkurate Beurteilung der aktuellen und zukünftigen Aktienmarktvolatilität ist von großer Bedeutung, nicht nur für individuelle Investoren, sondern auch für die Stabilität des Finanzmarktsystems als Ganzes. Der heutige Handel weist eine Geschwindigkeit auf, die ein schnelleres, flexibleres Risikomanagement erfordert, das sich rasch ändernde Marktsituationen abbilden kann. Dieses Forschungsvorhaben soll hierzu Lücken in der Literatur schließen und Volatilität auf einer hohen Frequenz im Intratageskontext und für einzelne Aktien untersuchen. Da Volatilität an sich eine latente Größe ist, welche sich nur implizit aus beobachtbaren Zeitreihen wie z.B. der der Aktienrenditen ergibt, ist eine adäquate Quantifizierung in der Regel an parametrische Modelle gebunden. Die gegenwärtigen Finanzmarkt-Literatur zeigt jedoch auch dass insbesondere das Optionen-basierte Maß der implizite Volatilität Informationen in Bezug auf künftige Aktienmarktvolatilität enthält, die sich nicht aus historischen Aktienkursen ableiten lassen. Im Rahmen dieses Projektes wurde geprüft, inwiefern ein solches Maß basierend auf hochfrequenten Optionsdaten auch über den Index-Kontext hinaus, d.h. für einzelne Aktien, implementierbar ist. Die Auswertung eines großen Optionsdatensatzes von US-amerikanischen Unternehmen zeigt, dass eine Implementierung des optionsbasierten Maßes auf den Aktienspezifischen Intratageskontext zwar möglich ist, allerdings aufgrund der Liquidität und Breite der Strikepreise der gehandelten Optionen nur für eine Gruppe von etwa 140 zugrundeliegenden Aktien sinnvoll erscheint. Für diese lässt sich die implizite Volatilität auf einer Intratages Frequenz berechnen. Diese Maße wurden im nächsten Schritt zur empirischen Analyse des Zusammenhangs von Volatilität und Rendite auf Intratages Frequenz genutzt. Die Ergebnisse bestätigen einen negativen Zusammenhang zwischen Aktienrenditen und Volatilität, der für extreme Renditen stärken ausgeprägt ist. Empirische Evidenz für den niedrigeren Frequenzen dokumentierten Volatility Feedback oder Leverage Effekt finden sich jedoch nicht. Darüber hinaus entwickelten sich im Laufe der Projektbearbeitung – abweichend von dem ursprünglichen Schlüsselfragen - ein weiterer Fokus auf den Einfluss von Sentiment- und Attentionmaße basierend auf Aktivität und Darstellung auf Social Media Plattformen bzw. Prävalenz in Googlesuchen auf Schlüsselvariablen des Aktienhandels, insbesondere der Volatilität. Hierzu wurden mehrere empirische Studien durchgeführt. So zeigen die Ergebnisse einer Studie des Zusammenspiels von Volatilität und einem Sentiment- und Aktivitätsmaß basierend auf Twitter-Daten zwar einen signifikanten Zusammenhang von Intraday-Volatilität und Informationen aus aktienbezogenen Tweets. Aus ökonomischer Sicht sind die Effekte jedoch vernachlässigbar und die Prognoseleistung außerhalb der Stichprobe wird nicht signifikant verbessert. Aus praktischer Sicht ist daher im Rahmen dieser Studie festzustellen, dass hochfrequente Twitter-Informationen für Anleger mit Zugang zu solchen Daten für die Intratages-Volatilitätsbeurteilung und -Prognose nicht besonders nützlich sind und sich Ergebnisse anderer Studien für Aktienindizes und eine niedrigere Frequenz nicht den Kontext einzelner Aktien und Intratagesfrequenzen übertragen lassen.
Projektbezogene Publikationen (Auswahl)
-
The Twitter myth revisited: Intraday investor sentiment, Twitter activity and individual-level stock return volatility. Journal of Banking & Finance, 96, 355–367.
Behrendt, Simon & Schmidt, Alexander
-
An encyclopedia for stock markets? Wikipedia searches and stock returns. International Review of Financial Analysis, 72 (2020, 11), 101563.
Behrendt, Simon; Peter, Franziska J. & Zimmermann, David J.
-
No Model No Cry? Intraday Model-Free Implied Volatility and the Leverage Effect for Individual Equities. SSRN Electronic Journal (2020).
Peter, Franziska & Haas, Martin G.
-
Does online investor attention drive the co-movement of stock-, commodity-, and energy markets? Insights from Google searches. Energy Economics, 99, 105282.
Prange, Philipp
-
Nothing but noise? Price discovery across cryptocurrency exchanges. Journal of Financial Markets, 54, 100584.
Dimpfl, Thomas & Peter, Franziska J.
-
Structural breaks in Box-Cox transforms of realized volatility: a model selection perspective. Quantitative Finance, 21(11), 1905-1919.
Behrendt, Simon
-
What are you searching for? On the equivalence of proxies for online investor attention, Finance Research Letters, 38.
Behrendt, Simon & Prange, Philipp
-
Intraday Value at Risk Estimation with Multivariate Intensity Models: An Application to Cryptocurrencies. SSRN Electronic Journal (2023).
Patino, Mariana & Peter, Franziska
