Dynamische Faktormodelle für die Volatilität von Aktienrenditen und ihre statistische Inferenz basierend auf der Likelihoodfunktion

• Antragsteller: Professor Dr. Roman Liesenfeld
• Fachliche Zuordnung: Statistik und Ökonometrie
• Förderung: Förderung von 1999 bis 2001
• Projektkennung: Deutsche Forschungsgemeinschaft (DFG) - Projektnummer 5236649

Das Forschungsziel besteht zum einen in der Formulierung von Multivariaten Modellen für das gemeinsame Zeitreihenverhalten von Volatilitäten mehrerer Aktienrenditen. Dies soll im Rahmen dynamischer Faktormodelle erfolgen, in denen sowohl die gemeinsamen Faktoren als auch die aktienspezifischen Komponenten als stochastische Volatilitätsprozesse modelliert werden, so daß für die dazugehörigen Volatilitäten ein autoregessives Verhalten zugelassen wird. Diese Modelle, in denen in Anlehnung an die Arbitrage-Pricing Theorie und das Capital-Asset-Pricing Modell zwischen dem Marktrisiko und dem Aktienspezifischen Risiko unterschieden wird, sollen dazu dienen, die unterschiedlichen Risiko bzw. Volatilitätskomponenten von Aktienrenditen zu identifizieren, entsprechend zu interpretieren und zu prognostizieren. Da die gemeinsamen und aktienspezifischen Komponenten latente dynamsiche Variablen sind, ist die Likelihoodfunktion ein hochdimensionales Integral, das mit herkömmlichen Methoden nicht berechnet werden kann. Folglich lassen sich diese Modelle nicht mit Hilfe der üblichen Maximum-LikelihoodMethode schätzen. Ein weiteres Ziel ist es daher, effiziente Schätz- und Testmethoden für diese Modellklasse des effizienten Importance-Samplings verwendet werden, die eine Berechnung der Likelihoodfunktion und eine entsprechende statistische Inferenz ermöglichen.

• DFG-Verfahren: Forschungsstipendien