Multivariate Analyse von Marktrisiken und Handelsprozessen auf der Transaktionsebene
Zusammenfassung der Projektergebnisse
Die Verfügbarkeit von Aktiendaten auf Intratagesebene (oft auch als Ultrahochfrequenzdaten bezeichnet) hat es der empirischen Finanzmarktforschung ermöglicht, neue Fragen zum Verhalten von Finanzmärkten zu stellen und alte Fragen aus einer neuen Perspektive zu analysieren. Während es in den 90er Jahren zunächst darum ging, das Potential der HFF (hochfrequenten Finanzmarktforschung bzw. high frequency finance) auszuloten und erste adäquate ökonometrische Verfahren zur Analyse dieser datengenerierenden Prozesse zu entwickeln, werden die Verfahren der HFF heute als attraktive Alternative zu konventionellen zeitreihenanalytischen Verfahren angesehen. Dieses Teilprojekt widmete sich der ökonometrischen Analyse von Marktrisiken und Handelsprozessen auf der Transaktionsebene. Die Verwendung von Transaktionsdaten erlaubt es, Marktprozesse präziser abzubilden und Risiken ökonometrisch zu quantifizieren. Hierzu war es aufgrund der speziellen Stochastik von Transaktionsdaten nötig, geeignete ökonometrische Verfahren zu entwickeln. Das Projekt verfolgte zwei Forschungsschwerpunkte: (i) die Risikoabschätzung auf Basis von hochfrequenten Finanzmarktdaten sowie (ii) die ökonometrische Analyse von Handelsprozessen auf der Transaktionsebene.
Projektbezogene Publikationen (Auswahl)
- (2003), Ein Hürdenmodell für diskrete Transaktionspreisänderungen auf Finanzmärkten (A Hurdle Model for Discrete Transaction Price Changes on Financial Markets), in: W. Franz, H.-J. Ramser and M. Stadler (eds.). Empirische Wirtschaftsforschung - Methoden und Anwendungen (Empirical Research in Economics - Methods and Applications), Mohr Siebeck, 153-177
Liesenfeld, R. & W. Pohlmeier
- (2003): "Assessing the Risk of Liquidity Suppliers on the Basis of Excess Demand Intensities", Journal of Financial Econometrics, 1(2), 189-215
Hautsch, N.
(Siehe online unter https://doi.org/10.1093/jjfinec/nbg010) - (2004): "Modelling Irregularly Spaced Financial Data - Theory and Practice of Dynamic Duration Models", Lecture Notes in Economics and Mathematical Systems, Vol. 539, Springer-Verlag, Berlin
Hautsch, N.
(Siehe online unter https://dx.doi.org/10.1007/978-3-642-17015-7) - (2006). Modeling financial transaction price movements, in L. Bauwens, W. Pohlmeier and D. Veredas (eds.): Recent Developments in High Frequency Financial Econometrics, 167-197, Studies in Empirical Economics, Springer, Berlin; Reprint from Empirical Economics, 2006, 30(4), 795-825
Liesenfeld, R. I. Nolte & W. Pohlmeier
(Siehe online unter https://doi.org/10.1007/s00181-005-0001-1) - (2006): "Stochastic Conditional Intensity Processes", Journal of Financial Econometrics, 4, 450-493
Bauwens L. & N. Hautsch
(Siehe online unter https://doi.org/10.1093/jjfinec/nbj013) - (2007) Using forecasts of forecasters to forecast. International Journal of Forecasfing. 23, 7-28
Nolte, I. & W. Pohlmeier
(Siehe online unter https://doi.org/10.1016/j.ijforecast.2006.05.001) - (2007). "A Multivariate Integer Count Hurdle Model: Theory and Application to Exchange Rate Dynamics" in L. Bauwens, W. Pohlmeier and D. Veredas (eds.): Recent Developments in High Frequency Financial Econometrics, 31-48, Studies in Empirical Economics, Springer
Bien, K., I. Nolte & W. Pohlmeier, W.
(Siehe online unter https://doi.org/10.1007/978-3-7908-1992-2_3) - (2007). A Multivariate Integer Count Hurdle Model: Theory and Application to Exchange, in L. Bauwens, W. Pohlmeier and D. Veredas (eds.): Recent Developments in High Frequency Financial Econometrics, 31-48. Studies in Empirical Economics, Springer, Berlin
Nolte I., K. Bien & W. Pohlmeier
(Siehe online unter https://doi.org/10.1007/978-3-7908-1992-2_3) - (2007). Integrated Covariance Estimation Using High-Frequency Data in the Presence of Noise, Journal of Financial Econometrics, 5, 68-104
Lunde, A. & V. Voev
(Siehe online unter https://doi.org/10.1093/jjfinec/nbl011) - (2007): "A Dynamic Semiparametric Proportional Hazard Model", Studies in Nonlinear Dynamics & Econometrics, 11 (2), Article 1
Gerhard, F & N. Hautsch
(Siehe online unter https://doi.org/10.2202/1558-3708.1377) - (2007): "Bayesian Learning in Financial Markets - Testing for the Relevance of Information Precision in Price Discovery", Journal of Financial and Quantitative Analysis, 42(1), 189-208
Hautsch N. & D. Hess
(Siehe online unter https://doi.org/10.1017/S0022109000002246) - (2008) Modeling a Multivariate Transaction Process, Journal of Financial Econometrics, 6,143-170
Nolte, I.
(Siehe online unter https://doi.org/10.1093/jjfinec/nbm020) - (2008), Dynamic Modelling of Large Dimensional Covariance Matrices, in L. Bauwens, W. Pohlmeier & D. Veredas (eds.). Recent Developments in High Frequency Financial Econometrics, Studies in Empirical Economics, Springer, Berlin
Voev, V.
(Siehe online unter https://doi.org/10.1007/978-3-7908-1992-2_13) - (2008): Capturing Common Components in High-Frequency Financial Time Series: A Multivariate Stochastic Multiplicative Error Model, Journal of Economic Dynamics and Control, 32, 3978-4009
Hautsch, N.
(Siehe online unter https://doi.org/10.1016/j.jedc.2008.01.009) - (2009). An Inflated Multivariate Integer Count Hurdle Model: An Application to Bid and Ask Quote Dynamics, Journal of Applied Econometrics
Bien, K., Nolte, I. & W. Pohlmeier
(Siehe online unter https://doi.org/10.1002/jae.1122) - (2010), Modelling and Forecasting Multivariate Realized Volatility, Journal of Applied Econometrics
Chiriac, R. & V. Voev
(Siehe online unter https://doi.org/10.1002/jae.1152) - (2020): Do individual investors trade differently in different financial markets? In: The European Journal of Finance 26 (13), S. 1253–1270
Nolte, I. & S. Nolte
(Siehe online unter https://doi.org/10.1080/1351847X.2019.1709524)
