Über die Anwendbarkeit eines neuen Fluktuationstests für Korrelationen auf Finanzzeitreihen

  • Dominik Wied
  • Matthias Arnold
  • Nicolai Bissantz
  • Daniel Ziggel
Originalveröffentlichung

Zusammenfassung

Wir untersuchen einen neuen Fluktuationstest auf konstante Korrelationen bezüglich seiner Eigenschaften und möglicher Anwendungen im Finanzsektor. Dabei werden durch eine Simulationsstudie einerseits seine Eigenschaften selbst und Unterschiede im Vergleich zu einem älteren Standardverfahren untersucht. Andererseits wenden wir den Test auf reale Finanzzeitreihen an, bewerten die Resultate im Hinblick auf ihre Plausibilität und zeigen weitere potenzielle Anwendungsmöglichkeiten auf. Die Ergebnisse legen nahe, dass sich der Test für den praktischen Einsatz in der Finanzwirtschaft eignet.

Schlüsselwörter

Korrelation Strukturbrüche Portfoliooptimierung 

On the applicability of a new fluctuation test for correlations on financial time series

Abstract

We analyze a new fluctuation test for constant correlation with respect to its properties and possible applications in finance. On the one hand, a simulation study examines the properties particularly with regard to a comparison with a previous standard method. On the other hand, we apply the test on real financial time series, evaluate the results with respect to their plausibility and reveal potential fields for further applications. The results indicate that the test is useful for practical applications in finance.

Keywords

Correlation Structural break Portfolio optimization 

JEL Klassifikationen

C12 C14 G01 G11 

Notes

Danksagung

Die Arbeit des dritten Autors wurde durch das BMBF (Project INVERS) unterstützt und die Arbeit der ersten drei Autoren durch die DFG (SFB 823, Projekte A1 und C4). Wir bedanken uns bei dem Herausgeber Ralf Münnich und bei zwei anonymen Gutachtern für viele hilfreiche Hinweise, die zu einer substanziellen Verbesserung einer früheren Version dieses Artikels geführt haben. Der vorliegende Artikel ersetzt den (englischsprachigen) Aufsatz A new online-test for changes in correlations, welcher als SFB 823 Diskussionspapier 34/10 zirkuliert.

Literatur

  1. Aue A, Hörmann S, Horváth L, Reimherr M (2009) Break detection in the covariance structure of multivariate time series models. Ann Stat 37(6B):4046–4087 MATHCrossRefGoogle Scholar
  2. Billingsley P (1968) Convergence of probability measures. Wiley, New York MATHGoogle Scholar
  3. Bissantz N, Steinorth V, Ziggel D (2011) Stabilität von diversifikationseffekten im Markowitz-Modell. AStA Wirtsch Sozialstat Arch 5(2):145–157 CrossRefGoogle Scholar
  4. Bracker K, Koch PD (1999) Economic determinants of the correlation structure across international equity markets. Q J Bus Econ 51:443–471 CrossRefGoogle Scholar
  5. Chow GC (1960) Tests of equality between sets of coefficients in two linear regressions. Econometrica 28(3):591–605 MathSciNetMATHCrossRefGoogle Scholar
  6. Dehling H, Vogel D, Wendler M, Wied D (2012) An efficient and robust test for a change point in correlation. Arbeitspapier. arXiv:1203.4871v2
  7. Dias A, Embrechts P (2004) Change point analysis for dependence structures in finance and insurance. In: Szegö G (ed) Risk measures of the 21th century. Wiley, New York Google Scholar
  8. Galeano P, Wied D (2012) Multiple break detection in the correlation structure of random variables. Arbeitspapier. arXiv:1206.5367v1
  9. Goetzmann WN, Li L, Rouwenhorst KG (2005) Long-term global market correlations. J Bus 78(1):1–38 CrossRefGoogle Scholar
  10. Jennrich RI (1970) An asymptotic chi-square test for the equality of two correlation matrices. J Am Stat Assoc 65:904–912 MathSciNetMATHGoogle Scholar
  11. Kaplanis EC (1988) Stability and forecasting of the comovement measures of international stock market returns. J Int Money Financ 7(1):63–75 CrossRefGoogle Scholar
  12. Krishan CNV, Petkova R, Ritchken P (2009) Correlation risk. J Empir Finance 16:353–367 CrossRefGoogle Scholar
  13. Longin F, Solnik B (1995) Is the correlation in international equity returns constant: 1960–1990? J Int Money Financ 14(1):3–26 CrossRefGoogle Scholar
  14. Mandelbrot B (1962) The variation of certain speculative prices. IBM research report NC-87 Google Scholar
  15. Pearson ES, Wilks SS (1933) Methods of statistical analysis appropriate for k samples of two variables. Biometrika 25:353–378 Google Scholar
  16. Ploberger W, Krämer W, Kontrus K (1989) A new test for structural stability in the linear regression model. J Econom 40:307–318 MATHCrossRefGoogle Scholar
  17. Sancetta A, Satchell SE (2007) Changing correlations and equity portfolio failure for linear factor models during market declines. Appl Math Finance 14:227–242 MathSciNetMATHCrossRefGoogle Scholar
  18. Trede M, Schmid F (2005) Finanzmarktstatistik. Springer, Berlin Google Scholar
  19. Wied D (2009) Ein Fluktuationstest auf konstante Korrelation. Dissertation, TU Dortmund Google Scholar
  20. Wied D, Galeano P (2012) Monitoring correlation change in a sequence of random variables. J Stat Plan Inference (erscheint) Google Scholar
  21. Wied D, Arnold M, Bissantz N, Ziggel Z (2011a) A new fluctuation test for constant variances with applications to finance. Metrika (erscheint) Google Scholar
  22. Wied D, Dehling H, van Kampen M, Vogel D (2011b) A fluctuation test for constant Spearman’s rho with nuisance-free limit distribution. Arbeitspapier. arXiv:1206.5070v1
  23. Wied D, Krämer W, Dehling H (2012) Testing for a change in correlation at an unknown point in time using an extended functional delta method. Econom Theory 28(3):570–589 MATHCrossRefGoogle Scholar
  24. Zimmermann H, Drobetz W, Oertmann P (2002) Global asset allocation. Wiley, New Jersey Google Scholar

Copyright information

© Springer 2012

Authors and Affiliations

  • Dominik Wied
    • 1
  • Matthias Arnold
    • 1
  • Nicolai Bissantz
    • 2
  • Daniel Ziggel
    • 3
  1. 1.Fakultät StatistikTU DortmundDortmundDeutschland
  2. 2.Fakultät für MathematikRuhr-Universität BochumBochumDeutschland
  3. 3.quasol GmbHMünsterDeutschland

Personalised recommendations