Skip to main content
SpringerLink
Log in

Volatilitätsmodelle für Finanzmarktzeitreihen

  • Chapter
  • First Online:
Prognoserechnung

Zusammenfassung

Die Analyse von Aktienkursen, bzw. – allgemeiner – von Finanzmarktzeitreihen, weist eine lange Tradition auf. Als Geburtsstunde der Finanzmathematik wird oft der 29. März 1900 gesehen. An diesem Tag verteidigte der französische Student Louis Bachélier seine Arbeit zur Analyse von Aktien- und Optionspreisen bzw. -märkten. Üblicherweise stehen bei der Analyse nicht die Niveaus (Preise, vgl. Abb. 24.1) der Zeitreihen (z.B. Aktien- oder Wechselkurse) selbst, sondern deren einperiodische Veränderungsraten, die sogenannten Renditen, im Fokus (vgl. Abb. 24.2). Während Bachélier implizit unabhängige und identisch normalverteilte Renditeverteilungen unterstellte, wurde die Aufmerksamkeit von E.F. Fama im Jahr 1963 auf unabhängig und identisch verteilte Renditemodelle mit schweren Rändern (sogenannte α-stabile Verteilungen) gelenkt. Ging man lange Jahre von unabhängigen Renditeverteilungen aus, so herrscht mittlerweile Konsens über die Existenz von Abhängigkeiten höherer Ordnung bei den Renditen, insbesondere bei den quadrierten Renditen bzw. Volatilitäten. Einen Meilenstein in der Modellierung der Volatilitäten von Finanzmarktrenditen setzte Robert F. Engle im Jahr 1982 mit seiner Publikation über autoregressive, bedingt heteroskedastische („Autoregressive Conditionally Heteroscedastic“, kurz ARCH-)Modelle. Bis heute stellen diese (sowie deren unzählige Verallgemeinerungen) den Standard in Wissenschaft wie Finanzmarktpraxis dar und werden sowohl für den uni- als auch den multivariaten Fall nachfolgend diskutiert.

This is a preview of subscription content, log in via an institution to check access.

Access this chapter

Log in via an institution
Chapter
USD 29.95
Price excludes VAT (USA)
  • Available as PDF
  • Read on any device
  • Instant download
  • Own it forever
eBook
USD 109.00
Price excludes VAT (USA)
  • Available as EPUB and PDF
  • Read on any device
  • Instant download
  • Own it forever
Hardcover Book
USD 139.99
Price excludes VAT (USA)
  • Durable hardcover edition
  • Dispatched in 3 to 5 business days
  • Free shipping worldwide - see info

Tax calculation will be finalised at checkout

Purchases are for personal use only

Institutional subscriptions

Notes

  1. 1.

    Alternative Schätzmethoden sind Whittle-Schätzung von [28] und bayesianische Schätzung von GARCH-Modellen (vgl. beispielsweise [2] oder [53]).

References

  1. Alexander, C.O. und Chibumba, A.M.: Multivariate Orthogonal Factor GARCH, University of Sussex Discussion Papers in Mathematics (1997)

    Google Scholar 

  2. Ardia, D.: Bayesian Estimation of the GARCH(1,1) Model with Normal Innovations, Student 3–4, 283–298 (2006)

    Google Scholar 

  3. Bachelier, L.: Théorie de la Spéculation, Ann. Sci. Ecole Norm. S. 17, 21–81 (1900)

    Google Scholar 

  4. Baillie, R.T., Bollerslev, T. und Mikkelsen, H.O.: Fractionally Integrated Generalized Autoregressive Conditional Heteroscedasticity, J. Econometrics 74, 3–30 (1996)

    Article  Google Scholar 

  5. Billio, M. und Caporin, M.: A Generalized Dynamic Conditional Correlation Model for Portfolio Risk Evaluation, Ca' Foscari University of Venice, Department of Economics (unveröffentlichtes Manuskript) (2006)

    Google Scholar 

  6. Black, F.: Studies of Stock Markets Volatility Changes, Proc. Am. Stat. Assoc., 177–181 (1976)

    Google Scholar 

  7. Bollerslev, T.: Generalized Autoregressive Conditional Heteroscedasticity, J. Econometrics 31, 307–327 (1986)

    Article  Google Scholar 

  8. Bollerslev, T.: A Conditional Heteroscedastic Time Series Model for Speculative Prices and Rates of Return, Rev. Econ. Stat. 69, 542–547 (1987)

    Article  Google Scholar 

  9. Bollerslev, T.: Modelling the Coherence in Short-Run Nominal Exchange Rates: A Multivariate Generalized ARCH model, Rev. Econ. Stat. 72, 498–505 (1990)

    Article  Google Scholar 

  10. Bollerslev, T., Chou, R.Y. und Kroner, K.F.: Arch Modeling in Finance, J. Econometrics 52, 5–59 (1992)

    Article  Google Scholar 

  11. Bollerslev, T., Engle, R.F. und Wooldridge, J.M.: A Capital Asset Pricing Model with Time-Varying Covariances, J. Polit. Econ. 96, 116–131 (1988)

    Article  Google Scholar 

  12. Box, G.E.P. und Tiao, G.C.: A Further Look at Robustness via Bayes Theorem, Biometrika 49, 419–432 (1962)

    Google Scholar 

  13. Chib, S., Omori, Y. und Asai, M.: Multivariate Stochastic Volatility, in: Andersen, T.G., Davis, R.A., Kreiss, J.P. und Mikosch, T. (Hrsg.), Handbook of Financial Time Series, S. 365–400, Berlin (2009)

    Google Scholar 

  14. Curto, J.D., Pinto, J.C. und Tavares, G.N.: Modeling Stock Markets' Volatility Using GARCH Models with Normal, Student's t and Stable Paretian Distributions, Stat. Pap. 50, 311–321 (2009)

    Article  Google Scholar 

  15. Ding, Z., Granger, C.W.J. und Engle, R.F.: A Long Memory Property of Stock Market Returns and a New Model, J. Empir. Financ. 1, 83–106 (1993)

    Article  Google Scholar 

  16. Engle, R.F.: Autoregressive Conditional Heteroscedasticity with Estimates of the Variance of United Kingdom Inflation, Econometrica 50, 987–1006 (1982)

    Article  Google Scholar 

  17. Engle, R.F.: Dynamic Conditional Correlation: A Simple Class of Multivariate Generalized Autoregressive Conditional Heteroscedasticity Models, J. Bus. Econ. Stat. 20, 339–350 (2002)

    Article  Google Scholar 

  18. Engle, R.F. und Bollerslev, T.: Modelling the Persistence of Conditional Variances, Economet. Rev. 5, 1–50 (1986)

    Article  Google Scholar 

  19. Engle, R.F. und Kroner, K.F.: Multivariate Simultaneous Generalized ARCH, Economet. Theor. 11, 122–50 (1995)

    Article  Google Scholar 

  20. Engle, R.F., Ng, V.K. und Rothschild, M.: Asset Pricing with a Factor ARCH Covariance Structure: Empirical Estimates for Treasury Bills, J. Econometrics 45, 213–238 (1990)

    Article  Google Scholar 

  21. Fama, E.F.: The Behaviour of Stock Market Prices, J. Bus. 38, 34–105 (1963)

    Article  Google Scholar 

  22. Fischer, M.: Skew Generalized Secant Hyperbolic Distributions: Unconditional and Conditional Fit to Asset Returns, Austrian J. Stat. 33, 293–304 (2004)

    Google Scholar 

  23. Fischer, M.: The Skew Generalized Secant Hyperbolic Family, Austrian J. Stat. 35, 437–443 (2006)

    Google Scholar 

  24. Fischer, M.: A Primer on Multivariate Copula Models, in: Kurowicka, D. und Joe, H. (Hrsg.), Dependence Modeling: Handbook of Vine Copulas, World Scientific, S. 19–36, London (2011)

    Google Scholar 

  25. Fischer, M., Köck, C., Schlüter, S. und Weigert, F.: An Empirical Analysis of Multivariate Copula Model, Quant. Financ. 7, 839–854 (2009)

    Article  Google Scholar 

  26. Franke, G., Härdle, W. und Hafner, C.: Statistics of Financial Markets: An Introduction, 2. Aufl., Berlin (2008)

    Google Scholar 

  27. Franses, P.H. und Dijk, D. van: Non-Linear Time Series Models in Empirical Finance, Cambridge (2000)

    Google Scholar 

  28. Giraitis, L. und Robinson, P.M.: Whittle Estimation of ARCH models, Econ. Theor. 17, 608–631 (2001)

    Article  Google Scholar 

  29. Glosten, L.R., Jagannathan, R. und Runkle, D.: On the Relation between the Expected Value and the Volatility of the Nominal Excess Return on Stocks, J. Financ. 48, 1779–1801 (1993)

    Article  Google Scholar 

  30. Granger, C. und Ding, Z.: Some Properties of Absolute Return: An Alternative Measure of Risk, Ann. Econ. Stat. 40, 67–91 (1995)

    Google Scholar 

  31. Härdle, W. und Okhrin, O.: De Copulis Non Est Disputandum, Adv. Stat. Anal. 94, 1–31 (2010)

    Article  Google Scholar 

  32. Hamilton, J.D.: Rational-Expectations Econometric Analysis of Changes in Regime: An Investigation of the Term Structure of Interest Rates, J. Econ. Dyn. Control 12, 385–423 (1988)

    Article  Google Scholar 

  33. Hentschel, L.: All in the Family: Nesting Symmetric and Asymmetric GARCH Models, J. Financ. Econ. 39, 71–104 (1995)

    Article  Google Scholar 

  34. Herrmann, K.: Maximum Entropy Models for Time-Varying Moments Applied to Daily Financial Returns, Aachen (2011)

    Google Scholar 

  35. Herrmann, K. und Fischer, M.: An Alternative Maximum Entropy Model for Time-Varying Moments with Application to Financial Returns, Stud. Nonlinear Dyn. E. 14(3) (2010)

    Google Scholar 

  36. Joe, H.: Multivariate Models and Dependence Concepts: Monographs on Statistics and Applied Probability, Vol. 73, London (1999)

    Google Scholar 

  37. Jondeau, E. und Rockinger, M.: The Copula-GARCH Model of Conditional Dependencies: An International Stock Market Application, J. Int. Money Financ. 25, 827–853 (2006)

    Article  Google Scholar 

  38. Kang, L. und Babbs, S.H.: Modelling Overnight and Daytime Returns Using a Multivariate GARCH-Copula Model, CAEPR Working Paper 8, Department of Economics at Indiana University Bloomington (2010)

    Google Scholar 

  39. Lee, T.H. und Long, X.: Copula-Based Multivariate GARCH Model with Uncorrelated Dependent Errors, J. Econometrics 150, 207–218 (2009)

    Article  Google Scholar 

  40. Liu, S.M. und Brorsen, B.W.: Maximum Likelihood Estimation of a GARCH-Stable Model, J. Appl. Econ. 10, 273–285 (1995)

    Article  Google Scholar 

  41. Mittnik, S., Paolella, M.S. und Rachev, S.T.: Unconditional and Conditional Distributional Models for the Nikkei Index, Asian Pac. Financ. Markets 5, 99–128 (1998)

    Article  Google Scholar 

  42. Mittnik, S. und Paolella, M.S.: Prediction of Financial Downside Risk with Heavy-Tailed Conditional Distributions, in: Rachev, S.T. (Hrsg.), Handbook of Heavy Tailed Distributions in Finance, Vol. 1, S. 385–404, New York (2003)

    Google Scholar 

  43. Nelson, D.B.: Conditional Heteroscedasticity in Asset Returns: A New Approach, Econometrica 59, 347–370 (1991)

    Article  Google Scholar 

  44. Nelson, D.B.: An Introduction to Copulas, 2. Aufl., Berlin (2006)

    Google Scholar 

  45. Patton, A.: Copula-Based Models for Financial Time Series, University of Oxford Working paper (2007)

    Google Scholar 

  46. Park, S.Y. und Bera, A.K.: Maximum Entropy Autoregressive Conditional Heteroscedasticity Model, J. Econometrics 150, 219–230 (2009)

    Article  Google Scholar 

  47. Ross, S.A.: The Arbitrage Theory of Capital Asset Pricing, J. Econ. Theory 13, 341–360 (1976)

    Article  Google Scholar 

  48. Schlittgen, R. und Streitberg, B.: Zeitreihenanalyse, 9. Aufl., München (2001)

    Google Scholar 

  49. Sklar, A.: Fonctions de Répartitions á n Dimensions et leurs Marges, Publications de l'Institut de Statistique de l'Université de Paris 8, 229–231 (1959)

    Google Scholar 

  50. Taylor, S.J.: Modelling Financial Time Series, 2. Aufl., New York (2007)

    Google Scholar 

  51. Tse, Y.K. und Tsui, A.K.: A Multivariate Generalized Autoregressive Conditional Heteroscedasticity Model with Time-Varying Correlations, J. Bus. Econ. Stat. 20, 351–362 (2002)

    Article  Google Scholar 

  52. Silvennoinen, A. und Teräsvirta, T.: Multivariate GARCH Models, in: Andersen, T.G., Davis, R.A., Kreiss, J.P. und Mikosch, T. (Hrsg.), Handbook of Financial Time Series, S. 201–229, Berlin (2009)

    Google Scholar 

  53. Vrontos, I.D., Dellaportas, P. und Politis, D.N.: A Full-Factor Multivariate GARCH Model, Economet. J. 6, 312–334 (2003)

    Article  Google Scholar 

  54. Weide, R. van der: GO–GARCH: A Multivariate Generalized Orthogonal GARCH Model, J. Appl. Econ. 17, 549–564 (2002)

    Article  Google Scholar 

  55. Zakoïan, J.M.: Threshold Heteroscedastic Models, J. Econ. Dyn. Control 18, 931–955 (1994)

    Article  Google Scholar 

Download references

Author information

Author notes

  1. Matthias J. Fischer

    Present address: Lehrstuhl für Statistik und Ökonometrie, Universität Erlangen-Nürnberg, Nürnberg, Deutschland

Authors and Affiliations

    Authors
    1. Matthias J. Fischer
      View author publications

      You can also search for this author in PubMed Google Scholar

    Corresponding author

    Correspondence to Matthias J. Fischer .

    Editor information

    Editors and Affiliations

    1. , Wirtschaftsinformatik I, Universität Erlangen-Nürnberg, Lange Gasse 20, Nürnberg, 90403, Germany

      Peter Mertens

    2. , LS für Statistik und Ökonometrie, Otto-Friedrich-Universität Bamberg, Feldkirchenstr. 21, Bamberg, 96045, Germany

      Susanne Rässler

    Rights and permissions

    Reprints and permissions

    Copyright information

    © 2012 Springer-Verlag Berlin Heidelberg

    About this chapter

    Cite this chapter

    Fischer, M. (2012). Volatilitätsmodelle für Finanzmarktzeitreihen. In: Mertens, P., Rässler, S. (eds) Prognoserechnung. Physica, Heidelberg. https://doi.org/10.1007/978-3-7908-2797-2_24

    Download citation

    • DOI: https://doi.org/10.1007/978-3-7908-2797-2_24

    • Published:

    • Publisher Name: Physica, Heidelberg

    • Print ISBN: 978-3-7908-2796-5

    • Online ISBN: 978-3-7908-2797-2

    • eBook Packages: Business and Economics (German Language)

    Publish with us

    Policies and ethics

    Search

    Navigation