A simple nonlinear structural model of endogenous belief heterogeneity is proposed. News about fundamentals is an IID random process, but nevertheless volatility clustering occurs as an endogenous phenomenon caused by the interaction between different types of traders, fundamentalists and technical analysts. The belief types are driven by an adaptive, evolutionary dynamics according to the success of the prediction strategies in the recent past conditioned upon price deviations from the rational expectations fundamental price. Asset prices switch irregularly between two different regimes -- close to the fundamental price fluctuations with low volatility, and periods of persistent deviations from fundamentals triggered by technical trading - thus, creating time varying volatility similar to that observed in real financial data. (author's abstract) / Series: Working Papers SFB "Adaptive Information Systems and Modelling in Economics and Management Science"

Motivated by previous findings that discretization of financial time series can effectively filter the data and reduce the noise, this experimental study compares the trading performance of predictive models based on different modelling paradigms in a realistic setting. Different methods ranging from real-valued time series models to predictive models on a symbolic level are applied to predict the daily change in volatility of two major stock indices. The predicted volatility changes are interpreted as trading signals for buying or selling a straddle portfolio on the underlying stock index. Profits realized by this trading strategy are tested for statistical significance taking into account transaction costs. The results indicate that symbolic information processing is a promising approach to financial prediction tasks undermining the hypothesis of efficient captial markets. (author's abstract) / Series: Report Series SFB "Adaptive Information Systems and Modelling in Economics and Management Science"

Despite the lack of a precise definition of volatility in finance, the estimation of volatility and its prediction is an important problem. In this paper we compare the performance of standard volatility models and the performance of a class of neural models, i.e. mixture density networks (MDNs). First experimental results indicate the importance of long-term memory of the models as well as the benefit of using non-gaussian probability densities for practical applications. (author's abstract) / Series: Report Series SFB "Adaptive Information Systems and Modelling in Economics and Management Science"

We consider the problem of predicting the direction of daily volatility changes in the Dow Jones Industrial Average (DJIA). This is accomplished by quantizing a series of historic volatility changes into a symbolic stream over 2 or 4 symbols. We compare predictive performance of the classical fixed-order Markov models with that of a novel approach to variable memory length prediction (called prediction fractal machine, or PFM) which is able to select very specific deep prediction contexts (whenever there is a sufficient support for such contexts in the training data). We learn that daily volatility changes of the DJIA only exhibit rather shallow finite memory structure. On the other hand, a careful selection of quantization cut values can strongly enhance predictive power of symbolic schemes. Results on 12 non-overlapping epochs of the DJIA strongly suggest that PFMs can outperform both traditional Markov models and (continuous-valued) GARCH models in the task of predicting volatility one time-step ahead. (author's abstract) / Series: Working Papers SFB "Adaptive Information Systems and Modelling in Economics and Management Science"

This dissertation encompasses four studies on selected topics in financial regulation and financial stability. The first paper asks whether there is empirical evidence of cyclicality in regulatory capital requirements prescribed by Basel regimes. This much debated issue was until then only addressed in theoretical papers, or simulation studies. While we do not find evidence on cyclicality in the Basel I or Basel II Standardized Approach, we find statistically and economically significant evidence concerning Basel II IRB portfolios. The second paper implements an agent based model to simulate an artificial asset market. This setup is then used to assess the impact of (i) a short selling ban, (ii) a Tobin Tax like transaction tax, (iii) mandatory Value-at-Risk limits and (iv) arbitrary combinations of these. I present results that show that while reducing volatility, a short selling ban nurtures market bubbles, and a Tobin Tax increases the variance of the returns. In this model a mandatory risk limit is beneficial from all stability perspectives taken. I examine the robustness of the model regarding its initial parameterization and show that high levels of a Tobin Tax lead to substantial market turbulence. The third paper considers the question which macroeconomic variables are linked to a time series of special interest from a financial stability perspective: firm defaults. Furthermore, we evaluate the empirical evidence of a hidden credit cycle by adding a latent factor to our models. We conclude that there is no empirical support of a hidden credit cycle in Austria once sufficient regressors are included and industry sectors differ in their respective macro drivers. The forth paper extends this work by implementing Bayesian Model Averaging (BMA) - a modern technique to counter model uncertainty. Furthermore we enrich this statistical approach by combining BMA with Bayesian ridge regression. We draw the conclusion that BMA is indeed a powerful tool to counter model uncertainty. Interest rates and components of inflation are distilled as major drivers for firm failures in Austria. (author's abstract)

Seit der Nahrungsmittelpreiskrise 2007/08 ist die Volatilität von Nahrungsmittelpreisen wieder als wichtiges Thema in der politischen Diskussion aufgetaucht. Nicht nur die Beobachtung eines steigenden Preisniveaus, sondern auch der scheinbare Anstieg der Volatilität auf Schlüsselmärkten (vor allem Getreide) hat viele Studien sowohl auf konzeptioneller als auch auf empirischer Ebene ausgelöst. Da Menschen, insbesondere in Entwicklungsländern, unter hohen und instabilen Preisen leiden, ist diese Entwicklung als globales Problem und ein Haupthindernis zur Bekämpfung von Hunger und Mangelernährung erkannt worden. Diese Doktorarbeit hat das Ziel, zu der Debatte beizutragen, wie am besten mit Preisvolatilität auf Agrarmärkten umzugehen ist. Um einen umfassenden Überblick über Agrarpreisvolatilität, ihre Ursachen und die Möglichkeiten, betroffenen Marktteilnehmern sinnvoll zu helfen, zu geben, konzentriert sich diese Arbeit auf drei bedeutende Aspekte, welche die drei Hauptkapitel dieser kumulativen Dissertation bilden: Kapitel 2 hat das Ziel, die Frage, wie sich Volatilität seit der Nahrungsmittelpreiskrise 2007/08 entwickelt hat, robust zu beantworten. Generelle Unterschiede im Volatilitätslevel, der Volatilität der Volatilität und der Persistenz der Volatilität werden für ein Set von realisierten, GARCH-Modell basierten und impliziten Volatilitäten auf drei Agrarmärkten – Weizen, Mais und Sojabohnen – betrachtet. Darüber hinaus werden verbreitete Aussagen bezüglich des Anstiegs der Volatilität seit der Nahrungsmittelpreiskrise 2007/08 und weitere relevante Aspekte wie die Veränderung der Persistenz der Volatilität und die Quantifizierung des Anstiegs hinsichtlich einer robusten Schlussfolgerung geprüft. Kapitel 3 identifiziert die Treiber von Volatilität für verschiedene Ölsaaten und pflanzliche Ölmärkte. Das Kapitel liefert eine Untersuchung der gemeinsamen Effekte von fundamentalen Volatilitätstreibern und der Übertragungseffekte zwischen verwandten Märkten. Kapitel 4 stellt ein Set von verwandten Risikomaßen vor, um die detaillierte Struktur der Volatilität in Agrarmärkten zu charakterisieren. Diese Maße erlauben die Zerlegung einer allgemeinen Preisbewegung in „große“ Veränderungen mit möglicherweise schwerwiegenden ökonomischen Konsequenzen und „normale“ Veränderungen. Es werden zukunftsgerichtete Schätzer der Risikomaße abgeleitet, die die Erwartungen des Marktes über zukünftige Bewegungen der Rohwarenpreise aus aktuellen Optionspreisen extrahieren. Eine empirische Studie für wichtige Getreidemärkte demonstriert die Vorhersagekraft der impliziten Schätzer. Insgesamt zeigt die Doktorarbeit, dass Risikomanagement und die Abmilderung der Effekte erhöhter Preisvolatilität nur dann wirkungsvoll ist, wenn man sich bewusst ist, welche Agrarmärkte betroffen sind, mit welcher genauen Art von Preisrisiko man konfrontiert ist und somit welche Gruppe von Marktteilnehmern Schutz benötigt und wenn das Risiko frühzeitig erkannt wird, um hilfreiche Maßnahmen zu unternehmen.

In dieser These untersuche ich die Wirkungsmechanismen stochastischer Volatilität in einem neoklassischem Wachstumsmodel mit Arbeitsmarktfriktionen, Anpassungskosten, variabler Kapitalintensität und kurzfristigen Einkommenseffekt. Nominale Rigiditäten werden in diesem Modell nicht betrachtet. Im gegebenen allgemeinen Gleichgewicht generiert stochastische Volatilität Konjunkturzyklen in den wesentlichen makroökonomischen Aggregaten. Dies ist das Resultat eines vorbeugenden Sparmotives der risiko-aversen Haushalte, dennoch sind die quantitativen Effekten auf die unbedingten Momente der makroökonomischen Aggregate vernachlässigbar. / In this thesis I examine the propagation mechanism of stochastic volatility in a neoclassical growth model that incorporates labor market search, adjustment cost to investment, variable capital utilization and a weak short-run wealth effect, but no nominal frictions such as sticky wage and price. In this general equilibrium environment, stochastic volatility generates business cycle fluctuations in major macroeconomic aggregates due to the precautionary motive of risk-averse agents, yet it has no significant effects on these major aggregates as suggested by the numerical analysis of the model.

Die vorliegende Arbeit beschäftigt sich mit der Parameteridentifikation in finanzmathematischen Modellen, welche sich durch eine zeitabhängige Volatilitätsfunktion und stochastische Driftkomponente auszeichnen. Als Referenzmodell wird eine Variante des Bivariaten Ornstein-Uhlenbeck-Modells betrachtet. Ziel ist es, die zeitabhängige Volatilitätsfunktion sowohl in der Vergangenheit als auch für ein kleines zukünftiges Zeitintervall zu identifizieren. Weiterhin sollen einige reellwertige Parameter, welche die stochastische Drift beschreiben, bestimmt werden. Dabei steht nicht die Anpassung des betrachteten Modells an reale Aktienpreisdaten im Vordergrund sondern eine mathematische Untersuchung der Chancen und Risiken der betrachteten Schätzverfahren. Als Daten können Aktienpreise und Optionspreise beobachtet werden. Aus hochfrequenten Aktienpreisdaten wird mittels Wavelet-Projektion die (quadrierte) Volatilitätsfunktion auf einem vergangenen Zeitintervall geschätzt. Mit der so bestimmten Volatilitätsfunktion und einigen Aktienpreisen können anschließend die reellwertigen Parameter mit Hilfe der Maximum-Likelihood-Methode bestimmt werden, wobei die Likelihoodfunktion mit Hilfe des Kalman Filters berechnet werden kann. Die Identifikation der Volatilitätsfunktion (oder abgeleiteter Größen) auf dem zukünftigen Zeitintervall aus Optionspreisen führt auf ein inverses Problem des Option Pricings, welches in ein äußeres nichtlineares und ein inneres lineares Problem zerlegt werden kann. Das innere Problem (die Identifikation einer Ableitung) ist ein Standardbeispielfür ein inkorrektes inverses Problem, d.h. die Lösung dieses Problems hängt nicht stetig von den Daten ab. Anhand von analytischen Untersuchungen von Nemytskii-Operatoren und deren Inversen wird in der Arbeit gezeigt, dass das äußere Problem gut gestellt aber in einigen Fällen schlecht konditioniert ist. Weiterhin wird ein Algorithmus für die schnelle Lösung des äußeren Problems unter Einbeziehung der Monotonieinformationen vorgeschlagen. Alle in der Arbeit diskutierten Verfahren werden anhand von numerischen Fallstudien illustriert.

No description available.

No description available.