Zeitvariable Beta-Faktoren Am Deutschen Aktienmarkt: Modellierung - Schätzung - Prognose

ISBN-13: 9783824464173 / Niemiecki / Miękka / 1997 / 164 str.

Gisela Loos; Gisela Loos

Opis

G. Loos erweitert den ublichen Ansatz dahingehend, dass der Fehlerprozess im Beobachtungsmodell als GARCH-Prozess modelliert wird. Das so erhaltene Zustandsraummodell mit bedingter Normalitat und Heteroskedastizitat fuhrt in der Regel zu besseren Prognosen."

Spis treści

1 Einleitung.- 2 TVP-GARCH-R-Modelle.- 2.1 Definition von TVP-GARCH-R-Modellen.- 2.2 Spezielle TVP-GARCH-R-Modelle.- 2.3 Schätzung zeitvariabler Strukturparameter.- 2.3.1 Der Kalman-Filter.- 2.3.2 Prognose.- 2.4 Schätzung der Hyperstrukturparameter.- 2.5 Modellüberprüfung.- 2.5.1 Goodness-of-fit.- 2.5.2 Likelihood-Quotienten-Test.- 2.5.3 CUSUM-SQ-Test.- 3 Empirische Analyse zeitvariabler Beta-Faktoren.- 3.1 Der Beta-Faktor.- 3.2 Bisherige Untersuchungen des Beta-Faktors.- 3.3 Datenmaterial.- 3.4 Beschreibung der angewendeten Renditeerklärungsmodelle..- 3.5 Schätzung und Überprüfung der spezifizierten Modelle.- 3.5.1 Schätzergebnisse für das FP-R-Modell.- 3.5.2 Schätzergebnisse für das TVP-R-Modell.- 3.5.3 Überprüfung des TVP-R-Modells.- 3.5.4 Ergebnisse der Schätzung und der Überprüfung des TVP-GARCH-R-Modells.- 3.5.5 Ex-ante-Prognoseergebnisse.- 4 Zusammenfassung.- A Eigenschaften multivariater Normalverteilungen.

O autorze

Dr. Gisela Loos war von 1991 bis 1995 wissenschaftliche Mitarbeiterin am Institut für Statistik der LMU München bei Prof. Dr. Schneeweiß. Seit März 1995 ist sie Portfoliomanagerin bei der Bayerischen Hypotheken- und Wechselbank

Blurb

Beta-Faktoren von Aktien gehören zu den wichtigsten Instrumenten der modernen Investmentanalyse. Viele empirische Studien geben deutliche Hinweise darauf, daß sich Beta-Faktoren im Zeitablauf ändern. Als stochastische Modelle kommen daher Regressions- und Zeitreihenmodelle mit zeitvariablen Parametern zur Anwendung. Es zeigt sich jedoch, daß die im Normalfall getroffene Modellannahme der Homoskedastizität bei Verwendung von Tagesdaten zu restriktiv ist. Gisela Loos erweitert den üblichen Ansatz linearer Zustandsraummodelle für zeitvariable Parameter dahingehend, daß der Fehlerprozeß im Beobachtungsmodell als GARCH-Prozeß modelliert wird. Insbesondere untersucht die Autorin die Auswirkung bedingter Heteroskedastizität auf die Variabilität von Beta-Faktoren. Das so erhaltene Zustandsraummodell mit bedingter Normalität und Heteroskedastizität führt in der Regel zu besseren Prognosen.