Ein Strukturmodell für Renditen, Volatilität und Handelsvolumen

Zusammenfassung

Das Paper schlägt ein strukturelles matrixautoregressives Modell vor, um Asset-Renditen, realisierte Volatilität und Handelsvolumen gemeinsam in einem hochdimensionalen Rahmen zu untersuchen. Das Modell soll sowohl dynamische Übertragungseffekte zwischen den Variablen als auch Abhängigkeiten zwischen Assets erfassen und zugleich sparsamer parametrisiert sein als eine herkömmliche Vektorautoregression. Strukturelle Einschränkungen auf Grundlage der Mixture of Distributions Hypothesis und der Effizienzmarkttheorie dienen der Identifikation des Modells.

Die empirische Analyse nutzt tägliche Daten zu den Bestandteilen des Dow Jones Industrial Average von 2021 bis 2025. Die Ergebnisse deuten darauf hin, dass Volatilität der wichtigste Treiber der Handelsaktivität ist. Zerlegungen der Prognosefehlervarianz legen nahe, dass interne Schocks die Volumendynamik auf kurzen Zeithorizonten dominieren, während Übertragungseffekte zwischen Assets auf längeren Zeithorizonten mehr als die Hälfte der Volumenvariation erklären. Eine Ereignisstudie zu Ankündigungen des FOMC stellt an Ankündigungstagen einen Anstieg der informativen Komponente der Aktivität fest, auf den eine rasche Mean Reversion folgt. Diese Ergebnisse hängen von den ausgewählten Aktien, dem Stichprobenzeitraum, den Identifikationsbeschränkungen und der Modellspezifikation ab.

Kernaussagen

• Der SMAR-Rahmen modelliert Renditen, realisierte Volatilität und Volumen gemeinsam über verschiedene Assets hinweg.
• Die Parametrisierung soll Übertragungseffekte und Abhängigkeiten zwischen Assets sparsam erfassen.
• Die berichtete Analyse stellt Volatilität als wichtigsten Treiber der Handelsaktivität fest.
• Übertragungseffekte zwischen Assets erklären auf längeren Zeithorizonten einen größeren Anteil der Volumenvariation.
• Ankündigungstage des FOMC gehen mit erhöhter informativer Aktivität und anschließender rascher Mean Reversion einher.

Schlagwörter

# A Structural Matrix Autoregressive Model for the Joint Dynamics of Volume, Volatility, and Returns


# A Structural Matrix Autoregressive Model for the Joint Dynamics of Volume, Volatility, and Returns









This paper proposes a Structural Matrix Autoregressive (SMAR) model for the joint analysis of asset returns, realized volatility, and trading volume in a large-dimensional setting. This framework simultaneously captures dynamic spillovers across financial variables and cross-sectional dependence across assets while preserving a parsimonious parameterization relative to conventional vector autoregressive models. The model is estimated on daily data for the constituents of the Dow Jones Industrial Average over the period 2021-2025 and is structurally identified through restrictions consistent with the Mixture of Distributions Hypothesis and efficient market theory. The empirical findings indicate that volatility is the primary driver of trading activity, suggesting that informational shocks are predominantly incorporated into markets through price variability. Forecast error variance decompositions further reveal that, although internal shocks dominate short-term volume dynamics, cross-asset spillovers account for more than 50% of trading volume variation at longer horizons. Finally, an event-study analysis around FOMC announcements supports the proposed decomposition by identifying significant increases in the informative component of trading activity on announcement days followed by rapid mean reversion.

Vollständig mit Quellenangabe unter der Lizenz der Quelle angezeigt. Lizenz: abstract CC0

Diese Zusammenfassung wurde vom Research-Agenten von Stratmill anhand des Originals verfasst; sie ist keine Kopie der Quelle.