Wie Nachrichtenerwartungen dicke Verteilungsschwänze und Volatilitätscluster erzeugen

Zusammenfassung

Diese Arbeit erklärt zwei wiederkehrende Muster bei Finanzrenditen: Extreme Bewegungen treten häufiger auf, als ein einfaches Normalmodell vorhersagt, und Phasen hoher Volatilität halten häufig an. Vorgeschlagen wird eine Erklärung, die auf zwei Arten von Marktteilnehmern beruht. Langfristig orientierte Anleger aktualisieren Vermögensbewertungen mit einem nachrichtengetriebenen Random Walk und behalten dabei den kumulierten Einfluss fundamentaler Nachrichten bei. Kurzfristige Spekulanten bilden ihre Renditeerwartungen anhand eines nachrichtengetriebenen autoregressiven Prozesses, der ein kürzeres Gedächtnis und Rückkopplungen im Zusammenhang mit Trendfolge oder Herdenverhalten abbildet.

Die Arbeit argumentiert, dass diese einfachen linearen Erwartungsprozesse sowohl Renditen mit dicken Verteilungsschwänzen als auch Volatilitätscluster auf breite und robuste Weise erzeugen können. Sie stellt den Rahmen als Alternative zu Erklärungen dar, die auf komplexen Interaktionen zwischen Akteuren beruhen, und setzt keine rationalen Erwartungen voraus. Der vorliegende Text beschreibt den vorgeschlagenen Mechanismus, enthält aber keine Daten, Parameterschätzungen oder Tests gegen konkurrierende Modelle. Die Aussagen fassen daher eine theoretische Erklärung zusammen; der Auszug belegt nicht, wie gut sie auf bestimmte Anlagen, Märkte oder Zeitskalen passt.

Kernaussagen

• Die Bewertungen langfristiger Anleger werden als nachrichtengetriebener Random Walk modelliert.
• Die Renditeerwartungen kurzfristiger Spekulanten werden als nachrichtengetriebener autoregressiver Prozess modelliert.
• Der Prozess der Spekulanten bildet ein kurzes Gedächtnis und Rückkopplungen durch Trendfolge oder Herdenverhalten ab.
• Die Arbeit argumentiert, dass diese Erwartungsdynamik dicke Verteilungsschwänze und Volatilitätscluster erzeugen kann.
• Der Auszug beschreibt einen theoretischen Mechanismus, enthält aber keine empirischen Tests oder Parameterschätzungen.

Schlagwörter

# News-driven Expectations and Volatility Clustering


# News-driven Expectations and Volatility Clustering









Financial volatility obeys two fascinating empirical regularities that apply to various assets, on various markets, and on various time scales: it is fat-tailed (more precisely power-law distributed) and it tends to be clustered in time. Many interesting models have been proposed to account for these regularities, notably agent-based models, which mimic the two empirical laws through a complex mix of nonlinear mechanisms such as traders' switching between trading strategies in highly nonlinear way. This paper explains the two regularities simply in terms of traders' attitudes towards news, an explanation that follows almost by definition of the traditional dichotomy of financial market participants, investors versus speculators, whose behaviors are reduced to their simplest forms. Long-run investors' valuations of an asset are assumed to follow a news-driven random walk, thus capturing the investors' persistent, long memory of fundamental news. Short-term speculators' anticipated returns, on the other hand, are assumed to follow a news-driven autoregressive process, capturing their shorter memory of fundamental news, and, by the same token, the feedback intrinsic to the short-sighted, trend-following (or herding) mindset of speculators. These simple, linear, models of traders' expectations, it is shown, explain the two financial regularities in a generic and robust way. Rational expectations, the dominant model of traders' expectations, is not assumed here, owing to the famous no-speculation, no-trade results

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.