3. Analyzing, Measuring and Forecasting Financial Risks (WIN-Programm)
der Klasse der sogenannten location-scale Modelle. Diese Modelle schätzen wieder
die Volatilität (durchschnittliche Schwankung), und erhalten dann eine Schätzung
für den VaR aus einer parametrischen Verteilungsannahme, welche sich insbeson-
dere für extreme Quantile als enorm wichtig herausstellt und somit der Gefahr
von einer gefährlichen Modellmissspezifikation bei Benutzung einer für die spezi-
elle Situation unpassenden Verteilungsfunktion unterliegt.
Ein alternativer Ansatz hierfür sind nichtparametrische (bzw. semiparametri-
sche) Verfahren, welche ohne parametrische Verteilungsannahmen auskommen.
Eine solche Idee wurde im ersten Forschungsprojekt implementiert, bei dem man
davon ausgeht, dass die logarithmischen Preise von Finanzprodukten, gemessen in
intrinsischer Handelszeit, einem selbstähnlichen Prozess folgen. Diese intrinsische
Handelszeit ist eine Zeitdimension, die schneller verstreicht, wenn die Handels-
intensität hoch ist und langsamer vergeht, wenn die Handelsintensität gering ist
(s. Abb. 1). Durch eine fraktale Skalierungsannahme kann man die oben genann-
ten Risikomaße auf Basis von hochfrequenten Daten eines speziellen Handelstags
schätzen. Hierfür benutzen Timo Dimitriadis und Roxana Halbleib sowohl Tick-
Daten von Aktienkursen an der New York Stock Exchange als auch Wechselkursdaten
Abb. 1: © 2019 miriamstepper.com
345
der Klasse der sogenannten location-scale Modelle. Diese Modelle schätzen wieder
die Volatilität (durchschnittliche Schwankung), und erhalten dann eine Schätzung
für den VaR aus einer parametrischen Verteilungsannahme, welche sich insbeson-
dere für extreme Quantile als enorm wichtig herausstellt und somit der Gefahr
von einer gefährlichen Modellmissspezifikation bei Benutzung einer für die spezi-
elle Situation unpassenden Verteilungsfunktion unterliegt.
Ein alternativer Ansatz hierfür sind nichtparametrische (bzw. semiparametri-
sche) Verfahren, welche ohne parametrische Verteilungsannahmen auskommen.
Eine solche Idee wurde im ersten Forschungsprojekt implementiert, bei dem man
davon ausgeht, dass die logarithmischen Preise von Finanzprodukten, gemessen in
intrinsischer Handelszeit, einem selbstähnlichen Prozess folgen. Diese intrinsische
Handelszeit ist eine Zeitdimension, die schneller verstreicht, wenn die Handels-
intensität hoch ist und langsamer vergeht, wenn die Handelsintensität gering ist
(s. Abb. 1). Durch eine fraktale Skalierungsannahme kann man die oben genann-
ten Risikomaße auf Basis von hochfrequenten Daten eines speziellen Handelstags
schätzen. Hierfür benutzen Timo Dimitriadis und Roxana Halbleib sowohl Tick-
Daten von Aktienkursen an der New York Stock Exchange als auch Wechselkursdaten
Abb. 1: © 2019 miriamstepper.com
345