Prädiktive Regressionen für systemische Risikomaße
Prädiktive Regressionen für systemische Risikomaße
Involvierte Personen/Institutionen:
- Prof. Dr. Yannick Hoga Universität Duisburg-Essen, Fakultät für Wirtschaftswissenschaften, Lehrstuhl für Ökonometrie und Finanzmarktökonometrie
- Prof. Dr. Matei Demetrescu Technische Universität Dortmund
Förderung durch:
DFG (Deutsche Forschungsgemeinschaft), Förderungsnummer: 531866675, seit 12.2023
Beschreibung
Ständig wiederkehrende Finanzkrisen illustrieren die Bedeutung von systemischen Risiken und deren Vorhersage. Im Rahmen des Projekts sollen in einem ersten Schritt neue Prognosemodelle für systemische Risikomaße vorgeschlagen werden. Eine besondere Wichtigkeit kommt dabei der Auswahl geeigneter Prädiktoren zu. Zu den in der Literatur vorgeschlagenen Prädiktoren gehören die Inflation, Renditen auf 10-jährige Staatsanleihen und die Volatilität in Aktienmärkten. Jedoch weisen viele dieser erklärenden Variablen unterschiedlich starke Abhängigkeit über die Zeit auf. Dies hat zur Folge, dass Signifikanztests auf den prädiktiven Gehalt dieser Variablen das Niveau nicht einhalten, so dass eine Auswahl geeigneter statistisch signifikanter Prädiktoren unmöglich wird. Deshalb sollen in einem zweiten Schritt des Projekts Verfahren entwickelt werden, die mit unterschiedlich stark abhängigen Prädiktoren umgehen können. Dadurch soll eine statistisch fundierte Auswahl von Prädiktoren des systemischen Risikos ermöglicht werden. Der dritte Schritt beleuchtet dann die Rolle von Brüchen in der Varianz (also der Schwankungsbreite) der erklärenden Variablen auf die statistisch solide Auswahl der Prädiktoren. Solche Brüche in der Variation werden häufig für ökonomische Größen beobachtet (wie z.B. oben genannte Inflation) und sind daher ein empirisch relevantes Phänomen. Daher ist es von Interesse die Signifikanztests für die Prädiktoren auch gegenüber Varianzbrüchen zu "robustifizieren", was Aufgabe des dritten Projektteils ist.