Zeitvariable Beta-Faktoren am deutschen Aktienmarkt: Modellierung - Schätzung - Prognose

عوامل بتای سهام یکی از مهمترین ابزارها در تحلیل سرمایه گذاری مدرن است. بسیاری از مطالعات تجربی شواهدی قوی ارائه می دهند که عوامل بتا در طول زمان تغییر می کنند. بنابراین، مدل های رگرسیون و سری زمانی با پارامترهای متغیر با زمان به عنوان مدل های تصادفی مورد استفاده قرار می گیرند. با این حال، معلوم می شود که فرض مدل معمولی همسویی در هنگام استفاده از داده های روزانه بسیار محدود کننده است. Gisela Loos رویکرد معمول مدل‌های فضای حالت خطی را برای پارامترهای متغیر با زمان بسط می‌دهد به گونه‌ای که فرآیند خطا در مدل مشاهده به عنوان یک فرآیند GARCH مدل‌سازی می‌شود. به طور خاص، نویسنده اثر ناهمگونی شرطی را بر تغییرپذیری عوامل بتا بررسی می کند. مدل فضای حالت حاصل با نرمال بودن شرطی و ناهمسانی معمولاً منجر به پیش‌بینی بهتر می‌شود.

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.