Essays on the Statistics of Financial Markets

Abstract

Beim Handel mit Finanzinstrumenten zahlt es sich aus Entwicklungen im Voraus zu kennen. Aber welche Informationen sind dabei tatsächlich hilfreich? Dies ist die Leitfrage der Dissertation. Zunächst wird untersucht, ob Google Suchanfragen vorausschauende Inhalte enthalten. Dazu wird ein Algorithmus entwickelt, der den von Google nur bruchstückhaft bereitgestellten Suchvolumenindex (SVI) sinnvoll zusammensetzt. Mit dem Algorithmus wird ein Index der online gesuchten Preise (IPSO) konstruiert. In- und Out-of-Sample-Ergebnisse zeigen, dass der IPSO die monatlichen Inflations- und Verbrauchsvorhersagen für die USA und die Eurozone verbessert. Der Algorithmus wird auch verwendet, um zu untersuchen, ob Renditen und Volatilität von Kryptowährungen mit Google Trends prognostiziert werden können. Die Analyse zeigt über verschiedene Beobachtungsfrequenzen hinweg, dass Renditen nicht vorhersagbar sind, während dies nicht für Volatilität gilt.

Zweitens liegt der Fokus der Disseration auf der Mikrostruktur von Finanzmärkten. Es wird untersucht, wie Nachrichten und andere Informationen in die Mechanik des Limit Order Book (LOB) einfließen. Zu diesem Zweck wird ein mikroskopisches Modell und eine Algebra vorgeschlagen, um die Dynamik des Limit Order Book (LOB) zu erfassen. Das Modell wird in einer Simulationsstudie und in einer empirischen Analyse evaluiert. Mit dem Modell kann die Richtung der Renditen, out-of-sample, mit einer Genauigkeit von über 75 Prozent für kurze Zeitspannen unter 10 Minuten vorhergesagt werden. Schließlich wird ein neues Schätzverfahren für relative Entropiemaße vorgestellt, einschließlich der Transferentropie, auf Basis der Quantilsregression. Die Grundlage für eine asymptotische Theorie zur Durchführung von Inferenzen auf relative Entropiemaßen für mehrere Variablen wird dabei entwickelt. In zwei kurzen Anwendungen wird die zeitliche Beziehung zwischen Credit Default Swap-Prämien und Credit Spreads sowie transatlantischen Informationsflüssen analysiert. Die Ergebnisse zeigen, dass einminütige Renditen des deutschen DAX prädiktive Informationen für den S&P500 enthalten.

When trading financial instruments, knowing in advance pays off. But what information is helpful to know in advance? This question is the dissertation’s recurrent theme. First, the dissertation focuses on whether predictive content is contained in Google searches. Therefore, an algorithm is developed to sensibly concatenate Google’s search volume index (SVI) based on the scattered data obtained from Google Trends. The algorithm is used to construct an index of prices searched online (IPSO). In- and out-of-sample results suggest, the IPSO improves monthly inflation and consumption forecasts for the US and the Euro Area. The algorithm is also used to investigate whether cryptocurrency returns and volatility can be forecasted with Google Trends. The analysis shows across various observational frequencies that returns are not predictable while volatility is predictable. Second, shifting perspectives to market microstructure, the dissertation investigates how news and other information enter the mechanics of the limit order book (LOB). For this purpose a microscopic model and an algebra is proposed to describe the dynamics of the limit order book (LOB). The model is evaluated in a simulation study and an empirical analysis. With the model, the direction of returns can be predicted, out-of-sample, with an accuracy of over 75% for short time horizons below 10 minutes. Last but not least, the dissertation presents a new estimation technique for relative entropy measures, including transfer entropy, based on quantile regression. The basis for an asymptotic theory to conduct inference on relative entropy measures for multiple variables is developed. In two short applications the temporal relationship between Credit Default Swap premia and credit spreads, as well as transatlantic information flows is analyzed. The results show that one minute returns on the German DAX contain predictive information for the S&P500