Geopolitische Risiken und die Prognose von Finanzmarktvolatilität
Der Krieg in der Ukraine hat bei politischen Entscheidungsträger:innen und Finanzmarktteilnehmer:innen zu einem verstärkten Interesse an der Analyse geopolitischer Risiken und deren Wirkungen auf die Finanzmarktvolatilität geführt. Mit einigen ausgesuchten Aspekten dieses Themenkomplexes beschäftigen sich Mawuli Segnon, Bernd Wilfling (beide vom Lehrstuhl für Empirische Wirtschaftsforschung) sowie Prof. Rangan Gupta (Universität Pretoria, Südafrika) in ihrem aktuellen Forschungsartikel.
Die Autoren verwenden in ihrem Beitrag einen neuartigen, aus der Literatur bekannten Datensatz. Dieser enthält (durchgehende) tägliche Beobachtungen des Dow-Jones-Indexes sowie monatliche Messungen diverser geopolitischer Risiken während der vergangenen 122 Jahre. Die unterschiedlichen Erhebungsfrequenzen (Tages-, Monatsdaten) legen die Verwendung bestimmter Volatilitätsmodelle nahe, die unter der Bezeichnung „GARCH-MIDAS“ bekannt sind. Für die Datenanalyse entwickeln die Autoren zunächst ein neues Volatilitätsprognose-Verfahren auf der Grundlage einer sogenannten „Markov-Switching GARCH-MIDAS“-Spezifikation. Ein wesentlicher Vorteil dieses Modells gegenüber bereits existierenden GARCH-MIDAS-Varianten besteht darin, dass es Strukturbrüche im Volatilitätsprozess besser erfassen kann. Intuitiv erscheint dieser Vorteil für den verwendeten Datensatz besonders relevant, da im 122-jährigen Beobachtungszeitraum diverse geopolitische (und volatilitätsbeeinflussende) Ereignisse stattfanden. Hierzu zählen die beiden Weltkriege, der Ausbruch des Ukraine-Kriegs und terroristische Attacken wie „9/11“.
Die zentrale Frage ist nun, ob die Verwendung geopolitischer Risiko-Daten zu verbesserten Volatilitätsprognosen für tägliche Dow-Jones-Renditen führt. In einer „Out-of-Sample“ Analyse zeigen die Autoren zunächst, dass ihr neues „Markov-Switching GARCH-MIDAS“ Modell signifikant bessere Volatilitätsprognosen liefert als herkömmliche GARCH-MIDAS Verfahren. Überraschend ist allerdings, dass bei den prognose-genaueren „Markov-Switching GARCH-MIDAS“ Modellen die Verwendung der geopolitischen Risiken nur unwesentlich zum prognostischen Genauigkeitsgewinn beiträgt. Als Gesamtfazit stellen Mawuli Segnon, Bernd Wilfling und Rangan Gupta fest, dass das Ausmaß von Genauigkeitsgewinnen bei der Verwendung geopolitischer Risiko-Daten stark vom gewählten Prognosemodell abhängt.
Der Artikel mit weiterführenden Ergebnissen ist in der Fachzeitschrift „International Journal of Forecasting“ erschienen.
Links zu dieser Meldung
Den Volltext (eingeschränkter Zugang) finden Sie hier.