Aktuelles
Neue Veröffentlichung
[13.06.2023]Robust Fixed-b Inference in the Presence of Time-Varying Volatility
Diese Forschungsarbeit ist in langjähriger Kooperation zwischen Christoph Hanck (Uni Duisburg-Essen), Matei Demetrescu (TU Dortmund) und Robinson Kruse-Becher entstanden. Sie erscheint in der international referierten Fachzeitschrift „Econometrics & Statistics“:
https://doi.org/10.1016/j.ecosta.2023.05.003
Zeitlich variierende Volatilität ist ein wichtiges Feature von vielen makroökonomischen und finanzwirtschaftlichen Zeitreihen. Eine der Standardannahmen in linearen Regressionsmodellen ist hingegen die zeitlich konstante Varianz. Typischerweise wird dieser Verletzung der Annahme mit Hilfe von robusten Standardfehlern entgegengewirkt. Die populären Verfahren von Newey und West (1987) und Andrews (1991) bieten zwar Standardasymptotik der Teststatistiken, weisen allerdings Verzerrungen in endlichen Stichproben auf. Um diese zu beheben, schlagen Kiefer und Vogelsang (2005) ein alternatives Konzept (fixed-b) vor. Es wird gezeigt, dass dieses allerdings nicht robust in Bezug auf zeitlich variierende Volatilität ist. Um dieses Problem nun zu lösen, diskutieren die Autoren der Studie verschiedene Lösungsansätze aus theoretischer und praktischer Sicht im Rahmen von linearen Regressionsmodellen, die mittels Generalized Methods of Moments (GMM) geschätzt werden. Es zeigt sich, dass das Resampling-Verfahren "wild bootstrap" theoretisch valide ist und in Monte Carlo Simulationen am besten abschneidet. Eine Anwendung im Rahmen des Fama-French asset pricing models mit fünf Faktoren (Fama und French, 2015) zeigt, dass die praktischen Implikationen verschiedener Inferenzmethoden zu sehr unterschiedlichen Ergebnissen führen kann.
