Promotie Karim Bannouh op vrijdag 11 januari 2013

Tijd en locatie

De promotie vindt plaats in de Senaatszaal van de Erasmus Universiteit Rotterdam (complex Woudestein) om 09.30 uur.

Over het proefschrift

Het belang van nauwkeurige metingen en voorspellingen van financiële marktrisico's blijkt duidelijk uit verschillende recente crises, zoals het barsten van de internetzeepbel, de Amerikaanse subprime-hypothekencrisis en de schuldencrisis van verschillende Europese landen. In het kader van de snel toenemende beschikbaarheid van intradag vermogensprijzen en steeds krachtigere computerberekeningen hebben een aantal onderzoekers laten zien hoe het gebruik van intradag gegevens het risicobeheer kan verbeteren. Door efficiënt gebruik te maken van hoge-frequentie data neemt de nauwkeurigheid van risicobeoordelingen en -voorspellingen aanzienlijk toe in vergelijking tot schattingen en voorspellingen die gebaseerd zijn op conventionele lage-frequentie data. Risicometingen en -modellen die gebaseerd zijn op hoge-frequentie data sluiten beter aan bij recente marktbewegingen en zijn minder gevoelig voor structurele breuken dan traditionele benaderingen.

In zijn proefschrift getiteld Meten en voorspellen van financiële markt volatiliteit met hoge-frequentie data ontwikkelt Karim Bannouh risicoschatters voor de financiële markt die gebaseerd op hoge-frequentie data van vermogensprijzen, en die beter of vergelijkbaar zijn met de bestaande, populaire volatiliteitsschatters.

In zijn eerste onderzoek stelt hij een verfijnde, heuristische bias-aanpassing van de realised-range volatiliteitsschatters voor om de invloed van microstructurele wrijvingen verder te verkleinen. Karim Bannouhs tweede onderzoek introduceert een realised co-range schatter, een efficiënte en innovatieve schatter van de covariantie tussen vermogensrendementen, gebaseerd op intradag hoog-laag prijzen. In het derde onderzoek wordt een origineel en uiterst efficiënt mixed-frequency factor model (MFFM) geïntroduceerd voor het schatten van hoog-dimensionale covariantie matrices. Het MFFM is een nieuwe methode om multivariabele volatiliteit te schatten die het gebruik van hoge- en lage-frequentie data combineert met een lineaire factorstructuur. Het onderzoek van Bannouh is daarmee het eerste onderzoek binnen de volatiliteitsliteratuur dat een covariantiematrix voorstelt die gebruikt kan worden voor portfolio's met een groot aantal vermogens en efficiënt gebruik maakt van hoge-frequentie data. Hoog-dimensionale vermogensportfolio's worden meestal beheerd door pensioenfondsen, verzekeringsmaatschappijen en fondsbeheerders. De wereldwijde marktindexen die gebruikt worden om de prestaties van fondsbeheerders te beoordelen, zijn meestal gebaseerd op honderden of zelfs duizenden aandelen. Daarom is het praktisch gezien van groot belang dat een covariantieschatter in staat is om om te gaan met dergelijke grootschalige vermogensportfolio's.

Over Karim Bannouh

Karim Bannouh zal zijn proefschrift verdedigen op 11 januari 2013 om 09:30 uur bij de Erasmus School of Economics (ESE), Erasmus Universiteit Rotterdam. Zijn supervisor is Professor Dick van Dijk. Zijn co-supervisor is Martin Martens. Daarnaast bestaat de beoordelingscommissie uit Professor Richard Paap (Erasmus Universiteit Rotterdam), Professor Michael McAleer (Erasmus Universiteit Rotterdam) en Professor Peter Boswijk (Universiteit van Amsterdam).

Bannouh deed zijn PhD-onderzoek binnen het Erasmus Doctoraal Programma in Business & Management, georganiseerd door Erasmus Research Institute of Management (ERIM), het gemeenschappelijke onderzoeksinstituut van de Rotterdam School of Management (RSM) en de Erasmus School of Economics (ESE) van de Erasmus Universiteit Rotterdam.

Samenvatting 'Meten en voorspellen van financiële markt volatiliteit met hoge-frequentie data'

Dit proefschrift bestaat uit drie studies naar het gebruik van hoge-frequentie data voor het meten en voorspellen van financiële markt volatiliteit met hoge precisie.

In hoofdstuk 2 van dit proefschrift wordt een verbeterde correctie voorgesteld voor de realised range volatiliteitsmaatstaf om de impact van marktfricties, zoals infrequente handel en het bestaan van bied- en laatprijzen, te reduceren. De voordelen van de voorgestelde correctie worden geïllustreerd aan de hand van simulaties en een empirische toepassing die betrekking heeft of op het voorspellen van de volatiliteit van aandelen.

In hoofdstuk 3 wordt een innovatieve methodiek ontwikkeld voor het schatten van covarianties en correlaties tussen vermogensrendementen aan de hand van intradag hoog-laag prijzen. De realised co-range schatter is een aantrekkelijk alternatief voor de zogenaamde realised covariance schatter wanneer transactieprijzen onderhevig zijn aan realistische marktfricties en non-synchrone handel tussen verschillende financiële instrumenten. De schatter is succesvol geïmplementeerd in een vermogensallocatie toepassing die gebaseerd is op volatility timing. Hierbij worden mean-variance efficiënte portefeuilles worden geformeerd bestaande uit kasgelden, goud, staatsobligaties en aandelen futures.

In hoofdstuk 4 wordt een nieuwe covariantie matrix schatter ontwikkeld die het gebruik van hoge- en lage-frequentie data combineert met het gebruik van een factor structuur. Zodoende is dit de eerste schatter die gebruik maakt van hoge-frequentie data en tegelijkertijd in staat is om covariantie matrices voor zeer hoog-dimensionale portefeuilles te schatten. Het gebruik van zeer liquide ETFs -- waarvoor de impact van marktfricties nihil is -- als factoren zorgt voor een zeer precieze schatting van de factor covariantie matrix op basis van ultra-hoge-frequentie data. Voor het schatten van de gevoeligheid van individuele aandelen naar deze factoren wordt daarentegen voorgesteld om lage-frequentie data te gebruiken om zodoende marktfricties voor individuele aandelen te omzeilen. Het gebruik van dit mixed-frequency factor model voor het schatten van hoog-dimensionale covariantie matrices presteert excellent op basis van theoretische, simulatie en empirische resultaten. Dit geldt ten opzichte van andere populaire hoge-frequentie data schatters maar ook ten opzichte van conventionele factor modellen gebaseerd op lage-frequentie data.