Orderbuchfundierungen von Preisrisken und Liquidität

Die meisten Finanzmärkte sind heutzutage in Form elektronischer Limitorderbuch-Märkte organisiert. Die Einführung des elektronischen Handels hat den Finanzmarkthandel im Laufe des letzten Jahrzehnts maßgeblich verändert.Viele Hochgeschwindigkeitsaktivitäten auf Finanzmärkten sind nicht ausreichend erforscht und geben Regulatoren Anlass zur Sorge. Unser Forschungsprojekt wird das erste sein, das die Limitorderbücher eines Aktienmarktes mit denen entsprechender Optionen systematisch zusammenführt. Unter Verwendung empirischer und statistischer Modelle werden wir die erhebliche Menge an detaillierter Information, die von einem integrierten Aktien- und Options-Limitorderbuch bereitgestellt wird, untersuchen und verwenden, um Preisvolatilitäten, Liquidität und durch Preissprünge induzierte Risiken zu messen und zu prognostizieren. Wir werden zwei zentrale Forschungsfragen behandeln Erstens: Können wir detaillierte Limitorderbuch-Daten von Aktien und entsprechender Optionen ausnützen, um Volatilitäten besser zu messen und zu prognostizieren? Zweitens: Wie breitet sich Volatilität in Aktienpreisen auf Volatilität in Optionspreisen (und umgekehrt) aus und wie können wir diese Information ausnützen, um die treibenden Kräfte von Volatilität, Liquidität und Preissprung-Risiken auf Mikroebene besser zu verstehen? Wir werden untersuchen, wie eingestellte Limitorders, d.h. Kauf- und Verkaufgebote, zur Preisvolatilität beitragen und wie sie verwendet werden können, um zukünftige Volatilität zu prognostizieren. Auf Optionsmärkten liefern Preise explizite Erwartungen über zukünftige Volatilität (sog. "implizierte Volatilität"). Wir werden diese mit Volatilitätsschätzungen auf Basis von Aktienpreisänderungen vergleichen (sog. "realisierte Volatilität"). Bisherige Ansätze verwenden dafür ausschließlich Transaktionspreise oder die Preise der jeweils besten Kauf- und Verkaufgebote. Wir werden dagegen die zugrundeliegende Limitorderbuch-Information explizit mitberücksichtigen und analysieren, wie sich die beiden Märkte gegenseitig beeinflussen. Wir werden darüber hinaus untersuchen, wie die Marktliquidität in Optionsmärkten von zugrundeliegenden Ausführungspreisen und Maturitäten abhängt. Durch die Entwicklung von Tests zur Identifikation abnormal schneller Preisänderungen werden wir untersuchen inwiefern sich diese Phasen auf Basis von Limitorderbuchinformation vorhersagen lassen. Von Interesse wird dabei sein, wie sich Preisanpassungen in derartigen Perioden auf Mikroebene genau vollziehen. Wir werden die LOBSTER Datenbank verwenden, die exakte und zeitgenaue Informationen über jegliche Aktivität in den zugrundeliegenden Limitorderbüchern des kompletten Marktes der NASDAQ bereitstellt. Diese Daten werden mit entsprechenden Orderbuchinformationen aus der Options Price Reporting Authority (OPRA)-Datenbank zusammengeführt.

Wir konstruierten einen umfassenden Datensatz auf der Basis von millisekündlich erfassten hochfrequenten Options-Transaktions- und Quote-Daten der Options Price Reporting Authority (OPRA). Der Datensatz umfasst die ersten 8 Monate des Jahres 2015 aller auf 12 U.S. Börsen gehandelten Optionskontrakte auf der Basis von mehr als 3,500 Aktien, mehr als 500 börsen-gehandelten Produkte und ca. 50 Index-basierten Papiere. Dieser Datensatz ist der umfangreichste und detaillierteste für Forscher verfügbare Hochfrequenz-Datensatz. Wir liefern eine tiefgehende empirische Analyse der Hochfrequenz-Charakteristika der Optionsdaten auf der Basis einer Stichprobe von mehr als 25 Milliarden Beobachten. Darüber hinaus demonstrieren wir den aus der Verwendung von Hochfrequenzdaten resultierenden Informationsgewinn. Dazu konstruieren wir verlässliche intratägliche risikoneutrale Risikomasse und untersuchen deren Veränderungen im Zuge der Veröffentlichung relevanter intra-täglicher Informationen. Daraus ergeben sich Erkenntnisse, die auf Basis täglicher Daten nicht gewonnen werden können. Auf der Basis hochfrequenter Transaktions- und Quote-Daten von 100 an der NASDAQ gehandelten Aktien dokumentieren wir darüber hinaus ein bisher weitgehend unbeachtetes Phänomen: Systematische Änderungen der Autokorrelationsstrukturen von Renditen über sehr kurze Zeitintervalle. Derartige Fluktuationen lassen sich durch Preisbildung unter unvollständiger Information und adaptivem Lernen erklären. Um das Phänomen formal zu adressieren, analysieren wir eine Klasse parametrischer Modelle für Hochfrequenz Preisdynamiken unter der Berücksichtigung von Mechnismen, die in klassischen Modellen für Preisprozesse weitgehend ignoriert werden. Dazu gehören temporale Fehlerkorrektoren sowie simultane Abhängigkeiten zwischen Fundamentalpreis und durch Mikrostrukturen induziertes Rauschen. In diesem Sinne verbindet unsere Analyse wesentliche Konzepte der Hochfrequenz-Statistik mit Aspekten aus der Marktmikrostrukturtheorie. Ein weiterer signifikanter methodischer Beitrag dieser Studie ist eine tiefgehende Analyse, unter welchen Annahmen und Konstellationen parametrische Zusammenhänge in derartigen Modellen statistisch identifiziert werden können. Nach bestem Wissen sind derartige Analysen neu und wurden von der Literatur bisher vernachlässigt. Entsprechende statistische Resultate sind wichtig und nützlich für eine saubere Bewertung und Interpretation entsprechender empirischer Resultate. De facto motivieren unsere Ergebnisse die Entwicklung alternativer Schätzmethoden, die eine parametrische Identifikation erlauben. Wir planen entsprechende Weiterentwicklungen in weiterführenden Projekten.