Open Access

Alain Hamid

• This cumulative dissertation studies different approaches to augment the modelling and prediction of volatilities in financial markets. As volatilities show long and persistent memory in contrast to returns, they are at least to some extent predictable. Since volatility forecasts have numerous applications in risk management, this topic is an active research area in practice and academics. To improve existing volatility models we use the concept of empirical similarity to combine different volatility components. Moreover we investigate the interrelation of different parameters in volatility modelling and include investor attention into the forecasting process. Therefore we use Google search data as a proxy for investor attention to the Dow Jones. All articles within this dissertation offer approaches for significant improvements of volatility predictions.
• Diese kumulative Dissertation beschäftigt sich mit verschiedenen Möglichkeiten, die Modellierung und Prognose von Volatilitäten (Schwankungen) in Finanzmärkten zu verbessern. Da Volatilitäten im Gegensatz zu Renditen ein langes und starkes Gedächtnis aufweisen, ist es in gewissem Umfang möglich, diese zu prognostizieren. Da Volatilitätsprognosen zahlreiche Anwendungsmöglichkeiten im Risikomanagement haben, ist dieses Gebiet ein aktives Forschungsfeld in der Praxis und der akademischen Welt. Um bestehende Volatilitätsmodelle zu verbessern, wird das Konzept der empirical similarity benutzt, um verschiedene Volatilitätskomponenten sinnvoll zu kombinieren. Darüber hinaus wird untersucht, wie verschiedene Parameter in der Volatilitätsmessung und Modellierung interagieren und welche Konsequenzen sich daraus für Volatilitätsprognosen ergeben. Nicht zuletzt wird aber auch das Interesse von Investoren bezüglich der Kapitalmärkte in den Prognoseprozess einbezogen. Hierzu werdenDiese kumulative Dissertation beschäftigt sich mit verschiedenen Möglichkeiten, die Modellierung und Prognose von Volatilitäten (Schwankungen) in Finanzmärkten zu verbessern. Da Volatilitäten im Gegensatz zu Renditen ein langes und starkes Gedächtnis aufweisen, ist es in gewissem Umfang möglich, diese zu prognostizieren. Da Volatilitätsprognosen zahlreiche Anwendungsmöglichkeiten im Risikomanagement haben, ist dieses Gebiet ein aktives Forschungsfeld in der Praxis und der akademischen Welt. Um bestehende Volatilitätsmodelle zu verbessern, wird das Konzept der empirical similarity benutzt, um verschiedene Volatilitätskomponenten sinnvoll zu kombinieren. Darüber hinaus wird untersucht, wie verschiedene Parameter in der Volatilitätsmessung und Modellierung interagieren und welche Konsequenzen sich daraus für Volatilitätsprognosen ergeben. Nicht zuletzt wird aber auch das Interesse von Investoren bezüglich der Kapitalmärkte in den Prognoseprozess einbezogen. Hierzu werden Google-Suchanfragen als Proxy für das Interesse am Dow Jones verwendet. Alle in der Dissertation auftretenden Artikel zeigen Möglichkeiten auf, Volatilitätsprognosen signifikant zu verbessern.…