Die Präsentation wird geladen. Bitte warten

Die Präsentation wird geladen. Bitte warten

Arbitrage und Arbitrage-Gleichgewichte

Ähnliche Präsentationen


Präsentation zum Thema: "Arbitrage und Arbitrage-Gleichgewichte"—  Präsentation transkript:

1 Arbitrage und Arbitrage-Gleichgewichte
Arbitrage: Ankauf- und Verkauf an verschiedenen Handelsplätzen zur Ausnutzung von Preis-/ Bewertungsunterschieden, die die Transaktionskosten übersteigen Abitrage-Gleichgewicht: Situation, in der die Bewertungen an den verschiedenen Handelsplätzen sich soweit angenähert haben, dass sie den Transaktionskosten entsprechen (Arbitrage lohnt sich dann nicht mehr) Allgemein: Freier Handel führt über den Marktmechanismus tendenziell zu einem Arbitrage-Gleichgewicht \abschnitt{Zur Bedeutung der Kointegrationsanalyse} wohl aber statistisch-methodisch gut abgesichert. Das Vorgehen der klassischen Ökonometrie ist prinzipiell geleitet von ökonomischer Theorie, jedoch statistisch-methodisch in vielen Aspekten problematisch. Das Kointegrationsverfahren erbt von der Zeitreihenanalyse die gründliche Untersuchung der Zeitreiheneigenschaften als Voraussetzung für eine glaubwürdige Schätzung und erbt von der klassischen Ökonometrie die Orientierung an einem ökonomischen Modell. Zur Charakterisierung des Ansatzes im einzelnen: (1) Das Kointegrationsverfahren (KIV) trennt zwischen der {\em Langfristbeziehung} zwischen ökonomischen Variablen auf der einen und der {\em Kurzfristdynamik} auf der anderen Seite. In die Formulierung der Langfrist- (oder Gleichgewichts-) Beziehung fließen ökonomisch-theoretische Überlegungen ein. Das KIV gibt zunächst darüber Aufschluss, ob überhaupt von der Existenz einer Langfristbeziehung in dem in der empirischen Analyse verwendeten Datenmaterial ausgegangen werden kann. Sofern dies der Fall ist, kann diese Langfristbeziehung bestimmt werden und mit theoretischen Postulaten (etwa über die Größe bestimmter Langfrist-Elastizitäten) verglichen werden. Im Gegensatz zu klaren theoretischen Aussagen über langfristige Modellreaktionen bleibt die öko\-no\-mi\-sche Theorie bezüglich der Kurzfristdynamik weitgehend unbestimmt. Die kurzfristige Modelldynamik ist vom Anpassungsverhalten der Wirtschaftssubjekte, institutionellen Gegebenheiten, Informationsmängeln etc.\ determiniert, von vielfältigen spezifischen Faktoren also, über die sich a priori wenig Aussagen treffen lassen. Es erscheint deshalb als eine plausible Strategie, die konkrete Modellierung und Spezifikation der Kurzfristdynamik als der Zeitreihenanalyse zu überlassen. Genau diese Strategie wird in der Kointegrationsanalyse verfolgt: {\em nach} Aufdeckung einer Langfrist-Relation zwischen ökonomischen Variablen werden die Prozesse, die diese Relation kurzfristig überlagern und bei ausschließlich kurzfristiger Betrachtungsweise auch überdecken, zeitreihenanalytisch abgebildet. (2) Ein entscheidendes Manko der klassischen Ökonometrie ist die Nicht-Be\-rück\-sich\-ti\-gung der Zeitreiheneigenschaften der verwendeten Variablen. In vielen Untersuchungen\footnote{Etwa {\ftaut Granger, Newbold}'s Analyse der {\em spurious regressions}.} ist gezeigt worden, dass die Verwendung nicht-stationärer Variablen in Regressionsansätzen und insbesondere die Verbindung von Variablen mit unterschiedlichem Integrationsgrad zu völlig willkürlichen Resultaten führen kann. Dieses Manko ist umso gravierender, als die die Nicht-Stationarität ökonomischer Zeitreihen nicht die Ausnahme, sondern eher die Regel zu sein scheint.\footnote{Siehe die Untersuchung von {\ftaut Nelson, Plosser} (1982).} Der Ausweg, den die Zeitreihenanalyse bietet, ist die {\em Filterung} der zu untersuchenden Zeitreihen, z.B.\ also die Differenzenbildung bei integrierten Variablen. Durch die Filterung soll sichergestellt werden, dass alle Variablen durch stationäre stochastische Prozesse (also I(0)-Prozesse) abgebildet werden können. Dieser Ausweg bleibt jedoch unbefriedigend, weil durch die Filterung genau der ökonomisch-theoretisch besonders interessante Teil der in den Daten enthaltenen Information verloren geht, nämlich die Information über den langfristig wirksamen Zusammenhang zwischen den Variablen. Die Kointegrationsmethode bietet somit die Möglichkeit, Relationen zwischen nicht-stationären Variablen zu analysieren, {\em ohne} dass entweder auf wichtige Information verzichtet werden muss, oder eine gravierende Annahmeverletzung des Regressionsmodells in Kauf genommen wird, die möglicherweise zu verfälschten Ergebnissen führt.

2 Zinsparitäten und Wechselkurse
Zwei wichtige Arbitrage-Theoreme Kaufkraftparität P=S P* S: Wechselkurs (spot rate) als €/$-Kurs; P,P* : in- und ausländischer Preis (Güterhandel führt zu Preisausgleich) Zinsparität: im Gleichgewicht kein Bewertungsunterschied zwischen einer im In- und Ausland angelegten Geldeinheit (Kapitalverkehr führt zum Ausgleich) (a) Gedeckte Zinsparität (b) Ungedeckte Zinsparität \abschnitt{Zur Bedeutung der Kointegrationsanalyse} wohl aber statistisch-methodisch gut abgesichert. Das Vorgehen der klassischen Ökonometrie ist prinzipiell geleitet von ökonomischer Theorie, jedoch statistisch-methodisch in vielen Aspekten problematisch. Das Kointegrationsverfahren erbt von der Zeitreihenanalyse die gründliche Untersuchung der Zeitreiheneigenschaften als Voraussetzung für eine glaubwürdige Schätzung und erbt von der klassischen Ökonometrie die Orientierung an einem ökonomischen Modell. Zur Charakterisierung des Ansatzes im einzelnen: (1) Das Kointegrationsverfahren (KIV) trennt zwischen der {\em Langfristbeziehung} zwischen ökonomischen Variablen auf der einen und der {\em Kurzfristdynamik} auf der anderen Seite. In die Formulierung der Langfrist- (oder Gleichgewichts-) Beziehung fließen ökonomisch-theoretische Überlegungen ein. Das KIV gibt zunächst darüber Aufschluss, ob überhaupt von der Existenz einer Langfristbeziehung in dem in der empirischen Analyse verwendeten Datenmaterial ausgegangen werden kann. Sofern dies der Fall ist, kann diese Langfristbeziehung bestimmt werden und mit theoretischen Postulaten (etwa über die Größe bestimmter Langfrist-Elastizitäten) verglichen werden. Im Gegensatz zu klaren theoretischen Aussagen über langfristige Modellreaktionen bleibt die öko\-no\-mi\-sche Theorie bezüglich der Kurzfristdynamik weitgehend unbestimmt. Die kurzfristige Modelldynamik ist vom Anpassungsverhalten der Wirtschaftssubjekte, institutionellen Gegebenheiten, Informationsmängeln etc.\ determiniert, von vielfältigen spezifischen Faktoren also, über die sich a priori wenig Aussagen treffen lassen. Es erscheint deshalb als eine plausible Strategie, die konkrete Modellierung und Spezifikation der Kurzfristdynamik als der Zeitreihenanalyse zu überlassen. Genau diese Strategie wird in der Kointegrationsanalyse verfolgt: {\em nach} Aufdeckung einer Langfrist-Relation zwischen ökonomischen Variablen werden die Prozesse, die diese Relation kurzfristig überlagern und bei ausschließlich kurzfristiger Betrachtungsweise auch überdecken, zeitreihenanalytisch abgebildet. (2) Ein entscheidendes Manko der klassischen Ökonometrie ist die Nicht-Be\-rück\-sich\-ti\-gung der Zeitreiheneigenschaften der verwendeten Variablen. In vielen Untersuchungen\footnote{Etwa {\ftaut Granger, Newbold}'s Analyse der {\em spurious regressions}.} ist gezeigt worden, dass die Verwendung nicht-stationärer Variablen in Regressionsansätzen und insbesondere die Verbindung von Variablen mit unterschiedlichem Integrationsgrad zu völlig willkürlichen Resultaten führen kann. Dieses Manko ist umso gravierender, als die die Nicht-Stationarität ökonomischer Zeitreihen nicht die Ausnahme, sondern eher die Regel zu sein scheint.\footnote{Siehe die Untersuchung von {\ftaut Nelson, Plosser} (1982).} Der Ausweg, den die Zeitreihenanalyse bietet, ist die {\em Filterung} der zu untersuchenden Zeitreihen, z.B.\ also die Differenzenbildung bei integrierten Variablen. Durch die Filterung soll sichergestellt werden, dass alle Variablen durch stationäre stochastische Prozesse (also I(0)-Prozesse) abgebildet werden können. Dieser Ausweg bleibt jedoch unbefriedigend, weil durch die Filterung genau der ökonomisch-theoretisch besonders interessante Teil der in den Daten enthaltenen Information verloren geht, nämlich die Information über den langfristig wirksamen Zusammenhang zwischen den Variablen. Die Kointegrationsmethode bietet somit die Möglichkeit, Relationen zwischen nicht-stationären Variablen zu analysieren, {\em ohne} dass entweder auf wichtige Information verzichtet werden muss, oder eine gravierende Annahmeverletzung des Regressionsmodells in Kauf genommen wird, die möglicherweise zu verfälschten Ergebnissen führt.

3 Zinsparitäten-Theoreme (1)
(a) Gedeckte Zinsparität \abschnitt{Zur Bedeutung der Kointegrationsanalyse} wohl aber statistisch-methodisch gut abgesichert. Das Vorgehen der klassischen Ökonometrie ist prinzipiell geleitet von ökonomischer Theorie, jedoch statistisch-methodisch in vielen Aspekten problematisch. Das Kointegrationsverfahren erbt von der Zeitreihenanalyse die gründliche Untersuchung der Zeitreiheneigenschaften als Voraussetzung für eine glaubwürdige Schätzung und erbt von der klassischen Ökonometrie die Orientierung an einem ökonomischen Modell. Zur Charakterisierung des Ansatzes im einzelnen: (1) Das Kointegrationsverfahren (KIV) trennt zwischen der {\em Langfristbeziehung} zwischen ökonomischen Variablen auf der einen und der {\em Kurzfristdynamik} auf der anderen Seite. In die Formulierung der Langfrist- (oder Gleichgewichts-) Beziehung fließen ökonomisch-theoretische Überlegungen ein. Das KIV gibt zunächst darüber Aufschluss, ob überhaupt von der Existenz einer Langfristbeziehung in dem in der empirischen Analyse verwendeten Datenmaterial ausgegangen werden kann. Sofern dies der Fall ist, kann diese Langfristbeziehung bestimmt werden und mit theoretischen Postulaten (etwa über die Größe bestimmter Langfrist-Elastizitäten) verglichen werden. Im Gegensatz zu klaren theoretischen Aussagen über langfristige Modellreaktionen bleibt die öko\-no\-mi\-sche Theorie bezüglich der Kurzfristdynamik weitgehend unbestimmt. Die kurzfristige Modelldynamik ist vom Anpassungsverhalten der Wirtschaftssubjekte, institutionellen Gegebenheiten, Informationsmängeln etc.\ determiniert, von vielfältigen spezifischen Faktoren also, über die sich a priori wenig Aussagen treffen lassen. Es erscheint deshalb als eine plausible Strategie, die konkrete Modellierung und Spezifikation der Kurzfristdynamik als der Zeitreihenanalyse zu überlassen. Genau diese Strategie wird in der Kointegrationsanalyse verfolgt: {\em nach} Aufdeckung einer Langfrist-Relation zwischen ökonomischen Variablen werden die Prozesse, die diese Relation kurzfristig überlagern und bei ausschließlich kurzfristiger Betrachtungsweise auch überdecken, zeitreihenanalytisch abgebildet. (2) Ein entscheidendes Manko der klassischen Ökonometrie ist die Nicht-Be\-rück\-sich\-ti\-gung der Zeitreiheneigenschaften der verwendeten Variablen. In vielen Untersuchungen\footnote{Etwa {\ftaut Granger, Newbold}'s Analyse der {\em spurious regressions}.} ist gezeigt worden, dass die Verwendung nicht-stationärer Variablen in Regressionsansätzen und insbesondere die Verbindung von Variablen mit unterschiedlichem Integrationsgrad zu völlig willkürlichen Resultaten führen kann. Dieses Manko ist umso gravierender, als die die Nicht-Stationarität ökonomischer Zeitreihen nicht die Ausnahme, sondern eher die Regel zu sein scheint.\footnote{Siehe die Untersuchung von {\ftaut Nelson, Plosser} (1982).} Der Ausweg, den die Zeitreihenanalyse bietet, ist die {\em Filterung} der zu untersuchenden Zeitreihen, z.B.\ also die Differenzenbildung bei integrierten Variablen. Durch die Filterung soll sichergestellt werden, dass alle Variablen durch stationäre stochastische Prozesse (also I(0)-Prozesse) abgebildet werden können. Dieser Ausweg bleibt jedoch unbefriedigend, weil durch die Filterung genau der ökonomisch-theoretisch besonders interessante Teil der in den Daten enthaltenen Information verloren geht, nämlich die Information über den langfristig wirksamen Zusammenhang zwischen den Variablen. Die Kointegrationsmethode bietet somit die Möglichkeit, Relationen zwischen nicht-stationären Variablen zu analysieren, {\em ohne} dass entweder auf wichtige Information verzichtet werden muss, oder eine gravierende Annahmeverletzung des Regressionsmodells in Kauf genommen wird, die möglicherweise zu verfälschten Ergebnissen führt.

4 Zinsparitäten-Theoreme (2)
(b) Ungedeckte Zinsparität \abschnitt{Zur Bedeutung der Kointegrationsanalyse} wohl aber statistisch-methodisch gut abgesichert. Das Vorgehen der klassischen Ökonometrie ist prinzipiell geleitet von ökonomischer Theorie, jedoch statistisch-methodisch in vielen Aspekten problematisch. Das Kointegrationsverfahren erbt von der Zeitreihenanalyse die gründliche Untersuchung der Zeitreiheneigenschaften als Voraussetzung für eine glaubwürdige Schätzung und erbt von der klassischen Ökonometrie die Orientierung an einem ökonomischen Modell. Zur Charakterisierung des Ansatzes im einzelnen: (1) Das Kointegrationsverfahren (KIV) trennt zwischen der {\em Langfristbeziehung} zwischen ökonomischen Variablen auf der einen und der {\em Kurzfristdynamik} auf der anderen Seite. In die Formulierung der Langfrist- (oder Gleichgewichts-) Beziehung fließen ökonomisch-theoretische Überlegungen ein. Das KIV gibt zunächst darüber Aufschluss, ob überhaupt von der Existenz einer Langfristbeziehung in dem in der empirischen Analyse verwendeten Datenmaterial ausgegangen werden kann. Sofern dies der Fall ist, kann diese Langfristbeziehung bestimmt werden und mit theoretischen Postulaten (etwa über die Größe bestimmter Langfrist-Elastizitäten) verglichen werden. Im Gegensatz zu klaren theoretischen Aussagen über langfristige Modellreaktionen bleibt die öko\-no\-mi\-sche Theorie bezüglich der Kurzfristdynamik weitgehend unbestimmt. Die kurzfristige Modelldynamik ist vom Anpassungsverhalten der Wirtschaftssubjekte, institutionellen Gegebenheiten, Informationsmängeln etc.\ determiniert, von vielfältigen spezifischen Faktoren also, über die sich a priori wenig Aussagen treffen lassen. Es erscheint deshalb als eine plausible Strategie, die konkrete Modellierung und Spezifikation der Kurzfristdynamik als der Zeitreihenanalyse zu überlassen. Genau diese Strategie wird in der Kointegrationsanalyse verfolgt: {\em nach} Aufdeckung einer Langfrist-Relation zwischen ökonomischen Variablen werden die Prozesse, die diese Relation kurzfristig überlagern und bei ausschließlich kurzfristiger Betrachtungsweise auch überdecken, zeitreihenanalytisch abgebildet. (2) Ein entscheidendes Manko der klassischen Ökonometrie ist die Nicht-Be\-rück\-sich\-ti\-gung der Zeitreiheneigenschaften der verwendeten Variablen. In vielen Untersuchungen\footnote{Etwa {\ftaut Granger, Newbold}'s Analyse der {\em spurious regressions}.} ist gezeigt worden, dass die Verwendung nicht-stationärer Variablen in Regressionsansätzen und insbesondere die Verbindung von Variablen mit unterschiedlichem Integrationsgrad zu völlig willkürlichen Resultaten führen kann. Dieses Manko ist umso gravierender, als die die Nicht-Stationarität ökonomischer Zeitreihen nicht die Ausnahme, sondern eher die Regel zu sein scheint.\footnote{Siehe die Untersuchung von {\ftaut Nelson, Plosser} (1982).} Der Ausweg, den die Zeitreihenanalyse bietet, ist die {\em Filterung} der zu untersuchenden Zeitreihen, z.B.\ also die Differenzenbildung bei integrierten Variablen. Durch die Filterung soll sichergestellt werden, dass alle Variablen durch stationäre stochastische Prozesse (also I(0)-Prozesse) abgebildet werden können. Dieser Ausweg bleibt jedoch unbefriedigend, weil durch die Filterung genau der ökonomisch-theoretisch besonders interessante Teil der in den Daten enthaltenen Information verloren geht, nämlich die Information über den langfristig wirksamen Zusammenhang zwischen den Variablen. Die Kointegrationsmethode bietet somit die Möglichkeit, Relationen zwischen nicht-stationären Variablen zu analysieren, {\em ohne} dass entweder auf wichtige Information verzichtet werden muss, oder eine gravierende Annahmeverletzung des Regressionsmodells in Kauf genommen wird, die möglicherweise zu verfälschten Ergebnissen führt.

5 Spekulative Effizienz
\abschnitt{Zur Bedeutung der Kointegrationsanalyse} wohl aber statistisch-methodisch gut abgesichert. Das Vorgehen der klassischen Ökonometrie ist prinzipiell geleitet von ökonomischer Theorie, jedoch statistisch-methodisch in vielen Aspekten problematisch. Das Kointegrationsverfahren erbt von der Zeitreihenanalyse die gründliche Untersuchung der Zeitreiheneigenschaften als Voraussetzung für eine glaubwürdige Schätzung und erbt von der klassischen Ökonometrie die Orientierung an einem ökonomischen Modell. Zur Charakterisierung des Ansatzes im einzelnen: (1) Das Kointegrationsverfahren (KIV) trennt zwischen der {\em Langfristbeziehung} zwischen ökonomischen Variablen auf der einen und der {\em Kurzfristdynamik} auf der anderen Seite. In die Formulierung der Langfrist- (oder Gleichgewichts-) Beziehung fließen ökonomisch-theoretische Überlegungen ein. Das KIV gibt zunächst darüber Aufschluss, ob überhaupt von der Existenz einer Langfristbeziehung in dem in der empirischen Analyse verwendeten Datenmaterial ausgegangen werden kann. Sofern dies der Fall ist, kann diese Langfristbeziehung bestimmt werden und mit theoretischen Postulaten (etwa über die Größe bestimmter Langfrist-Elastizitäten) verglichen werden. Im Gegensatz zu klaren theoretischen Aussagen über langfristige Modellreaktionen bleibt die öko\-no\-mi\-sche Theorie bezüglich der Kurzfristdynamik weitgehend unbestimmt. Die kurzfristige Modelldynamik ist vom Anpassungsverhalten der Wirtschaftssubjekte, institutionellen Gegebenheiten, Informationsmängeln etc.\ determiniert, von vielfältigen spezifischen Faktoren also, über die sich a priori wenig Aussagen treffen lassen. Es erscheint deshalb als eine plausible Strategie, die konkrete Modellierung und Spezifikation der Kurzfristdynamik als der Zeitreihenanalyse zu überlassen. Genau diese Strategie wird in der Kointegrationsanalyse verfolgt: {\em nach} Aufdeckung einer Langfrist-Relation zwischen ökonomischen Variablen werden die Prozesse, die diese Relation kurzfristig überlagern und bei ausschließlich kurzfristiger Betrachtungsweise auch überdecken, zeitreihenanalytisch abgebildet. (2) Ein entscheidendes Manko der klassischen Ökonometrie ist die Nicht-Be\-rück\-sich\-ti\-gung der Zeitreiheneigenschaften der verwendeten Variablen. In vielen Untersuchungen\footnote{Etwa {\ftaut Granger, Newbold}'s Analyse der {\em spurious regressions}.} ist gezeigt worden, dass die Verwendung nicht-stationärer Variablen in Regressionsansätzen und insbesondere die Verbindung von Variablen mit unterschiedlichem Integrationsgrad zu völlig willkürlichen Resultaten führen kann. Dieses Manko ist umso gravierender, als die die Nicht-Stationarität ökonomischer Zeitreihen nicht die Ausnahme, sondern eher die Regel zu sein scheint.\footnote{Siehe die Untersuchung von {\ftaut Nelson, Plosser} (1982).} Der Ausweg, den die Zeitreihenanalyse bietet, ist die {\em Filterung} der zu untersuchenden Zeitreihen, z.B.\ also die Differenzenbildung bei integrierten Variablen. Durch die Filterung soll sichergestellt werden, dass alle Variablen durch stationäre stochastische Prozesse (also I(0)-Prozesse) abgebildet werden können. Dieser Ausweg bleibt jedoch unbefriedigend, weil durch die Filterung genau der ökonomisch-theoretisch besonders interessante Teil der in den Daten enthaltenen Information verloren geht, nämlich die Information über den langfristig wirksamen Zusammenhang zwischen den Variablen. Die Kointegrationsmethode bietet somit die Möglichkeit, Relationen zwischen nicht-stationären Variablen zu analysieren, {\em ohne} dass entweder auf wichtige Information verzichtet werden muss, oder eine gravierende Annahmeverletzung des Regressionsmodells in Kauf genommen wird, die möglicherweise zu verfälschten Ergebnissen führt.

6 Zinsparitäten und Wechselkurse
Voraussetzungen vollst. Kapitalmobilität kein Rückzahlungsrisiko Risiko-Neutralität der Agenten (für ungedeckte Zinsp.) Zusammenfassung dieser Annahmen: „perfekte Substituierbarkeit“ \abschnitt{Zur Bedeutung der Kointegrationsanalyse} wohl aber statistisch-methodisch gut abgesichert. Das Vorgehen der klassischen Ökonometrie ist prinzipiell geleitet von ökonomischer Theorie, jedoch statistisch-methodisch in vielen Aspekten problematisch. Das Kointegrationsverfahren erbt von der Zeitreihenanalyse die gründliche Untersuchung der Zeitreiheneigenschaften als Voraussetzung für eine glaubwürdige Schätzung und erbt von der klassischen Ökonometrie die Orientierung an einem ökonomischen Modell. Zur Charakterisierung des Ansatzes im einzelnen: (1) Das Kointegrationsverfahren (KIV) trennt zwischen der {\em Langfristbeziehung} zwischen ökonomischen Variablen auf der einen und der {\em Kurzfristdynamik} auf der anderen Seite. In die Formulierung der Langfrist- (oder Gleichgewichts-) Beziehung fließen ökonomisch-theoretische Überlegungen ein. Das KIV gibt zunächst darüber Aufschluss, ob überhaupt von der Existenz einer Langfristbeziehung in dem in der empirischen Analyse verwendeten Datenmaterial ausgegangen werden kann. Sofern dies der Fall ist, kann diese Langfristbeziehung bestimmt werden und mit theoretischen Postulaten (etwa über die Größe bestimmter Langfrist-Elastizitäten) verglichen werden. Im Gegensatz zu klaren theoretischen Aussagen über langfristige Modellreaktionen bleibt die öko\-no\-mi\-sche Theorie bezüglich der Kurzfristdynamik weitgehend unbestimmt. Die kurzfristige Modelldynamik ist vom Anpassungsverhalten der Wirtschaftssubjekte, institutionellen Gegebenheiten, Informationsmängeln etc.\ determiniert, von vielfältigen spezifischen Faktoren also, über die sich a priori wenig Aussagen treffen lassen. Es erscheint deshalb als eine plausible Strategie, die konkrete Modellierung und Spezifikation der Kurzfristdynamik als der Zeitreihenanalyse zu überlassen. Genau diese Strategie wird in der Kointegrationsanalyse verfolgt: {\em nach} Aufdeckung einer Langfrist-Relation zwischen ökonomischen Variablen werden die Prozesse, die diese Relation kurzfristig überlagern und bei ausschließlich kurzfristiger Betrachtungsweise auch überdecken, zeitreihenanalytisch abgebildet. (2) Ein entscheidendes Manko der klassischen Ökonometrie ist die Nicht-Be\-rück\-sich\-ti\-gung der Zeitreiheneigenschaften der verwendeten Variablen. In vielen Untersuchungen\footnote{Etwa {\ftaut Granger, Newbold}'s Analyse der {\em spurious regressions}.} ist gezeigt worden, dass die Verwendung nicht-stationärer Variablen in Regressionsansätzen und insbesondere die Verbindung von Variablen mit unterschiedlichem Integrationsgrad zu völlig willkürlichen Resultaten führen kann. Dieses Manko ist umso gravierender, als die die Nicht-Stationarität ökonomischer Zeitreihen nicht die Ausnahme, sondern eher die Regel zu sein scheint.\footnote{Siehe die Untersuchung von {\ftaut Nelson, Plosser} (1982).} Der Ausweg, den die Zeitreihenanalyse bietet, ist die {\em Filterung} der zu untersuchenden Zeitreihen, z.B.\ also die Differenzenbildung bei integrierten Variablen. Durch die Filterung soll sichergestellt werden, dass alle Variablen durch stationäre stochastische Prozesse (also I(0)-Prozesse) abgebildet werden können. Dieser Ausweg bleibt jedoch unbefriedigend, weil durch die Filterung genau der ökonomisch-theoretisch besonders interessante Teil der in den Daten enthaltenen Information verloren geht, nämlich die Information über den langfristig wirksamen Zusammenhang zwischen den Variablen. Die Kointegrationsmethode bietet somit die Möglichkeit, Relationen zwischen nicht-stationären Variablen zu analysieren, {\em ohne} dass entweder auf wichtige Information verzichtet werden muss, oder eine gravierende Annahmeverletzung des Regressionsmodells in Kauf genommen wird, die möglicherweise zu verfälschten Ergebnissen führt.


Herunterladen ppt "Arbitrage und Arbitrage-Gleichgewichte"

Ähnliche Präsentationen


Google-Anzeigen