Präsentation herunterladen
Die Präsentation wird geladen. Bitte warten
Veröffentlicht von:Helmine Schiele Geändert vor über 10 Jahren
1
Information Asymmetry Around Earnings Announcements:
A Simple Model to Decompose the Bid-Ask Spread Gerhard Kling Dipl. Volkswirt Gerhard Kling
2
Dipl. Volkswirt Gerhard Kling
Übersicht: Einführung in die Bid-Ask Spread Thematik Von der Theorie zum empirischen Modell Daten und Klassifikation Modellspezifikation Panel Struktur: 2 Zeitdimensionen Ergebnisse Probleme und Diskussion Dipl. Volkswirt Gerhard Kling
3
Dipl. Volkswirt Gerhard Kling
Einführung: Wir betrachten einen Dealer Markt Dealer agiert als Intermediär Dealer kauft zum Bid und verkauft zum Ask Spread soll Kosten decken (Konkurrenz!) Bearbeitungskosten Informationskosten Inventarkosten Dipl. Volkswirt Gerhard Kling
4
Dipl. Volkswirt Gerhard Kling
Bearbeitungskosten: Konkrete Kosten, die dem Dealer bei Durchführung einer Transaktion entstehen Bsp: Personalkosten, Datenverarbeitung, etc. Dipl. Volkswirt Gerhard Kling
5
Informationskosten: Copeland; Galai (1983); Glosten; Milgrom (1985)
Insider, die wahren Wert der Aktie kennen Insider wird nur dann von Dealer kaufen, wenn wahrer Wert > Ask Preis Insider wird nur dann an Dealer verkaufen, wenn wahrer Wert < Bid Preis Systematische Verluste bei Handel mit Insidern Setzen des Spreads kompensiert diese Verluste durch Handel mit Outsidern Dipl. Volkswirt Gerhard Kling
6
Dipl. Volkswirt Gerhard Kling
Informationskosten: Anpassung der Erwartungen über wahren Wert durch den Dealer (Bayes Updating!) nachdem Handel erfolgte. Anpassung dann abgeschlossen, wenn Ask=Bid=wahrer Wert Schock privater Information in t; Anpassung des wahren Wertes um halben Spread nach oben oder unten in t+1 Wieder neuer Schock in t+1 etc. Dipl. Volkswirt Gerhard Kling
7
Inventarkosten: Ho und Stoll (1981); (1983)
Dealer hat optimal diversifiziertes Portfolio Er ist gezwungen Aktien auf- oder abzugeben Dies „treibt“ ihn aus optimalem Portfolio Verlust an Erwartungsnutzen Dieser Verlust wird durch Spread kompensiert Durch setzten des Bid und Ask versucht er Handelsrichtung zu beeinflussen Dipl. Volkswirt Gerhard Kling
8
Dipl. Volkswirt Gerhard Kling
Inventarkosten: Bsp: In t kauft jemand eine Aktie zum Ask. Dealer„verdient“ den halben Spread (Differenz: Ask und wahrer Wert). In t+1 hat Dealer eine Aktie zu wenig. Er würde gerne eine Aktie zum Bid kaufen. Kauft er tatsächlich eine Aktie zum Bid benötigt er keine Kompensation für diese Runde. Dealer erhöht in t+1 den Bid und Ask um den halben Spread Bid = wahrer Wert damit: Anreize gesetzt! Dipl. Volkswirt Gerhard Kling
9
Dipl. Volkswirt Gerhard Kling
Dealer verkauft in t eine Aktie Ask und Bid steigen um ½ Spread Dealer passt Ask und Bid an Dipl. Volkswirt Gerhard Kling
10
Von der Theorie zur Empirie:
Wahre Wert Vt hängt nur von öffentlicher Information ab (White-Noise Prozess). Anpassung der Erwartungen: Definition: Anteil der Informationskosten am Spread Handelsindikator Qt Dipl. Volkswirt Gerhard Kling
11
Von der Theorie zur Empirie:
Definition des mittleren Preises Mt: „Einbauen“ der Inventarkosten ins Modell: Also: Abweichung des mittleren Preises vom wahren Wert gibt Anreiz in die vom Dealer gewünschte Richtung zu handeln. Wahrscheinlichkeit der Änderung der Handelsrichtung nach oben „verzerrt“! Dipl. Volkswirt Gerhard Kling
12
Von der Theorie zur Empirie:
Transaktionspreis Pt: Zentrale Gleichungen des Modells: Dipl. Volkswirt Gerhard Kling
13
Daten und Klassifikation:
Intraday Daten von der NASDAQ: Jede Transaktion, Transaktionspreis, Bid, Ask und Volumen vorhanden Erlaubt direkte Klassifikation Direkte Klassifikation durch Vergleich des Transaktionspreises mit Ask und Bid Preisen Dipl. Volkswirt Gerhard Kling
14
Dipl. Volkswirt Gerhard Kling
15
Modellspezifikation:
Direkte Schätzung der Gleichung Kurzfristige Komponente K (Bearbeitungskosten des halben Spreads) Langfristige Komponente L (Informationskosten des halben Spreads) Dipl. Volkswirt Gerhard Kling
16
Modellspezifikation:
Handelsvolumen linkssteil, deshalb Logarithmierung Spezifikation des Einflusses des Handelsvolumens Zt auf die Informationskosten? Man lässt die Veränderung der Informationskosten von Transaktion zu Transaktion zu. Dipl. Volkswirt Gerhard Kling
17
Dipl. Volkswirt Gerhard Kling
Graphik: Dipl. Volkswirt Gerhard Kling
18
Dipl. Volkswirt Gerhard Kling
Tabelle: Dipl. Volkswirt Gerhard Kling
19
Dipl. Volkswirt Gerhard Kling
Tabelle: Dipl. Volkswirt Gerhard Kling
20
Dipl. Volkswirt Gerhard Kling
Panelstruktur: Die grundlegende Schätzgleichung ist: Man variiert nun Referenzgruppen durch geeignete Wahl der Dummies Fünf Tage um eine Gewinnmeldung j=-3; -2; -1; 0; +1; +2 und ein Tag als Referenzwert, der von Meldeperiode weit entfernt liegt Fünf aufeinanderfolgende Transaktionen je Tag j und je Aktie i=1, 2, ..., 20 Dipl. Volkswirt Gerhard Kling
21
Dipl. Volkswirt Gerhard Kling
Panelstruktur: Wozu benötigt man 2 Zeitdimensionen? Datenmenge zu groß, da intraday Daten! Bsp: Dell am Transaktionen „Brüche“ existieren, dies ist nicht modellkonform Es gibt intraday Variabilität des Spreads, deshalb gleicher Tageszeitpunkt verwendet Schlußkurs- /Eröffnungskurs Verzerrungen Dipl. Volkswirt Gerhard Kling
22
Dipl. Volkswirt Gerhard Kling
23
Dipl. Volkswirt Gerhard Kling
Panelstruktur: Schätzung der Gleichung mit SOLS bzw. POLS Konsistenz der Koeffizientenschätzungen bei der Annahme von gleichzeitiger Exogenität erfüllt I.d.R. ist Schätzung der Varianzmatrix wegen serieller Korrelation und Heteroskedastie verzerrt Verwendung des Newey-West Verfahrens Clustering Verfahren und „Superbeobachtungen“ Ist das Modell falsch spezifiziert? Dipl. Volkswirt Gerhard Kling
24
Dipl. Volkswirt Gerhard Kling
25
Dipl. Volkswirt Gerhard Kling
26
Empirische Ergebnisse:
Am Tag der Ankündigung Anstieg des Koeffizienten, wenn die Erwartungen des Marktes nicht erfüllt werden Was bedeutet inhaltlich der Anstieg des Koeffizienten? Die zwei Quellen der Informationskosten Allgemeiner Anstieg des Volumens Dies legt eine „Zweiteilung“ nahe Dipl. Volkswirt Gerhard Kling
27
Dipl. Volkswirt Gerhard Kling
28
Dipl. Volkswirt Gerhard Kling
29
Dipl. Volkswirt Gerhard Kling
30
Empirische Ergebnisse:
Was heißt eigentlich den Markt enttäuschen? Was wäre eine geeignete Verlustfunktion? Probleme bei „vordefinierter“ Verlustfunktion Man lässt „Daten sprechen“ Verlustfunktionen: Bestimmung einer geeigneten Verlustfunktion Dipl. Volkswirt Gerhard Kling
31
Dipl. Volkswirt Gerhard Kling
32
Empirische Ergebnisse:
Zwei Effekte bei Anstieg der Informationskosten: Genereller Volumenanstieg Abh. von Enttäuschung ändert sich Liquidität Bedeutung beider Effekte bei guten und schlechten Nachrichten (average firm) Veranschaulichung des Modells Dipl. Volkswirt Gerhard Kling
33
Dipl. Volkswirt Gerhard Kling
34
Dipl. Volkswirt Gerhard Kling
35
Dipl. Volkswirt Gerhard Kling
Schlussfolgerung: Asymmetrische Verlustfunktion Erhebliche Verbesserung im Vergleich zu groben Einteilungen über Kategorien Man kann Volumen- von Liquiditätseffekten trennen Man überwindet Probleme bisheriger Modelle Dipl. Volkswirt Gerhard Kling
36
Dipl. Volkswirt Gerhard Kling
Wozu ein neues Modell? Serielle Kovarianzmodelle nach Stoll (1989): Dabei ist definiert als: Dipl. Volkswirt Gerhard Kling
37
Dipl. Volkswirt Gerhard Kling
Wozu ein neues Modell? Bearbeitungskosten: Informationskosten: Inventarkosten: Dipl. Volkswirt Gerhard Kling
38
Dipl. Volkswirt Gerhard Kling
Wozu ein neues Modell? Problem der Nichtlinearität der Komponenten Bootstrapping Methoden bei Vergleich von Komponentenschätzungen über die Zeit Es ist nicht möglich den Einfluss z.B. des Handelsvolumens auf Informationskosten zu testen Dipl. Volkswirt Gerhard Kling
39
Dipl. Volkswirt Gerhard Kling
Tabelle: Dipl. Volkswirt Gerhard Kling
40
Dipl. Volkswirt Gerhard Kling
Wozu ein neues Modell? Annahme des konstanten Spreads über die Zeit Herleitung der Kovarianzen darf Spread höchstens ein White-Noise Prozess sein Dies ist in Zeitperiode um Gewinnmeldung nicht erfüllt Ändert sich ein Komponentenanteil, so ändert dies die beiden anderen auch keine Trennung! Dipl. Volkswirt Gerhard Kling
41
Dipl. Volkswirt Gerhard Kling
Tabelle: Dipl. Volkswirt Gerhard Kling
42
Dipl. Volkswirt Gerhard Kling
Autokorrelation: Woher kommt negative Autokorrelation? Vernachlässigung von Inventarkosten „Bundling“ von Aufträgen Warum werden Aufträge gebündelt? Statistischer Grund (vgl. Graphik) Informationstheoretischer Grund vgl. Kyle (1985); Effekte großer Aufträge Dipl. Volkswirt Gerhard Kling
43
Dipl. Volkswirt Gerhard Kling
44
Dipl. Volkswirt Gerhard Kling
Inventarkosten: „Einbauen“ von Inventarkosten ins Modell: Wurden implizit bereits zuvor ausgeschlossen Damit ergeben sich Grundgleichungen: Dipl. Volkswirt Gerhard Kling
45
Dipl. Volkswirt Gerhard Kling
Inventarkosten: Inventarkosten und negative Autokorrelation: Warum werden sie dann vernachlässigt? Auch „Bundling“ beeinflusst Autokorrelation Ist es möglich Inventarkosten zu schätzen? Dipl. Volkswirt Gerhard Kling
46
Dipl. Volkswirt Gerhard Kling
Ähnliche Präsentationen
© 2024 SlidePlayer.org Inc.
All rights reserved.