Essays On Jump Diffusion Models In Asset Pricing And On The Prediction Of Aggregate Stock Returns

Diese Dissertation besteht aus drei individuellen Aufsätzen, die jeweils eine in sich geschlossene Forschungsarbeit darstellt. Im ersten Aufsatz, "Out-of-Sample Performance of Jump-Diffusion Models for Equity Indices: What the Financial Crisis was Good For", analysieren wir die out-of-sample Performance von zeitstetigen affinen und nicht affinen stochastischen Volatilitätsmodellen. Die out-of-sample Modellperformance ist eine Kennzahl mit zentraler Bedeutung für Investoren. Sie spielt unter anderem im Risikomanagement, der Asset Allocation wie auch in der Bewertung von derivativen Instrumenten, eine entscheidende Rolle. In dieser empirischen Studie, die auf täglichen Renditen des Aktienindex S&P 500 basiert, testen wir insgesamt 24 verschiedene Modellspezifikationen. Unser Testansatz evaluiert die durch die Modelle vorhergesagten Verteilungsdichten. Der entscheidende Vorteil dieser Methodik liegt darin, dass wir jeweils die gesamte modellinduzierte Dichte berücksichtigen. Unsere empirischen Resultate zeigen, dass sich die, in der Literatur häufig diskutierte, gute in-sample Modellperformance in out-of-sample Anwendungen generell nicht bestätigen lässt. Mittels eines rollierenden Zeitfensters beobachten wir, dass Modellparameter, die während einer genügend volatilen Marktphase geschätzt wurden, deutlich bessere out-of-sample Resultate liefern. Vielversprechend ist demzufolge die out-of-sample Performance, wenn die Modellparameter auf der sich kürzlich abgespielten Finanzkrise geschätzt und zur Vorhersage von Verteilungsdichten verwendet werden. Generell beobachten wir, dass zum einen affine Modelle bessere Resultate erreichen als nicht affine. Zum anderen deuten unsere Ergebnisse darauf hin, dass Modelle mit Sprüngen in den Renditen sowie Varianzen besser performen als pure Diffusionsmodelle. Der zweite Aufsatz mit dem Titel "Pricing CO2 Futures Options - Empirical In- and Out-of-Sample Performance Analysis" analys.