De reactie van financiële markten op nieuwsfeiten: Een studie van de volatiliteit

Dries Gillis
Persbericht

De reactie van financiële markten op nieuwsfeiten: Een studie van de volatiliteit

Wat bepaalt de volatiliteit van indices?

In mijn masterproef heb ik de volatiliteit van vijf belangrijke beursindices onderzocht. Een onderzoek naar de volatiliteit betekent dat je de schommelingen van deze indices bestudeert. In deze zeer woelige periode voor de aandelenmarkten is een betere kennis van de volatiliteit een meerwaarde voor alle banken en zelfs beursgenoteerde ondernemingen.

De vijf marktindices die in mijn studie aan bod kwamen zijn de  BEL20-, de AEX-, de CAC40-, de FTSE100- en de S&P500-index. Dit zijn de leidende indices voor respectievelijk België, Nederland, Frankrijk, Groot-Brittannië en de Verenigde Staten. Deze indices zijn meer dan het gewogen gemiddelde van de belangrijkste aandelen van deze landen. Deze indices worden ook beschouwd als algemene indicator voor de financiële markten.

In mijn masterproef heb ik niet gekeken naar het stijgen of dalen van deze marktindices, wat gelijk gesteld zou kunnen worden met een groei of daling van de economie, maar naar de volatiliteit van deze indices. De volatiliteit is een indicator voor het marktrisico dat elke belegger ondergaat. De volatiliteit van deze marktindices hebben we samen bestudeert met nieuwsfeiten. Zo kan de volatiliteit anders zijn na belangrijk goed nieuws dan na belangrijk slecht nieuws. Hierbij ging er extra aandacht naar de BEL20-index.

De belangrijkste eigenschap van mijn studie is dat ik de volatiliteit niet beschouw als een constante, maar als tijdsvariërend. Om de volatiliteit te modelleren gebruik ik verschillende soorten van (G)ARCH-modellen. Dit zijn zeer recente modellen die na het toekennen van de Nobelprijs voor Economie, uitgereikt in 2003 aan Engle, hun plaats in studies omtrent de volatiliteit hebben opgeëist.

Met deze modellen heb ik in het eerste deel van mijn onderzoek nagegaan of twee bekende effecten uit de literatuur aanwezig zijn in deze indices. Dit zijn het day-of-the-week-effect en het leverage-effect. Het day-of-the-week-effect houdt in dat de gemiddelde return en de gemiddelde variantie verschillend is voor elke weekdag. Dit heb ik onderzocht door in elk (G)ARCH-model extra variabelen toe te voegen die één zijn voor specifieke weekdagen. De aanwezigheid van het leverage-effect testen we in twee specifieke (G)ARCH-modellen, namelijk het GJR-GARCH- en EGARCH-model. Dit effect houdt in dat de volatiliteit na slecht nieuws groter is dan na goed nieuws. Het GJR-GARCH en EGARCH-model kunnen dit nagaan vermits deze een extra parameter schatten in de variantievergelijking die asymmetrie in het model toelaat.

In het tweede deel van mijn onderzoek richt ik mij enkel op de BEL20-index. Voor deze index heb ik verschillende news impact curves getekend. Deze curven geven op een grafische manier weer hoe nieuwsfeiten zich verhouden tot de volatiliteit van de BEL20-index. Daarnaast onderzoek ik wat de invloed is van macro-economische nieuwsaankondigingen op ons model. Ik ga dus na of mijn model verbeterd kan worden door rekening te houden met aankondigingen van het BBP, CPI, renteveranderingen van de ECB en het consumentenvertrouwen. Dit doe ik met behulp van twee verschillende modellen. Het eerste model bevat dummyvariabelen die 1 zijn op de dag van een macro-economische nieuwsaankondiging. In het tweede model houden we ook rekening met de nieuwswaarde van de aankondiging. Zo delen we de dummyvariabelen uit het eerste model op in twee nieuwe dummyvariabelen. Eén dummyvariabele voor wanneer het gaat over een stijging van het BBP, de rente van de ECB, de CPI of het consumentenvertrouwen en één dummyvariabele voor een daling van elk kengetal.

Met mijn onderzoek bekwam ik vier belangrijke bevindingen. Eerst en vooral heb ik geconstateerd dat de volatiliteit van de verschillende indices tijdsafhankelijk is. Er zijn dus duidelijke clusters waar te nemen van zeer hoge en zeer lage volatiliteit van de returns van marktindices. Ten tweede is het leverage-effect duidelijk aanwezig bij elke marktindex. Dit wil zeggen dat de volatiliteit na slecht nieuws groter is dan na goed nieuws. Het gebruik maken van asymmetrische modellen voor het schatten van de volatiliteit is daarom aangeraden. Ten derde besluit ik dat het day-of-the-week-effect over het algemeen niet aanwezig is bij de verschillende indices. De dag van de week heeft weinig of geen invloed op de return en variantie van een marktindex. Het holiday-effect is wel sterk aanwezig bij de S&P500-index. Tot slot stel ik vast dat enkel rekening houden met de dag van publicatie van een macro-economische nieuwsaankondiging onvoldoende is in studies omtrent de volatiliteit. De nieuwswaarde van de aankondiging kan bij goed nieuws namelijk een andere invloed hebben op de volatiliteit dan bij slecht nieuws. Zo zorgt de publicatie van een stijging van het BBP of consumentenvertrouwen voor een minder volatiele index. Een rentestijging van de ECB zorgt voor een daling van de volatiliteit terwijl een rentedaling zorgt voor een stijging van de volatiliteit. De publicaties van de CPI hebben geen invloed op de volatiliteit van de BEL20-index.

Bibliografie
  • Adkins, C. L. (2010). Using gretl for principles of econometrics, 3rd edition. Oklahoma: Free Software Foundation.
  • Äijö, J. (2008). Impact of US and UK macroeconomic news announcements on the return distribution implied by FTSE-100 index options. International Review of Financial Analysis , 17(2), 242-258.
  • Akgiray, V. (1989). Conditional heteroscedasticity in time series of stock returns: Evidence and forecasts. The Journal of Business , 62(1), 55-80.
  • Andersen, T. G., Davis, R. A., & Kreiß, J.-P. (2009). Handbook of financial time series. Berlin: Springer-Verlag.
  • Apolinario, R. M., Santana, O. M., Sales, L. J., & Caro, A. R. (2006). Day of the week effect on European stock markets. Finance and Economics , 2(2), 53-70.
  • Awartani, B. M., & Corradi, V. (2005). Predicting the volatility of the S&P-500 stock index via GARCH models: The role of asymmetries. International Journal of Forecasting , 21(1), 167-183.
  • Beaulieu, M.-C., Cosset, J.-C., & Essaddam, N. (2005). The impact of political risk on the volatility of stock returns: The case of Canada. Journal of International Business Studies , 36(6), 701-718.
  • Bekaert, G., & Wu, G. (2000). Asymmetric volatility and risk in equity markets. Review of Financial Studies , 13(1), 1-42.
  • Berument, H., & Kiymaz, H. (2001). The day of the week effect on stock market volatility. Journal of Economics and Finance , 25(2), 181-193.
  • Black, F. (1976). Studies in stock price volatility changes. Proceedings of the 1976 Business Section. American Statistical Association , 177-181.
  • Black, F., & Scholes, M. (1973). The pricing of options and corporate liabilities. The Journal of Political Economy , 81(3), 637-654.
  • Bollerslev, T. (1987). A conditionally heteroskedastic time series model for speculative prices and rates of return. The Review of Economics and Statistics , 69(3), 542-547.
  • Bollerslev, T. (1986). Generalized autoregressive conditional heteroskedasticity. Journal of Econometrics , 31(3), 307-327.
  • Bollerslev, T., Chou, R. Y., & Kroner, K. F. (1992). ARCH modelling in finance: A review of the theory and empirical evidence. Journal of Econometrics , 52(1-2), 5-59.
  • Brooks, C., Burke, S. P., & Persand, G. (2001). Benchmarks and the accuracy of GARCH model estimation. International Journal of Forecasting , 17(1), 45-56.
  • Campbell, J. Y., & Hentschel, L. (1992). No news is good news: An asymmetric model of changing volatility in stock returns. Journal of Financial Economics , 31(3), 281-318.
  • Campbell, J. Y., Lo, A. W., & MacKinlay, C. A. (1997). The econometrics of financial markets. NJ: Princeton University Press.
  • Charles, A. (2010). The day-of-the-week effects on the volatility: The role of the asymmetry. European Journal of Operational Research , 202(1), 143-152.
  • Crouzille, C., Lepetit, L., & Tarazi, A. (2004). Bank stock volatility, news and asymmetric information in banking: An empirical investigation. Journal of Multinational Financial Management, 14(4-5), 443-461.
  • Cuñado Eizaguirre, J., Gómez Biscarri, J., & de Gracia Hidalgo, F. P. (2004). Structural changes in volatility and stock market development: Evidence for Spain. Journal of Banking & Finance, 28(7), 1745-1773.
  • Engle, R. F. (1982). Autoregressive conditional heteroskedasticity with estimates of the variance of the United Kingdom inflation. Econometrica, 50(4), 987-1008.
  • Engle, R. F., & Victor, K. N. (1993). Measuring and testing the impact of news on volatility. The Journal of Finance, 48(5), 1749-1778.
  • Fama, E. F. (1970). Efficient capital markets: A review of theory and empirical work. The Journal of Finance, 25(2), 383-417.
  • Fama, E. F. (1965). The behavior of stock-market prices. The Journal of Business, 38(1), 34-105.
  • Fan, J., & Yao, Q. (2003). Nonlinear time series: Nonparametric and parametric methods. NY: Springer.
  • FTSE. (2010). Ground rules for the management of the UK series of the FTSE actuaries share indices. Opgehaald van http://www.ftse.com/Indices/UK_Indices/Downloads/FTSE_UK_Index_Series_I….
  • Funke, N., & Matsuda, A. (2006). Macroeconomic news and stock returns in the United States and Germany. German Economic Review, 7(2), 189-210.
  • Glosten, L. R., Jagannathan, R., & Runkle, D. E. (1993). On the relation between the expected value and the volatility of the nominal excess return on stocks. Journal of Finance, 48(1), 1779-1801.
  • Gregoriou, N. G. (2009). Stock market volatility. NY: CRC Press.
  • Hanousek, J., Kocenda, E., & Kutan, A. M. (2009). The reaction of asset prices to macroeconomic announcements in new EU markets: Evidence from intraday data. Journal of Financial Stability, 5(2), 199-219.
  • Hau, L. L. (2010). Day-of-the-week effects in different stock markets: New evidence on model-dependency in testing seasonalities in stock returns. Depcon working paper series, 1-20 Opgehaald van: http://depocenwp.org/upload/pubs/LeLongHau/Day-Of-The-Week%20in%20Diffe….
  • Hill, C. R., Griffiths, W. E., & Lim, G. C. (2008). Principles of econometrics (3th ed.). John Wiley & Sons.
  • Kalev, P. S., Liu, W.-M., Pham, P. K., & Jarnecic, E. (2004). Public information arrival and volatility of intraday stock returns. Journal of Banking & Finance, 28(6), 1441-1467.
  • Kearney, C. (2000). The determination and international transmission of stock market volatility. Global Finance Journal , 11(1-2), 31-52.
  • Kenourgios, D., & Samitas, A. (2008). The day of the week effect patterns on stock market return and volatility: Evidence for the Athens stock exchange. International Research Journal of Finance and Economics, 15(1), 78-89.
  • Kim, S., & In, F. (2002). The influence of foreign stock markets and macroeconomic news announcements on Australian financial markets. Pacific-Basin Finance Journal, 10(5), 571-582.
  • Kim, S.-J., McKenzie, M. D., & Faff, R. W. (2004). Macroeconomic news announcements and the role of expectations: Evidence for US bond, stock and foreign exchange markets. Journal of Multinationale Financial Management, 14(3), 217-232.
  • Knight, J., & Satchell, S. (2007). Forecasting volatility in the financial markets (3th ed.). Burlington: Elsevier Finance.
  • Kohers, G., Kohers, N., Kohers, V., & Pandey, V. (2004). The disappearing day-of-the-week effect in the world's largest equity markets. Applied Economics Letters, 11(3), 167-171.
  • Koulakiotis, A., Dasilas, A., & Papasyriopoulos, N. (2009). Volatility and error transmission spillover effects: Evidence from three European financial regions. The Quarterly Review of Economics and Finance, 49(3), 858–869.
  • Leeves, G. (2007). Asymmetric volatility of stock returns during the Asian crisis: Evidence from Indonesia. International Review of Economics & Finance, 16(2), 272-286.
  • Liu, H.-C., & Hung, J.-C. (2010). Forecasting S&P-100 stock index volatility: The role of volatility asymmetry and distributional assumption in GARCH models. Expert Systems with Applications, 37(7), 4928–4934.
  • Louhichi, W. (2008). Adjustment of stock prices to earnings announcements: Evidence from Euronext Paris. Review of Acounting and Finance, 7(1), 102-115.
  • Marquering, W., Nisser, J., & Valla, T. (2006). Disappearing anomalies: a dynamic analysis of the persistence of anomalies. Applied Financial Economics, 16(4), 291-302.
  • Nelson, D. B. (1991). Conditional heteroskedasticity in asset returns: A new approach. Econometrica, 59(2), 347-370.
  • Nikkinen, J., Sahlström, P., Äijö, J., & Mohammed, O. (2006). Global stock market reactions to scheduled U.S.macroeconomic news announcements. Global Finance Journal, 17(1), 92-104.
  • Nikkinen, J., Sahlström, P., Äijö, J., & Omran, M. M. (2008). Stock returns and volatility following the September 11 attacks: Evidence from 53 equity markets. International Review of Financial Analysis, 17(1), 27-46.
  • Nikkinnen, J., & Sahlström, P. (2004). Scheduled domestic and US macroeconomic news and stock valuation in Europe. Journal of Multinational Financial Management, 14(3), 201-215.
  • Nobel Media AB. (n.d.). Retrieved 3 28, 2011, from Nobelprize.org : http://nobelprize.org/nobel_prizes/economics/laureates/2003/public.html
  • NYSE Euronext. (2005). Guide to Euronext's French market indices. Opgehaald van http://www.euronext.com/fic/000/010/751/107515.pdf.
  • NYSE Euronext. (2010a). Rules for the AEX®, AMX® and AScX®. Opgehaald van http://www.euronext.com/fic/000/061/130/611309.pdf.
  • NYSE Euronext. (2010b). Rules for the BEL20 index. Opgehaald van http://www.euronext.com/fic/000/058/500/585007.pdf.
  • Pearce, D. K. (1996). The robustness of calendar anomalies in daily stock returns. Journal of Economics and Finance, 20(3), 69-80.
  • Rogalski, R. J. (1984). New findings regarding day-of-the-week returns over trading and non-trading periods: A note. The Journal of Finance, 39(5), 1603-1614.
  • S&P. (2010). S&P U.S. indices. Opgehaald van http://www2.standardandpoors.com/spf/pdf/index/SP_US_Indices_Methodolog….
  • Sariannidis, N., Koskosas, I., Garefalakis, A., & Antoniadis, I. (2009). Volatility of stock returns: The case of the Belgian stock exchange. Inernational Journal of Business Forecasting and Marketing Intelligence, 1(2), 111-121.
  • Walsh, D. M., & Tsou, Y.-G. G. (1998). Forecasting index volatility: Sampling interval and non-trading effects. Applied Financial Economics, 8(5), 477-485.
  • Wang, P. (2008). Financial Econometrics (2nd ed.). London: Routledge.
  • Yalta, T. A., & Yalta, Y. A. (2010). Should economists use open source software for doing research? Computational Economics, 35(4), 371-394.

 

Universiteit of Hogeschool
Handelsingenieur
Publicatiejaar
2011
Share this on: