Evaluating macro-finance interactions using mixed frequency methods

Show full item record

Permalink

http://urn.fi/URN:ISBN:978-952-10-8755-4
Title: Evaluating macro-finance interactions using mixed frequency methods
Author: Lindblad, Annika
Contributor: University of Helsinki, Faculty of Social Sciences
Doctoral Programme in Economics
Publisher: Helsingin yliopisto
Date: 2019-11-29
Belongs to series: Publications of the Helsinki Center of Economic Research - URN:ISSN:2323-9794
URI: http://urn.fi/URN:ISBN:978-952-10-8755-4
http://hdl.handle.net/10138/306759
Thesis level: Doctoral dissertation (article-based)
Abstract: This dissertation examines how macroeconomic variables influence financial market volatility and correlations using mixed frequency time series methods. The modelling framework allows combining high-frequency and low-frequency data within the same model and thus allows directly relating the economic data to the low-frequency component of volatility or correlations. The dissertation sheds light on which economic variables influence the low-frequency component of volatilities and correlations, as well as examines various methods to improve long horizon forecasts for stock market volatility by utilising the information in macroeconomic variables. The first essay considers the relative and combined importance of macroeconomic fundamentals and survey-based sentiment data for modelling US equity market volatility in a GARCH-MIDAS framework. It uses a data set which accurately takes into account real-time data revisions to lags of the macroeconomic data and extends the analysis to include several new variables. Forward-looking macroeconomic data is important for forecasting volatility, even after the information in sentiment indicators is controlled for. On the other hand, for example, consumer confidence indicators contain information complementary to forward-looking macroeconomic variables. Overall, models combining macroeconomic and sentiment data tend to improve in-sample fit and in some cases also out-of-sample forecast accuracy compared to models only driven by one type of data. The improvements in forecasting performance are, however, not statistically significant, and therefore the results do not strongly advocate using several explanatory variables in the MIDAS polynomial. In the second essay I assess the time-variation in predictive ability arising from the inclusion of macroeconomic and financial data in a GARCH-MIDAS model for US stock market volatility. I compare forecasts from a GARCH-MIDAS model to forecasts from a nested GARCH model, and therefore the differences in forecasting performance directly reflect the impact of economic data. While forecasting performance between the two models is similar when considered over the full out-of-sample period, there is clear time-variation in relative forecasting performance over sub-samples. I suggest the variation could arise from the phase of the business cycle or the volatility environment and find particularly strong evidence in favour of economic variables being important for volatility forecasting during low-volatility periods. Forecast combination methods and a decision rule based on conditional predictive ability produce consistently better forecasts than the GARCH model, although statistical significance of the improvements depend on the loss function considered. The third essay considers the time-variation in the co-movement of equity returns and exchange rate returns in several markets using the DCC-MIDAS model. Determining the economic drivers of the low-frequency correlation aids in differentiating between the various theoretical explanations for the correlation, which predict both a positive and a negative relationship. The essay concentrates on the portfolio rebalancing channel and on two hypotheses suggested in the earlier literature, namely flight-to-quality and quantitative easing (QE) related search-for-yield, in addition to examining the sensitivity of the correlation to other economic variables related to portfolio rebalancing motives, such as the business cycle. Although there are common elements driving the return correlation in the different markets, for instance, interest rate differentials and quantitative easing measures, their impact on the correlation varies, suggesting the underlying theoretical explanation differs across markets. While the onset of US QE1 had a clear impact on the correlations, overall the results suggest that being in a QE regime is more important than announcement effects for the long-term correlation.Denna avhandling består av tre självständiga artiklar som undersöker hur makroekonomiska förhållanden påverkar volatiliteten och korrelationerna på finansmarknaden. Målet är att förbättra långsiktiga prognoser för volatilitet med hjälp av tidsseriemodeller för blandade frekvenser och genom att utnyttja informationen i makroekonomisk data. De använda ekonometriska tidsseriemodellerna möjliggör användningen av högfrekvens- och lågfrekvensdata, alltså data samlad på till exempel kvartals- och dagsfrekvens, inom samma modell. Idén är att volatiliteten och korrelationen på till exempel aktiemarknaden eller valutamarknaden består av en långvarig och en kortsiktig komponent. Den långvariga delen rör sig långsamt och kan därmed länkas till ekonomiska förhållanden, medan den kortsiktiga delen förändras snabbt och har därmed hög volatilitet. Den första artikeln undersöker den relativa och kombinerade betydelsen av makroekonomisk data och enkätbaserade konfidensindikatorer för amerikansk aktiemarknadsvolatilitet. Framtidsinriktad data är överlag viktigt för att förklara och göra prognoser för volatilitet. Modeller som kombinerar information i makroekonomisk data och konfidensindikatorer förbättrar ofta modellernas förklaringsförmåga, och tidvis också prognosförmåga, i jämförelse med modeller som utnyttjar information från endast en typ av data. Förbättringarna i prognosresultaten är dock för det mesta inte statistiskt signifikanta, och därför förespråkar resultaten inte starkt användningen av flera förklarande variabler i samma modell. Den andra artikeln bedömer hur förmågan av makroekonomisk och finansiell data att förutsäga aktiemarknadens volatilitet i USA förändras över tiden. När man jämför prognosprecisionen över hela prognosperioden medför ekonomisk information inget betydande mervärde jämfört med enklare tidsseriemodeller, men då jämförelsen görs över kortare tidsperioder kan man observera att den relativa prognosprecisionen varierar över tiden. Speciellt då marknadsvolatiliteten är låg förbättrar ekonomiska variabler prognosprecisionen betydligt. Också prognoskombinationsmetoder förbättrar konsekvent prognoserna. Den sista artikeln utforskar hur korrelationen mellan avkastningen på aktiemarknaden och valutamarknaden förändras över tiden, och hur makroekonomisk data påverkar den långsiktiga korrelationen på olika marknadsområden. Frågan är intressant då den tidigare teoretiska och empiriska litteraturen ger upphov till både en positiv och negativ korrelation. Artikeln jämför de olika teorierna som presenterats i den tidigare litteraturen med en enhetlig tidsseriemodell. Liknande data, som till exempel ränteskillnader och variabler som beskriver riskattityd eller extraordinär penningpolitik, påverkar korrelationen på flera marknader.Tämä väitöskirja koostuu kolmesta itsenäisestä artikkelista, joissa analysoidaan makrotaloudellisten olosuhteiden vaikutusta rahoitusmarkkinamuuttujien volatiliteettiin ja korrelaatioihin. Tavoitteena on parantaa pitkän aikavälin volatiliteettiennusteita hyödyntämällä makrotaloudellisten muuttujien sisältämä informaatio. Yhteyksien mallintamiseen käytetään ekonometrisia aikasarjamalleja, joissa voidaan hyödyntää eri tiheydellä mitattua dataa, eli esimerkiksi neljännesvuositasolla ja päivätasolla kerättyjä tietoja, samanaikaisesti. Ajatuksena on, että rahoitusmarkkinamuuttujien, kuten osakemarkkina- ja valuuttamarkkinatuottojen, vaihtelu yli ajan (volatiliteetti) sekä yhteisvaihtelu (korrelaatio) koostuvat pitkän ja lyhyen aikavälin komponenteista. Pitkän aikavälin komponentilla tarkoitetaan aikasarjan hitaasti muuttuvaa osaa, joka voidaan linkittää makrotaloudelliseen tilanteeseen, ja lyhyen aikavälin komponentilla nopeasti muuttuvaa, runsaasti heiluvaa osaa. Ensimmäinen artikkeli tarkastelee makrotaloudellisten muuttujien ja kyselytutkimuksiin perustuvien luottamuslukujen suhteellista ja yhdistettyä merkitystä Yhdysvaltojen osakemarkkinavolatiliteetin mallintamisessa ja ennustamisessa. Eteenpäin katsovat muuttujat ovat yleisesti ottaen tärkeitä. Mallit, jotka yhdistävät makrotaloudellisten muuttujien ja luottamuslukujen sisältämän informaation parantavat usein mallien selityskykyä ja ajoittain myös ennustekykyä, verrattuna malleihin, jotka hyödyntävät vain yhden tyyppisten muuttujien informaation. Ennusteparannusten tilastollinen merkitsevyys on kuitenkin heikkoa, eivätkä tulokset näin ollen voimakkaasti puolla useiden muuttujien sisällyttämistä malleihin. Toinen artikkeli arvioi, kuinka makrotaloudellisten- ja rahoitusmarkkinamuuttujien kyky ennustaa osakemarkkinoiden volatiliteettia muuttuu yli ajan Yhdysvalloissa. Koko ennusteajanjakson yli tarkasteltuna taloudelliset muuttujat eivät tuo merkittävää lisäarvoa yksinkertaisempaan aikasarjamalliin verrattuna. Kun ennustetarkkuutta tarkastellaan lyhyempien ajanjaksojen yli, havaitaan että taloudellisten muuttujien ennustekyky vaihtelee yli ajan. Etenkin matalan volatiliteetin aikana taloudelliset muuttujat parantavat mallien ennustetarkkuutta merkittävästi. Myös ennusteiden yhdistämisen havaitaan johdonmukaisesti parantavan ennusteita. Viimeinen artikkeli tutkii, kuinka osakemarkkinatuottojen ja valuuttakurssituottojen välinen korrelaatio muuttuu yli ajan ja miten makrotaloudelliset muuttujat vaikuttavat pitkän aikavälin korrelaatioon usealla markkina-alueella. Kysymys on mielenkiintoinen, sillä aiemman teoreettisen ja empiirisen kirjallisuuden perusteella sekä positiivinen että negatiivinen yhteys on mahdollinen. Artikkelissa vertaillaan aiemmassa kirjallisuudessa esillä olleita teorioita yhtenäisessä aikasarjamallikehikossa. Samankaltaiset muuttujat, kuten korkoerot sekä riskinottohalukkuutta ja epätavanomaista rahapolitiikkaa kuvaavat muuttujat, vaikuttavat korrelaatioihin useilla markkinoilla.
Subject: Economics
Rights: This publication is copyrighted. You may download, display and print it for Your own personal use. Commercial use is prohibited.


Files in this item

Total number of downloads: Loading...

Files Size Format View
Evaluati.pdf 7.044Mb PDF View/Open

This item appears in the following Collection(s)

Show full item record