19.01.2021

Schätzung von Risikoprämien aus Optionsdaten mit Methoden Maschinellen Lernens

Die Deutsche Forschungsgemeinschaft (DFG) fördert am Fachbereich Wirtschaftswissenschaft ein Forschungsprojekt zum Thema Schätzung von Risikoprämien. Das Projekt ist eine Forschungskooperation unserer Abteilung Statistik und Ökonometrie mit dem House of Finance an der Universität Frankfurt, vertreten durch Professor Christian Schlag. Die Fördersumme beträgt für Tübingen 200.000 Euro. Seitens der Universität Tübingen arbeiten Professor Joachim Grammig, Dr. Jantje Sönksen, die den Masterkurs "Machine Learning in Econometrics" anbietet, und Constantin Hanenberg, Absolvent des Msc in Economics and Finance, dessen Masterarbeit die Grundlage für den erfolgreichen DFG Forschungsantrag lieferte.

Das Forschungsprojekt will die Leistungsfähigkeit von zwei aktuellen Ansätzen zur Quantifizierung von Risikoprämien untersuchen, deren Philosophien diametral verschieden sind. Der eine Ansatz ist theoriebasiert, indem die Erwartungen von Investoren aus Optionsdaten interpretiert und extrahiert werden, der andere ist datenwissenschaftlicher Natur und verzichtet auf einen expliziten Theoriebezug.

Hat der optionsbasierte Ansatz noch nicht den Weg in die Finanzpraxis gefunden, erfreuen sich datenwissenschaftliche Methoden bei Finanztechnologie-Unternehmen enormer Beliebtheit. Die verwendeten Methoden Maschinellen Lernens sind oft intransparent, ihre Prognosen haben den Charakter einer Black-Box. Aber auch der optionsbasierte Ansatz beruht auf Approximationen, deren Bedeutung und Restriktivität noch nicht untersucht wurde. Dieser Befund macht die Problematik einer unkritischen Anwendung beider Ansätze deutlich, war doch gerade das unzureichende Verständnis der Grenzen finanzökonomischer Modelle eine Ursache der jüngsten Wirtschafts- und Finanzkrisen. Die Forschenden wollen mit diesem Projekt einen Vergleich der empirischen Leistungsfähigkeit des optionsbasierten und des datenwissenschaftlichen Verfahrens zur Approximation von Risikoprämien liefern. Zudem wird die Möglichkeit von hybriden Ansätzen untersucht, die beide Philosophien kombinieren.