Zum Inhalt

Analysis of Financial Time Series — Ruey S. Tsay (2005)

Kerninhalt

Ruey Tsay (University of Chicago Booth School of Business) schreibt das Standard-Lehrbuch für Finanz-Zeitreihenanalyse auf Hochschulniveau. Das Buch ist eine mathematisch rigorose Behandlung aller relevanten Modelle: ARIMA, GARCH, Cointegration, High-Frequency-Daten, und mehr.

Pflicht-Literatur für Quantitative Analysten, Ökonometriker und alle die Financial Data Science professionell betreiben.

Zeitreihen-Modell-Übersicht

MODELL-TAXONOMIE (Tsay):

1. LINEARE MODELLE
   ├── AR(p): Autoregressive Process — aktuelle Werte abhängig von vergangenen
   ├── MA(q): Moving Average Process — aktuelle Werte abhängig von vergangenen Fehlern
   ├── ARMA(p,q): Kombination AR und MA
   └── ARIMA(p,d,q): Mit Integration für nicht-stationäre Reihen

2. VOLATILITÄTS-MODELLE (GARCH-Familie)
   ├── ARCH(q): Autoregressive Conditional Heteroskedasticity (Engle 1982)
   ├── GARCH(p,q): Generalized ARCH — Standard für Volatilitäts-Modellierung
   ├── IGARCH: Integrated GARCH; persistente Volatilität
   ├── EGARCH: Exponential GARCH; asymmetrische Effekte (Leverage-Effekt)
   ├── TGARCH: Threshold GARCH; negative Returns → höhere Volatilität
   └── GARCH-M: GARCH-in-Mean; Risiko-Return-Tradeoff

3. MULTIVARIATE MODELLE
   ├── VAR (Vector Autoregression): Mehrere zeitreihen simultan
   ├── VECM: Vector Error Correction für cointegrated series
   └── DCC-GARCH: Dynamic Conditional Correlations

Wichtige Konzepte

Stationarität: - Schwache Stationarität: Konstanter Erwartungswert und Varianz; zeitinvariante Autokovarianz - Unit Root Tests: ADF (Augmented Dickey-Fuller), KPSS - Differenzieren um Stationarität herzustellen

Fat Tails in Finanzrenditen: - Returns sind nicht normalverteilt; Excess Kurtosis messbar - GARCH fängt Volatilitäts-Clustering; aber Tails bleiben fett - Student-t oder GED-Verteilung besser als Normal

Cointegration: - Zwei nicht-stationäre Serien können cointegrated sein - Johansen-Test für multiple cointegrating relationships - Anwendung: Pairs Trading, Spread-Analyse

High-Frequency Data Analyse

Tsay behandelt auch Tick-Daten: - Irregulär-beabstandete Transaktions-Daten - ACD (Autoregressive Conditional Duration) Modell für Trade-Intervalle - Realized Volatility aus Intraday-Daten - Market Microstructure Noise bei sehr hoher Frequenz

R-Code und Anwendung

Das Buch enthält R-Implementierungen aller Modelle. Standard-Pakete: - tseries, forecast für ARIMA - rugarch für GARCH-Modelle - vars für VAR-Modelle - urca für Unit-Root-Tests