This dissertation contains three essays about financial time series and applications. Specifically, we model and predict financial volatility and investigate the emission trading system.
In the first study, we investigate the economic and financial drivers of volatility changes and integrate them into stock market volatility forecasting. We first collect a diverse set of predictor variables and analyze them within a unified framework. We discover that only a small number of variables contain significant predictive information, and that the Chinese stock market return significantly predicts U.S. stock market volatility. Using the HAR-LASSO procedure, we integrate the drivers’ predictive information and forecast short-term, medium-term, and long-term market volatilities. Through various volatility timing strategies, we verify that HAR-LASSO-based portfolios lead to outstanding investment performance, regardless of the strategies and forecasting horizons. These results not only economically justify the procedure, but also provide meaningful financial implications of accurate volatility forecasting.
Recently, to account for low-frequency market dynamics, several volatility models, employing high-frequency financial data, have been developed. However, in financial markets, we often observe that financial volatility processes depend on economic states, so they have a state heterogeneous structure. In the second study, to investigate state heterogeneous market dynamics based on high-frequency data, we introduce a novel volatility model based on a continuous Ito diffusion process whose intraday instantaneous volatility process evolves depending on the exogenous state variable, as well as its integrated volatility. We call it the state heterogeneous GARCH-Ito (SG-Ito) model. We suggest a quasi-likelihood estimation procedure with the realized volatility proxy and establish its asymptotic behaviors. Moreover, to test the low-frequency state heterogeneity, we develop a Wald test-type hypothesis testing procedure. The results of empirical studies suggest the existence of leverage, investor attention, market illiquidity, stock market comovement, and post-holiday effect in S&P 500 index volatility.
In the third study, we analyze the relationship between the price of carbon-intensive fuel and the stock prices of renewable energy companies, incorporating the price of carbon in the European Union emission trading system (EU ETS). Specifically, we employ wavelet methods to reconstruct time series with specific levels of persistence, reducing noise, trend, and seasonal components. Using these wavelet-adjusted series, we conduct a regression analysis that considers exogenous factors that may influence the demand for electricity and emission allowances. Subsequently, we estimate vector autoregressive models and obtain a connectedness measure and impulse response functions. The results consistently imply that increases in coal prices have (counterintuitively) a negative effect on renewable energy stock prices. Moreover, we show that this can be explained by a negative relationship between coal and carbon prices and a positive relationship between carbon prices and renewable energy stock prices. This study contributes to the literature by uncovering the negative relationship between the price of carbon-intensive fuel and renewable energy stock prices by applying a suitable filtering procedure.
본 학위논문은 금융 시계열 분석과 응용에 관한 세 개의 연구로 구성되어 있으며, 각 연구에서는 주식 시장 변동성 모델링 및 예측, 그리고 탄소배출권 시장에 관한 실증 분석을 진행하였다.
첫 번째 연구에서는 주가 변동성에 영향을 미치는 금융 및 경제 변수의 예측력을 확인하고 변수들을 종합하여 시장 변동성을 효과적으로 예측하였다. 먼저 개별 변수들의 시장 변동성에 대한 예측력을 확인했을 때 일부 변수만이 유의한 예측력을 가지며, 특히 중국 시장 수익률이 미국 시장 변동성에 대한 유의한 예측력을 가지는 것을 발견하였다. 나아가 HAR-LASSO 방법론으로 변수들의 예측력을 종합하여 단기, 중기, 장기 시장 변동성을 예측하였고, 다양한 변동성 타이밍 전략을 통해 HAR-LASSO 모형이 기존 변동성 모형에 비해 우월한 투자 성과를 제공함을 확인하였다.
금융 시장에서는 시장 상황에 따라 주가 변동성에 구조적 전환이 발생한다는 것이 알려져있으며, 이를 모형화하기 위해 기존 변동성 모형에 고빈도 자료를 활용하는 연구가 활발히 진행되어 왔다. 두 번째 연구에서는 고빈도 자료를 활용하여 시장 상황에 따른 구조적 변화를 분석하기 위해 순간변동성이 외부 상황에 따라 다른 프로세스를 가지는 모형을 고안하고, 이 모형을 SG-Itô (state heterogeneous GARCH-Itô) 모형이라 명명하였다. 또한, 실현 변동성 추정치를 이용하여 모형 모수에 대한 준최우추정량을 제안하고 추정량의 점근적 성질을 확인하였다. 나아가 국면 이질성 (state heterogeneity)에 대한 검정통계량을 고안하였으며, S&P 500 지수 변동성에 레버리지 효과, 투자자 집중, 시장 유동성, 그리고 휴일 효과에 따른 국면 이질성이 존재함을 실증적으로 확인하였다.
세 번째 연구에서는 대표적인 탄소배출권 거래 제도인 EU ETS하에서 고탄소 연료 가격과 신재생에너지 기업 주가간의 관계를 연구하였다. 먼저 웨이브렛 분석을 도입하여 데이터의 노이즈, 계절 요인, 장기 추세를 제거한 웨이브렛 조정 시계열 데이터를 구축하였다. 웨이브렛 조정 시계열 데이터에 회귀분석, 벡터자기회귀 모형 등을 적용하여 탄소 배출권 제도 하에서는 기존의 통념과 달리 석탄 가격의 상승이 신재생에너지 주가와 음의 관계를 가질 수 있음을 실증적으로 확인하였다. 그리고 이 관계는 석탄 가격과 배출권 가격 간의 음의 관계 및 배출권 가격과 신재생에너지 주가간의 양의 관계로 설명될 수 있음을 보였다. 해당 연구는 적절한 필터링 방법론을 통해 고탄소 연료 가격과 신재생에너지 주가 간의 음의 관계를 밝혔다는데 의의가 있다.
