Essays on the Time Series and Cross-Sectional Predictive Power of Network-Based Volatility Spillover Measures

This thesis includes two essays that are devoted to study the time-series and cross-sectional predictive power of a newly developed, forward-looking volatility spillover index based on option implied volatilities. In the first essay, we focus on the estimation of the index and on the assessment of whether the (changes in) the index can predict the time-series excess returns of (a set of) individual stocks and of the S&P 500. We also compare the in-sample and out-of-sample predictive power of this index with that of the volatility spillover index proposed by Diebold and Yilmaz (2008, 2012), which is instead based on realized, backward-looking volatilities. While both measures show evidence of in-sample predictive power, only the option-implied measure is able to produce out-of-sample forecasts that outperform a simple historical mean benchmark. We find this predictive power to be exploitable by an investor using simple trading strategies based on the sign of the predicted excess return and also by a mean-variance optimizer. We also show that, despite the predictive outperformance of the implied volatility spillover index is mostly coming from high-volatility periods, the additional forecast power is not subsumed by the inclusion of the VIX (as a proxy of aggregate volatility) in the predictive regressions. In the second essay, we investigate whether volatility spillover risk (in addition to aggregate volatility risk) is priced in the cross-section of US stock returns. To our purpose, we conduct several (parametric and non-parametric) asset pricing tests. First, we sort the stock universe into five quintile portfolios based on their exposure to the implied volatility spillover index that we have developed in the first essay. Second, we use a conditional sorting procedure to control for variables that may have a confounding effect on our results. We find that stocks with a low exposure to volatility spillovers earn an average 6.45% per annum more than stocks with a high exposure to volatility spillovers. This difference persists also after adjusting for risk and when we control for the exposure to aggregate volatility shocks. Finally, we employ a Fama-Mac Beth approach to estimate the risk premium associated with volatility spillover risk; this procedure partly confirms the results from the non-parametric, portfolio sorting analysis, although the premium is lower and generally imprecisely estimated.

• Questa tesi include due saggi che sono dedicati allo studio delle serie temporali e del potere predittivo a livello di cross-section di un indice di spillover di volatilità di nuova concezione basato sulle volatilità implicite delle opzioni. Nel primo saggio, ci concentriamo sulla stima dell'indice e sulla valutazione se i (cambiamenti nell'indice) possono prevedere i rendimenti in eccesso delle serie temporali di (un insieme di) singoli titoli e dello S&P 500. Si confronta il potere predittivo in-sample e out-of-sample di questo indice con quello dell'indice di spillover di volatilità proposto da Diebold e Yilmaz (2008, 2012), che si basa invece su volatilità realizzate. Sebbene entrambe le misure mostrino la prova del potere predittivo all'interno del campione, solo la misura basata sulla volatilità implicita è in grado di produrre previsioni out-of-sample che battono un semplice benchmark costituito dalla media storica. Troviamo che questo potere predittivo possa essere sfruttato da un investitore utilizzando semplici strategie di trading basate sul segno dell'eccesso di rendimento previsto e da un investitore media-varianza. Mostriamo anche che, nonostante la sovra-performance predittiva dell'indice di spillover della volatilità implicita provenga principalmente da periodi di alta volatilità, il potere previsionale aggiuntivo non è sussunto dall'inclusione del VIX (come proxy della volatilità aggregata) nelle regressioni predittive. Nel secondo saggio, indaghiamo se il rischio di spillover della volatilità (oltre al rischio di volatilità aggregata) sia valutato nella cross-section dei rendimenti delle azioni statunitensi. Per il nostro scopo, conduciamo diversi test di asset pricing (parametrici e non parametrici). In primo luogo, ordiniamo l'universo azionario in cinque portafogli quintili in base alla loro esposizione all'indice di spillover di volatilità implicita che abbiamo sviluppato nel primo saggio. In secondo luogo, utilizziamo una procedura di ordinamento condizionale per controllare le variabili che possono avere un effetto di confusione sui nostri risultati. Troviamo che i titoli con una bassa esposizione agli spillover di volatilità guadagnano in media il 6,45% all'anno in più rispetto ai titoli con un'elevata esposizione agli spillover di volatilità. Questa differenza persiste anche dopo l'aggiustamento per il rischio e quando controlliamo l'esposizione a shock di volatilità aggregata. Infine, utilizziamo un approccio Fama-Mac Beth per stimare il premio per il rischio associato al rischio di ricaduta della volatilità; questa procedura conferma in parte i risultati dell'analisi non parametrica di portfolio, sebbene il premio sia inferiore e generalmente stimato in modo impreciso.