Essays in Financial Econometrics

La presente tesi di dottorato verte su alcuni aspetti di econometria finanziaria. In particolare, il lavoro si concentra sui diversi tipi di agente presenti nel mercato (razionale e comportamentale), sulle misure di performance legate a questo tipo di agenti e, più in generale, alla valutazione delle attività finanziarie per la selezione dei titoli di portafoglio. Siegel (1991) ha osservato come possono variare le dipendenze tra i diversi mercati finanziari nel corso del tempo. Si è visto che, generalmente, i mercati finanziari rappresentano uno degli indicatori principali nell'individuare la dinamica del ciclo economico. Viceversa, Hamilton e Lin (1998) hanno evidenziato come le recessioni economiche rappresentino il fattore principale nel determinare la volatilità dei rendimenti nei mercati azionari. Pertanto, esiste chiaramente un rapporto di interdipendenza tra ciclo economico e mercati finanziari. In questo contesto, risulta quindi interessante analizzare i mercati finanziari, dalla prospettiva dei diversi tipi di investitore, durante il processo di valutazione e selezione dell'attività finanziarie di portafoglio. Inoltre, l'analisi della dipendenza tra i vari mercati finanziari lungo la dimensione temporale permette di monitorare il rischio di portafoglio dell'investitore in termini di diversificazione. Il primo capitolo presenta un modello di apprendimento (rational learning) per l'investitore razionale che considera nella selezione dei titoli finanziari le informazioni provenienti da un investitore comportamentale. I due tipi di agente hanno due differenti funzioni di utilità: l'agente razionale è dotato di una funzione di utilità con avversione al rischio iperbolico (HARA) mentre l'altro agente di una funzione di utilità comportamentale generale introdotta da Zakamouline (2011). L'obiettivo principale del lavoro è quello di studiare l'effetto della componente comportamentale, espressa in termini di utilità, sulla valutazione delle attività finanziarie durante il processo di allocazione. Per valutare e ordinare queste attività, ogni agente utilizza il concetto di misura di performance legato alla propria funzione di utilità. Maggiore è il valore della misura, maggiore è l'utilità attesa di tale attività. L'agente HARA è un agente che effettua un apprendimento razionale (rational learning process), definito come il processo intrapreso da un'investitore razionale attraverso l'aggiornamento delle proprie belief (convinzioni) iniziali. Nel caso in esame, le belief a priori derivano dalla valutazione dei titoli finanziari attraverso la misura di performance definita dalla funzione di utilità dell'agente razionale. Il processo di aggiornamento di queste belief iniziali scaturisce dalla presenza della controparte comportamentale. L'investitore razionale in uenza la propria scelta adottando un herding behavior (comportamento imitativo), che rappresenta la tendenza di un investitore nel trascurare volontariamente le proprie informazioni per imitare il comportamento di altri investitori. Pertanto, l'investitore razionale condiziona la sua scelta verso gli investitori comportamentali al fine di dar luogo ad un effetto di feedback positivo (positive feedback). Questo effetto è stato documentato da Scharfstein e Stein (1990) sulla gestione dei fondi, Grinblatt et al. (1995) nel comportamento dei fondi comuni e da Devenow e Welch (1996) sulle previsioni degli analisti finanziari. Quindi, al fine di migliorare il proprio investimento, l'agente razionale adotta la strategia di feedback positivo attraverso l'herding behavior. Infatti, tenendo conto della presenza di altre tipologie di investitori, l'agente razionale agisce in modo più sofisticato rispetto alla propria condizione iniziale. Il meccanismo di apprendimento, ovvero come la componente razionale viene condizionata verso la componente comportamentale, è di tipo Bayesiano ed il modello è costruito in modo analogo al modello di Black-Litterman. La misura aggregata è ottenuta specificando un valore di ponderazione che definisce implicitamente il peso della componente comportamentale. L'analisi empirica mostra che il condizionamento dell'investitore razionale verso una direzione comportamentale fornisce un miglioramento nella scelta delle attività finanziarie in termini di rendimenti cumulati. Il campione considerato nell'analisi riguarda tutte i titoli azionari presenti nel mercato NASDAQ da dicembre 1989 a febbraio 2012. Questo capitolo è un lavoro a firma singola. Il secondo capitolo declina in modalità diversa il modello sviluppato nel primo capitolo. In questo contesto, vengono considerate due categorie di agenti: la prima categoria, razionale con una funzione di utilità avversa al rischio e la seconda, con una funzione di utilità a S (convessa nel dominio delle perdite e concava nel dominio dei guadagni) simile a Kahneman e Tversky (1979). Gli agenti prendono decisioni di investimento allo stesso modo, ordinando in termini di utilità le attività finanziarie in base alle loro misure di performance. Assumere che un tipo di un agente sia dotato di una funzione di utilità a S, mostra intuitivamente (ed empiricamente) che l'attitudine nell'intraprendere investimenti rischiosi cambia in base alle fluttuazioni del mercato azionario. Secondo questa ipotesi, in periodi di recessione (finanziaria ed economica), gli agenti finanziari sono attratti da investimenti più rischiosi, che possono generare, con una certa probabilità positiva, rendimenti che compensano le precedenti perdite osservate. Viceversa, in periodi di espansione, gli agenti finanziari risultano maggiormente riluttanti nel prendere posizione in investimenti rischiosi che potrebbero ridurre i guadagni precedentemente osservati. Il modello si propone di stimare il peso relativo della componente comportamentale nel mercato finanziario. L'analisi empirica si basa su dati mensili delle componenti dello S&P 500 da gennaio 1962 ad aprile 2012. Il peso della componente comportamentale rispetto a quella razionale indica che maggiore è il valore di tale fattore di ponderazione, maggiore è il peso che assume la componente comportamentale nella misura aggregata. La stima del fattore di ponderazione è ottenuta massimizzando il rendimento cumulato di cento titoli derivanti dalla misura aggregata. Intuitivamente, il fattore di ponderazione cattura la misura in cui il mercato finanziario dovrebbe essersi spostato dall'ordinamento ottenuto dalla funzione di utilità dell'agente razionale verso l'ordinamento ottenuto dalla funzione di utilità comportamentale, al fine di massimizzare il rendimento dei "migliori" cento titoli. La dimensione scelta per la selezione permette di catturare la componente sistemica del mercato azionario. I risultati confermano l'esistenza di una componente comportamentale significativa che risulta emergere durante le fasi di turbolenza del mercato. Infine, l'evidenza di una correlazione tra la serie del fattore di ponderazione e l'indice VIX, implica che il fattore stimato spiega sostanzialmente le aspettative finanziarie del mercato. Questo capitolo è a firma congiunta con i professori Massimiliano Caporin e Luca Corazzini (Università di Padova). Il terzo capitolo introduce un nuovo criterio per la combinazione delle misure di performance, costruito per essere utilizzato come algoritmo di screening su titoli finanziari. Il criterio di combinazione segue l'idea generale di combinare linearmente misure di performance esistenti in letteratura. Questi pesi vengono determinati attraverso un problema di ottimizzazione di combinazione convessa dei pesi di tali misure. La funzione del criterio di ottimizzazione tiene esplicitamente conto del trade-off rischio-rendimento. Gli asset vengono valutati su una finestra temporale costruita su base storica. Per costruzione, e per l'approccio di valutazione effettuato su una finestra temporale fissa, i pesi della combinazione delle misure stimate possono variare nel tempo, consentendo quindi cambiamenti nelle preferenze nelle misure di performance. L'approccio proposto è implicitamente robusto per le caratteristiche dinamiche della funzione di densità dei rendimenti e di come queste possono infuenzare la valutazione delle misure di performance (che rappresentano i valori di input dell'algoritmo di screening). Il risultato finale della combinazione lineare delle misura di performance è un indice composito, che può essere quindi essere utilizzato per creare screening sui titoli finanziari. Un'applicazione empirica illustra l'utilizzo dell'algoritmo di screening in un schema semplificato di allocazione di portafoglio. Il capitolo è a firma congiunga con professori Monica Billio (Università Ca 'Foscari di Venezia) e Massimiliano Caporin. Il quarto capitolo esamina il contagio finanziario utilizzando un approccio a cambio di regime (regime switching) basato sulle vine copula. Le vine copula permettono di operare facilmente in un contesto multivariato attraverso l'uso della decomposizione pair-copula (a copula bivariate), introdotto da Aas et al. (2009). Le serie degli indici finanziari (dette le marginali delle copula) sono modellate da processi GARCH a memoria lunga con la volatilità che entra nell'equazione delle media, Christensen et al. (2010). In particolare, questi modelli ben catturano la dipendenza lunga che caratterizza le serie finanziarie, consentendo inoltre effetti asimmetrici nell'equazione GARCH ed includendo l'impatto delle innovazioni nella media. Nel lavoro, le funzioni copula vengono utilizzate per modellare la struttura delle dipendenze tra i mercati finanziari. L'obiettivo del capitolo è quello di utilizzare il processo GARCH a memoria lunga per filtrare le serie marginali e successivamente utilizzare l'approccio a cambio di regime. Le diverse famiglie di copula utilizzate in ciascun regime, permettono di avere diverse strutture di dipendenza tra gli indici azionari nei regimi considerati. Diebold e Inoue (2001) hanno evidenziato come i processi a memoria lunga e a cambio di regime possano portare a risultati fuorvianti. Infatti, la memoria lunga può venire facilmente scambiata per dei cambiamenti strutturali nelle serie e viceversa. Nel nostro caso, la memoria lunga e il cambio di regime vengono utilizzati in modo complementare, dal momento che vengono applicate lungo diverse dimensioni; rispettivamente, univariata e multivariata. L'analisi empirica si concentra sui principali paesi europei (Germania, Francia, Italia, Spagna e Paesi Bassi), al fine di individuare contagio finanziario o integrazione finanziaria. Il capitolo rappresenta una versione preliminare del lavoro, dove gli indici azionari sono stati modellati mediante il processo esponenziale GARCH a memoria lunga (FIEGARCH). Lo studio è a firma congiunta con il professor Bent Jesper Christensen (CREATES - Università di Aarhus).