Möglichkeiten und Grenzen selektiver Hedgingstrategien - Institut für ...
Möglichkeiten und Grenzen selektiver Hedgingstrategien - Institut für ...
Möglichkeiten und Grenzen selektiver Hedgingstrategien - Institut für ...
Sie wollen auch ein ePaper? Erhöhen Sie die Reichweite Ihrer Titel.
YUMPU macht aus Druck-PDFs automatisch weboptimierte ePaper, die Google liebt.
5 Selektives Hedging<br />
ermittelt werden kann. 187 Für jede der nachfolgend erläuterten ökonometrischen Modelle wird<br />
der Absicherungsgrad der folgenden Woche vorausgesagt, indem die benötigten Varianzen,<br />
Kovarianzen <strong>und</strong> Preisvorhersagen berechnet werden. Dieser Vorgang wiederholt sich <strong>für</strong><br />
jede Woche mit den jeweils neuen Daten <strong>für</strong> die verschiedenen Methoden, sodass letztlich 73<br />
Vorhersagen <strong>für</strong> jedes der Modelle generiert werden. 188 Die Ordinary Least Square Technique<br />
(OLS) dient dazu, die unbekannten Variablen einer linearen Regression zu bestimmen, indem<br />
die in einer Datenreihe beobachteten Werte möglichst nah an die prognostizierte lineare<br />
Schätzung herangeführt werden. Dies wird mathematisch über die Minimierung der Summe<br />
der quadrierten vertikalen Entfernungen durchgeführt. Nachteilig an dieser Vorgehensweise<br />
ist jedoch, dass über die Zeit variierende Verteilungen, serielle Korrelationen,<br />
Heteroskedastizität <strong>und</strong> Kointegration nicht bedacht werden; zudem sind die Residuen<br />
autokorreliert. 189 Gegenüber keiner Absicherung führt diese Methode bei Weizen- <strong>und</strong><br />
Frachtratenabsicherung zu einem Nutzenwachstum (Nutzen = sicheres Äquivalenzein-<br />
kommen) um ca. 25% (in-sample) sowie 31% (out-of-sample). Bei der in-sample-Prognose<br />
wird die unbekannte Größe mittels Interpolation, also dem Finden einer stetigen Funktion, die<br />
die jeweiligen Werte abbildet, ermittelt <strong>und</strong> bei der Out-of-sample-Methode geschieht dies<br />
mittels Extrapolation, also einer Hochrechnung. Wenn nur die offene Weizenposition<br />
abgesichert wird, liegt der durchschnittliche Nutzenzuwachs hingegen nur bei ca. 21% (In-<br />
sample) <strong>und</strong> ca. 18% (Out-of-sample). 190 Dazu verglichen wird die Seemingly Unrelated<br />
Regression (SUR), welches als lineares Regressionsmodell aus einzelnen<br />
Regressionsgleichungen besteht, die scheinbar ohne Beziehung zueinander sind. Die den<br />
jeweiligen Gleichungen innewohnenden Variablen sind abhängig voneinander <strong>und</strong> potenziell<br />
unterschiedliche Zusammensetzungen von exogenen, erklärenden Variablen. Die<br />
Kovariabilität zwischen Zeitreihen von Spot- sowie Terminpreisen wird mit berücksichtigt. 191<br />
Daneben werden die genannten Methoden mit dem multivariaten generalisierten<br />
autoregressiven Heteroskedastizität-Ansatz (MGARCH) verglichen, wo im Gegensatz zum<br />
SUR auch im Zeitablauf unterschiedliche Preisvarianzen <strong>und</strong> Kovarianzen der Kassa- <strong>und</strong><br />
Futuresmarkterlöse in den Schätzprozess einbezogen werden. Insgesamt führt die Schätzung<br />
von im Zeitablauf schwankenden Absicherungsgraden in verwandten Märkten wie denen der<br />
Frachten <strong>und</strong> Rohstoffe zu dem Ergebnis, dass sich Futureskontrakte <strong>für</strong> Frachtraten zur<br />
187 (Haigh & Holt, 2000), S. 885<br />
188 (Haigh & Holt, 2000), S. 890<br />
189 (Srinivasan, 2011), S. 9<br />
190 (Haigh & Holt, 2000), S. 890, 891<br />
191 (Haigh & Holt, 2000), S. 881<br />
44