Portfolio Risk and Asset Allocation:
Utilizing High-Frequency Information in High Dimensions

General description (in German)

Die Messung und die Vorhersage von Risiken von Wertpapier-Portfolios ist ein wichtiges Thema mit hoher Sozialrelevanz. Die aktuelle Finanzkrise hat deutlich gemacht, welch fatale Auswirkungen mangelhaftes Verständnis der einhergehenden Risiken haben kann, mit dramatischen Konsequenzen
für den Finanzsektor, aber auch für die Gesamtwirtschaft und damit für die Gesellschaft.
Spezielles Augenmerk richtet das Projekt auf eine bessere Messung gegenseitiger Abhängigkeiten in hochdimensionalen Portfolios auf der Basis von Hochfrequenzdaten und die Entwicklung entsprechender
risiko- und kostenminimierender Portfoliostrategien. Um Extremereignissen und nichtlinearen Zusammenhängen Rechnung zu tragen, werden neben hochdimensionalen Kovarianzstrukturen auch
neuartige Copula-Modelle sowie Konzepte für Extremabhängigkeiten weiterentwickelt. Diese dienen als brauchbare Grundlagen für ein Risikomanagement als robuste Balance zwischen Chancen und Risiken.

Scientific Abstract

Measuring and predicting risk of financial positions and using risk forecasts for decision making is of high social relevance. The recent financial and economic crisis taught us that misperception and underestimation of risk can have dramatic consequences for both the financial sector and the
entire society. New challenges arise due to an increasing emphasis on the analysis of extreme events, the requirement of managing large-scale portfolios and the possibility of exploiting highfrequency market information. To address these issues, the objective of this project is twofold. On the one hand, we aim for a deeper understanding of high-dimensional dependencies of asset returns, reflected by more advanced estimates of covariance structures, tail dependencies and measures reflecting extreme (correlation) risks. On the other hand, we will develop mathematical and statistical tools for optimizing large-dimensional portfolio positions and for monitoring and managing their risks under realistic conditions. The innovations of this project are (i) the development of a theoretical and empirical framework to control for transaction costs in high-frequency based Portfolio optimization, (ii) the further development of high-dimensional copula models and measures of tail dependence, and (iii) the construction of forecasts of large-scale asset return covariances exploiting high-frequency data.