Booms and Busts in Asset Prices: Risk Modeling, Bubble Detection, and the Role of Monetary Policy

Abstract

Throughout history, bursting asset price bubbles have frequently challenged not only the stability of the financial system, but have also caused severe economic contractions. Most recently, the global financial crisis (GFC) resulting from the burst of the U.S. housing bubble has provided a forceful reminder about the risks inherent in financial markets and has challenged the understanding of macro- and financial economists about the linkages between the financial system and the real economy. As a result, the crisis has also sparked intense debates about pre-crisis economic and financial policies, in particular with regard to financial market regulation and the role of monetary policy in amplifying or dampening asset price cycles. This dissertation consists of four chapters that empirically address some of these challenges and debates. Thereby, this thesis contributes to the literature on risk modeling of serially dependent asset returns; the real-time detection of asset price bubbles; forecasting of real economic activity using real-time indicators for asset price bubbles; and the role of monetary policy in asset mispricing. The first chapter, based on a paper with Helmut Herwartz and Moritz Seidel, explores whether model residuals from the class of (threshold) generalized autoregressive conditional heteroskedasticity ((T)GARCH) models are characterized by serial dependence, which could potentially be used to enhance conventional risk forecasts. We find that these residuals are hardly independent and identically distributed but instead show forms of higher order serial dependence. This suggests that TGARCH models commonly employed for predicting market risk of speculative asset returns do not use all available information for their forecast. We propose two strategies to quantify the serial dependence structures between model innovations, a nonparametric estimation approach and a flexible modeling approach based on standardized copula distributions. We show that these strategies more accurately describe the in-sample dependence patterns between consecutive innovations, and outperform conventional TGARCH model predictions for the conditional Value-at- Risk and the conditional Expected Shortfall at the relevant risk levels outlined by the Basel Committee on Banking Supervision. The second chapter assesses whether emerging asset price bubbles can be detected in real-time. For this, I begin by evaluating the accuracy of existing early warning indicators for stock price bubbles. I apply these indicators to U.S. stock market data and highlight the considerable signal heterogeneity across all indicators, with frequent false positive signals during normal times and instable signals during the 1990's dot-com bubble. To improve signal accuracy, I then propose two strategies to combine signals from all individual indicators in real-time. First, I put forward a simple counting approach that requires the number of simultaneous bubble signals from all indicators to exceed a specified threshold. Second, I develop a combination indicator based on a multiple testing procedure that controls the overall size of such a joint test. Through simulations, I show that both combination strategies provide more accurate real-time signals for the emergence and collapse of asset price bubbles. The third chapter, based on joint work with Dirk Ulbricht, assesses whether real-time indicators for bubbles on stock and housing markets contain valuable information for predicting real economic activity. We find that several indicators for asset price bubbles strongly improve upon an autoregressive (AR) forecast model for output growth. Moreover, these bubble- augmented AR models are also highly competitive in providing accurate forecasts against a large set of 216 models based on macroeconomic and financial predictors commonly used to forecast real economic activity. In addition, we note that the best predictive bubble indicators also provide the most plausible bubble signals, providing further evidence that these indicators are capable of detecting true bubble episodes in real-time. The fourth chapter, based on joint work with Kerstin Bernoth, investigates the role of monetary policy in misaligning stock prices from their fundamental value. Using a structural vector autoregressive model, we decompose the estimated response of stock prices to a monetary policy shock into a change of expected future dividends and a change in the equity risk premium. We find that only about one third of the overall impact response of stock prices can be accounted for by these two sources, which suggests a strong and systematic overreaction of stock markets to monetary policy shocks. This result lends support to the proponents of an activist, leaning against the wind monetary policy: By raising interest rates, the central bank can indeed lower the mispricing component in stock prices. However, this comes at the cost of dampening real economic activity and is hence only recommendable to an inflation-targeting central bank when a perceived excessive asset price boom is accompanied by economic growth and inflation above the bank's targets.

Auf Vermögensmärkten ist es im Laufe der Geschichte immer wieder zu Preisblasen gekommen, welche häufig mit schwerwiegenden Folgen nicht nur für die Stabilität des Finanzsystems, sondern auch mit empfindlichen realwirtschaftlichen Konsequenzen einhergingen. Zuletzt hat die aus dem Platzen der U.S.-amerikanischen Immobilienblase resultierende Globale Finanzkrise die Risiken im Finanzsystem deutlich hervortreten lassen, und das Vorkrisenverständnis von Makroökonomen und Finanzwissenschaftlern über die makrofinanziellen Verknüpfungen herausgefordert. Darüber hinaus hat die Krise Debatten über die wirtschafts- und finanzmarktpolitischen Rahmenbedingungen angestoßen, insbesondere mit Blick auf die Finanzmarktregulierung und die Rolle der Geldpolitik in der Verstärkung von Vermögensblasen. Diese Dissertation besteht aus vier Kapiteln, die sich empirisch mit einigen dieser Debatten befassen. Insbesondere leistet diese Dissertation einen Beitrag zur Literatur der Modellierung von seriell abhängigen Finanzmarktrenditen, der Echtzeiterkennung von Vermögenspreisblasen und deren Nutzen für die Konjunkturprognose, sowie der Rolle der Geldpolitik in der Fehlbepreisung von Vermögenswerten. Das erste Kapitel, basierend auf einem Papier mit Helmut Herwartz und Moritz Seidel, untersucht, ob Modellinnovationen von (Threshold) Generalized Autoregressive Conditional Heteroskedasticity ((T)GARCH) Modellen serielle Abhängigkeiten aufweisen, welche potenziell zur Verbesserung herkömmlicher Risikoprognosen genutzt werden könnten. Wir beobachten, dass diese Residuen in der Tat nicht unabhängig und gleichverteilt sind, sondern seriell abhängig in höherer Ordnung sind. Das deutet darauf hin, dass TGARCH Modelle, welche oftmals zur Prognose von Marktrisiken spekulativer Vermögenspositionen verwendet werden, nicht alle verfügbaren Informationen nutzen. Um diesen Prognosegehalt auszunutzen, schlagen wir zwei Strategien zur Quantifizierung der zeitlichen Abhängigkeitsstrukturen zwischen Modellinnovationen vor, einen nichtparametrischen Ansatz, und einen flexiblen Modellierungsansatz basierend auf standardisierten Copulaverteilungen. Wir zeigen, dass diese Strategien die Abhängigkeitsmuster aufeinanderfolgender Innovationen besser beschreiben, und die Prognosegüte konventioneller TGARCH- Modelle für den bedingten Wert im Risiko (Value at Risk, VaR) und den bedingten erwarteten Fehlbetrag (Expected Shortfall, ES) deutlich verbessern. Das zweite Kapitel analysiert, ob entstehende Vermögenspreisblasen in Echtzeit erkannt werden können. Dafür evaluiere ich zunächst die Signalqualität existierender Frühwarnindikatoren für Aktienpreisblasen. Für U.S. Daten zeige ich die erhebliche Heterogenität der Blasensignale aller Indikatoren auf, und beobachte zahlreiche falsche positive Signale in Zeiten stabiler Preise, und instabile Signale während der 1990'er Dotcom-Blase. Zur Verbesserung der Signalgenauigkeit schlage ich daher zwei Strategien zur Echtzeitkombination der Signale aller einzelnen Indikatoren vor: eine simple Abzählregel, die die Signale aller einzelnen Indikatoren aggregiert und die Überschreitung eines Schwellenwertes erfordert, sowie einen Indikator basierend auf einem multiplen Testansatz, welcher die Gesamtgröße eines solchen gemeinsamen Tests kontrolliert. Im Rahmen einer Simulations-studie zeige ich, dass beide Kombinationsansätze präzisere Echtzeitsignale für die Entstehung und den Zusammenbruch von Vermögenspreisblasen senden. Das dritte Kapitel, beruhend auf einer gemeinsamen Arbeit mit Dirk Ulbricht, untersucht anschließend, ob diese Echtzeitindikatoren für Aktien- und Hauspreisblasen wertvolle Informationen für die Konjunkturprognose liefern. Unsere Ergebnisse zeigen, dass mehrere dieser Indikatoren die Prognosen eines autoregressiven (AR) Modells für das Wachstum der Industrieproduktion deutlich verbessern. Des Weiteren sind diese um Blasenindikatoren erhöhten AR Modelle wettbewerbsfähig gegen eine umfangreiche Reihe von 216 Modellen, die auf Informationen von häufig verwendeten makroökonomischen Zeitreihen und Finanzmarktvariablen zugreifen. Wir zeigen weiterhin, dass die besten Prognoseindikatoren ebenfalls die plausibelsten Blasensignale senden, was ein weiterer Hinweis darauf ist, dass diese Indikatoren in der Lage sind Vermögenspreisblasen in Echtzeit zu erkennen. Das vierte Kapitel, basierend auf einem Papier mit Kerstin Bernoth, untersucht die Rolle der Geldpolitik in der Blasenbildung auf Aktienmärkten. Mit Hilfe eines strukturellen vektorautoregressiven Modells zerlegen wir dafür die Veränderung von Aktienpreisen auf einen geldpolitischen Schock in die Veränderung zukünftiger Dividenden und die Veränderung der erwarteten Risikoprämie. Wir beobachten, dass lediglich ein Drittel der Gesamtveränderung von Aktienpreisen auf diese beiden Größen zurückzuführen ist, was auf eine starke und systematische Überreaktion von Aktienmärkten auf geldpolitische Schocks hindeutet. Unsere Ergebnisse unterstützen dabei die Forderungen nach einer aktiven, „leaning against the wind“ Geldpolitik: In dem die Zentralbank die Zinsrate erhöht, kann sie übertriebene Fehlbewertungen von Aktienpreisen senken. Allerdings verursacht dies ein deutliches Abschwächen der Konjunktur und kann daher nur in Einklang mit einer auf Preisstabilität ausgerichteten Geldpolitik gebracht werden, wenn eine wahrgenommene Aktienpreisblase mit Wirtschaftswachstum und Inflation oberhalb der Zentralbankziele einhergeht.