Aktienpreisanalysen von IndiGo und SpiceJet während COVID-19
Ein Blick darauf, wie die Pandemie die Aktienkurse der Airlines beeinflusst hat.
― 7 min Lesedauer
Inhaltsverzeichnis
- Bedeutung der Aktienkurse
- Tail-Verhalten der Aktienkurse
- Datensammlung
- Extremwerttheorie
- Wechselpunkte
- Methoden zur Wechselpunkterkennung
- Analyse der Aktienkurse während COVID-19
- Renditeraten und Marktverhalten
- Datenvorverarbeitung
- Parameterschätzung
- Korrelation zwischen den Airlines
- Likelihood-Ratio-Test (LRT)
- Modifiziertes Informationskriterium (MIC)
- Simulationsstudien
- Kritische Werte und Power-Vergleich
- Anwendung auf reale Daten
- Interpretation der Ergebnisse
- Zukünftige Implikationen
- Fazit
- Originalquelle
- Referenz Links
Die COVID-19-Pandemie hat viele Branchen stark getroffen, einschliesslich der Luftfahrt. In diesem Artikel schauen wir uns an, wie die Aktienkurse von zwei grossen indischen Fluggesellschaften, IndiGo und SpiceJet, in dieser herausfordernden Zeit betroffen waren. Wir werden die Verbindung zwischen den Aktienkursen dieser beiden Airlines untersuchen, besonders in Zeiten extremen Marktverhaltens.
Bedeutung der Aktienkurse
Aktienkurse sind wichtige Indikatoren für die finanzielle Gesundheit und Marktposition eines Unternehmens. Wenn man die Leistung einer Airline bewertet, spiegeln die Aktienkurse die Meinungen und Erwartungen der Investoren über zukünftige Gewinne wider. Händler versuchen oft, niedrig zu kaufen und hoch zu verkaufen, um ihre Gewinne zu maximieren. Während der Pandemie führten die Reisebeschränkungen und die verringerte Nachfrage nach Flugreisen zu erheblichen Kursrückgängen, und das Verständnis dieser Veränderungen kann wertvolle Einblicke in das Marktverhalten geben.
Tail-Verhalten der Aktienkurse
Bei der Analyse von Aktienkursen konzentrieren wir uns oft auf die täglichen Renditen, die zeigen, wie viel sich der Preis von einem Tag auf den anderen verändert hat. Die Renditerate kann einen Gewinn oder Verlust für Investoren anzeigen. Besonders interessiert uns der obere Schwanz der Verteilung dieser Renditen – dieser Teil kann uns helfen zu verstehen, wie Aktien sich unter extremen Bedingungen verhalten, wie z.B. bei hohen Verkaufspreisen.
Datensammlung
Wir haben Daten von Dezember 2019 bis Mai 2022 gesammelt, also einem Zeitraum, der drei bedeutende Wellen von COVID-19 in Indien umfasst. In dieser Zeit war das Fliegen stark eingeschränkt, was sich auf die Aktienkurse der Airlines auswirkte. Wenn wir die Aktienkurse von IndiGo und SpiceJet in diesem Zeitraum betrachten, können wir sehen, wie sich ihre Leistung und Interdependenz verändert haben.
Extremwerttheorie
Die Extremwerttheorie (EVT) ist ein statistisches Verfahren, das verwendet wird, um extreme Ereignisse zu analysieren, wie die höchsten oder niedrigsten beobachteten Aktienkurse über die Zeit. EVT hilft uns zu verstehen, wie sich Aktienkurse während signifikanter Marktverschiebungen verhalten. Es konzentriert sich auf das Ende der Preissverteilung, wo die extremen Werte liegen. Diese Analyse kann helfen festzustellen, ob zwei Aktien dazu neigen, sich während extremer Marktbedingungen gemeinsam zu bewegen.
Wechselpunkte
Ein Wechselpunkt ist ein Moment, an dem sich die statistischen Eigenschaften der Daten ändern. In unserem Fall wollen wir herausfinden, wann sich die Beziehung zwischen den Aktienkursen von IndiGo und SpiceJet signifikant verschoben hat, insbesondere während der COVID-19-Pandemie. Das Finden dieser Wechselpunkte kann Investoren und Analysten über potenzielle Wendepunkte bei den Aktienkursen informieren.
Methoden zur Wechselpunkterkennung
Um Wechselpunkte zu erkennen, können wir verschiedene statistische Methoden verwenden, darunter den Likelihood-Ratio-Test (LRT) und das Modifizierte Informationskriterium (MIC). Diese Tests bieten eine Möglichkeit, Daten vor und nach einem vermuteten Wechselpunkt zu vergleichen, um festzustellen, ob eine signifikante Änderung stattgefunden hat.
Analyse der Aktienkurse während COVID-19
Als wir die Aktienkurse von IndiGo und SpiceJet während der Pandemie analysierten, beobachteten wir mehrere Muster. Zunächst fielen die Aktienkurse beider Airlines stark, als die Pandemie begann. Dies war hauptsächlich auf weitreichende Reisebeschränkungen und einen massiven Rückgang der Nachfrage nach Flugreisen zurückzuführen. Die erste Phase des Lockdowns in Indien hatte einen bemerkenswerten Einfluss auf ihre Aktienkurse, und unser Ziel war es, herauszufinden, wann diese Veränderungen stattfanden.
Renditeraten und Marktverhalten
Wir berechneten die Renditeraten für beide Airlines, was uns half, ihre Leistung während der Pandemie zu verstehen. Durch den Fokus auf die maximalen täglichen Renditen konnten wir sehen, wie diese Raten schwankten. Es wurde deutlich, dass der Aktienkurs von SpiceJet im Vergleich zu IndiGo volatiler war. Diese zunehmende Volatilität könnte die Reaktion des Marktes auf die Herausforderungen widerspiegeln, denen sich beide Airlines gegenübersahen.
Datenvorverarbeitung
Bevor wir die Aktienkurse analysierten, führten wir Vorverarbeitungsschritte durch, um genaue Ergebnisse zu gewährleisten. Wir schätzten Parameter für die Verteilung der Renditen, wodurch wir die Daten für eine effektivere Analyse transformieren konnten. Diese Transformation ist wichtig, wenn man mit EVT arbeitet, da sie hilft, das Verhalten des oberen Schwanzes genauer zu analysieren.
Parameterschätzung
Um die Veränderungen der Abhängigkeit zwischen den Aktienrenditen von IndiGo und SpiceJet zu bewerten, schätzten wir die relevanten Parameter für ihre jeweiligen Renditeverteilungen. Diese Schätzung hilft uns zu verstehen, wie sich extreme Renditen zueinander verhalten während der Pandemie.
Korrelation zwischen den Airlines
Wir untersuchten die Korrelation zwischen den Renditeraten der beiden Airlines mit einer Methode namens extremale Abhängigkeitsmasse. Diese Analyse zeigt, wie sich die Renditeraten von IndiGo und SpiceJet während extremer Marktereignisse gemeinsam bewegten. Eine stärkere Korrelation könnte darauf hindeuten, dass beide Airlines ähnlichen Herausforderungen gegenüberstanden und ähnlich auf die Auswirkungen der Pandemie auf den Luftfahrtsektor reagierten.
Likelihood-Ratio-Test (LRT)
Der LRT ist eine der am häufigsten verwendeten Methoden zur Erkennung von Wechselpunkten. Er vergleicht die Wahrscheinlichkeit der Daten unter zwei verschiedenen Modellen: einem, das annimmt, dass es keinen Wechselpunkt gibt, und einem, das einen Wechselpunkt zulässt. Wenn die Beweise das Modell mit einem Wechselpunkt unterstützen, können wir die Nullhypothese eines fehlenden Wechselpunkts ablehnen.
Modifiziertes Informationskriterium (MIC)
Eine andere Methode zur Erkennung von Wechselpunkten ist das MIC. Dieser Ansatz bietet eine Möglichkeit, die Güte der Anpassung eines Modells zu bewerten und Wechselpunkte effektiver zu identifizieren. MIC ist besonders nützlich für Wechselpunkte am Anfang oder Ende der Datensequenz, wo andere Methoden Schwierigkeiten haben könnten.
Simulationsstudien
Um das Verhalten dieser Erkennungsmethoden besser zu verstehen, führen wir Simulationsstudien durch. Diese Studien helfen uns, die Effektivität von LRT und MIC in verschiedenen Szenarien zu bewerten, einschliesslich unterschiedlicher Stichprobengrössen und wahrer Parameterwerte.
Kritische Werte und Power-Vergleich
Durch die Untersuchung von kritischen Werten, die aus unseren Tests erhalten wurden, konnten wir einschätzen, wie oft wir erwarten würden, einen Wechselpunkt erfolgreich zu identifizieren, wenn einer existiert. Das Verständnis der "Power" dieser Tests hilft uns, zu bestimmen, wie zuverlässig jede Methode in der Praxis ist.
Anwendung auf reale Daten
Nachdem wir unsere Methoden gründlich vorbereitet und getestet hatten, wandten wir sie auf die Aktienkurse von IndiGo und SpiceJet an. Wir fanden Beweise für einen signifikanten Wechselpunkt, der mit der Ankündigung der ersten Lockdown-Phase in Indien zusammenfiel. Diese Erkenntnis stimmt mit den drastischen Veränderungen in der Luftfahrtindustrie während der Pandemie überein.
Interpretation der Ergebnisse
Die Ergebnisse unserer Analyse deuten darauf hin, dass die Interdependenz zwischen den beiden Airlines nach der Ankündigung des Lockdowns signifikant zunahm. Vor diesem Zeitraum waren ihre Aktienkurse weniger korreliert, was auf ein anderes Marktverhalten hinweist. Der Lockdown zwang beide Airlines, sich ohne Präzedenzfall Herausforderungen zu stellen, was zu einer stärkeren Verbindung in ihren Aktienkursbewegungen führte.
Zukünftige Implikationen
Unsere Methode zur Erkennung von Wechselpunkten in Aktienkursen kann auch auf andere Airlines und Branchen angewendet werden. Sie kann auch nützlich sein, um verschiedene wirtschaftliche Situationen zu analysieren, wie Rezessionen oder andere Krisen. Diese Flexibilität macht die Methoden zu wertvollen Werkzeugen für Marktanalysten und Investoren, die fundierte Entscheidungen treffen möchten.
Fazit
Zusammenfassend haben wir die Aktienkurse von IndiGo und SpiceJet während der COVID-19-Pandemie analysiert, um zu verstehen, wie extreme Marktbedingungen ihre Renditen beeinflussten. Durch die Verwendung von EVT und Methoden zur Wechselpunkterkennung identifizierten wir eine signifikante Veränderung im Verhalten ihrer Aktienkurse, die mit bedeutenden Lockdown-Ankündigungen zusammenfiel. Diese Ergebnisse zeigen, wie wichtig es ist, finanzielle Beziehungen in schwierigen Zeiten zu verstehen, da sie helfen können, in Zukunft bessere Investitionsentscheidungen zu treffen.
Titel: Estimating Changepoints in Extremal Dependence, Applied to Aviation Stock Prices During COVID-19 Pandemic
Zusammenfassung: The dependence in the tails of the joint distribution of two random variables is generally assessed using $\chi$-measure, the limiting conditional probability of one variable being extremely high given the other variable is also extremely high. This work is motivated by the structural changes in $\chi$-measure between the daily rate of return (RoR) of the two Indian airlines, IndiGo and SpiceJet, during the COVID-19 pandemic. We model the daily maximum and minimum RoR vectors (potentially transformed) using the bivariate H\"usler-Reiss (BHR) distribution. To estimate the changepoint in the $\chi$-measure of the BHR distribution, we explore two changepoint detection procedures based on the Likelihood Ratio Test (LRT) and Modified Information Criterion (MIC). We obtain critical values and power curves of the LRT and MIC test statistics for low through high values of $\chi$-measure. We also explore the consistency of the estimators of the changepoint based on LRT and MIC numerically. In our data application, for RoR maxima and minima, the most prominent changepoints detected by LRT and MIC are close to the announcement of the first phases of lockdown and unlock, respectively, which are realistic; thus, our study would be beneficial for portfolio optimization in the case of future pandemic situations.
Autoren: Arnab Hazra, Shiladitya Bose
Letzte Aktualisierung: 2024-06-14 00:00:00
Sprache: English
Quell-URL: https://arxiv.org/abs/2308.13895
Quell-PDF: https://arxiv.org/pdf/2308.13895
Lizenz: https://creativecommons.org/licenses/by/4.0/
Änderungen: Diese Zusammenfassung wurde mit Unterstützung von AI erstellt und kann Ungenauigkeiten enthalten. Genaue Informationen entnehmen Sie bitte den hier verlinkten Originaldokumenten.
Vielen Dank an arxiv für die Nutzung seiner Open-Access-Interoperabilität.