Abstract:
Die vorliegende Arbeit beschÄaftigt sich mit der LiquiditÄat am deutschen Aktienmarkt. Konkret analysieren wir den Preiseinfluss von Transaktionen. Zunächst zeigen wir in einem einfachen dynamischen Optimierungsmodell, wie die optimale Handelsstrategie eines Anlegers von der funktionalen Form der Preiseinflussfunktion abhängt. Anschließend bestimmen wir diese unter Verwendung von Orderbuchdaten aus dem XETRA-Handel. Wir finden, dass die Annahme eines in der Ordergröße linearen Preiseinflusses, wie sie in der Literatur üblicherweise verwendet wird, empirisch nicht zu halten ist. In etwa der Hälfte der Fälle ist die Preiseinflussfunktion konvex, in der anderen Hälfe der Fälle konkav. Die Form der Preiseinflussfunktion ändert sich dabei nicht rein zufällig, sondern lässt sich mit einem VAR(1)-Modell gut prognostizieren. Mit einem linearen Modell ist die Prognosegüte deutlich geringer. Die Ergebnisse unserer Studien implizieren, dass Anleger durch eine Anpassung ihrer Handelsstrategie an die Liquiditätsdynamik einen beträchtlichen Teil der liquiditätsbedingten Transaktionskosten im deutschen Aktienmarkt einsparen können.
Abstract (Translated):
In this paper we investigate the price impact at the German Stock Exchange. In a simple dynamic model we show how the optimal trading strategy of an investor crucially depends on the functional form of the price impact function. Furthermore we determine the price impact function from order book data from the XETRA Automated Exchange. We find strong deviations of the price impact function from linearity, with it being convex for about 50% of the cases, and concave for the other 50%. Changes over time in the functional form can be predicted quite accurately by a VAR(1)-model for the parameters of a nonlinear model. In terms of forecast accuracy, a nonlinear model is superior to a linear model. The results imply that investors can reduce price impact costs at the German Stock Exchange by adjusting their trading strategies to the liquidity dynamics.
