# Intro to Econ: Ninth Lecture Aside – The Winner’s Curse

For one last time, I want to come back to the problem of whether you get a loan for your project under the assumption that the risk inherent in your project is stochastically independent of other investment risks. So this was our problem (see also here and here):

$\begin{tabular}{c|ccccc} Scenario & Income & Probability & you get & investor gets \\ \hline good & 200.000 & 80\% & 200.000-x & x \\ bad & -50.000 & 20\% & 0 & -50.000 \\ \end{tabular},$

where $x$ is the repayment amount that you pay back to the investor in case of the project being successful. We argued (in a previous post) that the range of feasible interest rates is 12,5% to 200%. Anything outside that will certainly not be accepted by either the investor or by you.

Suppose that you and the investor are close to agreeing to an interest rate of just over 12,5%. Put yourself in the shoes of the investor for a moment. What might worry you in this case?

# Intro to Econ: Ninth Lecture Aside – Moral Hazard

I want to briefly come back to the problem of whether you get a loan for your project under the assumption that the risk inherent in your project is stochastically independent of other investment risks. So this was our problem (see also here and here):

$\begin{tabular}{c|ccccc} Scenario & Income & Probability & you get & investor gets \\ \hline good & 200.000 & 80\% & 200.000-x & x \\ bad & -50.000 & 20\% & 0 & -50.000 \\ \end{tabular},$

where $x$ is the repayment amount that you pay back to the investor in case of the project being successful. We argued (in a previous post) that the range of feasible interest rates is 12,5% to 200%. Anything outside that will certainly not be accepted by either the investor or by you.

Suppose that you and the investor are close to agreeing to an interest rate of almost 200%. Put yourself in the shoes of the investor for a moment. What might worry you in this case?

# Intro to Econ: Ninth Lecture – Risk Premia under Non-Independent Risks

Recall the problem we had in the previous two posts (here and here). You are considering undertaking a worthwhile but risky project and need some startup money in order to do it. Investors give your project an 80% chance of succeeding and a 20% chance of failing. The problem can be summarized in the following table, where $x$ is the repayment amount that you pay back to the investor in case of the project being successful. If it is unsuccessful you pay nothing, because you have nothing. You “default” on your loan in that case. This is the risk the investor takes on when she or he gives you this loan.

$\begin{tabular}{c|ccccc} Scenario & Income & Probability & you get & investor gets \\ \hline good & 200.000 & 80\% & 200.000-x & x \\ bad & -50.000 & 20\% & 0 & -50.000 \\ \end{tabular}$

In the previous post we considered the case that this risk inherent in your project is stochastically independent of the risks in other potential investment opportunities. In this case we figured out that the interest rate you might get for your project might be as low as 12.5% (but certainly not below that). This is so low that, due to the risk in the investment, investors expect actually a zero return on their investment. The actual interest rate would then probably be a bit higher, determined by supply and demand.

All this depends, however, on the fact the risk is stochastically independent of other risks. Expressed differently, one could say that the financial market generates no risk premium on any stochastically independent risk in an investment opportunity. This is because investors can hedge independent risks away by diversifying their investment portfolio. They can invest small amounts in many such independent risks and then, by force of the law of large numbers, actually have no risk in their diversified portfolio.

In this post, which I am now finally getting to, I want to consider how this analysis changes when the risk inherent in this investment opportunity is not stochastically independent of other risks, but is correlated with them.

# Intro to Econ: Ninth Lecture – Risk Premia under Independent Risks

In the previous post we had the following problem. We were wondering about which interest rate we could expect to see for a loan for a particular risky project. You would like to get a loan, and an investor might like to give it to you. The question was, under what conditions you would get this loan, if you get it at all. Recall, that your project can turn out to be good or bad and that investors generally agree about the chances and consequences of either outcome. The problem can be summarized by the following table, where $x$ is the repayment amount that you pay back to the investor in case of the project being successful. If it is unsuccessful you pay nothing, because you have nothing. You “default” on your loan in that case. This is the risk the investor takes on when she or he gives you this loan.

$\begin{tabular}{c|ccccc} Scenario & Income & Probability & you get & investor gets \\ \hline good & 200.000 & 80\% & 200.000-x & x \\ bad & -50.000 & 20\% & 0 & -50.000 \\ \end{tabular}$

We figured out that you will not accept the loan if the repayment amount $x$ is more than € 200.000 (that would be an interest rate of 200%). Because then you have nothing to gain from this project. In reality, you might not even accept anything close to 200%, but we will come back to this problem later.

We also figured out that the investor will (almost) certainly not accept an interest rate below 12.5%, as otherwise the investor expects a negative return on their investment and would then be better off just putting her or his money under a mattress or, I guess, in a safe or vault. By the way, for a very long time the Catholic Church (and other religions) considered positive interest rates morally wrong. In such a world, you probably wouldn’t get a loan for your great project, unless you find a way around this problem. And that would probably be a shame (see previous post).

In this post I want to think about whether an investor will really accept an interest of 12.5% (or slightly above) given that the investor now takes all the risk and at an interest rate of 12.5% only expects a zero return. The answer to this question, it turns out, all depends on whether the risk in this project is essentially stochastically independent of all other risks inherent in all other projects or not.

# Intro to Econ: Ninth Lecture – Credit Markets – Financial Markets

So far we talked a bit abstractly about markets. Yes, we used some specific products for examples, such as white wine, rental apartments, and perhaps airline pricing, but we have not yet developed a particular market model specifically for a particular product. In this post, I want to do this for a particularly important market: the market for money. This post gives a first account of the basic insights and ingredients that underlie our understanding of credit markets and financial markets. You will see, I hope, that what we have learned so far, especially about supply and demand, while not enough to understand these markets fully, was also not in vain. It will come in handy.

# Insider-Trading: Ein Rätsel

Das folgende Rätsel wurde inspiriert von einen Kommentar von David Friedman, den ich irgendwo (ich weiß nicht mehr wo) gelesen habe.

Es gibt drei Wertpapiere mit folgenden Renditen:

W1: 10%, W2: 5%, W3: -3%.

Auf dem Markt gibt es “Insider”, die über spezielle Informationen über diese Wertpapiere verfügen. Für das Puzzle ist es irrelevant, ob sie diese Informationen legal oder illegal bekommen haben. Sagen wir, Insider halten im Aggregat folgendes Portfolio:

W1: 10, W2: 0, W3: 0.

Alle anderen, die Nicht-Insider, halten folgendes Portfolio:

W1: 10, W2: 10, W3: 10.

Wie man leicht überprüfen kann, beträgt die Rendite von Insidern dann 10% und die Rendite von Nicht-Insidern beträgt 4%.

Wer wie viel von welchem Wertpapier hält, ist private Information. Aber jeder weiß, wie viel von welchem Weltpapier insgesamt am Markt gehandelt wird. Und zwar:

W1: 20, W2: 10, W3: 10.

Jedem Investor steht es frei das Marktportfolio zu halten – also ein Portfolio, in dem Wertpapiere 1,2 und 3 im Verhältnis 2:1:1 enthalten sind. Die Rendite dieses Portfolios beträgt 5,5%.

Das Rätsel lautet also: Wenn Insider überdurchschnittliche Renditen bekommen, müssen alle anderen unterdurchschnittliche Renditen bekommen. Aber jeder kann die durchschnittliche Rendite  bekommen, wenn er das Marktportfolio hält. Warum halten dann nicht alle Nicht-Insider einfach das Marktportfolio? Aber wenn alle Nicht-Insider das Marktportfolio halten, wie können dann die Insider überdurchschnittliche Renditen bekommen?

# Der Zufall in den Wirtschaftswissenschaften

Das diesjährige Generalthema von Pro Scientia, einer österreichischen Studienförderungsinitiative, ist der Zufall. Im Zuge dessen habe ich kürzlich einen Vortrag zum Thema mit dem Titel „Der Zufall in den Wirtschaftswissenschaften. Zwei prominente Beispiele“ gehalten, dessen Kurzzusammenfassung ich hier teilen möchte.

I. Einleitung

Die Unterscheidung zwischen Zufälligkeit und hohem Grad an Komplexität ist keine einfache. Ist etwa der Ausgang eines Würfelwurfs Zufall? Könnte man, wüsste man über sämtliche Ausgangs- und Randbedingungen wie etwa der exakten Neigung der Handfläche oder der genauen Anfangsgeschwindigkeit des Würfels Bescheid, den Ausgang nicht sogar vorab berechnen? Nach einiger Diskussion stellt die Grazer Pro Scientia Gruppe fest: Würfeln ist wohl nicht wirklich zufällig, aber komplex. Ähnlich sieht es mit den wirr erscheinenden Preisbewegungen am Aktienmarkt aus. Preise, die aufgrund von Angebot und Nachfrage an der Börse gebildet werden, spiegeln immerhin doch den Unternehmenswert wider, der wohl stark mit dem mehr oder weniger gut messbaren Unternehmenserfolg zusammenhängt. Rein zufällig kann der Preis somit nicht sein. Es scheint auch tatsächlich langfristige Trends und Zyklen zu geben, die kleinen, oft minütlich auftretenden Schwankungen wirken aber doch eher wie das viel zitierte weiße Rauschen. Im Umgang mit solch volatilen Bewegungen, deren insbesondere kurzfristigen Veränderungen kaum vorhersehbar sind, spielt es jedoch keine so große Rolle, ob es sich beim untersuchten Phänomen tatsächlich oder nur scheinbar um Zufall handelt. Denn der Zufall kann auch in Verbindung mit bekannter Dynamik als Instrument genutzt werden, um komplexe Systeme handhabbar zu machen. Im Folgenden stelle ich zwei Beispiele vor, bei denen es um die Zufälligkeit von Aktienpreisen geht. Im ersten Beispiel folgt der Zufall als Konsequenz einer volkswirtschaftlichen Theorie. Im zweiten wird der Zufall als Modellierungswerkzeug verwendet, um konkrete Probleme der Preisbestimmung finanzmathematisch zu lösen.

II. Effizienzmarkthypothese

Eugene Fama entwickelte die sogenannte Effizienzmarkthypothese (siehe Fama, 1970), die proklamiert, dass im aktuellen Preis einer Aktie bereits sämtliche aktuell verfügbaren Informationen eingepreist sind und Preisänderungen nur aufgrund neuer Information stattfinden. Durch das Analysieren historischer Kursentwicklungen oder fundamentaler, preisrelevanter Daten kann keine zusätzliche Information erlangt werden, weshalb es selbst der klügsten und geschicktesten Marktteilnehmerin nicht gelingen kann, den Mark langfristig zu schlagen, also systematisch Gewinne zu erzielen. Märkte arbeiten in diesem Sinne effizient. Eine Konsequenz dieser Theorie ist, dass Aktienpreise einem zufälligen Muster – mathematisch formuliert einem stochastischen, trendlosen Prozess – folgen. Die beste Prognose für einen zukünftigen Preis ist demnach der aktuelle Kurswert. Spekulationsblasen haben in diesem Bild von Finanzmärkten keinen Platz – sie können sich rein technisch nicht entwickeln oder zumindest nicht lange halten.

Einer der schärfsten Kritiker dieser Theorie ist Robert Shiller, dessen Forschungsgebiet sich unter anderem auf Blasenbildung in Aktien- und Immobilienmärkten erstreckt (siehe beispielsweise Shiller, 2015). Groteskerweise erhielten Shiller und Fama (gemeinsam mit Lars Peter Hansen) 2013 den Nobelpreis für Wirtschaftswissenschaften für ihre empirische Analyse von Kapitalmarktpreisen. Shiller schreibt:

Im Grunde besagt die Effizienzmarkthypothese, dass unterschiedliche Fähigkeiten nicht zu unterschiedlicher Investmentperformance führen. Diese Theorie behauptet, dass die klügsten Menschen nicht in der Lage sind, hinsichtlich der Investmentperformance besser abzuschneiden als die am wenigsten intelligenten – und zwar deshalb nicht, weil ihr überlegenes Wissen bereits vollständig in die Aktienkurse eingepreist ist. Wenn wir die Prämisse der Markteffizienz akzeptieren, ist klug zu sein nicht nur kein Vorteil, sondern daraus folgt unmittelbar auch, dass es kein Nachteil ist, nicht so klug zu sein. […] Was die erwartete Anlagerendite angeht, könnte man genauso gut zufällig Aktien auswählen.

Shiller weißt auf einen signifikanten Unterschied bezüglich Vorhersagbarkeit hin, den die klassische Effizienzmarkthypothese ignoriert: Während es durchaus plausibel erscheint, kurzfristige Änderungen als zufällig aufzufassen, stellt er die langfristige Gültigkeit der Effizienzmarkthypothese in Frage. Psychologische und kulturelle Effekte wie auch Unterschiede in Wissen und Erfahrung können laut seinen Theorien sehr wohl zu länger andauernden Über- oder Unterbewertungen führen, die sich in Spekulationsblasen manifestieren. Der exakte Zeitpunkt einer Trendumkehr ist jedoch auch für ihn nicht vorhersehbar, was das Ausnutzen eines solchen Wissens schwer macht. Die Geschichte und nicht zuletzt die Dotcom-Blase um den Jahrtausendwechsel und die Immobilienblasen im Vorfeld der globalen Finanzkrise scheinen ihm Recht zu geben.

III. Black-Scholes Modell

Das Black-Scholes Modell ist ein finanzmathematisches Modell zur Bewertung, also zur Bepreisung, von Optionen. Eine Option ist ein Finanzderivat, dessen Wert von der Preisentwicklung eines zugrundeliegenden Wertpapiers abhängt. (Anstelle eines Wertpapieres können auch andere volatile Einheiten wie etwa Zinsen, Wechselkurse oder aber auch der Temperatur- oder Niederschlagsverlauf fungieren.) Eine Option verleiht der Käuferin das Recht, niemals aber die Pflicht, das jeweilige Wertpapier zu einem späteren Zeitpunkt zum beim Vertragsabschluss festgesetzten Preis – dem sogenannten Strikepreis – zu kaufen oder zu verkaufen. Sollte der Preis des Wertpapiers zum Ausübungszeitpunkt im Falle einer Kaufoption unten dem Strikepreis liegen, würde die Käuferin ihr Recht nicht ausüben, sondern das jeweilige Wertpapier schlicht zum aktuellen Kurswert erwerben. Damit ist eine Option quasi eine Versicherung gegenüber Preisanstiegen oder Preisverfall – je nachdem ob das Recht zu kaufen oder das Recht zu verkaufen erworben wird. Optionen sind somit ein äußerst sinnvolles Finanzprodukt, mit dem sich Personen gegenüber Risiken absichern können. Beispielsweise sichern sich Fluggesellschaften zu einem gewissen Grad gegen steigende Kerosinpreise oder Landwirte gegen Ernteausfälle aufgrund von zu geringem Niederschlag ab. So wie bei vielen Finanzprodukten können Optionen jedoch auch für Spekulation verwendet werden.

Da für die Käuferin der Option kein Risiko entsteht, sondern sie ausschließlich profitieren oder neutral aus dem Geschäft aussteigen kann, ist es rational notwendig, für die Option einen positiven Preis festzusetzen. Ansonsten hätte der Verkäufer keinerlei Anreiz, sich auf das Geschäft einzulassen – there is no free lunch. Allerdings: Wie setzt man einen Preis fest, dessen Wert von einer unbekannten – zufälligen – Größe abhängt? Generell werden Optionen ebenso wie das zugrundeliegende Wertpapier an der Börse gehandelt. Somit entsteht durch Angebot und Nachfrage auf natürliche Art und Weise ein Preis. Nachdem der Verkäufer jedoch Risiko von der Käuferin übernimmt, ist unter anderem aus Gründen der Risikoabschätzung ein fundamentaler Modellpreis hilfreich.

Das Black-Scholes Modell wurde von Fischer Black und Myron Scholes unter Mitarbeit von Robert Merton (siehe Black and Scholes, 1973; Merton, 1973) entwickelt. Scholes und Merton wurden dafür 1997 mit dem Nobelpreis der Wirtschaftswissenschaften ausgezeichnet. Black war zu diesem Zeitpunkt leider bereits verstorben. Das Modell stellt eine Formel bereit, welche – zumindest für einfache Optionen – einen Preis berechnen kann. Der wichtigste Bestandteil des Modells ist – der Effizienzmarkthypothese folgend – ein stochastischer Prozess, welcher die Preisbewegung des zugrundeliegenden Wertpapiers modelliert. Dabei ist es nicht das Ziel, exakte Preise des Wertpapiers zu berechnen, sondern vielmehr das Risiko – also mehr oder weniger die Schwankungsbreite – der möglichen Preisentwicklungen abzubilden. Dieser stochastische Prozess wird mittels stochastischer Differentialgleichung beschrieben. Ähnlich wie deterministische Differentialgleichungen, die beispielsweise in der Physik verwendet werden, um Wellenbewegungen zu beschreiben, wird dadurch die Dynamik des Wertpapiers erfasst. Zufallsvariablen erzeugen zusätzlich zu einem generellen Trend, zufällige Störungen, welche das typische Zickzack-Muster im Verlauf von Aktienpreisen erzeugen. Das Ausmaß dieser zufälligen Störungen – deren Varianz – kann etwa aus vergangenen Kursen geschätzt und dementsprechend im Modell eingebaut werden. Die Eigenschaften dieses stochastischen Prozesses werden schlussendlich verwendet, um mittels mathematisch sehr ästhetischer Formel einen fairen Preis der Option zu berechnen. Fair bedeutet dabei, dass im Erwartungswert weder Käuferin noch Verkäufer Gewinn oder Verlust machen.

Das Black-Scholes Modell ist ein relativ einfaches Modell, das auf einer Reihe von realitätsfernen Annahmen basiert und deshalb umfangreicher Kritik ausgesetzt ist. Es war jedoch das erste dieser Art und legte den Grundstein für eine Reihe von weitaus ausgefeilteren Modellen, die sich des Zufalls bedienen, um Risiko in Modellen abzubilden.

IV. Zusammenfassung

Die Effizienzmarkthypothese und das Black-Scholes Modell zeigen auf beispielhafte Weise, welche Rolle der Zufall im Verständnis der Wirtschaftswissenschaften spielt. Ob es sich nun bei Preisbewegungen am Aktienmarkt tatsächlich um Zufall oder doch nur um eine hochgradig komplexe Angelegenheit handelt, ist wohl weiterhin unklar. Allerdings zeigt sich, dass stochastische Modellierung ein mächtiges Werkzeug darstellt, um beobachtete Zufälligkeit / Komplexität in den Griff zu bekommen beziehungsweise in Theorien einzubauen.

V. Literatur

Black, F. and Scholes, M. (1973). The pricing of options and corporate liabilities. Journal of Political Economy, 81(3):637–54.

Fama, E. F. (1970). Efficient capital markets: A review of theory and empirical work. The Journal of Finance, 25(2):383–417.

Merton, R. (1973). Theory of rational option pricing. Bell Journal of Economics, 4(1):141–183.

Shiller, R. J. (2015). Irrational Exuberance. Princeton University Press, Princeton, NJ, 3rd edition.

# Short-Selling in Immobilienmärkten: Fluch oder Segen?

In großen Teilen der Bevölkerung gelten Begriffe wie „Short-Selling“ (oder Leerverkauf) oder „Wetten gegen den Markt“ spätestens seit dem Ausbruch der letzten Finanzkrise als Unheilbringer und werden bösen Spekulantinnen zugeschrieben, die damit die Krise ausgelöst hätten. Short-Selling beschreibt generell eine Transaktion, die gewinnbringend ist, wenn Preise fallen. Ein einfaches Beispiel passend zum heutigen Valentinstag erklärt das Konzept: Ich gehe zu einem befreundeten Blumenhändler, borge mir dort 100 Rosen aus und verspreche, diese morgen wieder zurückzubringen. Der Blumenhändler ist skeptisch und verlangt deshalb eine Gebühr von 50€. Damit stelle ich mich an die Straße und verkaufe sie um 5€ das Stück. Dieser Preis erscheint schwerverliebten Passantinnen und Passanten am heutigen Valentinstag nicht unangemessen. Damit nehme ich 500€ ein. Am nächsten Tag finde ich leicht eine andere Blumenhändlerin, die heilfroh ist, dass ich am Tag nach dem Valentinstag – vermutlich ein schlechter Tag für das Blumengeschäft – Rosen kaufen möchte. Ich nehme ihr 100 Stück ab und bezahle dafür 300€. Diese Rosen bringe ich dem ursprünglichen Blumenhändler wie versprochen zurück. Dieses Geschäft hat sich für mich gelohnt: Durch den Preisrückgang von 5€ auf 3€ pro Stück innerhalb eines Tages konnte ich (die Leihgebühr eingerechnet) einen Gewinn von 150€ erzielen – durch short-selling!

Wenn es sich bei dem Gut, bei dem ich mit fallenden Preisen rechne, jedoch nicht um leicht-handelbare Rosen, sondern vielmehr um Immobilien handelt, wird die Sache schwieriger. Es ist schwer vorstellbar, sich ein Haus auszuborgen, dieses zu verkaufen und kurze Zeit später ein „vergleichbares“ Objekt, mit dem auch der Verleiher des ursprünglichen Hauses zufrieden ist, zurückzukaufen. Die Schwierigkeiten entstehen einerseits durch die komplizierte und langwierige Transaktion von Immobilien und andererseits dadurch, dass jedes Haus – schon aufgrund der unterschiedlichen Lage – anders ist und damit das zuvor genannte „vergleichbare Objekt“ tendenziell nicht existiert.

Aber was bedeuten „zu hohe Preise“ bzw. überhitze Märkte überhaupt? Sind Käuferinnen von Immobilien nur aufgrund einer erwarteten zukünftigen positiven Preisentwicklung bereit, hohe Preise zu bezahlen, spricht man von einer Immobilienblase (laut der Definition einer Blase des Nobelpreisträgers Joseph Stiglitz). Die Intuition dahinter ist einfach: Käufer sind bereit einen Preis zu bezahlen, die nichts mehr mit dem tatsächlichen fundamentalen Wert einer Immobilie zu tun hat, da sie der Meinung sind, das Haus zu einem späteren Zeitpunkt zu einem noch höheren Preis wieder verkaufen zu können. So gesehen ist der Immobilienkauf in diesem Fall einer Wette für den Markt gleichzusetzen. Short-selling – also die Wette gegen den Markt – ist das Gegenstück dazu. Gehen viele Marktteilnehmer von weiter steigenden Preisen aus, steigen diese tatsächlich und zwar solange, bis sich niemand mehr findet, der die Immobilie zu einem noch höheren Preis kaufen würde. Es profitieren also alle bis auf den allerletzten Käufer von dieser Geschäftsstrategie. Umgekehrt führt massenhaftes Short-Selling zu fallenden Preisen.

Ist es nicht möglich, in einem Markt short-selling zu betreiben, können Preise immer weiter noch oben getrieben werden, solange bis die resultierende Blase womöglich platzt – mit verheerenden Konsequenzen. Marktteilnehmerinnen, die diesem überzogenen Boom nicht trauen, haben kaum Möglichkeiten dieser Preisentwicklung entgegen zu steuern und können praktisch nur zusehen und abwarten.

Eine Möglichkeit, short-selling im Immobilienmarkt zu ermöglichen, sind Finanzderivate, deren Wert von einem Immobilienpreisindex abhängen. Diese Preisindices steigen, wenn im Durchschnitt Immobilienpreise (nachdem Unterschiede in der Lage und den strukturellen Charakteristiken der einzelnen Objekte berücksichtigt wurden) in einem Markt – also etwa einer bestimmten Stadt – steigen. Ist man davon überzeugt, dass die aktuellen Preise zu hoch sind und eine Korrektur nach unten in Kürze zu erwarten ist, könnte man durch geeignetes Kaufen und Verkaufen von Derivaten short-selling betreiben. Eine Korrektur überhitzter Märkte wäre damit auch ohne das Platzen von Blasen möglich. Man könnte sich sogar vorstellen, dass Zentralbanken bei überhitzten Märkten korrigierend eingreifen und würde damit dem Staat eine neuartige Einflussmöglichkeit eröffnen. Gleichzeitig ergibt sich dadurch jedoch auch schwer abschätzbares Spekulationspotential.

Der Nobelpreisträger Robert Shiller ist ein Anhänger dieser sogenannten Immobilienderivate und erklärte deren Sinnhaftigkeit beispielsweise letzte Jahr in einem Blogeintrag. Zur Zeit werden Immobilienderivate bereits an einigen Börsen gehandelt. Das Handeslvolumen ist jedoch bei weitem zu gering, um großen Einfluss zu ermöglichen. Das Unvermögen bei Blasenbildungen direkt entgegen wirken zu können, ist angsteinflößend, insbesondere wenn man sich die aktuellen Preisentwicklungen in den großen amerikanischen Städten vor Augen führt. Immobilienderivate könnten in der Zukunft möglicherweise Abhilfe schaffen. Welche Eigendynamik diese Märkte allerdings entwickeln könnten, ist schwer abschätzbar.

# Bubble Detection: The Challenge

Damned! It seems Flo and I will never truly disagree about anything.

Let me summarize our agreement: A fully rigorous definition of fundamental value is “the expected value, conditional on the information available today, of the discounted sum of future cash flows”. Fundamental value is equal to the equilibrium price we would get in an efficient market. That’s the efficient market hypothesis (which is a misnomer, because it’s not just a hypothesis but a true theorem). Hence what we mean, conceptually, when talking about a bubble is the deviation of the actual price from this hypothetical equilibrium price. And these deviations can come from a) people being stupid in the sense of not taking into account all the available information and/or b) market imperfections like transaction costs or costs of information gathering.

Our disagreement is that, while Flo thinks there could be reliable ways to detect bubbles in the real world ex ante, I don’t. There’s only one way to find out. I can “predict” 50% of all bubbles merely by chance (e.g. by flipping a coin). So this must be the benchmark for any bubble spotting strategy. Let’s see whether credit growth can successfully predict the next 5 bubbles. Under the null hypothesis that credit growth has no better predictive power than a coin, the probability of guessing 5 out of 5 bubbles right is 3,125%. If Flo can do it, we can reject the null at a reasonable level of significance. Or, if you prefer, we can also reject the null if credit growth is able to predict at least 15 out of the next 20 bubbles (p-value 2%).

Fancy a bet, Flo?

# On the impossibility of spotting bubbles

I finally found something where I really disagree with Florian. I think there is no reliable indicator to spot bubbles in advance. And I don’t that we will ever get one.

Like Katharina, I’m a big fan of clear definitions. The reason is that, particularly in discussions of economic issues, words often appear to have a clear meaning, but when you look at them more carefully you realize that they are either completely meaningless or their meaning is very different from what everyone thinks.

So what does Florian, or anybody else, mean when they talk about a bubble? Well, the standard definition is something like this: An asset bubble is a prolonged period of time in which the market price of an asset exceeds the asset’s fundamental value. And the fundamental value is the present value of future cash flows which the asset is expected to generate. Fair enough. So how can we spot bubbles?

According to Flo, “bubbles are generally characterized by building up exponentially”. Hence one should be able to detect bubbles by comparing current asset prices to their long-run (linear) trend. Let’s think about this. I see a stock steadily rising from $1 in December 2010 to$2 in December 2012. Suddenly in January 2013 the stock goes to \$4 deviating from the 2010-2012 trend. Would you seriously infer from this fact alone, that there’s a bubble? Come on. In an efficient market, if investors receive new information in January which they didn’t have in December, the price should react immediately to reflect that new information. If fundamentals have an exponential trend, so should prices. Where is the theory that suggests that fundamentals always change linearly with time?

But what really puzzled me is Flo’s remark further down in his post where he writes “…the price of a stock, which by definition is not much more than present value of (expected) future incomes…”. If you believe that stock prices are always equal to the present value of expected future earnings, the whole talk about bubbles becomes meaningless. In other words, the concept of a bubble only makes sense if you believe in some kind of market inefficiency that allows persistent deviations of asset prices from fundamentals.

The fact of the matter is that we can’t observe fundamental value, so there is no straightforward way to spot bubbles. And everyone who says otherwise should be regarded with suspicion. If there would be an easy and reliable bubble detection recipe (“just look at deviations from a linear trend”, “just look at price/earnings ratios”, etc.), you should be able to make lots of money following that recipe. And if a significantly large group of investors follow it, there would be no bubbles to be detected according to this recipe in the first place.

The recent experience with Robert Shiller’s cyclically adjusted price-to-earnings ratio (CAPE) nicely illustrates this problem. In 1996, Campbell and Shiller showed in a paper that the CAPE could predict the stock market returns in the past fairly well. They were able to spot both the dotcom bubble of the late 90s and the subprime bubble of the 00s before they burst by comparing the current CAPE to its long-run average of 16. Now, during the past two years, the CAPE was well above that value which apparently led a lot of people to stay out of stocks during this time. And guess what, they missed a pretty nice rally. So just because some indicator successfully predicted bubbles in the past does not mean it is of much use in the future.