EconStor >
Universität zu Köln >
Centre for Financial Research (CFR), Universität Köln >
CFR Working Papers, Centre for Financial Research (CFR), Universität Köln >

Please use this identifier to cite or link to this item:

http://hdl.handle.net/10419/57739
  

Full metadata record

DC FieldValueLanguage
dc.contributor.authorHautsch, Nikolausen_US
dc.contributor.authorHess, Dieteren_US
dc.date.accessioned2012-04-25en_US
dc.date.accessioned2012-05-02T15:45:16Z-
dc.date.available2012-05-02T15:45:16Z-
dc.date.issued2004en_US
dc.identifier.urihttp://hdl.handle.net/10419/57739-
dc.description.abstractAn important claim of Bayesian learning and a standard assumption in price discovery models is that the strength of the price impact of unanticipated information depends on the precision of the news. In this paper, we test for this assumption by analyzing intra-day price responses of CBOT T-bond futures to U.S. employment announcements. By employing additional detail information besides the widely used headline figures, we extract release-specific precision measures which allow to test for the claim of Bayesian updating. We find that the price impact of more precise information is significantly stronger. The results remain stable even after controlling for an asymmetric price response to 'good' and 'bad' news.en_US
dc.language.isoengen_US
dc.publisherCentre for Financial Research Cologneen_US
dc.relation.ispartofseriesCFR Working Paper 04-10en_US
dc.subject.jelE44en_US
dc.subject.jelG14en_US
dc.subject.ddc330en_US
dc.subject.keywordBayesian learningen_US
dc.subject.keywordinformation precisionen_US
dc.subject.keywordmacroeconomic announcementsen_US
dc.subject.keywordasymmetric price responseen_US
dc.subject.keywordfinancial marketsen_US
dc.subject.keywordhigh-frequency dataen_US
dc.titleBayesian learning in financial markets: Testing for the relevance of information precision in price discoveryen_US
dc.typeWorking Paperen_US
dc.identifier.ppn699892023en_US
dc.description.abstracttransPreise auf Kapitalmärkten werden durch nicht-antizipierte Informationen getrieben. Eine zentrale Aussage Baysianischer Lernmodelle impliziert, dass die Stärke der Preisreaktion einerseits von der Höhe der nicht antizipierten Komponente abhängt, andererseits aber auch von der Präzision der Informationen bestimmt wird. Auf Basis von Hochfrequenzdaten untersuchen wir den Einfluss von Veröffentlichungen des US-Arbeitsmarktberichts auf den Preis des CBOT T-Bond Futures. Neben den Kernkennzahlen des US-Arbeitsmarktberichts berücksichtigen wir ergänzende Detailinformationen. Mit Hilfe dieser Zusatzinformationen konstruieren wir ein Maß für die Präzision der Kernkennzahlen, welches uns erlaubt, die Aussage Baysianischer Lernmodelle zu testen. Wir finden, dass die Preise des T-Bond Futures stärker auf präzisere Informationen reagieren. Dieses Ergebnis gilt insbesondere auch dann, wenn wir für asymmetrische Preisreaktionen bezüglich positiver bzw. negativer Informationen kontrollieren.en_US
dc.rightshttp://www.econstor.eu/dspace/Nutzungsbedingungenen_US
dc.identifier.repecRePEc:zbw:cfrwps:0410-
Appears in Collections:CFR Working Papers, Centre for Financial Research (CFR), Universität Köln

Files in This Item:
File Description SizeFormat
699892023.pdf430.75 kBAdobe PDF
No. of Downloads: Counter Stats
Show simple item record
Download bibliographical data as: BibTeX

Items in EconStor are protected by copyright, with all rights reserved, unless otherwise indicated.