Aenorm 80

Magazine voor studenten Actuariaat, Econometrie & Operationele Research

Een publicatie van

Nr. 80 Volume 21 September 2013

AENORM DEZE EDITIE The unambiguous relation between sports and economics: goals and match points worth millions | Clash of the Titans: Does Internet Use Reduce Television Viewing?

Verslag Risk Intelligence Competition | Studeren in Melbourne | Column: Leven als econometrist in Brussel

NIEUWE INHOUD NIEUW ONTWERP NIEUWE AENORM

At NIBC, entrepreneurial bankers start at the deep end As a trainee banker at NIBC, you also have a daily job. Your assignments and responsibilities start from day one. And you’ll have the chance to specialise, in for example mergers and acquisitions. You and your fellow analysts will follow our incompany training programme at the Amsterdam Institute of Finance, led by professors from international business schools.

A flying start at the bank that thinks and acts like entrepreneurs. For more information, visit www.careeratnibc.com.

De Aenorm in een nieuw jasje Vol vreugde en met trots presenteer ik hierbij de Aenorm in een nieuw jasje. De sterke punten van de formule behouden en uitbreiden met nieuwe ideeën is het doel geweest van de verandering waartoe ongeveer een half jaar geleden toe werd besloten.

De combinatie van een stijgend aantal leden waarvoor het blad niet aantrekkelijk genoeg meer is en een markt waarin de inkomsten van gedrukte advertenties sterk teruglopen, zorgt ervoor dat je als vereniging keuzes moet maken. Het mooie van dat soort keuzes is uiteraard dat er vervolgens ruimte is voor creativiteit, een nieuw design en dat er heel veel dingen mogelijk zijn. Een uitdaging dus, die we maar wat graag zijn aangegaan!

Met een kleine commissie en de begeleiding en medewerking van twee bestuursleden hebben we de afgelopen tijd hard gewerkt om te zorgen dat leden dit blad weer met veel plezier gaan lezen. Met het uit het plastic halen en openslaan van dit blad heb jij in ieder geval een goede eerste stap gezet en ik kan beloven dat verder lezen absoluut de moeite waard is.

Uiteraard hebben we de kracht van wetenschappelijke artikelen in dit blad behouden, maar de focus komt meer te liggen op scripties van studenten en artikelen met onderwerpen die studenten over het algemeen aanspreken. Een voorbeeld hiervan is het artikel over sport dat je verderop in dit blad kan vinden.

Het eerste deel van dit blad is nieuw en richt zich vooral op de VSAE en haar leden. Zo kan je in deze editie bijvoorbeeld lezen hoe Jana van Leuven haar uitwisseling in Australië heeft ervaren, welke leden komend jaar de Econometric Game organiseren en hoe de Risk Intelligence Competition is verlopen. Ik ben ervan overtuigd dat er met de nieuwe Aenorm een hele goede stap is gezet en dat het door onze leden weer met veel plezier gelezen zal gaan worden!

Uiteraard hebben we naast het vernieuwen van de Aenorm nog aan heel veel andere dingen gewerkt en zijn we volledig klaar voor het nieuwe studiejaar.

Op 1 & 2 oktober vinden de Beroependagen plaats in The Grand, dit evenement is zeer geschikt voor alle studenten die zich willen oriënteren op toekomstige werkgevers. We vervolgen oktober met een borrel en het pooltoernooi. Na de tentamens is het vervolgens tijd voor de ISP naar Madrid! Ik hoop jullie de komende weken allemaal weer te spreken op al onze activiteiten en uiteraard verwacht ik dat jullie me dan alles kunnen vertellen over wat er in deze Aenorm staat!

COLOFON Hoofdredactie

Adverteerders

Marc van Houdt

AEMAS

Bas Koolstra

APG DNB

Redactie

Flow Traders

Abel Bosman

Mercer

Joris Bücker

NIBC

Marc van Houdt

Towers Watson

Bas Koolstra

TNO

Oplage 1000

Design

De artikelen in dit blad

United Creations, 2013

de mening van het VSAE

Adres redactie

bestuur of de redactie.

VSAE

Niets uit dit blad mag

Roetersstraat 11, E2.02

worden gedupliceerd

1018WB Amsterdam

zonder toestamming van

Tel. 020 - 5254134

de VSAE.

KALENDER BEROEPENDAGEN BORREL POOLTOERNOOI ISP VSAE WEEKEND

Bas Koolstra (Voorzitter VSAE)

3

| | | | |

1 & 2 OKT 8 OKT 14 OKT 29 OKT - 3 NOV 14 - 16 NOV

VOORWOORD

zijn niet noodzakelijkerwijs

Inhoudsopgave INFLATION TARGETING UNDER HETEROGENOUS EXPECTATIONS BY: JOEP LUSTENHOUWER

DE MOTOR ACHTER DE ECONOMETRIC GAME

COMMISSIE UITGELICHT | PAGINA 05

ENGLISH | ECONOMETRICS | MSC-LEVEL | PAGINA 20

DE UITDAGINGEN VAN DE RISK INTELLIGENCE COMPETITION

THE UNAMBIGUOUS RELATION BETWEEN SPORTS AND ECONOMICS: GOALS AND MATCH POINTS WORTH MILLIONS BY: JUAN LUIS NICOLAU

EVENEMENTVERSLAG | PAGINA 08

TNO

BEDRIJFSINTERVIEW | PAGINA 10

STUDEREN IN MELBOURNE

ENGLISH | ECONOMETRICS | BSC-LEVEL | PAGINA 27

EXCHANGEVERSLAG | PAGINA 12

LEVEN ALS ECOONOMETRIST IN BRUSSEL

A VINE COPULA-GARCH OPTION PRICING MODEL BY: MARC KORTEKAAS

COLUMN | PAGINA 15

ENGLISH | ECONOMETRICS | MSC-LEVEL | PAGINA 34

APG

INHOUDSOPGAVE

BEDRIJFSINTERVIEW | PAGINA 16

CLASH OF THE TITANS: DOES INTERNET USE REDUCE TELEVISION VIEWING BY: STAN LIEBOWITZ AND ALEJANDRO ZENTNER

PUZZELPAGINA

PUZZEL | PAGINA 18

ENGLISH | ECONOMETRICS | BSC-LEVEL | PAGINA 40

Magazine voor studenten Actuariaat, Econometrie & Operationele Research Volume 21 September 2013

Nr. 80

Een publicatie van

4

De motor achter de Econometric Game DOOR:

De Econometric Game (EG) is één van de grootste evenementen van de VSAE. Eén wedstrijd, 30 universiteiten van over de hele wereld en drie hele drukke dagen maken dit altijd weer een heel mooi evenement. De voorbereidingen voor de EG die in april 2014 zal plaatsvinden zijn alweer in volle gang. De commissie die het evenement organiseert bestaat dit jaar uit Kees Ouboter (voorzitter), Susanna Teulings (coördinator), Joppe Arnold, Nikki van Ommeren, Laura Menting, Glenn Taylor en Rozemarijn Veldhuis. In deze editie van ‘commissie uitgelicht’ geven zij een indruk van de organisatie van de Econometric Game.

BAS KOOLSTRA

Kunnen jullie het evenement kort omschrijven?

Wat maakt het zo leuk?

vliegen.

We willen dit jaar ook meer doen voor de VSAE leden.

Daarom komt er naast de reguliere EG case ook een VSAE case. Deze case zal een enigszins versimpelde case zijn van de EG case, waardoor hij voor een team van eind bachelor- en masterstudenten in één dag op te lossen is. Aan het eind van de dag zullen zij hun resultaten namelijk moeten presenteren waarna een winnaar wordt uitgeroepen. Als afsluiter zullen de deelnemers aan de VSAE case samen met de Econometric Game deelnemers uit eten gaan.

Daartegenover staat dat we het EG congres dit jaar niet zullen organiseren. Dit omdat de aanwezigheid van VSAE’ers elk jaar toch erg laag was en de kwaliteit van het congres naar onze mening te wensen overliet.

Verder willen we dit jaar een financieel gezonder evenement neerzetten. Dit betekent dat we naar nieuwe sponsormogelijkheden aan het kijken zijn en druk bezig zijn nieuwe bedrijven te benaderen.

Als laatste willen we graag dit jaar ons beeld naar de buitenwereld verbeteren, we moeten beter overbrengen hoe leuk en bijzonder dit evenement is.

Een belangrijke stap daar naar toe is de website is op de schop nemen. De nieuwe site is inmiddels online en we zijn er erg trots op.

Wat verwachten jullie van het evenement?

Laura: Het worden absoluut drie hele geslaagde dagen!

Susanna: Dat het een zeer leuk en leerzaam evenement gaat zijn. Niets is zo leuk als deelnemers die je aan het einde van dag drie dankbaar om de hals

Waarom wilde je graag in deze commissie?

Joppe: Omdat het een leuke commissie is voor een heel groot evenement. Je moet echt met de hele commissie knallen om het tot een succes te maken.

5

COMMISSIE UITGELICHT

Wat verandert er allemaal ten opzichte van vorig jaar?

De EG is een driedaags evenement waarbij universiteiten van over de hele wereld een team van vier studenten sturen om een maatschappelijke case op te lossen met behulp van econometrische methodes. Traditiegetrouw begint het evenement met een opening op een mooie locatie waar het onderwerp bekend wordt gemaakt. De rest van de dag kunnen deelnemers zich inlezen in het onderwerp om de volgende dag een analyse uit te voeren en daar een rapport over te schrijven. Rond middernacht worden door een vakkundige jury tien finalisten uitgeroepen die de volgende dag een tweede case moeten maken. De laatste dag wordt afgesloten met een borrel met ook de VSAE leden, op deze borrel wordt de winnaar bekend gemaakt. Het winnende team krijgt een geweldige wisselbeker die inmiddels al over de hele wereld geweest is.

Het internationale karakter is natuurlijk bij uitstek het bijzondere aspect van dit evenement, het is ‘super awesome’ om zoveel internationale econometristen te spreken. Al die mensen samen vormen een soort van platform dat in zeer korte tijd heel veel kennis weet te genereren op het gebied van een sociaal en maatschappelijk relevant vraagstuk.

Je werkt een jaar keihard en nog harder tijdens de dagen zelf, als je dan uiteindelijk een succesvolle Econometric Game neer hebt weten te zetten dan is dat genieten.

Rozemarijn: Ik was absoluut toe aan serieuze commissie en deze commissie is toch wel één van de meest uitdagende die er is bij de VSAE.

de brieven naar universiteiten van het noordelijk halfrond eruit gestuurd. Het is wat dat betreft wachten op reacties en de eerste deelnemende teams die zich aanmelden.

Welke universiteiten hopen jullie dit jaar binnen te slepen?

Het zou wel heel cool zijn als we er dit jaar in slagen om universiteiten uit Australië en Afrika aan ons te binden, dan heb je namelijk nog meer continenten die vertegenwoordigd zijn. Dit zou de hele ervaring van de Econometric Game naar een nóg hoger plan moeten kunnen tillen.

Wat zijn dingen die je wil leren tijdens deze commissie?

Glenn: Ik zal vooral verantwoordelijk zijn voor het contact met sponsoren en subsidieverstrekkers, ik hoop daarmee veel te leren op het gebied van relaties onderhouden en het hebben van contact met het bedrijfsleven. Uiteraard is het ook leuk om te leren hoe je zo’n groot internationaal evenement van de grond af op kan bouwen tot iets heel moois. Tenslotte is het natuurlijk belangrijk om tijdens de dagen van de Econometric Game alles op te lossen wat er aan (onverwachte) problemen op je pad komt.

Nikki: Beter worden in het samenwerken en dat ook met meer plezier doen. Ik ga me vooral bezighouden met het contact met universiteiten waardoor ik mijn communicatie in het Engels heel erg hoop te verbeteren.

Welke universiteiten sturen normaal gesproken de leukste teams?

Er zijn altijd erg veel leuke teams, maar de afgelopen jaren behoorden Bristol en Maastricht wel echt tot de leukste teams. Deze universiteiten weten namelijk elk jaar weer een team te sturen dat niet alleen overdag zich 100% inzet maar ook ’s nachts in een foute kroeg ergens op het Rembrandtplein zich van zijn beste kant laat zien. Verder is het ook altijd leuk om te zien welke deelnemers van vorig jaar dit jaar ook weer mee doen. Met deze mensen is het de eerste avond gewoon heerlijk herinneringen van het jaar daarvoor ophalen.

COMMISSIE UITGELICHT

Hoe gaat het met de voorbereidingen?

Met de locaties zijn we al een heel eind, zowel de hotels als de gamelocatie zijn bijna helemaal rond.

Ook voor de VSAE liggen de meeste locaties al vast, dus dat gaat lekker. Verder zijn we nu druk bezig met het vinden van een casemaker en sponsors. Daar ligt op dit moment het focuspunt. Daarnaast zijn ook

Wat zijn de taken waar jij verantwoordelijk voor bent?

Nikki: Ik ben verantwoordelijk voor het contact met de universiteiten. Dus ik verstuur de uitnodigingen en verzamel alle gegevens van de deelnemers. Daardoor

Nikki van Ommeren, Kees Ouboter, Susanna Teulings, Glenn Taylor, Laura Menting, Joppe Arnold en Rozemarijn Veldhuis

6

heb ik met veel deelnemers al contact gehad voordat de EG begonnen is en dat vind ik een erg leuk idee.

Joppe: Ik regel een casemaker en de jury voor tijdens de EG. Dat betekent dat ik contact opneem met verschillende profesoren met de vraag of zij een case willen aanleveren. Nadat dat toegezegd is zoek ik in samenspraak met de casemaker daar nog ongeveer 4 professoren bij die tijdens de EG de papers van de deelnemers nakijken en de uiteindelijke winnaar aanwijzen.

Rozemarijn: Ik ben de eerste paar maanden bezig geweest met het vernieuwen van de website. Dit is nu zo goed als klaar, ik zal alleen af en toe updates moeten plaatsen. Daarom zal ik me vanaf nu bezighouden met de VSAE case. Aangezien dit een nieuw aspect is kan ik hier nog heel veel zelf voor bedenken.

Laura: Ik ben verantwoordelijk voor alle locaties en catering. Tot nu toe ben ik erg druk bezig geweest met de locatie waar de deelnemers aan de case moeten werken. Maar verder moet ik ook hotels, restaurants en borrellocaties regelen.

Glenn: Ik regel alle sponsoring voor de EG. Om dit te doen moet ik veel bedrijven bellen en bij hen op bezoek gaan. Ik ben dus permanent bezig met het verkopen van de EG. Kees: Ik ben voorzitter van de commissie. Ik controleer samen met Susanna of alles goed verloopt en of we op schema lopen. Verder houd ik me ook bezig met de Econometric Game op de lange termijn.

Susanna: Ik zit vanuit het VSAE bestuur in deze commissie. Ik zorg dus voor de communicatie tussen het bestuur en de commissie. Daarnaast heb ik vorig jaar ook zelf in de commissie gezeten, hierdoor kan ik mijn ervaring van vorig jaar goed gebruiken om de problemen waar we nu tegenaan lopen op te lossen.

WIST JE DAT? •

• • •

•

De Econometric Game ooit begon als een wedstrijd tussen de Vrije Universiteit en de Universiteit van Amsterdam Er inmiddels 30 teams deelnemen aan de Econometric Game Carlos III Madrid de winnaar was in 2013 De Universiteit van Amsterdam nog altijd de recordwinnaar van het evenement is De Econometric Game van 2014 de vijftiende editie zal zijn. Een lustrumjaar dus!

Welk commissielid is zo geniaal dat hij/zij het UvA team ooit nog zal vertegenwoordigen tijdens een Econometric Game in de toekomst?

Allemaal: Joppe!

7

COMMISSIE UITGELICHT

“Het internationale karakter is natuurlijk bij uitstek het bijzondere aspect van dit evenement”

De uitdagingen van de Risk Intelligence Competition DOOR:

EVENEMENTVERSLAG

Dinsdag en w oensdag 7 en 8 mei 2013 vond de Risk Intelligence Competition plaats in kasteel de Keukenhof. De VSAE organiseert dit evenement om het jaar, om de studenten in aanraking te laten komen met het vakgebied Risk Management.

JORIS BÜCKER

Ik heb nog nooit van de Keukenhof gehoord, zei Joep Lustenhouwer.

Ook van de rest van de groep was bijna niemand er ooit geweest. Toch stond er voor de shuttlebus op Schiphol een honderd meter lange rij met toeristen om de opening te zien van het bloemenseizoen. Door deze inschattingsfout kwamen we met 25 studenten op 7 mei aan met een kleine vertraging aan bij kasteel Keukenhof, een oase van rust in de bollenstreek. We hadden drie bedrijven bereid gevonden een casus over risicomanagement te maken voor de VSAE. Omdat er een student door ziekte was uitgevallen, stapte ik als commissielid in de competitie. Met al mijn voorkennis moest dat een makkie worden.

Als eerste was De Nederlandsche Bank (DNB) aan de beurt met een onverwachte casus over het toezichthouderschap. Vind onregelmatigheden in herstelplannen van pensioenfondsen én overtuig ze van hun eigen fouten, zo luidde de opdracht. Zeker dit laatste punt was volgens DNB een essentiële eigenschap van een goede toezichthouder. Na een praatje over DNB begonnen we gelijk met het analyseren van de herstelplannen. Het betreffende pensioenfonds had een te lage dekkingsgraad gekregen en met dit plan wilden ze er weer bovenop komen. Ze hadden echter al dan niet bewust een paar fouten gemaakt in het opstellen van dit plan. Door de overvloed aan informatie en nieuwe toezichthouderskennis wisten we in het begin niet precies waar we naar zochten. We verdeelden het werk en na een tijdje vonden we inderdaad een paar onverklaarbare onregelmatigheden. We wisten niet zeker of dit was waar ze naar zochten, maar met wat meer bewijs overtuigden we onszelf. Na de lunch begon het echte werk; twee DNB-medewerkers speelden de onwetende, ongeïnteresseerde pensioenfondsmedewerkers en VSAE-leden waren De Nederlandsche Bank.

Vasthoudend zijn, toegeven of er precies tussenin; dreigen met de rechtbank, een vriendelijke brief schrijven, fouten uitleggen op flip-overs of de onderhandelingstafel niet verlaten zonder concrete afspraken; welke strategie werkt het beste? Uiteindelijk werd het team beloond dat alle fouten had gevonden en de onderhandelingen vriendelijk doch standvastig had gevoerd. Ons team had inderdaad een paar fouten gevonden, maar er ook eentje over het hoofd gezien.

Het was alweer avond. Tijd voor een borrel en op naar het hotel. Na een diner volgden acht welverdiende uurtjes rust. Na een uitgebreid ontbijt sprongen we weer in de taxi en gingen we terug naar het

8

105% uitkomen en binnen 10 jaar boven een grens die afhing van de risicograad van de beleggingen.

Deze casus bestond uit twee delen; aan de ene kant werden met de juiste aandelenmix de toekomstige bezittingen vergroot en werd het risico verkleind en aan de andere kant werd met kortingen, een hoger opbouwpercentage en andere maatregelen voor het extra zetje in de goede richting gezorgd.

Dit was veruit de meest Excel-intensieve casus.

Ieder team kreeg twee laptops en het werk werd strategisch verdeeld. Beide delen werden uitgewerkt en onderzocht en vervolgens intensief besproken.

Een extra procent korten, het opbouwpercentage verkleinen of toch de franchise verlagen? Wat betekent het eigenlijk allemaal en wie wordt er door geraakt? Het was duidelijk dat dit ook wel de meest actuariële casus was. In de laatste tien minuten werd er nog een PowerPointpresentatie gecreëerd en daarna was het hopen dat wij de minst rigoureuze maatregelen hoefden aan te bieden aan Deloitte. Bas Koolstra deed een dappere poging om een korting van 10% te verkopen, maar de jury was genadeloos.

Uiteindelijk werd ons harde werken beloond.

Met goed gespreide beleggingen en kleine extra maatregelen die alle belanghebbenden evenredig raken, heb ik met mijn team toch nog eens gewonnen.

Na deze uitputtende dag gingen we voor het diner naar Lisse centrum. Kasper van Vliet en Susanna Teulings waren samen de winnaars van de gehele RIC. Na het diner zat mijn werk als commissielid en deelnemer erop, maar niet voordat ik met voorzitter Arent Stienstra met een sprintje een van de laatste bussen heb tegen gehouden. Al met al was het geen eenvoudige opgave, maar met een overwinning op zak hoef ik me niet te schamen. Het was een mooi evenement en tot over twee jaar!

9

EVENEMENTVERSLAG

kasteel. Nu was het de beurt aan Zanders. Het echte Excelwerk kon beginnen. Na een inleidend praatje en wat oefenopgaven kregen we onze opdracht; een bank wilde zoveel mogelijk winst maken, maar tegelijkertijd voldoen aan de Basel III-eisen. Door de juiste beleggingsportefeuille te kiezen werden solvabiliteit en liquiditeit net hoog genoeg gehouden, de leverage ratio net laag genoeg en desondanks winst gemaximaliseerd. Een aantal Excel-sheets met informatie over volatiliteit en rendement van aandelen en obligaties van verschillende sectoren met bepaalde tijdsduur vormden de berg informatie waar we onze inzichten uit moesten halen. Extra blaadjes met hoe de ratio’s precies tot stand komen loodsten ons door de data.

Na een rommelige eerste ronde waarin we blind getallen veranderden bleken we laatste te staan; in vergelijking met andere groepen schoten onze ratio’s alle kanten op. We zagen in dat onze tactiek niet werkte; nu ging ons team ineens gestructureerd te werk en stelden we onszelf de juiste vragen. Hoe kunnen we onze hoge liquiditeitsratio omzetten in meer winst zonder dat dit onze solvabiliteitsratio ook verlaagt? Na wat denkwerk (en een paar hints) kwam het inzicht dat we lang zochten. Op papier verdedigden we onze opties met verve, maar het bleek allemaal niet genoeg om onze dramatische achterstand in te halen. Toch herstelde ons zelfvertrouwen wat doordat we qua winst stegen van de laatste naar de tweede plek.

Na de lunch ging ik hoopvol een nieuwe ronde in met Deloitte. Mijn herwonnen zelfvertrouwen werd versterkt door een nieuw team waarin een aantal vastbesloten was nu toch een keer te winnen. We waren dit keer een pensioenfonds met een te lage dekkingsgraad. Binnen 5 jaar moest deze boven de

Bedrijfsinterview TNO is een onderzoeksinstituut met als doel het toepassen van wetenschappelijke kennis in de praktijk. We hebben werknemers Peter en Wemke geïnterviewd over hun studietijd, carrière en hun huidige werkzaamheden bij TNO.

BEDRIJFSINTERVIEW

Kan je iets over jezelf vertellen?

Wemke: Ik heb aan de UvA de OR master gedaan. Tijdens de master, die toen nogal vrij was ingericht, ben ik een half jaar naar Hong Kong geweest. Ik heb vervolgens mijn scriptie bij TNO gedaan. Dit ging over een wachtrijprobleem bij een webserver. Dit probleem was erg interessant en er waren nog heel veel vragen over, daarom heb ik hier een PhD over gedaan aan de VU. Ik kon hier kiezen tussen UvA en VU, omdat de begeleider aan de VU meer ervaren was heb ik hem uiteindelijk gekozen. Tijdens mijn PhD ben ik ook nog naar Berkeley geweest en heb ik bij KLM gewerkt.

Verder ben ik tijdens mijn studie onder andere actief geweest voor de VSAE en de jonge democraten.

Na de PhD ben ik bij SNS reaal gaan werken, hier modelleerde ik risicomodellen. Bij SNS ben ik vrij snel doorgegroeid. Voordat ik vertrok was ik teamleider. Ruim een jaar geleden ben ik bij TNO gaan werken.

Peter: Ik heb in Tilburg econometrie gestudeerd. Op een bedrijvendag sprak ik een studiegenoot die bij TNO werkte.

Ze raadde me aan om mijn scriptie bij TNO te schrijven. Dit heb ik toen gedaan. Mijn scriptie ging over ketenlogistiek bij de Koninklijke Landmacht. Sindsdien werk ik met veel plezier bij TNO.

In hoeverre gebruik je kennis van je studie direct in het werk?

Peter: Heel veel, alleen niet op de manier die ik verwacht had. Werk is niet puur kwantitatief, maar je weet beter wat er mogelijk is met modellen en wat de beperkingen zijn. Mensen vanuit een andere achtergrond die dingen moeten modelleren, willen het vaak te uitgebreid doen waardoor je het doel voorbij schiet.

Hoe ziet een werkweek bij TNO eruit?

Wemke: In een werkweek ben ik gemiddeld ruim één dag in Excel aan het modelleren, één dag papers aan het schrijven, één dag bezig met acquisitie en de overige tijd ben ik bezig met vergaderen en recruitment. Ik werk 4 dagen in de week, heb veel afwisseling en vind de sfeer heel goed. De mensen zijn hier heel open, dat was ook een reden dat ik na SNS bij TNO ben gaan werken.

De werkweek verschilt uiteraard ook erg per functie, je kunt ook een meer technische functie hebben.

Hoe zou je de bedrijfscultuur bij TNO omschrijven?

Peter: Informeel (meestal niet in pak), men staat open voor nieuwe ontwikkelingen en er wordt veel samengewerkt tussen collega’s vanuit uiteenlopende disciplines.

Ook is er veel aandacht voor persoonlijke ontwikkeling.

10

DOOR: ABEL BOSMAN Hoe omschrijf je de typische TNO medewerker?

Wemke: Open, maatschappelijk betrokken, perfectionistisch en ambitieus. Status is bij ons minder belangrijk.

Heb je nog een tip voor studenten die bij TNO willen gaan werken?

Peter: TNO heeft doorlopend afstudeermogelijkheden voor econometristen, een ideale manier om met ons kennis te maken. Ben je al afgestudeerd?

Dan kun instromen in het traineeprogramma of het Talent Development Program (TDP).

TNO is een organisatie, waarin toegepast onderzoek centraal staat. Wil je in je dagelijks werk impact hebben en een bijdrage leveren aan economische en maatschappelijke vraagstukken, dan is TNO een werkgever voor jou.

PETER VAN SCHEEPSTAL

peter.vanscheepstal@tno.nl WEMKE VAN DER WEIJ

wemke.vanderweij@tno.nl

LEKKER IN JE VEL

ONTDEK TNO MET JOUW KENNIS WERKEN AAN EEN GEZONDERE SAMENLEVING? BIJ TNO ZORG JE ERVOOR DAT NIET ALLEEN JÍJ LEKKERDER IN JE VEL ZIT.

WERKENBIJTNO.NL

Studeren in Melbourne DOOR: In dit onderdeel vindt u een verslag van een student die een periode in het buitenland heeft gestudeerd. Dit keer een verslag over Melbourne!

JANA VAN LEUVEN

EXCHANGEVERSLAG

The country down under

Ruim een jaar voordat mijn vliegtuig naar Australië vertrok, begon voor mij al het project Studeren in Melbourne. Het was 2 januari 2012 en nog maar twee weken tot de deadline. Ik moest nu echt beginnen met mijn aanmelding. In een motivatiebrief probeerde ik zo goed mogelijk te verwoorden hoe graag ik op exchange wilde, wat de academische voordelen waren van mijn exchange en waarom ik het perfecte visitekaartje van de UvA was. In die twee weken moet je zoveel documenten, handtekeningen, referenties, formulieren, verzoekschriften, vakbeschrijvingen en cijferlijsten verzamelen dat verdwalen in dit bureaucratische doolhof onvermijdelijk is. Maar na de deadline wil je zó graag, dat het hopelijk niet allemaal voor niets is geweest.

En dan eindelijk, een jaar later zette ik voet op Australische bodem.

Slaperig van de 24 uur durende reis, liep ik naar een taxi die mij naar mijn hostel zou brengen. De komende dagen zouden geheel in het teken staan van het vinden van een kamer. Ik had ervoor gekozen om mijn huizing ter plekke te regelen. Ik wilde namelijk in een appartement wonen met andere (Australische) huisgenoten. Een andere optie, wat ook veel exchange studenten doen, is wonen in studentencomplexen.

Dit zijn complexen met honderden studentenwoningen. De locaties zijn top maar je krijgt weinig vierkante meters voor je geld en er hangt een flink prijskaartje aan (zo’n 1000 dollar per maand voor een kamer van 9 m2 en een keuken en badkamer die je deelt met je hele verdieping). Ik wilde niet zoiets massaals en vond het leuker om in een appartement te wonen met huisgenoten. Bovendien wilde ik mij niet binden aan een contract voordat ik mijn onderkomen met eigen ogen had gezien, dus vanuit Nederland iets regelen was voor mij geen optie. Dus ik ging naar Melbourne zonder een idee te hebben waar ik de komende zes maanden zou gaan wonen. Dat was een raar idee. Op Gumtree.com.au, een soort marktplaats, speurde ik iedere dag naar kamers. Het werkte af en toe wat demotiverend om de zoveelste ‘nee’ te horen en hoewel ik mij voor vertrek had voorgenomen om absoluut niet 800 dollar per maand te gaan betalen, merkte ik al snel dat ik die gedachte bij moest stellen. Zoals alles in Australië, is een kamer gewoon heel erg duur. En met het motto ‘ik ben hier maar een half jaar, ik moet eruit halen wat erin zit’, wilde ik toch ook wel op een goede locatie zitten. Ik had mezelf een maand gegeven om een kamer te vinden en te settelen voordat het semester begon. Na tien dagen en vijf bezichtigingen was het raak en had ik een kamer in een appartement met twee leuke huisgenootjes, vijf minuten lopen van de universiteit.

The University of Melbourne a.k.a. Melbourne Uni

Melbourne Uni is de beste universiteit van Australië. Toegelaten worden tot Melbourne Uni is dan ook niet makkelijk. Alleen de beste studenten zitten hier. Als exchange student heb je dus mazzel; je hoeft geen collegegeld te betalen en ook geen reeks toelatingstesten te doen in de hoop aangenomen te worden. Ik heb een fulltime semester gedaan, wat

12

neerkomt op vier vakken. Ik heb drie International Business vakken gevolgd en een International Finance vak. Alle econometrievakken die werden aangeboden overlapten met de vakken die ik op de UvA al had gedaan dus die kon ik niet kiezen.

Bovendien vond ik het leuker om te verbreden en iets nieuws te doen. Hoewel het een grote universiteit is, is het aantal leerlingen per vak nooit groot. Meestal zat ik met dertig á veertig studenten in de collegezaal en met maximaal vijftien studenten in een werkgroep.

Ook geldt op de universiteit de regel dat een vak nooit vol kan zijn. Er worden dan gewoon meer colleges ingeroosterd waardoor je altijd alle vakken kan doen die je wilt. Een enorme plus en zo hoort het naar mijn mening ook. Ook nooit gedonder met SIS en geen ellenlange wachttijden bij de onderwijsbalie. Bij de balie hebben ze naar mijn mening een uiterst handig systeem bedacht. Je komt daar aan en stuurt een sms’je naar een bepaald nummer dat je in de wachtrij wilt. Je krijgt dan een bevestiging terug per sms en een indicatie van hoe lang het ongeveer duurt tot je aan de beurt bent. Vijf minuten voor je aan de beurt bent krijg je weer een sms dat je je naar de balie moet begeven. In de tussentijd kan je dus lekker buiten in het zonnetje zitten of een kopje koffie drinken. Iets wat we aan de FEB moeten introduceren misschien?

De docenten zijn heel betrokken en altijd bereid je te helpen. Ze weten je naam, zien het liefst iedereen slagen, maar zijn ook streng. Een 8 of hoger wordt niet zomaar toegekend. Sterker nog, indien een docent hoger dan een 8 wil geven, heeft hij een second opinion nodig van een mededocent.

Tijdens de hoorcolleges is er veel interactie met de studenten. De docente die ik voor twee van mijn Business vakken had, verwees vaak naar de actualiteit door tv fragmenten en interviews te verwerken in haar hoorcolleges. Ze stelde ook vaak vragen tijdens

college om je bij haar verhaal te betrekken en vroeg iedereen altijd zoveel mogelijk voorin te komen zitten. Haar lessen waren hierdoor divers en nooit saai. Ook de toetsing van mijn vakken was meer divers dan op de UvA, ik heb bijvoorbeeld veel essays moeten schrijven. Voor ieder vak twee, plus een eind tentamen dat ook uit essay vragen bestond. Voor Econometrie heb ik nooit een essay op academisch niveau moeten schrijven, hoogstens een verslagje van een computeropdracht. Ik heb erg veel geleerd van het schrijven van essays. De essays waren meestal rond de 3000 woorden en de feedback was altijd heel uitgebreid waardoor ik wist wat mijn verbeterpunten waren. Dit heeft mijn schrijfvaardigheid en mijn Engels enorm verbeterd.

Studenten zijn, door de strenge toelatingseisen van de universiteit, enorm gemotiveerd en doen zeer actief mee in de les. Soms werd er in de werkgroep een discussie gevoerd van een half uur zonder enige onderbreking van de docent en waarin alle twintig studenten betrokken waren. Dat vond ik heel bijzonder en anders dan aan de UvA. Werkgroepen kennen we bij Econometrie niet echt, alleen werkcolleges en er wordt zelden klassikaal gediscussieerd. In Melbourne was de werkgroep altijd in discussievorm en daar heb ik veel van geleerd en het was bovendien heel leuk!

Vaak weken we af van de oorspronkelijke vragen en liet de docent de discussie de vrije loop gaan. Het maakte de lesstof veel interessanter en het was leuk om allerlei verschillende meningen in visies te delen met elkaar.

De campus van de universiteit is enorm groot.

Een rondje over de campus kost je zeker een half uur. Gelukkig had ik de app ‘Lost on Campus’ op mijn telefoon, mijn life-saver. Deze app leidde mij iedere keer weer naar de juiste collegezaal. Anders was ik de eerste week hopeloos verdwaald geweest (en

13

EXCHANGEVERSLAG

Een half jaar in Australië: Het is het meer dan waard!

eigenlijk gebruikte ik de app het hele semester lang om de leukste koffietentjes en barretjes op campus op te sporen).

Alles is voorhanden op de campus. Er is een bankfiliaal, een supermarkt, een sportschool, sportvelden, er zijn wel twintig leuke koffiezaakjes verspreid over het terrein en al het soorten eten wat je maar kan bedenken (pizza, Vietnamees, Chinees, Indiaas, sandwiches, sushi, dumplings, een snoepwinkel, een juice bar, noem maar op). Ook is er altijd wat te doen. Iedere dag is er wel een gratis lunch of gratis barbecue te scoren, er zijn optredens, muziek en evenementen zoals een outdoor cinema avond.

Ook zijn er tientallen clubs en verenigingen waar je je voor kunt aanmelden.

EXCHANGEVERSLAG

Studeren is bijzaak

Hoewel studeren de hoofdreden was dat ik naar Melbourne ging, stond dat vanaf het begin al op een laag pitje. Tijdens de introductiedagen voor Study Abroad en Exchange studenten, leerde ik gelijk veel mensen kennen. Allemaal zaten we in hetzelfde schuitje: we waren ver van huis, kenden niemand en keken uit naar de maanden die komen gingen. Deze dagen waren heel waardevol. Hier heb ik de mensen leren kennen met wie ik mijn tijd in Melbourne heb doorgebracht en die mijn Exchange onvergetelijk hebben gemaakt. Allemaal wilden we het maximale halen uit onze tijd in Australië. Dit had tot gevolg dat er iedere dag wel wat georganiseerd werd. Een barbecue, een feestje bij iemand thuis, een dagje naar het strand of een weekend weg. Eigenlijk was mijn hele periode in Melbourne één groot feest.

Ook heb ik gedurende het semester veel trips door Australië gemaakt. Zo zijn we aan het begin van het semester met tien mensen en twee busjes the Great Ocean Road afgereden (een route langs de kust die loopt van Melbourne naar Adelaide). De meest prachtige kustlijn die ik ooit heb gezien! We hebben koala’s en pinguïns gezien en gekampeerd tussen de kangoeroes. Ook ben ik naar Sydney geweest.

Vaak werd mij gevraagd welke stad ik leuker vind, Melbourne of Sydney. Natuurlijk heeft Sydney de iconische trekpleisters zoals the Opera House en the Harbour Bridge. Maar ik vind Melbourne gezelliger en meer sfeer hebben. Sydney is leuk om te bezoeken maar Melbourne is leuker om te wonen. Het heeft meer karakter. In de zomer was er in Melbourne ieder weekend wel een gratis festival in de stad.

Melbourne heeft veel gezellige suburbs met leuke restaurants, rooftop bars (een persoonlijke favoriet), rooftop cinema’s en hippe winkels. Melbourners zijn ook heel aardig en behulpzaam. ‘No worries’ is echt de moraal hier. Iedereen is heel relaxed en vriendelijk.

Melbourne voelt nu een beetje als mijn tweede thuis en ik ben zeker van plan nog eens terug te gaan.

Na het semester heb ik een maand door Australië gereisd. Met drie andere exchange studenten zijn

we in een camper de hele oostkust afgereden. Ik heb onder andere gedoken in the Great Barrier Reef, gezeild tussen de Whitsunday Islands en gewandeld door regenwouden en enorme National Parks. Ik heb dolfijnen, walvissen, zeeschildpadden, een haai, kangoeroes en vogelbekdieren gezien en heb op tropische stranden gekampeerd. Het was de perfecte afsluiting van mijn half jaar in Australië. Ik heb veel nieuwe vrienden en een prachtige ervaring eraan overgehouden en kan iedereen aanraden ook op exchange te gaan. Het is het meer dan waard!

14

Leven als econometrist in Brussel DOOR: DANIEL KOERHUIS hiervan. Ik ben er dan ook best trots op te kunnen zeggen dat dat ik hier mede aan de wieg heb gestaan van dit project dat de Europese Unie zo ingrijpend heeft veranderd. Ik durf te zeggen dat ik zonder mijn econometrische achtergrond nooit eenzelfde bijdrage had kunnen leveren.

Ergens lag het voor de hand dat ik mijn opgedane kennis verder zou toepassen. Ik ben dan ook gedetacheerd van het ministerie bij de Europese Commissie om te helpen het EFSM en het EFSF praktisch vorm te geven. Een extra uitdaging was dat ik daarvoor met mijn gezin moest verhuizen naar Luxemburg. Nu, ongeveer drie jaar later, worden de tijdelijke fondsen langzaamaan afgebouwd en vervangen door het permanente ESM (European Stability Mechanism). Voor mij was dat de ideale tijd mij op een nieuw avontuur te storten in Brussel. Ik ben gevraagd om mee te kijken met het structureren van transacties met de staatsschulden en de banken van Griekenland en Cyprus. Ik was in Nicosia toen de banken dichtgingen en capital controls werden ingesteld en ik was bij het overleg waar werd besloten over de bail-in van de depositohouders. Het was een aparte ervaring daar samen te zijn met financieel specialisten van over de hele wereld. De sfeer op straat was af en toe grimmig, en de druk was enorm om snel tot een werkbare oplossing te komen. Ik heb daar heel duidelijk gemerkt dat de politieke besluitvorming niet zonder een gedegen financieel technische basis kon. Mijn theoretische kennis en praktische ervaring heb ik daar dan ook ten volle kunnen benutten. Het leuke is dat je als ecomometrist/financieel specialist nog altijd redelijk zeldzaam bent. Je wordt dan ook snel betrokken bij hele interessante en vaak highlevel vergaderingen. In Cyprus en Griekenland heb ik zo “on the ground” bijvoorbeeld veel overlegd met de presidenten van de centrale bank en met de CEO’s en CFO’s van de grote banken.

Al met al heb ik een hele mooie tijd achter de rug en kijk ik uit naar de uitdagingen die nog voor me liggen.

Ik weet zeker dat mijn carrière in belangrijke mate is bepaald door en niet mogelijk was geweest zonder mijn studie financiële econometrie.

15

COLUMN

Sinds ik ben afgestudeerd in 2004 valt de Aenorm bij mij thuis in de bus als goede herinnering aan mijn studietijd aan de UvA en bij de VSAE. Ik blader er op een rustig moment altijd even doorheen, vrijwel altijd tijdens een vlucht naar Griekenland of Cyprus. Ik begon in 2004 ooit bij het Ministerie van Financiën, in de dealing room was ik dagelijks bezig de Nederlandse staatschuld te financieren en daarnaast was ik bezig het financieringsmodel te ontwikkelen om te komen tot een optimale rentekosten/renterisicoverhouding voor de Staat. Een prachtige baan voor een startend econometrist; ik kon immers mijn theoretische kennis direct praktisch toepassen. Daarna ben ik gaan werken voor de afdeling binnen het ministerie die garanties afgeeft voor de Nederlandse export die vanwege risico-overwegingen niet op de financiële markten kan worden gefinancierd. Daar wordt besloten over onvoorstelbaar grote projecten van vaak vele honderden miljoenen euro’s over de hele wereld, zoals baggerwerken in het Midden-Oosten of de verkoop van marineschepen in Azië. Het is van belang dat daarbij een goede risico-afweging wordt gemaakt, zowel voor het project zelf als voor de risico-portefeuille als geheel. Ik heb daarbij heel veel baat gehad bij mijn achtergrond, niet alleen de hardcore modelmatige econometrische vakken, maar vooral ook de financieel economische vakken die ik heb gevolgd, zoals corporate finance, caput derivates en caput bond portfolio’s.

En toen ging Lehman Brothers failliet. Ik weet het nog precies, september 2008, paniek op de internationale financiële markten. Binnen Financiën werd meteen gereageerd. Alle financiële specialisten werden bij elkaar gebracht. Ik was hier één van. Het was een wilde rit, er gebeurde van alles. IJsland ging failliet, ABN AMRO werd genationaliseerd, en grote banken/verzekeraars moesten staatsteun vragen. Ik was hier steeds direct bij betrokken. Eind 2009 kwam Griekenland voorbij. Dat was weer een compleet nieuwe uitdaging, zowel voor Nederland als voor de EU als geheel. Ik heb meegeholpen met het opzetten van het eerste Europees-breed financieringsvehikel voor Griekenland. Toen echter bleek dat er meer nodig was om de financiële crisis enigszins te beheersen, zijn er twee fondsen opgezet, het 60 miljard eurogrote European Financial Stability Mechanism (EFSM) en het 440 miljard euro-grote European Financial Stability Facility (EFSF). Wat niet veel mensen weten is dat het Nederlandse Ministerie van Financiën een hele belangrijke rol heeft gespeeld bij de totstandkoming

Bedrijfsinterview APG is een pensioenuitvoeringsbedrijf voor deelnemers uit vele sectoren, waaronder het onderwijs en overheid en de bouw. APG verzorgt pensioenadministratie, vermogensbeheer, communicatie, bestuursondersteuning en inkomensverzekering. In totaal beheren ze zo’n 329 miljard euro pensioenvermogen (juni 2013).

Werknemers Eelke en Irene waren bereid om ons te woord te staan en een inkijkje te geven in de werkomgeving van APG. Kan je iets over jezelf vertellen?

BEDRIJFSINTERVIEW

Irene: Ik ben Actuariaat gaan studeren aan de UvA. Hierna begon ik in 2007 bij APG aan een stage en in 2008 trad ik in vaste dienst. Vervolgens ben ik verder gaan studeren om de titel AAG te behalen.

Eelke: Ik ben nu ruim anderhalf jaar in dienst bij APG, daarvoor werkte ik meer dan tien jaar bij een consultancybedrijf. Mijn huidige werkzaamheden bevallen mij beter, we hebben grotere en kleinere klanten, gaan meer de diepte in, geven niet alleen advies maar werken als bedrijf ook als uitvoerende vermogensbeheerder en administrateur.

Wat doet APG?

Irene: We zijn een bedrijf dat de uitvoering van pensioen doet. Voor meerdere fondsen adviseren we, beheren we het vermogen en voeren we de pensioenadministratie en pensioencommunicatie.

Eelke: We zijn dus eigenlijk specialist in alles wat er voor pensioenen gedaan moet worden.

Kan je ons wat meer vertellen over de bedrijfscultuur bij APG?

Irene: De bedrijfscultuur is hier informeel en iedereen is heel erg betrokken bij het werk dat we doen. Iedereen gaat tot het uiterste om zo goed mogelijk te presteren.

Eelke: Dat informele is inderdaad een belangrijk aspect, zo dragen vele werknemers gewoon casual kleding of zien er juist zakelijk uit.

Irene: Er is ook een goede balans

tussen werk en privé. Soms is het hard werken, maar het is niet standaard om vele uren over te werken.

Eelke: De dagelijkse samenwerking vindt plaats met mensen van verschillende achtergronden. Onze afdeling van 30 mensen bestaat bijvoorbeeld voor de helft uit actuarissen, de andere helft zijn juristen.

Hoe ziet een typische werkdag er bij jullie uit?

Irene: Ik doe veel werkzaamheden achter de computer, bijvoorbeeld om te modelleren. Afgewisseld met overleggen, soms van de afdeling, soms met andere afdelingen.

Eelke: We zijn ook vaak bezig met adviezen schrijven of met vergaderen met klanten.

Kan je ons een omschrijving geven van de typische medewerker van APG?

Irene: De meeste van onze werknemers zijn vrij jong en hebben allemaal een hoge mate van verantwoordelijkheidsgevoel.

Ze zullen bijvoorbeeld nooit zomaar nee zeggen.

Eelke: Het samenwerken met andere afdelingen is over het algemeen prettig, ook door de informele sfeer en de betrokkenheid.

Zijn er mogelijkheden om naast je werk nog een studie te volgen?

Eelke: Absoluut, dat is dan ook één van de grote voordelen van APG. Je krijgt de ruimte om naast

16

DOOR: ABEL BOSMAN

je werk bij APG een studie te volgen, genoeg mogelijkheden om je te ontwikkelen dus.

Irene: Eelke heeft nota bene al drie studies afgerond sinds hij hier werkt.

In hoeverre gebruik je de kennis van je studie direct in het werk?

Eelke: Eigenlijk pas ik de meeste kennis uit de laatste studies niet direct toe, maar het is wel goed voor het begrip. Algemene kennis buiten de studie is ook erg handig.

Van de studie Actuariaat gebruiken we wel de opgedane kennis.

Zijn er naast het werk nog andere activiteiten waar je bij APG aan mee kan doen?

Irene: We hebben bijvoorbeeld de Nieuwjaarsborrel in januari en jaarlijks een afdelingsuitje. Verder gaan we af en toe met collega’s op vrijdag een borrel drinken en zijn er soms initiatieven voor een etentje of filmavond.

Eelke: SWAP is ook wel leuk om even te noemen, dat is een goed doel (armoedebestrijding) dat we steunen vanuit APG. EELKE VAN DER MEULEN Eelke van der Meulen

IRENE BAREL

Irene Barel

Puzzelpagina Oplossingen van de puzzels in Aenorm 79

INZENDING PUZZEL

Magical Square

Het ‘Magical Square’ heeft meerdere goede oplossingen, belangrijk is dat de vijf in het midden wordt geplaatst. De rijen, kolommen en diagonalen horen op te tellen tot vijftien. Een voorbeeld van een goede oplossing is hieronder te vinden.

Winnaar Aenorm 79

Candies De oplossing was dat je als speler een verwacht verlies van 3 - e maakt. Hieronder volgt een beknopte uitwerking.

Laat X de beurt zijn waarop een rood snoepje wordt getrokken. Dan is

Er waren meerdere deelnemers met de goede antwoorden, de winnaar van deze editie is: Arjan van der Leij

Nieuwe puzzels 100 gouden munten

Vijf piraten hebben 100 gouden munten gestolen, en moeten de buit verdelen. De piraten zijn allemaal extreem intelligent, verraderlijk en zelfzuchtig (vooral de kapitein).

De kapitein stelt altijd een verdeling van de buit voor. Alle piraten stemmen over het voorstel, en als meer dan de helft van de bemanning het er mee eens is , wordt de buit verdeeld als voorgesteld, omdat geen enkele piraat de kapitein aan zou vallen zonder een meerderheid te hebben.

Als de kapitein niet tenminste de helft van de bemanning (inclusief zichzelf ) mee krijgt, komt hij muiterij onder ogen, en alle piraten zullen hem verraden en van de plank laten lopen. De piraten beginnen opnieuw met de meest ervaren piraat als nieuwe kapitein.

Wat is het maximaal aantal munten dat de kapitein kan houden zonder zijn leven te riskeren?

De verwachte return kan worden geschreven als de volgende oneindige som:

PUZZEL

Op deze pagina zijn enkele uitdagende puzzels te vinden. Oplossingen kunnen tot en met 31 oktober 2013 worden ingeleverd. Dit kan in de VSAE kamer (E2.02-E2.04), per mail via aenorm@vsae.nl of per post naar de VSAE t.a.v. Aenorm puzzel 80, Roetersstraat 11, 1018 WB Amsterdam, Nederland. Er zal een winnaar worden gekozen uit de correcte oplossingen.

De laatste twee sommaties vallen op één term na tegen elkaar weg. Door verder te gebruiken dat voor x gelijk aan 1 is bovenstaande uitdrukking gelijk aan e - 1. Bij een inleg van 2 euro is de verwachte opbrengst van dit spel dus e - 3.

Puzzel 2

Voor n een positief geheel getal, heeft de breuk

ooit een geheeltallige oplossing?

18

Inflation targeting under Heterogeneous Expectations Joep Lustenhouwer researches the monetary policy instrument “Inflation Targeting” using a heuristic switching model instead of rational expectations. He shows that unfavorable dynamics arise when the central bank lets the interest rate respond either too weakly or too strongly to inflation and output.

The unambiguous relation between sports and economics: goals and match points worth millions Juan Luis Nicolau gives an interesting summary about three of his articles that relate econometric research to sports. He concludes that Rafael Nadal‘s results on the tennis court positively influence his endorsers’ firm value. He also proves that the Spanish World Cup win in 2010 had a positive effect on tourism in Spain.

Other articles: A Vine-Copula GARCH Option Pricing model

by Marc Kortekaas Clash of the Titans: Does Internet Use reduce Television Viewing?

by Stan Liebowitz and Alejandro Zentner

Inflation Targeting under Heterogeneous Expectations

MSC-LEVEL | ECONOMETRICS

A currently relevant form of monetary policy is inflation targeting. Like many other issues in macroeconomics, this is usually analyzed under the not completely realistic assumption of rational expectations. This article investigates inflation targeting using a heuristic switching model where expectations formation is heterogeneous and non-rational. We show that unfavorable dynamics arise when the central bank lets the interest rate respond either too weakly or too strongly to inflation and output.

BY: JOEP LUSTENHOUWER

Introduction

Many central banks (CB’s) have recently switched to some form of inflation targeting. Some CB’s do this by claiming to set the interest rate such that, if the interest rate were to be kept constant, the inflation in some specified future period is expected to equal the target value. Other CB’s1 include predictions about the future path of the interest rate in their expectations. Both forms of inflation targeting can be described as “inflation forecast targeting”.

Besides setting the interest rate optimally, important aspects of inflation targeting are communication and managing expectations.

This is for example stressed by Woodford (2004). For the inflation targeting to be effective it is important both that the target is perfectly communicated and that the CB is credible. If the private sector does not believe that inflation will be equal to the target, or if they do not know what the target is, the realized value of inflation will likely not be equal to its target. Salle et al (2013) investigate this issue.

Inflation Targeting Model

Inflation targeting is modeled in various ways in the literature. A common way to model inflation dynamics is with a New Keynesian Philips curve and an IS curve, in line with Woodford (2003), together with an interest rate rule. This is also the approach taken in this article. The New Keynesian Philips curve and IS curve, describing inflation and output gap respectively, are given by (1) (2) Here

is the discount factor, et and ut are shocks to respectively inflation

1. e.g. the Central Bank of New Zealand

20

(3) with and the inverses of respectively the elasticity of intertemporal substitution and the elasticity of labor supply. (1- ) is the fraction of firms that can adjust their price in a given period, and it is the nominal interest rate, which is chosen by the central bank and assumed to follow a predetermined rule.

This interest rate rule is often assumed to be a Taylor type rule. Taylor (1993) proposed a simple interest rate rule, where the interest rate is based on the long term inflation target and responds to past deviations of inflation from this target and to realized output gap.

With this rule the CB has little considerations about what the optimal paths of inflation and output gap are, and when the long term inflation target should be reached.

Forecast targeting is also modeled in the literature, but this is a form of strict inflation targeting, where no output considerations are allowed. While CB’s claim to set the interest rate to target inflation, they also take the consequences on output into account.

With forecast targeting, a CB furthermore only tries to optimize one specific future period and again has no considerations for the whole future paths of inflation and output gap.

In this article an inflation targeting model that does try to optimize the future paths of inflation and output gap is used. This is done as follows. We assume that the central bank wants to minimize the discounted sum of all future deviations of inflation from the target the central bank has set for itself. It is furthermore assumed that the central bank also wants to minimize squared output gap, but that it does not necessarily assigns equal weight to the minimization of both variables. Let be the relative weight that the central bank assigns to the minimization of squared output gap compared to squared deviation of inflation from target. The loss function is then given by (4) There are two ways the CB can minimize this loss function. If the CB optimizes under discretion, it chooses and xt to minimize the loss function in every period with the current information. If the CB optimizes under commitment it commits to a policy now, and does not reconsider this policy in future periods. This way it can influence future private sector expectations and will therefore ultimately be better off. The main problem with this approach is that the central bank will be tempted to re-optimize in every period. Commitment is only better for the CB because of the effect on private sector expectations. When

those expectations have been formed, the CB would be better off to renege on its commitment. However, the CB would then lose its credibility, so that we would be back in the discretion case. In this thesis it is assumed the CB optimizes under discretion. In this case the first order conditions that are obtained from minimizing equation (4) result in the following optimal targeting rule.

(5) This rule could be solved for the model parameters if rational expectations are assumed. Rational expectations are however not very realistic when inflation forecasts by price setters (i.e. the private sector) are concerned. It is more likely that expectations are formed by an adaptive rule or other simple heuristics. Mankiw et al. (2004) furthermore show that there is considerable heterogeneity in inflation expectations. Replacing rational expectations with another form of homogeneous expectations, thus does not solve the problem. In this article the assumptions of homogeneous and rational expectations are not made. Instead a heuristic switching model is used. This model was introduced

by Brock and Hommes (1997), and has since been used to model heterogeneous expectations in finance and macroeconomics. To provide some robustness to the results derived in this article, two sets of heuristics are considered.

The optimal policy rule that does not assume rational expectations and implements the above targeting rule, is amongst others derived by Evans and Honkapohja (2003). They study optimal monetary policy under learning, with non-rational, but homogeneous expectations. They find that the optimal policy rule leads to convergence to the optimum under discretion even if expectations are not rational. Branch and Evans (2011) find that the rule also performs well under heterogeneous expectations.

We assume that the central bank can perfectly observe private sector expectations.2 Although the CB can thus respond to current period expectations, those expectations are assumed to be based on past information. It is furthermore assumed that the central bank cannot respond to current period shocks. This way, agents are not able to influence current period variables. Svensson (2003) strongly argues in favor of this. Shocks are therefore omitted from our optimal interest rate rule.

In this article it is assumed that = 1. This is done for two reasons. First of all, when all beliefs are rational and = 1, the system has a steady state with zero output gap and inflation equal to target. For < 1 a steady state with inflation different from the target and output gap non-zero arises. This is less intuitive

2. This is also done by e.g. Branch and McGough (2010), Berardi and Duffy (2007), Branch and Evans (2011) and Evans and Honkapohja (2003).

21

MSC-LEVEL | ECONOMETRICS

and output gap, and

because it makes sense that under optimal policy and without shocks, a fully credible central bank would be able to achieve zero output gap and inflation equal to target. The CB is however, only able to do this when either the inflation target is normalized to zero or, as mentioned above, = 1. Since is usually calibrated to be around 0.99, Assumption 1 seems less restrictive than normalizing the inflation target to zero.3 The second reason to assume = 1 is that under this assumption the optimal interest rate rule can be captured in the two parameter family of expectation based Taylor type interest rate rules. This allows us to compare the results of our model with the results of other studies that have used Taylor type rules.

When = 1, the optimal interest rate rule mentioned above can be written as (6) The coefficients for optimal monetary policy are then given by (7)

MSC-LEVEL | ECONOMETRICS

(8) The general rule given in equation (6), is very similar to a normal Taylor rule, but replaces past realizations of inflation and output gap with their expectations of next period.

In order to get an idea of the magnitude of the optimal policy parameters, the model needs to be calibrated.

When weight on output gap, , is set to 0.21, and thus , is set to 0.5 and to 0.3, the corresponding value of is 1.5. This is exactly the classical taylor rule.

This value of , is close to the one used by McCallum and Nelson (2004) and Walsh (2003) and the values of and are between the calibrations of Woodford (1999) and Clarida et al. (2000). The optimal policy rule thus does not seem unreasonable.

Abstracting from shocks and plugging equation (6) into equation (2), gives the following model

model in line with Brock and Hommes (1997). Here beliefs are formed by a set of simple prediction rules, or heuristics. The population consists of agents that can switch between those heuristics. As a heuristic performs better through time, the fraction of the population that follows that prediction rule increases.

In this article two different sets of heuristics are considered. The first set consists of fundamentalists and naive predictors; the second set contains optimists, pessimists and fundamentalists. Followers of the fundamentalistic heuristic believe inflation or output gap to be equal to its fundamental value: xt = 0 and = .

This heuristic can thus be interpreted as trusting the central bank. Whichever value of inflation the central bank targets, fundamentalist believe future inflation to be equal to this value. Optimists believe xt = d or = + d and pessimists believe xt = -d or = - d ,where d is a constant. Followers of the naive heuristic believe future inflation or output gap to be equal to its value in the previous period.

First, consider the case where the fundamentalist and naive heuristic are used.

Let a fraction be fundamentalists and a fraction 1naive predictors, with z = x , . These fractions are determined by their fitness: . The belief fractions of inflation can thus differ from those of output gap. Now define the difference in fractions, (11) These differences in fractions are formed by (12) (13) where b is the intensity of choice. The higher the intensity of choice, the more sensitive agents become with respect to relative performance of the heuristics.

By plugging in the weighted average of beliefs in equations (1) and (2), a dynamical system is formed with the following state vector.

(9)

(14)

(10) In this article it is assumed that , > 0. In addition, we assume 0, 0.

This assumption is made because it does not make sense for the CB to let the interest rate respond negatively to expected deviation of inflation from target, or to expected output gap.

In the 3-type example with optimists, pessimists and fundamentalists, the fractions of optimists are given by and the fractions of pessimists by , with z = x, . The fraction of fundamentalists equal 1. Note that again the belief fractions of output gap can be different from those of inflation. The above fractions are formed as follows.

Heuristic Switching Model

In order to use the model outlined above, the formation of expectations needs to be specified.

As mentioned above, we use a heuristic switching

(15) (16)

3. Orphanides and Williams (2005), de Grauwe (2011) and Leitemo (2008) as implicitly set the discount factor to 1 by using a hybrid Philips Curve. See appendix A of Leitemo (2008)

22

(18) The state factor of the dynamical system now is (19)

Results

The fundamental steady state, with = 0, = , = 0, = 0 exists for all parameter settings in both models. In the 2-type case the fractions of fundamentalists and naive predictors are equal in this steady state. In the 3-type case the steady state fractions of optimists and pessimists are (20) When b or d go to infinity these fractions go to zero, so that everyone is fundamentalist in the fundamental steady state.

Since the central bank tries to achieve optimal convergence to the fundamental steady state, the main interest of this article lies in the stability of this steady state and the influence of the policy parameters and on this stability.

In the fundamentalists versus naive case, the system has four eigenvalues of zero around the fundamental steady state. The other two eigenvalues are given by

under rational expectations by letting the interest rate react more than point for point to inflation.

Under rational expectations the problems of reacting too strongly to inflation or output gap, do not arise.

The classical Taylor rule with = 1.5 and = 0.5 furthermore always leads to stability under rational expectations, while in our model this parameter setting can lead to instability of the steady state, depending on the values of and .

Reacting too weakly to inflation can, in our model, lead to instability of the fundamental steady state as well. In the fundamentalist versus naive case this happens when (24) Here a subcritical pitchfork bifurcation occurs with = 1. Because the bifurcation is subcritical, the steady states that are created in this bifurcation are unstable.

The above expression is always strictly smaller than one. Reacting more than point for point to inflation thus is not the critical boundary for stability.

In contrast with the fundamentalists versus naive case, the stability of the fundamental steady state of the 3-type model depends on the values of b and d. is a function of of bd2 and is plotted in Figure 1, together with . The function reaches a global maximum of (25) at

(21)

(26) (22)

In the 3-type case the eigenvalues are equal to the two eigenvalues given above, but with replaced by .

The first conclusion that can be drawn from the eigenvalues is that the fundamental steady state becomes unstable when the CB reacts too strongly to inflation and/or output gap. This is the case because then < -1. In the 2-type case this happens when

Here W is the Lambert W function. For combinations of b and d around the global maximum the eigenvalues of the 3-type model are higher in absolute value than those of the 2-type example. Here the area of combinations of and that result in a stable fundamental steady state is smallest. As bd2 is chosen close to zero, or as bd2 gets higher, tends to zero, so that the steady state becomes locally stable for almost all values of and .

(23)

In rational expectations models, instead of a stable fundamental steady state, the central bank wants to achieve determinacy of the fundamental equilibrium.

When the rational expectations equilibrium is determinate, the system will end up in this equilibrium under rational expectations.

This is thus similar to a unique, stable fundamental steady state in the heterogeneous agent model used in this article. According to the Taylor principle, the central bank can achieve a determinate equilibrium

Figure 1: Comparison of Eigenvalues

23

MSC-LEVEL | ECONOMETRICS

(17)

MSC-LEVEL | ECONOMETRICS

An important result of this article is that it can be shown that on both models the fundamental steady state is locally stable when the central banks implements optimal policy by choosing and to be the values given in equation (7) and equation (8).

This result holds for all possible values of the other model parameters.

From the signs of the eigenvalues the following can be concluded. When is chosen above optimal, the system exhibits slow oscillatory convergence to the steady state, and when is chosen below optimal the system just converges more slowly. The larger , the more this effect is amplified. Therefore, the larger the weight on output gap in the loss function (leading to a lower optimal ), the less sensitive the system is to suboptimal values of .

Intensity of choice to Infinity 3-type Since the stability of the fundamental steady state in the 3-type case depends on the intensity of choice, it is of interest to investigate the limiting case where b = + . In this special case all agents immediately switch to the heuristic that was most successful in the previous period. Since for this limiting case the eigenvalues of the fundamental steady state are zero, this steady state is locally stable. This does however not mean the system always converges to the fundamental steady state. It turns out that, for b = + , nine different steady states can exist, all of which are locally stable. The first two columns of Table 1 summarize for all steady states that can exist when the intensity of choice goes to infinity whether all agents are optimistic, pessimistic or fundamentalistic.

Column three gives the ranges of values of and for which the steady states exist.

about the other, exist when the CB responds about equally strong to output gap and inflation. Steady states where everyone has fundamentalistic beliefs about either inflation or output gap, and optimistic or pessimistic beliefs about the other, exist as long as the CB does not react too strongly to the variable where everyone is optimistic or pessimistic about.

An important question is whether there exist nonfundamental steady states under optimal policy.

To make the answer to this question insightful, we assume < 1. Although has been calibrated above one, most calibrations are much lower, so the assumption seems reasonable.

Under optimal policy we have the following result.

The fundamental steady state only is the unique steady state under optimal policy when < . When < < 2 - the fundamental steady state coexists with two steady states where either all agents are optimistic about inflation and pessimistic about output gap, or the other way around. When > 2 the fundamental steady state coexists with two steady states where all agents are fundamentalistic about output gap and either all agents are optimistic or all agents are pessimistic about inflation. As mentioned above, all steady states are locally stable, so when the weight on output gap is high enough, inflation and output gap may either converge to their fundamental values or to one of the other steady states, depending on initial conditions.

Summary and Conclusion

We used a New Keynesian model to study inflation targeting. Instead of assuming rational expectations, we allowed expectations to be formed heterogeneously by using two different heuristic switching models. In both models, optimal monetary policy, as derived from a loss function of the central bank, results in a stable fundamental steady state.

In this steady state output gap is equal to zero, and inflation equals the target of the central bank. When the central bank responds too weakly to inflation, or too strongly to inflation and output gap, convergence to this steady state does not occur.

References Berardi, M. and Duffy J. (2007). The value of central bank transparency when agents are learning, European Journal of Political Economy, Volume 23, Issue 1, Pages 9-29.

Table 1: Steady States

Table 1 gives rise to the following conclusions.

Steady states where everyone is either optimistic or pessimistic about both inflation and output gap only exist if the central bank does not react too strongly to both. Steady states where everyone is optimistic about either output gap or inflation and pessimistic

Branch, W.A. and Evans, G.W. (2011). Monetary policy with heterogeneous expectationsâ&#x20AC;&#x2122;, Economic Theory, Volume 47, Issue 2-3, pp 365-393.

24

Branch, W.A. and McGough, B. (2010). Dynamic predictor selection in a new Keynesian model with heterogeneous expectations, Journal of Economic Dynamics and Control, 34, 1492 - 1508.

Brock, W.A. and Hommes C.H. (1997). A Rational Route to Randomness, Econometrica, 65, 1059 - 1160.

Gomes, O. (2006). Optimal Monetary Policy under Heterogeneous Expectations, The ICFAI Journal of Monetary Economics, IV, 32–51. de Grauwe, P. (2011). Animal Spirits and Monetary Policy, Economic Theory, Volume 47, Issue 2-3, pp 423-457.

Leitemo, K. (2008). Inflation-targeting Rules: Historydependent or forward-looking?, Economics Letters, 100, 267270.

Mankiw, N.G., Reis R. and Wolfers J. (2004). Disagreement about inflation expectations, NBER Macroeconomics Annual 2003, MIT Press, Cambridge.

Joep Lustenhouwer Joep Lustenhouwer obtained his bachelor’s degree in Econometrics (cum laude) at the University of Amsterdam (UvA). In addition to his studies, Joep also served as a fulltime board member of the VSAE. Currently he is in the process of finishing his Master in Econometrics at the UvA. In addition, he is enrolled for the second year of the MPhil programme at the Tinbergen

McCallum, B.T. and Nelson, E. (2004). Timeless Perspective vs.

Discretionary Monetary Policy in Forward-Looking Models, Federal Reserve Bank of St. Louis Review, 86(2): 43-56.

Orphanides, A. and Williams J.C. (2005). Inflation Scares and Forecast-based Monetary Policy, Review of Economic Dynamics, vol. 8, pp. 498-527.

Salle, I., Yldzolu M. and Sénégas M.A. (2013). Inflation targeting in a learning economy: An ABM perspective, Economic Modelling, Available online 20 February 2013, ISSN 02649993, http://dx.doi.org/10.1016/j.econmod.2013.01.031.

Svensson, L.E.O. (2003). What Is Wrong with Taylor Rules?

Using Judgment in Monetary Policy through Targeting Rules, Journal of Economic Literature, 41: 426-477.

Taylor, J. (1993). Discretion versus policy rules in practice, Carnegie-Rochester Conference Series on Public Policy 39, 195-214.

Walsh, C. E. (2003). Speed Limit Policies: The Output Gap and Optimal Monetary Policy, American Economic Review, 93, 265278.

Woodford, M. (1999). Optimal Monetary Policy Inertia, The Manchester School (Suppl.), 67, 1 - 35.

25

Woodford, M. (2003). Interest and Prices: Foundations of a Theory of Monetary Policy, Princeton University Press.

Woodford, M. (2004). Inflation targeting and optimal monetary policy, Federal reserve Bank of St. Louis Review, 86, 15-41.

MSC-LEVEL | ECONOMETRICS | SPECIALTY | NL

Evans, G.W. and Honkapohja S. (2003). Expectations and the Stability Problem for Optimal Monetary Policies, Review of Economic Studies, 70, 807-824.

ABOUT THE AUTHOR

Recommended for readers of XXx-level

Clarida, R., Gali J. and Gertler M. (2000). Monetary Policy Rules and Macroeconomic Stability: Evidence and Some Theory, Quarterly Journal of Economics, 115, 147 - 180.

Hoe houd je grip op een bank waarin de belangen zijn verstrengeld?

Schrijf je in voor de DNB Masterclass op werkenbijdnb.nl

Tijdens deze masterclass kruip je in de huid van een toezichthouder. Samen met je team breng je advies uit aan de directie van DNB over een lastige zaak bij een bank. Fusies en overnames in de jaren tachtig en negentig zorgden voor financiële conglomeraten. Nu de bomen niet meer tot in de hemel groeien en de winstgevendheid onder druk staat, wordt de mogelijkheid onderzocht om als losse onderdelen verder te gaan.

Welk scenario geeft de bank weer grip en zorgt voor een stabiel financieel systeem? Hoe ga jij als toezichthouder om met financiële risico’s, juridische structuren en verstrengelde belangen?

Neem deel aan de DNB Masterclass op 14 november 2013.

Schrijf je uiterlijk 27 oktober 2013 in via werkenbijdnb.nl.

Werken aan vertrouwen.

The unambiguous relation between sports and economics: goals and match points worth millions BY: JUAN LUIS NICOLAU

Introduction

Firms use sports sponsorship activities to enhance their brand awareness, i.e. firms provide financial support to the sports event or sports team so that the firm’s brand appears during the event. The literature generally shows a general positive effect on the endorsing firm’s market value when the endorsement contract has been announced. However, there are some questions that are worth analyzing: i) What if the very sports team is the brand itself? ii) What if there is no formal contract but there is some common link between a firm and a sports team? iii) After signing the endorsement contract, how is the endorser’s performance affecting the endorsing firm’s performance?

The following sections describe three articles that attempt to shed some light on these issues. In section 2 the research hypotheses and data used in each study are shown. Section 3 succinctly presents the results and section 4 briefly concludes the report.

Research Hypotheses and Data The Effect of Winning the 2010 FIFA World Cup on the Tourism Market Value: The Spanish Case1 After the Spanish national team’s victory in the 2010 World Cup final, the conclusions by Kuper and Szymanski (2009) about the winning country experiencing a 0.7% increase in its GDP were newsworthy. Certainly, winning the World Cup does not result in any long-term improvement 1. published in 2012 in Omega, The International Journal of Management Science, 40, 5, 503-510

27

BSC-LEVEL | ECONOMETRICS

MSC-LEVEL | SPECIALTY

The purpose of this report is to present the outcomes of three empirical applications that show the effect of sports results on firm value in a context that goes beyond the traditional analyses of sponsorship contracts. By using Garch-type models, the three analyses test some properties of Prospect Theory (i.e. loss aversion and diminishing sensitivity) on the reactions of the firm values involved to some extent in the sport team or athlete. While a positive effect of sports results on firm value is confirmed (if the team or athlete wins, the firm wins too), the Prospect theory’s properties are contingent upon firm’s characteristics and the endorser.

BSC-LEVEL | ECONOMETRICS

in productivity capacity, for example; nevertheless, if one considers immaterial, intangible consequences derived from this victory, the concepts of image and branding show up, which are critical core concepts for destination marketing. Therefore, the objective of this article is to analyze the potential existence of an effect of winning the World Cup on the tourism market value, justified by the increase in brand knowledge for the winning team’s country.

The World Cup is a hallmark event designed to enhance the awareness of a region. However, there is a lack of research on the World Cup winner; that is, how beneficial in tourism terms is it for the country that wins the World Cup? One can think of the winning team as a publicized product derived from the event; but here, the team represents a country, i.e. a destination, and in turn a brand itself. Therefore, the crucial question is: does winning the World Cup have an effect on the tourism industry of the winning national team?

Note that several teams compete in the World Cup, but only one is crowned with a golden halo, which is expected to have a positive effect on the winning country’s tourism market value via brand knowledge enhancement of the country as a destination.

On the one hand, winning the World Cup can notably help build a positive image that identifies and differentiates the destination brand, which in turn can influence consumer evaluations of the brand and, consequently, brand choice. And, on the other hand, the awareness of the brand “Spain” after the 2010 World Cup is enhanced. The brand will be evoked under many different situations or circumstances much more easily and more frequently after this landmark victory, increasing “consumers’ ability to confirm prior exposure to the brand when given the brand as a cue”, i.e. brand recognition (Keller, 1993) and reinforcing “consumers’ ability to retrieve the brand when given the product category”, i.e. brand recall (Keller, 1993). Thus, when considering a list of possible vacation countries, the winning country will be recognized on that list, and more importantly, it is more likely to be recalled when forming the list. The consequence of this is an increment in the likelihood of the destination being part of the individual’s consideration set and, consequently, of being selected as a vacation destination. This increase in potential tourists should bring about a rise in sales and profits on the part of tourism companies, which would represent an increase in their firm value.

Accordingly, the article proposes the hypothesis that winning the FIFA World Cup has a positive effect on the country’s tourism market value.

As a refinement of this hypothesis, asymmetrical effects are also tested in line with the loss aversion phenomenon. The critical question is: which is bigger, the increment in market value as a result of

winning a match or the reduction in market value as a consequence of losing it? In line with the property loss aversion of Kahneman and Tversky’s (1979) Prospect Theory, people are more sensitive to losses than to gains. In this regard, this theory predicts that the absolute level of the change in demand due to a loss is greater than the corresponding impact of an equal gain. Paralleling this argument, the negative impact on firm value derived from losing a match by a certain number of goals should be bigger than the positive impact from winning by the same number of goals. Accordingly, another hypothesis is proposed to state that the result of a World Cup soccer match has asymmetrical effects in such a way that lost matches have greater impact on firm value than won matches, even if the goal difference, be it negative or positive, is the same.

Data Data referred to the leading firms in two basic sectors in the tourism industry are collected: Iberia (airlines sector) and Sol Meliá (hotel sector). The raw data is the daily returns on the firms during and after the sports event. Returns are adjusted by dividends, capital increases and splits, so that they are expressed

by Rit = Ln(PtSFt+rt+dt)-Ln(Pt-1), where Pt is the price, SFt the split factor, rt the subscription right and dt the dividend paid, all of which refer to day t. As a proxy of the market portfolio Rmt, the IBEX-35 index is used, which is a representative index of the Spanish Stock Market. The data is obtained from the Spanish Stock Exchange Society. The Spanish team’s results for the matches during the study period are obtained from the website www.2010mundialfutbol.com.

The Decision to Raise Firm Value through a Sports-Business Exchange: How Much Are Real Madrid’s Goals Worth to its President’s Company’s Goals?2 The objective of this article is to examine whether a soccer team’s performance on the field has any impact on the economic returns of a company whose most notable figure (its president) becomes, at the same time, president of the club. The idea is that the name of the company will be bound to the club’s achievements during the presidency.

The idea of a company engaging in some way with a first-class soccer club is not trivial, as emotions aroused for (or against) the latter may transfer to the former. The president manages a company, so his/ her decisions determine the firm’s market value. On the other hand, a soccer club expects its president to use his/her management knowledge to run the club like a firm, to get as many trophies as possible.

If the president is running the soccer club properly (i.e. win many matches and the highest number of championships), the weekly appearances of the firm’s president because of the club’s feats can generate positive publicity and create brand awareness. What’s

2. published in 2011 in European Journal of Operational Research, 215, 1, 281-288

28

Data This research project tests the hypotheses on the Spanish club Real Madrid for a period of 1,409 days, from July 17, 2000 to February 27, 2006. During this period, Florentino Pérez was the president of the club and, since 1997, has been president of the construction company ACS, a leader in the Spanish construction industry (since July 14, 2009 he has taken up the Real Madrid presidency again). The raw data are the daily returns on the firm’s shares from July 17, 2000 to February 27, 2006; a temporal period defined by Pérez’s presidency. Returns are adjusted by dividends, capital increases and splits. As a proxy of the market portfolio Rmt , the IBEX-35 index is used.

Real Madrid’s results for all the 215 matches played in the Spanish League during the study period are obtained from the soccer results website www. webprincipal.com.

Celebrity Endorsers’ Performance on the ‘Ground’ and on the ‘Floor’ 3 This study looks into the relationship between two types of performances, one on the ground of a tennis court and the other on the floor of the stock market.

In particular, the tennis player, Rafael Nadal, and his endorsing firms are analyzed.

The endorsement analyses have focused on the announcement of the contract and its impact on firm value; the idea is that the celebrity’s potential success will be transferred to the company’s name. However, once the endorsement contract has been signed and announced, how is the endorser’s performance affecting the endorsing firm’s performance? The purpose of this analysis is to examine the way specific results of the celebrity endorser affect the market value of the endorsing firm.

Apart from loss aversion, this study also tests the property of diminishing sensitivity of Kahneman and Tversky’s (1979) Prospect Theory. As greater sports contention leads to greater media coverage, it is expected that the larger the advantage in the result of a victory is, the greater effect on the market value

will be, but it will happen up to a point as there must be a satiation point. In other words, an “easy victory” will generate less media coverage than a close, hardfought match.

Data The empirical analysis is applied to the case of Rafael Nadal, the best Spanish tennis player these days, and his endorsing firms: Banesto (whose endorsement contract was initiated on October 24, 2007) and Mapfre (from February 16, 2009). The daily returns are collected and an aggregate return measure formed by the average of the two companies’ daily returns is built, from February 16, 2009 through April 20, 2012.

The focus is on the Grand Slam tennis tournaments (Australian Open, Roland Garros, Wimbledon and US Open), and the results of the 85 matches that he played are obtained from the Worldwide Tennis Database and Tennis Navigator.

Method

To analyze the effect of the outcome of the sports matches on firm value a two-stage process is followed: i) selection of the market model specification that best fits the return series; and ii) estimation of the abnormal returns derived from sports results.

Selection of the market model specification The market model of Sharpe (1964) so that the normal returns that are expected when there is no other relevant information available are estimated by means of the following expression: (1) in which Rit represents the returns on the firm’s share i on day t, and Rmt is the rate of returns on the market portfolio on day t. The parameters and represent the constant and the systematic risk on share i, respectively, and is the error term.

To reduce the potential effect of kurtosis and heteroskedasticity in the error term, autoregressive conditional heteroskedasticity models are used to find the one that best fits the return series. The main purpose of the autoregressive conditional heteroskedasticity models considered is to model the conditional variance of returns. The specific models appraised here are the symmetric models ARCH by Engle (1982) and GARCH by Bollerslev (1986), and the asymmetric ones, EGARCH by Nelson (1990) and TGARCH by Glosten, Jagannathan and Runkle (1993) and Zakoïan (1994).

A symmetric model assumes that the effect of new information on the variance is independent of its sign.

Thus, letting p be the number of lags, returns defined by means of an ARCH(p) model are obtained by the expression (1) where

3. published in 2013 in Marketing Letters, 24, 2, 143-149

29

BSC-LEVEL | ECONOMETRICS

MSC-LEVEL | SPECIALTY

more, through the president’s good work in the club, society will transfer that way of working to the company s/he is presiding over, increasing people’s trust in its products.

Accordingly, it is stated the hypothesis that the result of a soccer match affects the firm value of the club’s president’s company in such a way that a victory increases and a defeat reduces its market value.

In order to test potential asymmetrical effects in line with Prospect Theory, it is also hypothesized that the result of a soccer match has asymmetrical effects in such a way that lost matches have greater impact on firm value than won matches, even if the goal difference, be it negative or positive, is the same.

LOSSt = (GFt - GAt)DL, where DL = 1 if GFt - GAt < 0 and DL = 0 otherwise.

The final market model is: (7)

where ci and are parameters to be estimated.

The generalization of this model gives rise to GARCH(p,q) models, where q is the number of lags of the autoregressive part. In this case, the conditional variance is expressed as

Results

(3) However, returns can sometimes show a different degree of sensitivity in the face of good or bad events. Considering such possible asymmetry, other generalizations have been proposed. The first of these is the EGARCH(p,q) model, in which the conditional variance is (4) and finally, the TGARCH(p,q) model, whose conditional variance is represented by the expression

BSC-LEVEL | ECONOMETRICS

(5) where Dit = 1 if < 0 and Dit = 0 otherwise.

To estimate these models the maximum likelihood method is used. The selection of the best model is made by employing Akaike’s Information Criteria.

Estimation of abnormal returns

To estimate the abnormal returns derived from the sports results, Karafiath’s (1988) alternative event methodology is used. As the interest is in measuring the abnormal returns derived from a match result, expression (1) incorporates both the dummy variable Dit, which indicates the first trading days after the soccer or tennis match (hereafter, the soccer terminology will be followed while the method applied to the tennis matches is analogous), and the sports result variable, defined as the goal difference GDt between goals for (GFt, goals the team has scored) and goals against (GAt, goals the team has conceded) at the previous-to-day-t match. The resulting market model is as follows: (6) where is a parameter expected to be positive: if GDt > 0 the team wins and returns should increase; if GDt < 0 the team loses and returns should decrease.

Going a step further, the article tests the existence of loss aversion. Thus, analogously to Bell and Lattin’s (2000) pricing application to scanner data, the goal difference GDt variable is broken down as follows: WINt = (GFt - GAt)DW, where DW = 1 if GFt - GAt > 0 and DW = 0 otherwise.

In general, the three applications favor the GARCHtype models, and Figure 1 depicts the effects of each analysis on the firm’s returns. Regarding the World Cup application, significantly and positive abnormal returns for the days after Spain winning the World Cup final are found; thus, the hypothesis that winning the FIFA World Cup has a positive effect on the country’s tourism market value cannot be rejected. Both Iberia and Sol Meliá present the expected positive and significant parameters for both variables “won match x goal difference” and “lost match x goal difference”, meaning that if the National team wins (loses) a World Cup match, the company returns increase (decrease); thus, winning enhances firm value and losing diminishes it. These results mean that the effect on tourism firm value is not only contingent upon the result of the final match, but also upon the results of the matches leading up to it. However, asymmetrical effects are only found for Sol Meliá, which can be explained by the fact that that this firm is perceived as riskier than Iberia on account of their betas, so bad news items (losing a match) will be perceived as worse for the former than for the latter. Interestingly, the economic impact of winning or losing is illustrated as follows: for an average sample market value of €2,236,247,381 for Iberia and €1,019,284,135 for Sol Meliá (the result of multiplying the number of shares by their share price), positive abnormal returns of 0.27% and 0.32% respectively, derived from a win match suppose an increase in market value of €6,037,867 for Iberia and €3,261,709 for Sol Meliá, in only two days; for a lost match, negative abnormal returns of 0.17% and 1.55% represent a decrease in market value of €3,801,620 for Iberia and €15,798,904 for Sol Meliá.

Concerning the Real Madrid application, the estimation obtains a significantly positive parameter for “goal difference”, meaning that if the team wins (loses) a match, the company returns increase (decrease); thus, supporting the hypothesis that the result of a soccer match affects the firm value of the club’s president’s company in such a way that a victory increases and a defeat reduces its market value. As for the loss aversion hypothesis, the expected positive and significant parameters are found for both variables “win match x goal difference” and “lost match x goal difference” as before, winning enhances and losing diminishes firm value. The important result here is the difference between both parameters, which is statistically significant, and the two parameters reaching a ratio of 2.7. With this ratio

30

MSC-LEVEL | SPECIALTY

being In this context, hit is the conditional variance and is represented as (2)

being greater than one, the loss aversion hypothesis is supported. This outcome means that the result of a soccer match has asymmetrical effects on firm value; specifically, lost matches have greater impact on firm value than won matches even if the goal difference, be it negative or positive, is the same. In other words, the negative impact on the firm value derived from losing a match by one goal is more than two and a half times the positive impact from winning by one goal.

The following calculations estimate the economic impact of winning or losing. For an average sample market value of €3.8 billion (the result of multiplying the number of shares by their share price), positive abnormal returns of 0.07% derived from a win match (with a goal difference of one) suppose an increase in market value of €2.6 million in one single day; for a lost match, negative abnormal returns of 0.19% represent a decrease in market value of €7.2 million in one single day. What is more, 0.07% and -0.19% in one day are equivalent to annual returns of 29.09% and -50.05%, respectively.

As for the Rafael Nadal application, a significantly positive parameter is found for the variable that represents abnormal returns for the day after Nadal winning a match; thus, Nadal’s victory seems to have a positive effect on his endorsing firms’ value. Also, a significant and negative parameter is found for the quadratic term of this variable, showing a diminishing sensitivity pattern and favoring the hypothesis of diminishing sensitivity: winning by an advantage of one or two sets brings about a similar effect on the market value; but the impact of beating the opponent by three sets of difference is much lower. It seems that, easy victories are not as hyped as closer ones; the latter gaining greater media coverage.

Interestingly, the parameter associated to loss aversion is not significant. Therefore, there are pieces of “good news” (winning a match) bringing about

positive market reactions -as expected-, and “allegedly bad news” (losing a match) having no effect at all -which is contrary to loss aversion-. Further analyses of the news generated in the media seem to confirm that this bad news is not so bad after all, or maybe they are not even bad at all. It is argued that losing a match, while being undesirable, can be regarded as a normal part of the game and, in the case of Rafael Nadal, something that happens not regularly and only every now and then. This can explain that, although being it an unanticipated event, the market remains neutral and there is no effect on the firm value of the endorsing firms.

Conclusions

This article builds on the well-established evidence that supporting sports activities helps enhance brand awareness and, thus, firm value. The three applications presented here show unambiguous results regarding the relationship between sports and economics: the positive effect of sports results on firm value is confirmed. However, the loss aversion property seems to depend on firm’s characteristics and the endorser. While more outcomes within this research line should be needed to reach a totally clear-cut relationship and disentangle the intricacies inherent in it, these results represent a step beyond the traditional sponsorship studies.

Certainly, the creation of corporate associations for a company is a crucial strategic task on account of the fact that what consumers know about a company can have an effect on their beliefs about and attitudes toward its products. Considering that sports generate tremendous hype, having a link connected with them can enhance the brand of a firm or its products.

31

BSC-LEVEL | ECONOMETRICS

MSC-LEVEL | SPECIALTY

Figure 1: Effect of match results on returns

References Bell, D.R. and Lattin, J.M. (2000). Looking for loss aversion in scanner panel data: the confounding effect of price response heterogeneity, Marketing Science, 19, 2, pp. 185-200.

Bollerslev, T. (1986). Generalized autoregressive conditional heteroskedasticity, Journal of Econometrics, 31, 307-327.

Kahneman, D. and Tversky, A. (1979). Prospect theory: and analysis of decision under risk, Econometrica, 47, 2, pp. 263291.

Karafiath, I. (1988). Using Dummy Variables in the Event Methodology, The Financial Review, 23(3), 351-357.

Keller, K.L. (1993). Conceptualizing, measuring, and managing customer-based brand equity, Journal of Marketing, 57, 1-22.

Kuper, S. and Szymanski, S. (2009). Soccerconomics. New York: Nation Books.

Nelson, D.B. (1990). Conditional heteroskedasticity in asset returns: a new approach, Econometrica, 41, 867-887.

Nicolau, J.L. (2011). The decision to raise firm value through a sports-business exchange: How much are Real Madrid’s goals worth to its president’s company’s goals?, European Journal of Operational Research, 215, 1, 281-288.

Nicolau, J.L. (2012). “The effect of winning the 2010 FIFA World Cup on the tourism market value: the Spanish case”, Omega, The International Journal of Management Science, 40, 5, 503-510.

Nicolau, J.L. y Santa-María, M.J. (2013). “Celebrity endorsers’ performance on the ‘ground’ and on the ‘floor’”, Marketing Letters, 24, 2, 143-149.

Sharpe, W. (1964). “Capital Asset Prices - A Theory of Market Equilibrium Under Conditions of Risk,” The Journal of Finance, 19, 3, 425-442.

Zakoïan, J.M. (1994). Threshold heterokedastic models, Journal of Economics Dynamics and Control, 18, 931-995

32

MSC-LEVEL | SPECIALTY

Marcin Wolski Juan Luis Nicolau Marcin is a second year PhD student, Juan Luis Nicolau, PhD in Economics pursuing the European Doctorate and Business Administration, is Full in Economics - Erasmus Mundus, at Professor of Marketing at University the University of Amsterdam and of Alicante, and Vide Dean of the Bielefeld University. His core topics Faculty of Economics. His primary comprise nonlinear dynamics and research topics are individual choice econometrics with applications to the analysis and firm value assessment. macro models. Currently, he explores He has been the recipient of ten his interests in collaboration with the research awards, and has published International Monetary Fund. in Strategic Management Journal, Omega, European Journal of Operational Research, Journal of Business Research, Economics Letters, Marketing Letters, among others.

Glosten, L.R., Jagannathan, R. and Runkle, D. (1993). On the relation between the expected value and the volatility of the normal excess return on stocks, Journal of Finance, 48, 1779-1801.

Recommended for readers of XXx-level

Recommended for readers of XXx-level

BSC-LEVEL | ECONOMETRICS | SPECIALTY | NL

ABOUT ABOUT THE THE AUTHORS AUTHOR

Engle, R.F. (1982).

Autoregressive conditional heteroskedasticity with estimates of variance of UK inflation, Econometrica, 50, 987-1007.

NOTHING BEATS WINNING

Do you thrive on outsmarting your competition?

Flow Traders is looking for Junior Traders with excellent mathematical and analytical skills combined with an interest in global financial markets. In this challenging position you manage and optimize our daily position in a wide range of financial products.

If you want to be part of our winning team, don’t hesitate to apply for the Junior Trader position via our website: www.flowtraders.com For more information please email: careers.amsterdam@nl.flowtraders.com or call Floor de Wit on 020-7996799.

Flow Traders is an international leading trading house.

Amsterdam

33

•

New York

•

Singapore

MSC-LEVEL | ECONOMETRICS

A Vine Copula-GARCH Option Pricing model In todayâ&#x20AC;&#x2122;s financial markets we observe economic cycles, where stock prices, indices and currencies gain value and where they lose value. If one observes these data more closely, dependencies are seen among different stock prices, indices and currencies. Knowing the dependence structure between different assets, an investor can for example diversify his risks and hedge his portfolio.

Moreover, multivariate options are viewed as excellent tools for hedging the risk of an investor.

These types of options are written on two or more underlying securities or indices and one of the key concepts in pricing these multivariate options is the dependence between the underlying assets.

Introduction

BY: MARC KORTEKAAS

In history several attempts have been taken to price options written in multiple assets. Various generalizations of the Brown motion framework have been investigated. Dependence structures between assets in this framework are often modeled by their correlation. However, correlation is only a satisfactory dependence measure if asset returns can be represented by a multivariate Gaussian distribution, see for example Embrechts et al. (2002).

In this article another (parametric) approach for pricing a multivariate option is given, which is based on work of Van den Goorbergh et al.

(2005) and Bernard and Czado (2012). In summary, first a GARCH(1,1)model is fitted for each underlying asset under the physical/real world measure and then a transformation proposed by Duan (1995) is used to obtain the risk neutral distributions. The dependence structure of the underlying assets is modeled through copulas. A copula is a multivariate distribution function that describes the dependence between univariate marginal distributions, which have to be uniformly distributed. Due to a theorem of Sklar (1959), we know that any joint distribution may be decomposed into N marginal distributions and a copula function. This function completely describes the dependence structure between the N variables and is a much more informative measure of dependence between variables than a linear correlation, when the joint distribution of the variables of interest is non-elliptical. While correlation measures dependence between multiple assets by a single number, a copula fully captures the dependence between multiple assets.

34

Dependence structure

Consider n random variables X = (X1,…,Xn) with joint density function f(x1,…,xn), then this density function can be factorized as follows: As one may have seen, this is a recursive factorization of a multivariate density function into products of conditional and unconditional densities, f(…|…) and f(…). Furthermore, in a general d-dimensional case each term in this density function can be decomposed into a pair-copula times a conditional marginal density: for a d-dimensional vector v with v=(v1,…,vd), vj a single component of v, v-j=(v1,…,vj-1,vj+1,…,vd) and ) is the conditional pair-copula density.

Vines

Bedford and Cooke (2001b, 2002) introduced regular vine copulas. It is a graphical method for representing the possible pair-copula constructions. However, the class of regular vines is still very general and still a lot of pair-copula constructions are possible. Aas et al.

(2009) focused on two special cases of these regular vines, namely the canonical (C-vine) and D-vine. Our focus in this article is also on the C- and D-vine, which both decompose the density function in a different way.

In Figures 1 and 2 examples of a four-dimensional C- and D-vine are presented. Each vine consists of 4 different variables, three trees (Ti, i = 1,…,3) and six edges, where each edge belongs to the corresponding bivariate copula, i.e. 24|1 corresponds to the copula . Figure 1 tells us that the C-vine has in every tree a unique node, called

Figure 1: C-vine with 4 variables, 3 trees and 6 edges

Figure 2: D-vine with 4 variables, 3 trees and 6 edges.

the root node, which is connected with all other nodes.

In the first tree of Figure 1 the dependence of the first variable with the other three variables is modeled, and therefore the first variable is the root node. In the second tree the second root node is chosen given the first root variable and the dependency with the other remaining variables is modeled. In the third tree only the conditional copula has to be modeled. From this process we can conclude that fitting a C-vine might be advantageous if one variable plays a key role in the dependency with the other variables (Aas et al., 2009).

As can be seen in Figure 2, the nodes in each tree Ti are only necessary for determining the labels of the edges in tree Ti+1, i.e. the nodes of the first tree , which become nodes in the second tree, are joined by an edge in that second tree if these edges in the first tree share a common node. Fitting a D-vine is especially useful when dealing with time ordered variables (Bernard and Czado, 2012) and is thus particularly interesting for this article.

The estimation method of these vine-copulas is a sequential estimation procedure and is in detail described in the paper of Czado et al (2012). In this procedure first the parameters and copula-families of the first tree, the unconditional pair-copulas, are estimated and these are used to estimate the parameters of the pair-copulas of the second tree, the pair-copulas with one conditional variable, which are in turn used to estimate the pair-copulas with two conditional variables, the third tree. This procedure is repeated until all parameters copula-families are

35

MSC-LEVEL | ECONOMETRICS

In the past decade more and more multivariate options have been issued and recently copulas have become popular for modeling dependencies between assets underlying these options. There are types of copulas and in this article the basket option’s dependence structure is modeled by so called vinecopulas. These copulas where introduced by Joe (1996) and developed in more detail by Bedford and Cooke (2001b, 2002) and by Aas et al. (2009).

Vines are flexible graphical models for describing multivariate copulas, which are built up using blocks consisting of cascade of bivariate copulas, called paircopulas. These so called pair-copula constructions (PCC) decompose a multivariate probability density into bivariate copulas, where each pair-copula can be chosen independently from others. Dependence structures with more than two assets are difficult.

However using the PCC approach, the dependence structure comes back at two dimensions at the time.

The concept of these PCC is described as follows:

estimated, for a four-dimensional C- or D-vine copula this means we have estimated all parameters when the pair-copula with two conditional variables is estimated. These estimates are known as sequential estimates and are used as starting values for the maximum likelihood estimation of the vine-copulas.

Risk Neutral Dynamics

MSC-LEVEL | ECONOMETRICS

This article assumes that the log-returns of the underlying assets of the multivariate option evolve as a GARCH(1,1)-process with Gaussian innovations under the real world measure P and then a relatively easy transformation from Duan (1995) is used to obtain risk neutral distributions, while being general enough to capture volatility clustering.

Due to the nature of the GARCH(1,1) process, Duan (1995) proposed a generalized version of risk neutralization, called locally risk-neutral valuation relationship (LRNVR). This LRNVR states that the oneperiod ahead conditional variance is invariant with respect to a change of the risk-neutralized pricing measure. The definition of the LRNVR is taken from the paper of Duan (1995) and is defined as follows: A risk neutral pricing measure Q is said to satisfy the LRNVR if measure Q is mutually absolutely continuous with respect to the physical measure P, Si(t) / Si(t-1) distributes lognormally (under Q), As can be seen from the above definition of the LRNVR, the conditional variances under the two different measures are required to be equal. This is a desirable property because the conditional variance can be observed and estimated under measure P and then utilized under measure Q. Generally speaking the change of measure comes down to only a change in the drift.

For the sake of completeness, the details of the specification for each marginal distribution under measure P are given below:

The form of the conditional variance process under measure Q differs from those given in the papers of Duan (1995), Van den Goorbergh et al. (2005) and Bernard and Czado (2012) in the sense that Duan uses another formulation of the log-returns under physical measure P and the other authors use a different conditional variance formulation under measure Q.

Multivariate Option Pricing

The purpose of this article is to find the fair price of a multivariate (basket) option with four underlying indices with the use of C- and D-vine copulas for dependence modeling. Under the assumption of a complete market with no arbitrage opportunities the formula of a basket option price at time t is a conditional expected value: where EQ denotes the expectation under the risk neutral measure, p(S1(T), S2(T), S3(T), S4(T)) denotes the payoff of the option whose value only depends on the terminal values of four indices S1, S2, S3 and S4, rf is the constant daily risk free rate and T-t corresponds to the time to maturity in number of trading days.

The price can also be formulated in integral-form:

where fQ is the joint density of the underlying indices and is modeled by using the C- and D vine copulas, as described in the previous section. There are several methods for computing the price of a basket option, such as Black Scholes, Finite Differences and Monte Carlo simulation. This article uses Monte Carlo simulation and the steps needed for this valuation are as follows: • Estimate and specify the marginal distributions of the historical log-returns of each asset separately using GARCH(1,1) models with a constant and Gaussian innovations.

• The uniformly distributed data, needed for modelling the dependence with vine copulas, is obtained by applying the cumulative distribution function of the standard normal distribution on the estimates of the standardized residuals.

where r(i,t) represents the financial return at time t and εt the standardized innovations. If the two LRNVR conditions described above are satisfied, then the log-returns and the conditional variances under pricing measure Q are given as follows:

• Selection of the pair-copula families and estimating the corresponding parameters for the C- and D-vine copula using the uniformly distributed standardized residuals of the GARCH(1,1) models.

• Simulation of copula data from the vine copula specifications with the methods described in Aas et al. (2009).

36

• Pricing the basket option at maturity date by performing Monte Carlo simulations. The option price defined earlier can then be computed with the following formula:

where p(∙) is the payoff function of the basket option and is the risk-neutral price of index i at maturity date T. These first two steps, fitting a GARCH(1,1) and estimating the dependence structure under P, corresponds to an inference for margins approach (IFM) introduced by Joe (2005) and Joe and Xu (1996). It is a commonly used procedure for estimating marginal and copula parameters. Joe (1997) proved that the IFM estimator is consistent and satisfies the property of asymptotic normality under regularity conditions: where represents the obtained parameters and G( ) denotes the Godambe information matrix.

Empirical Application

In this empirical example we have included four different stock indices, namely the DAX30 Index, the Dow Jones EURO STOXX 50sm Index, the FTSE100 Index and the Nikkei 225 Index. The dataset consists of daily stock prices for the period ranging from 2/7/2004 to 28/6/2012, from these stock prices 1860 log-returns of each stock index are calculated.

The payoff function utilized in pricing the basket option is based on the payoff of the one used in the paper of Bernard and Czado (2012), however in this article it is adapted for the four dimensional purpose and is thus defined as follows:

where mi = 10 / (4Si(0)), such that m1S1(0) + m2S2(0) + m3 S3(0) + m4S4(0) = 10 and the percentage weighted in the basket is 25% for each index.

In pricing the basket option the risk free rate plays a critical role and therefore we need an estimate of the risk free rate. Bernard and Czado (2012) suggested to use the continuously compounded rates of the US yield curve when using a GARCH(1,1)-model and a transformation from the physical P to the risk neutral measure Q. For the purpose in this article, we use the 1-year US yield curve dating at 29 June 2012 and the

annual rate is at this date 0.21%.

The results of the basket option pricing are given in Table 1 and for more detailed results of the parameter and pair-copula family estimation, see Kortekaas (2013). The results in Table 1 show us that the prices of the basket option are very close to each other absolutely, but the results can be misleading.

The payoff function is determined by a constant of size ten and discounted this is 9.98 (with 250 trading days). Subtract this discounted constant from the option prices, then the difference in prices are not so small as they appear to be. In this case, using the D-vine copula the option price gives a 3.1% higher value compared with the C-vine copula option price.

Furthermore, the standard errors of the option prices (in parentheses) are small.

As a comparison option prices with using only one type of pair-copula family, namely the Gaussian, Student t, Clayton, Gumbel and BB1-pair copulas, are also computed and these results are in Table 2 for the C-vine copula and in Table 3 for the D-vine copula. All these pair-copulas families have different characteristics. The first row of these tables gives the basket option price using the single pair-copulas, the second row gives the prices with the subtracted discounted constant and the third defines the ratio between the subtracted basket option price of the single pair-copulas and the subtracted basket option price of Table 1.

Table 1: Prices of the basket option using C- and D-vine copulas and sequential and maximum likelihood estimates. The standard errors are in parentheses.

Looking at Table 2 for the single pair-copulas for the C-vine, we see that the subtracted option prices differs the most compared with the subtracted price using the estimated C-vine copula (the C-vine benchmark) when using only BB1 pair-copulas. In this case the price is 11% higher compared to the estimated C-vine option price. Using only Student t and Clayton paircopulas also gives relatively different results, i.e. the prices are respectively 7% and 8% lower than with the estimated C-vine copula. The other subtracted option prices using single pair-copulas are 1% higher or lower than the benchmark.

37

MSC-LEVEL | ECONOMETRICS

• Forecasting the risk-neutral log-returns and risk neutral stock prices of each index by using Duan’s (1995) transformation from real world to risk neutral measure.

Table 2: Prices of the basket option using only one type of pair-copulas in the C-vine copula and the ratio between the single pair-copula prices and price of the estimated C-vine copula. The standard errors are in parentheses.

MSC-LEVEL | ECONOMETRICS

In Table 3 we see that using Archimedean pair-copulas in the D-vine copula the option price differs the most compared with the subtracted option price from Table 8.13 (D-vine benchmark), the option price is in that case 10% lower than the benchmark. It differs the least when using BB1 pair-copulas, the value is 1% lower than the benchmark. This is surprising because the estimated D-vine copula does not consist of twoparameter pair-copulas (Kortekaas, 2013). Using only the Student t pair-copulas also gives a small difference in option prices of 3%. This not surprising, because the estimated D-vine copula consists of four Student t pair-copulas (Kortekaas, 2013).

Table 3: Prices of the basket option using only one type of pair-copulas in the D-vine copula and the ratio between the single pair-copula prices and price of the estimated D-vine copula. The standard errors are in parentheses.

Summary

This article developed a multivariate option pricing model, where the underlying assets under the real world measure are modeled with a GARCH(1,1) model and the dependence structure is determined by a C-vine copula or a D-vine copula. To obtain risk-neutral distributions for the option pricing a transformation, proposed by Duan (1995), is used. In this transformation the change of measures comes down to a change in the drift. The one-period ahead conditional variance is invariant to this risk neutral transformation.

In the empirical application a multivariate option is priced using Monte Carlo methods in a C- and D-vine copula setting for the dependence structure of the underlying stock indices. The difference in option prices between the two dependence structures is

small, however the multivariate option price is determined by a constant. When subtracting this (discounted) constant from the prices, the differences are more substantial. As a comparison, multivariate option prices with only one type of pair-copula in the vine copula structure are computed. Comparing these prices with the prices using the estimated vine copulas shows that in some cases using a single paircopula does not change the option price much and in other cases it changes the option prices a lot. Overall, different dependence structures give different option prices.

38

References

Aas, K., Czado, C., Frigessi, A. and Bakken, H. (2009). Paircopula constructions of multiple dependence. Insurance: Mathematics and Economics, Volume 44, Pages 182-198.

Bedford, T. and Cooke, R.M. (2001b). Probability density decomposition for conditional dependent random variables modeled by vines. Annals of Mathematics and Artificial Intelligence, Volume 32, Pages 245-268.

Czado, C., Schepsmeier, U. and Min A. (2012). Maximum Likelihood estimation of mixed C-vines with application to exchange rates. Statistical Modeling, Volume 12, No. 3, Pages 229-255.

Duan, J.-C. (1995). The GARCH Option Pricing model.

Mathematical Finance, volume 5, No. 1, Pages 13-32.

Embrechts, P., McNeil, A. and Straumann, D. (2002).

Correlation and Dependence in Risk Management: Properties and Pitfalls. Risk Management: Value at Risk and Beyond, M. Dempster ed., Cambridge university Press, Pages 176-223.

Marc Kortekaas Marcin Wolski MarcinKortekaas Marc is a second currently year PhD works student, pursuing as a juniorthe consultant EuropeanatDoctorate Rebel in Economics Group.

In June- Erasmus 2013 he graduated Mundus, at the University with a master’sofdegree Amsterdam in Financial and Bielefeld University.

Econometrics from His the core University topics comprise of Amsterdam. nonlinear He wrote dynamics his thesis and econometrics about a vine copula-GARCH with applicationsoption to the macro models. pricing model atCurrently, Towers Watson he explores his interests within the Risk in collaboration Consulting & with Software the International where department, Monetary he worked Fund. for 2,5 years as a junior analyst.

Joe, H. (1996). “Families of m-variate distributions with given margins and m(m-1)/2 bivariate dependence parameters”.

In: Rüschendorf, L., Schweizer, B. and Taylor, M.D. (Eds.), Distributions with Fixed Marginals and Related Topics, Pages 120141. Institute of Mathematical Statistics, Hayward.

Joe, H. (1997). Multivariate Models and Dependence Concepts.

Chapman und Hall, London.

Joe, H. (2005). Asymptotic efficiency of the two-stage estimation method for copula-based models. Journal of Multivariate Analysis, Volume 94, No. 2, Pages 401-419.

Sklar, M. (1959). Fonctions de r´epartition `a n dimensions et leurs marges. Publ. Inst. Statist.

Univ. Paris 8, Pages 229–231.

Joe, H. and Xu, J. (1996). The estimation method of inference functions for margins for multivariate models. Technical Report no. 166, Department of Statistics, University of British Columbia.

Van den Goorbergh, R., Genest, C. and Werker, B. (2005). Bivariate Option Pricing Using Dynamic Copula Models. Insurance: Mathematics and Economics, Volume 37, No. 1, Pages 101-114.

Kortekaas, M.P. (2013). A Vine Copula-GARCH Option Pricing model. Master’s Thesis in Financial Econometrics, Faculty of Economics and Business, University of Amsterdam.

Kurowicka, D. , Cooke, R.M. , Callies, U. (2006). Vines inference”.

Brazilian Journal of Probability and Statistics, Volume 20, Pages 103-120.

39

MSC-LEVEL | ECONOMETRICS | SPECIALTY | NL

Bernard, C. and Czado, C (2012). Multivariate Option Pricing Using Copulae. Applied Stochastic Models in Business and Industry, doi: 10.1002/asmb.1934

ABOUT THE AUTHOR AUTHORS

Recommended for readers of XXx-level

Bedford, T. and Cooke, R.M. (2002). Vines – a new graphical model for dependent random variables. Annals of Statistics, Volume 31, Pages 245-268.

Clash of the titans: Does Internet use reduce television viewing?

The extent to which the Internet has altered traditional leisure activities has received limited academic study. In this paper we use panel data going back to the beginning of web browsing to examine how the Internet impacts the most important recreation activity of Americans – television viewing. We run a panel regression based on television viewing and socioeconomic variables across American cities.

BY: STAN J. LIEBOWITZ & ALEJANDRO ZENTNER

BSC-LEVEL | ECONOMETRICS

Introduction

This is a summarized version of the full article: Liebowitz, S. J., Zentner, A., 2012.

Clash of the titans: Does internet use reduce television viewing? Review of Economics and Statistics, 94, 234-245.

The Internet is changing the way that individuals work, communicate, and recreate. As a recreational activity, it is one in a long line of technologies that have altered the daily lives and behavior of ordinary citizens.

Although the Internet’s impact on retailing, digital distribution, supply management and inventory enhancement have all been examined in some detail, its impact on entertainment activities has received limited academic attention.

Yet the Internet is increasingly important for both traditional entertainment activities and novel entertainment activities. The Internet has shown that it has a superb and improving capacity to entertain and inform consumers. All of these entertainment activities share at least one common trait: they help to absorb the leisure time of the individuals engaged in these activities. The ramifications of the Internet’s entertainment impact are important for many entertainment industries: live concerts, magazines and newspapers, traditional television broadcasters, cable television operators, amusement parks, travel and many other industries that compete for the consumer’s entertainment and leisure dollar. But the extent to which Internet-based entertainment activities have influenced traditional leisure activities has received scant study.

In this paper, we examine how the Internet might alter television viewing. Although the impact of the Internet on television usage is not necessarily the same as its impact on other entertainment activities, its impact on television is likely to provide clues about the impact it will have on other off-line entertainment activities.

Our approach in this paper is to use panel data on television viewing habits in various geographic areas over time, going back to the beginning of Web browsing. Using viewing data broken down by the age of the viewer in conjunction with data on Internet use, education, and income, also broken down by the age of the viewer, we are able to measure the extent to which Internet use affects television viewing for various categories of television users.

Methodology and data

Our econometric investigation requires the merging of several data sets.

40

of 20.5. The consistency of these measurements in television viewing is somewhat surprising given the period’s rapid advancement of cable and satellite television, which might be thought likely to increase viewing time, as well as other technological changes leading to alternative forms of entertainment such as the Internet.

Needless to say, with the large changes taking place in these underlying factors, the placid facade of overall viewing habits hides some underlying turbulence. Figure 1 shows the changes in television viewing by age and gender from 1995 through 2003.

Figure 1 reveals a less tranquil change in viewing habits than indicated by the overall viewing numbers.

Both genders showed a consistent pattern of younger viewers decreasing their viewership, whereas older individuals were keeping their viewership constant or increasing it slightly. Men in all age groups appear to have a somewhat more negative change in viewing compared to women.

The results from Figure 1 provide some preliminary clues consistent with the hypothesis that the Internet may be having a negative impact on viewing, since young people are thought to be the heaviest Internet users and they show the largest falloff in television viewing. But this figure cannot tell us whether there is a link between Internet use and television viewing.

To better approximate an answer to that question, we turn to multiple regression analysis, looking at the relationship between variation in Internet penetration and television viewing in cities while controlling for demographic differences and city and time fixed effects.

Figure 1: Viewing Change by Age and Gender 1995-2003

Model and emperical strategy

An individual, represented by i, watches television, uses the Internet, and devotes time to work and leisure activities. Formally, on day t and in city j, individual i watches Tijt hours of television, uses the Internet for Iijt hours, and employs Rijt hours in alternative work or leisure activities: Summing across individuals in city j and dividing by the population we get

41

BSC-LEVEL | ECONOMETRICS

First, Nielsen Media Research sells data on the amount of television viewing in designated market areas (DMAs), subdivided into age groups and gender. We procured this data covering the period 1990 through 2006. Second, the U.S. Census, as part of its Current Population Survey (CPS) undertaken for the Bureau of Labor Statistics, conducts surveys on Internet and computer use. These surveys, conducted six times between 1994 and 2003, provide information on the penetration of home Internet; the type of Internet connection; household income; Metropolitan Statistical Area (MSA) of residence; the age, sex, race, and education of the respondent; as well as a host of other variables. This information is based on responses from approximately 130,000 individuals.

Because we have data on each of these individuals, we can create variables by MSA, such as Internet penetration or education level, for subsets of the population based on age. Unfortunately, the size of the sample in smaller MSAs is sometimes insufficient to allow great confidence in the measurements for various slices of demographic data.

Combining these data sets is not a trivial task. In highly populated metropolitan areas, televisionbased DMAs are almost always larger than Censusbased MSAs, and the television-advertising market, measured by the Nielsen DMA, often covers many Census-Based MSAs. DMAs also include rural areas, whereas MSAs do not, so that the Census data based on MSAs leave out a portion of the DMA population.

This basic methodology of combining Census data with Nielsen data was undertaken in Liebowitz (2008) and originally came from Boorstin (2004).

Our procedure consists of either matching a Census MSA to a DMA when a DMA contained only one MSA or combining the data from constituent Census MSAs into the DMA in which they belonged. We try to note instances where the (summed) populations of the MSAs assigned to a DMA indicated a potentially poor match to the DMA population and therefore might not properly reflect the economic characteristics of the DMA. A variable named ‘‘coverage’’ measures the percentage difference between the DMA population and the populations constructed from underlying MSAs. Television viewing, according to the Nielsen data, has remained remarkably constant over the seventeen-year period beginning in 1990, with an overall decline in the average hours viewed during that period of 1.4%. For the period 1995 to 2003, the one covered by our regressions, the decline was somewhat larger, though still small, at 2.2%. Nor did this small overall change mask a temporal change of any substance: the largest deviation from the mean television rating over the seventeen-year period was 6% in 2005, when the national rating dropped to 19.31 compared to the seventeen-year average

Rearranging terms, we write the average number of hours of television viewing in city j in terms of the total time endowment minus the average number of hours of Internet use and the average number of hours people devote to other activities:

cities decays as the number of hours of Internet use increases. We do not observe the average number of hours of Internet use at the city level, but we observe their level of Internet penetration. We propose a linear relationship between the number of hours of Internet use and Internet penetration, Pjt: (2)

BSC-LEVEL | ECONOMETRICS

The average number of hours of Internet use in city j has increased significantly over the past decade. This is because more people use the Internet and because Internet users spend more hours online. We aim to discover whether this has resulted in a reduction in the average number of hours of television viewing or in a reduction in the time spent in other work or leisure activities.

We start our statistical analysis by using crosssectional variation in television viewing and Internet use; we study if the average number of hours of television watched per day in city j in a given time, Tj (1) is correlated with the average number of hours of Internet use per day in that time, Ij. In equation (1), Xj represents other covariates for city j, and represents the error, which accounts for the effect on television viewing of all the unobservable alternative work and leisure activities that are included in Rj. Cross-section regressions estimate the effect of Internet use on television viewing by comparing cities with low Internet use and high Internet use. But the level of Internet use is unlikely to be randomly assigned across cities conditional on observable characteristics. Panel data variation provides a far superior approach because it controls for timeinvariant city unobservable characteristics that may be correlated with the level of Internet use. The average number of hours of television viewing per day in city j and time t, Tjt, is represented by (2) where is a constant, Xjt is a set of variables with time variation within cities, is a time t fixed effect, dummyt is an indicator variable equal to 1 in time t, represents a city-specific and time-invariant effect, dummyt is a an indicator variable equal to 1 for city j, measures the effect of increasing the average number of hours of Internet use in a city on the average number of hours of television viewing in that city, and is the error.

This regression compares how television viewing in

Substituting equation (3) into equations (1) and (2), we get (1’) (2’) where the term indicates the impact of an increase in Internet penetration on television viewing.

Equations (1’) and (2’) are the econometric models that we use in the following section.

Econometric results

Our main interest is to use regression analysis to measure the impact of the Internet on television viewing. Because there are important differences among cities that the limited control variables at our disposal are unlikely to fully capture, we do not expect these pure cross-section regressions to provide the most reliable results.

As a first step in the analysis, we ran yearly regressions. The results in Table 1 indicate that the Internet penetration coefficient is negative in all years, although only statistically significant in 2001 and 2003. The coefficients are very large in these two years. The most consistently significant variables in these cross-section regressions are the minority group variables. Cities with higher shares of blacks or Hispanics appear to have greater average television viewing.

Income has a very slight hint of having a positive impact on viewing in the later years, but education has no consistent impact on viewership.

We turn now to fixed-effects regressions using the panel data. Table 2 reports the results by pairs of columns, with the first column of each pair consisting of regressions based on just those DMAs with coverage above 70% and the second column based on the entire set of DMAs. The first pair of columns, labeled ‘‘All ages,’’ performs fixed-effects regressions for all individuals regardless of age. The later pairs of columns perform these regressions based only on subgroups

Table 1: Yearly OLS regressions on average minutes of television viewing

42

Amsterdam Business School

Actuaris worden?

Amsterdam Executive Master-programme in Actuarial Science »Thinking Business« De Amsterdam Business School (UvA) biedt een volledige actuariaatopleiding aan in een goed studeerbaar format voor werkenden in de financiële sector.

■ Toelating voor academici met minimaal BSc econometrie of wiskunde ■ Of instroom na de MSc Actuarial Science & Mathematical Finance ■ AEMAS premaster op niveau BSc Actuariaat ■ AEMAS Master Actuariaat: volledige MSc-bul mogelijk ■ AEMAS Postmaster Actuarial Practice Cycle ■ De totale AEMAS is geaccrediteerd door het Actuarieel Genootschap Meer informatie, brochure en aanmelden: www.abs.uva.nl/aemas

Fotograaf: Christina Chouchena

Plantage Muidergracht 12 | 1018 TV Amsterdam | T (020) 525 5313 | aemas@uva.nl

BSC-LEVEL | ECONOMETRICS

Table 2: Fixed effects regressions on average minutes of television viewing 1995, 1997, 1998, 2000, 2001, 2003

of individuals within certain age categories. The allages regressions indicate that Internet penetration has a negative and statistically significant impact on television viewing. The coefficient indicates a decline of 32 minutes of television viewing per day when an Internet subscription exists. This is approximately a 15% decline in viewing from the 1995 level. Since the Internet penetration rate is actually considerably smaller than 100% (it was estimated to be 72% in 2008) extrapolating the measured coefficient to current circumstances (2008 data) implies that television viewing is currently lower by approximately 11% from what it might have been if the Internet did not exist.

The 2003 Internet penetration rate of 61% would imply a viewing decline of about 19 minutes due to the Internet (using the results for DMAs with coverage greater than 70%), which is somewhat greater than the actual decline that did occur from 1995 to 2003 (9 minutes). Since the standard error is about 13 minutes, we cannot have great confidence that the decline due to the Internet is larger than the decline that occurred. In other words, it is far from certain that other factors raised television viewing by the 10-minute differential between the predicted Internet impact and the actual impact.

As we saw in Figure 1, the change in television viewing over the past decade appears far different for young people than it is for older individuals, and we now turn to regressions examining the impact of the Internet on the television viewing habits of individuals in age-based cohorts. The last three pairs of columns in Table 2 separate the sample into three age categories and present the fixed-effects regressions, one pair at a time, for each age group.

Our age group regressions allow us to compare how television viewing in cities changes as the rate of Internet penetration for that particular age group changes. The statistical penalty for separating the data by age group is a reduction in the number of underlying observations in the Census data.

Since Internet penetration is defined for each age group, the interpretation of the coefficient on this variable indicates the extent to which an increase in Internet adoption for a given age group reduces television viewing for that group.

The results of these regressions are in conformance with general expectations. Individuals in the age group from 6 to 34 years experience the largest negative impact on television viewing due to Internet

use. Note as well from table 3 that throughout the period, these young individuals watched considerably less television than did older individuals. Thus, this coefficient represents a larger percentage decline in viewing for the youngest age group than for the overall population, and the difference is greater than might be thought from looking only at the coefficients.

For individuals between the ages of 35 and 54, the results imply an 8.7% decline in television viewing due to Internet use, although the result is not statistically significant. For individuals older than age 55, there is a virtually imperceptible decline in television viewing (1.9%), which is very far from statistical significance.

This last result is consistent with a view that older individuals use the Internet less intensively and are less likely to use it for entertainment.

We can now put in perspective the change in television viewing over time that was illustrated in Figure 1 and Table 3. To do this we use the Internet penetration rates for each age group in 2003. For the group of individuals between 6 and 34 years of age, the 26 minute decline in television viewing is not fully explained by the growth of the Internetâ&#x20AC;&#x2122;s impact on television viewing (17.4 minutes), and it is possible that other factors, such as video games, might explain the difference.

The middle-age groupâ&#x20AC;&#x2122;s Internet coefficient of 19 minutes implies a decrease in viewing due to the Internet of 11 minutes at 2003 penetration rates (57%). Average television viewing for this group did not change from 1995 to 2003, as seen in Table 3.

Although at typical levels of statistical significance, we cannot reject a hypothesis that there was no Internet impact on viewing, nevertheless, television viewing did not fall as much as predicted by the Internet penetration changes. Thus, it is possible that some factors left out of the analysis (e.g., the number of channels) might have a small positive influence.

Finally, the Internet does not appear to have any impact on the television viewing habits of individuals older than 55 years of age. Table 3 indicates that this group has had fairly constant television viewing, with the implication that the net impact of other factors that might have been thought to increase viewing, such as the availability of a larger number of cable networks, did not have an impact on their viewing.

Because our empirical design includes city and year fixed effects, identification derives from idiosyncratic variation in Internet connectedness within cities and

44

results as it might seem.

Prerecorded movies also seem to be unlikely candidates to greatly influence television viewing since, unlike the large increase in Internet penetration, there was not much growth in the use of prerecorded movies during the period of our study.

If the viewing of prerecorded movies did not change very much during our period of measurement, then the viewing of prerecorded movies is unlikely to have altered television viewing during this period and thus is unlikely to have been a confounding factor.

Nonetheless, while the lack of growth in prerecorded movie viewing decreases the likelihood that movies could be an important confounding factor, we are not claiming it is dispositive.

Video games, however, especially those played on consoles, are a particular concern since they are clearly a substitute for television viewing, grew rapidly during the period of our study, and also take up a good deal of (particularly) young peopleâ&#x20AC;&#x2122;s time when they might otherwise be watching television.

We do not have a panel of city-level information on video games penetration to incorporate into the econometric analysis and thus are unable to measure to what extent video games influence our measurement of the Internetâ&#x20AC;&#x2122;s impact on viewing.

Nonetheless, we were able to obtain some limited data on video game penetration beginning in 2006 for the ten largest DMAs. We would intuitively expect that if video game use was going to confound our results, it would cause us to overstate the impact of the Internet because we might credit the Internet for decreases in television viewing that were in fact caused by video games. If this expectation were correct, it would imply that cities with high Internet penetration might also tend to have high video penetration rates, since those rates do not have all that far left to go. Television executives should be concerned about whether these viewing habits will migrate in this way over time and what that portends game penetration. Surprisingly, the correlations between 2003 Internet penetration and 2006 video game console penetration were negative, and although they were not small, they also were not statistically significant. With nonmatching years and only ten DMAs, one cannot form any but the most hesitant conclusions. Nevertheless, this very limited evidence indicates that the cumulative changes in video game penetration across cities appear to be

Table 3: Summary Statistics1

1. The information on total television viewing by age groups comes from Nielsen. All the other variables are from the Current Population Services by Census.

45

BSC-LEVEL | ECONOMETRICS

not from national aggregate variation in Internet penetration across time. Although this should help limit many potential confounding factors, there is an important potential concern in the analysis that some confounding unobservable factors, correlated with television viewing and the increase in Internet penetration across cities and across time, could create a spurious correlation between city-level Internet adoption trends and city-level trends in television viewing.

For example, the increase in the time young individuals devote to playing video games might have a pattern across cities and time similar to the increase in Internet penetration. Correspondingly, the use of cell phones has greatly increased during this period, as has the viewing of DVDs, and it is possible that their growth pattern is also similar to that of the Internet. There also may be other activities with these characteristics that we have not enumerated here.

If we had no information about these other activities, we would have to acknowledge that our analysis and results are likely to reflect the joint impact of various new digital forms of entertainment on television viewing and not just, or even mainly, the impact of the Internet. Nevertheless, the basic findings, which are still likely to be of interest, would require only a slightly altered understanding. These findings would represent the impact of this larger class of new technologies on television viewing.

Further, the borders between these various activities and technologies sometimes get blurry. For example, when an Xbox user hooks up to the Internet to play games online or to purchase items, should that be viewed as an Internet activity or a video game console activity? The correct answer is unclear.

We are not without some information about these other technologies, however. We do not believe, for example, that cell phones are likely to have strong impacts on television viewing since the major change in telephone talk time they might engender comes from their ability to allow calls to be made when the user is away from home and such mobile calls are not a replacement for television viewing. Nor are cell phones likely to increase the time talking at home since local cell phone calls are metered, whereas local calls on landlines are not. Finally, some cell phone uses are probably best categorized as forms of Internet use, and thus any accidental inclusion of the influence of cell phone use is not as harmful to our

Recommended for readers of XXx-level

BSC-LEVEL | ECONOMETRICS | SPECIALTY | NL

ABOUT THE AUTHORS Stan Liebowitz Stan Liebowitz, who received his PhD from UCLA, is the Ashbel Smith Professor of Managerial Economics at the Jindal School of the University of Texas at Dallas. He is best known for his work examining the effects of new technologies on markets. Some of this work is related to copyright issues, such as piracy, and how new technologies, such as file-sharing systems, alter the functioning of markets.

Alejandro Zentner Alejandro Zentner is an Associate Professor of Managerial Economics at the Jindal School of Management, University of Texas at Dallas. He holds a BA in Economics from Universidad de la Plata in Argentina, a MS in Economics from Universidad Torcuato Di Tella in Argentina, and a MS and a Ph.D. in Economics from the University of Chicago. Professor Zentner’s research focuses on the media and entertainment markets.

dissimilar to the cumulative changes in Internet penetration that took place across cities, reducing the likelihood that video game consoles are an important confounding factor that would make the Internet’s negative impact appear stronger than it is.

Therefore, although our results could be viewed as the joint impact of Internet use, video gaming, and perhaps some other factors, we lean toward a view that the coefficients on the Internet variable are likely to represent largely the impact of the Internet.

Conclusions

The Internet arrived with great fanfare and was pronounced by many to be a regime changer. Although it has not quite lived up to its original hype, it has progressed over the years to become a formidable source of news and entertainment and is in the process of remaking or eliminating many information and entertainment industries. Our focus in this paper has been on the Internet’s impact on television viewing.

Does the Internet reduce television viewing? The answer appears to be yes, although it depends on how the Internet is being used and who is using it. We have found that the Internet has reduced television viewing for individuals with Internet connections. Nevertheless, the size of the impact on television viewing, although substantial, may be smaller than might have expected by some analysts who view the Internet as all consuming.

The strongest result was found for the cohort of individuals who have grown up since the personal computer was developed. The Internet has had a somewhat smaller negative impact on the television viewing habits of individuals in middle age and a minimal impact on the television viewing of the oldest individuals. These results are not surprising.

Middle-age users have lower Internet intensities and are likely to be somewhat more interested in the Internet’s ability to provide information than entertainment. The oldest age group has far less Internet intensity than the other groups, so it is not surprising that the impact on television viewing for members of that group is so small.

The generational differences that we have measured may continue. However, we think it is more likely that the results from the younger generations will spread into the older generations as time goes by since the knowledge of how to use the Internet is not likely to disappear as individuals age.

If this diminution in generational differences takes place, the future of television viewing appears less bright than would be the case if the only factor changing were Internet penetration rates, since those rates do not have all that far left to go. Television executives should be concerned about whether these viewing habits will migrate in this way over time and what that portends for the future of their industry.

References

Boorstin, E. (2000). Music Sales in the Age of File Sharing.

Marketing Science, 19, 2, pp. 185-200.

Liebowitz, S. (2008). Testing File-Sharing’s Impact on Music Album Sales in Cities. Management Science, 54, 4, pp. 852-859

46

Jij ziet overal cijfers...

…en de bijbehorende uitdagingen.

Want jij ziet dingen die anderen niet zien. Juist dat maakt je zo’n uitmuntende consultant. Bij Mercer waarderen we dat. Werken bij deze internationale autoriteit in financieel-strategische dienstverlening betekent werken in de voorhoede. Terwijl jij samen met je enthousiaste collega’s financiële HR-vraagstukken meetbaar en tastbaar maakt, zorgt Mercer voor een ongeëvenaard klantenpakket én een direct toegankelijk, internationaal kenniscentrum. Ook onze ontspannen werksfeer – even informeel als inhoudelijk – is een begrip in de branche. Allemaal kenmerken die, volgens je toekomstige collega’s, van Mercer een topbedrijf maken.

Junior consultants m/v Die positie willen we graag behouden. We zijn voortdurend op zoek naar junior consultants die zowel individueel als in teamverband kunnen excelleren. Jonge, hoogopgeleide talenten met een flexibele geest, cijfermatig inzicht, kennis en gezond verstand. Menselijke professionals die, net als Mercer, niet terugdeinzen voor uitdagingen. Voldoe jij aan dit boeiende profiel? Dan vind je bij Mercer volop mogelijkheden. Kijk op www.werkenbijmercer.nl of bel 020-4313768.

IT’S TIME T0 CALL MERCER Consulting. Outsourcing. Investments.

47

Hi, I’m

Mark

I work at Towers Watson, and today I did something extraordinary.

yourimagination.

You’ve nearly completed your degree, and you’re ready for what’s next: a job that will inspire you, make you think and put your skills to the best use.

But don’t you really want more than that? Go beyond your expectations at Towers Watson.

If you join us, you’ll often be challenged to do something extraordinary. From the start, you’ll team with senior associates to learn on the job and interact with clients on projects that help improve their business. And along the way, you’ll be in charge of your own career, working with your manager to decide what’s next and how to get there. Sound good? Then plan to Go Beyond at Towers Watson.

Towers Watson. A global company with a singular focus on our clients.

Benefits Risk and Financial Services Talent and Rewards Exchange Solutions towerswatson.com