Diese Arbeit konzentriert sich auf einen datengetriebenen realisierten Kernel (RK) und dessen weitere Analyse mit Hilfe des Semi-FI-Log-ACD-Modells. Sie kann hauptsächlich in drei Teile unterteilt werden. Im ersten Teil werden die Modellierung und Prognose von Long Memory und eine Skalenfunktion in verschiedenen nichtnegativen Finanzzeitreihen, aggregiert aus Hochfrequenzdaten, basierend auf dem FI-Log-ACD und seiner semiparametrischen Erweiterung (Semi-FI-Log-ACD) besprochen. Ein annähernd bester linearer Prädiktor des logarithmischen Prozesses wird vorgeschlagen. Eigenschaften dieses Vorschlags werden detailliert untersucht. Im zweiten Teil wird ein einfacher, schneller und vollständig datengetriebener konsistenter Bandbreitenwähler für den RK unter unabhängiger Mikrostrukturstörung basierend auf der iterativen Plug-in Idee vorgeschlagen. Es wird gezeigt, dass aufgrund der Verwendung einer verzerrten Formel der asymptotisch optimalen Bandbreite die ausgewählte Bandbreite bis zu einem Bias-Faktor konsistent ist. Im dritten Teil wird über einen datengetriebenen Algorithmus für RK unter abhängiger Störungsannahme diskutiert und mehrere realisierte Schätzer basierend auf unterschiedlichen Frequenzen werden berechnet. Der Vergleich dieser realisierten Schätzer erfolgt durch die Bewertung ihrer Leistungen bei der Berechnung des Value-at-Risk basierend auf dem Semi-FI-Log-ACD-Modell. Die Anwendungsergebnisse unterstützen eine Empfehlung der beiden RK-Schätzer für die Praxis. Diese beiden RK-Schätzer basieren auf den Tick-by-Tick-Renditen, die von beiden datengetriebenen Algorithmen unter unabhängigen und abhängigen Störungsannahmen berechnet wurden. Die praktische Umsetzung aller Vorschläge wird durch deren Anwendung auf Daten einiger europäischer Firmen über mehrere Jahre veranschaulicht.

This thesis focuses on a data-driven realized kernel (RK) and its further analysis using the Semi-FI-Log-ACD model. It can be primarily divided into three parts. In the first part, modeling and forecasting of long memory and a smooth scale function in different nonnegative financial time series aggregated from high-frequency data based on the FI-Log-ACD and its semiparametric extension (Semi-FI-Log-ACD) are discussed. An approximately best linear predictor of the logarithmic process is proposed. Properties of this proposal are investigated in detail. Finally, application to realized volatility, trading volumes and other data sets shows that the proposal works very well in practice. In the second part a simple, fast and fully data-driven consistent bandwidth selector for RK under independent microstructure noise based on the iterative plug-in idea (Gasser et al., 1991) is proposed. It is shown that the selected bandwidth is consistent up to a bias factor due to the use of a biased formula of the asymptotically optimal bandwidth. The nice practical performance of the proposal is illustrated by application to data of a few German and French firms within a period of several years. Further analysis of the obtained realized kernels using the Semi-FI-Log-ACD model is also discussed. In the third part a data-driven algorithm for RK under dependent noise assumption is disscussed and several realized estimators based on different sampling frequencies are calculated. The comparison of these realized estimators is carried out by assessing their performances in the computation of Value-at-Risk based on the Semi-FI-Log-ACD model. It is also ascertained that the RK estimators based on the tick-by-tick returns calculated by both data-driven algorithms under independent and dependent noise assumptions have good performances and are hence recommended to be used as the estimators of ...