Arrow-Debreu Meets Kyle: Price Discovery Across Derivatives

Each language version is independently generated for its own context, not a direct translation.

Stellen Sie sich vor, Sie sind in einem riesigen, chaotischen Marktplatz, auf dem nicht nur Äpfel und Orangen verkauft werden, sondern auch „Zukunftswetten" auf alles Mögliche: Ob es morgen regnet, ob ein Unternehmen Gewinne macht oder ob die Aktienkurse stark schwanken.

Dieses Papier von Christian Keller und Michael Tseng erklärt, wie geheimes Wissen auf diesem Markt in die Preise fließt. Es verbindet zwei berühmte Ideen der Wirtschaftswissenschaften zu einem neuen, mächtigen Modell.

Hier ist die Erklärung in einfachen Worten, mit ein paar kreativen Vergleichen:

1. Das Grundproblem: Der blinde Auktionator

Stellen Sie sich einen Auktionator (den Marktmacher) vor, der Preise für alle diese Zukunftswetten festlegt. Er ist klug, aber er weiß nicht alles.

Der Insider: Es gibt einen Händler (den Insider), der ein geheimes Buch hat. Er weiß genau, wie die Zukunft aussieht (z. B. „Es wird ein stürmischer Tag" oder „Es wird ruhig bleiben").
Der normale Händler: Es gibt auch viele Leute, die einfach nur kaufen oder verkaufen, weil sie Geld brauchen (die „Liquidity-Trader"). Sie wissen nichts über die Zukunft.

Der Auktionator sieht nur die Summe aller Bestellungen. Er sieht: „Jemand hat 100 Wetten auf Regen gekauft." Aber er weiß nicht: Ist das der Insider, der weiß, dass es regnet? Oder ist das nur ein normaler Händler, der einfach nur nasse Schuhe vermeiden will?

2. Die alte Theorie (Kyle, 1985): Nur der Durchschnitt zählt

Früher dachte man, Insider würden nur auf den Durchschnitt wetten.

Vergleich: Stellen Sie sich vor, Sie wetten nur darauf, ob die Temperatur morgen über oder unter 20 Grad liegt.
Wenn der Insider weiß, dass es heiß wird, kauft er einfach mehr „Heiß-Wetten". Der Auktionator sieht den Kaufansturm und sagt: „Aha, es wird heiß!" und erhöht den Preis.
Das war das alte Modell: Es funktionierte gut, wenn es nur um eine Sache (den Durchschnitt) ging.

3. Die neue Theorie (Arrow-Debreu trifft Kyle): Die ganze Geschichte zählt

Die Autoren sagen: Das ist zu einfach! Insider wissen oft viel mehr als nur den Durchschnitt. Sie wissen über Schwankungen (Volatilität), Schiefen (Skewness) und Extremrisiken Bescheid.

Vergleich: Ein Insider weiß nicht nur, dass es heiß wird. Er weiß: „Es wird nicht nur heiß, sondern es wird ein extremes Gewitter geben!"
Um darauf zu wetten, reicht eine einfache „Heiß-Wette" nicht. Er braucht eine komplexe Strategie: Er kauft Wetten auf starken Regen, Wetten auf Sturm und verkauft Wetten auf leichten Regen. Er baut sich ein Portfolio aus vielen verschiedenen Wetten zusammen.

4. Die große Entdeckung: Der Domino-Effekt

Das ist der wichtigste Teil des Papiers: Wenn der Insider eine komplexe Strategie fährt (z. B. eine „Volatilitäts-Wette"), passiert etwas Magisches.

Wenn er bei Wetten auf „Sturm" kauft, bewegt das nicht nur den Preis für Sturm. Es bewegt alle Preise im Markt, die mit Sturm zu tun haben.

Die Analogie: Stellen Sie sich einen Tisch voller Gläser vor, die alle mit Wasser gefüllt sind und durch Rohre verbunden sind. Wenn der Insider in ein Glas Wasser schüttet (kauft), steigt das Wasser in allen verbundenen Gläsern.
Der Auktionator sieht: „Oh, jemand kauft Sturm-Wetten UND Regen-Wetten." Er schließt daraus: „Das muss jemand sein, der ein Gewitter erwartet!"
Die Erkenntnis: Der Preis für eine einzelne Wette (z. B. eine Option auf eine Aktie) verrät nicht nur etwas über diese eine Aktie, sondern über die gesamte Struktur der Unsicherheit (z. B. wie volatil der Markt ist).

5. Warum der „Volatilitäts-Smile" entsteht

In der Finanzwelt gibt es ein Phänomen namens Volatilitäts-Smile. Das bedeutet: Optionen, die weit vom aktuellen Kurs entfernt sind (sehr riskant), sind teurer als man es rein mathematisch erwarten würde. Sie bilden ein Lächeln (Smile) auf dem Diagramm.

Die alte Erklärung: Man hat gesagt: „Naja, wir kalibrieren das einfach so, dass es passt." (Wie ein Schneider, der einen Anzug nachträglich zurechtschneidet).
Die neue Erklärung: Der Insider weiß, dass extreme Ereignisse (Sturm) wahrscheinlicher sind als gedacht. Er kauft massiv diese extremen Wetten. Weil er so viel kauft, steigen die Preise für diese extremen Wetten stark an.
Da der Auktionator sieht, dass der Insider auf beide Extreme (sehr hoch und sehr niedrig) wettet, werden die Preise für beide Seiten nach oben gedrückt. Das Ergebnis ist das Lächeln. Es ist kein Zufall, sondern das natürliche Ergebnis von Insider-Wissen, das sich über den ganzen Markt verteilt.

6. Was bedeutet das für uns?

Dieses Papier zeigt uns, dass Finanzmärkte viel schlauer sind, als wir dachten.

Informationen sind überall: Wenn Insider über Risiken (wie eine Finanzkrise oder einen plötzlichen Kurssturz) Bescheid wissen, drücken sie das nicht nur in den Preis der Hauptaktie. Sie drücken es in die Preise von allen damit verbundenen Optionen.
Man kann die Zukunft lesen: Wenn man genau hinschaut, wie sich die Preise von verschiedenen Optionen gegenseitig beeinflussen (wenn der Preis einer Option steigt, steigt auch der einer anderen), kann man herausfinden, welche Art von Information gerade im Markt ist. Ist es nur eine kleine Kursbewegung? Oder bereitet sich ein Sturm vor?

Zusammenfassung in einem Satz

Dieses Papier erklärt, wie ein Insider, der die Zukunft kennt, nicht nur auf eine Sache wetten kann, sondern ein komplexes Netz aus Wetten spannt, das den Auktionator zwingt, die gesamte Geschichte der Unsicherheit (nicht nur den Durchschnitt) in die Preise aller Finanzprodukte einzubauen – und erklärt damit, warum Finanzmärkte oft so aussehen, wie sie es tun (z. B. mit dem berühmten „Volatilitäts-Smile").

Es ist wie ein riesiges Puzzle: Jeder Kauf eines Insiders ist ein Puzzleteil, das nicht nur ein Bild zeigt, sondern das Licht auf das ganze Bild wirft.

Each language version is independently generated for its own context, not a direct translation.

Hier ist eine detaillierte technische Zusammenfassung des Papers „Arrow-Debreu Meets Kyle: Price Discovery Across Derivatives" von Christian Keller und Michael C. Tseng (März 2026) auf Deutsch.

1. Problemstellung und Motivation

Das Papier adressiert eine fundamentale Lücke in der Finanztheorie: Wie integrieren Derivatemärkte (insbesondere Optionen) diverse Informationen über die gesamte Verteilung des zugrunde liegenden Vermögenswerts (z. B. Volatilität, Schiefe, Tail-Risiko) in die Preise?

Herausforderung: Die etablierte Literatur zur Preisentdeckung (Price Discovery) basiert oft auf dem Kyle-Modell (1985), das sich auf lineare, normalverteilte Informationen über den Erwartungswert eines einzelnen Assets konzentriert. Dies ist für Derivate unzureichend, da deren Auszahlungen nicht-linear sind und Händler Informationen über höhere Momente der Verteilung nutzen.
Fehlende Theorie: Es gibt kein allgemeines Gleichgewichtsmodell, das erklärt, wie informierte Händler ihre Informationen über komplexe Verteilungen durch Portfolios von Optionen ausdrücken und wie diese Informationen über verschiedene Strikes und Märkte hinweg in die Preise einfließen.
Ziel: Die Autoren entwickeln ein einheitliches Gleichgewichtsmodell, das die Prinzipien von Arrow-Debreu (Zustandskontingente Ansprüche) mit dem Kyle-Modell (strategischer Handel unter asymmetrischer Information) verbindet.

2. Methodik und Modellrahmen

Das Modell erweitert das Kyle-Modell auf einen vollständigen Markt von Arrow-Debreu (AD)-Wertpapieren, die jeden möglichen zukünftigen Zustand abdecken.

Akteure:
- Ein informativer Insider, der ein privates Signal $s$ beobachtet, das die Wahrscheinlichkeitsverteilung über die zukünftigen Zustände $X$ bestimmt.
- Ein wettbewerbsfähiger Market Maker, der die aggregierte Orderströmung (Insider + Rauschen) beobachtet und Null-Gewinn-Preise setzt.
- Rauschhändler, deren Orders normalverteilt sind.
Struktur:
- Der Insider wählt ein Portfolio $W$ über AD-Wertpapiere, um seinen erwarteten Gewinn zu maximieren.
- Der Market Maker bildet eine Posterior-Verteilung über die Signale basierend auf der beobachteten Orderströmung $\omega$ .
- Die Preise sind die bedingten Erwartungswerte der Auszahlungen gegeben die Posterior-Verteilung.
Mathematische Reduktion:
- Das Problem ist zunächst unendlich-dimensional (da der Zustandsraum unendlich sein kann).
- Die Autoren führen eine kanonische Transformation durch. Sie zeigen, dass das komplexe Spiel auf ein äquivalentes „kanonisches Spiel" reduziert werden kann, in dem nur $K$ Informationsverträge (einer pro Signalstory) gehandelt werden.
- In diesem kanonischen Spiel sind die Signale symmetrisch, und das Gleichgewicht wird durch einen einzigen endogenen Skalierungsparameter $\alpha^*$ bestimmt.

3. Schlüsselbeiträge und theoretische Ergebnisse

A. Das Gleichgewicht und der endogene Skalierungsparameter

Das zentrale Ergebnis ist, dass trotz der allgemeinen, nicht-parametrischen Natur des Modells das Gleichgewicht durch einen einzigen endogenen Konstanten $\alpha^*$ charakterisiert wird.

$\alpha^*$ balanciert den marginalen Gewinn aus der Ausbeutung privater Informationen gegen die marginalen Kosten der Informationspreisgabe (durch steilere Preisimpulse).
$\alpha^*$ hängt nur von der Anzahl der möglichen Signale $K$ ab, nicht von den spezifischen Details der Auszahlungsverteilungen oder der Rauschintensität.

B. Informierte Nachfrage und Strategien

Das Modell leitet die optimale Handelsstrategie des Insiders her, die als Portfolio aus Long-Short-Positionen auf Zustandsverteilungen interpretiert werden kann.

Struktur: Der Insider geht long auf die durch sein Signal implizierte Auszahlungsverteilung und short auf die Alternativen.
Anwendung auf Optionen: Durch die Breeden-Litzenberger-Formel wird dies in konkrete Multi-Leg-Optionenstrategien übersetzt:
- Information über den Mittelwert: Führt zu Bull- oder Bear-Spreads (vertikale Spreads).
- Information über die Volatilität: Führt zu Straddles (bei hoher Volatilität) oder Butterflies (bei niedriger Volatilität).
- Information über die Schiefe: Führt zu Ratio Spreads.
Dies erklärt endogen, warum bestimmte Marktpraktiken (wie der Straddle für Volatilitäts-Handel) existieren, was in früheren linearen Modellen nicht möglich war.

C. Cross-Market Price Impact (Kreuzmarkt-Preisimpuls)

Das Modell liefert eine strukturelle Erklärung dafür, wie Orders in einem Vertrag die Preise anderer Verträge beeinflussen.

Mechanismus: Der Preisimpuls zwischen zwei Wertpapieren $x_i$ und $x_j$ ist proportional zur Kovarianz ihrer Auszahlungen über die verschiedenen Informationsgeschichten (Signals).
Ergebnis: Wenn zwei Optionen ähnliche Auszahlungsprofile unter den gleichen Informationsszenarien haben (z. B. Call und Put eines Straddles bei Volatilitäts-Information), ist der Kreuzpreisimpuls positiv. Ein Kauf in der einen Option treibt den Preis der anderen nach oben, da der Market Maker daraus auf die gleiche Informationsstory schließt.
Dies generalisiert Kyles Lambda ( $\lambda$ ) zu einer unendlich-dimensionalen Kovarianzmatrix der Preisimpulse.

D. Die Volatilitäts-Smile als Gleichgewichtsphänomen

Ein bedeutendes Ergebnis ist die endogene Herleitung des Volatilitäts-Smile.

Im Gegensatz zu reduktiven Modellen (wie Black-Scholes mit Kalibrierung), die das Smile als exogenen Input behandeln, entsteht es hier durch strategischen Handel.
Wenn Händler auf Volatilitätsinformationen handeln, konzentriert sich die Nachfrage auf die „Flügel" (Out-of-the-Money Optionen). Durch den starken Kreuzpreisimpuls zwischen den Flügeln steigen die impliziten Volatilitäten für diese Strikes stärker an als für den At-The-Money-Strike.
Das Modell sagt voraus, dass die Krümmung des Smile mit der tatsächlichen Volatilität zunimmt.

E. Informations-Effizienz

Die Autoren definieren ein Maß für die gesamte Informations-Effizienz des Preissystems.

Invarianz-Prinzip: Die aggregierte Informations-Effizienz hängt nur von der Dimensionalität der privaten Information (Anzahl der Signale $K$ ) ab, nicht von den spezifischen Details der Verteilungen oder der Liquidität einzelner Märkte.
Dies ist analog zur Risikoteilung in vollständigen Märkten: Nur die aggregierte Unsicherheit zählt, nicht wie sie verteilt ist.

4. Empirische Implikationen

Das Papier leitet testbare Hypothesen ab, die über reduktive Ansätze hinausgehen:

Vorhersage höherer Momente: Der Kreuzpreisimpuls zwischen den Beinen eines Portfolios, das auf ein bestimmtes Moment (z. B. Volatilität oder Schiefe) abzielt, sollte die zukünftige Realisierung dieses Moments vorhersagen.
Schätzung von Price Impact: Statt univariater Regressionen sollten multivariate Regressionen verwendet werden, um die Matrix der Preisimpulse ( $\Lambda$ ) zu schätzen, um simultane Effekte zu erfassen.
Faktoren für Optionsrenditen: Es wird vermutet, dass systematische Faktoren für Optionsrenditen aus Portfolios konstruiert werden können, die auf höherer Momente abzielen und positive Renditen erzielen, wenn der Kreuzpreisimpuls hoch ist (Anzeichen von Adverse Selection).

5. Signifikanz und Fazit

Dieses Paper stellt einen Meilenstein in der theoretischen Finanzwirtschaft dar, indem es zwei Säulen der Literatur (Arrow-Debreu und Kyle) vereint.

Theoretische Durchbrüche: Es bietet den ersten Gleichgewichtsrahmen, der nicht-lineare Derivate, strategisches Portfolio-Management und cross-market Informationsflüsse konsistent beschreibt.
Erklärung von Marktphänomenen: Es erklärt endogen die Existenz von Standard-Optionstrategien (Straddles, Spreads) und das Volatilitäts-Smile als Ergebnis rationaler Preisbildung unter asymmetrischer Information, nicht nur als Kalibrierungsartefakt.
Praktische Relevanz: Die Ergebnisse bieten einen strukturellen Leitfaden für die Interpretation von Orderflüssen und Preisimpulsen in Derivatemärkten und schlagen neue Wege für die empirische Forschung und das Asset Pricing vor.

Zusammenfassend zeigt das Paper, dass Derivatemärkte nicht nur Hebel bieten, sondern essenzielle Instrumente sind, um Informationen über die gesamte Verteilung zukünftiger Renditen zu aggregieren und in die Preise einzupreisen.