Über das Buch

Zum Inhalt

Nach der Entwicklung des modernen quantitativen Asset Managements scheint die Prognose von Preisen nach wie vor ein nicht zu überwindendes Hindernis darzustellen. Ungeachtet aller Fortschritte der letzten Jahrzehnte bleibt die Prognostizierbarkeit der zentrale Problembereich des quantitativen Asset Managements. Zahlreiche Untersuchungen zu Prognosen von Aktienrenditen, die mit immer aufwändigeren ökonometrischen Verfahren „zuverlässige“ Renditeprognosen zu erstellen versuchen, erwiesen sich als nicht überzeugend. Im Gegensatz zur Renditeprognose befasst sich ein wachsender Zweig der Forschung mit der Prognose von Finanzmarktphasen. Die entscheidende Frage ist, ob Investoren über die Phasenprognose verlässlichere Erwartungen bilden können als über die Rendite.

Die Abhandlung greift die neue Entwicklung zur Phasenprognose auf und erweitert diese um die Zeit-Skalen-Dekomposition. Eine derartige Zeitreihenzerlegung motiviert sich aus der Betrachtung der Marktteilnehmer, die durch ihre Kauf- und Verkaufsentscheidungen den Preis von Vermögensgegenständen bilden. Es wird angenommen, dass der Preisbildungsprozess auf heterogene Entscheidungen der Marktteilnehmer in Bezug auf verschiedene Anlagehorizonte und unterschiedliche makroökonomische Einflussfaktoren zurückzuführen ist. Die sich daraus ergebenden Strukturen im Preis werden mit Hilfe der Zeit-Skalen-Dekomposition aufgedeckt, einzeln untersucht und anschließend prognostiziert. So werden bspw. lang-, mittel- und kurzfristige Trends aus dem Preis extrahiert und separat mittels erweiterten Probitmodellen und künstlichen Neuronalen Netzen modelliert. In Analogie zu den heterogenen Anlegergruppen, die zusammen den sichtbaren Preis erzeugen, werden anschließend die einzelnen Modellierungsergebnisse zu einer Gesamtprognose zusammengefügt, welche sich wieder auf den originären Preis bezieht. Wissenschaftlich ist vor allem interessant, ob die Zeit-Skalen-Dekomposition eine Steigerung der Prognosegüte im Vergleich…

Schlagworte

Prognose, Marktphasen, Wavelets, Zeit-Skalen-Dekomposition, Bear-und Bull-Phasen, Künstliche neuronale Netze, Maschinelles Lernen, Erweiterte Profitmodelle