Ziel dieser Arbeit ist es, Risiken für Eigenkapitalgeber in der Transportbranche genauer bestimmen zu können und diese mit solchen in anderen Branchen zu vergleichen.
Die COVID-19 Pandemie infolge des neuartigen Coronavirus SARS-CoV-2 hat die Transportbranche getroffen wie kaum ein anderes Ereignis seit Ende des Zweiten Weltkriegs. Zum einen wurden Reisebeschränkungen eingeführt, was beispielsweise zu einem Rückgang der Fluggäste in Deutschland im April 2020 um 98, 6% gegenüber des Vorjahres führte. Viele Airlines mussten durch staatliche Hilfsprogramme gestützt werden, um eine Insolvenz zu verhindern.
Zum anderen stiegen die Preise für Luftfracht im 1. Quartal 2020 deutlich. Beispielsweise lag der Preis von Deutschland Richtung China durchschnittlich um 40,6% über dem Vorjahresquartal. Solche Schocks werfen die Frage auf, wie und ob sich das unternehmerische Risiko für Investitionen in den Verkehrssektor von solchen in andere Branchen unterscheiden.
Im Risikomanagement wird dieses Risiko häufig durch den Value at Risk (VaR) beschrieben. Dieser ist definiert durch einen absoluten Wertverlust, der in einem bestimmten Zeitraum nicht überschritten wird. Um diesen bestimmen zu können, ist es notwendig, den Erwartungswert und die Varianz des Eigenkapitals vorhersagen zu können.
Der Autor hat sich entschlossen, einen Börsenindex zu verwenden, in dem verschiedene Transportunternehmen enthalten sind. Dies hat den Vorteil, dass für diese Unternehmen das Eigenkapital exakt beschrieben werden kann und darüber hinaus ein möglichst breiter Überblick über den Verkehrssektor möglich ist.
Zunächst muss jedoch der Datensatz optimal an ein Modell angepasst werden. Hier setzt diese Bachelorarbeit an. Es wird untersucht, welches Modell der General Autoregressive Conditioned Heteroskedasticity (GARCH) Familie die bedingte Varianz am besten vorhersagen kann. Gemeinsamkeiten und Unterschiede zwischen einem Transport-Index und einem allgemeinen werden aufgezeigt.
Inhaltsverzeichnis
- 1 Einleitung
- 2 Methodik
- 2.1 Datensatz
- 2.2 Stationarität
- 2.3 Identifikation und Schätzung ARMA
- 2.4 Validierung ARMA
- 2.5 Identifikation GARCH
- 2.6 Schätzung
- 2.7 Validierung
- 3 Modellierung des Dow Jones Transportation Average Indexes
- 3.1 Datensatz
- 3.2 Stationarität
- 3.3 Identifikation und Schätzung ARMA
- 3.4 Validierung ARMA
- 3.5 Identifikation GARCH
- 3.6 Schätzung
- 3.7 Validierung
- 4 Fazit
- 5 Kritische Würdigung
Zielsetzung und Themenschwerpunkte
Diese Bachelorarbeit befasst sich mit der Modellierung des Dow Jones Transportation Average Index (DJT) unter Verwendung von GARCH-Modellen. Das Ziel ist es, die Volatilität des DJT zu analysieren und zu modellieren, um so ein besseres Verständnis der Dynamik des Transportsektors zu gewinnen.
- Modellierung der Volatilität des Dow Jones Transportation Average Index
- Anwenden von GARCH-Modellen zur Analyse von Zeitreihen
- Identifizierung und Schätzung geeigneter ARMA-Modelle
- Bewertung und Vergleich verschiedener GARCH-Modelle
- Interpretation der Ergebnisse im Kontext des Transportsektors
Zusammenfassung der Kapitel
- Kapitel 1: Einleitung Dieses Kapitel führt in die Thematik der Volatilitätsmodellierung von Finanzmärkten ein und erläutert die Bedeutung des Dow Jones Transportation Average Index (DJT) als Indikator für die Entwicklung des Transportsektors.
- Kapitel 2: Methodik In diesem Kapitel werden die methodischen Grundlagen der Arbeit vorgestellt. Dazu gehört die Beschreibung des Datensatzes, die Analyse der Stationarität der Zeitreihe, die Identifikation und Schätzung von ARMA-Modellen sowie die Validierung der Modelle. Außerdem wird die Identifikation und Schätzung von GARCH-Modellen sowie deren Validierung behandelt.
- Kapitel 3: Modellierung des Dow Jones Transportation Average Indexes Dieses Kapitel widmet sich der Modellierung des DJT mit Hilfe von GARCH-Modellen. Es umfasst die gleiche Vorgehensweise wie in Kapitel 2, jedoch spezifisch für den DJT.
Schlüsselwörter
Dow Jones Transportation Average Index, GARCH-Modelle, Volatilität, Zeitreihenanalyse, ARMA-Modelle, Transportsektor, Finanzmärkte, Identifikation, Schätzung, Validierung, Stationarität.
- Arbeit zitieren
- Thaddäus Weißhaar (Autor:in), 2021, Modellierung des Dow Jones Transportation Average Index mit Hilfe von GARCH-Modellen, München, GRIN Verlag, https://www.grin.com/document/1027008
