In der nachfolgenden Arbeit soll aufgezeigt werden, ob Technologie- und Industrieaktien von einer negativen Wirtschaft in Krisenzeiten profitieren und eine Übergewichtung dieser im Wertpapierportfolio sinnvoll ist. Diese Vermutung liegt in den Entwicklungen des Krisenjahres 2020 begründet, in dem Vertreter der genannten Aktienarten trotz einer angespannten Wirtschaft ein bemerkenswertes Kurswachstum verzeichnen konnten. Um eine bessere Nachvollziehbarkeit zu gewährleisten, werden zunächst die wichtigsten Grundbegriffe zu den Themen Geldanlage, Wirtschaftskrisen und Regressionsanalyse erläutert. Im Anschluss geht es darum, passende Repräsentanten für die genannten Industrie- und Technologiesektoren zu finden sowie passende wirtschaftliche Einflussgrößen zu bestimmen.
Mittels statistischer Methoden werden mögliche Einflussbeziehungen zwischen den gewählten Aktien und den herangezogenen Wirtschaftsindikatoren untersucht. Hierbei gibt zunächst der Bravais-Pearson Korrelationskoeffizient einen Ausblick über einen bestehenden linearen Zusammenhang. Dieser wird anschließend mit Hilfe der Regressionsanalyse genauer untersucht. Nach mehreren Berechnungen wurde klar, dass in vergangenen Krisenzeiträumen durchaus Zusammenhänge zwischen den gewählten Aktienkursen und den wirtschaftlichen Einflussgrößen bestehen, die sich jedoch von Krise zu Krise unterschiedlich darstellen.
Während die Siemens AG als Vertreter der Industrieaktien weiterhin an die Entwicklung von Wirtschaftsindikatoren gekoppelt zu sein scheint, hat sich die Technologieaktie Microsoft während der Corona-Pandemie von den klassischen Einflussgrößen losgesagt und entwickelt sich auch in Zeiten wirtschaftlicher Unsicherheit positiv. Die Regressionsanalyse hat somit Aufschluss darüber gegeben, dass eine Übergewichtung von Technologieaktien zum aktuellen Zeitpunkt durchaus sinnvoll ist; jedoch kann aufgrund der historischen Daten keine generelle Krisenunabhängigkeit bestätigt werden. Für künftige Wirtschaftskrisen gibt es demnach kein „Patentrezept“. Vielmehr können statistische Methoden zur Ergänzung der Fundamental- und Chartanalyse genutzt werden und somit einen Ausblick für den jeweils betrachteten Krisenzeitraum geben.
Inhaltsverzeichnis
1. Einleitung
2. Grundlagen
2.1 Geldanlage und Vermögensoptimierung
2.1.1 Begriffserklärung Portfolio
2.1.2 Begriffserklärung Geldanlage und Vermögensoptimierung
2.2 Industrie- und Technologieaktien
2.2.1 Begriffsdefinition/ Schwerpunkte
2.2.2 Amerika als Technologiestandort
2.2.3 Deutschland als Industriestandort
2.3 Wirtschaftskrisen des 21. Jahrhunderts
2.3.1 Krisenarten
2.3.2 Indikatoren und Auswirkungen auf die Wirtschaft
2.4 Regressionsanalyse
2.4.1 Einleitung
2.4.2 Einsatzgebiete
2.4.3 Arten der Regressionen
2.4.4 Kennzahlen der Regressionsanalyse
3. Realisierung und Auswertung
3.1 Auswahl geeigneter Aktien als abhängige Variablen
3.2 Auswahl geeigneter Einflussgrößen
3.3 Anwendung der Regressionsanalyse
3.3.1 Bravais-Pearson Korrelationskoeffizient
3.3.2 Einfache lineare Regression der Microsoft-Aktie
3.3.3 Multiple lineare Regression der Microsoft-Aktie
3.3.4 Auswertung
3.3.5 Einfache lineare Regression der Siemens-Aktie
3.3.6 Multiple lineare Regression der Siemens-Aktie
3.3.7 Auswertung
3.3.8 Kritik am gewählten Modell und Besonderheiten im Zusammenhang mit Zeitreihendaten
4. Fazit
4.1 Zusammenfassung der Ergebnisse
4.2 Abwägen der Forschungsfrage unter Berücksichtigung der vorangegangenen Ergebnisse
Zielsetzung & Themen
Die Arbeit untersucht, ob Technologie- und Industrieaktien in Krisenzeiten von einer negativen Wirtschaftslage profitieren können und ob eine Übergewichtung dieser Titel in einem Wertpapierportfolio sinnvoll ist. Die Forschungsfrage fokussiert sich darauf, inwieweit statistische Regressionsanalysen historische Kursentwicklungen dieser Branchen im Kontext ökonomischer Indikatoren erklären und für Prognosen genutzt werden können.
- Analyse von Technologie- (Microsoft) und Industrieaktien (Siemens)
- Untersuchung während der Dotcom-Blase, der Weltfinanzkrise und der Corona-Pandemie
- Einsatz von statistischen Methoden wie der einfachen und multiplen Regressionsanalyse
- Identifikation wirtschaftlicher Einflussgrößen (Arbeitslosigkeit, BIP, Zinsniveau, Staatsverschuldung)
- Bewertung der Anwendbarkeit statistischer Modelle zur Portfoliostrukturierung
Auszug aus dem Buch
2.4.3.1 Einfache lineare Regression
Die einfache lineare Regression, auch Einfachregression oder bivariates Regressionsmodell (vgl. Kronthaler 2016: S. 225) genannt, vergleicht eine abhängige und eine unabhängige Variable miteinander. Die abhängige Variable, auch Regressand genannt, wird in der Fachsprache auf einen einzelnen Regressor, die unabhängige Variable, „regressiert“ (vgl. von Auer 2016: S. 17). Ziel ist es, den Einfluss der unabhängigen Variable auf die abhängige Variable zu untersuchen und einen „wahren“ Zusammenhang zu ermitteln (vgl. Urban/ Mayerl 2018: S.33).
(1) y = f(x)
Ein „wahrer“ Zusammenhang beschreibt hierbei das Phänomen, dass ein Zusammenhang als empirische Regelmäßigkeit für eine Grundgesamtheit gilt (vgl. ebd.). In unserem konkreten Fall, also der Regressionsanalyse von Aktien, wird eine Beziehung zwischen den abhängigen und unabhängigen Variablen für den jeweils betrachteten Zeitraum vermutet. Diese unterstellte Kausalität wird durch die Verwendung der griechischen Buchstaben α und β mittels der Kleinste-Quadrate-Methode (KQ-Methode) oder auch Ordinary Least Squares (OLS) (vgl. von Auer 2016: S.17), die so genannten Modellkonstanten gekennzeichnet. Die KQ-Methode hat das Ziel, den Abstand zwischen den Residuen und der Regressionsgeraden möglichst klein zu halten. Der Begriff Residuum beschreibt den Abstand der geschätzten Regressionsgeraden von den realen, beobachteten Werten (vgl. Auer/ Rottmann 2018: O.O.).
Zusammenfassung der Kapitel
1. Einleitung: Die Arbeit beleuchtet die Motivation hinter der Untersuchung von Technologie- und Industrieaktien in Krisenzeiten, insbesondere durch die Beobachtung der Kursentwicklungen während der Corona-Pandemie.
2. Grundlagen: Es werden zentrale Begrifflichkeiten zur Portfoliotheorie, zur Definition von Aktien und zur Funktionsweise statistischer Analyseverfahren wie der Regressionsanalyse erläutert.
3. Realisierung und Auswertung: Dieser Teil enthält die empirische Analyse, in der die Aktienkurse von Microsoft und Siemens gegen verschiedene Wirtschaftsindikatoren in ausgewählten Krisenzeiträumen regressiert und ausgewertet werden.
4. Fazit: Die Arbeit fasst die Ergebnisse zusammen und bewertet die Forschungsfrage, ob sich eine Übergewichtung der analysierten Aktien in Krisenzeiten basierend auf den statistischen Modellen rechtfertigen lässt.
Schlüsselwörter
Regressionsanalyse, Aktienmarkt, Technologieaktien, Industrieaktien, Finanzkrise, Corona-Pandemie, Portfoliotheorie, Wirtschaftsindikatoren, Arbeitslosigkeit, BIP, Zinsniveau, Staatsverschuldung, Kausalität, Korrelationskoeffizient, Zeitreihendaten
Häufig gestellte Fragen
Worum geht es in dieser Arbeit grundsätzlich?
Die Bachelorarbeit untersucht, ob Technologie- und Industrieaktien in Krisenzeiten eine krisensichere Anlagemöglichkeit darstellen und ob eine Übergewichtung dieser Sektoren in einem Wertpapierdepot sinnvoll ist.
Was sind die zentralen Themenfelder der Untersuchung?
Zentrale Themen sind die Performance von Aktienkursen unter dem Einfluss von Krisen wie der Dotcom-Blase, der Weltfinanzkrise und der Corona-Pandemie, unterlegt mit statistischen Modellen.
Was ist das primäre Ziel oder die Forschungsfrage?
Das Ziel ist es, durch Regressionsanalysen zu prüfen, inwieweit Wirtschaftsindikatoren wie Arbeitslosigkeit oder BIP die Kursentwicklung spezifischer Branchenaktien in Krisenzeiten erklären können.
Welche wissenschaftliche Methode wird verwendet?
Die Arbeit nutzt die statistische Methode der linearen und multiplen Regressionsanalyse (Kleinste-Quadrate-Methode) zur Identifikation von Korrelationen und Kausalzusammenhängen.
Was wird im Hauptteil der Arbeit behandelt?
Im Hauptteil werden die Datengrundlagen für die Aktien Microsoft und Siemens definiert, die ökonomischen Einflussfaktoren hergeleitet und die Ergebnisse der Regressionsanalysen für die verschiedenen Krisenphasen detailliert ausgewertet.
Welche Schlüsselwörter charakterisieren die Arbeit?
Regressionsanalyse, Krisenfestigkeit von Aktien, Microsoft, Siemens, ökonomische Indikatoren und Portfoliomanagement.
Wie reagierten die Aktienkurse von Microsoft während der Corona-Pandemie auf ökonomische Indikatoren?
Die Analyse zeigt, dass sich die Microsoft-Aktie während der Pandemie weitgehend von klassischen Wirtschaftsindikatoren entkoppelt hat und einen eigenständigen Aufwärtstrend aufwies.
Welche Herausforderungen bei der Analyse von Zeitreihendaten werden thematisiert?
Die Arbeit kritisiert die Autokorrelation von Zeitreihendaten und erläutert, dass eine echte Trendbereinigung für eine vollumfängliche ökonometrische Analyse notwendig wäre, was jedoch den Rahmen der Bachelorarbeit überschritt.
- Quote paper
- Oliver Gutgesell (Author), 2021, Regressionsanalyse zur Optimierung des Portfolios in Krisenzeiten am Beispiel von Industrie- und Tech-Aktien, Munich, GRIN Verlag, https://www.grin.com/document/1042236
