In dieser Arbeit sollen Renditeanomalien von Aktien untersucht werden. Man spricht von einer Anomalie, wenn die Rendite nicht durch ein gängiges Modell der erwarteten Rendite erklärt werden kann, wobei das sogenannte Capital Asset Pricing Model (kurz CAPM) wohl das Geläufigste ist. Dieses besagt, dass man höhere Renditen nur durch Übernahme zusätzlichen Risikos erzielen kann.In einigen Arbeiten zu diesem Thema wurde das CAPM jedoch kritisiert und bessere Modellierungsansätze für die Rendite gefunden, so dass man auch ohne zusätzliches Risiko durch Selektion der Aktien anhand bestimmter Indikatoren eine höhere Rendite erzielen kann.
Zur Untersuchung dieser Renditeanomalien sollen nun Regressionsmodelle mit der Aktienrendite als abhängige Variable und verschiedenen Indikatoren zur Aktienbewertung als unabhängige Variablen gefittet werden. Man möchte damit herausfinden, ob und auf welche Weise diese Indikatoren die Rendite beeinflussen, so dass damit eine mögliche Hilfestellung geliefert werden kann, um entsprechende Anlageentscheidungen zu treffen.
Als Indikatoren werden hier das Kurs-Gewinn-Verhältnis sowie das Momentum, berechnet über verschieden lange Zeiträume, verwendet. Die Modellierung geschieht zunächst durch klassische lineare Regression. Allerdings erscheint es nicht immer als gerechtfertigt, von einem linearen Zusammenhang zwischen den Indikatoren und der Rendite auszugehen. Vor Allem bei wenig Vorwissen über den wahren funktionalen Zusammenhang zwischen Einflussgröße und Response erscheint es sinnvoller, auf die Annahme von Linearität zu verzichten und zu flexibleren Modellen überzugehen. Hierfür bieten sich nichtparametrische Regressionsmodelle an. Mit der Modellierung des Einflusses der verschiedenen Indikatoren auf die Rendite durch diese Methode befasst sich der Hauptteil dieser Arbeit.
Inhaltsverzeichnis des Buches
- 1 Einleitung
- 2 Lineare Regression
- 2.1 Das einfache lineare Regressionsmodell
- 2.2 Das multiple lineare Regressionsmodell
- 2.3 Schätzung der Modellparameter
- 2.4 Test auf Einfluss der Regressoren
- 2.5 Güte der Anpassung
- 3 Nichtparametrische Regression
- 3.1 Univariate Glättung
- 3.1.1 Polynom-Splines
- 3.1.2 Penalisierte Splines
- 3.1.3 Glättungssplines
- 3.1.4 Lokal gewichtete Regression
- 3.1.5 Konfidenzbänder
- 3.1.6 Glättungsparameterwahl
- 3.2 Additive Modelle
- 3.2.1 Schätzung der additiven Funktionen
- 3.2.2 Modellierung von Interaktionen
- 3.2.3 Modellwahl
- 3.1 Univariate Glättung
- 4 Renditeberechnung und Indikatoren zur Aktienbewertung
- 4.1 Diskrete und stetige Rendite
- 4.2 Kurs-Gewinn-Verhältnis
- 4.3 Momentum
- 5 Empirische Untersuchung der Renditeanomalien von Aktien
- 5.1 Modelle für die Aktienrendite in der Industriebranche
- 5.1.1 Lineare Modelle
- 5.1.2 Nichtparametrische Regression
- 5.2 Betrachtung einzelner Länder
- 5.2.1 Untersuchung des Einflusses des Kurs-Gewinn-Verhältnisses und des Momentums auf die Rendite
- 5.2.2 Jährliche Modellierung
- 5.3 Vertiefte Untersuchung des Momentums
- 5.3.1 Univariate Modelle
- 5.3.2 Multivariate Modelle
- 5.3.3 Modelle für die einzelnen Länder
- 5.1 Modelle für die Aktienrendite in der Industriebranche
- 6 Schlussbetrachtungen
- 6.1 Zusammenfassung
- 6.2 Ausblick
- A Anhang
- A.1 Die Daten
- A.2 Abbildungen zu den Modellen für die Aktienrendite in der Industriebranche
Zielsetzung & Themen
Diese wissenschaftliche Arbeit befasst sich mit der Untersuchung von Renditeanomalien von Aktien. Das Hauptziel ist es, mithilfe flexibler Regressionsmodelle, insbesondere nichtparametrischer Verfahren, den Einfluss verschiedener Indikatoren zur Aktienbewertung auf die Rendite zu analysieren. Die Forschungsfrage konzentriert sich darauf, wie diese Indikatoren die Rendite beeinflussen und welche Unterstützung sie bei Anlageentscheidungen bieten können.
- Renditeanomalien von Aktien
- Flexible Regressionsmodelle (linear und nichtparametrisch)
- Aktienbewertungsindikatoren: Kurs-Gewinn-Verhältnis (PER)
- Aktienbewertungsindikatoren: Momentum über verschiedene Zeiträume
- Empirische Analyse globaler und länderspezifischer Modelle
- Modellierung von Interaktionen zwischen Prädiktoren
Auszug aus dem Buch
Einleitung
Hierbei bezeichnet Rs die Rendite einer Aktie, Rrf die Rendite einer risikolosen Anlage und RM die Rendite des Marktportfolios, welches aus allen vorhandenen risikobehaf teten Wertpapieren besteht. β wird als Marktfaktor bezeichnet3 und gibt an, wie stark die Rendite der betrachteten Aktie auf eine Veränderung der Differenz (E(RM) − Rrf ) reagiert. Bei einem sehr kleinen β verändert sich die Rendite kaum. Das Risiko ist also gering, man kann aber auch keine viel höhere Rendite als die der risikofreien Anlage erwarten. Für große Werte von β reagiert die Rendite stark auf Veränderungen der Dif ferenz (E(RM)−Rrf ). Sie unterliegt also stärkeren Schwankungen und beinhaltet damit ein höheres Risiko, aber man kann mit einer solchen Aktie höhere Renditen erzielen. In einigen Arbeiten zu diesem Thema, zum Beispiel von Fama / French (1996) , wurde das CAPM jedoch kritisiert und bessere Modellierungsansätze für die Rendite gefunden, so dass man auch ohne zusätzliches Risiko durch Selektion der Aktien anhand bestimmter Indikatoren eine höhere Rendite erzielen kann.
Zur Untersuchung dieser Renditeanomalien sollen nun Regressionsmodelle mit der Ak tienrendite als abhängige Variable und verschiedenen Indikatoren zur Aktienbewertung als unabhängige Variablen gefittet werden. Man möchte damit herausfinden, ob und auf welche Weise diese Indikatoren die Rendite beeinflussen, so dass damit eine mögliche Hilfestellung geliefert werden kann, um entsprechende Anlageentscheidungen zu treffen. Als Indikatoren werden hier das Kurs-Gewinn-Verhältnis sowie das Momentum, berech net über verschieden lange Zeiträume, verwendet. Die Modellierung geschieht zunächst durch klassische lineare Regression, wozu schon einige Studien durchgeführt wurden, zum Beispiel von Fama / French (1992), Pesaran / Timmermann (1994) und Pontiff / Schall (1998). Allerdings erscheint es nicht immer als gerechtfertigt, von einem li nearen Zusammenhang zwischen den Indikatoren und der Rendite auszugehen. Haugen (2001, S. 21f) beschreibt zum Beispiel einen nichtlinearen Zusammenhang zwischen der erwarteten Rendite und dem sogenannten Interest-Rate-Beta, also der Sensitivität, mit der die Rendite einer Aktie auf eine Änderung des Zinssatzes reagiert. Um solch einen nichtlinearen Zusammenhang modellieren zu können, braucht man also eine flexiblere Methode als die lineare Regression. Petersmeier (2003) beispielsweise verwendet in ih rer Arbeit die Kernregression als nichtparametrisches Verfahren zur Modellierung der Aktienrendite, weist aber gleichzeitig auf einige Nachteile dieses speziellen nichtpara metrischen Verfahrens, wie zum Beispiel die adäquate Behandlung hochdimensionaler Schätzprobleme, hin. Deshalb sollen hier andere nichtparametrische Methoden als die Kernregression verwendet werden, um den Einfluss der Indikatoren auf die Aktienrendi te flexibel zu modellieren. Mit diesen nichtparametrischen Regressionsmodellen befasst sich der Hauptteil dieser Arbeit.
Zusammenfassung der Kapitel
1 Einleitung: Diese Arbeit untersucht Renditeanomalien von Aktien mit flexiblen Regressionsmodellen, insbesondere nichtparametrischen Methoden, um den Einfluss von Indikatoren wie Kurs-Gewinn-Verhältnis und Momentum auf die Aktienrendite zu analysieren und so Anlageentscheidungen zu unterstützen.
2 Lineare Regression: Dieses Kapitel erläutert die Grundlagen der linearen Regression, von einfachen bis zu multiplen Modellen, und beschreibt die Schätzung von Modellparametern, Tests auf den Einfluss von Regressoren und die Güte der Anpassung.
3 Nichtparametrische Regression: Hier werden fortgeschrittenere nichtparametrische Regressionsmethoden wie univariate Glättung (Polynom-Splines, penalisierte Splines, Glättungssplines, lokal gewichtete Regression), additive Modelle und Konzepte zur Modellwahl (AIC, R²) detailliert vorgestellt.
4 Renditeberechnung und Indikatoren zur Aktienbewertung: In diesem Kapitel werden die Berechnung diskreter und stetiger Aktienrenditen sowie die Definition und Relevanz von Aktienbewertungsindikatoren wie dem Kurs-Gewinn-Verhältnis (PER) und Momentum erläutert.
5 Empirische Untersuchung der Renditeanomalien von Aktien: Dieses umfangreiche Kapitel präsentiert die empirischen Analysen von Aktienrenditeanomalien anhand globaler und länderspezifischer Modelle unter Verwendung von PER und Momentum, sowie eine vertiefte Untersuchung des Momentums über verschiedene Zeiträume.
6 Schlussbetrachtungen: Die Arbeit fasst die Ergebnisse zusammen, betont die Nützlichkeit nichtparametrischer Modelle zur Analyse von Renditeanomalien, identifiziert Value-Phasen in verschiedenen Ländern und gibt einen Ausblick auf zukünftige Forschungsansätze, insbesondere Regressionbäume zur Bewältigung des Dimensionalitätsproblems.
Schlüsselwörter
Renditeanomalien, flexible Regressionsmodelle, Aktienrendite, Kurs-Gewinn-Verhältnis (PER), Momentum, nichtparametrische Regression, lineare Regression, Glättungssplines, additive Modelle, Value-Ansatz, Anlagestrategien, Finanzmärkte, Schätzung, Modellierung
Häufig gestellte Fragen
Worum geht es in dieser Arbeit grundsätzlich?
Die Arbeit untersucht Renditeanomalien von Aktien mit Hilfe flexibler Regressionsmodelle, um den Einfluss von Aktienbewertungsindikatoren auf die Rendite zu analysieren und damit Anlageentscheidungen zu unterstützen.
Was sind die zentralen Themenfelder?
Zentrale Themenfelder sind die Analyse von Renditeanomalien, die Anwendung linearer und nichtparametrischer Regressionsmodelle sowie die Untersuchung spezifischer Aktienbewertungsindikatoren wie Kurs-Gewinn-Verhältnis und Momentum.
Was ist das primäre Ziel oder die Forschungsfrage?
Das primäre Ziel ist es, herauszufinden, ob und auf welche Weise Indikatoren wie das Kurs-Gewinn-Verhältnis und Momentum die Aktienrendite beeinflussen, um daraus Hilfestellungen für Anlageentscheidungen abzuleiten.
Welche wissenschaftliche Methode wird verwendet?
Die Arbeit verwendet statistische Regressionsmodelle, wobei sowohl klassische lineare Regression als auch flexible nichtparametrische Regressionsmodelle, wie Polynom-Splines, penalisierte Splines und additive Modelle, zum Einsatz kommen.
Was wird im Hauptteil behandelt?
Der Hauptteil behandelt die statistischen Grundlagen der linearen und nichtparametrischen Regression, die Definition und Berechnung von Aktienrenditen und Bewertungsindikatoren sowie eine empirische Untersuchung der Renditeanomalien anhand globaler und länderspezifischer Modelle.
Welche Schlüsselwörter charakterisieren die Arbeit?
Die Arbeit wird charakterisiert durch Schlüsselwörter wie Renditeanomalien, flexible Regressionsmodelle, Aktienrendite, Kurs-Gewinn-Verhältnis (PER), Momentum und nichtparametrische Regression.
Warum werden in dieser Arbeit nichtparametrische Regressionsmodelle bevorzugt?
Nichtparametrische Regressionsmodelle werden bevorzugt, um nichtlineare Zusammenhänge zwischen Indikatoren und Aktienrendite flexibler modellieren zu können, da ein linearer Zusammenhang nicht immer gerechtfertigt erscheint.
Welche Rolle spielen "Value-Phasen" und "Growth-Phasen" bei der Analyse?
In der Analyse werden "Value-Phasen" identifiziert, in denen Aktien mit niedrigem Kurs-Gewinn-Verhältnis höhere Renditen erzielen, und "Growth-Phasen", in denen Aktien mit erwartetem starkem Gewinnwachstum überdurchschnittlich abschneiden.
Welcher Berechnungszeitraum für das Momentum erwies sich als am besten geeignet?
Für die Modellierung der Rendite erwies sich ein mittelfristiger Berechnungszeitraum des Momentums von etwa 300 Tagen als besonders geeignet, wobei Kombinationen mit anderen Zeiträumen oft zu Verbesserungen führten.
Welche Länder wurden in der empirischen Untersuchung vertieft betrachtet?
In der empirischen Untersuchung wurden die Länder USA, Japan, China, Kanada, Brasilien und Australien vertieft betrachtet, da sie die höchsten prozentualen Anteile an den verwendeten Daten aufwiesen.
- Citar trabajo
- Birgit Scheitler (Autor), 2008, Untersuchung von Renditeanomalien mit Hilfe flexibler Regressionsmodelle, Múnich, GRIN Verlag, https://www.grin.com/document/135160
