„I have directed Secretary Connally to suspend temporarily the convertibility of the American dollar except in amounts and conditions determined to be in the interest of monetary stability and in the best interests of the United States.”
Dieser wenig spektakuläre Satz von US-Präsident Richard Nixon vom 15. August 1971 setzte das damals gültige Währungssystem der festen Wechselkurse von Bretton Woods außer Kraft, welches nach dem Ort benannt wurde, an dem es am Ende des Zweiten Weltkriegs festgelegt worden war. Nicht nur die US-Währung war mit einer Unze Gold zu 35$ fest gebunden, sondern auch die Währungen der Mitgliedstaaten des Bretton Woods Vertrages waren fest an den Dollar gebunden. So kostete ein US-Dollar 1948 zum Beispiel exakt 3,33 DM. Es gab zwar alle paar Jahre immer wieder Anpassungen, doch nach der Aufhebung dieser Bindung stellte sich sehr bald heraus, dass der Dollar überbewertet war.
Auf Grund dieser „Verteuerung“ der Währungen stellten sich Probleme in der Exportwirtschaft in vielen Ländern ein. Während der Schweizer Franken im August 1971 nur 23,25 US-Cent kostete, wurde er bis ins Jahr 1978 immer stärker und kostete schließlich mehr als 67 US-Cent. In Deutschland, Frankreich und Japan zeigte sich ein ähnliches Bild.
Hinsichtlich der Konsequenzen der Wechselkursvariabilität, wird davon ausgegangen, dass die kurzfristige Volatilität der Wechselkurse nur begrenzte negative Auswirkungen aus die Realwirtschaft hat. Grundsätzlich ist es möglich, sich mit vertretbaren Kosten durch Devisentermingeschäften vollständig gegen kurzfristige Wechselkursschwankungen abzusichern. So kann etwa ein deutsches Unternehmen, welches in die Vereinigten Staaten exportiert und deren Exporte in US-Dollar fakturiert werden, das Wechselkursrisiko seiner zukünftigen US-Dollar Zahlungsströme aus den Vereinigten Staaten dadurch eliminieren, dass es diese US-Dollar zum heutigen Devisenterminkurs für den zukünftigen Zahlungszeitpunkt gegen Euro verkauft. Wertet der Euro jedoch über einen längeren Zeitraum gegenüber dem Dollar auf, ohne dass sich die Güterpreise in den beiden Währungsräumen signifikant ändern, so wird das Unternehmen seine Preise die größtenteils in Euro anfallen, nachhaltig erhöhen müssen. Dies führt zu Einbußen in der Wettbewerbsfähigkeit gegenüber amerikanischen Unternehmen und schlimmstenfalls sogar zu Insolvenzen und Produktionsverlagerungen.
Inhaltsverzeichnis
1 Einleitung
1.1 Problemstellung
1.2 Vorgehensweise
2 Fundamentale Wechselkursprognose
2.1 Die Kaufkraftparitätentherorie
2.1.1 Absolute Kaufkraftparität
2.1.2 Relative Kaufkraftparität
2.1.3 Einschätzung der Prognosefähigkeit
2.2 Die Zinsparitätentheorie
2.2.1 Gesicherte Zinsparität
2.2.2 Ungesicherte Zinsparität
2.2.3 Einschätzung der Prognosefähigkeit
2.3 Monetäre Wechselkurstheorien
2.3.1 Monetäres Modell mit flexiblen Preisen
2.3.2 Monetäres Modell mit festen Preisen – Das Modell nach Dornbusch
2.3.3 Einschätzung der Prognosefähigkeit
3 Technische Wechselkursprognose
3.1 Die Dow-Theorie
3.1.1 Die Kernaussagen der Dow-Theorie
3.1.2 Kritik an der Dow-Theorie
3.2 Gleitende Durchschnitte
3.2.1 Der einfache gleitende Durchschnitt
3.2.2 Der linear gewichtete gleitende Durchschnitt
3.2.3 Der exponentiell geglättete gleitende Durchschnitt
3.3 Oszillatoren
3.3.1 Momentumkurven
3.3.2 Der Relative-Stärke-Index (RSI)
3.4 Der Variationskoeffizient
3.5 Die Regressionsanalyse
3.6 Empirische Untersuchung der Prognosefähigkeit
3.6.1 Konzept
3.6.2 Vergleichsmaßstäbe
3.6.3 Entscheidungsbaum des symbolischen Maschinellen Lernens
3.6.4 Ergebnisse verschiedener Indikatoren
3.6.5 Trefferquote des Entscheidungsbaumes für das Jahr 2010
3.6.6 Renditevergleich im ausgewählten Zeitraum
3.6.7 Zusammenfassung der empirischen Untersuchung
4 Effizienter Markt und Random-Walk
4.1 Effizienter Markt
4.2 Random-Walk-Theorie
5 Moderne Wechselkursmodelle
5.1 Das Diversity and Weight of Opinion (DAWOP) – Modell
5.1.1 Modellgrundlagen
5.1.2 Einschätzung der Prognosefähigkeit
5.2 Das Forward Exchange Premium Term Structure – Modell
5.2.1 Modellgrundlagen
5.2.2 Einschätzung der Prognosefähigkeit
6 Wechselkursprognose mit Hilfe von künstlichen neuronalen Netzen
6.1 Vergleich der Prognosegüte neuronaler Netze und konventioneller Methoden zur Wechselkursprognose in der Literatur
6.2 Kritische Betrachtung der künstlichen neuronalen Netze
7 Zusammenfassung und Fazit
Zielsetzung & Themen
Diese Arbeit untersucht die Entwicklung von Prognoseverfahren für Wechselkurse über die letzten 40 Jahre und prüft, ob moderne Instrumente fundiertere Vorhersagen ermöglichen als klassische ökonomische Methoden. Die zentrale Forschungsfrage ist, ob durch die Kombination von fundamentalen und charttechnischen Instrumenten eine höhere Rendite als am Markt erzielt werden kann.
- Vergleich fundamentaler und technischer Wechselkursprognose
- Analyse der Markteffizienzhypothese und Random-Walk-Theorie
- Einsatz von Entscheidungsbäumen und Künstlichen Neuronalen Netzen
- Empirische Untersuchung der Prognosegüte anhand historischer Daten
- Bewertung der Leistungsfähigkeit moderner Wechselkursmodelle
Auszug aus dem Buch
3.6.3 Entscheidungsbaum des symbolischen Maschinellen Lernens
In dieser Arbeit wurde der Einsatz eines Entscheidungsbaum des symbolischen maschinellen Lernens favorisiert. Dies begründet sich dadurch, dass auf diese Weise bessere Prognoseergebnisse erzielt werden können, als die einzelnen Bestandteile des Baumes gesondert hervorbringen würden. Angelehnt an Steurers (1997) evaluierten optimalen Entscheidungsbaum (S. 278) wurden folgende Regeln für die täglichen Prognosen definiert:
Auf Basis dieses Entscheidungsbaumes gelten für die Untersuchung somit folgende Handelsregeln:
Zeigt der Variationskoeffizient einen steigenden Kurs an, so wird im nächsten Schritt der gleitende Durchschnitt betrachtet. Reflektiert dieser ebenfalls eine Steigung, wird eine Long Position aufgebaut und falls eine Shortposition besteht, wird diese gleichzeitig geschlossen. Bei steigendem Variationskoeffizient und fallendem gleitenden Durchschnitt wird eine Long-Position, falls vorhanden, aufgelöst.
Zeigt der Variationskoeffizient einen gleichbleibenden Kurs an und gibt der RSI gleichzeitig ein Signal, so wird eine bestehende Long- oder Shortposition aufgelöst.
Deutet der Variationskoeffizient einen fallenden Kurs an, wird ebenfalls der gleitendende Durchschnitt betrachtet. Prognostiziert dieser fallende Kurse, so wird eine Short-Position gekauft und falls vorhanden eine bestehende Long-Position geschlossen. Eine Short-Position, sofern vorhanden, wird wiederum bei steigendem gleitenden Durchschnitt aufgelöst.
Es kann immer nur eine Short- oder eine Long Position gehalten werden. Beides gleichzeitig ist nicht möglich.
Zusammenfassung der Kapitel
1 Einleitung: Dieses Kapitel führt in die Problematik flexibler Wechselkurse ein und definiert die zentrale Arbeitsthese, dass Wechselkurse durch ausgewählte Instrumente prognostizierbar sind.
2 Fundamentale Wechselkursprognose: Hier werden die klassischen ökonomischen Modelle wie Kaufkraftparität und Zinsparität sowie monetäre Ansätze vorgestellt und hinsichtlich ihrer praktischen Prognosefähigkeit kritisch bewertet.
3 Technische Wechselkursprognose: Dieses Kapitel behandelt die Instrumente der Chartanalyse, inklusive gleitender Durchschnitte und Oszillatoren, und präsentiert eine empirische Untersuchung zur Kombination dieser Indikatoren mittels Entscheidungsbäumen.
4 Effizienter Markt und Random-Walk: Die theoretischen Grundlagen der Markteffizienzhypothese werden diskutiert, wobei die Random-Walk-Theorie als Gegenentwurf zur Prognostizierbarkeit von Kursen beleuchtet wird.
5 Moderne Wechselkursmodelle: Hier werden neuere Ansätze vorgestellt, die versuchen, lineare klassische Modelle durch die Einbeziehung nichtlinearer Prozesse oder heterogener Markterwartungen zu verbessern.
6 Wechselkursprognose mit Hilfe von künstlichen neuronalen Netzen: Dieses Kapitel analysiert den Einsatz von Machine Learning in der Devisenprognose und vergleicht dessen Leistung mit konventionellen statistischen Methoden.
7 Zusammenfassung und Fazit: Das Fazit fasst die Ergebnisse zusammen und bestätigt die These, dass technische Instrumente – insbesondere in Kombination – die Prognosegüte gegenüber einem naiven Random-Walk-Modell verbessern können.
Schlüsselwörter
Wechselkursprognose, Fundamentalanalyse, Technische Analyse, Charttechnik, Kaufkraftparität, Zinsparität, Markteffizienzhypothese, Random-Walk, Künstliche neuronale Netze, Gleitende Durchschnitte, RSI, Entscheidungsbaum, Volatilität, Währungsmarkt, Devisenhandel
Häufig gestellte Fragen
Worum geht es in dieser Diplomarbeit grundsätzlich?
Die Arbeit vergleicht fundamentale und charttechnische Methoden zur Vorhersage von Wechselkursveränderungen und untersucht, ob diese Verfahren eine höhere Rendite ermöglichen als eine rein zufällige Marktbetrachtung.
Welches ist das primäre Ziel der Arbeit?
Das Ziel ist es zu prüfen, ob Wechselkurse mit Hilfe moderner Modelle und technischer Indikatoren in gewissem Maße vorhersagbar sind, um damit die Effizienzmarkthypothese empirisch zu hinterfragen.
Was sind die zentralen Themenfelder?
Die Themenfelder umfassen fundamentale Theorien, technische Chartanalyse, Markteffizienztheorien, moderne Modellansätze sowie den Einsatz von Machine Learning und neuronalen Netzen in der Finanzmarktprognose.
Welche wissenschaftlichen Methoden kommen zum Einsatz?
Die Arbeit nutzt sowohl theoretische Literaturanalysen ökonomischer Modelle als auch eine eigene empirische Untersuchung mittels Entscheidungsbäumen, um die Prognosegüte verschiedener Indikatoren zu testen.
Was behandelt der Hauptteil?
Der Hauptteil analysiert detailliert fundamentale Theorien, stellt Instrumente der Chartanalyse vor, diskutiert die Random-Walk-Theorie und erläutert fortgeschrittene Ansätze wie das DAWOP-Modell und künstliche neuronale Netze.
Welche Keywords charakterisieren die Arbeit?
Wichtige Begriffe sind insbesondere Wechselkursprognose, Markteffizienz, technische Analyse, Fundamentalanalyse, Künstliche neuronale Netze und Handelsstrategien.
Warum schneiden Entscheidungsbäume in dieser Untersuchung so gut ab?
Die Untersuchung zeigt, dass die Kombination verschiedener Indikatoren durch Entscheidungsbäume Signale besser filtert und somit in volatilen Marktphasen stabilere Ergebnisse liefert als einzelne Indikatoren allein.
Ist die technische Analyse eine exakte Wissenschaft?
Nein, die Arbeit stellt fest, dass die technische Analyse als subjektiv gilt und häufig kritisiert wird, jedoch durch statistische Indikatoren eine objektivere Basis für Handelsentscheidungen erhalten kann.
Werden neuronale Netze das menschliche Urteilsvermögen ersetzen?
Das Fazit der Arbeit deutet darauf hin, dass neuronale Netze zwar vielversprechende Prognoseergebnisse liefern, jedoch (zumindest zum Zeitpunkt der Erstellung) die fundierte Prognose eines menschlichen Gehirns nicht vollständig ersetzen können.
- Citation du texte
- Lars Strozinsky (Auteur), 2011, Moderne Methoden zur Wechselkursprognose, Munich, GRIN Verlag, https://www.grin.com/document/180896
