Die vorliegende Arbeit ordnet sich in den Bereich der quantitativen Finanzanalyse ein. Nach Auffassung von Rehkugler / Poddig (1994) geht es bei einer Finanzanalyse im Allgemeinen darum, „einer Menge von Zuständen oder Situationen (z.B. Situationen an Finanzmärkten, definiert durch die Zustände bestimmter ökonomischer Variablen wie Zinsen, Auftragseingänge usw.) jeweils eine (sinnvolle) Handlungsvorschrift oder Folgerung (z.B. Aktie kaufen, halten oder verkaufen) zuzuordnen“. Die Finanzanalyse verfolgt häufig das Ziel, Aktien zu prognostizieren. Unter Prognose ist die Vorhersage zukünftiger Ereignisse auf Grundlage von historischen Informationen und theoretisch wie empirisch fundierter sowie nachvollziehbarer Verfahren zu verstehen. Der Prognose liegt die Annahme zugrunde, dass gewisse Grundstrukturen aus der Vergangenheit auch in der Zukunft unverändert weiterwirken. Mit der Voraussage von Aktienkursen befassen sich nicht nur Finanzwissenschaftler, sondern auch viele Praktiker. Denn das Auffinden eines funktionierenden Prognosemodells stellt nicht nur die für Aktienprognosen bedeutsame Effizienzmarkthypothese in Frage, sondern scheint zudem profitable Investments am Kapitalmarkt zu ermöglichen.
Die Zielsetzung dieser Arbeit ist die Beantwortung der folgenden Fragestellung:
'Ist die Prognose deutscher Aktien auf Grundlage von aggregierten Informationssignalen in einem Scoring-Modell möglich?'
In dieser Arbeit wird für die Beantwortung der Fragestellung eine empirische Untersuchung durchgeführt. Dafür ist eine aktive Handelsstrategie (nachfolgend Handelsmodell) auf Grundlage eines Scoring-Modells mit aggregierten Informationssignalen zu entwickeln und die Performanceleistung gegenüber einer passiven Strategie zu untersuchen. Der zu untersuchende Zielmarkt ist dabei der deutsche Aktienmarkt für den Beobachtungszeitraum von 1973 bis 2012. Die Antwort der Fragestellung leitet sich aus den zu erzielenden Leistungsergebnissen in einem unbekannten Bereich des Datensamples ab.
Inhaltsverzeichnis
1 Einleitung
1.1 Problemstellung
1.2 Zielsetzung und Vorgehensweise
2 Theoretische Grundlagen
2.1 Effizienzmarkthypothese nach Fama
2.2 Bedeutung von Kapitalmarktanomalien für Aktienprognosen
2.3 Aggregationsmodelle für Aktienprognosen
2.3.1 Multifaktormodelle zur Erklärung von Aktienrenditen
2.3.1.1 Multifaktormodelle nach Faktortypen
2.3.1.2 Anzahl Faktoren in Multifaktormodellen
2.3.2 Scoring-Modelle als alternativer Aggregationsansatz
2.3.2.1 Nutzwertanalyse nach Zangemeister
2.3.2.2 Literaturüberblick zu Scoring-Modellen
2.4 Grundlagen zur Erzeugung von Informationssignalen
2.4.1 Konzept der Informationssignale nach Lev und Thiagarajan
2.4.2 Technische Analyse als Grundlage des Momentum-Indikators
2.5 Kritische Betrachtung der theoretischen Aspekte
2.5.1 Effizienzmarkthypothese
2.5.2 Kapitalmarktanomalien
2.5.3 Multifaktormodelle
2.5.4 Scoring-Modelle
2.5.5 Informationssignale
3 Empirischer Ansatz der Untersuchung
3.1 Datensample der Untersuchung
3.1.1 Deutsche Aktien
3.1.2 Potenzielle Modellvariablen
3.1.3 Benchmark und risikoloser Zinssatz
3.1.4 Aufteilung des Datensamples
3.2 Investitionsansatz des Handelsmodells
3.2.1 Score-Wert als Handelssignal
3.2.2 Score-Wert als Gewichtungsfaktor
3.3 Ermittlung der Renditen
3.3.1 Investitionsrenditen
3.3.2 Überschussrenditen
3.3.3 Ansatz der Portfoliobildung
3.4 Erzeugung und Aggregation von Informationssignalen
3.4.1 Transformation durch Momentum-Indikator
3.4.2 Transformation der monatlichen Saisonalität
3.4.3 Scoring-Modell als Aggregationsmodell
3.5 Optimierungsansatz für das Handelsmodell
3.5.1 Parametrische Optimierung der Einzelvariablen
3.5.2 Optimierung der Variablenkombination
3.6 Performance-Evaluation
3.6.1 Sortino-Maß
3.6.2 Jensen-Alpha
4 Auswertung der Untersuchungsergebnisse
4.1 Optimierungsresultate
4.1.1 Parametrische Optimierung der Einzelvariablen
4.1.2 Optimierung der Variablenkombination
4.2 Deskriptive Statistiken
4.2.1 Korrelationsanalyse
4.2.2 Portfolio-Statistiken
4.2.2.1 Auswertung der Ergebnisse (in-sample)
4.2.2.2 Auswertung der Ergebnisse (out-of-sample)
4.2.3 Indizierte Verläufe
4.2.3.1 Auswertung der Verläufe (in-sample)
4.2.3.2 Auswertung der Verläufe (out-of-sample)
4.3 Performance-Analyse
4.3.1 Sortino-Maß
4.3.1.1 Auswertung der Performance (in-sample)
4.3.1.2 Auswertung der Performance (out-of-sample)
4.3.2 Jensen-Alpha
4.3.2.1 Auswertung der Performance (in-sample)
4.3.2.2 Auswertung der Performance (out-of-sample)
5 Fazit
5.1 Schlussfolgerung
5.2 Kritische Betrachtung
5.3 Ausblick
Zielsetzung & Themen
Das primäre Ziel dieser Masterthesis ist die Untersuchung der Prognostizierbarkeit deutscher Aktien auf Basis von aggregierten Informationssignalen mittels eines Scoring-Modells, um eine aktive Handelsstrategie zu entwickeln, deren Performance gegenüber einer passiven Buy-and-Hold-Strategie evaluiert wird.
- Entwicklung und Optimierung eines Scoring-Modells auf Basis binärer Informationssignale
- Anwendung makroökonomischer Variablen und Sentiment-Indikatoren zur Prognose
- Empirische Untersuchung des deutschen Aktienmarktes über einen Zeitraum von 1973 bis 2012
- Vergleich der erzielten Performance mittels Sortino-Maß und Jensen-Alpha
- Analyse der Robustheit der Strategie in Trainings- und Testdatenabschnitten
Auszug aus dem Buch
2.4.1 Konzept der Informationssignale nach Lev und Thiagarajan
In der Literaturanalyse zu Scoring-Modellen (vgl. Kap. 2.3.2.2) wurde festgestellt, dass sich die meisten Modelle an das Konzept der Informationssignale von Lev und Thiagarajan orientieren. Beim Scoring-Modell von Lev und Thiagarajan werden binäre Informationssignale durch faktorabhängige Nutzenfunktionen erzeugt. Nach eingehender Analyse dieser Nutzenfunktionen sind drei verschiedene Funktionstypen festzustellen:
1. Subtraktion zweier verdichteter Größen (die jeweils aus einem oder mehreren Daten bestehen können). Das Signal leitet sich dabei aus dem Vorzeichen ab.
2. Subtraktion zweier Größen aus einer Zeitreihe zu unterschiedlichen Zeitperioden. Das Signal leitet sich ebenfalls aus dem Vorzeichen ab.
3. Beim Vorliegen bestimmter Sachverhalte (Wenn-Dann-Bedingung) wird in Abhängigkeit davon, ein positives oder negatives Signal erzeugt.
Die Nutzenfunktionen einiger Scoring-Modelle (vgl. Kap. 2.3.2.2) lassen sich zudem weitestgehend nach diesen Funktionstypen einordnen. Der erste und dritte Funktionstyp lässt sich individuell gestalten und kann damit beliebige Aspekte aus einem Faktor ermitteln. Der zweite Funktionstyp stellt aufgrund seiner Struktur im Grunde einen technischen Trend dar. Diese Methode entspricht einer Berechnungsvariante des Momentum-Indikators aus der technischen Analyse. Die Verbindung zur technischen Analyse liegt nicht nur an dieser Stelle vor, sondern ist auch in der Grundidee der Informationssignale vorzufinden. Ähnlich wie bei den Informationssignalen werden auch bei der technischen Analyse aus Indikatoren und Trade Rules entsprechende Handelssignale erzeugt, um daraus Kauf- oder Verkaufsentscheidungen abzuleiten. Trotz dieser Parallelen wird die technische Analyse nicht in den untersuchten Scoring-Modellen explizit genannt.
Zusammenfassung der Kapitel
1 Einleitung: Die Einleitung definiert das Ziel der Arbeit, eine aktive Handelsstrategie mittels eines Scoring-Modells zur Prognose deutscher Aktien zu entwickeln und die theoretische Ausgangslage sowie die Vorgehensweise darzustellen.
2 Theoretische Grundlagen: Dieses Kapitel erläutert die Effizienzmarkthypothese, Kapitalmarktanomalien, verschiedene Multifaktormodelle und Scoring-Modelle sowie das grundlegende Konzept der Informationssignale als Basis für die Untersuchung.
3 Empirischer Ansatz der Untersuchung: Hier wird die methodische Vorgehensweise beschrieben, angefangen bei der Datenbasis, über die Auswahl der Modellvariablen bis hin zur Entwicklung des Handelsmodells und der Performance-Evaluierung mittels Sortino-Maß und Jensen-Alpha.
4 Auswertung der Untersuchungsergebnisse: Dieses Kapitel präsentiert die Ergebnisse der Optimierung, die deskriptive Statistik der Strategien sowie die detaillierte Performance-Analyse in in-sample und out-of-sample Zeiträumen.
5 Fazit: Das Fazit fasst die Ergebnisse zusammen, beantwortet die zentrale Forschungsfrage, reflektiert kritisch die getroffenen Annahmen und gibt einen Ausblick auf künftige Forschungsansätze.
Schlüsselwörter
Finanzanalyse, Aktienprognose, Scoring-Modell, Informationssignale, Effizienzmarkthypothese, Kapitalmarktanomalien, Multifaktormodelle, Momentum-Indikator, Handelsstrategie, Performance-Analyse, Sortino-Maß, Jensen-Alpha, Sentimentanalyse, Saisonalität, Backtesting.
Häufig gestellte Fragen
Worum geht es in dieser Masterthesis grundlegend?
Die Arbeit befasst sich mit der quantitativen Finanzanalyse und untersucht, ob deutsche Aktien durch die Aggregation spezifischer Informationssignale in einem Scoring-Modell erfolgreich prognostiziert werden können.
Was sind die zentralen Themenfelder der Untersuchung?
Zentrale Themen sind die Anwendung von Scoring-Modellen, die Bedeutung von Kapitalmarktanomalien, der Einsatz technischer Indikatoren wie dem Momentum-Indikator sowie die Performance-Messung aktiver Handelsstrategien.
Welches Ziel verfolgt der Autor primär?
Das Ziel ist die Beantwortung der Fragestellung, ob durch ein Scoring-Modell mit aggregierten Informationssignalen eine aktive Strategie entwickelt werden kann, die im Vergleich zu einer passiven Buy-and-Hold-Strategie Überrenditen erzielt.
Welche wissenschaftlichen Methoden kommen zum Einsatz?
Der Autor nutzt eine empirische Untersuchung, die auf der Transformation von Finanzzeitreihen basiert, wendet eine Nutzwertanalyse als theoretisches Gerüst für das Scoring-Modell an und führt eine parametrische sowie iterative Optimierung durch.
Welche Inhalte werden im Hauptteil behandelt?
Der Hauptteil gliedert sich in die theoretische Herleitung der Modellansätze und die anschließende empirische Untersuchung, bei der Datensamples aufbereitet, Variablen optimiert und die Performance mittels Sortino-Maß und Jensen-Alpha analysiert werden.
Welche Begriffe charakterisieren die Arbeit am besten?
Die Arbeit wird maßgeblich durch Begriffe wie Scoring-Modell, Informationssignale, Performance-Evaluation, Momentum-Indikator und Effizienzmarkthypothese charakterisiert.
Wie unterscheidet sich das Modell von existierenden Ansätzen wie dem Levermann-Score?
Während viele bestehende Scoring-Modelle primär auf fundamentalen Unternehmenskennzahlen basieren, integriert das Handelsmodell in dieser Arbeit gezielt makroökonomische Variablen und Sentiment-Indikatoren in einem iterativen Optimierungsprozess.
Warum wurde der out-of-sample Zeitraum auf 36 Monate festgelegt?
Da das Datensample für verschiedene Variablen unterschiedliche Startzeitpunkte aufweist, wurde ein fiktiver Punkt mittels Mittelwertbildung der Zeitreihenlängen angenommen, woraus sich eine out-of-sample Größe von 36 Monaten ergab, um sowohl das in-sample Modell robust zu halten als auch eine aussagekräftige Testphase zu haben.
- Citar trabajo
- Süleyman Yücel (Autor), 2015, Prognostizierbarkeit deutscher Aktien auf Grundlage von aggregierten Informationssignalen aus Finanzzeitreihen. Das Scoring-Konzept, Múnich, GRIN Verlag, https://www.grin.com/document/302832
