Regressionsanalyse zur Optimierung des Portfolios in Krisenzeiten am Beispiel von Industrie- und Tech-Aktien

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

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.