Sind Aktienrenditen prognostizierbar?

Inhaltsverzeichnis

A Einleitung

B Theoretische Grundlagen

I. Kapitalmarkteffizienz

II. Portfoliomanagement

III. Finanzanalysten

C Aktienbewertung

I. Technische Analyse

1. Dow Theorie

2. Elliot Wellen Theorie

3. Chartformationen

4. Indikatoren

II. Fundamentalanalyse

1. Globalanalyse

2. Branchenanalyse

3. Unternehmensanalyse

D Empirische Untersuchung

I. Eigene empirische Untersuchung

1. Einleitung und literarischer Rückblick

2. Datenmaterial

3. Test auf Stationarität

4. Statistische Eigenschaften der Daten

II. Methodische Grundlagen der Zeitreihenanalyse

1. ARMA Modell

2. Schätzung von ARMA Modellen

III. Methodische Grundlagen zur Multivariaten Regressionsanalyse

1. Modellformulierung

2. Schätzung und Prüfung der Regressionsfunktion

3. Prüfung der Regressionskoeffizienten

IV. Empirische Ergebnisse

E. Zusammenfassung und Fazit

Zielsetzung & Themen

Das Hauptziel dieser Masterthesis ist die Untersuchung der Prognostizierbarkeit von Aktienrenditen am deutschen Aktienmarkt. Die zentrale Forschungsfrage lautet, ob sich zukünftige Aktienrenditen durch mikro- und makroökonomische Faktoren mittels ökonometrischer Verfahren (ARMA-Modelle und lineare multivariate Regression) signifikant erklären und prognostizieren lassen.

• Grundlagen der Kapitalmarkteffizienz und Portfoliomanagement
• Methoden der Aktienbewertung (Technische Analyse vs. Fundamentalanalyse)
• Empirische Analyse von DAX-Werten mittels Zeitreihen- und Regressionsmodellen
• Überprüfung der Prognosequalität anhand von In-Sample und Out-of-Sample Analysen

Auszug aus dem Buch

Zusammenfassung der Kapitel

A Einleitung: Darstellung der Problemstellung hinsichtlich der Prognostizierbarkeit von Aktienrenditen und Skizzierung des methodischen Vorgehens der Arbeit.

B Theoretische Grundlagen: Erläuterung der Hypothese der Kapitalmarkteffizienz, der Portfoliotheorie sowie der Rolle von Finanzanalysten.

C Aktienbewertung: Detaillierte Betrachtung der Ansätze der technischen Analyse und der Fundamentalanalyse zur Aktienbewertung.

D Empirische Untersuchung: Durchführung einer eigenen empirischen Untersuchung unter Verwendung von Zeitreihenanalyse und multipler Regression an DAX-Daten.

E. Zusammenfassung und Fazit: Kritische Reflexion der Ergebnisse und Diskussion der praktischen Relevanz der erarbeiteten Prognosemodelle.

Schlüsselwörter

Aktienrenditen, Kapitalmarkteffizienz, Random-Walk-Hypothese, Technische Analyse, Fundamentalanalyse, Zeitreihenanalyse, ARMA-Modell, Multivariante Regressionsanalyse, Prognosequalität, DAX, Aktienmarkt, Indexing, Prognosemodelle, In-Sample, Out-of-Sample.

Häufig gestellte Fragen

Worum geht es in dieser Arbeit grundsätzlich?

Die Arbeit befasst sich mit der Frage, ob Aktienrenditen prognostizierbar sind und inwieweit ökonomische Faktoren dabei eine Rolle spielen.

Was sind die zentralen Themenfelder?

Im Fokus stehen die Kapitalmarkttheorie, verschiedene Analysearten von Aktien (technisch vs. fundamental) sowie die praktische Anwendung von ökonometrischen Prognosemodellen.

Was ist das primäre Ziel der Arbeit?

Ziel ist es, empirisch zu prüfen, ob sich mit statistischen Modellen und ökonomischen Daten (wie EPS, KGV, Credit Spread) die Renditen von DAX-Aktien verlässlich prognostizieren lassen.

Welche wissenschaftliche Methode wird verwendet?

Es werden Zeitreihenanalysen (ARMA-Modelle) sowie lineare multivariate Regressionsanalysen angewendet.

Was wird im Hauptteil behandelt?

Der Hauptteil umfasst sowohl die theoretische Fundierung als auch die detaillierte empirische Durchführung und Auswertung der verschiedenen Prognosemodelle an DAX-Daten.

Welche Schlüsselwörter charakterisieren die Arbeit?

Die zentralen Begriffe sind Aktienrenditen, Kapitalmarkteffizienz, Prognosequalität, ARMA-Modelle, Regressionsanalyse und DAX.

Warum schneiden die entwickelten Prognosemodelle bei Out-of-Sample Tests oft schlechter ab?

Wie in der Literatur dokumentiert, neigen komplexe Modelle mit vielen Variablen dazu, bei In-Sample Daten gut zu passen, jedoch bei neuen, unbekannten Daten (Out-of-Sample) an Prognosekraft zu verlieren.

Welchen Einfluss haben makroökonomische Faktoren auf die Prognosegüte?

Die Untersuchung zeigt, dass nur wenige Faktoren, wie der Credit Spread oder bestimmte Kennzahlen (KGV, EPS), signifikante Zusammenhänge aufweisen, während viele andere Variablen keinen stabilen Einfluss zeigen.