Zeitreihenanalyse der Risikoprämie am deutschen Aktienmarkt

Inhaltsverzeichnis

• Einleitung
• Grundlagen der Zeitreihenanalyse
  • Definition der Zeitreihe
  • Kenngrößen stochastischer Prozesse
  • Kenngrößen stationärer stochastischer Prozesse
    • Autokovarianzfunktion
    • Autokorrelationsfunktion
    • partielle Autokorrelationsfunktion
• Das Datenmaterial der empirischen Analyse
  • Die Datenbeschreibung
  • Test auf Stationarität
  • statistische Eigenschaften der untersuchten Daten
  • Test auf weißes Rauschen
• ARIMA-Modelle
  • Moving Average Prozesse
  • Autoregressive Prozesse
  • Autoregressive Moving Average Prozesse
  • Autoregressive Integrierte Moving Average Prozesse
  • Modellierung der Zeitreihe mittels linearer stochastischer Prozesse
    • Analyse der Korrelogramme
    • Schätzung von ARIMA(p, d, q)-Modellen
    • Auswertung der ARIMA-Modelle
• Volatilitätsmodelle
  • ARCH(q)-Modell
    • Das ARCH(q)-Modell in der Theorie
    • Ljung-Box-Test zur Überprüfung nicht linearer Muster
    • Schätzung des ARCH(1)-Modells
    • Auswertung des ARCH(1)-Modells
  • GARCH(p, q)-Modell
    • Das GARCH(p, q)-Modell in der Theorie
    • Schätzung des GARCH(1, 1)-Modells
    • Auswertung des GARCH(1, 1)-Modells
  • GARCH-M(p, q)-Modell
    • Das GARCH-M(p, q)-Modell in der Theorie
    • Schätzung des GARCH-M(1, 1)-Modells
    • Auswertung des GARCH-M(1, 1)-Modells
• Zusammenfassung

Zielsetzung und Themenschwerpunkte

Die Masterarbeit analysiert die Risikoprämie am deutschen Aktienmarkt mithilfe von Zeitreihenanalysen. Sie untersucht die statistischen Eigenschaften der Risikoprämie und modelliert deren zeitliche Entwicklung mit verschiedenen Ansätzen, darunter ARIMA-Modelle und Volatilitätsmodelle. Die Arbeit zielt darauf ab, ein besseres Verständnis der Risikoprämie und ihrer dynamischen Eigenschaften zu gewinnen.

• Statistische Eigenschaften der Risikoprämie
• Modellierung der Risikoprämie mit ARIMA-Modellen
• Analyse der Volatilität der Risikoprämie mit ARCH- und GARCH-Modellen
• Anwendung der Modelle auf reale Daten des deutschen Aktienmarktes
• Interpretation der Ergebnisse und Implikationen für die Risikomanagementpraxis

Zusammenfassung der Kapitel

Einleitung

Die Einleitung stellt die Relevanz des Themas Risikoprämie am deutschen Aktienmarkt vor und gibt einen Überblick über den Aufbau der Arbeit.

Grundlagen der Zeitreihenanalyse

Dieses Kapitel vermittelt die grundlegenden Definitionen und Konzepte der Zeitreihenanalyse. Es beschreibt die Eigenschaften von Zeitreihen und stellt wichtige Konzepte wie Stationarität und Autokorrelation vor.

Das Datenmaterial der empirischen Analyse

Dieses Kapitel stellt die verwendeten Daten der empirischen Analyse vor. Es beschreibt die Datenquelle, die Datenaufbereitung und die statistischen Eigenschaften der Risikoprämien-Zeitreihe.

ARIMA-Modelle

Dieses Kapitel behandelt verschiedene Ansätze zur Modellierung von Zeitreihen mit ARIMA-Modellen. Es beschreibt die unterschiedlichen Komponenten der ARIMA-Modelle und erläutert die Modellierungsprozedur anhand von Beispielen.

Volatilitätsmodelle

Dieses Kapitel widmet sich der Modellierung der Volatilität der Risikoprämie. Es stellt ARCH- und GARCH-Modelle vor und beschreibt deren Eigenschaften und Anwendungsmöglichkeiten.

Schlüsselwörter

Risikoprämie, Zeitreihenanalyse, ARIMA-Modelle, Volatilitätsmodelle, ARCH, GARCH, deutscher Aktienmarkt, empirische Analyse, Stationarität, Autokorrelation