Kursprognose mittels nichtlinearer Regression (MLP) vs. linearer Regression (OLS) am Beispiel der wöchentlichen Rendite des Dow Jones EURO STOXX 50

Diplomarbeit von Christoph Obenhuber

Zusammenfassung:

Die vorliegende Arbeit soll einerseits einen kurzen Überblick über Konzepte der quantitativ orientierten Finanzanalyse geben, andererseits im Speziellen die Möglichkeiten der nichtlinearen Regression zur Kursprognose im Vergleich zur linearen Regression behandeln.

Quantitative Verfahren zur Vorhersage von Aktienkursen, Wechselkursen oder anderer Kapitalmarktgrößen haben in den letzten Jahren vor allem vor dem Hintergrund fallender Kurse an den internationalen Kapitalmärkten und dem abnehmenden Vertrauen der Anleger in Analystenmeinungen an Bedeutung gewonnen. Nachdem in den Jahren des Internethypes in blindem Vertrauen auf die euphorischen Einschätzungen der großen Investmenthäuser in die Firmen der New Economy investiert wurde, folgten mit dem Platzen der Spekulationsblase für einen Großteil der Kleinanleger, aber auch für institutionelle Investoren massive Vermögensverluste. Als Folge dessen wurde der Ruf nach quantitativen Verfahren der Finanzanalyse, mit denen sich unabhängig von subjektiven Einschätzungen zukünftige Kursentwicklungen prognostizieren lassen, wieder laut.

Im Folgenden soll gezeigt werden, welche Verfahren der quantitativen Finanzanalyse zur Verfügung stehen und welchen Beitrag zur Kursprognose die nichtlineare Regression bzw. die lineare Regression, beide in der Praxis verwendete Vertreter quantitativer Analyseverfahren, leisten können. Schwerpunktmäßig wird in dieser Arbeit Erstere behandelt, da das bisher in der Finanzanalyse dominierende und am häufigsten eingesetzte Verfahren, nämlich die lineare Regression, meist wenig zufriedenstellende Ergebnisse geliefert hat und folglich die Vermutung nahe legt, dass bei der Kursprognose die Aufdeckung nichtlinearer Zusammenhänge von großer Bedeutung ist. Ein „neuerer Ansatz“ zur Modellierung nichtlinearer Abhängigkeiten stellt in diesem Zusammenhang die Anwendung Künstlicher Neuronaler Netze dar, wobei in der vorliegenden Arbeit die Perceptrons, eine Familie der Neuronalen Netze, näher behandelt werden. Neben der theoretischen Abhandlung der wichtigsten Methoden soll an Hand einer Fallstudie die praktische Anwendbarkeit untersucht werden. Sowohl mittels nichtlinearer als auch mittels linearer Regression wird versucht, die wöchentlichen Renditen des europäischen Aktienindexes Dow Jones EURO STOXX 50 zu prognostizieren bzw. die Güte der erhaltenen Prognosen gegenüberzustellen.

Inhaltsverzeichnis: