Prognose deutscher Aktienrenditen mit einem Multifaktormodell
- Art: Diplomarbeit
- Autor: Viktor Papst
- Abgabedatum: Juni 2005
- Umfang: 124 Seiten
- Dateigröße: 3,4 MB
- Note: 1,7
- Institution / Hochschule: Friedrich-Alexander-Universität Erlangen-Nürnberg Deutschland
- ISBN (eBook): 978-3-8324-9133-8
-
ISBN (Paperback) :
978-3-8324-9133-8 P - ISBN (CD) :978-3-8324-9133-8 CD
- Sprache: Deutsch
- Prämierung:
- Arbeit zitieren: Papst, Viktor Juni 2005: Prognose deutscher Aktienrenditen mit einem Multifaktormodell, Hamburg: Diplomica Verlag
- Schlagworte: makroökonomische Variable, Ökonometrie, Prime Standard Segment, Sharpe Ratio, APT
In den Warenkorb
98,00 €
Diplomarbeit von Viktor Papst
Problemstellung:
In dieser Arbeit wird untersucht, wie sich makroökonomische Variablen auf die Überschussrenditen von deutschen Aktien auswirken und ob man diese Überschussrenditen mit einem Multifaktormodell, welches auf diesen makroökonomischen Variablen aufgebaut ist, auch prognostizieren kann. Zu diesem Zweck werden fünf Variablen ausgesucht. Es sind die ifo-Geschäftserwartungen, die Industrieproduktion, der deutsche Beitrag zu der Geldmenge M3, die Rendite des S&P500 und der TERM-Spread.
Es wird die Auswirkung dieser Variablen auf 15 Large Caps und 15 Small Caps untersucht. Zusätzlich wird auch das Verhalten von DAX, SDAX und der 18 Branchenindices des Prime Standard Segments im Bezug auf diese Variablen betrachtet.
Da grundsätzlich die Wirkung der makroökonomischen Determinanten sich verzögert auf dem Kapitalmarkt verbreitet, wird mittels einer Kreuzkorrelationsanalyse die Länge dieser Verzögerungen bestimmt, mir der sich die ausgesuchten Determinanten auf die Überschussrenditen auswirken.
Durch Anwendung der OLS-Methode werden Faktorsensitivitäten bzw. die Koeffizienten geschätzt. Die Schätzung erfolgt sowohl in der gesamten Untersuchungsperiode 1992-2003 als auch in den drei Unterperioden 1992-1995, 1996-1999 und 2000-2003. Aufgrund der Datenverfügbarkeit kann ein Vergleich zwischen den Large und Small Caps nur in der letzten Unterperiode erfolgen.
Anschließend erfolgt eine Prognose der Überschussrenditen in der „out of sample“-Periode, wofür das gesamte Jahr 2004 verwendet wird. Die mittels einer linearen Regression bestimmten Koeffizienten werden für die Prognose eingesetzt und bleiben im gesamten Prognosezeitraum konstant. Mit dieser Prognose soll vor allem untersucht werden, ob man aufbauend auf den fünf ausgesuchten Variablen die Überschussrenditen prognostizieren kann.
Gang der Untersuchung:
Die Arbeit gliedert sich in zwei Teile. Im ersten theoretischen Teil werden die für diese Arbeit notwendigen kapitalmarkttheoretischen Zusammenhänge hergeleitet. Hier werden neben den bekannten neoklassischen Modellen der Kapitalmarkttheorie wie CAPM und APT auch die Weiterentwicklungen dieser Modelle, wie unter anderem Multi-Beta-CAPM, Consumption-based CAPM und intertemporales CAPM sowie die intertemporale Version der APT, angesprochen.
Im zweiten empirischen Teil wird die eigentliche empirische Untersuchung durchgeführt. Zunächst wird die Untersuchungsmethodik erklärt. Dann erfolgt eine Besprechung der ausgesuchten Variablen. Anschließend erfolgen Koeffizientenschätzungen, Prognoserechnungen und eine kurze kritische Stellungnahme zu den Ergebnissen.
Zur Beurteilung der Prognosen werden Kennzahlen wie Rooted Mean Square Error (RMSE), Sharpe-Ratio und Trefferquote herangezogen. Als Abrundung des zweiten Teils der Arbeit wird eine kritische Stellungnahme zu der Kennzahl Sharpe-Ratio genommen. Es wird ein Beweis für das Versagen dieser Kennzahl bei einem negativen Excess Return geliefert.
Für die Berechnungen wird die Ökonometrie-Software EViews eingesetzt, die vor allem für Untersuchungen von Finanzmarkt-Datenreihen entwickelt worden ist. Die ergänzenden Berechnungen finden in Excel statt.
Für die statistischen Auswertungen der Daten werden Methoden der Statistik und Ökonometrie eingesetzt und die Ergebnisse in zahlreichen Tabellen zusammengefasst. Alle für diese Arbeit notwendigen Zeitreihen werden von der Deutschen Bundesbank und von Reuters zur Verfügung gestellt.
Gang der Untersuchung:
Inhaltsverzeichnis:
| 1. | Einleitung | 1 |
| 2. | Einführung in die Theorie der Kapitalmärkte | 2 |
| 2.1 | Kapitalmarktorientierte Finanzierungstheorien | 2 |
| 2.2 | Aktienkursbildung | 4 |
| 2.3 | Definition der Rendite einer Aktie | 5 |
| 2.4 | Kapitalmarkteffizienz und Prognose der Aktienkurse | 6 |
| 2.4.1 | Volkswirtschaftliche Funktion eines Kapitalmarktes | 6 |
| 2.4.2 | Effizienzkriterien eines Kapitalmarktes | 7 |
| 2.4.3 | Die klassischen Methoden der Analyse von Aktien | 8 |
| 2.5 | Integration internationaler Kapitalmärkte | 10 |
| 3. | Kapitalmarkttheoretische Grundlagen für die empirische Studie | 11 |
| 3.1 | CAPM und Problematik des Modells | 11 |
| 3.2 | Weiterentwicklungen des CAPM | 14 |
| 3.3 | APT und Vorteile des Modells | 17 |
| 3.4 | Weiterentwicklung der APT | 19 |
| 4. | Definition der Untersuchungsmethode und der ausgewählten Determinanten | 21 |
| 4.1 | Definition der Untersuchungsmethode und des Untersuchungszeitraums | 21 |
| 4.2 | Definition der Determinanten | 22 |
| 4.2.1 | Geldmenge M3 | 22 |
| 4.2.1.1 | Theorie der Geldnachfrage | 22 |
| 4.2.1.2 | Transformation der Variable Geldmenge M3 | 26 |
| 4.2.2 | Term Spread | 28 |
| 4.2.2.1 | Theorie der Zinsstruktur | 28 |
| 4.2.2.2 | Transformation der Variable TERM – Spread | 29 |
| 4.2.3 | Industrieproduktion | 30 |
| 4.2.3.1 | Theoretische Begründung der Variable Industrieproduktion | 30 |
| 4.2.3.2 | Transformation der Variable Industrieproduktion | 32 |
| 4.2.4 | Ifo-Geschäftserwartungen | 32 |
| 4.2.4.1 | Interpretation von Ifo-Geschäfterwartungen | 32 |
| 4.2.4.2 | Transformation der Variable Ifo-Geschäftserwartungen | 33 |
| 4.2.5 | S&P 500 | 34 |
| 4.2.5.1 | Beschreibung des S&P 500 | 34 |
| 4.2.5.2 | Transformation der Variable S&P 500 | 34 |
| 5. | Eigene empirische Untersuchung des DAX | 35 |
| 5.1 | Definition des DAX | 35 |
| 5.2 | Durchführung der Kreuzkorrelationsanalyse | 35 |
| 5.3 | Koeffizientenschätzung für DAX | 37 |
| 5.4 | Koeffizientenschätzung für 15 Unternehmen aus DAX | 38 |
| 6. | Eigene empirische Untersuchung des SDAX | 42 |
| 6.1 | Definition des SDAX | 42 |
| 6.2 | Durchführung der Kreuzkorrelationsanalyse | 42 |
| 6.3 | Koeffizientenschätzung für SDAX | 44 |
| 6.4 | Koeffizientenschätzung für 15 Unternehmen aus SDAX | 45 |
| 7. | Eigene empirische Untersuchung der Branchen-Indices | 47 |
| 7.1 | Definition der Branchen-Indices | 47 |
| 7.2 | Durchführung der Kreuzkorrelationsanalyse | 48 |
| 7.3 | Koeffizientenschätzung für Branchen-Indices | 49 |
| 7.4 | Koeffizientenschätzung für Large Caps mit Branchenverzögerungen | 51 |
| 7.5 | Koeffizientenschätzung für Small Caps mit Branchenverzögerungen | 54 |
| 8. | Berechnung der Kreuzkorrelationen und Koeffizientenschätzung für einzelne Unternehmen | 56 |
| 8.1 | Kreuzkorrelationsanalyse für einzelne Large Caps und Koeffizientenschätzung mit den errechneten Lags | 57 |
| 8.2 | Kreuzkorrelationen für einzelne Small Caps und Koeffizientenschätzung mit den errechneten Lags | 59 |
| 9. | Vergleich der unterschiedlichen Prognoserechnungen | 61 |
| 9.1 | Ergebnisse der Prognosemodelle für Large Caps | 64 |
| 9.2 | Ergebnisse der Prognosemodelle für Small Caps | 66 |
| 9.3 | Ergebnisse der Prognosemodelle für Branchen-Indices | 69 |
| 10. | Kritische Würdigung der Ergebnisse | 71 |
| 10.1 | Kritische Würdigung der Regressionsergebnisse | 71 |
| 10.2 | Kritische Würdigung der Prognoseergebnisse | 73 |
| 10.3 | Kritische Würdigung der Kreuzkorrelationsanalyse | 77 |
| 10.4 | Kritische Würdigung der Variable Geldmenge M3 | 78 |
| 10.5 | Kritische Würdigung der Kennzahl Sharpe-Ratio | 79 |
| 11. | Schlussbemerkung | 82 |
| 12. | Anhang | 84 |
| 12.1 | Grundlagen eines ökonometrischen Modells im Überblick | 84 |
| 12.2 | Beispiel für den DF-Test | 87 |
| 12.3 | Kreuzkorrelationsanalyse des DAX und des SDAX | 88 |
| 12.4 | Koeffizientenschätzung für DAX | 91 |
| 12.5 | Koeffizientenschätzung für DAX und SDAX in der Unterperiode III mit anderer Verzögerung für die Geldmenge M3 als vorher | 93 |
| 12.6 | Geschätzte Parameter für Large Caps | 94 |
| 12.7 | Ergebnisse der Prognosemodelle für Branchen Indices | 96 |
| 12.8 | Berechnung der Rendite des Prognosemodells | 98 |
| 12.9 | Berechnung der Sharpe-Ratio | 100 |
| 12.10 | Berechnung des durchschnittlichen Bestimmtheitsmaßes | 101 |
| 12.11 | Marktkapitalisierung der einzelnen Unternehmen | 102 |
| 12.12 | Prognose Gleichungen | 103 |
| 13. | Literaturverzeichnis | 111 |
In diesem Abschnitt werden die Koeffizienten für die DAX-Überschussrenditen geschätzt. Die Schätzung erfolgt zunächst für die gesamte Untersuchungsperiode, d.h. von 01.1992 bis 12.2003 mit insgesamt 144 Beobachtungen. Dann wird dieser Zeitraum in drei gleiche Unterperioden unterteilt, die jeweils 48 Beobachtungen aufweisen. Bei den Schätzungen wird das Verfahren nach White99 eingesetzt. In der Tabelle 2 kann man sehen, dass alle Determinanten, bis auf S&P 500 in Unterperiode III, positive Koeffizienten aufweisen. Es haben aber nur die Geldmenge M3 und der TERM-Spread eine signifikante Auswirkung auf die DAXÜberschussrenditen, aber auch nicht in allen Perioden. Die Geldmenge hat in der Periode II, also in der Boom-Phase, einen t-Wert von 1,93195. In der Unterperiode I ist dieser Wert mit 1,984095 fast signifikant. Sowohl im gesamten Untersuchungszeitraum, als auch in der Unterperiode III weist der t-Wert hohe Signifikanz auf und die Probability-Werte liegen bei 0,0000. [...]
unterschiedliche Verzögerungen als auch unterschiedliche Korrelationswerte. Die Geschäftserwartungen haben im gesamten Zeitraum und in der Periode III ein lag von -3. Während in der Periode I die Verzögerung sich auf -2 verkleinert und in der Periode II sich auf -5 vergrößert. In der Periode II hat die Variable ifo die größte Ausprägung im Vergleich zu ifo1 und ifo2. Dies lässt darauf schließen, dass in einer Boom-Phase die Geschäftserwartungen eine größere Bedeutung haben, als beispielsweise im gesamten Untersuchungszeitraum und in der Unterperiode I. Die Industrieproduktion hat bis auf die Periode II mit einer Verzögerung von -3, einen konstantes lag von -2 in allen Untersuchungsperioden. In der Boom-Phase ist der Korrelationswert mit 0,1054 am kleinsten. Dies kann man damit begründen, dass gerade in Übertreibungsphasen die realwirtschaftlichen Faktoren eine untergeordnete Rolle spielen und in „normalen“ Börsenphasen, wie in der Unterperiode I, von Bedeutung sind. Die Geldmenge M3 hat eine konstante Verzögerung von -8. Nur in der Periode II sinkt diese auf -7. In der Periode III ist die Korrelation mit der DAXÜberschussrendite am größten und hat einen Wert von 0,4922. [...]
S&P 500 ist ein Aktienindex, der von der Rating Agentur Standard&Poor´s berechnet wird. Dieser kapitalgewichtete Index bildet 500 führende US-amerikanische Unternehmen aus dem Large Cap bereich ab und deckt die 10 wichtigsten Branchen ab. Diesen Index kann man als führenden Indikator des US-amerikanischen Aktienmarktes bezeichnen.93 Im Rahmen dieser Studie soll die Verwendung des S&P 500 als Risikofaktor eine internationale Verknüpfung darstellen. Es soll vor allem untersucht werden, ob USA ihrem Ruf der „Welt-Wirtschaftslokomotive“ gerecht wird und einen signifikanten Einfluss auf den deutschen Aktienmarkt ausübt. S&P 500 als Risikofaktor wird beispielsweise in der Studie von Schröder (2002) verwendet, in der ein signifikanter Einfluss des S&P 500 auf den DAX100 festgestellt wird. [...]
In den Warenkorb
98,00 €
Link zur Arbeit:
http://www.diplom.de/ean/9783832491338
Arbeit zitieren:
Papst, Viktor Juni 2005: Prognose deutscher Aktienrenditen mit einem Multifaktormodell, Hamburg: Diplomica Verlag
Schlagworte:
makroökonomische Variable, Ökonometrie, Prime Standard Segment, Sharpe Ratio, APT



