Chaos - Theorie und Finanzmarktforschung1 - Universität Zürich
Chaos - Theorie und Finanzmarktforschung1 - Universität Zürich
Chaos - Theorie und Finanzmarktforschung1 - Universität Zürich
Erfolgreiche ePaper selbst erstellen
Machen Sie aus Ihren PDF Publikationen ein blätterbares Flipbook mit unserer einzigartigen Google optimierten e-Paper Software.
4. <strong>Chaos</strong> auf den Finanzmärkten<br />
Bilden bei der Erforschung physikalischer Phänomene wohl primär wissenschaftliche<br />
Motive den Hauptantrieb, so spielen bei Untersuchungen von Finanzmarktdaten<br />
auch handfeste monetäre Interessen eine massgebliche Rolle. Wer nämlich -<br />
sich endlich den uralten Traum so vieler Marktteilnehmer erfüllend - bei der<br />
Erklärung <strong>und</strong> insbesondere der Prognose von Aktienkursen, Zinssätzen oder<br />
Devisenkursen besser ist als die Konkurrenz (bzw. allenfalls besser als der Zufall),<br />
kann sein Know How direkt "vergolden". Kein W<strong>und</strong>er, sind auch immer wieder in<br />
der Tagespresse Berichte zu lesen über Forschergruppen, die mit Hilfe der <strong>Chaos</strong>theorie<br />
den "grossen Coup" an den Finanzmärkten landen wollen 58 .<br />
Ökonomisch betrachtet ist die <strong>Chaos</strong>-<strong>Theorie</strong> als eine Weiterentwicklung der<br />
Technischen Analyse zu betrachten 59 . Waren lange sogenannte "Chartdiagramme"<br />
deren wichtigstes Hilfsmittel, so haben in letzter Zeit - insbesondere dank den rasanten<br />
Entwicklungen im EDV-Bereich - neuere Ansätze wie die hier beschriebenen<br />
stark an Bedeutung gewonnen 60 .<br />
4.1. Ansätze zur Aktienkursprognose<br />
Wie im vorangegangenen Abschnitt 2.3. gezeigt, wurden von Hurst verschiedene<br />
Naturphänomene dahingehend untersucht, ob sich zwischen verschiedenen Beobachtungen<br />
eine Abhängigkeit, ein "Memory" finden lässt. Die von ihm verwendete R/S-<br />
Analyse (Rescaled Range-Analyse) wurde später von Peters 61 u.a. auf dem Wertpapiermarkt<br />
angewendet. Sein Vorgehen bestand darin, zuerst anhand von Daten<br />
zwischen 1950 <strong>und</strong> 1988 die monatlichen Renditen auf a) dem S&P 500, b) dem 30<br />
Year T-Bond <strong>und</strong> c) der Differenzgrösse zwischen a) <strong>und</strong> b) zu berechnen. Danach<br />
wurden die Monatsdaten aufgeteilt in verschiedene Beobachtungszeiträume unterschiedlicher<br />
Länge. Anhand der daraus resultierenden R/S-Werte wurden regressionsanalytisch<br />
die Hurst-Koeffizienten für a), b) <strong>und</strong> c) geschätzt. Dabei ergaben<br />
sich folgende Werte:<br />
a) S&P 500 H = 0.61 (R 2 = 98.8 %)<br />
b) 30 Years T-Bonds H = 0.64 (R 2 = 97.8 %)<br />
c) Diff. Stock-Bond H = 0.66 (R 2 = 99.4 %)<br />
- 17 -