03.06.2013 Aufrufe

Chaos - Theorie und Finanzmarktforschung1 - Universität Zürich

Chaos - Theorie und Finanzmarktforschung1 - Universität Zürich

Chaos - Theorie und Finanzmarktforschung1 - Universität Zürich

MEHR ANZEIGEN
WENIGER ANZEIGEN

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 -

Hurra! Ihre Datei wurde hochgeladen und ist bereit für die Veröffentlichung.

Erfolgreich gespeichert!

Leider ist etwas schief gelaufen!