
doi: 10.21941/kcss/2019/2
In dieser Dissertation wird ein Handelssystem beschrieben und evaluiert, welches rückläufige Tendenzen nach Überreaktionen in Finanzmärkten analysiert und ausnutzt. Hierfür werden Fehlbewertungen über ein neues Verfahren stochastisch modelliert, um den tatsächlichen Wert eines Finanzprodukts von irrationalen Kursbewegungen zu separieren -- die Analyse von Realmarktdaten offenbart langfristige Gleichgewichtsniveaus, zu dessen Rückkehr untersuchte Kursprozesse tendieren. Verzögerte Wechselwirkungen zwischen unterschiedlichen Finanzprodukten helfen zusätzlich, Überreaktionen zu erkennen. Erkenntnisse der Martingal- und Portfoliotheorie werden bei der Definition des Handelssystems mit dem Ziel kombiniert, identifizierte Fehlbewertungen in gleichmäßige Gewinne zu überführen. Auf diese Weise wird ein nachhaltiger und sicherheitsorientierter Vermögensaufbau begünstigt. Um möglichst präzise Aussagen über den Erfolg des Handelssystems treffen zu können, werden Simulationen auf künstlichen und realen Kursdaten untersucht. Ausgewählte Performance- und Risikomaße werden dabei einerseits modellbasiert ausgewertet, um den Einfluss einzelner Zeitreiheneigenschaften akkurat bestimmen zu können. Andererseits werden Realmarktdaten genutzt, um einen unverfälschten Blick über den tatsächlichen Erfolg der theoretischen Überlegungen zu ermöglichen. Für die Evaluation werden Finanzmarktdaten von Aktien, Rohstoffen und Wechselkursen im Bereich von 1968 bis 2018 untersucht. Die abschließende finanzwirtschaftliche Auswertung offenbart an einem umfassenden Beispiel, dass das Handelssystem in der Dekade von 2008 bis 2018 stetige Gewinne bei einem moderaten Risiko generiert hätte.
004 Data processing and computer science, data science
004 Data processing and computer science, data science
| selected citations These citations are derived from selected sources. This is an alternative to the "Influence" indicator, which also reflects the overall/total impact of an article in the research community at large, based on the underlying citation network (diachronically). | 0 | |
| popularity This indicator reflects the "current" impact/attention (the "hype") of an article in the research community at large, based on the underlying citation network. | Average | |
| influence This indicator reflects the overall/total impact of an article in the research community at large, based on the underlying citation network (diachronically). | Average | |
| impulse This indicator reflects the initial momentum of an article directly after its publication, based on the underlying citation network. | Average |
