Handelsregeln - uni- 2014. 5. 13.آ  Gep o olte Strategiep ortfolios im h ergleic V. 134 7.4. Gep o...

download Handelsregeln - uni- 2014. 5. 13.آ  Gep o olte Strategiep ortfolios im h ergleic V. 134 7.4. Gep o olte

of 219

  • date post

    24-Jan-2021
  • Category

    Documents

  • view

    0
  • download

    0

Embed Size (px)

Transcript of Handelsregeln - uni- 2014. 5. 13.آ  Gep o olte Strategiep ortfolios im h ergleic V. 134 7.4. Gep o...

  • Handelsregeln und Diversi�kation: Theoretis heÜberlegungen und empiris he Anwendung an AktienindizesDISSERTATION zur Erlangung des Grades eines Doktors derWirts hafts- und Sozialwissens haften (Dr. rer. pol.) der Fakultät für Wirts hafts- undSozialwissens haften der Helmut-S hmidt-Universität / Universität der BundeswehrHamburg

    vorgelegt von Dipl. Volkswirt Arndt Wilhelm Georg Mus heaus Köln

    Hamburg 2013

  • Erstguta hter: Univ.-Prof. Dr. G. FrahmZweitguta hter: Univ.-Prof. Dr. K. Mosler

  • Für meinen GroÿvaterWilhelm Strüder (1925�2008)

  • �Börsenerfolg ist eine Kunst und keine Wissens haft.� André Kostolany (1906�1999)

  • VorwortKostolanys Zitat kann als Einstieg in eine wissens haftli hen Arbeit dur haus irritierendauf den Leser wirken. Umso mehr mag es daher Anlass zur Auseinandersetzung bieten.Sieht man davon ab, dass Kostolany diesen Satz mögli herweise in polemisierender Absi htbewusst so spitz formulierte, sollte denno h klar sein, dass si h das Thema des Anlageer-folgs einer wissens haftli hen Betra htung generell ni ht entziehen darf, im Gegenteil: Siehtman systematis he Vor- und Na hbereitung als Grundvoraussetzungen jeden Erfolgs an,so bietet die Wissens haft die dafür nötige Methodik. Mag man die Fähigkeit, Börsenkursezu prognostizieren, no h eher als Kunst denn als Wissens haft sehen, so ist spätestens inder Verarbeitung und Bewertung dieser Prognosen eine na hvollziehbare Vorgehensweisenötig. Erst wenn man die Anwendung einer Prognose formalisieren kann, kann man ihrenNutzen objektiv beurteilen und vers hiedene Prognosemethoden verglei hbar ma hen. DieInstrumente der Performan emessung können dann ebenfalls wi htige Ergebnisse liefern.Do h zunä hst einmal gibt die Formalisierung der Prognose unweigerli h eine konkreteForm und nimmt dem Investor die Mögli hkeit, sie etwa je na h Stimmungslage umzudeu-ten. Prognosehorizont und Prognoseeintritt müssen dazu klar de�niert sein. Die Anwen-dung wissens haftli her Methoden zwingt hier zu Präzision und s ha�t die Voraussetzungenfür eine Replizierbarkeit der Vorgehensweise.Eine Prognose ist also immer einerseits nur so viel wert wie die Handelsregel, die sie her-vorbringen kann. S hwammige Aussagen mit groÿem Interpretationsspielraum eignen si hni ht, um eine klare Handelsregeln zu formulieren. Andererseits ist der Erfolg einer Han-delsregel wiederum von der Güte bzw. der Eintrittswahrs heinli hkeit der verwendeten Pro-gnose abhängig. Die Handelsregel muss also der zentrale Untersu hungsgegenstand sein,da ihre Anwendung über den Börsenerfolg ents heidet. Diese Einsi ht ist umso wi htiger,wenn man bedenkt, dass nahezu alle erfolgrei hen Finanzmarktakteure die Rolle der Diszi-plin betonen. Der Erfolg stellt si h also ni ht nur dur h die Entwi klung formalisierbarer,gehaltvoller Prognosen und die Ableitung geeigneter Handelsregeln ein, sondern au h dur hvii

  • Vorwortderen fortwährende Einhaltung. In diesem s hwer zu meisternden Dreiklang mag nun dieKunst des Börsenerfolgs liegen.Bei der Auseinandersetzung mit diesem Thema gilt mein Dank vor allem meinem Doktor-vater, Herrn Prof. Dr. Frahm. In vielen Einzelgesprä hen entstand ein äuÿerst fru htbarerGedankenaustaus h, der zu vielen theoretis hen und praktis hen Einsi hten führte, die bis-weilen weit über die Thematik dieser Dissertation hinausgingen. Ebenso mö hte i h mi hbei Herrn Prof. Dr. Mosler für die Übernahme des Zweitguta htens bedanken. Ferner dankei h meiner Familie und meinen Freunden, die mir während der Entstehungsphase dieserArbeit mit viel Geduld zur Seite gestanden und stets groÿen Rü khalt geboten haben.Köln, im Juni 2013

    viii

  • Inhaltsverzei hnis Vorwort viiAbbildungsverzei hnis xiiiTabellenverzei hnis xvAbkürzungsverzei hnis xviSymbolverzei hnis xviiiI. Theoretis her Teil 11. Motivation 21.1. Problemstellung und Relevanz . . . . . . . . . . . . . . . . . . . . . . . . . . 21.2. Literaturkontext . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 41.3. Ansatzpunkte und Ziele dieser Arbeit . . . . . . . . . . . . . . . . . . . . . . 112. Renditen von Finanzinstrumenten 142.1. Klassis he Renditede�nitionen . . . . . . . . . . . . . . . . . . . . . . . . . . 142.2. Alternative zu klassis hen Renditede�nitionen . . . . . . . . . . . . . . . . . 152.2.1. Cash�ow na h dem Mark-to-Market-Prinzip . . . . . . . . . . . . . . 152.2.2. Standardisierter Cash�ow . . . . . . . . . . . . . . . . . . . . . . . . 172.3. Stilisierte Fakten von Finanzzeitreihen . . . . . . . . . . . . . . . . . . . . . 193. Handel von Finanzinstrumenten 213.1. Die Theorie e�zienter Märkte . . . . . . . . . . . . . . . . . . . . . . . . . . 213.1.1. Klassis her Ansatz . . . . . . . . . . . . . . . . . . . . . . . . . . . . 213.1.2. Modernere Ansätze . . . . . . . . . . . . . . . . . . . . . . . . . . . . 293.2. Handelsregeln . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 34ix

  • Inhaltsverzei hnis3.2.1. Vorüberlegungen . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 343.2.2. Di hotome Handelsregel . . . . . . . . . . . . . . . . . . . . . . . . . 353.2.3. Tri hotome Handelsregel . . . . . . . . . . . . . . . . . . . . . . . . . 433.2.4. Gepoolte Handelsregel . . . . . . . . . . . . . . . . . . . . . . . . . . 453.3. Prognosemodelle und Handelsregeln . . . . . . . . . . . . . . . . . . . . . . 503.3.1. Vom Modell zur Handelsregel . . . . . . . . . . . . . . . . . . . . . . 503.3.2. Verwendete Handelsregeln . . . . . . . . . . . . . . . . . . . . . . . . 524. Portfolio-Optimierung 624.1. Klassis he Portfoliotheorie . . . . . . . . . . . . . . . . . . . . . . . . . . . . 624.2. Portfolio-Optimierung und Handelsregeln . . . . . . . . . . . . . . . . . . . 66II. Empiris her Teil 755. Vorüberlegungen 765.1. Verbindung zur Theorie . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 765.2. Statistiken und Tests . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 775.2.1. Statistiken . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 785.2.2. Tests . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 816. Simulationsstudie 866.1. Aufbau . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 866.2. Ergebnisse . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 897. Empiris he Untersu hung 967.1. Aufbau . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 967.2. Datengrundlage . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 997.3. Ergebnisse . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 1047.3.1. Einzelstrategien . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 1047.3.2. Strategieportfolios . . . . . . . . . . . . . . . . . . . . . . . . . . . . 129S hlussbetra htung 136Appendix 139Literaturverzei hnis 200x

  • Abbildungsverzei hnis 4.1. GVMP, Tangentialportfolio und optimales Portfolio im µ-σ-Raum . . . . . . 654.2. Portfolio von Buy-and-Hold- und Handelsstrategien im µ-σ-Raum . . . . . . 697.1. Ablauf des Ba ktest . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 987.2. Buy-and-Hold-Strategieportfolios im Verglei h . . . . . . . . . . . . . . . . . 1347.3. Gepoolte Strategieportfolios im Verglei h . . . . . . . . . . . . . . . . . . . . 1347.4. Gepoolte Strategieportfolios (γ̂-optimiert) im Verglei h . . . . . . . . . . . . 135A.1. Kumulierter dur hs hnittli her standardisierter Pro�t (Simulation 1) . . . . 140A.2. Buy-and-Hold-Strategie mit ni ht-optimierten Volumina (Simulation 1) . . . 141A.3. Buy-and-Hold-Strategie mit optimierten Volumina (Simulation 1) . . . . . . 142A.4. Gepoolte Handelssignale mit ni ht-optimierten Volumina (Simulation 1) . . 143A.5. Gepoolte Handelssignale mit optimierten Volumina (Simulation 1) . . . . . 144A.6. Autokorrelationen (Simulation 1) . . . . . . . . . . . . . . . . . . . . . . . . 145A.7. Kumulierter dur hs hnittli her standardisierter Pro�t (Simulation 2) . . . . 146A.8. Buy-and-Hold-Strategie mit ni ht-optimierten Volumina (Simulation 2) . . . 147A.9. Buy-and-Hold-Strategie mit optimierten Volumina (Simulation 2) . . . . . . 148A.10.Gepoolte Handelssignale mit ni ht-optimierten Volumina (Simulation 2) . . 149A.11.Gepoolte Handelssignale mit optimierten Volumina (Simulation 2) . . . . . 150A.12.Autokorrelationen (Simulation 2) . . . . . . . . . . . . . . . . . . . . . . . . 151A.13.Kumulierter dur hs hnittli her standardisierter Pro�t (Simulation 3) . . . . 152A.14.Buy-and-Hold-Strategie mit ni ht-optimierten Volumina (Simulation 3) . . . 153A.15.Buy-and-Hold-Strategie mit optimierten Volumina (Simulation 3) . . . . . . 154A.16.Gepoolte Handelssignale mit ni ht-optimierten Volumina (Simulation 3) . . 155A.17.Gepoolte Handelssignale mit optimierten Volumina (Simulation 3) . . . . . 156A.18.Autokorrelationen (Simulation 3) . . . . . . . . . . . . . . . . . . . . . . . . 157A.19.MSCI Fran e . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 158A.20.Autokorrelationen MSCI Fran e . . . . . . . . . . . . . . . . . . . . . . . . . 159xi

  • Abbildungsverzei hnisA.21.MSCI Germany . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 160A.22.Autokorrelationen MSCI Germany . . . . . . . . . . . . . . . . . . . . . . . 161A.23.MSCI Italy . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 162A.24.Autokorrelationen MSCI Italy . . . . . . . . . . . . . . . . . . . . . . . . . . 163A.25.MSCI Japan . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 164A.26.Autokorrelationen MSCI Japan . . . . . . . . . . . . . . . . . . . . . . . . . 165A.27.MSCI UK . . . . . . . . . . . . . . . . . . .