Description
Masterarbeit aus dem Jahr 2015 im Fachbereich BWL – Bank, Boerse, Versicherung, Note: 2,0, Universitat zu Koeln (Wirtschafts- und Sozialwissenschaftliche Fakultat), Veranstaltung: Finanzierungslehre, Sprache: Deutsch, Abstract: Ziel dieser Arbeit war es, empirisch zu uberprufen, ob anhand von Big Data (hier: Google Trends) und/oder Fundamentaldaten (hier: ifo Geschaftsklimaindex) eine Renditeprognose fur den DAX Performance Index moeglich ist. Die Renditeprognose erfolgt dabei auf woechentlicher und monatlicher Basis. Ein besonderer Fokus liegt hierbei auf der Prognosefahigkeit wahrend Konjunkturkrisen, da wahrend diesen Zeiten eine korrekte Prognose besonders lukrativ ware. Daruber hinausgehend soll anhand der gewonnenen Erkenntnisse eine oder mehrere Strategien implementiert werden, die in der Lage sind eine BaH-Strategie, basierend auf dem DAX, zu schlagen. Ziel der Arbeit ist es hingegen nicht, eine genaue Renditeprognose des nachsten Monats bzw. der nachsten Monate zu treffen. Es ist lediglich angestrebt zu prognostizieren, ob Renditen in diesen Zeitraumen vermehrt positiv oder negativ sein werden. Zur Herausarbeitung der Fragestellungen werden Daten mit zwei statistischen Verfahren untersucht, die Ergebnisse interpretiert und kritisch hinterfragt sowie anschliessend versucht eine Strategie, basierend auf dem DAX, zu implementieren. Bei den Daten handelt es sich um DAX-Renditen, ifo Geschaftsklimaindex, Leitzinsen sowie Google Trends Daten. Zur statistischen Analyse eignen sich – da vor allem Dummy-Variablen als Prognosevariablen eingesetzt werden – T-Tests, allerdings werden im zweiten Teil der empirischen Analyse auch Lineare Regressionen herangezogen.
