Verwandte Artikel zu Prognose von Aktienrenditen. Big Data vs. Fundamentaldaten
Zu dieser ISBN ist aktuell kein Angebot verfügbar.
Alle Exemplare der Ausgabe mit dieser ISBN anzeigen:
Reseña del editor:
Masterarbeit aus dem Jahr 2015 im Fachbereich BWL - Bank, Börse, Versicherung, Note: 2,0, Universität zu Köln (Wirtschafts- und Sozialwissenschaftliche Fakultät), Veranstaltung: Finanzierungslehre, Sprache: Deutsch, Abstract: Ziel dieser Arbeit war es, empirisch zu überprüfen, ob anhand von Big Data (hier: Google Trends) und/oder Fundamentaldaten (hier: ifo Geschäftsklimaindex) eine Renditeprognose für den DAX Performance Index möglich ist. Die Renditeprognose erfolgt dabei auf wöchentlicher und monatlicher Basis. Ein besonderer Fokus liegt hierbei auf der Prognosefähigkeit während Konjunkturkrisen, da während diesen Zeiten eine korrekte Prognose besonders lukrativ wäre. Darüber 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 nächsten Monats bzw. der nächsten Monate zu treffen. Es ist lediglich angestrebt zu prognostizieren, ob Renditen in diesen Zeiträumen 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 Geschäftsklimaindex, 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.
„Über diesen Titel“ kann sich auf eine andere Ausgabe dieses Titels beziehen.
- VerlagGRIN Verlag
- Erscheinungsdatum2015
- ISBN 10 3668082251
- ISBN 13 9783668082250
- EinbandTapa blanda
- Auflage1
- Anzahl der Seiten92
Neu kaufen
Mehr zu diesem Angebot erfahren
EUR 47,95
Versand:
EUR 23,00
Von Deutschland nach USA
Beste Suchergebnisse bei AbeBooks
Foto des Verkäufers
Prognose von Aktienrenditen. Big Data vs. Fundamentaldaten
Verlag:
GRIN Verlag Nov 2015
(2015)
ISBN 10: 3668082251
ISBN 13: 9783668082250
Neu
Taschenbuch
Anzahl: 2
Anbieter:
Bewertung
Buchbeschreibung Taschenbuch. Zustand: Neu. This item is printed on demand - it takes 3-4 days longer - Neuware -Masterarbeit aus dem Jahr 2015 im Fachbereich BWL - Bank, Börse, Versicherung, Note: 2,0, Universität zu Köln (Wirtschafts- und Sozialwissenschaftliche Fakultät), Veranstaltung: Finanzierungslehre, Sprache: Deutsch, Abstract: Ziel dieser Arbeit war es, empirisch zu überprüfen, ob anhand von Big Data (hier: Google Trends) und/oder Fundamentaldaten (hier: ifo Geschäftsklimaindex) eine Renditeprognose für den DAX Performance Index möglich ist. Die Renditeprognose erfolgt dabei auf wöchentlicher und monatlicher Basis. Ein besonderer Fokus liegt hierbei auf der Prognosefähigkeit während Konjunkturkrisen, da während diesen Zeiten eine korrekte Prognose besonders lukrativ wäre. Darüber 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 nächsten Monats bzw. der nächsten Monate zu treffen. Es ist lediglich angestrebt zu prognostizieren, ob Renditen in diesen Zeiträumen 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 Geschäftsklimaindex, 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. 92 pp. Deutsch. Bestandsnummer des Verkäufers 9783668082250
Weitere Informationen zu diesem Verkäufer | Verkäufer kontaktieren
Neu kaufen
EUR 47,95
Währung umrechnen
Foto des Verkäufers
Prognose von Aktienrenditen. Big Data vs. Fundamentaldaten
Anbieter:
Bewertung
Buchbeschreibung Taschenbuch. Zustand: Neu. Druck auf Anfrage Neuware - Printed after ordering - Masterarbeit aus dem Jahr 2015 im Fachbereich BWL - Bank, Börse, Versicherung, Note: 2,0, Universität zu Köln (Wirtschafts- und Sozialwissenschaftliche Fakultät), Veranstaltung: Finanzierungslehre, Sprache: Deutsch, Abstract: Ziel dieser Arbeit war es, empirisch zu überprüfen, ob anhand von Big Data (hier: Google Trends) und/oder Fundamentaldaten (hier: ifo Geschäftsklimaindex) eine Renditeprognose für den DAX Performance Index möglich ist. Die Renditeprognose erfolgt dabei auf wöchentlicher und monatlicher Basis. Ein besonderer Fokus liegt hierbei auf der Prognosefähigkeit während Konjunkturkrisen, da während diesen Zeiten eine korrekte Prognose besonders lukrativ wäre. Darüber 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 nächsten Monats bzw. der nächsten Monate zu treffen. Es ist lediglich angestrebt zu prognostizieren, ob Renditen in diesen Zeiträumen 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 Geschäftsklimaindex, 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. Bestandsnummer des Verkäufers 9783668082250
Weitere Informationen zu diesem Verkäufer | Verkäufer kontaktieren
Neu kaufen
EUR 47,95
Währung umrechnen