Statistik zwischen. Jens Möhring. Dipl.-Ing. Elektrotechnik Privatanleger Schwerpunkte: Indikatoren, Mathematische Marktmodellierung

Ähnliche Dokumente
Statistik. zwischen. Euphorie und Panik

Bestimmte Zufallsvariablen sind von Natur aus normalverteilt. - naturwissenschaftliche Variablen: originär z.b. Intelligenz, Körpergröße, Messfehler

Kapitel VII. Einige spezielle stetige Verteilungen

Chi-Quadrat-Verteilung

Übungen mit dem Applet

Konfidenzintervalle Grundlegendes Prinzip Erwartungswert Bekannte Varianz Unbekannte Varianz Anteilswert Differenzen von Erwartungswert Anteilswert

Übungen mit dem Applet Zentraler Grenzwertsatz

Mathematische und statistische Methoden II

5. Spezielle stetige Verteilungen

Zweiseitiger Test für den unbekannten Mittelwert µ einer Normalverteilung bei unbekannter Varianz

Wahrscheinlichkeitsrechnung und Statistik

Zufallsvariablen. Diskret. Stetig. Verteilung der Stichprobenkennzahlen. Binomial Hypergeometrisch Poisson. Normal Lognormal Exponential

Heute. Die Binomialverteilung. Poissonverteilung. Approximation der Binomialverteilung durch die Normalverteilung

Übungsaufgaben zu Statistik II

70 Wichtige kontinuierliche Verteilungen

4L Die Normalverteilung

Wiederholung der Hauptklausur STATISTIK

Wahrscheinlichkeit und Statistik: Zusammenfassung

5. Meßfehler. Zufällige Messfehler machen das Ergebnis unsicher - ihre Abschätzung ist nur unter Verwendung statistischer Methoden durchführbar

Wolf-Gert Matthäus. Lösungen für die Statistik mit Excel 97

1.1.1 Ergebnismengen Wahrscheinlichkeiten Formale Definition der Wahrscheinlichkeit Laplace-Experimente...

Statistik II. IV. Hypothesentests. Martin Huber

Eine Zufallsvariable X sei stetig gleichverteilt im Intervall [0,5]. Die Wahrscheinlichkeit P(2< x <4) ist dann

Teil VIII. Zentraler Grenzwertsatz und Vertrauensintervalle. Woche 6: Zentraler Grenzwertsatz und Vertrauensintervalle. Lernziele. Typische Situation

Einführung in die computergestützte Datenanalyse

Die Varianz (Streuung) Definition

Market Analysis by Moving Averages

Theorie Parameterschätzung Ausblick. Schätzung. Raimar Sandner. Studentenseminar "Statistische Methoden in der Physik"

Einführung in die Maximum Likelihood Methodik

Softwaretechnik. Prof. Dr. Rainer Koschke. Fachbereich Mathematik und Informatik Arbeitsgruppe Softwaretechnik Universität Bremen

FF Düsseldorf WS 2007/08 Prof. Dr. Horst Peters. Vorlesung Quantitative Methoden 1B im Studiengang Business Administration (Bachelor) Seite 1 von 6

Statistik-Klausur vom

6.6 Poisson-Verteilung

K8 Stetige Zufallsvariablen Theorie und Praxis

INGENIEUR-STATISTIK DR. JOSEF HEINHOLD DR. KARL-WALTER GAEDE R. OLDENBOURG VERLAG MÜNCHEN WIEN 1979

Anleitung: Standardabweichung

SozialwissenschaftlerInnen II

Seminar im Wintersemester 2010/2011: Quantitative und implementierte Methoden der Marktrisikobewertung

Heidrun Matthäus Wolf-Gert Matthäus. Ergänzungen für Vertiefung und Training

Zufallsvariablen [random variable]

Grundkompetenzkatalog. Mathematik

Mathematik 2 für Naturwissenschaften

Statistische Methoden in den Umweltwissenschaften

Der Zentrale Grenzwertsatz

Mit welchen Verteilungen lassen sich Lebensdauern modellieren?

Applikationen für das Qualitätsmanagement

Grundlagen der Biometrie in Agrarwissenschaften / Ernährungswissenschaften

Mathematische Werkzeuge R. Neubecker, WS 2016 / 2017

Trim Size: 176mm x 240mm Lipow ftoc.tex V1 - March 9, :34 P.M. Page 11. Über die Übersetzerin 9. Einleitung 19

2.3 Intervallschätzung

1 Prognoseverfahren F H

Statistik. Datenanalyse mit EXCEL und SPSS. R.01denbourg Verlag München Wien. Von Prof. Dr. Karlheinz Zwerenz. 3., überarbeitete Auflage

Statistik. Einführung in die com putergestützte Daten an alyse. Oldenbourg Verlag München B , überarbeitete Auflage

Vorwort Abbildungsverzeichnis Teil I Mathematik 1

Teil I: Mathematik ohne Anwendungsbezüge

Linearer und quadratischer Mittelwert

MATHEMATIK 3 STUNDEN

Statistik. Datenanalyse mit EXCEL und SPSS. Prof. Dr. Karlheinz Zwerenz. R.Oldenbourg Verlag München Wien. Von

Forschungsstatistik I

Übung zur Vorlesung: Geostatistik 1 Philipp, Mo. 15: Türcode: 1516

S. Maier-Paape: Regelbasierter langfristiger Trendhandel 1. Frankfurter Quant-Konferenz,

Stetige Standardverteilungen

1 Einleitung... 1 Literatur... 2

Wahrscheinlichkeitsfunktion. Binomialverteilung. Binomialverteilung. Wahrscheinlichkeitshistogramme

5. Schließende Statistik (Inferenzstatistik, konfirmatorische Verfahren)

Kapitel XI - Operationscharakteristik und Gütefunktion

Einige Konzepte aus der Wahrscheinlichkeitstheorie (Wiederh.)

Kalmanfiter (1) Typische Situation für den Einsatz von Kalman-Filtern

2.3 Intervallschätzung

8. Statistik Beispiel Noten. Informationsbestände analysieren Statistik

Zur Berechnung der Wertziffern bei Teamturnieren

Statistik und Wahrscheinlichkeitsrechnung

Muster für einen Studienbericht (in Auszügen) im Fach Mathematik LK

5 Erwartungswerte, Varianzen und Kovarianzen

Grundlagen der Mathematik II (LVA U)

Auswertung von Messungen Teil II

Biostatistik, Winter 2011/12

7.5 Erwartungswert, Varianz

Statistik für Ingenieure Vorlesung 2

Mathematik für Naturwissenschaften, Teil 2

Abiturvorbereitung Stochastik. neue friedländer gesamtschule Klasse 12 GB Holger Wuschke B.Sc.

Unabhängige Zufallsvariablen

Erläuterung des Vermögensplaners Stand: 3. Juni 2016

Inhaltsverzeichnis. Inhalt Teil I: Beschreibende (Deskriptive) Statistik Seite. 1.0 Erste Begriffsbildungen Merkmale und Skalen 5

Klausur zu Methoden der Statistik II (mit Kurzlösung) Sommersemester Aufgabe 1

Grundlagen der Mathematik, der Statistik und des Operations Research für Wirtschaftswissenschaftler

Biomathematik für Mediziner, Klausur WS 1999/2000 Seite 1

Vereinfachte Messunsicherheit im Labor

Korrektur, Änderungen sowie Ergänzungen zu den Vorlesungsskripten: Statistik-I SS-2015

1 Einleitung und Grundlagen 1

Der Erwartungswert E[g(X)] von g(x) ist definiert. g(x k )w(x = x k ),

Statistics, Data Analysis, and Simulation SS 2017

Wahrscheinlichkeitsrechnung und Statistik für Biologen Spezielle Verteilungen

Angewandte Statistik 3. Semester

Anpassungstests VORGEHENSWEISE

Grundlagen der Statistik I

3 Grundlagen statistischer Tests (Kap. 8 IS)

OLS-Schätzung: asymptotische Eigenschaften

Zusammenfassung Mathe II. Themenschwerpunkt 2: Stochastik (ean) 1. Ein- und mehrstufige Zufallsexperimente; Ergebnismengen

Willkommen zur Vorlesung Statistik (Master)

Transkript:

Statistik zwischen Euphorie und Panik Jens Möhring Dipl.-Ing. Elektrotechnik Privatanleger Schwerpunkte: Indikatoren, Mathematische Marktmodellierung VTAD Award VTAD Frühjahrskonferenz März 29 in Frankfurt 1

Ausgangsüberlegungen Formeln der Finanzmathematik gehen von normalverteilten Märkten aus (Gaußsche Normalverteilung) Abb.1 Normalverteilung,14,12,1,8,6,4,2 Standardabweichung Standardabweichung Mittelwert 5 1 15 2 25 3 f ( x ) 1 x 1 μ = exp σ 2π 2 σ 2 zahlreiche Veröffentlichungen und Anomalien zeigen ein anderes Marktverhalten auf Benoit Mandelbrot, Richard L. Hudson: Fraktale und Finanzen Das Chaos regiert die Börse. 2

Marktverhalten und statistische Auswertung Auswertung des DAX 1987(rückgerechnet) - 26 Abb.3 Kursänderungen und Gaußverteilung Anz zahl 12 1 8 6 4 2-12,5% -11,% -9,5% -8,% -6,5% -5,% -3,5% -2,% -,5% 1,% 2,5% 4,% 5,5% 7,% Mittelwert =,41% Standardabweichung (Stabw) =1,43% leptokurtische Verteilung! Überhöhte Wölbung; Ränder werden durch die Funktion nicht beschrieben Abb.4 Kursänderungen, halblogarithmisch Anzahl 1 1,1,1 1E-5 1E-7 1E-9 1E-11 1E-13 1E-15-12,5% -11,% -9,5% -8,% -6,5% -5,% -3,5% -2,% -,5% 1,% 2,5% 4,% 5,5% 7,% 3

Marktverhalten und statistische Auswertung 4h Beispiel: Annahme von 3% Stabw Kursänderung von 38% 15.1.28 WKN 8277-38% gemäß Normalverteilung mit Wahrscheinlichkeit außerhalb des Erdzeitalters! Beispiel: Nutzung alternativer Verteilungsfunktionen Abb.5 Kursänderungen und Cauchy-Verteilung Anzahl 12 1 8 6 4 f ( x ) 1 = π s 2 + s ( x t) 2 2-12,5% -11,% -9,5% -8,% -6,5% -5,% -3,5% -2,% -,5% 1,% 2,5% 4,% 5,5% 7,% 4

Lineare Indikatoren in einem rauhen Markt Der fraktale Marktwürfel von Mandelbrot Fast alle Marktindikatoren sind Anstiegsmesser (Grundprinzipien der Differentialrechnung) Glättung notwendig Lineare Mathematik Preis y x Handelspreis Uhrzeit f ( x ) = Δy Δx Beispiel: Trendbestätigungsindikator TBI GD1 TBI = GD6 5

Statistische Glättung Gleitende Durchschnitte (lineare, gewichtete oder exponentielle GD) liefern zeitverzögerte Signale Alternativ: Zerlegung der statistischen Verteilung Panik,14,12 1,1 Abb.6 Einteilung in Glätte und Rauheit Euphori e,8,6 Rauheit Glätte Rauheit,4,2 5 1 15 2 25 3 Beispiel Grenze:,8% Kursänderung:,6% Rauheit: % Glätte:,6% Grenze:,8% Kursänderung: 1,1% Rauheit:,3% Glätte:,8% 6

Statistische Glättung Grenze der Zerlegung g in innere Glätte und äußere Rauheit kann beliebig verschoben werden Abb.7 Geringe Glätte Hohe Rauheit und Hohe Glätte Geringe Rauheit und 7

Statistische Glättung Abb.1 Trennung DAX (1 x Stabw) 12 1 8 6 4 2 2.1.1987 1,8 1,6 1,4 1,2,8 1,6,4,2 28.9.1989 24.6.1992 21.3.1995 15.12.1997 1.9.2 7.6.23 3.3.26 Abb.25 Trennung DAX (,1 x Stabw) 1,2 1,8,6,4,2 Glätte Rauheit 4,5 4 3,5 3 25 2,5 Glätte 2 Rauheit 1,5 1,5 Summe der beiden Indikatorlinien ergibt den Basiswert absolute Skalierung der Indikatorlinien nicht relevant (hier beginnend mit 1) 2.1.1987 28.9.1989 24.6.1992 21.3.1995 15.12.1997 1.9.2 7.6.23 3.3.26 8

2.1.5 2.1.7 1% 8% 6% 4% 2% % Handelsergebnisse Performancevergleich Handelssystem DAX m it Glätte,1xStabw Handelssystem im Basisw ert DAX 9 2.1.3 2.1.93 2.1.95 2.1.97 2.1.99 2.1.1 2.1.91 2.1.89 2.1.87

Handelsergebnisse Untersuchung in anderen Märkten: - im Nasdaq führt ein Handeln über die Indikatorlinie Rauheit mit,2xstabw zu verbesserten Ergebnissen (Rauheit zeigt übertriebenes Änderungsvermögen) g - im Gold führt ein Handeln über die Indikatorlinie Glätte mit,1xstabw zu verbesserten Ergebnissen Untersuchung mit variabler Grenze der Stabw (d.h. Berechnung über einen begrenzten Zeitraum): - keine Verbesserung festgestellt - Schlussfolgerung: jeder Markt für sich hat längerfristig unveränderbare Eigenschaften an Glätte und Rauheit 1

Aktualisierte Anwendung Vergleich Handel im Basiswert und über Indikatorlinie 25% 2% 15% 1% 5% DAX 23-29 Ausbildung einer Differenz in der letzten Aufschwung- phase 2.1 1.23 2.7 7.23 2.1 1.24 2.7 7.24 2.1 1.25 2.7 7.25 2.1 1.26 2.7 7.26 2.1 1.27 2.7 7.27 2.1 1.28 2.7 7.28 2.1 1.29 25% 2% 15% 1% 5% Gold 2-29 Ausbildung einer Differenz in der Rohstoff-Hausse 4.1.2 4.1.21 1 4.1.22 2 4.1.23 4.1.24 4 4.1.25 4.1.26 4.1.27 4.1.28 4.1.29 11

Aktualisierte Anwendung Vergleich Handel im Basiswert und über Indikatorlinie 4% 35% 3% 25% 2% 15% 1% 5% Nasdaq 1998-29 2 Crashmärkte nur geringe Differenzbildung 2.1 1.1998 2.1 1.1999 2.1 1.2 2.1 1.21 2.1 1.22 2.1 1.23 2.1 1.24 2.1 1.25 2.1 1.26 2.1 1.27 2.1 1.28 2.1 1.29 aber 4% 35% 3% 25% 2% 15% 1% 5% Nasdaq 199-1998 Differenzbildung in der Aufschwungphase 2.1.199 2.1.1991 2.1.1992 2.1.1993 2.1.1994 2.1.1995 2.1.1996 2.1.1997 12

Zusammenfassung Mathematische Beschreibungen des Marktverhaltens verbesserungswürdig. Alternative Glättungsverfahren zu gleitenden Durchschnitten möglich, z.b. statistische Glättung. Statistische Glättung kann zur Erzeugung von Indikatorlinien dienen: Parameter: - Berechnungsdauer der Stabw - Trennschwelle zwischen Glätte Glätte und Rauheit - Nutzung der Glätte oder Rauheit möglich Eine feste Trennschwelle e e bestätigt langfristiges ges Marktverhalten. a te Anwendung verschiedener Indikatoren auf die statistische Glättung möglich. Ergänzung durch andere Indikatoren empfehlenswert; z.b. Anzeigen der übergeordneten Trendrichtung zur Optimierung einer Handelssystematik 13