Vous êtes sur la page 1sur 20

Constant-Mix-Strategien unter Markov-Switching-Modell in simulierten zyklischen Mrkten

Seminararbeit
Studiengang: Wirtschaftsmathematik Master

an der Universitt Augsburg


Lehrstuhl fr Statistik

Betreuer:

Dr. Sebastian Heiden

Vorgelegt von:

Aisen Yang

Matrikel-Nr.:

1097463

Augsburg, im Januar 2014

Zusammenfassung
Wie viele Forschungen zeigen, kann Gesamtvermgen durch Einsatz von ConstantMix-Strategie bei Marktkursen mit groer Volatilitt vermehrt werden. Mit groer
Volatilitt wird vorausgesetzt, dass es einen Boom und eine Rezession im Markt
gibt und der Ablauf des Marktkurses stark zwischen diesen beiden schwankt. Um
die Phase(Boom oder Rezession) von einem Markt in einem bestimmten Zeitpunkt anhand von verschiedenen erklrenden Variablen zu erkennen, passt das
Markov-Switching-Modell gut dazu. Diese Seminararbeit hat vor allem die Wirkung von Constant-Mix-Strategien auf das Gesamtvermgen unter Einsatz von
Markov-Switching-Modell untersucht.

Inhaltsverzeichnis
1

Einfhrung

Constant-Mix-Strategie

2.1

Steigung von Constant-Mix-Strategie fr Gesamtvermgen gegen Aktienpreis

. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

2.2

Simulation fr zwei feste Werte

. . . . . . . . . . . . . . . . . . . . . . .

2.3

Simulation fr normalverteilte Werte und Wiener-Prozess . . . . . . . . .

2.4

Simulation fr normalverteilte Werte mit verschiedenen Abweichungen . .

2.5

Simulation fr verschiedene Zeitreihen

. . . . . . . . . . . . . . . . . . .

2.6

Simulation fr verschiedene Anteile von Aktien- und Anleihevermgen . .

Markov-Switching-Verfahren

11

3.1

Simulation fr Schwankungen zwischen zwei festen Punkten

. . . . . . .

11

3.2

Simulation fr normalverteilte Werten mit verschiedenen Abweichungen .

11

3.3

Simulation durch die Funktion

12

MS_Regress_Simul im R-Paket

. . . . .

Markov-Switching und Constant-Mix

14

4.1

Simulation fr zwei einfache Punkte . . . . . . . . . . . . . . . . . . . . .

14

4.2

Simulation der drei Strategien fr normalverteilte Werte

. . . . . . . . .

15

4.3

Daten aus Praxis (DAX) . . . . . . . . . . . . . . . . . . . . . . . . . . .

16

Fazit

18

Literatur

19

1 Einfhrung
Im Kapitel 2 werden wir einige Eigenschaften von Constant-Mix-Verfahren durch Simulationen betrachten. Im Kapitel 3 zeigen wir die Markov-Switching-Schtzung fr Boom
und Rezession durch R-Paket

fMarkovSwitching. Hier werden Qualitten der Phasen-

schtzungen fr verschiedene Datenstze durch Simulationen gezeigt. Am Ende von


Kapitel 3 wird eine Anwendung von der im R-Paket enthaltenen Funktion vorgefhrt,
mit der wir Datenstze mit verschiedenen Transitionsmatrizen nach unserem Wunsch
erzeugen knnen. Im Kapitel 4 wird eine Kombination von Constant-Mix-Strategie und
Markov-Switching-Modell durchgefhrt. Hier wird die Balancierung des Portfolios nach
Constant-Mix-Strategie jedes mal durchgefhrt, wenn eine Phasentransition zwischen
Boom und Rezession nach Markov-Switching-Modell vorkommt. In diesem Kapitel vergleichen wir die Ergebnisse von den Strategien Buy-And-Hold, Constant-Mix und einer
Kombination von diesen beiden wie erwhnt.

2 Constant-Mix-Strategie
2.1 Steigung von Constant-Mix-Strategie fr Gesamtvermgen
gegen Aktienpreis
Bevor wir die Ergebnisse von einer Kombination von Constant-Mix-Strategien und
Markov-Switching-Modell betrachten, versuchen wir hier zuerst durch Simulationen einige Eigenschaften von Constant-Mix-Strategien darzustellen.
Im (Perold und Sharpe, 1995, S. 151 ) wird der Mechanismus von Constant-MixStrategie gut erklrt. Im Vergleich zur Strategie von Buy-And-Hold ist Constant-MixStrategie nicht ideal, wenn der Aktienpreis ohne Schwankungen stndig steigt oder sinkt.
Eine Veranschaulichung dieser Tatsache kann man in Abbildung 1 sehen. Hier bedeutet
die schwarze Linie den Aktienpreis, angenommen dass er stndig steigt. Die rote Linie
bedeutet das Gesamtvermgen nach Buy-And-Hold-Strategie, whrend die blaue Linie
fr Constant-Mix-Strategie steht.
Mit Constant-Mix-Strategie legen wir hier das Verhltnis von Aktienvermgen und
Staatsanleihevermgen mit 60% gegen 40% fest, d.h. wir balancieren nach jedem Zeitpunkt die Anteile von Aktienvermgen und Staatsanleihevermgen in unserem Portfolio
zu jeweils 60% und 40% des Gesamtvermgens, wobei Aktienvermgen sich von Laufe
des Aktienpreis abhngt und Staatsanleihe konstant bleibt.

Abbildung 1: Constant-Mix fr aufsteigende Werte

Hier sehen wir, dass das Gesamtvermgen unter Constant-Mix-Strategie nicht so gut wie
die Buy-And-Hold-Strategie steigt, wenn der Aktienpreis stndig ohne Schwankungen
nach oben geht.
Der wichtigste Grund, warum man mit Constant-Mix-Strategie bei stark schwankenden Kursen protieren knnen, liegt vor allem an der Vernderung der Steigung vom
Gesamtvermgenswert gegen Aktienwert nach jeder Balancierung. Eine anschauliche
Beschreibung ber diese Idee kann man im (Perold und Sharpe, 1995, S. 153) lesen, wie
auf folgendem Bild:

Abbildung 2: Gesamtvermgen gegen Aktienpreis

In diesem Bild bewegt sich das Gesamtvermgen wegen sinkenden Aktienpreis(von 100
auf 90) zuerst von 140 Dollars auf 100 Dollars. Nach der Balancierung im Punkt b erhht sich die Steigung, weil Teil der Staatsanleihevermgen durch Balancierung nach
Aktienvermgen verschoben wird, um das 60-40 Verhltnis zu halten. Wenn der Aktienpreis(von 90 zurck auf 100) sich anschlieend steigt, erhht sich das Gesamtvermgen
auch von 100 Dollars auf 180 Dollars.
Was wir hier durch Abbildung 2 gesehen haben, ist eine einmalige Balancierung des
Portfolios. Was wrde dann passieren, wenn die Senkung und Steigerung im Ablauf
vom Aktienpreis mehrmals vorkommen wrden? Das Ergebnis knnen wir in folgendem
Bild beobachten:

Abbildung 3: Steigung von Gesamtvermgen gegen Aktienpreis mit n=20

Hier steht die schwarze Linie wie davor fr den Ablauf von Aktienpreis. Blaue Punkte
stehen fr die Steigungswerte von Gesamtvermgen gegen Aktienpreis unter ConstantMix-Strategie. Was wir hier beobachten knnen, ist die aufsteigende Tendenz von Steigungswerten. Obwohl diese Tendenz im Groen und Ganzen linear nach oben geht, wird
es anders aussehen, wenn wir den Zeitablauf von
auf folgendem Bild:

n = 20

auf

n = 1000

verlngern, wie

Abbildung 4: Steigung von Gesamtvermgen gegen Aktienpreis mit n=1000

Hier sehen wir, dass die Tendenz der Steigungswerte einer Kurve entspricht. Logarithmieren wir die Steigungswerte, haben wir wie folgend ein lineares Bild:

Abbildung 5: log(Steigungswert) von Gesamtvermgen gegen Aktienpreis mit n=1000

2.2 Simulation fr zwei feste Werte


Nachdem wir die Steigungsnderung von Gesamtvermgen gegen Aktienpreis unter
Constant-Mix-Strategie gesehen haben, versuchen wir jetzt die Gesamtvermgensnderung durch Constant-Mix-Strategie fr verschiedenartige Ablufe von Aktienpreisen zu
untersuchen. Zuerst betrachten wir den Fall mit schwankenden Aktienpreisen zwischen
zwei festgelegten Werten, wie auf folgender Abbildung:

Abbildung 6: Constant-Mix fr zwei feste Werte

Hier bezeichnen wir wie vorher die schwarze Linie als den Ablauf von Aktienpreis(schwankend
zwischen 1 und 1.2), die blaue Linie als Gesamtvermgen unter Constant-Mix-Strategie

und rote Linie als Gesamtvermgen unter Buy-And-Hold-Strategie. Das Verhltnis zwischen Aktienvermgen und Staatsanleihevermgen nehmen wir wieder 60-40. Hier sehen wir, dass das Gesamtvermgen unter Constant-Mix-Strategie bereits nach 20 Zeitpunkten mit eindeutigem Vorteil gegenber demjenigen unter Buy-And-Hold-Strategie
auskommt. Der Grund liegt darin, dass Buy-And-Hold-Strategie das Gesamtvermgen
genau dem Ablauf der Aktienpreise entsprechend verndert, whrend Constant-MixStrategie durch Schwankungen des Aktienkurses wegen Vernderung der Steigung zustzliche Gewinne schaen kann.

2.3 Simulation fr normalverteilte Werte und Wiener-Prozess


Jetzt statt nur mit zwei festen Werten versuchen wir mit zuflligen Zeitreihen die Gesamtvermgensnderung unter Constant-Mix- und Buy-And-Hold-Strategien zu simulieren. Wir nehmen hier jeweils Werte aus N(10,1)-Verteilung und aus Wiener-Prozess.
Jeweils drei Simulationen fr jeden Fall werden durchgefhrt, wie wir auf folgender Abbildung sehen knnen. Die Simulationen von normalverteilten Zeitreihen liegen auf der
ersten Zeile, whrend die vom Wienerprozess auf der zweiten Zeile liegen. Blaue Punkte
stehen fr Constant-Mix-Strategie und rot fr Buy-And-Hold-Strategie.

Abbildung 7: Constant-Mix fr N(10,1)-verteilte Daten und Werner-Prozesse

Nach den obigen Simulationen sehen wir, im Fall von normalverteilten Daten ist das
Constant-Mix-Verfahren immer besser und im Fall von Wienerprozessen sind die Ergebnisse von den beiden Strategien fast gleich. Ein Grund dafr knnte darin liegen,
dass die Schwankungen vom Ablauf des Aktienpreis unter Wienerprozess nach jedem
Zeitschritt im Vergleich zu N(10,1) viel kleiner sind, die zur Einschrnkung der Wirkung
von Constant-Mix-Verfahren fhrt.

2.4 Simulation fr normalverteilte Werte mit verschiedenen


Abweichungen
Je grer die Abweichung von einer normalverteilten Zeitreihe ist, desto strker schwankt
diese Zeitreihe. Nach der Eigenschaft von Constant-Mix-Strategie knnten wir vermuten,
dass das Gesamtvermgen unter Constant-Mix-Verfahren bei normalverteilter Zeitreihe
mit grerer Abweichung von Aktienpreis auch strker vermehrt werden kann. Um es
zu besttigen, machen wir folgende Simulationen:

Abbildung 8: Constant-Mix fr normalverteilte Daten mit verschiedenen Abweichungen

Die Werte fr die erste Simulation kommen aus N(20,1), zweite aus N(20,2) und dritte
aus N(20,3). Hier knnen wir sehen, je grer die Abweichung ist, desto mehr kann das
Gesamtvermgen sich durch Constant-Mix-Strategie erhhen, whrend das Vermgen
unter Buy-And-Hold-Strategien sich kaum ndert.

2.5 Simulation fr verschiedene Zeitreihen


Vorher haben wir die Situationen bei normalverteilten Zeitreihen und Wienerprozessen
betrachtet. Vielleicht stellen wir uns dann die Frage, wie es bei anderen Zeitreihen aussehen knnen. Oft sind autoregressive Modelle in nanziellen Gebieten interessant. Daher
versuchen wir durch einige AR(1)- und MA(1)-Prozesse die Situationen zu simulieren.
Hier generieren wir die Prozesse unter folgenden Formeln:
AR-Modell:

yt = 1 yt1 + t : t W N

(1)

yt = 1 t1 + t : t W N

(2)

MA-Modell:

Wir simulieren die Gesamtvermgensnderung mit verschiedenen Parametern

und

Um das Ergebnis besser darzustellen, addieren wir am Ende noch 20 zum Wert auf
jedem Zeitpunkt im Prozess. Dadurch haben wir folgende Simulationen:

Abbildung 9: Constant-Mix

fr

AR(1)-Prozesse

Prozesse mit verschiedenen

mit

verschiedenen

und

MA(1)-

Wie wir hier durch die simulierten Bilder beobachten knnen, steigt das Gesamtvermgen unter AR(1)-Prozessen mit steigenden

immer weniger. Unter MA(1)-Prozessen

sieht die Situation U-frmig aus, d.h. das Gesamtvermgen steigt mit steigendem

zuerst weniger, anschlieend aber wieder strker.


Der Grund dafr knnte an den Eigenschaften von AR- sowie MA-Prozessen liegen. Unter AR-Prozessen ist das Gedchtnis des Prozesses besser gehalten als in MA-Prozessen.
Mit steigendem

steigt auch das Autokorrelation, daraus kommt eine Einschrnkung

von Schwankungen, die negative Wirkung auf Constant-Mix-Strategie hat.

2.6 Simulation fr verschiedene Anteile von Aktien- und


Anleihevermgen
Wir betrachten jetzt Flle mit verschiedenen Verhltnissen von Aktien- und Staatsanleihevermgen, jeweils mit 70-30, 60-40, 50-50, 40-60 und 30-70. Durch folgende Bilder
werden die verschiedenen Verhltnisse simuliert.

Abbildung 10: Constant-Mix fr verschiedene Anteile von Aktien- und Anleihevermgen

Auf der ersten Zeile stehen Simulationen mit N(20,1)-verteilten Zufallswerten; auf der

zweiten Zeile sind die Flle mit N(20,5)-verteilten Zufallswerten. Auf der ersten Zeile
erhhen wir die Anzahl des Zeitablaufs von 100 auf 500 und auf der zweiten Zeile von
1000 auf 5000.
Auf allen vier Bildern sehen wir, dass die grne Kurve immer am besten aullt, die
fr ein Verhltnis von 50% Aktienvermgen und 50% Staatsanleihevermgen steht, d.h.
das 50-50-Verhltnis bei Constant-Mix-Strategie kann langfristig egal fr kleinere oder
grere Abweichungen immer die grte Gesamtvermgenssteigerung schaen, vorausgesetzt dass der Ablauf von Aktienpreisen normalverteilt ist.
Was wir hier auch beobachten knnen, sind die Geschwindigkeiten von Vermgenssteigerung unter kleineren und greren Abweichungen. Whrend die Unterschiede fr verschiedene Verhltnisse bei N(20,5) auf der zweiten Zeile schon eindeutig erkennbar sind,
sind die Unterschiede bei N(20,1) auf der ersten Zeile nach 5000 Zeitpunkten erst leicht
zu sehen.
Was noch aullig auf dieser Abbildung ist, dass die Ergebnisse zwischen den Verhltnissen 40-60 und 60-40 ziemlich hnlich sind, genauso wie zwischen 30-70 und 70-30.

10

3 Markov-Switching-Verfahren
Im letzten Kapitel haben wir vor allem die Eigenschaften von Constant-Mix-Strategien
simuliert. Im diesen Kapitel werden wir durch Simulationen das Markov-SwitchingModell anschauen. Um die Schtzungsergebnisse von Markov-Switching-Modell besser
zu beobachten, nehmen wir einen konstanten Wert als erklrende Variable, z.B. 1 in
diesem Fall. In R wird das Markov-Switching-Verfahren im Paket

fMarkovSwitching

implementiert. Genaueres ber das Paket kann man in (Perlin, 2010) lesen.

3.1 Simulation fr Schwankungen zwischen zwei festen Punkten


Wir fangen wieder mit dem Fall mit zwei festgelegten Werten an. Wir nehmen an, dass
der Aktienpreis zwischen 1 und 5 nach einem gleichen Muster schwankt.

Abbildung 11: Markov-Switching-Schtzung fr Ablauf nach gleichem Muster zwischen


zwei festen Punkten

Die gestrichene Linie auf diesem Bild steht fr Schtzung der Phasen, ob es zu einem
Boom oder einer Rezession gehrt. Hier steht 0 fr eine Rezession, 1 fr Boom und
Werte dazwischen fr den Zustand, wie wahrscheinlich es ist, zum Boom zu gehren.
Die blaue Linie steht fr den Ablauf von Aktienpreis. Hier sehen wir, dass das im RPaket

fMarkovSwitching

implementierte Markov-Switching-Verfahren den Ablauf des

Aktienpreis sehr gut geschtzt hat.

3.2 Simulation fr normalverteilte Werten mit verschiedenen


Abweichungen
Nachdem wir die Simulation mit zwei festen Werten gesehen haben, versuchen wir jetzt
den Fall mit normalverteilten Werten zu simulieren, wie wir auf folgenden Bildern sehen
knnen.

11

Abbildung 12: Markov-Switching-Verfahren fr normalverteilte Werte mit verschiedenen Abweichungen

Auf der ersten Zeile sind Simulationen nach der Verteilung N(2,0.5). Hier sehen wir, dass
die Schtzungen der Switching zwischen Boom und Rezession nicht gelungen ist, d.h.
der auf und ab laufende Kurs wird hier nicht passend geschtzt. Auf der zweiten Zeile
sind Simulationen mit greren Abweichungen. Hier ist der Ablauf vom Aktienpreis nach
N(2,2) verteilt, vorausgesetzt dass wir fr alle negativen Werte nur ihre absolute Betrge
nehmen. Die Switching-Schtzungen fr Boom und Rezession sind hier gut gelungen.
Wir knnen hier klar sehen, wie die gestrichene Phasenschtzlinie mit dem Ablauf des
Aktienpreis zusammenhngt.
Auf diesen Bildern sehen wir, dass das Markov-Switching-Verfahren fr Daten mit greren Abweichungen gute Schtzungen liefern kann, im Vergleich zu Daten mit sehr
kleinen Abweichungen.

3.3 Simulation durch die Funktion


R-Paket

MS_Regress_Simul im

Nachdem wir die Simulationen von normalverteilten Daten gesehen haben, schauen wir
jetzt die Simulationsverfahren durch die Funktion

MS_Regress_Simul im R-Paket. Hier

knnen wir feststellen, wie die Transitionsmatrizen, die jeweiligen Erwartungswerte und
Abweichungen der beiden Phasen aussehen sollen. Um es vereinfacht darzustellen, nehmen wir an, dass es wie vorher nur eine konstante erklrende Variable gibt.

12

Abbildung 13: Markov-Switching auf die durch

MS_Regress_Simul generierten Daten

Auf der ersten Zeile stehen die Simulationen mit dem Transitionsmatrix:

T1 =

0.9 0.1
0.1 0.9

!
(3)

Auf der zweiten Zeile stehen die Simulationen mit dem Transitionsmatrix:

T2 =

0.5 0.5
0.5 0.5

!
(4)

Die Verteilungen fr Boom und Rezession fr die Simulationen auf beiden Zeilen sind
gleich. Bei der ersten Verteilung haben wir N(0.2,0.02) und bei der zweiten haben wir
N(-0.1,0.01). Die auf der ersten Zeile stehenden Simulationen haben Transitionswahrscheinlichkeiten 0.5 fr beide Phasen, d.h. der Kursablauf hat 50% Wahrscheinlichkeit
von Boom nach Rezession oder umgekehrt zu wandeln. Hier sehen wir, dass die Schtzungen fr Transitionen zwischen zwei Phasen viel huger als die Simulationen an der
zweiten Zeile mit Transitionswahrscheinlichkeit 0.1 sind.

13

4 Markov-Switching und Constant-Mix


Im vorherigen Kapitel haben wir Constant-Mix-Strategie und Markov-Switching separat
simuliert und analysiert. Jetzt versuchen wir eine Kombination von beiden zu machen. In
diesem Kapitel vergleichen wir immer die Ergebnisse von drei verschiedenen Strategien
auf einem gleichen Kursablauf: Buy-And-Hold, Constant-Mix und Kombination von den
beiden. Unter einer Kombination von Buy-And-Hold und Constant-Mix fhren wir eine
Balancierung des Portfolios nach Constant-Mix-Strategie immer einen Zeitpunkt vor einer durch Markov-Switching geschtzten Phasentransition durch; wenn keine Transition
vorkommt, wird Buy-And-Hold fr jeden Zeitpunkt eingesetzt.
Eine andere Sache bei Anwendung von Markov-Switching-Modell ist die Festlegung von
Boom und Rezession. Alle Zwischenzustnde werden nach gewissem Kriterium zu Boom
oder Rezession zugeordnet. Wenn die Wahrscheinlichkeit vom einen Zeitpunkt fr Boom
grer als 50% ist, denieren wir es als Boom, sonst als Rezession. Wir nehmen Wahrscheinlichkeit 1 fr fr Boom und 0 fr Rezession.
In diesem Kapitel nehmen wir wiederum das Verhltnis 60-40 fr Aktienvermgen und
Staatsanleihevermgen.

4.1 Simulation fr zwei einfache Punkte


Zuerst betrachten wir einen ganz einfachen Fall. Wir nehmen an, dass der Kursablauf zuerst monoton steigt, anschlieend wieder monoton absteigt. Die Ergebnisse von den drei
verschiedenen Strategien fr diesen Datensatz versuchen wir durch folgende Simulation
darzustellen:

Abbildung 14: Simulation der drei Strategien auf Ablauf von Aktienpreis mit einfachen
Auf- und Abstiegen

Hier sehen wir, wegen der mangelnden Schwankungen liefert die Buy-And-Hold-Strategie(rot)
das beste Ergebnis, gemischte Strategie(violett) das zweite beste und reine ConstantMix-Strategie(blau) die schlechteste.
Um die weitere Tendenz zu beobachten, versuchen wir durch Wiederholungen vom diesen
Datensatz die Ergebnisse von den drei Strategien weiter zu betrachten.

14

Abbildung 15: Simulation der drei Strategien auf Ablauf von Aktienpreis mit mehrmals
auf- und absteigenden Werten

Hier sehen wir, dass die reine Constant-Mix-Strategie mit Laufe der Schwankung immer
bessere Performance liefern kann, whrend das Buy-And-Hold unverndertem Muster
folgt und gemischte Strategie dazwischen liegt.

4.2 Simulation der drei Strategien fr normalverteilte Werte


Jetzt schauen wir die Situationen fr normalverteilte Daten mit N(20,6) an. Simulationen werden in folgenden Bildern gezeigt:

Abbildung 16: Simulation der drei Strategien auf normalverteilten Aktienpreisen

In diesen Bildern sehen wir, dass es immer die reine Constant-Mix-Strategie ist, die das
grte Vermgenssteigerung liefert. hnliche Ergebnisse knnen wir mit einer AR(1)Zeitreihe beobachten. Wir nehmen hier

= 0.9

15

und bekommen folgende Simulation:

Abbildung 17: Simulation der drei Strategien auf Aktienpreisen nach AR(1)-Prozess

Die reine Constant-Mix-Strategie ist jedoch fr diesen normalverteilten Datensatz nicht


immer der Gewinner. Es gibt in einzelnen Fllen Ausnahmen, wo die gemischte Strategie
das beste Ergebnis liefern kann, wie folgende Simulationen:

Abbildung 18: Simulation der drei Strategien auf normalverteilten Aktienpreisen mit
gemischter Strategie als Gewinner

Auerdem kann auch passieren, dass keine Phasentransitionen durch Markov-SwitchingModell wegen z.B. speziellen Schwankungsmusters geschtzt werden knnen. Dann berlagern sich die Buy-And-Hold-Strategie und die gemischte Strategie aufeinander, wie
folgende Simulationen:

Abbildung 19: Simulation der drei Strategien auf normalverteilten Aktienpreisen mit
nicht-erfolgreicher Markov-Switching-Schtzung fr die Phasen

4.3 Daten aus Praxis (DAX)


In der Praxis knnen die reinen Constant-Mix-Strategien oder gemischte Strategien fr
Zeitreihe aus gewissen Zufallsdaten auch nicht immer besser als Buy-And-Hold-Strategie

16

auallen. Ein Beispiel zeigt der Ablauf der monatlichen Daten von DAX zwischen 1987
und 2013 aus (Bundesbank). In folgender Simulation mit den DAX-Daten sehen wir,
obwohl es im ersten Augenblick viele kleine und groe Schwankungen gibt, liefert trotzdem die Buy-And-Hold-Strategie das beste Ergebnis. Hier nehmen wir als erklrende
Variable den konstanten Wert 1000 statt 1.

Abbildung 20: Simulation der drei Strategien auf monatliche DAX-Daten zwischen 1987
und 2013

17

5 Fazit
In dieser Seminararbeit haben wir durch Simulationen die Verhalten von Constant-MixStrategie, Markov-Switching-Modell sowie ihre Kombinationen fr verschiedene Datenstze untersucht. Wie wir durch die Simulationen sehen knnen, hat Constant-MixStrategie groen Vorteil bei starken Schwankungen der Aktienkurse, z.B. wenn es mit
groen Abweichungen normalverteilt ist.
Das R-Paket

fMarkovSwitching kann die Phasen fr Daten mit starker Variabilitt gut

schtzen. Eine wichtige Voraussetzung fr das Markov-Switching-Modell in dieser Arbeit


liegt darin, dass ein konstanter Wert als erklrende Variable genommen wird. In der
Praxis beim Vorhersagen der Ergebnisse durch Markov-Switching-Modell soll man aber
lieber keine konstante erklrende Variablen nehmen. In (Chen, 2009) kann man ein

Beispiel lesen, wie man den  SP 500 Preisindex durch Inationsrate und Spread anhand
des Markov-Switching-Modells modellieren und vorhersagen kann.
In dieser Arbeit sind viele Phnomen durch Simulationen gezeigt, die Grnde dahinten
jedoch nicht erklrt. Tiefere Untersuchungen darber sind daher mglich.

1 Dierenz

zwischen 3-monatige T-Bill-Rate und 10-jhrige Treasury-Constant-Maturity-Rate

18

Literatur
Bundesbank:
timo

1987

Zeitreihe
=

1000

bbk01.wu3140:
/

Dax

monatsendstand.

kursindex
In:

http://www.bundesbank.de/Navigation/DE/Statistiken

basis:

Ul-

Verfgbar:

(Zugri am 25.01.2014,

Erstellung am 02.01.2014).
Chen, Shiu-Sheng: Predicting the bear stock market: Macroeconomic variables as leading
indicators. In: , 2009.
Perlin, Marcelo: Ms regress - the matlab package for markov regime switching models.
In: , 2010. Working Paper.
Perold, A.F. und Sharpe, W.F.:

Dynamic Strategies for Asset Allocation.

Analysis Journal, 1995.

19

Financial