 Ich darf Sie herzlich zu unserem nächsten Kapitel begrüßen. Es freut mich, dass Sie wieder teilnehmen. Wir haben im letzten Kapitel relativ viel über Zeitreinanalyse gesprochen. Wir haben die ersten Aktienzeitrein gesehen, geplottet und auf Autokorrelation untersucht und in Peiten dargestellt. Und es ist nun an der Zeit uns tiefer mit dem Thema Finanzmarkt zu beschäftigen. Mit der Frage, was ist denn eigentlich ein Finanzmarkt? Was sind Finanzzeitrein? Was bedeutet das überhaupt? Und ist Geld nicht einfach nur grün? Und zwar, wir fangen mit den Themen an. Wir definieren erst mal einen Finanzmarkt. Was versteht man denn eigentlich unter dem Begriff Finanzmarkt? Was kann ich damit anfangen? Kann man das essen? Steht da eine Kuh drauf? Oder wie funktioniert das denn? Melken da die Banker irgendwelche Konten und füllen das in Flaschen ab? Oder was genau ist denn ein Finanzmarkt? Das ist die erste Frage, die uns in diesem Kapitel beschäftigen wird. Und als nächsten Punkt werde ich Ihnen eine Marktübersicht geben. Es gibt nicht nur den Finanzmarkt, es gibt viele Finanzmärkte. Es gibt ein ganzes Finanzsystem und es gibt verschiedene Finanzzeitrein und wie das alles denn zusammenhängt, zeige ich Ihnen in der Marktübersicht. Bevor wir uns mit dem Hauptpunkt der Finanzmärkte bzw. des Kapitels über Finanzmärkte auseinandersetzen, nämlich den Eigenschaften und stylisierten Fakten von Finanzmarktinstrumenten. Das bedeutet, die Aktie, die Sie gesehen haben, was für Eigenschaften hat die denn? Und was für empirisch per Experiment nachgewiesene Eigenschaften und Vorkommnisse kann man denn auf den Finanzmärkten beobachten? Und was bedeutet das denn für uns? Für uns bedeutet das in erster Linie einmal, dass wir im letzten Kapitel über Autokorrelation schon mit Zeitreihen aus dem Finanzsektor gearbeitet haben. Wir haben eine Aktie kennengelernt, nämlich Tesla. Und wir haben einen Index kennengelernt, den Nestec 100 Composite. Und jetzt ist es an der Zeit, dass wir erst mal darüber sprechen, was das denn alles bedeutet. Weil wir können nicht einfach mit Finanzzeitrein arbeiten, ohne zu wissen, was das eigentlich genau ist, was ein Finanzmarkt überhaupt tut und in welchem Metier nenne ich jetzt mal, wir uns hier denn eigentlich bewegen. Deswegen definieren wir mehrere Begriffe und ich kann Sie beruhigen, es wird nicht so anspruchsvoll wie bei der Definition von unseren mathematischen Begriffen. Aber genauer gesagt sprechen wir über das Finanzsystem, den Finanzmarkt, das Finanzinstrument, einige Markteilnehmer und letzten Endes die Effekte von Finanzinstrumenten. Das bedeutet, welche Eigenschaften unterliegen denen denn und welche Eigenschaften und Effekte kann man dann empirisch nachweisen. Wir beginnen einfach mal von ganz oben. Den Ansatz, den wir jetzt hier verfolgen, ist sogenanntes Top-Down. Wir fangen mal auf ganz hoher Flughäbene an und begeben uns dann in die Sünfe und tiefen Abgründe des Finanzsystems. Dazu müssen wir aber erst einmal wissen, was ist denn eigentlich ein Finanzsystem? Was verstehen wir darunter? Das Finanzsystem und ich nehme hier die Definition, die von der BAFEN und der Bundesbank gegeben wird. Das Finanzsystem besteht grundsätzlich aus drei Komponenten. Zum ersten, den Finanzintermediären. Dazu gehören Banken, Versicherungen, Kapitalanlagegesellschaften, also Fonds, Hedgefonds und professionelle institutionelle Händler. Dann die Finanzmärkte selbst und als drittes eben die technische Infrastruktur. Und zu der gehören eben Zahlungsverkehrssysteme, quasi wenn sie zu ihrer Bank ins Onlinebank gehen und mir Geld schenken, weil ich so ein lieber toller Dozent bin. Dann brauchen sie ein Zahlungsverkehrssystem. Wenn sie sich eine Aktie kaufen möchten, brauchen sie ein Handelssystem. Und wenn sie natürlich ihre Aktie wieder fair kaufen möchten, brauchen sie auch ein Weltpapier-Abwicklungssystem. Das heißt, die gesamte IT-technische Infrastruktur, die benötigt wird, um Finanzgüter und Finanzintermediäre zusammenzubringen, ist natürlich ein essentieller Bestandteil des Finanzsystems. Und das Finanzsystem selbst ist quasi das Zusammenspiel zwischen Finanzintermediären auf den Märkten über technische Infrastruktur. Und das Finanzsystem wird hierbei umgeben von einem rechtlichen Rahmen. Das ist ganz liebevoll und niedlich formuliert. Wir könnten das eher als rechtliche Riesenmauer mit Geschütztürmen und Stacheldraht bezeichnen. Aber gut, lassen wir die Annektote beiseite. Das Finanzsystem wird dabei umgeben vom rechtlichen Rahmen und von der Finanzaufsicht. Darüber hinaus gibt es weitere relevante Elemente, zum Beispiel die Zentralbanken. Es ist natürlich auch so, dass wenn eine Bank Geld benötigt, sie nicht nur ihre Einlagen verwendet, sondern natürlich auch über Nacht ein Lagen bei der jeweiligen Zentralbank tätigen kann und das ganze Geldsystem darauf beruht. Das heißt, um es nochmal zusammenzufassen, Finanzsystem besteht aus Finanzintermediären, den Finanzmärkten selbst und der technischen Infrastruktur und ist umgeben von Aufsichtsrecht und Zentralbanken. Und das im Zusammenspiel ist das Finanzsystem so, wie wir es eben kennen. Das, was ich in dieser Definition jetzt irgendwie ausgelassen habe, ist der Finanzmarkt. Was ist denn ein Finanzmarkt an sich, die Definition eines Finanzmarkts? Der Finanzmarkt ist ein Oberbegriff für Märkte, auf den der Handel mit Finanzinstrumenten oder Finanzgütern stattfindet. Komplementärbegriff ist der Gütermarkt. Komplementärbegriff bedeutet, das ist quasi das Gegenteil davon. Sie können, wenn Sie sich jetzt ein Ferrari kaufen wollen oder sei es auch nur eine Miniatur eines Ferraris, dann gehen Sie in einen Spielwaren-Handel, in den Online-Handel ins Internet und kaufen die sich auf dem Gütermarkt, legen da ein paar Geldscheine hin oder überweisen Geld, dann bekommen Sie die Ware nach Hause geliefert. Ein Finanzmarkt funktioniert ähnlich, dort werden auch Güter gehandelt, aber eben Finanzgüter, sogenannte Finanzinstrumente. Und der Finanzmarkt ist eben der Platz oder das Aggregat wo dieser Handel stattfinden kann. Ich habe Ihnen hier mal eine Top-Down-Übersicht mitgebracht, was denn Finanzmärkte alle sein können. Der Finanzmarkt kann zum einen sein der Geldmarkt, das ist der Markt, wo Banken unter anderem ihre Übernachtkredite bei der Zentralbank lagern oder untereinander sich Geld leihen. Geldmarkt beschreibt eher kurzfristige Geschäfte, dann gibt es den Kreditmarkt, das ist, wenn Unternehmen oder Banken sich gegenseitig Geld leihen bzw. sie als Privatperson einen Kredit haben möchten, dann suchen sie sich auch eine Bank bekommen einen Kredit und es ist auch zudem möglich, einen Kredit an sich zu handeln. Wenn ich Ihnen jetzt Geld schulde, können Sie diese Schuld natürlich weiterverkaufen und dafür gibt es einen gesamten Markt und das ist der Kreditmarkt. Die letzten Jahre haben es zugelassen im Bereich P2P-Lending, also Private-to-Private-Lending, das bedeutet, dass Sie selbst anderen Menschen Geld leihen können und dafür Zinsen bekommen, das ermöglicht eben Privatperson ebenfalls am Kreditmarkt zu partizipieren, das ist aber eher eine neuere Entwicklung. Was für uns interessant ist, ist der sogenannte Kapitalmarkt, der hier aufgegliedert wird in nicht organisierter Kapitalmarkt, das sind die sogenannten OTC-Märkte, Over-the-Counter-Märkte, die sind nicht organisiert, die sind nicht strukturiert und es gibt den organisierten Kapitalmarkt, der über geregelte regulierte Börsen abgewickelt wird und da können Sie natürlich verschiedene Submerkte unterschreiten, wie zum Beispiel den Rentenmarkt. Rentenmarkt sind Anleihen, Staatsanleihen oder sämtliche Unternehmensanleihen, die Sie so finden können. Auf Englisch nennt sich das dann Bonds und es gibt den sogenannten Aktienmarkt, wo Unternehmensanteile, Unternehmensscheine handelbar sind und der Aktienmarkt unterscheint jetzt hier in dem Primärmarkt. Das bedeutet, wenn Sie mal direkt an die Börse gehen, können Sie ein Erstbezug von Aktien vornehmen, das ist der Primärmarkt und der Sekundärmarkt besteht quasi daraus, dass wenn ich meine Aktien wieder an Sie weiter verkaufe, hat das ja mit dem Unternehmen an sich nichts mehr zu tun. Ob ich meine Aktien an dem Unternehmen an Sie weiter verkaufe, deswegen nennt sich das Sekundärmarkt. Das ist mal so eine grobe Übersicht an Finanzmarkt-Einteilungen, die es gibt, das geht aber durchaus noch genauer beziehungsweise anders dargestellt, wie Sie das hier finden. Sie haben den Finanzmarkt auf der linken Seite und jetzt haben Sie gewisse Parameter, nachdem wir hier differenzieren können, und zwar der Nature of Claim, also die Natur des Anspruches und da können Sie natürlich unterscheiden zwischen Debt Markets und Equity Markets, also Debt Markets sind hier die Schuldmärkte, wo eine Schuld gehandelt wird und Equity Markets ist eben für Eigenkapital, dann haben Sie den Majority of Claim, also die Fälligkeit der relevanten Schuld, also ob ich mich auf den Geldmärkten bewege, wo kurzfristige Gelder gehandelt werden oder eben auf den Kapitalmärkten, die wieder in Primär- und Sekundärmärkte unterteilt werden können, das ist eher eine langfristigere Geschichte. Wenn Sie jetzt sagen wir mal, ich möchte jetzt keine Aktien promoten, aber sagen wir mal, Sie kaufen sich eine VW-Aktie und die legen Sie für Ihr Alter zurück und wollen von der Dividende leben, dann ist das keine kurzfristige Geschichte, seitdem Sie sind 70 und haben noch ein Jahr zu leben, dann vielleicht schon, aber in dem Fall wird hier nach der Laufzeit differenziert. Der nächste Aspekt, nachdem man einen Finanzmarkt differenzieren kann, ist der Timing of Delivery, das heißt der Zeitpunkt der Lieferung, da haben Sie zum einen die Cash-Märkte, das ist da, wo die Spot-Märkte, wo sofort gehandelt wird und Sie haben die Future-Märkte, wo Sie Termingengeschäfte abwickeln können und quasi für die Zukunft gewisse Dinge kaufen oder auf zukünftige Entwicklungen spekulieren können. Und natürlich können Sie noch differenzieren nach der Organisationsstruktur, nach der Organizational Structure, ob Sie jetzt Over the Counter OTC handeln, wo Sie mit Ihrem Counter-Part ausmachen können, was immer Sie eigentlich gerade für interessant halten oder ob Sie auf E-Tams handeln, also auf Exchange-Traded Markets, wo eben Börsen regulierte Produkte angeboten werden und auch das Clearing entsprechend reguliert ist. Betrachten wir nun nicht mehr nur die zeitliche Klassifikation von Märkten, sondern differenzieren tatsächlich mal nach der Art und dem Typ der Finanzgüter, welche auf den jeweiligen Märkten handelbar sind. Wir haben ja bisher nur differenziert Zeitpunkt der Fälligkeit, Organisationsstruktur und wo wir jetzt noch tiefer reingehen ist, dass es verschiedene Märkte gibt für verschiedene Güter. Das macht ja auch Sinn, wenn Sie sich ein Auto kaufen wollen, laufen Sie ja wahrscheinlich auch nicht zu EDK. Deswegen gibt es auch auf den Finanzmärkten für verschiedene Finanzgüter, also für verschiedene Finanzinstrumente, die einer selten Gattung anhören, Angehören, das nennt man dann auch Asset-Klasse, hier gibt es mehrere Hauptmärkte für diese verschiedenen Asset-Klassen. Unter Asset-Klassen fallen unter anderem auch Aktien, Anlagen, Rohstoffe, Fremdwährung, Derivate, zum Teil Immobilien-Verbriefungen und wo man sich darüber streiten kann, je nachdem, ob Sie jetzt ein Early-Adopter sind oder ob Sie doch eher restriktiv konservativ sind, die sogenannten Kryptowährungen oder Kryptos, die auf der Blockchain-Technologie basieren und effektiv die Antibank des 21. Jahrhunderts darstellen oder ob Sie auch Opportunitäten, das heißt Volatilität, als eigene Asset-Klasse betrachten wollen, da kann man sich herrlich darüber streiten. Ich fühe Sie hier einfach mal mit auf, einfach nur, um Ihnen die Varietät an verschiedenen Finanzinstrumenten aufzuzeigen. Diese Varietät ist natürlich auch Zeuge davon, dass es sehr, sehr viele Finanzprodukte aus unterschiedlichen Asset-Klassen gibt, welche handelbar sind und welche auch miteinander kombinierbar sind. Ein einzelnes Produkt ist zum Beispiel eine Aktie und so eine Aktie nennt man eben Finanzinstrument. Produkte können aus einer Asset-Klasse stammen, wie ich es gerade gesagt habe, oder können auch miteinander kombiniert werden. Betrachten wir hier zum Beispiel eine Aktie in Anleihe, hat das mit einer Anleihe relativ wenig zu tun und mit einer Aktie auch nichts, sondern ist ein sogenanntes hybrides Produkt, was eben kombiniert werden kann. Jedes Finanzinstrument hat daher eine eigene Mechanik, welche Sie zuerst verstehen sollten, bevor Sie damit handeln oder bevor Sie dieses Instrument eben analysieren können. Der Rivater funktionieren zum Beispiel anders als Aktien. Der Rivater können sich aber auf Aktien als Underlying beziehen. Und selbst wenn wir nur Aktien betrachten, eine Aktie ist nicht gleich eine Aktie, wenn Sie jetzt einen Blue Chip wie VW betrachten, ist denke ich die Kursentwicklung und die Effekte aus dem echten Leben, die einen VW interessieren, eine andere wie ein Pennystock, wie irgendeine Schrott-Aktie, die sowieso kurz vor Exitus steht. Ich denke, die haben andere Probleme wie VW, obwohl es eine Aktie eines Unternehmens ist. Und wenn wir es streng klassifizieren, beides unter eine Aktie fällt, aber meines Erachtens dennoch nicht dasselbe darstellen. Eine genaue Analyse in Vorstellung aller möglichen Finanzinstrumente und wie die Mechanik funktioniert, wie diese Produkte konzipiert sind und wie diese Produkte konzipiert werden können, das können wir in diesem Kurs leider nicht abbilden. Dann könnten wir einen Kurs hier über Financial Engineering und Investment Banking machen, was für ein allgemeines Einführungsfach, in dem kein Vorwissen verlangt wird, wahrscheinlich etwas zu viel werden wird. Deswegen müssen Sie mich entschuldigen, wenn ich hier auf eine tiefere Analyse der Finanzinstrumentmechanik verzichte und mich darauf berufe, dass wir einfach nur die Zeitreihe nehmen, wie sie ist und diese analysieren. Das heißt, wie es hier eben steht, wir werden uns jedoch hauptsächlich mit Aktien befassen. Eine Aktie versteht sich als Anteil am kapitalisierten Teil des Grundkapitals, also des Eigenkapitals, eine Aktiengesellschaft und in unserem Fall haben wir nicht nur Aktiengesellschaften, die irgendwo um der Warn herum tümpeln, sondern wir haben Aktiengesellschaften, die Börsen gelistet sind und wo die Anteile am Eigenkapital frei handelbar sind. Ich möchte jetzt noch mal ein bisschen genauer auf das Wort Finanzinstrument eingehen. Das ist das, was Sie in einer Standardvorlesung an der Uni hören. Es gibt da mal Aktien und es gibt Finanzinstrumente. Wenn Sie dann zum ersten Mal von einem Tradingdesk sitzen, werden Sie feststellen, das hilft mir alles überhaupt nicht. Also es ist so, wie bei jedem anderen Produkt auch, es gibt Produkt-IDs. Wenn Sie in den Supermarkt gehen, steht da hinten ein Kassenbond drauf, der gescannt werden kann, und sagt weiß, welches Produkt Sie denn wie, wo, wann gekauft haben, und damit Sie das auch wieder finden können. Das ist bei Finanzinstrumenten ganz analog. Jedes Finanzinstrument besitzt verschiedene Identifier, welche zur eindeutigen Identifikation des Titels verwendet werden können. Wir haben ja verschiedene Beispiele. Das ist die WKN, die Wertpapier-Kennnummer, die internationale Eisennummer, Thomson Reuters, also die RIC, Identifier, Bloomberg-Ticker und ganz hinten noch die Siedel, was eigentlich sehr gängige Identifier für Finanzinstrumente sind. Diese Instrumente können teilweise ineinander übergeführt werden und verändern sich mit der Zeit auch, das ist besonders bei WKNs und Eisens der Fall. Deswegen, wenn man es wirklich etwas professioneller machen will, man sich auf RICs, Bloomberg-Tickers und Siedels verlassen sollte, wobei die sich auch ab und zu mal ändern können. Aber wie Sie hier sehen können, können Sie ein Finanzinstrument, also ein Produkt anhand der Produkt-ID finden und anschauen und wir werden uns jetzt im Skript haben Sie als nächste Folie einfach nur ein Bild. Wir werden uns als nächstes Mal so ein Trading Desk in live ansehen. Wir haben gerade gelernt, was Finanzinstrumente sind und dass wir mit Finanzinstrumenten handeln können, dass wir die Güter kaufen und verkaufen können auf sogenannten Finanzmärkten und dass sie über sogenannte Ticker auffindbar sind. Ich habe mir jetzt gedacht, nachdem Sie im Skript nur einen Screenshot haben, dass wir für das Video hier mal ein Live-Ausschnitt aus einem frei verfügbaren Trading Desk hier in dem Fall von Finanzennet uns gönnen. Sie sehen hier die Marktübersicht, hier sehen Sie verschiedene Indizes, hier sind Rohstoffe, Commodities, Wechselkurse, Öl, hier sehen Sie, dass Sie hier natürlich Derivate kaufen können, Long Short Derivate, hier sehen Sie die Kurstaxe und hier vorne die WKN, was hier die Wertpapierkennnummer ist. Wenn Sie im Analystenbereich arbeiten, ist die WKN nicht unbedingt der beste Ticker, den man verwenden kann, da haben Sie ein Problem, dass sie sich genauso wie die Eisens öfter mal ändern und Sie mit einer Siedel oder einer Blumenberger, die wesentlich stabiler fahren, wobei es selbst da auch Probleme gibt und man auch die Ticker teilweise ineinander umwandeln kann. Bevor wir zu tief abtriften, hier ist nochmal die Marktübersicht, hier unten haben Sie noch Kryptowährungen, also Blockchain-Technologie, die Sie handeln können. Sie haben hier aktuelle Marktnachrichten, den Inhalt hier des DAX30 Index, das heißt Sie sehen hier die einzelnen Titel welche im DAX enthalten sind, mit dem Real-Time-Kurs die Möglichkeit sofort zu kaufen, zu verkaufen und was Sie hier sehen ist effektiv der Chart, ich stelle das mal auf den Minuten Chart um, dass man hier auch ein bisschen was sieht, so wie hier mal sein, dann müsste es jede Minute eigentlich eine Kerze geben Sie sehen hier noch Bollinger-Bänder außen rum und so könnten Sie theoretisch eigentlich handeln, wenn Sie noch ein Online-Broker haben. Warum ich Ihnen das zeige ist, wenn wir hier schon einen Analysten-Kurs machen und hergehen und Finanzen analysieren wollen und hier über Finanzmärkte sprechen einen Blick in die Märkte direkt ist denke ich nie verkehrt. Ich habe Ihnen den Link für das Trading Desk hier auch in Moodle beigefügt ich möchte Sie hier nicht zum Zocken und zum Spekulieren auffordern, aber Sie können sich das selber anschauen, wenn Sie natürlich selber handeln wollen ob liegt das Ihnen. Wir machen hier erstmal mit einer Zusammenfassung weiter, bevor wir uns hier auf den wilden Handel stürzen und zwar mit den Eigenschaften von Finanzmarktinstrumenten um es nochmal zusammenzufassen auf hoher Flughäbene sind wir jetzt im Schnellverfahren dem Kursumfang entsprechend durch diese Finanzsysteme gesprungen, haben Finanzmärkte kennengelernt und haben ganz grob gelernt, was ist denn ein Finanzinstrument und Sie sollten als Key-Take-Away mitnehmen, dass Finanzprodukte auf speziell dafür ausgelegten Finanzmärkten handelbar sind nach Assetklassen sortiert sind oder nach Laufzeiten oder Schuldbarkeiten sortiert sind und Sie können anhand Ihre IDs gefunden werden. Das ist das, was Sie sich vielleicht merken sollten und mitnehmen können und im Folgenden befassen wir uns mit einem Kernthema auch meines eigenen Forschungsfeldes und einem Kernthema, was in der Risikofinanz Modellierung essentiell ist und zwar den Eigenschaften vom Finanzmarktinstrumenten wenn wir natürlich Finanzzeit rein, und die Finanzzeitreien sind ja die Zeitreienrealisierungen dieser Finanzinstrumente wenn wir die modellieren wollen wenn wir die vorhersagen wollen, wäre es natürlich auch schicklich und sinnvoll wenn wir sie verstehen würden und zwar, wir verzichten hier jetzt auf eine mathematische Vorstellung dieser ganzen Effekte die jetzt kommen werden, da wir den Kursraum irgendwo auch einhalten wollen und eine mathematische Einführung der gesamten Varietät an Finanzmarkteffekten sprengt diesen Kurs bei Weibem deswegen verzichten wir jetzt erstmal auf mathematische Formalität ich denke, das ist in Ihrem Sinne und ich gehe auch davon aus dass jetzt hier niemand in die Ecke rennen und weinen wird, weil es jetzt keine Formeln mehr gibt sollte das dennoch der Fall sein kann ich Sie beruhigen wenn wir im Kapitel stochastische Prozesse sind und feststellen, dass Finanzmodelle und vor allem Risikomodelle als stochastischer Prozess darstellbar es sind kommt die Mathematik wieder also sie wird sie nicht verlassen sie ist nur gerade ums Eck hier ist es zu nichts wichtig dass sie weiterhin geistig flexibel sind weil wir diese Effekte jetzt auf der Tonspur erklären ohne mathematische Formalismen sondern rein didaktisch, rein verständnestechnisch deswegen würde ich Sie bitten sich hier tatsächlich zu konzentrieren, mitzudenken um geistig flexibel zu sein und ich glaube, da schaffen sie alle ganz gut wir fangen hier erstmal an mit sogenannten stylisierten Fakten oder im englischen Styler ist Facts und ich lese das jetzt erstmal vor dass Finanzzeitreien diverser Finanzinstrumente haben gewisse Eigenschaften oder Verhaltensweisen die als stylisierte Fakten bekannt sind sofern wir uns diesem Thema nähern treffen wir auf den Konflikt der neoklassischen, also fundamentalistischen versus neuen modern technologisch orientierten Finanzmarkttheorie so in diesen 2 Sätzen steckt sehr viel Informationen drin zum einen haben wir gelernt Finanzzeitreien beziehen sich auf die Entwicklung von Finanzinstrumenten haben gewisse Eigenschaften oder ein gewisses Verhalten dass wir untersuchen möchten dass wir in unsere Modellierung mit aufnehmen müssen, sollten und diese Verhaltensweise wenn man empirisch untersucht nennt sich das stylisierter Fakt nachdem wir natürlich mehrere davon haben sprechen wir in der Regel von stylisierten Fakten oder Finanzinstrument Eigenschaften und der Konflikt rührt natürlich daher dass es eine klassische Theorie gibt also die neoklassische fundamentalistische Finanzmarkttheorie in der diese Effekte bestenfalls als Anomalie abgetan wurden oder eben schlicht noch nicht bekannt waren und es gibt eben diese moderne technologisch orientierte Finanzmarkttheorie die sich aus verschiedenen Fachbereichen Modelle und Konzepte entleid sage ich das mal und eben auch im Betrachten dass Menschen keine rationalen Lebewesen sind und hier entsteht eben der Konflikt zwischen neoklassischen fundamentalisten und eben neuen modern technologisch orientierten Akteuren beziehungsweise Forschern und wir haben hier auch einen großen Konflikt in den Modellen selbst und in den Denkschulen was die Finanzmarkttheorie hier angeht wenn wir hier weiter machen müssen wir natürlich erstmal verstehen was sind denn diese fundamentalistischen neoklassischen oder ich nenne das jetzt einfach mal umgangssprachlich klassischen Annahmen was ist das denn überhaupt also die klassischen Modelle Annahmen so wie wir das in unserer Regression mit unserem White Noise stört haben auch schon gesehen haben klassische Annahmen sind statistische Unabhängigkeit normal verteilte Zufallsvariablen Markteffizienz also die sogenannte Effizienzmarkthypothese die sagt dass Informationen die neu dazukommen direkt in den Preisen reflektiert werden und es nicht möglich ist über Renditen also sogenannte Alpha Returns zu generieren und rationale Marktakteure eben auf den Märkten vorhanden sind das bedeutet sie können den Markt nicht schlagen Informationen werden direkt in den Preisen reflektiert wir haben statistische Unabhängigkeit normal verteilte Zufallsvariablen das heißt jeder der auf den Märkten aktiv ist ist komplett strikt rational Homo economicus denke ich heißt das und zusätzlich nehmen wir an dass die statistischen Momente in dem Fall hier die Volatilität als Beispiel über die Zeit konstant ist zusammengenommen bildet dies eben das Fundament der klassischen Finanzmarkttheorie und im krassen Gegensatz ich verwende das Wort krass jetzt einfach mal normalerweise wieder strebt mir das ja aber im krassen Gegensatz gar Widerspruch stehen hier die stilisierten Fakten welche empirisch und per Experiment beobachtet werden können und insbesondere in Krisenzeiten verstärkt auftreten können das ist besonders schwerwiegend weil Krisenzeiten generell für niemanden sehr positiv sind und wenn da natürlich stilisierte Fakten auftreten die zu den gängigen Modellen im Widerspruch stehen dass das nicht unbedingt gut ausgehen kann hat uns die Finanzkrise 2008 relativ hart gezeigt und das kann sich denke ich auch jeder mal selbst zusammenreimen ich habe das hier in rot aber nochmal ganz drastisch dargestellt Gegensätze bedeuten in diesem Sinne das klassische Modelle schlichtweg versagen und das ist eine sehr harte Aussage aber sie ist empirisch belegbar und versagen dieser Modelle zerstört eben die Basis je weder Unternehmensplanung je weder Finanzvorkast je weder Risikomodelle die dazu teilweise auch die in Eigenkapital an Teile vorzuhalten um sagen zu bilden oder sonstige Risikoanalysen vorzunehmen und wenn ich natürlich Risikomodelle bauere die das finanzielle Risiko das Zukunftsrisiko eines Unternehmens eines Finanzinstrumentes oder meines sogenannten Exposures to risk also meines risk exposures quasi meine Aussetzung an Risiko wenn das nicht wirklich widerspiegelt wird führt das nämlich dazu wenn wir zusammenbrüche und Insolvenzen haben oder in Krisen diese vorkommen Unternehmen, Banken und ganze Staatssysteme davon betroffen sind wenn mit Modellen gearbeitet wird die das ganze systematisch unterschätzen oder schlichtweg gar nicht abbilden können das heißt sie sehen, das was sie hier machen ist nicht nur einfach schnöde Theorie sondern hat auch für jeden der in irgendeinem Wirtschaftssystem lebt Auswirkungen selbst wenn sie selbst gar keine Titel halten aber sie sind davon betroffen wenn Unternehmen, Banken und Staaten versagen daher ist ein fundamentales Verständnis der naturellen Beschaffenheit von Finanzmarktinstrumenten und deren Eigenschaften beim Modellieren nicht nur eine Nettigkeit oder war ist ja schön, dass man das mal machen kann aber bringen tut es eigentlich nichts sondern das ist ein essenzielles Muss und das ist nicht nur meine persönliche Meinung ich stehe da auch dazu sondern es ist auch empirisch belegt dass eben Insolvenzen Krisen und schlechte Risikomaße eben nicht unbedingt positiv wirken und es nicht nur eine Nettigkeit ist sondern tatsächlich ein Muss beim Modellieren solche Effekte die eben beobachbar sind auf den Märkten auch zu respektieren wir werden jetzt im folgen einige dieser Effekte nicht mathematisch erläutern und vorstellen wie ich es bereits schon gesagt habe eine mathematische Erläuterung übersteigt den Umfang dieses Kurses massiv wenn ich zu jedem Effekt hier diese mathematische Ableitung, Herleitung oder Erklärung noch dazu liefern würde könnte ich eine Vorlesung pro Effekt halten in etwa und es existieren jedoch genug Forschungspapiere die sie am Ende dieses Kurses auch lesen und verstehen werden können das heißt wenn sie sich für bestimmte Effekte interessieren können sie sich auf die Literatur Datenbanken für Research Paper gehen oder das einfach in Google eingeben und sie werden dazu ansprechende Quellen finden die das im Detail egal ob mathematisch oder empirisch aufarbeiten wir fangen jetzt an mit den stylisierten Fakten und zwar mit einem stylisierten Fakt den sie schon selbst in Python Code umgesetzt haben und den sie schon selbst gesehen haben und zwar die dynamische Volatilität oder auch Volatilitätsdynamik die Annahme in den klassischen Modellen die wir auch schon im Regressionsmodell getroffen haben ist Homoscedastie das heißt die Volatilität möge doch bitte konstant sein über alle Zeitpunkte und das ist eine Annahme die sehr bequem ist weil das Konfidenzintervall der Stichprobenstandardabweichungen und der abhängigen Varianzen der Zeitreinrenditen die diese Volatilität eben implizieren nur möglich sind wenn die Volatilität konstant ist ansonsten funktioniert das nämlich nicht mehr so wie wir das gerne hätten beziehungsweise so wie das diese klassischen Annahmen gerne hätten damit die Modelle funktionieren aber ich zitiere hier jetzt einfach mal unerwartete Ereignisse wie Schocks oder Zusammenbrüche beeinflussendige Renditen das natürlich eine Krise sowie die Finanzmann Krise 2008 oder eben die Covid Hysterie und die Covid Panik und die Covid Krise die Renditen von Unternehmen nicht unbedingt positiv beeinflussen ich denke das ist eben klar dass wenn sie jetzt ein Restaurant betreiben oder nehmen wir eine Restaurantkette die Börsen gelistet ist und sie ihre Restaurants schließen müssen das natürlich dann so ein Schock wirkt, muss ich ihnen denke ich nicht nochmal erklären das bedeutet auch und das impliziert auch dass die zugrunde liegende Volatilität nicht konstant ist das haben wir an unserer Tesla Wola Zeitreihe gesehen wenn sie sich erinnern im letzten Kapitel haben wir das Grafisch dargestellt und wenn wir uns jetzt an der Corona Krise ein bisschen aufhängen das ging fast 90 Grad nach oben und das hat nichts mehr mit konstant zu tun und das hat auch nichts mehr mit linear zu tun und unabhängig ist das auch nicht mehr wir sehen einfach die Volatilität ist dynamisch, das heißt sie verändert sich über die Zeit hinweg nun ist es möglich dem Beweis spare ich ihnen das müssen sie mir jetzt einfach mal glauben die Volatilität kann multiplikativ in unabhängige und abhängige Teile zerlegt werden das heißt wir zerlegen die Volatilität in den unabhängigen Teil und obachten die dann separat und wir stellen dann fest dass nur die unabhängigen Teile sich in der Zeit verändern das bedeutet die unabhängigen Teile dieser Volatilität die ist dann bekannt als die Dynamik der Zeitreihe oder die Volatilitätsdynamik über die wir hier sprechen diese Dynamik wird in Modellen meist als linear angenommen da hier durch die Dynamik mittels Impulsfunktion beschreibbar wird in diesen klassischen Modellen ist es schon so dass eine Impulsreaktionsfunktion mit eingebaut ist was neue Informationen verarbeiten kann jedoch wird meist angenommen dass diese Veränderung der unabhängigen Volatilitätsteile eben linear stattfinden damit man es eben einfacher modellieren kann und auch deterministisch gestalten kann wenn wir gerade beim Punkt Linearität sind wir fahren bei den stylisierten Fakten vielleicht mal über Nicht-Linearität weil es ist nämlich so wenn man über Assetklassen wie Aktien und Rohstoffe zeitlich aggregiert und dann auch noch das Verhalten und die unterschiedlichen Anlage-Horizonte der Marktteilnehmer mit ein Bezieht die im Übrigen nicht unbedingt rational sind ich denke da ist die Covid-19-Krise an den Börsen gerade das beste Beispiel sie glauben ja wohl nicht im Ernst dass ein Investor nicht rollen Klopapier zu kaufen unbedingt rational an den Börsen agiert und das natürlich dann nicht die Profi-Investoren sondern die normalen Leute die an den Börsen aktiv sind nicht rational sind ich glaube darüber sind wir uns einig da werden wir hier auch gar nicht darüber sprechen das werde ich hier einfach so im Raum stehen lassen sollte es die tatsächlich interessieren wie die Psychologie der Märkte funktioniert was irrationale Marktteilnehmer dann bedeutet bedeuten dann können sie sich das Feld des Behavioral Finance anschauen die untersuchen nämlich mit Neurofinance und mit psychologischen Konzepten wie denn solche Herdentriebe an den Börsen funktionieren und wie denn die Menschen die an den Börsen handeln denken für unseren Teil ist es einfach so über diese Assetklassen agregiert man über die Zeithorizonte die sowieso verschieden sind stellt man halt fest dass die Zeitreihe Dynamik nicht mehr linear ist das heißt ich habe das jetzt hier mal ganzer Lob runter gebrochen Schritt 1 wir akzeptieren okay die Volatilität ändert sich über die Zeit das heißt wir haben eine Volatilitätsdynamik hacken dran im zweiten Schritt sagen wir okay, wir akzeptieren jetzt dass die Volatilität halt eben nicht mehr konstant ist modelieren wir es linear weil das ist das Bequemste zu modellieren und im dritten Schritt stellen wir jetzt fest okay, diese Dynamik diese Volatilitätsdynamik ist nicht linear wir können die nicht mit linearitäten abbilden zum Thema abbilden, wie können wir die denn überhaupt abbilden um diese nicht lineare Dynamik zu bestimmen kann man die Zeitreihe in eine gausche Ebene transformieren und somit die nicht linearen Abhängigkeiten der Zufallsvariablen darstellen wie man hier Transformation vornehmen kann, wie man Abbildungen machen kann und wie man Räume in andere Räume überführen kann, das haben wir im ersten Kapitel schon gelernt es ist auf jeden Fall möglich diese nicht lineare Dynamik darzustellen und zudem ist es möglich multivariate Dynamiken das bedeutet, dass es nicht nur eine Dynamik gibt sondern verschiedene gleichzeitig dass die Dynamiken des ersten und zweiten abhängigen Moments also der Mittelwert und der Standardabweichung dass man die aufzeigen kann das bedeutet, dass ein Mittelwert und eine Volatilität oder eine Standardabweichung andere Änderungen über die Zeit haben und nicht identisch sind um das mal zusammenzufassen das bedeutet nicht nur, dass sich die Volatilität über die Zeit ändert sondern dass die Momente einer Zeitreihe sich unterschiedlich ändern und wir auch eine nicht lineare multivariate Dynamik auf den Finanzmärkten beobachten können zudem ist es so, dass die Volatilitätsdynamik noch über die Nettigkeit gegenüber Investoren verfügt, drastisch mit schlechten Nachrichten zu steigen und bei guten Nachrichten wieder zurückzugehen das bedeutet, wenn die Nachrichten nicht positiv sind nehmen wir jetzt ich meine es ist gerade das Steckenpferd tut mir sehr leid für die Monakrise, das ist keine gute Nachricht, wenn die Investoren hören, dass das Unternehmen, an dem sie Anteile haben leider die Pforten schließen muss und nicht mehr aufmachen darf für Monate, dann ist das keine gute Nachricht und da steigt natürlich dann auch die Volatilität und die Volatilitätsdynamik nimmt zu, das bedeutet, wenn wir schlechte Marktlagen haben, wenn wir schlechte Nachrichten haben dann haben wir auch mehr Volatilität das ist für den Investor nicht unbedingt förderlich und wenn man nun die Innovation der Zeitreienprozesse zerlegt Innovation bedeuten die neu hinzukommenden Informationen was das bedeutet, lernen wir noch im Kapitel stochastische Prozesse machen sie sich da keine Sorgen die mathematischen Grundlagen für Innovationszerlegungen kommt noch also wenn man nun die Innovation der Zeitreienprozesse zerlegt kann man feststellen, ob je nachdem ob eine positive oder negative Nachricht eingetroffen ist kann man sagen das sind unabhängige Entwicklungen was bedeutet das dann das bedeutet das negative Volatilität also Volatilität die aufgrund von negativen Nachrichten entstanden ist ein anderer Prozess ist oder eine andere Dynamik hat wie eben eine Volatilität die aufgrund von positiven Nachrichten entstanden ist das bedeutet positive Volatilität verhält sich anders als negative Volatilität und wir können das als 2 unterschiedliche Prozesse wahrnehmen das heißt negative Volatilität verhält sich anders als positiver und das ist wenn man wieder zurück auf die stilisierten Fakten kommt, nennt man das Asymetrie nachdem das Verhalten von positive und negativ nicht symmetrisch also nicht gleich ist die aufwärtsgerichtete Volatilität ist hier in dem Fall unsere positive Volatilität die aufgrund von positiven Nachrichten entsteht die aufwärtsgerichtete Volatilität ist vor Natur aus abhängig von ihrer eigenen historischen Entwicklung und Hochpersistent das heißt positive Volatilität hält länger an das bedeutet Persistenz und ist abhängig von ihrer historischen Entwicklung das heißt Autokorrelation beeinflusst die Zukunft Vergangenheit beeinflusst Zukunft ist auch ein Widerspruch zur Unabhängigkeit weil gestern nicht unabhängig von heute ist und wir sehen erstens mal positive Volatilität abhängig von sich selbst im Zeitablauf und auch noch hartnäckig und hochpersistent der Persistenteteil der negativ gerichteten Volatilität das ist die Volatilität die aufgrund von schlechten Nachrichten entsteht besitzt im Vergleich zur positiven Volatilität noch eine hochfrequente Mean Reverting Komponente Mean Reverting ist quasi der Wechsel eines Wertes um seinen Mittelwert und Hochfrequent bedeutet hier dass wir noch eine Komponente in dieser Volatilitätsdynamik haben die ganz schnelle um eingegebene Mittelwert schwankt das bedeutet dass diese Komponente auch noch abnehmende Muster hat das bedeutet mit der Zeit schwächt die sich ab und naja, wir haben ja gesagt schlechte Volatilität ist nicht gut weil sie länger anhält und noch zunimmt und jetzt haben wir auch noch gelernt wenn wir die zerlegen und betrachten haben wir noch hochfrequente Schwankungskomponenten drin die zeitlich abnehmen und damit ist die negative Volatilität sehr schlecht vorhersagbar was bedeutet das denn jetzt also wir nehmen jetzt mal die stylisierten Fakten der Asymetrien und der Nichtliniatät und betrachten deren Folgen was bedeutet es denn für uns wenn wir Finanzzeit rein analysieren und diese Effekte eben auftreten wir haben gerade gelernt dass in der Volatilitätsdynamik wir nicht eine Dynamik haben sondern eigentlich zwei separate Prozesse und zwar die Volatilitätsdynamik wenn der Markt mit positiven Nachrichten geflutet wird und ich sage jetzt mal ein bisschen ketzerisch die böse negative Volatilität wenn die Nachrichten nicht ganz so gut ausfallen wie wir das gerne hätten was bedeutet das denn nachdem diese beiden Teile unabhängig und unterschiedlich voneinander verlaufen haben wir natürlich keine Homosgedastizität mehr das können wir natürlich vergessen wir haben hier Heterosgedastizität das bedeutet die Volatilität ist nicht konstant über die Zeit sonst hätten wir solche Probleme nicht wir haben Linksschiefe und eine naja wie zu erwartende Abweichung von der Normalitätsannahme die wir bisher den Renditen unterstellt haben wenn wir natürlich solche Asymmetrien und nicht linearitäten haben dann haben wir auch keine Normalverteilungsannahme und da sind wir schon wieder bei einem Punkt der den klassischen Finanztheorien und den Fundamentalisten etwas sauer aufstößt weil Normalität da eben eine Grundvoraussetzung ist aber hier ist eben nichts normal auf den Finanzmärkten diese Asymmetrien und zeugen zudem Persistenz welche auch über die Zeit nicht konstant sein können das heißt noch nicht mal die Persistenz ist konstant weil die Persistenzen höher sind wenn die Volatilität geringer ist und weiß besser und wenn das der Fall ist dann ist dies demzufolge eine Diets dafür dass eben auch nicht linearität vorhanden ist wenn Asymmetrien vorhanden sind das heißt wir lernen hier anhand der ersten paar Effekte dass diese auch miteinander verwoben sind und sich gegenseitig bedingen und voneinander abhängen können wir machen jetzt mal weiter mit den stylisierten Fakten und zwar wir lernen die Volatilitätsdynamik ist nicht linear und die Volatilitätsdynamik induziere dass sich eben eine Änderung über die Zeit einstellt und das bedeutet dass die nicht lineare Volatilitätsdynamik schlagartigen Änderungen unterliegen kann welche sich in den Modellparametern eben auswirken das bedeutet in einfachen Worten gesprochen erinnern Sie sich zurück an unsere Tesla Volatilitätszeitreihe das halt mit einem Hammerschlag PENG, wir haben weltweises Virus wir haben Finanzkrise wir haben hier Limenpleite PENG PENG BUM nenne ich das jetzt mal ganz blöd gesprochen zack und wir haben Krise und wir haben schlagartige Veränderungen was zu viel mehr Volatilität führt die Dynamiken verändert und wir sowieso nicht linearen Bereichen unterwegs sind und wenn wir natürlich Modelle bauen die das nicht abbilden können merken wir das in den Modellparametern natürlich in dem unsere Modelle nicht mit das tun was sie eigentlich sollen oder wenn wir Modelle haben die nicht lineare Volatilitätsdynamiken abbilden können dann verändern die sich natürlich diese rapide Änderungen von den Modellparametern die haben den Namen und die nennen sich Strukturbrüche woran kann ich diese Strukturbrüche denn nun erkennen in der Regel ist es so Krisen oder Schockinduktion führt zu einer dauerhaften Erhöhung des konstanten Teils der abhängigen Varianz und dieser Teil kann gemessen werden darin können wir mittels sogenannter Strukturbruch-Tests feststellen ob eben solch einer Stadt gefunden hat und zudem ist es so, dass Marktbewegungen die solche Strukturbruch intuzierenden Marktnachrichten folgen meist zu unechten oder falschen Korrelationsdynamiken führen ja gut was heißt das Herz wir haben Marktbewegungen die werden ausgelöst eben durch solche Strukturbruch intuzierenden Marktnachrichten, wenn die Marktnachrichten sehr sehr schlecht sind und die Bewegung die daraufhin folgt so stark ist, dass ein Strukturbruch stattfindet das führt meistens dazu, dass die Korrelationsdynamik falsch oder spurious ist und zu verfälschten Ergebnissen führt das bedeutet auch, wir haben gerade festgestellt, dass die ersten zwei Momente nicht konstant sind dass wir Dynamiken in der Volatilität haben wir stellen aber auch fest dass die Korrelationen zwischen Assets zueinander über die Zeit sich verändern kann und diese Korrelationsdynamik wird durch Strukturbrüche beeinflusst und wenn wir das messen, kriegen wir verfälschte oder unechte Ergebnisse zudem ist es so dass Persistenzen können bei der Modellierung Strukturbrüchen allerdings wieder reduziert werden das heißt, wir haben ein Modell was uns sehr hohe Persistenzen ausgibt und wenn wir Strukturbrüche berücksichtigen, können wir die wieder reduzieren es ist einfach so in der Modellierung dass eben nicht respektierte Strukturbrüche sich in den Persistenzen niederschlagen können wir haben es vorher schon mal angesprochen dass im Falle von negativen Marktentwicklungen Wollatilität nicht nur geholft auftritt, sondern auch länger bleibt die zuvor genannten groß genugen Marktbewegungen die eben auch Strukturbrüche verursachen können, diese Marktbewegungen haben zudem die neue Nettigkeit für Investoren nämlich das gesammelte Auftreten zur selben Zeit das ist frei nach dem Motto das ist aus dem Herr der Ringe Film zitiert, schlechte Kunde ist ein schlechter Gast das heißt wenn wir schlechte Marktnachrichten bekommen dann bekommen wir viele davon und wir sind nicht unbedingt begeistert die zu haben und dieses gesammelte Auftreten von erhöhter Wollatilität von Persistenzen und von schlechten Nachrichten nennt man auch Wollatilitätsklaster Klaster in der Wollatilität führen dazu dass hohe Wollatilitäten hochbleiben so lange der Markt unter Stress steht und weiß besser dass wenn wir normale Marktzeiten haben, das heißt wenn wir keine schlechten Nachrichten haben sondern Business as Usual ist die Wollatilität eben geringer und sie bleibt auch geringer wir können auch mal ein bisschen salopp sagen dass die Wollatilität träge ist wenn man ein bisschen an Newton denkt es ist einfach nur mal so hoch ist und gerade eine schlechte Nachricht die nächste treibt die Wollatilität oben bleibt und es sehr unruhig an den Märkten ist bis sich das Ganze eben wieder beruhigt hat und das nennt man Wollatilitätsklaster betrachten wir nun den nächsten stylisierten Fakt nämlich das sogenannte Langzeitgedächtnis wo sich auch die Geister daran scheiden wir betrachten hierzu nochmal die nicht konstante unabhängige Varianz einer Finanzzeitreihe und diese Varianz kann aufgrund deterministischer Verschiebungen sogenannte Langzeitgedächtnis-Effekte aufweisen diese deterministischen Verschiebungen nennt man eigentlich auch Schifts und dieses Langzeitgedächtnis diese Langzeitgedächtnis-Effekte sind auch als Long-Memory oder Long-Range-Dependence bekannt und Langzeitgedächtnis ist für Zeitreiben beobachtbar deren Autokorrelationsfunktionen signifikant von null verschieden sind selbst wenn die Lex sehr groß sind das heißt wenn wir sehr weit in die Vergangenheit zurückgehen während im Gegensatz Wollatilitäts-Schocks langsam abnehmen um gegen null laufen das bedeutet jetzt erst einmal dass Schocks einen lang anhaltenden Einfluss auf die Wollatilität haben das kann man sehen wenn man die spektraldichte Zerlegungen in den Frequenzen sich anschaut da können wir im Kapitel Signaltheorie ein bisschen damit spielen und darauf zurückkommen aber das Key-Take-Aware hier ist erst einmal dass deterministische Verschiebungen und Schocks lang anhaltende Einflüsse auf Wollatilitäten haben und was bedeutet das denn jetzt also wir sprechen wenn wir in der Finanz- und Risikomodellierung sind von einem datengenerierenden Prozess dieser Prozess ist ein Gedankenkonstrukt wo wir unterstellen das ist der Prozess der wahre Prozess der diese Finanzmarktreihe eben erzeugen kann und folge dieser datengenerierende Prozess einem echten Langzeitgedächtnisprozess haben die Schocks lang anhaltende Einflüsse auf die Zeitreihe das bedeutet in kurzen Worten haben wir Langzeitgedächtnis in unseren Zeitreihen vorliegen haben Schocks die auf diese Zeitreihen einwirken die auf unsere Finanzinstrumente wirken lang anhaltende Einflüsse das bedeutet nochmals ganz kurz gesagt dass Schocks lang anhaltende Effekte haben und dass gestern schlecht nicht unbedingt morgen gleich Sonnenschein heißt sondern wenn gestern schlecht war ist halt morgen auch schlecht wenn wir jedoch im Gegensatz ein Kurzzeitgedächtnisprozess im GDP haben so nimmt die Auto-Korrelationsfunktion exponentiell ab während die Schockeffekte langsam gegen 0 laufen das klingt jetzt für sie wahrscheinlich noch relativ kryptisch warum sage ich das hier schon mal wenn wir später in den stochastischen Prozessen auf Volatilitätsmodelle kommen insbesondere auf die GARGE und ARGE-Modelle werden wir feststellen dass die eine exponentielle Decayrate haben und Kurzzeitgedächtnis implizieren wenn wir das aber dann anwenden auf eine Zeitreihe eines Finanzinstrumentes welches ein Langzeitgedächtnis besitzt haben wir Ergebnisse die uns nicht unbedingt gefallen werden wir werden das noch sehen wenn wir mit klassischen Volatilitätsmodellen arbeiten weil die wie es hier eben auch steht nicht mit Langzeitgedächtnis arbeiten was können wir noch mit Langzeitgedächtnis anfangen, wir können zu dem Effekte wie zum Beispiel die VolatilitiesMiles bei Optionen erklären ich habe ihnen hier mal VolatilitiesMiles abgetragen das heißt, dass die Volatilität die weiter die Option aus dem Geld ist zunimmt und wenn sie sich die gelbe Linie hier ansehen sieht das eben aus wie ein Lächeln deswegen auch der Begriff VolasMiles oder VolatilitiesMiles Volatilities Lächeln zu Deutsch diese Effekte können mit diesen Langzeitgedächtnis Effekten erklärt werden nehmen wir mal an, sie haben eine Option die ganz weit aus dem Geld ist natürlich der Schock ist sehr groß und er hält auch sehr lange an und wird immer stärker je weiter sie ins negative gehen und je weiter sie eben davon sich entfernen das sehen sie hier schön, das ist ein Blumenbergauszug wo sie das mal geplottet bekommen haben so, wir machen mal kurz nochmal ein Recap, stylisierte Fakten effiziente Märkte wohl kaum wichtig ist hier die Erkenntnis dass Langzeitgedächtnis Effekte stets mit Nicht-Liniarität koexistieren und einhergehen das heißt, wenn sie ein Langzeitgedächtnis Effekt in einer Zeitreihe feststellen können sie sich von der Linearität in der Regel schon mal verabschieden das heißt, wenn sie Long-Memory-Effekte in ihren Daten nachweisen können und die da sehen dann haben sie stets auch Nicht-Liniaritäten damit drin und das bedeutet auch, dass die Vorhersagen auf Basis der eigenen Vergangenheit von Finanzzeitreihen grundsätzlich im Bereich des Möglichen liegen das heißt, diese Zeitreihen sind von ihrer Vergangenheit abhängig haben ein Gedächtnis und sie Nicht-Liniar und wir können sie vorhersagen auf Basis der Vergangenheit das ist natürlich jetzt ein kompletter Widerspruch zur Effizienzmarkthypothese das ist ein kompletter Widerspruch zu allen klassischen Annahmen die sie hier so bisher gehört haben also Normalität haben wir nicht Unabhängigkeit haben wir auch nicht Konstanz über die Zeit Fehlanzeiger und dabei sind wir mit den bisher beobachteten Effekten auf den Finanzmerk noch überhaupt nicht durch also sie sehen hier einen kompletten Widerspruch zur Effizienzmarkthypothese und das ist eigentlich was was an den Universitäten und an den Hochschulen in klassischen Finanzkursen stets gepredigt wird die merkt es effizient nicht es gibt keine effizienten Märkte die Effizienzmarkthypothese ist ungültig das können sie vergessen ja und wir werden hier jetzt gerade nochmal weiter darauf eingehen indem wir uns dem nächsten stilisierten Fakt zu wenden und zwar dem Regime und den Regimewechsel der Regimewechsel strukturelle Verschiebungen und Strukturänderungen können leicht mit derdurch die Persistenz Funktion ausgelösten Langzeitgedächtnisseffekten verwechselt werden es ist sehr leicht möglich ein Langzeitgedächtnis mit einem Regimewechsel durcheinander zu bringen und es ist grundsätzlich so dass Strukturbrüche mit Regimewechsel einhergehen und die statistischen Eigenschaften der Volatilität beeinflussen wir sollten vielleicht damit mal anfangen zu erklären was ist denn eigentlich ein Regime ist die zeitliche Dimensionierung der Persistenz einer Veränderung das heißt wir nehmen die Persistenz einer Veränderung und schauen wie lange dauert die denn an und geben dem Ding einen Namen und wir nennen das Regime jetzt ist noch die Frage was ist denn eine Veränderung eine Veränderung ist hierbei beispielsweise ein Schock makronomisches Verhalten was sich verändert Wirtschaftszyklen oder geänderte politische politische Entscheidungen starten die andere Entscheidungen treffen eine Zentralbank die ihre Vergabelpolitik verändert kann da zu beitragen und die Persistenz einer Veränderung das heißt die Dauer und der Einfluss den so eine Veränderung eben hat zeitlich gemessen nennt sich Regime ich wiederhole das nochmal ein Regime ist die zeitliche Dimensionierung der Persistenz einer Veränderung und eine Veränderung ist ein Schock oder Veränderung in den agroökonomischen politischen Entscheidungen so es gibt nicht nur das Regime Regime treten in unterschiedlichen Ausprägungen auf wir haben zum Beispiel rekurrente Regime das ist zum Beispiel bei Krisen oder ökonomischen Einbrüchen der Satz die Geschichte wiederholt sich selbst kommt nicht von irgendwo her wir sehen wenn wir uns die Regime von Krisen und ökonomischen Einbrüchen anschauen dass die sehr ähnlich sind das heißt wir sehen hier eine Rekorrenz der Regime wir haben ein einmaliges Regime bei Strukturbrüchen zum Beispiel und wir haben persistente Regime zum Beispiel bei Schocks über mehrere Perioden hier gibt es noch ein Spezialfall der nennt sich Sprung oder auf Englisch Jump Jumps sind Regime die nach einer Periode wieder verlassen werden das heißt die sind Rekorrenzeite und werden hier separat betrachtet und können auch separat modelliert werden ich habe hier jetzt mal aus einem der Research Paper die ich bearbeitet habe ein Auszug genommen Sie können sich gerne das ganze Paper zu Gemüte führen wenn sie möchten wo sie im oberen Bild eben diese Level Shifts um die Volatilität sehen die blaue Linie ist hier die Volatilität des S&P 500 Index während die rote Linie hier die Fitted Level Shifts darstellen das heißt hier die Sprünge und Regime und Sie sehen hier zum Beispiel dass wir Anfang der 50er Jahre einen Sprung haben durch einen Strukturbruch ausgelöst einen kurzen Jump haben und dann eben eine längere Periode in einem Regime verbringen und so können Sie das Grafisch darstellen in der unteren Figur ist nochmal die Autokorrelation der Residuen dargestellt und Sie sehen hier dass wir relativ wenig Autokorrelation hier vorliegen haben machen wir weiter mit den Regimen es ist natürlich so je länger die Beobachtungsperiode ist die Sie betrachten, das so wahrscheinlicher ist dass die Regimewechsel oder Verschiebungen im zweiten unabhängiger Rendite im Moment wahrnehmen können das heißt Verschiebungen in der Varianz und Regimewechsel werden wahrscheinlich ja je längere Periode Sie betrachten das macht natürlich auch Sinn dass wenn man die Jahre der Betrachtung verlängert dass natürlich in diesen Jahren politische Entscheidungen oder andere ökonomische Einbrüche stattfinden können kontrollieren wir diese Regimewechsel ist aber eine Unterscheidung zu den Langzeitgedächtnisseffekten möglich das heißt wenn wir Regimewechsel kontrollieren und modellieren können wir sehr wohl von den Langzeitgedächtnisseffekten unterscheiden wenn wir das nicht modellieren ist so eine Unterscheidung natürlich relativ schwierig weil in der Modellierung die Effekte sehr ähnlich sind inkludiert man jetzt auch noch zu den Regimen Informationsmaß in die jeweiligen Regimewechselkoeffizienten der entsprechenden Modelle sogenannte kointegrierte weiche Übergänge zu Englisch nennt sich das Cointegrated Smooth Transitions wenn man das mit berücksichtigt kann man Shox Marktverzerrungen und nicht Linearitäten ebenfalls darstellen ich breche das nochmal ein bisschen runter wenn wir jetzt noch Informationsmaße in diese Regimewechselkoeffizienten mit einbauen oder mitmodellieren indem wir kointegrierte weiche Übergänge zulassen können wir Shox Marktverzerrungen und nicht Linearitäten zu diesen Regimewechseln darstellen und das ist schon mal, ich sage mal nicht verkehrt wenn wir jetzt natürlich weitermachen mit unseren stylisierten Fakten kommen wir auch zu Ansteckungen und Überlaufseffekten und bisher sind wir, wenn wir von Effekten gesprochen haben nur von einer Finanzzeitreihe ausgegangen oder höchstens von einem Finanzmarkt wir unterwegs gewesen sind aber wie wir ja ganz am Anfang gesehen haben besteht das Finanzsystem ja nicht nur aus einem einzigen Markt mit einem einzigen Finanzinstrument sondern es gibt ja mehrere davon es gibt ja nicht nur ein Finanzinstrument auf einem Markt, sondern viele Finanzinstrumente auf vielen Märkten und das heißt für uns natürlich jetzt, dass wir uns einfach mehreren Märkten simultan zuwenden und wir sprechen hier über Überlaufseffekte, das nennt sich zu Englisch Contagion und Überlaufseffekte, sogenannte Spillover, zwischen diesen verschiedenen Märkten, darüber sprechen wir jetzt mal als nächstes finanzielle Notlagen oder Schocks sind in der Regel ja nicht an einen einzigen Markt gebunden sondern tendieren dazu sich durch das gesamte Finanzsystem und das Finanzsystem definiere ich jetzt hier als Agrar diverser Finanzmärkte auszubreiten ich reite wieder auf meinem Lieblingsthema rum, ich denke das haben Profisoren und Dozenten nach der Finanzkrise genauso gemacht, wir können hier aber auch genauso die Finanzkrise nehmen aber die Covid19-Krise bietet sich hier natürlich sehr gut an ich kann Ihnen jetzt natürlich Bilder von 20 verschiedenen Finanzmärkten zeigen und die werden alle dasselbe zeichnen, nämlich einen massiven Einbruch nach unten das heißt, finanzielle Notlagen und Schocks oder Wirtschaftskrisen ziehen sich nicht nur auf einem einzigen Markt sondern die ziehen sich durch wir sehen das ja auch wenn wir sagen, wir haben eine weltweite Rezension und die Politik und die Medien mal wieder Panik schieben, es ist ja nicht nur so dass die Autoindustrie zum Weinen anfängt, sondern eben der ganze Planet und so funktioniert es bei Märkten halt auch, weil wenn ein Markt ein finanzielle Notlage gerät und Schocks unterliegt dass sich in der Regel auf andere Märkte auch auswirkt und daher lasst sich die Vermutung anstellen dass Märkte in irgendeiner Art und Weise miteinander verbunden sind hier reden wir meist von integrierten Märkten versus nicht integrierten Märkten und Integration ist hier im Sinne des Extremes von Interdependenz zu verstehen das heißt, die Verbundenheit von Märkten also zwischen Märkten können Transitionseffekte entstehen die entsprechende Kanäle überführt werden wir sagen hier einfach, Märkte sind hier verbunden oder nicht verbunden und Integration ist quasi ein Extrem dieser Verbundenheit dieser Interdependenz und zwischen diesen zwei Märkten gibt es eben Überführungseffekte Transitionseffekte die durch entsprechende Kanäle überliefert werden Sie können sich zwei Töpfe mit Wasser vorstellen welche durch ein Rohr verbunden sind und jetzt üben Sie Druck auf den einen was passiert mit dem anderen das Wasser wird steigen und bei Finanzmärkten ist es genauso wenn Sie das stille Wasser des einen Sees stören, stören Sie das das Zweite genauso sofern die miteinander verbunden sind und Märkte sind verbunden indem Sie Transitionen über Kanäle haben die eben bei einer Interdependenz oder bei einer Integration auftreten können und dieses besonders kritisch im Hinblick auf die Verknüpfung dieser Märkte das nennt sich zu Englisch Market Linkages wenn nun im Nachgang einer Krise oder im Nachgang eines Shocks kein Anstieg der Koalition zwischen zwei verbundenen Finanzmärkten zu beobachten ist nennen wir dies in der Regel integriert oder unabhängig um diese Effekte zu differenzieren die wir gerade genannt haben Ansteckung und Überlauf betrachten wir jetzt hier die Diffusionsgeschwindigkeit des entsprechenden Shocks durch die Finanzmärkte Puh, was heißt das denn jetzt wir gehen mal ein bisschen vom Gas runter und machen mal ganz langsam wenn wir einen Schock haben, stellen wir fest der wirkt sich auch auf die Koalition aus nicht nur zwischen Finanzinstrumenten selbst sondern auch zwischen Märkten und wenn wir aber jetzt hier eine Krise vorliegen haben oder einen Schock erleben und die Koalition zwischen diesen Märkten einfach nicht mehr ansteigt oder sich nicht verändert um diesen Finanzmarkt integriert oder eben unabhängig und wir haben ja diese zwei Effekte die Ansteckung und den Überlauf und wir müssen sie irgendwie auseinanderhalten und wir wollen die auch irgendwie messen und das können wir tun indem wir die Diffusionsgeschwindigkeit des Shocks durch diese Märkte betrachten also wie schnell breitet sich ein Schock durch diese Märkte aus und wir unterscheiden hier natürlich zwischen integrierten und nicht integrierten Märkten sind Märkte hier also integriert beschleunigt sich die Transmission des Schokseffekts während die Integration selbst aber nicht der Ursprung dieses Schockes das heißt der Schock ist exogen der kommt von irgendwo her Virus, Terroranschlag suchen sie sich was Schönes aus und dieser Schock beschleunigt eben diese Diffusion durch die Märkte man sagt ja auch Transmissionsgeschwindigkeit des Schokseffektes und diese Geschwindigkeit verändert sich und die Integration der Märkte ist hier aber nicht Ursprung des Schockes der Ursprung des Schockes ist irgendein exogenes Ereignis wie ich es gerade schon gesagt habe nehmen sie in den Terrorangriffen Virus oder irgendeine Bankenpleite da gibt es ja genug wir kommen jetzt nun dazu diese Ansteckungs- und Überlaufseffekte voneinander zu unterscheiden und zwar ist die Vorabpflanzung aktive sprechen wir von Überlaufseffekten also sogenannten Spillovers und konträr wenn keine vorherige Interdependenz zwischen den Märkten existiert hat vor dem Schock sprechen wir von Ansteckungseffekten sogenannten Contagion Ansteckungseffekte also Contagion stellen eine rapide Änderung der Intermarkzynchronisation da welche durch veränderte fundamentale makroökonomische Variablen in Kombination mit erhöhten Gleichbewegungen nach einem Schock ausgelöst werden pum versteht man wenn man Volkswirt ist und das ganze jahrzehntelang gelernt hat nein so schlimm ist es nicht wir gehen noch mal ein bisschen näher auf das Contagion ein das heißt wir haben eine sehr schnelle Änderung der Intermarkzynchronisation das bedeutet diese Märkte synchronisieren sich relativ schnell und diese Veränderung ist feststellbar und ist ausgelöst durch fundamentale Änderungen in makroökonomischen Variablen das bedeutet dass die Banken anders reguliert werden dass die Zentralbanken Entscheidungen treffen dass Staatssysteme andere Gesetze erlassen nachdem ein Schock ausgelöst wurde und das lässt sich eben als Ansteckungseffekt auf verschiedenen Märkten feststellen die Ansteckung kann mittels Rendite-Korrelationen gemessen werden und diese jedoch meist von abhängiger Heteros-Gedastizität beeinflusst das heißt wenn man hier diese Ansteckungseffekte mittels Rendite-Korrelationen messen möchte sollte man die abhängige Heteros-Gedastizität mit einmodellieren um eben diesen Effekt ordentlich darzustellen um nun die Effekte der Ansteckung auszusammen zu fassen sehen wir einen Anstieg in der Verbindung von zeitlich korrelierten Volatilitäten auf verschiedenen Märkten dies induziert einen Strukturbruch in Intermarkt-Transmissionen als Zeichen für die Ansteckung also für unsere Condition während Effekte der abhängigen Volatilität auf Überläufe also sogenanntes Buildover zurückzuführen sind das war jetzt schon relativ viel wir kommen jetzt auch zu einem der letzten Punkte was die Stilisierten Fakten angeht nämlich die Multifractalität bevor wir uns aber diesem etwas komplexeren Fakt widmen fassen wir mal zusammen was haben wir denn bisher gelernt das ist ja das worauf ich sehr viel wert lege dass ich ihnen nicht nur diese Theorien um die Ohren hemmere dass ich sie nicht nur mit Effekten und Formeln und Code bombardiere sondern dass sie tatsächlich verstehen worum es hier geht und was wir hier tatsächlich lernen wie hier es gibt viele Effekte die sich auf Finanzinstrumente auswirken und demnach auch auf die Finanzzeit rein auf die Finanzzeitdaten die wir analysieren möchten und wir merken dass diese Effekte auch zwischen verschiedenen Märkten auftreten können dazu kommt also zu dieser Varietät an Effekten auf verschiedenen Märkten die wir gerade kennengelernt haben dass Menschen nicht rational handeln und unterschiedliche Anlagehorizonte haben dass Menschen rational sind ist eine Grundannahme dieser klassischen neoklassischen Finanzmarktheorie und Grundlage der Effizienzmarktypothese und ist natürlich nicht unbedingt realistisch um es mal nett auszudrücken und der neue Punkt den wir hier beachten müssen dass es unterschiedliche Anlagehorizonte gibt darauf bin ich bisher noch gar nicht so tief eingegangen es ist natürlich ein Unterschied ob ich eine Pensionskasse bin die die Rentengelder meiner Mitarbeiter über Jahrzehnte hinweg anlegen muss oder ob ich ein Flashboy bin der im Nanosekundentag Geld hin und her schiebt indem er irgendwie ein Computeralgorithmen startet oder ob ich einfach nur ein Einzelkämpfer Daytrader bin oder einem normalen Hedgefundsitze und mittelfristig handeln muss also diese ganzen Sachen dieser nicht rationalen Menschen die unterschiedliche Anlagehorizonte haben führen zu so genanter Marktheterogenität das bedeutet nicht rationale Menschen auf unterschiedlichen Zeitebenen gemischt mit diesen ganzen Effekten ist schon eine ganz bunte Mischung handeln nun diese Menschen auf unterschiedlichen Zeitebenen auch noch unterschiedlich ist es natürlich auch nicht positiv normalerweise könnte man davon ausgehen dass die Menschen die kurzfristig handeln in etwa dasselbe tun wie die Menschen die langfristig handeln das ist aber meist nicht so und meist in Krisenzeiten schon gar nicht also fassen wir das mal zusammen handeln nun diese irrationalen Menschen auf unterschiedlichen Zeitebenen auch noch unterschiedlich und wir mischen dann auch noch diese ganzen Effekte dazu ist das eine ganz explosive Mischung die sich sicher nicht positiv auswirkt das ist auch die Grundlage der sogenannten fractalen Marktyprothese auf die ich jetzt nicht genauer eingehen werde aber das ist effektiv die Gegenhypothese zur Effizienzmarktypothese welche Annahmen trifft mit denen man tatsächlich noch arbeiten kann bevor wir uns jetzt mit Multifragtalität beschäftigen stellen wir uns doch erst einmal nochmals alle bisher genannten Effekte auf unterschiedlichen Märkten gleichzeitig vor ich gebe Ihnen mal 3 Sekunden 3, 2, 1 gut das kann sich jetzt natürlich jeder vorstellen alle Effekte die ich Ihnen bisher erzählt habe auf unterschiedlichen Märkten gleichzeitig und die ganze Vorlesung läuft ja unter geistiger Flexibilität das können wir hier jetzt gleich mal testen weil jetzt kommt der Punkt so und jetzt stellen wir uns weiter vor dass all diese Effekte auf unterschiedlichen Zeitebenen zum Teil gleichzeitig auftreten da hier diese Effekte eben simultan auftreten auf unterschiedlichen Märkten zu verschiedenen Zeitebenen gleichzeitig können wir hier auch schon mal von Selbstehnlichkeit sprechen die genaue Erläuterung von Selbstehnlichkeit finden wir im nächsten Kapitel über Fraktale aber ich werde jetzt hier nochmal diese Folie zusammenfassen weil ich finde die ist schon wichtig wir haben ganz viele Effekte die unsere Zeitreihen beeinflussen auf unterschiedlichen Märkten gleichzeitig auf unterschiedlichen Zeitebenen wir sind damit konfrontiert Markteilnehmer zu haben die irrationale Handeln um das irgendwie in ein sinnvolles Modell zu gießen das heißt das Finanzmärkte zudem auch noch Skal-Invariant sind Skal-Invariant sowie Selbstehnlichkeit sind Eigenschaften von Fraktalen welche wir in unserem nächsten Kapitel genau erkennen lernen werden ich nehme das jetzt hier einfach mal vorweg stell das in den Raum um im nächsten Kapitel ordentlich wieder auffassen können kurzum induzieren diese Zeitlevel das Märkte Fraktalen muss dann folgen und da wir mehrere Märkte und Instrumente und so weiter gleichzeitig beachten sprechen wir nachfolgend auch von Multifraktalen und multidynamischen Finanzmärkten und wie gesagt Fraktale beachten wir gesondert in einem Extrakapitel und zwar in unserem nächsten Kapitel selbst wenn wir Fraktalität in einem gesonderten Kapitel betrachten muss sich hier noch eine wichtige Erkenntnis darstellen und zwar Fraktalität induziert die Existenz von Trends in Finanzmarkt Daten es ist so die Neoclassiker behaupten immer hier kann man nichts vorhersehen das ist alles White Noise und Rauschen während die ganzen technischen Analysten immer sagen ja wir machen Trends und das muss doch so sein festgestellt das ist so also wir im Sinne von unserem Kooperationspartner der Mandelbrot Asset Management GmbH die es geschafft hat mittels spezieller Wavelet-Zerlegungen eine Finanzreihe in messbare Trends zu zerlegen und die Trends messbar zu machen und diese Trends können genutzt werden um Momentumstrategien auszunutzen und diese funktionieren auch und das ist natürlich eine komplette Kontradiktion Widerspruch gegen alles was die Klassiker bisher zu bieten hatten also wir stellen fest merkt es sind nicht nur Fraktal sondern es existieren auch Trends die man messen kann wie man mit Wavelet-Zeit rein zerlegt das lernen wir in unserem Kapitel über Signalzerlegung oder Signaltheorie haben wir es genannt um Ihnen das nochmal richtig deutlich zu machen habe ich Ihnen hier mal verschiedene Zeitebenen des Dachses rausgenommen und wenn Sie sich jetzt hier die blauen Kästen angucken, sind das genau ich glaube 3-4 Stunden und wir fangen mit dem Kasten rechts unten an, der ist auf Stundenbasis, das heißt Sie bekommen eine Kerze pro Stunde und wenn wir jetzt hier auf 5 Minutenbasis runtergehen da gehen wir nach links unten wo der Pfeil hin zeigt sehen wir den selben blauen Kasten ähnlich allerdings haben wir viel mehr Kerzen weil natürlich jetzt jede Kerze für 5 Minuten steht aber wir sehen das Muster ist effektiv dasselbe obwohl wir uns auf einer anderen Zeitebene bewegen und wenn wir jetzt nach links oben wandern haben wir Minutenkerzen Sie sehen das Muster ist auch wieder das ähnliche aber wir haben viel mehr Kerzen und es ist viel granularer geworden was Praktalität quasi praktisch hier aufzeigt und ich werde Ihnen das Ganze jetzt nochmal in eben derselben Handelsplattform die ich hier genommen habe um die Ausschnitte zu erzeugen praktisch demonstrieren so, Sie haben gerade die Bilder gesehen dass wir verschiedene Zeitebenen betrachten können ich möchte Ihnen das hier nochmal in live vorführen Sie sehen hier ein anderes Trading Desk das sogenannte Guidance Trading Desk das kann effektiv fast das gleiche wie das Finanzen.net Trading Desk auch wir sehen hier die Kurse hier haben wir netten Marktüberblick über Indizes Gold, Öl, US-Dollar zu Euro, hier unten sind nochmal Währungen separat aufgelistet, wo Sie die ganzen Preisstellungen in Echtzeit sehen können hier können Sie direkt aus der Box heraus, sage ich mal Zertifikate und Produkte kaufen und hier haben Sie noch ein Überblick über gängige Nachrichten, wenn wir uns jetzt hier auf unsere, ich mach das mal groß geht das groß, sehr schön ich mach das hier mal größer da sehen wir hier so genannte Haikin Ashi Kerzen die uns den Kurs hier anzeigen ich kann hier rein und raus zoomen da sehen Sie hier unten die Zeitachse also wir sehen hier jetzt mal den kompletten April ein paar Opening Gaps und wir quasi den Kursverlauf und zwar hier in 5 Minuten Kerzen das bedeutet dass hier eine dieser Kerzchen die Sie hier sehen, 5 Minuten Zeitintervalle sind und wenn wir das jetzt verändern hier können Sie einstellen wie hoch der Zeitrahmen sein soll und wir gehen jetzt einfach mal hoch auf 15 Minuten Sie sehen herzig, außer die Zeitachse hier unten nicht sonderlich viel getan also die Muster die Sie hier sehen haben sich nicht sonderlich verändert gehen wir mal auf 30 Minuten da sehen Sie, das Muster ist in etwa dasselbe nur dass es weniger Kerzen werden wenn ich hier rein und raus zoome wenn ich hier mal ganz viel raus zoome dann sehen Sie hier wunderschön die dasmalische Verhalten asymmetrisches Verhalten nicht lineares Verhalten die ganzen Effekte die wir hier beschrieben haben die Faktalnehmern die alle am Durchdrehen sind jetzt schauen Sie sich diese Bewegung an von knapp 13.700 fröhlich runter auf 8200 und erzählen mir noch was von rationalen Investoren wir gehen in der Zeitebene hier mal weiter hoch auf eine Stunde wir sehen hier die Bewegung ist genau ähnlich, nur dass wir hier nun Stunden betrachten wenn wir jetzt mal auf Tagesbasis hochgehen sieht die Bewegung fast ähnlich aus nur dass die Kerzen einfach weniger werden ich demonstriere das jetzt mal noch mal hier im Zeitraum 14.15 sehen wir hier 3 Kerzen und wenn ich jetzt hier runter gehe mal auf Stundenbasis dann habe ich hier für jede Stunde eine Kerze, das sieht man hier und wenn ich jetzt zum 14.15 gehen will 15.15 und machen Sie jetzt mal ganz extrem und gehen mal auf den Minutenchart runter da ist dann quasi jede Minute eine Kerze und wenn wir hier mal rauszoomen auf die 2 Tage gesehen dann sehen Sie hier ja ganz deutlich dass es hier viel viel mehr Kerzen sind die Bewegung allerdings ähnlich aussieht aber dennoch ganz anders funktionieren kann wieso zeige ich das Ihnen hier in Live dass Sie auch einfach mal sehen wie sieht so was im echten Leben aus was ich hier noch machen kann das kann ich Ihnen hier gleich als Spielerei noch mitzeigen sofern ist das hier das möchte ich habe hier meine technischen Trading Werkzeuge in dem ich Trendlinie legen kann das einzige was ich hier eigentlich dazufügen möchte sind Indikatoren lassen Sie mich mal gucken ob wir irgendwas nettes finden dass ich Ihnen hier live kurz zeigen kann ich hätte fast gesagt wir nehmen einfach den Exponential Moving Average und wir ändern die Zeit Basis mal auf 5 Minuten hoch und dann sehen wir hier den Exponential Gleiten Durchschnitt so wie wir Ihnen in dem Kapitel stochastische Differenzial Gleichungen auch noch kennenlernen werden das war es von meiner Seite hier haben Sie einen Überblick hier können Sie den Markt auf unterschiedlichen Zeitebenen betrachten und was das Thema Multifraktalität bedeutet das lernen wir im nächsten Kapitel genauer kennen bevor wir nun die Vorlesung abschließen möchte ich Ihnen natürlich noch eine Zusammenfassung über die stilisierten Fakten geben und zwar in Kurzgesagt es treten eine große Varietät an Effekten auf verschiedenen Märkten auf und auf unterschiedlichen Zeitebenen welche miteinander verknüpft sind Akteure in diesem System handeln zu dem irrational und wir sind als Analysten damit konfrontiert diese große Varietät an unterschiedlichen Effekten auf unterschiedlichen Märkten auf unterschiedlichen Zeitebenen verknüpft mit irrationalen Akteuren zu modellieren das ist unsere Aufgabe der Forschung als Zwischenstand in der großen Diskussion Neoclassizismus und Effizienzmarktjünger kann ich Ihnen hier nur im Angesicht dieser Großzahl an Effekten mitgeben, Finanzmärkte sind fractal und es gibt keine effizienten Märkte vielen Dank damit sind wir mit dieser Vorlesung am Ende