Prognose von NASDAQ Aktienkursen mittels Vektorautoregressiven Modellen

Georg Paul Reiter

doi:10.25365/thesis.46388

Title (deu)

Author

Georg Paul Reiter

Advisor

Erhard Reschenhofer

Co-Advisor

Gökhan Cebiroglu

Assessor

Erhard Reschenhofer

Abstract (deu)

Seit der Gründung der ersten Börsen wird versucht vor allen andern Marktteilnehmern zu erkennen, welche Kurse in näherer Zukunft steigend oder fallend sind. Die Theorien hierfür wurden im Laufe der Zeit immer komplexer. Heutzutage werden die erwarteten Preisveränderungen von Tradern auf kleinste Signale reduziert, die im Bruchteil von Sekunden auftreten. In dieser Arbeit wurden drei stark unterschiedliche Aktienkurse in einem groben Setting begutachtet und danach versucht mittels vektorautoregressiven Modellen (VAR-Modellen) eigene Prognosen für die zukünftige Entwicklung des Kurses zu schätzen. Die erste Hälfte dieser Arbeit besteht aus der Theorie rund um das Setting des Marktes sowie allgemein von VAR-Modellen. Danach folgt die Analyse mittels eben jener VARModelle, gefolgt von allen notwendigen Modelldiagnostiken, um die Modelle zu validieren. Die wichtigste und allgemein anerkannteste Fibel für die Arbeit mit höherdimensionalen Zeitreihen ist New Introduction to Multiple Time Series Analysis von Helmut Lütkepohl. Auf diesem Buch basiert der Großteil der verwendeten Theorie für VAR-Modelle. Ein weiterer großer Teil dieser Arbeit ist im Appendix zu finden, wo alle Computationen aus R Studio, die für die Datenaufbereitung sowie für die Analyse notwendig waren, aufgeführt sind, gemeinsam mit den anderen Ergebnissen dieser Arbeit. Diese Arbeit ist dem Fachgebiet der multivariaten Zeitreihenanalyse zuzuordnen und soll als Basis für weitere Forschung auf diesem Gebiet dienen.

Abstract (eng)

Since the foundation of the first stock exchanges market participants have been trying to recognize first which prices are ascending or descending in the near future. As time goes by theories around these movements became more and more complex. Nowadays the expected shifts in prices are reduced to little trading signals by traders, which occur in fractions of seconds. This thesis is about three different stocks in a rough setting which will be forecasted by vectorautoregressive models (VAR-Models). The first half of this thesis consists of theory around the market and VAR-Models in general. This is followed by the analysis with VAR-Models and model diagnostics for these VARModels for a better validation of these models. The most impotant book for working with higher dimensional time series is New Introduction to Multiple Time Series Analysis by Helmut Lütkepohl. The main part of the theory for VAR-model is based on this book. Furthermore another huge part of the thesis is found in the appendix, where all the important computations for data preparation and analysis are featured. Also other results of other stocks are mentioned. This thesis belongs to the scientific field of multidimensional time series analysis and should be used for further works in this sector.

Keywords (eng)

VAR-modelsforecaststime series

Keywords (deu)

VAR-ModellePrognosenZeitreihen

Subject (deu)

Angewandte Mathematik

Subject (deu)

Programmierung: Sonstiges

Subject (deu)

Marktwirtschaft

Type (deu)

Magisterarbeit

Persistent identifier

https://phaidra.univie.ac.at/o:1333794

DOI

10.25365/thesis.46388

URN

urn:nbn:at:at-ubw:1-22282.13467.797265-5

URI

https://utheses.univie.ac.at/detail/41052

Extent (deu)

125 Seiten : Illustrationen, Diagramme

Number of pages

124

Study plan

Magisterstudium Statistik

[UA]

[066]

[951]

Association (deu)

Fakultät für Wirtschaftswissenschaften

Title (deu)

Prognose von NASDAQ Aktienkursen mittels Vektorautoregressiven Modellen

Author

Georg Paul Reiter

Abstract (deu)

Seit der Gründung der ersten Börsen wird versucht vor allen andern Marktteilnehmern zu erkennen, welche Kurse in näherer Zukunft steigend oder fallend sind. Die Theorien hierfür wurden im Laufe der Zeit immer komplexer. Heutzutage werden die erwarteten Preisveränderungen von Tradern auf kleinste Signale reduziert, die im Bruchteil von Sekunden auftreten. In dieser Arbeit wurden drei stark unterschiedliche Aktienkurse in einem groben Setting begutachtet und danach versucht mittels vektorautoregressiven Modellen (VAR-Modellen) eigene Prognosen für die zukünftige Entwicklung des Kurses zu schätzen. Die erste Hälfte dieser Arbeit besteht aus der Theorie rund um das Setting des Marktes sowie allgemein von VAR-Modellen. Danach folgt die Analyse mittels eben jener VARModelle, gefolgt von allen notwendigen Modelldiagnostiken, um die Modelle zu validieren. Die wichtigste und allgemein anerkannteste Fibel für die Arbeit mit höherdimensionalen Zeitreihen ist New Introduction to Multiple Time Series Analysis von Helmut Lütkepohl. Auf diesem Buch basiert der Großteil der verwendeten Theorie für VAR-Modelle. Ein weiterer großer Teil dieser Arbeit ist im Appendix zu finden, wo alle Computationen aus R Studio, die für die Datenaufbereitung sowie für die Analyse notwendig waren, aufgeführt sind, gemeinsam mit den anderen Ergebnissen dieser Arbeit. Diese Arbeit ist dem Fachgebiet der multivariaten Zeitreihenanalyse zuzuordnen und soll als Basis für weitere Forschung auf diesem Gebiet dienen.

Abstract (eng)

Since the foundation of the first stock exchanges market participants have been trying to recognize first which prices are ascending or descending in the near future. As time goes by theories around these movements became more and more complex. Nowadays the expected shifts in prices are reduced to little trading signals by traders, which occur in fractions of seconds. This thesis is about three different stocks in a rough setting which will be forecasted by vectorautoregressive models (VAR-Models). The first half of this thesis consists of theory around the market and VAR-Models in general. This is followed by the analysis with VAR-Models and model diagnostics for these VARModels for a better validation of these models. The most impotant book for working with higher dimensional time series is New Introduction to Multiple Time Series Analysis by Helmut Lütkepohl. The main part of the theory for VAR-model is based on this book. Furthermore another huge part of the thesis is found in the appendix, where all the important computations for data preparation and analysis are featured. Also other results of other stocks are mentioned. This thesis belongs to the scientific field of multidimensional time series analysis and should be used for further works in this sector.

Keywords (eng)

VAR-modelsforecaststime series

Keywords (deu)

VAR-ModellePrognosenZeitreihen

Subject (deu)

Angewandte Mathematik

Subject (deu)

Programmierung: Sonstiges

Subject (deu)

Marktwirtschaft

Type (deu)

Magisterarbeit