Title (deu)
Naive Bayes Investing
Author
Patricia Wöber
Advisor
Christian Keber
Assessor
Christian Keber
Abstract (deu)
Diese Masterarbeit versucht unter Zuhilfenahme des Naive Bayes Klassifikators auf zwei
unterschiedlichen Aktienmärkten, dem deutschen (DAX) sowie dem amerikanischen
(S&P 500), die Rendite dieser Benchmarks im Betrachtungszeitraum 2004 bis 2019 zu
übertreffen. Die Handelsentscheidungen werden basierend auf den a-posteriori
Wahrscheinlichkeiten, abgeleitet auf Basis des Naive Bayes Klassifikators, getroffen. Den
zweiten wesentlichen Eckpfeiler der entwickelten Strategie „Naive Bayes Investing“
bilden volkswirtschaftliche Indikatoren. Diese wurden aufgrund ihrer in der Literatur
vielfach analysierten Interdependenzen mit dem Aktienmarkt als Inputfaktoren für den
Naive Bayes Klassifikator und die Ableitung der Handelssignale ausgewählt. Aus einer
Long List an volkswirtschaftlichen Indikatoren, die jeweils gesondert für den deutschen
als auch amerikanischen Aktienmarkt abgeleitet wird, finden allerdings nur jene
Indikatoren Eingang in Handelsentscheidungen, welche ausgewählte relevante
statistische Kriterien erfüllen.
Hinsichtlich des Erfolgs der Strategie im Hinblick auf die Erzielung von Überrenditen im
Vergleich zu den Benchmarks ergeben sich divergierende Ergebnisse. Während es beim
DAX nicht gelang sich besser als der Markt zu stellen, zeigt sich beim S&P 500 ein
gänzlich anderes Bild, da erhebliche Überrenditen erzielt werden konnten.
Ausgangspunkt zukünftiger Analysen könnte der Versuch sein, ein einheitliches Set an
Inputvariablen zu finden, das eine Kombination aus makroökonomischen und
technischen Indikatoren gleichermaßen berücksichtigt, und auf eine Vielzahl von Märkten
anwendbar ist.
Abstract (eng)
With the help of the Naive Bayes classifier, this master thesis attempts to generate a
trading strategy that outperforms the returns of two selected stock markets, the German
(DAX) and the American (S&P 500) stock market, over a period ranging from 2004 to
2019. Trading decisions are made based on the a-posteriori probabilities derived based
on the Naive Bayes classifier.
Essential input parameters of the developed strategy "Naive Bayes Investing" are
macroeconomic indicators. These were selected as input factors for the Naive Bayes
Classifier and the derivation of trading signals due to their interdependencies with the
stock market as widely discussed in literature. From a long list of economic indicators,
which is derived separately for the German and American stock market, only those
indicators that fulfil selected relevant statistical criteria are used in the derivation of trading
decisions.
With regard to the success of the strategy in terms of achieving excess returns compared
to the benchmarks, divergent results emerge. While the generated trading strategy did
not succeed in outperforming the DAX (German market), it was effective for the S&P 500
(American market), as significant excess returns were achieved.
The starting point for future analyses could be the attempt to derive a uniform set of input
variables that takes a combination of macroeconomic and technical indicators into
account which are applicable to a large number of markets.
Keywords (deu)
Naive Bayes HandelsstrategieS&P 500DAXmakroökonomische IndikatorenKlassifikator
Keywords (eng)
Naive Bayes investingS&P 500DAXeconomic indicatorsclassifier
Subject (deu)
Type (deu)
Persistent identifier
Extent (deu)
v, 116 Seiten : Illustrationen
Number of pages
122
Study plan
Masterstudium Betriebswirtschaft
[UA]
[066]
[915]
Association (deu)
Title (deu)
Naive Bayes Investing
Author
Patricia Wöber
Abstract (deu)
Diese Masterarbeit versucht unter Zuhilfenahme des Naive Bayes Klassifikators auf zwei
unterschiedlichen Aktienmärkten, dem deutschen (DAX) sowie dem amerikanischen
(S&P 500), die Rendite dieser Benchmarks im Betrachtungszeitraum 2004 bis 2019 zu
übertreffen. Die Handelsentscheidungen werden basierend auf den a-posteriori
Wahrscheinlichkeiten, abgeleitet auf Basis des Naive Bayes Klassifikators, getroffen. Den
zweiten wesentlichen Eckpfeiler der entwickelten Strategie „Naive Bayes Investing“
bilden volkswirtschaftliche Indikatoren. Diese wurden aufgrund ihrer in der Literatur
vielfach analysierten Interdependenzen mit dem Aktienmarkt als Inputfaktoren für den
Naive Bayes Klassifikator und die Ableitung der Handelssignale ausgewählt. Aus einer
Long List an volkswirtschaftlichen Indikatoren, die jeweils gesondert für den deutschen
als auch amerikanischen Aktienmarkt abgeleitet wird, finden allerdings nur jene
Indikatoren Eingang in Handelsentscheidungen, welche ausgewählte relevante
statistische Kriterien erfüllen.
Hinsichtlich des Erfolgs der Strategie im Hinblick auf die Erzielung von Überrenditen im
Vergleich zu den Benchmarks ergeben sich divergierende Ergebnisse. Während es beim
DAX nicht gelang sich besser als der Markt zu stellen, zeigt sich beim S&P 500 ein
gänzlich anderes Bild, da erhebliche Überrenditen erzielt werden konnten.
Ausgangspunkt zukünftiger Analysen könnte der Versuch sein, ein einheitliches Set an
Inputvariablen zu finden, das eine Kombination aus makroökonomischen und
technischen Indikatoren gleichermaßen berücksichtigt, und auf eine Vielzahl von Märkten
anwendbar ist.
Abstract (eng)
With the help of the Naive Bayes classifier, this master thesis attempts to generate a
trading strategy that outperforms the returns of two selected stock markets, the German
(DAX) and the American (S&P 500) stock market, over a period ranging from 2004 to
2019. Trading decisions are made based on the a-posteriori probabilities derived based
on the Naive Bayes classifier.
Essential input parameters of the developed strategy "Naive Bayes Investing" are
macroeconomic indicators. These were selected as input factors for the Naive Bayes
Classifier and the derivation of trading signals due to their interdependencies with the
stock market as widely discussed in literature. From a long list of economic indicators,
which is derived separately for the German and American stock market, only those
indicators that fulfil selected relevant statistical criteria are used in the derivation of trading
decisions.
With regard to the success of the strategy in terms of achieving excess returns compared
to the benchmarks, divergent results emerge. While the generated trading strategy did
not succeed in outperforming the DAX (German market), it was effective for the S&P 500
(American market), as significant excess returns were achieved.
The starting point for future analyses could be the attempt to derive a uniform set of input
variables that takes a combination of macroeconomic and technical indicators into
account which are applicable to a large number of markets.
Keywords (deu)
Naive Bayes HandelsstrategieS&P 500DAXmakroökonomische IndikatorenKlassifikator
Keywords (eng)
Naive Bayes investingS&P 500DAXeconomic indicatorsclassifier
Subject (deu)
Type (deu)
Persistent identifier
Number of pages
122
Association (deu)
License
- Citable links
- Other links
- Managed by
- Details
- Metadata
- Export formats