Saisoneffekte auf dem deutschen Aktienmarkt - 8 Angebote vergleichen

Lieferung aus: Deutschland, zzgl. Versandkosten, in stock, sofort als Download lieferbar.
Diplom.de: Saisoneffekte auf dem deutschen Aktienmarkt. Inhaltsangabe:Einleitung: ¿Sell in may and go away¿ ist eine von vielen Börsenweisheiten, deren Ursprung in der Feststellung saisonaler Muster am Aktienmarkt liegt. Die Diskussion und Erforschung solcher Saisoneffekte nahm in den 80iger Jahren rapide zu. Grund dafür ist u.A. der verbesserte Zugang zu computergestützten Testverfahren und die Verfügbarkeit langer Zeitreihen von Kapitalmarktdaten. Es ist jedoch nicht alles Gold, was glänzt. Lakonishok etwa warnt, die scheinbar eindeutige Beweisführung solcher Anomalien kritisch zu betrachten. Explizit nennt er drei Faktoren, data snooping, boredom und noise, die negative Auswirkungen auf die Qualität solcher Arbeiten haben können. Data snooping kann sich etwa bei Hypothesentests zeigen. Wird eine Vielzahl an Hypothesen getestet, besteht auch immer eine Chance zufällig statistische Signifikanz zu messen. Der boredom Faktor bezeichnet die Tendenz dass v. A. ¿spektakuläre¿ Arbeiten veröffentlicht werden. Arbeiten, die anerkannte Theorien nicht ablehnen... eBooks.

Lieferung aus: Deutschland, Sofort per Download lieferbar.
Inhaltsangabe:Einleitung: Sell in may and go away ist eine von vielen Börsenweisheiten, deren Ursprung in der Feststellung saisonaler Muster am Aktienmarkt liegt. Die Diskussion und Erforschung solcher Saisoneffekte nahm in den 80iger Jahren rapide zu. Grund dafür ist u.A. der verbesserte Zugang zu computergestützten Testverfahren und die ... Inhaltsangabe:Einleitung: Sell in may and go away ist eine von vielen Börsenweisheiten, deren Ursprung in der Feststellung saisonaler Muster am Aktienmarkt liegt. Die Diskussion und Erforschung solcher Saisoneffekte nahm in den 80iger Jahren rapide zu. Grund dafür ist u.A. der verbesserte Zugang zu computergestützten Testverfahren und die Verfügbarkeit langer Zeitreihen von Kapitalmarktdaten. Es ist jedoch nicht alles Gold, was glänzt. Lakonishok etwa warnt, die scheinbar eindeutige Beweisführung solcher Anomalien kritisch zu betrachten. Explizit nennt er drei Faktoren, data snooping, boredom und noise, die negative Auswirkungen auf die Qualität solcher Arbeiten haben können. Data snooping kann sich etwa bei Hypothesentests zeigen. Wird eine Vielzahl an Hypothesen getestet, besteht auch immer eine Chance zufällig statistische Signifikanz zu messen. Der boredom Faktor bezeichnet die Tendenz dass v. A. spektakuläre Arbeiten veröffentlicht werden. Arbeiten, die anerkannte Theorien nicht ablehnen können, sind oft weniger gefragt als wiedersprechende Arbeiten. Merton formuliert einen ähnlichen selection bias. Ziel dieser Arbeit ist die Untersuchung ausgewählter Kalendereffekte am deutschen Aktienmarkt. Dabei werden der January Effect, Halloween Effect, Weekend Effect und der Holiday Effect betrachtet. Der Aufbau der Arbeit gliedert sich dabei in drei Kapitel. Im ersten Kapitel sollen die Theoretischen Grundlagen der Effizienzmarkthypothese (EMH) und der Verhaltensökonomik (behavioral finance) erläutert werden. Dabei soll auch auf häufig aufzufindende Eigenheiten und Voraussetzungen für das Bestehen von Saisoneffekten eingegangen werden. Im zweiten Abschnitt werden ausgewählte Saisoneffekte definiert und Bezug auf vorhandene wissenschaftliche Arbeiten genommen. Dabei soll u. A. auch auf die zeitliche Entwicklung einiger Kalendereffekte am amerikanischen Aktienmarkt eingegangen werden. Zudem werden Hypothesen zur Entstehung saisonaler Effekte dargelegt. Abschließend werden im dritten Kapitel eigene empirische Untersuchungen ausgewählter Saisoneffekte durchgeführt. Dies beinhaltet die Beschreibung der zugrunde liegenden Daten, der verwendeten Modelle, sowie eine Interpretation der Ergebnisse. Inhaltsverzeichnis:Inhaltsverzeichnis: AbbildungsverzeichnisIII TabellenverzeichnisIV AbkürzungsverzeichnisV 1.Einleitung1 2.Theoretische Grundlagen3 2.1Die Effizienzmarkthypothese3 2.1.1Informationseffizienz4 2.1.2Kalendereffekte und die [], 13.04.2012, PDF.

Lieferung aus: Schweiz, Sofort per Download lieferbar.
Inhaltsangabe:Einleitung: Sell in may and go away ist eine von vielen Börsenweisheiten, deren Ursprung in der Feststellung saisonaler Muster am Aktienmarkt liegt. Die Diskussion und Erforschung solcher Saisoneffekte nahm in den 80iger Jahren rapide zu. Grund dafür ist u.A. der verbesserte Zugang zu computergestützten Testverfahren und die ... Inhaltsangabe:Einleitung: Sell in may and go away ist eine von vielen Börsenweisheiten, deren Ursprung in der Feststellung saisonaler Muster am Aktienmarkt liegt. Die Diskussion und Erforschung solcher Saisoneffekte nahm in den 80iger Jahren rapide zu. Grund dafür ist u.A. der verbesserte Zugang zu computergestützten Testverfahren und die Verfügbarkeit langer Zeitreihen von Kapitalmarktdaten. Es ist jedoch nicht alles Gold, was glänzt. Lakonishok etwa warnt, die scheinbar eindeutige Beweisführung solcher Anomalien kritisch zu betrachten. Explizit nennt er drei Faktoren, data snooping, boredom und noise, die negative Auswirkungen auf die Qualität solcher Arbeiten haben können. Data snooping kann sich etwa bei Hypothesentests zeigen. Wird eine Vielzahl an Hypothesen getestet, besteht auch immer eine Chance zufällig statistische Signifikanz zu messen. Der boredom Faktor bezeichnet die Tendenz dass v. A. spektakuläre Arbeiten veröffentlicht werden. Arbeiten, die anerkannte Theorien nicht ablehnen können, sind oft weniger gefragt als wiedersprechende Arbeiten. Merton formuliert einen ähnlichen selection bias. Ziel dieser Arbeit ist die Untersuchung ausgewählter Kalendereffekte am deutschen Aktienmarkt. Dabei werden der January Effect, Halloween Effect, Weekend Effect und der Holiday Effect betrachtet. Der Aufbau der Arbeit gliedert sich dabei in drei Kapitel. Im ersten Kapitel sollen die Theoretischen Grundlagen der Effizienzmarkthypothese (EMH) und der Verhaltensökonomik (behavioral finance) erläutert werden. Dabei soll auch auf häufig aufzufindende Eigenheiten und Voraussetzungen für das Bestehen von Saisoneffekten eingegangen werden. Im zweiten Abschnitt werden ausgewählte Saisoneffekte definiert und Bezug auf vorhandene wissenschaftliche Arbeiten genommen. Dabei soll u. A. auch auf die zeitliche Entwicklung einiger Kalendereffekte am amerikanischen Aktienmarkt eingegangen werden. Zudem werden Hypothesen zur Entstehung saisonaler Effekte dargelegt. Abschliessend werden im dritten Kapitel eigene empirische Untersuchungen ausgewählter Saisoneffekte durchgeführt. Dies beinhaltet die Beschreibung der zugrunde liegenden Daten, der verwendeten Modelle, sowie eine Interpretation der Ergebnisse. Inhaltsverzeichnis:Inhaltsverzeichnis: AbbildungsverzeichnisIII TabellenverzeichnisIV AbkürzungsverzeichnisV 1.Einleitung1 2.Theoretische Grundlagen3 2.1Die Effizienzmarkthypothese3 2.1.1Informationseffizienz4 2.1.2Kalendereffekte und die [], PDF, 13.04.2012.

Lieferung aus: Deutschland, Sofort per Download lieferbar.
Inhaltsangabe:Einleitung: ¿Sell in may and go away¿ ist eine von vielen Börsenweisheiten, deren Ursprung in der Feststellung saisonaler Muster am Aktienmarkt liegt. Die Diskussion und Erforschung solcher Saisoneffekte nahm in den 80iger Jahren rapide zu. Grund dafür ist u.A. der verbesserte Zugang zu computergestützten Testverfahren und die Verfügbarkeit langer Zeitreihen von Kapitalmarktdaten. Es ist jedoch nicht alles Gold, was glänzt. Lakonishok etwa warnt, die scheinbar eindeutige Beweisführung solcher Anomalien kritisch zu betrachten. Explizit nennt er drei Faktoren, data snooping, boredom und noise, die negative Auswirkungen auf die Qualität solcher Arbeiten haben können. Data snooping kann sich etwa bei Hypothesentests zeigen. Wird eine Vielzahl an Hypothesen getestet, besteht auch immer eine Chance zufällig statistische Signifikanz zu messen. Der boredom Faktor bezeichnet die Tendenz dass v. A. ¿spektakuläre¿ Arbeiten veröffentlicht werden. Arbeiten, die anerkannte Theorien nicht ablehnen können, sind oft weniger gefragt als wiedersprechende Arbeiten. Merton formuliert einen ähnlichen selection bias. Ziel dieser Arbeit ist die Untersuchung ausgewählter Kalendereffekte am deutschen Aktienmarkt. Dabei werden der January Effect, Halloween Effect, Weekend Effect und der Holiday Effect betrachtet. Der Aufbau der Arbeit gliedert sich dabei in drei Kapitel. Im ersten Kapitel sollen die Theoretischen Grundlagen der Effizienzmarkthypothese (EMH) und der Verhaltensökonomik (behavioral finance) erläutert werden. Dabei soll auch auf häufig aufzufindende Eigenheiten und Voraussetzungen für das Bestehen von Saisoneffekten eingegangen werden. Im zweiten Abschnitt werden ausgewählte Saisoneffekte definiert und Bezug auf vorhandene wissenschaftliche Arbeiten genommen. Dabei soll u. A. auch auf die zeitliche Entwicklung einiger Kalendereffekte am amerikanischen Aktienmarkt eingegangen werden. Zudem werden Hypothesen zur Entstehung saisonaler Effekte dargelegt. Abschließend werden im dritten Kapitel eigene empirische Untersuchungen ausgewählter Saisoneffekte durchgeführt. Dies beinhaltet die Beschreibung der zugrunde liegenden Daten, der verwendeten Modelle, sowie eine Interpretation der Ergebnisse. Inhaltsverzeichnis:Inhaltsverzeichnis: AbbildungsverzeichnisIII TabellenverzeichnisIV AbkürzungsverzeichnisV 1.Einleitung1 2.Theoretische Grundlagen3 2.1Die Effizienzmarkthypothese3 2.1.1Informationseffizienz4 2.1.2Kalendereffekte und die [...], PDF, 13.04.2012.

Lieferung aus: Deutschland, Versandkostenfrei.
Saisoneffekte auf dem deutschen Aktienmarkt: Inhaltsangabe:Einleitung: ¿Sell in may and go away¿ ist eine von vielen Börsenweisheiten, deren Ursprung in der Feststellung saisonaler Muster am Aktienmarkt liegt. Die Diskussion und Erforschung solcher Saisoneffekte nahm in den 80iger Jahren rapide zu. Grund dafür ist u.A. der verbesserte Zugang zu computergestützten Testverfahren und die Verfügbarkeit langer Zeitreihen von Kapitalmarktdaten. Es ist jedoch nicht alles Gold, was glänzt. Lakonishok etwa warnt, die scheinbar eindeutige Beweisführung solcher Anomalien kritisch zu betrachten. Explizit nennt er drei Faktoren, data snooping, boredom und noise, die negative Auswirkungen auf die Qualität solcher Arbeiten haben können. Data snooping kann sich etwa bei Hypothesentests zeigen. Wird eine Vielzahl an Hypothesen getestet, besteht auch immer eine Chance zufällig statistische Signifikanz zu messen. Der boredom Faktor bezeichnet die Tendenz dass v. A. ¿spektakuläre¿ Arbeiten veröffentlicht werden. Arbeiten, die anerkannte Theorien nicht ablehnen können, sind oft weniger gefragt als wiedersprechende Arbeiten. Merton formuliert einen ähnlichen selection bias. Ziel dieser Arbeit ist die Untersuchung ausgewählter Kalendereffekte am deutschen Aktienmarkt. Dabei werden der January Effect, Halloween Effect, Weekend Effect und der Holiday Effect betrachtet. Der Aufbau der Arbeit gliedert sich dabei in drei Kapitel. Im ersten Kapitel sollen die Theoretischen Grundlagen der Effizienzmarkthypothese (EMH) und der Verhaltensökonomik (behavioral finance) erläutert werden. Dabei soll auch auf häufig aufzufindende Eigenheiten und Voraussetzungen für das Bestehen von Saisoneffekten eingegangen werden. Im zweiten Abschnitt werden ausgewählte Saisoneffekte definiert und Bezug auf vorhandene wissenschaftliche Arbeiten genommen. Dabei soll u. A. auch auf die zeitliche Entwicklung einiger Kalendereffekte am amerikanischen Aktienmarkt eingegangen werden. Zudem werden Hypothesen zur Entstehung saisonaler Effekte dargelegt. Abschließend werden im dritten Kapitel eigene empirische Untersuchungen ausgewählter Saisoneffekte durchgeführt. Dies beinhaltet die Beschreibung der zugrunde liegenden Daten, der verwendeten Modelle, sowie eine Interpretation der Ergebnisse. Inhaltsverzeichnis:Inhaltsverzeichnis: AbbildungsverzeichnisIII TabellenverzeichnisIV AbkürzungsverzeichnisV 1.Einleitung1 2.Theoretische Grundlagen3 2.1Die Effizienzmarkthypothese3 2.1.1Informationseffizienz4 2.1.2Kalendereffekte und die [...], Ebook.

Lieferung aus: Deutschland, E-Book zum Download.
Inhaltsangabe:Einleitung: Sell in may and go away ist eine von vielen Börsenweisheiten, deren Ursprung in der Feststellung saisonaler Muster am Aktienmarkt liegt. Die Diskussion und Erforschung solcher Saisoneffekte nahm in den 80iger Jahren rapide zu. Grund dafür ist u.A. der verbesserte Zugang zu computergestützten Testverfahren und die Verfügbarkeit langer Zeitreihen von Kapitalmarktdaten. Es ist jedoch nicht alles Gold, was glänzt. Lakonishok etwa warnt, die scheinbar eindeutige Beweisführung solcher Anomalien kritisch zu betrachten. Explizit nennt er drei Faktoren, data snooping, boredom und noise, die negative Auswirkungen auf die Qualität solcher Arbeiten haben können. Data snooping kann sich etwa bei Hypothesentests zeigen. Wird eine Vielzahl an Hypothesen getestet, besteht auch immer eine Chance zufällig statistische Signifikanz zu messen. Der boredom Faktor bezeichnet die Tendenz dass v. A. spektakuläre Arbeiten veröffentlicht werden. Arbeiten, die anerkannte Theorien nicht ablehnen können, sind oft weniger gefragt als wiedersprechende Arbeiten. Merton formuliert einen ähnlichen selection bias. Ziel dieser Arbeit ist die Untersuchung ausgewählter Kalendereffekte am deutschen Aktienmarkt. Dabei werden der January Effect, Halloween Effect, Weekend Effect und der Holiday Effect betrachtet. Der Aufbau der Arbeit gliedert sich dabei in drei Kapitel. Im ersten Kapitel sollen die Theoretischen Grundlagen der Effizienzmarkthypothese (EMH) und der Verhaltensökonomik (behavioral finance) erläutert werden. Dabei soll auch auf häufig aufzufindende Eigenheiten und Voraussetzungen für das Bestehen von Saisoneffekten eingegangen werden. Im zweiten Abschnitt werden ausgewählte Saisoneffekte definiert und Bezug auf vorhandene wissenschaftliche Arbeiten genommen. Dabei soll u. A. auch auf die zeitliche Entwicklung einiger Kalendereffekte am amerikanischen Aktienmarkt eingegangen werden. Zudem werden Hypothesen zur Entstehung saisonaler Effekte dargelegt. Abschließend werden im dritten Kapitel eigene empirische Untersuchungen ausgewählter Saisoneffekte durchgeführt. Dies beinhaltet die Beschreibung der zugrunde liegenden Daten, der verwendeten Modelle, sowie eine Interpretation der Ergebnisse. Inhaltsverzeichnis:Inhaltsverzeichnis: AbbildungsverzeichnisIII TabellenverzeichnisIV AbkürzungsverzeichnisV 1.Einleitung1 2.Theoretische Grundlagen3 2.1Die Effizienzmarkthypothese3 2.1.1Informationseffizienz4 2.1.2Kalendereffekte und die EMH5 2.2Behavioral Finance6 2.2.1Investor Sentiment7 2.2.2Limited Arbitrage8 3.Saisoneffekte11 3.1Holiday Effect11 3.1.1Beschreibung11 3.1.2Erklärungsansätze14 3.2Weekday Effects16 3.2.1Erklärungsansätze19 3.3Halloween Effect22 3.3.1Beschreibung22 3.3.2Erklärungsansätze24 3.4January Effect25 3.4.1Beschreibung25 3.4.2Erklärungsansätze27 4.Empirische Untersuchung32 4.1Datenbeschreibung32 4.1.1Datenquellen32 4.1.2Renditeberechnung32 4.1.3Beobachtungszeiträume33 4.1.4Deskriptive Statistik34 4.2Monats Effekte35 4.2.1Der Januareffekt35 4.2.2Weitere Monatseffekte37 4.3Halloween Effect39 4.3.1Kritische Betrachtung42 4.3.2Kapitalmarktshocks44 4.4Weekday Effect47 4.4.1Day of the Week47 4.4.2Weekend Effect49 4.4.3Relative Häufigkeiten51 4.5Holiday Effect52 4.5.1Holiday Days54 4.5.2Relative Häufigkeiten55 5.Zusammenfassung57 AnhangVI LiteraturverzeichnisXIV Textprobe:Textprobe: Kapitel 3.1, Holiday Effect: 3.1.1, Beschreibung: Der Holiday Effect, oder auch Feiertagseffekt, bezeichnet die Beobachtung signifikant höherer Renditen an Handelstagen, denen ein Börsenfeiertag folgt. Da die Anomalie vornehmlich an Vorfeiertagen festgestellt wurde, wird der Effekt in der Literatur deshalb auch als Pre-Holiday-Effect bezeichnet. Um den Effekt näher zu erläutern, soll hier detailliert auf Ariels Arbeit eingegangen werden. Die Datenbasis bilden dabei Tagesschlusskurse der Datenbank des Center for Research in Security Prices (CRSP) von 1963 bis 1982. Dabei werden sowohl ein marktwertgewichteter (value-weighted) als auch ein gleichgewichteter (equally-weighted) Index betrachtet. Als Holidays werden folgende Tage gewertet: - New Year´s Day (01. Januar). - Presidents´Day/Washington´s Birthday (der jeweils dritte Montag im Februar ). - Good Friday (Karfreitag). - Memorial Day (der letzter Montag im Mai). - Independence Day (04. Juli). - Thanksgiving (der vierte Donnerstag im November). - Christmas (25. Dezember). Alle 5020 Handelstage wurden unterteilt in Tage.

Lieferung aus: Vereinigtes Königreich Großbritannien und Nordirland, Versandkostenfrei.
Saisoneffekte auf dem deutschen Aktienmarkt ab 38 € als pdf eBook: . Aus dem Bereich: eBooks, Wirtschaft,.

Saisoneffekte auf dem deutschen Aktienmarkt ab 38 € als pdf eBook: . Aus dem Bereich: eBooks, Wirtschaft,.